Page 688 - NEIC_FINAL REPORT

5 - 84
ทั้งนี้ หากมีข้อมูลบางชุดที่มีแนวโน้มไม่ใช่เส้นตรงอย่างเดียว อาจจะพิจารณา
ตัวแปร𝑡𝑡2 และ𝑡𝑡3 เพิ่มในตัวแบบได้ 5.3-53
Strategic Design and Development Study of the National Energy Information Center to Support National Energy Plan โครงการศึกษาการจัดทําาแผนยุทธศาสตร์และออกแบบการพัฒนาศูนย์สารสนเทศพลังงานแห่งชาติ เพื่อรองรับการใช้ข้อมูลขนาดใหญ่ (Big Data) ในการขับเคลื่อนแผนพลังงานของประเทศไทย
โครงการศึกษาการจัดทําแผนยุทธศาสตร์และออกแบบการพัฒนาศูนย์
สารสนเทศพลังงานแห่งชาติเพ่ือรองรับการใช้ข้อมูลขนาดใหญ่ (Big Data)
ในการขับเคลื่อนแผนพลังงานของประเทศไทย รายงานฉบับสมบูรณ์
- แนวโน้ม 𝑡𝑡 โดยหากมีข้อมูลบางชุดที่มีแนวโน้มไม่ใช่เส้นตรงอย่างเดียว อาจจะพิจารณาตัวแปร𝑡𝑡2 และ𝑡𝑡3 เพิ่มในตัวแบบได้
- ฤดูกาล พิจารณาโดยใช้ตัวแปรหุ่น (Dummy Variable) 11 ตัว ได้แก่ 𝐽𝐽𝐽𝐽𝐽𝐽, ... , 𝑁𝑁𝑁𝑁𝑁𝑁 โดยให้
𝐽𝐽𝐽𝐽𝐽𝐽 = {1, 1,
เดือนมกราคม 𝑁𝑁𝑁𝑁𝑁𝑁={0, เดอืนอื่นๆ
(3) ใช้ตัวแบบการถดถอยที่ได้ในข้อ (2) ในการคํานวณหา ค่าพยากรณ์ 𝑘𝑘 ช่วงเวลาใน อนาคต ด้วยค่า 𝑌𝑌̂𝑡𝑡 ท่ีเวลา 𝑡𝑡 = 𝐽𝐽 + 1, ... , 𝐽𝐽 + 𝑘𝑘 นอกจากนี้ จากตัวแบบยัง สามารถหาการประมาณค่าแบบช่วง (Interval Estimate) ของค่าพยากรณ์ได้ หรือท่ี เรียกว่า 95% Confidence Interval ซ่ึงทําให้ได้ขีดจํากัดล่าง (Lower Bound) และ ขีดจํากัดบน (Upper Bound) เพื่อใช้ในการตรวจสอบค่าผิดปกติของข้อมูลประเภท อนุกรมเวลาต่อไป
(ii) ตัวแบบเชิงคูณ (Multiplicative Model) สําหรับข้อมูลอนุกรมเวลา ที่มีลักษณะที่แนวโน้มกับฤดกู าล มีความสัมพันธ์เชิงบวก วิธีวิเคราะห์อนุกรมเวลาเบื้องต้นที่เหมาะสมคือวิธีดัชนีฤดูกาล (Seasonal Index) สําหรับในการพยากรณ์ ซึ่งขั้นตอนการวิเคราะห์อนุกรมเวลาโดยใช้วิธีดัชนีฤดูกาล มีขั้นตอน ดังนี้
(1) กําหนดสัญลักษณ์ที่ใช้ โดยให้ข้อมูลอนุกรมเวลารายเดือนในอดีต แทนด้วย สัญลักษณ์ 𝑌𝑌𝑡𝑡 โดยที่ 𝑡𝑡 = 1,2, ... , 𝐽𝐽
(2) สร้างตัวแบบการวิเคราะห์การถดถอยเชิงเส้น (Linear Regression Model) ตามสมการด้านล่าง
̂̂̂
𝑌𝑌 =𝛽𝛽 +𝛽𝛽 𝑡𝑡 ;𝑡𝑡=1,2,...,𝐽𝐽
⋮
0, เดอืนอ่ืนๆ
𝑡𝑡
โดยท่ี 𝑌𝑌̂𝑡𝑡 คือตัวประมาณของ 𝑌𝑌𝑡𝑡 ท่ีได้จากตัวแบบการวิเคราะห์การถดถอยเชิงเส้น
01
เดือนพฤศจิกายน