Tag Archives: ดร.กวิน เอี่ยมตระกูล

บทความฉบับนี้ทำการศึกษาข้อมูลหนี้ครัวเรือนผ่านฐานข้อมูล Micro Data จากการข้อมูลสำรวจภาวะเศรษฐกิจและสังคมของครัวเรือนของสำนักงานสถิติแห่งชาติ ซึ่งการสำรวจด้านรายได้ที่มีข้อมูลปี 2562 และ 2564 ในขณะนี้เป็นฐานข้อมูลหลักในการวิเคราะห์

งานศึกษาฉบับนี้มีวัตถุประสงค์เพื่อใช้ปัญญาประดิษฐ์ (Artificial Intelligence) ในการสร้างแบบจำลอง Logistic Regression สำหรับการวิเคราะห์ความรู้สึก (Sentiment Analysis) ของประชาชนในประเทศไทยที่มีต่อสถานการณ์ COVID-19 ระหว่างวันที่ 1 สิงหาคม 2564 ถึง 28 พฤศจิกายน 2564 ควบคู่ไปกับการสร้างแบบจำลองเชิงเส้นอย่างง่าย (Simple Regression) สำหรับการทดสอบความสัมพันธ์ระหว่างความรู้สึกของประชาชนและเครื่องชี้ทางเศรษฐกิจและสังคม เช่น ดัชนีความเคลื่อนไหว (Google Mobility Index) เครื่องชี้การท่องเที่ยว (Travel Insights with Google) และจำนวนผู้ติดเชื้อ COVID-19 รายใหม่รายวัน ผลการศึกษาพบว่า แบบจำลอง Logistic Regression เมื่อนำข้อมูลมาฝึกฝน (Train) ให้โปรแกรมเรียนรู้ว่าข้อความประเภทใดควรจะจัดให้อยู่ในการแสดงความรู้สึกทางบวกหรือทางลบ จะสามารถอธิบายข้อมูลที่ต้องการทดสอบ (Test) ได้ถูกต้องและแม่นถึงร้อยละ 90 และในส่วนของการทดสอบด้วยแบบจำลองเชิงเส้นอย่างง่าย พบว่า จำนวนความรู้สึกมีความสัมพันธ์ในทางตรงกันข้ามกับดัชนีความเคลื่อนไหวของ (Google Mobility Index) และเครื่องชี้การท่องเที่ยว (Travel Insights with Google) ขณะที่มีความสัมพันธ์ในทิศทางเดียวกันกับจำนวนผู้ติดเชื้อ COVID-19 รายวัน ไม่ว่าจะทดสอบในภาพรวมหรือจำแนกตามประเภทสื่อสังคมออนไลน์

การพัฒนาที่มีความเหมาะสมกับบริบทของพื้นที่โดยส่วนใหญ่จะมาจากการส่งเสริมการมีส่วนร่วมของภาคส่วนต่างๆ ในพื้นที่เพื่อให้การพัฒนาพื้นที่สามารถตอบโจทย์ที่สอดคล้องกับปัญหาของพื้นที่นั้นๆ ดังตัวอย่างกรณีประเทศสเปน และประเทศญี่ปุ่น เป็นต้น

บทความนี้จะนำเสนอผลจากเครื่องชี้เศรษฐกิจที่มีความรวดเร็ว โดยเฉพาะอย่างยิ่งมีเครื่องชี้หลายรายการที่มีความถี่สูง สามารถติดตามได้เป็นรายวันซึ่งแตกต่างจากเครื่องชี้เศรษฐกิจทั่วไปซึ่งมักจะมีความถี่เป็นรายเดือน

การแพร่ระบาดของโรคติดเชื้อไวรัส COVID-19 ได้ส่งผลกระทบต่อเศรษฐกิจในประเทศต่าง ๆ อย่างมาก แต่แบบจำลองเศรษฐกิจมหภาคแบบดั่งเดิมจะใช้ประเมินผลกระทบในภาพรวม (Macroeconomic Level) อาจไม่สามารถวิเคราะห์ผลกระทบในระดับจุลภาคได้ (Microeconomic Level) ดังนั้น คณะผู้เขียนจึงได้พัฒนาแบบจำลองการระบาด Susceptible, Infectious, Recovered (SIR) ขึ้นเพื่อคาดการณ์จำนวนผู้ติดเชื้อ และแบบจำลอง Agent-Based Modeling (ABM) ซึ่งใช้จำลองสถานการณ์และวิเคราะห์ปฏิสัมพันธ์ระหว่าง Agent ในระบบเศรษฐกิจเชิงจุลภาค (Micro Simulation Modelling) เพื่อประโยชน์ในการจัดทำนโยบายแบบมีกลุ่มเป้าหมาย (Targeted Policy) ได้อย่างมีประสิทธิภาพ

ผลการศึกษา พบว่า การลงทุนโครงสร้างพื้นฐานทั้ง 4 ด้าน ทำให้เกิดการเปลี่ยนแปลงของ GDP ในทุกสาขาการผลิตเฉลี่ยโดยรวมเท่ากับ 231,476 ล้านบาทต่อปี คิดเป็นผลกระทบต่อ GDP ร้อยละ 1.23 ต่อปี ในขณะที่การลงทุนด้านคมนาคมขนส่ง ก่อให้เกิดการเปลี่ยนแปลงของ GDP ในทุกสาขาการผลิตเฉลี่ยสูงสุดถึง 145,607 ล้านบาท ต่อปี คิดเป็นผลกระทบต่อ GDP เท่ากับร้อยละ 0.77 ต่อปี

งานศึกษาฉบับนี้ ได้นำประโยชน์จากฐานข้อมูลขนาดใหญ่ (Big Data) ของ Google ในแอพพลิเคชั่น Google Trends ซึ่งมีศักยภาพเพียงพอในการเป็นเครื่องชี้วัดเศรษฐกิจโดยแสดงพฤติกรรมความสนใจของประชาชนทุกระดับและแสดงผลแบบ Real Time มาใช้ในการติดตามและประเมินผลเศรษฐกิจด้านการว่างงานของไทย พบว่า

7/7