การพยากรณ์ยอดขายรถยนต์ใหม่รายเดือนของประเทศไทยด้วยแบบจำลองอนุกรมเวลาและข้อมูล Google Trend

งานวิจัยนี้ มีวัตถุประสงค์เพื่อศึกษาแบบจำลองทางเศรษฐมิติอนุกรมเวลาที่สามารถพยากรณ์ยอดขายรายเดือนของรถยนต์ในประเทศไทยที่มีความแม่นยำ โดยใช้แบบจำลองอนุกรมเวลาร่วมกับตัวแปรภายนอก ได้แก่ ตัวแปรเศรษฐกิจ ตัวแปรทางการเงิน และ ดัชนีที่สร้างจาก Google Trend จากการค้นหายี่ห้อรถยนต์ (Google Trend 1) และคำศัพท์ที่เกี่ยวข้องกับการเลือกซื้อรถยนต์ (Google Trend 2) เปรียบเทียบกับแบบจำลองอนุกรมเวลาที่มิได้ใช้ตัวแปรภายนอก ข้อมูลที่ใช้เป็นข้อมูลอนุกรมเวลารายเดือน ตั้งแต่เดือนมกราคม พ.ศ. 2547 ถึงเดือนธันวาคม พ.ศ. 2562ผู้วิจัยพบว่าตัวแปรกลุ่มดัชนี Google Trend ช่วยให้ผลการพยากรณ์แม่นยำมากขึ้น โดยการพยากรณ์ด้วยแบบจำลอง Autoregressive integrated moving average with Explanatory Variables (ARIMAX) และแบบจำลอง Vector autoregression (VAR) ตัวแบบจำลองที่ประกอบไปด้วยกลุ่มตัวแปรทางเศรษฐกิจ กลุ่มตัวแปรทางการเงิน และกลุ่มตัวแปร Google Trend จากคำค้นหาทั้ง 2 กลุ่ม ให้ค่าพยากรณ์ที่ดีที่สุดสำหรับการพยากรณ์ไปข้างหน้า 1 เดือน (ระยะสั้น) ถึง 6 เดือน (ระยะปานกลาง) โดยที่ค่า Root Mean Square Percentage Error (RMSPE) ลดลงจากกรณีฐานร้อยละ 0.91 และ ร้อยละ 2.87 ของยอดขายรายเดือน นอกจากนี้ หากเปรียบเทียบแบบจำลองที่ใช้ตัวแปรทางการเงินหรือตัวแปรทางเศรษฐกิจอย่างเดียวกับแบบจำลองที่ใช้ Google Trend 2 จะพบว่าแบบจำลอง ARIMAX ที่ใช้เพียงแค่ Google Trend 2 มีประสิทธิผลในการพยากรณ์ที่ดีกว่าโดยเปรียบเทียบการศึกษาครั้งนี้ยังเปรียบเทียบการพยากรณ์แบบแยกประเภทรถยนต์และการพยากรณ์รวม พบว่าแบบจำลอง ARIMAX ที่ประกอบไปด้วยกลุ่มตัวแปร Google Trend 2 ให้ค่าพยากรณ์ที่ดีขึ้นอย่างมีนัยสำคัญเมื่อเป็นการพยากรณ์แบบแยกประเภทรถยนต์เปรียบเทียบกับการพยากรณ์รวม