การพยากรณ์จำนวนเรื่องร้องเรียนกับสำนักงานคณะกรรมการคุ้มครองผู้บริโภค
Article Sidebar
Main Article Content
บทคัดย่อ
สำนักงานคณะกรรมการคุ้มครองผู้บริโภค (สคบ.) รวบรวมข้อมูลสถิติด้านการคุ้มครองผู้บริโภคและวิเคราะห์แนวโน้มและทิศทางของปัญหาการคุ้มครองผู้บริโภคในมิติต่าง ๆ เพื่อกำกับ ติดตามการแก้ไขปัญหาด้านการคุ้มครองผู้บริโภคอย่างเป็นรูปธรรม ทั้งนี้ยังไม่พบการคาดการณ์ล่วงหน้าแต่อย่างใด รูปแบบการค้าที่เปลี่ยนแปลงไปจากการค้าขายแบบดั้งเดิมไปสู่ยุคอีคอมเมิร์ซ การโฆษณาผ่านสื่อสังคมที่เข้าถึงผู้บริโภคผ่านอุปกรณ์อุปกรณ์อัจฉริยะ ทำให้ธุรกรรมทางการค้าเพิ่มขึ้นย่อมส่งผลให้จำนวนเรื่องร้องเรียนที่ส่งมายัง สคบ. มีแนวโน้มเพิ่มขึ้น บทความนี้มีวัตถุประสงค์เพื่อพยากรณ์จำนวนเรื่องร้องเรียน ปีงบประมาณ 2566 ด้วยแบบจำลองอนุกรมเวลาตามทฤษฎีระบบเกรย์ ซึ่งสามารถใช้กับข้อมูลจำนวนน้อยได้ดีมาใช้กับข้อมูลจำนวนเรื่องร้องเรียน ปีงบประมาณ 2561 ถึง 2565 ทำการพยากรณ์แบ่งออกเป็นสี่อนุกรมเวลา คือ อสังหาริมทรัพย์และที่อยู่อาศัย สินค้าอุปโภคและบริโภค บริการ และรวมทั้งสามกลุ่มข้างต้น ผลการพยากรณ์แบบจำลอง GM(1,1) expanded with periodic correction model (EPC) มีค่าเฉลี่ยร้อยละความผิดพลาดสัมบูรณ์ (The Mean Absolute Percentage Error - MAPE) น้อยที่สุด จึงเลือกใช้แบบจำลอง EPC โดยพยากรณ์ว่า ปีงบประมาณ 2566 จะมีจำนวนเรื่องร้องเรียน เพิ่มขึ้นหรือลดลงจากปีงบประมาณปี 2565 ดังนี้ กลุ่มอสังหาริมทรัพย์ 2,131 เรื่อง ลดลงเพียงร้อยละ 0.46 กลุ่มสินค้าอุปโภคและบริโภค 8,689 เรื่อง เพิ่มขึ้นร้อยละ 12.93 กลุ่มบริการ 6,193 เรื่อง ลดลงร้อยละ 6.50 และ โดยรวม 17,244 เรื่อง เพิ่มขึ้นร้อยละ 4.78 เมื่อรวมค่าพยากรณ์จาก 3 กลุ่ม จะมีค่าพยากรณ์จำนวนเรื่องในปีงบประมาณ 2566 17,012 เรื่อง ซึ่งน้อยกว่าการพยากรณ์โดยรวม 17,244 เรื่อง เพียง 232 เรื่อง ลดลงเพียงร้อยละ 1.34
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ทัศนะและความคิดเห็นที่ปรากฏในวารสาร ถือเป็นความรับผิดชอบของผู้เขียนบทความนั้น และไม่ถือเป็นทัศนะและความรับผิดชอบของกองบรรณาธิการ
เอกสารอ้างอิง
พิชชากร เรืองเดชาวิวัฒน์. (2566, 4 พฤษภาคม). สคบ. คุ้มครองเราได้จริงไหม?: สิ่งที่ขาดหายไปในองค์กรคุ้มครองผู้บริโภค. สืบค้นเมื่อ 5 ธันวาคม 5, 2566, จาก https://www.the101.world/thailand-consumer-protection/
สำนักงานคณะกรรมการกิจการกระจายเสียง กิจการโทรทัศน์ และกิจการโทรคมนาคมแห่งชาติ (สำนักงาน กสทช.). (2567). อย่าหลงเชื่อ จะตกเป็นเหยื่อโฆษณาเกินจริง. สืบค้นเมื่อ 20 กุมภาพันธ์ 2567, จาก https://bcp.nbtc.go.th/th/detail/2017-01-25-12-03-42
สำนักงานคณะกรรมการกฤษฎีกา. (2562, 13 มิถุนายน). พระราชบัญญัติคุ้มครองผู้บริโภค พ.ศ. 2522. สืบค้นเมื่อ 20 กุมภาพันธ์ 2567, จาก https://www.ocpb.go.th/download/article/article_20200221144401.pdf
สำนักงานคณะกรรมการคุ้มครองผู้บริโภค. (2566). รายงานสถิติรับเรื่องร้องทุกข์ประจำปีงบประมาณ 2561 – 2565. สืบค้นเมื่อ 20 กุมภาพันธ์ 2567, จาก https://www.ocpb.go.th/more_news.php?cid=348
Andrés, D. (2023). Machine Learning Pills: Error Metrics for Time Series Forecasting. Retrieved October 20, 2023, from https://mlpills.dev/time-series/error-metrics-for-time-series-forecasting/
Businesswire. (2020, 29 October). China Express Delivery Industry Report, 2020-2024 with Profiles of S.F. Express, YTO Express, ZTO Express, Yunda Express and STO Express - ResearchAndMarkets.com. Retrieved October 20, 2023, from https://www.businesswire .com/news/home/20201029005568/en/China-Express-Delivery-Industry-Report-2020-2024-with-Profiles-of-S.F.-Express-YTO-Express-ZTO-Express-
Contentserv. (2024). eCommerce vs. Digital Commerce: The future of shopping. Retrieved February 20, 2024, from https://www.contentserv.com/blog/ecommerce-vs-digital-commerce-the-future-of-shopping
Deng, J. (2002). Grey Theory Basis. China: Huazhong University of Science and Technology Press of China. (in Chinese).
Deng, J. (1989). Introduction to Grey System Theory. The Journal of Grey System, 1(1), 1-24.
Javed, S.A. (2023). German Chancellor Merkel recognizes Grey System Theory. Retrieved February 20, 2024, from https://www.emeraldgrouppublishing.com/journal/gs/german-chancellor-merkel-recognizes-grey-system-theory
Hyndman, R.J., & Athanasopoulos, G. (2021). Forecasting: principles and practice. (3rd ed). Melbourne: OTexts.
Khuman, A.S., Yang, Y., John, R., & Liu, S. (2016). R-fuzzy sets and grey system theory. 2016 IEEE International Conference on Systems, Man, and Cybernetics (SMC), Budapest, Hungary, 2016, (pp. 004555-004560). doi:10.1109/SMC.2016.7844949
Lee, Y-S., & Tong, L-I. (2011). Forecasting energy consumption using a grey model improved by incorporating genetic programming. Energy Conversion and Management, 52, 147-152.
Leesa-nguansuk, S. (2023, 24 January). E-commece Projected to be grow by up to 13% this year. Bangkok Post. Retrieved February 20, 2024, from https://www.bangkokpost.com/business/general/2489687
Lewis, C.D. (1982). Industrial and business forecasting methods. London: Butterworths.
Lin, Y.H., Chiu, C.C., Lin, Y.J., Lee, P.C. (2013). Rainfall prediction using innovative grey model with the dynamic index. Journal of Marine Science and Technology, 21(1), 63-75.
Liu, S., & Lin, Y. (2010). Grey Systems Theory and Applications. Berlin Heidelberg: Springer-Verlag.
Liu, S., Zeng, F., Liu, J., & Xie, N. (2014). Several basic models of GM(1,1) and their applicable bound. Systems Engineering and Electronics, 36(3), 501-508.
Tang, S.Y., & Deng, G.M. (2015). Based on the Theory of Grey System to Forecast China’s Business Volume of Express Services. Modern Economy, 6, 283-288. http://dx.doi.org/10.4236/me.2015.62025
Yanqiu, C., Linjiang, Z., Jing, H., Zhe, Z., & Chunhui, L. (2020). Prediction of gas emission based on grey-generalized regression neural network. IOP Conference Series: Earth and Environmental Science, 467(1), 012056. doi:10.1088/1755-1315/467/1/012056
Yingjie, Y., & Liu, S. (2018). Grey systems, grey models and their roles in data analytics. Journal of Simulation: Systems, Science and Technology, 19(3), 1-6. https://doi.org/10.5013/IJSSST.a.19.03.08
Zeng, B., Duan, H., & Zhou, Y. (2019). A new multivariable grey prediction model with structure compatibility, Applied Mathematical Modelling, 75, 385-397. https://doi.org/10.1016/j.apm.2019.05.044
Zhang, Y. (2012). Improved grey derivative of grey Verhulst model and its application. International Journal of Computer Science, 9(6), 3, 443-448.
Zhou, W., & He, J-M. (2013). Generalized GM (1,1) model and its application in forecasting of fuel production, Applied Mathematical Modelling, 37(9), 6234-6243.
