ปัจจัยในการเลือกสถานที่ท่องเที่ยวแบบครอบครัวในจังหวัดชัยภูมิ: วิเคราะห์ด้วยต้นไม้ตัดสินใจแบบ CHAID

ศิริพร พึ่งเพ็ชร; ณัฏฐพงษ์ ฉายแสงประทีป; วารี วงษ์ขุนเณร; ไพโรจน์ ศรีคง

ผู้แต่ง

ศิริพร พึ่งเพ็ชร มหาวิทยาลัยวงษ์ชวลิตกุล
ณัฏฐพงษ์ ฉายแสงประทีป มหาวิทยาลัยวงษ์ชวลิตกุล
วารี วงษ์ขุนเณร มหาวิทยาลัยวงษ์ชวลิตกุล
ไพโรจน์ ศรีคง มหาวิทยาลัยวงษ์ชวลิตกุล

คำสำคัญ:

ปัจจัยการเลือกสถานที่, การท่องเที่ยวแบบครอบครัว, ต้นไม้ตัดสินใจ

บทคัดย่อ

บทความวิจัยนี้มีวัตถุประสงค์ 1. ศึกษาปัจจัยในการเลือกสถานที่ท่องเที่ยวแบบครอบครัวในจังหวัดชัยภูมิ และ 2. ประเมินความถูกต้องของแบบจำลองในการทำนายของต้นไม้ตัดสินใจแบบ CHAID (Chi-Squared Automatic Interaction Detection) และสำรวจแบบตัดขวาง (Cross-Sectional Survey) กลุ่มตัวอย่างประกอบด้วยผู้ปกครองที่มีบุตรหลานอายุระหว่าง 1–12 ปี จำนวน 909 คน ซึ่งเคยเดินทางท่องเที่ยวในจังหวัดชัยภูมิระหว่างปี 2566–2567 เก็บข้อมูลด้วยแบบสอบถามมาตราส่วน 5 ระดับ

ผลการวิจัยพบว่า ผู้ปกครองส่วนใหญ่เป็นเพศหญิงร้อยละ 73.4 มีอายุระหว่าง 20-39 ปีร้อยละ 54 การศึกษาระดับปริญญาตรีร้อยละ 56.2 และเดินทางโดยรถยนต์ส่วนบุคคล ร้อยละ 85.3 มีค่าใช้จ่ายมากกว่า 2,000 บาทต่อการเดินทาง ร้อยละ 71.8 และเดินทางในช่วงวันหยุดสุดสัปดาห์ ร้อยละ 59.2 อีกทั้ง แบบจำลอง CHAID แสดงให้เห็นว่า ค่าใช้จ่ายการเดินทาง เป็นปัจจัยหลักที่มีอิทธิพลต่อการตัดสินใจเลือกสถานที่ท่องเที่ยว รองลงมาคือ ตัวแปรยานพาหนะ รายได้ต่อเดือน และการศึกษา แบบจำลองสามารถจำแนกประเภทค่าใช้จ่ายได้อย่างแม่นยำ โดยเฉพาะในกลุ่มที่ 3 ซึ่งมีอัตราความถูกต้องสูงถึงร้อยละ 97.8 และค่า Risk Estimate อยู่ในเกณฑ์ที่ยอมรับได้ (0.20-0.30) ผลการวิจัยนี้สามารถนำไปประยุกต์ใช้ในการวางแผนและพัฒนานโยบายการท่องเที่ยวในจังหวัดชัยภูมิ เพื่อตอบสนองความต้องการของกลุ่มผู้ปกครองเป้าหมายได้อย่างมีประสิทธิภาพ

เอกสารอ้างอิง

พระมหาสังคม ชยานนฺโท และคณะ. (2566). ศึกษาศักยภาพแหล่งท่องเที่ยวทางธรรมชาติและวัฒนธรรมในจังหวัดชัยภูมิ. Journal of Modern Learning Development, 8(5), May, 251-267.

รัตนาวดี พานทอง. (2565). การจำแนกประเภทข้อมูลการท่องเที่ยวในจังหวัดพะเยาโดยการใช้เทคนิคต้นไม้ตัดสินใจ. วารสารวิชาการเพื่อการพัฒนานวัตกรรมเชิงพื้นที่ (JSID), 40-54.

วีรยา มีสวัสดิกุล และคณะ. (2566). เราเที่ยวด้วยกัน: ประสบการณ์ร่วมกันของนักท่องเที่ยวกลุ่มครอบครัวหลายช่วงวัย. วารสารมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยนครพนม, 13(3), 132-148.

สำนักงานสถิติแห่งชาติ. (2565). สถิติประชากรจังหวัดชัยภูมิ. สืบค้นเมื่อ 20 ธันวาคม 2567 จาก https://www.nso.go.th

Akin et al. (2017). Use of RSM and CHAID data mining algorithm for predicting mineral nutrition of hazelnut. Plant Cell Tissue Organ Cult. 128(2), 303-316.

Little, R. J. & Rubin, D. B. (2019). Statistical Analysis with Missing Data (3rd ed.). Hoboken, NJ: John Wiley & Sons.

Magidson, J. & Vermunt, J. K. (2005). An Extension of the CHAID Tree-based Segmentation Algorithm to Multiple Dependent Variables. Berlin: Springer.

Malkewitz et al. (2023). Estimating reliability: A comparison of Cronbach's α, McDonald's ωt and the greatest lower bound. Social Sciences & Humanities Open, 7(1), 1-10.

Mayer, M. & Vogt, L. (2016). Economic effects of tourism and its influencing factors: An overview focusing on the spending determinants of visitors. Zeitschrift für Tourismuswissenschaft, 8(2), 169-198.

Mendes, A. B. & Themido, I. H. (2004). Multi-outlet retail site location assessment. International Transactions in Operational Research, 11(1), 1-18.

Miyakawa, E. & Oguchi, T. (2022). Family tourism improves parents’ well-being and children’s generic skills. Tourism Management, 88(1), 1-6.

Mwale et al. (2022). Factors that affect travel behaviour in developing cities: A methodological review. Retrieved January 20, 2025, from https://doi.org/10.1016/j.trip.2022.100683

Nengsih et al. (2022). Comparative Analysis to Determine the Best Accuracy of Classification Methods. ILKOM Jurnal Ilmiah, 14(2), 134-141.

Omerašević, A. & Selimović, J. (2020). Classification Ratemaking Using Decision Tree in The Insurance Market of Bosnia and Herzegovina. South East European Journal of Economics and Business, 15(2), 124-139.

Soper, D. (2024). A-priori sample size calculator for structural equation models. Retrieved January 20, 2025, from https://shorturl.asia/p8tGE

Wang, Y. & Li, M. (2020). Family Identity Bundles and Holiday Decision Making. Journal of Travel Research, 60(3), 486-502.

Yang et al. (2020). Comparative study of three decision algorithms for predicting traffic accidents. Retrieved January 20, 2025, from https://shorturl.asia/pdr4l

Zhang et al. (2019). comparative study of decision tree algorithms for predicting customer purchase behavior. International Journal of Industrial Engineering and Computer, 10(1), 299-310.

Kass, G. V. (1980). An exploratory technique for investigating large quantities of categorical data. Journal of Applied Statistics, 29(2), 119-127.

Biggs, D. et al. (1991). A method of choosing multiway partitions for classification and decision trees. Journal of Applied Statistics, 18(1-2), 49-62.

Lemmens, A. & Croux, C. (2006). Bagging and boosting classification trees to predict churn. Journal of Marketing Research, 43(2), 276-286.