การพยากรณ์แนวโน้มการจดทะเบียนรถยนต์ส่วนบุคคลในประเทศไทย: การวิเคราะห์เชิงอนุกรมเวลา
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อ (1) วิเคราะห์แนวโน้มการจดทะเบียนรถยนต์ส่วนบุคคลในประเทศไทย (2) เปรียบเทียบความแม่นยำของแบบจำลองอนุกรมเวลาหลายรูปแบบ และ (3) เสนอแนวทางเชิงนโยบายจากผลการพยากรณ์ โดยประยุกต์ใช้เทคนิคการวิเคราะห์อนุกรมเวลาเชิงปริมาณ (Quantitative Time Series Analysis) ข้อมูลที่ใช้เป็นข้อมูลทุติยภูมิรายเดือนของการจดทะเบียนรถยนต์ส่วนบุคคลระหว่างปี พ.ศ. 2563–2567 จำนวน 60 รายการ จากกรมการขนส่งทางบก ประมวลผลด้วยโปรแกรม Minitab แบบจำลองที่เปรียบเทียบ ได้แก่ แบบจำลองแนวโน้มเชิงเส้น แบบจำลองการเติบโตแบบเอ็กซ์โพเนนเชียล การปรับเรียบเอ็กซ์โพเนนเชียลอย่างง่าย แบบจำลองแนวโน้มกำลังสอง แบบจำลองเชิงฤดูกาลแบบคูณ และวิธีวินเทอร์สแบบคูณ โดยวัดความแม่นยำด้วยค่า MAPE และ MAD
ผลการวิจัยพบว่า (1) ปริมาณการจดทะเบียนรถยนต์ส่วนบุคคลในช่วงปี พ.ศ. 2568–2572 มีแนวโน้มลดลงเฉลี่ยร้อยละ 2–3 ต่อปี จากปัจจัยหนี้ครัวเรือน อัตราดอกเบี้ย การปรับเปลี่ยนพฤติกรรมของผู้บริโภครุ่นใหม่ และนโยบายการส่งเสริมยานยนต์ไฟฟ้า (EV) (2) แบบจำลองแนวโน้มกำลังสอง (Quadratic Trend Model) มีความแม่นยำสูงสุด (MAPE = 11.0, MAD = 24,426) สะท้อนถึงความสามารถในการจับรูปแบบข้อมูลที่มีแนวโน้มไม่เชิงเส้นและจุดเปลี่ยนทิศทาง (Turning Points) ของตลาดได้อย่างเหมาะสมที่สุด และ (3) ผลการพยากรณ์ให้ข้อเสนอแนะเชิงนโยบายใน 3 มิติ ได้แก่ มิติด้านเศรษฐกิจและการตลาด มิติด้านสิ่งแวดล้อมและพลังงานสะอาด และมิติด้านพฤติกรรมผู้บริโภคและการขนส่งสาธารณะ เพื่อยกระดับความสามารถในการแข่งขันและการเติบโตอย่างยั่งยืนของอุตสาหกรรมยานยนต์ไทย
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Bank of Thailand. (2023). Financial Stability Report. Retrieved August 20, 2025, from
https://www.bot.or.th/Thai/Statistics/Report/Pages/default.aspx
Bank of Thailand. (2024). Household Debt Situation in Thailand. Retrieved August 20, 2025, from https://www.bot.or.th/th/research-and-
publications/articles-and-publications/bot-magazine/Phrasiam-67-2/2567-info-debt-situation.html
Chen, L., Wang, Y., & Xu, J. (2022). Changing Car Ownership Preferences in the Sharing Economy: Evidence from Asian Urban
Consumers. Journal of Consumer Behaviour, 21(4), 785–799. Retrieved August 20, 2025, from https://doi.org/10.1002/cb.2029
Department of Land Transport. (2025). Newly Registered Vehicles Statistics. Retrieved August 20, 2025, from
https://web.dlt.go.th/statistics/
Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice. (3rd ed.). Melbourne, Australia: OTexts.
Karaboon, T. & Sirisugandha, T. (2024). Attitudes, Motivations, and Technology Acceptance Affecting the Intention to Purchase Electric
Vehicles in Lampang Province. MCU Ubon Review, 9(2), 303–314.
Krungsri Research. (2024). Business/Industry Outlook 2024–2026: Automotive industry. Retrieved August 20, 2025, from
Kumar, S., & Rajesh, R. (2022). Forecasting Automobile Sales Using ARIMA and Machine Learning Models: Evidence from Emerging
Markets. International Journal of Forecasting, 38(3), 1174–1188. Retrieved August 20, 2025, from
https://doi.org/10.1016/j.ijforecast.2021.10.005
Li, Q., & Zhao, H. (2023). Macroeconomic Determinants of Vehicle Demand: A Comparative Study of ASEAN Countries. Transportation
Research Part A: Policy and Practice, 172, 103–118. Retrieved August 20, 2025, from https://doi.org/10.1016/j.tra.2023.02.004
Montgomery, D. C., Jennings, C. L., & Kulahci, M. (2015). Introduction to Time Series Analysis and Forecasting. (2nd ed.). Hoboken, NJ:
Wiley.
Office of Energy Policy and Planning. (2024). National Energy Plan 2024–2037. Bangkok: Ministry of Energy.
Songmuang, S. (2023). Consumer Behavior of Generation Z and Digital Marketing 4.0 Strategies Affecting Purchase Decision Processes
in Nonthaburi Province. Journal of Accounting and Management, 15(1), 116–127.
