บทที่ 5 ผลการวิเคราะห ดัชนีเตือนภัยด...

โครงการศึกษาวิจัยระบบเตือนภัยดานแรงงาน รายงานฉบับสมบูรณ

5-1

บทที่ 5

ผลการวิเคราะหดัชนีเตือนภัยดานแรงงาน

ในการวิเคราะหสัญญาณเตือนภัย คณะผูวิจัยตองมีขอมูลอางอิงที่แสดงภาวะวิกฤต และภาวะปกติของตลาดแรงงาน ซ่ึงในการศึกษาครั้งน้ีใชขอมูลผูประกันตนรายเดือนเปนตัวแปรอางอิงในการวิเคราะห และไดใหนิยามของภาวะวิกฤตในตลาดแรงงาน เพ่ือนํามาวิเคราะหหาสัญญาณเตือนจากดัชนีชี้ภาวะเศรษฐกิจตางๆดังน้ี

5.1 นิยามของภาวะวิกฤตในตลาดแรงงาน

จากขอมูลผูประกันตนและการเปลี่ยนแปลงของขอมูลน้ีในชวงเวลาตั้งแต พ.ศ. 2538 – 2552 (ณ เดือนตุลาคม) ซ่ึงครอบคลุมชวงเวลาทั้งที่เกิดวิกฤตและไมเกิดวิกฤต ทําใหคณะผูวิจัยสามารถระบไุดวา การเปลี่ยนแปลงในระดับใดถือวาเปนภาวะปกติ และระดับใดเปนภาวะเตือนภัย และภาวะอันตราย (ภาวะวิกฤต) ดังรายละเอียดที่ไดอธิบายในหัวขอ 4.4 แลว ดังน้ันนิยามของภาวะวิกฤตในตลาดแรงงาน จึงถูกกําหนดไดดังน้ี

ภาวะวิกฤตในตลาดแรงงาน คือ เหตุการณที่อัตราการเปลี่ยนแปลงของผูประกันตนลดลงจากเดือนเดียวกันของปกอนหนาเกินกวารอยละ 1 ติดตอกันเปนเวลา 3 เดือน

เม่ือคณะผูวิจัยนิยามภาวะวิกฤตหรือระดับอันตรายของภาวะตลาดแรงงานดังกลาวแลว คณะผูวิจัยก็จะมีจุดอางอิงที่จะนําไปวิเคราะหหาตัวชี้วัดภาวะเศรษฐกิจอ่ืนๆที่มีการสงสัญญาณใหคณะผูวิจัยไดรับการเตือนลวงหนากอนที่ภาวะอันตรายหรือภาวะวิกฤตในตลาดแรงงานจะเกิดขึ้น

5.2 การวิเคราะหสัญญาณเตือนภัยการจางงานโดยจํานวนผูประกันตนเปนตัวแปรอางอิง

เน่ืองจากความตองการจางแรงงานเปนอุปสงคสืบเน่ือง (derived demand) จากความตองการสินคาและบริการโดยรวม ดังน้ัน หากมีปจจัยหรือเหตุการณใดมากระทบภาวะเศรษฐกิจมหภาค ยอมสงผลกระทบตอตลาดแรงงานตามมาอยางหลีกเลี่ยงไมได ดวยเหตุน้ีดัชนีชี้ภาวะเศรษฐกิจตางๆที่สงผลกระทบตอภาวะเศรษฐกิจโดยรวมจึงถูกนํามาวิเคราะหวามีการสงสัญญาณเตือนภัยตอตลาดแรงงานหรือไม ตารางที่ ก-1 (ในภาคผนวก ก) แสดงขอมูลเกี่ยวกับดัชนีเหลานี้ โดยดัชนีที่รวบรวมมาตองมีการเก็บและรายงานขอมูลเปนรายเดือนโดยสม่ําเสมอ และมีความยาวหรือระยะเวลาของขอมูลที่นาน เพียงพอที่จะนํามาวิเคราะหเชิงสถิติได

รายงานฉบับสมบูรณ โครงการศึกษาวิจัยระบบเตือนภัยดานแรงงาน

5-2

การศึกษานี้ใชกรอบเวลาของการสงสัญญาณเตือน (time horizon) ภายในเวลา 12 เดือนขางหนา และกําหนดใหความผิดพลาดแบบที่ 1 (type I error) อยูระหวาง 0.1-0.2 หรือ 10-20 เปอรเซ็นต ซ่ึงมีความหมายดังน้ี

สมมติฐานวาง (Null Hypothesis) คือ กรณีที่เหตุการณดานแรงงานอยูในภาวะปกติ (tranquil period) หากดัชนีชี้ภาวะเศรษฐกิจตัวใด เชน มูลคาการสงออก (X) มีการเปลี่ยนแปลงลดลงมากกวาอัตราการเปลี่ยนแปลงที่สังเกตไดจากตําแหนงเปอรเซนตไทลที่ 10 (10th percentile) คณะผูวิจัยจะถือวา X สงสัญญาณเตือน และคณะผูวิจัยตรวจสอบตอไปวาภายใน 12 เดือนถัดไปนับตั้งแต X มีการสงสัญญาณ จํานวนผูประกันตนมีการเปลี่ยนแปลงเขาสูภาวะวิกฤต หรือ ระดับอันตราย ตามที่ไดกําหนดไวในนิยามขางตนหรือไม ถาหากมีภาวะวิกฤตเกิดขึ้นแสดงวา มูลคาการสงออก (X) ไดสงสัญญาณเตือนภัยที่ดี (good signal) แตถาหาก X สงสัญญาณแตไมเกิดภาวะวิกฤตในตลาดแรงงานภายใน 12 เดือน สัญญาณดังกลาวจัดวาเปนสัญญาณที่ไมดี (bad signal) ซ่ึงศัพทวิชาการมักเรียกวาเปน “noise”

ดัชนีชี้ภาวะเศรษฐกิจที่คณะผูวิจัยจะนํามาใชควรมีการสงสัญญาณดีมากกกวาสัญญาณไมดี และการที่คณะผูวิจัยกําหนดใหคาที่ตําแหนงเปอรเซนตไทลที่ 10 เปนคา threshold แสดงวาคณะผูวิจัยยอมรับความผิดพลาด เทากับ 0.1 หรือ รอยละ 10 น่ันคือ มีความเปนไปไดวาสมมติฐานวางเปนจริง ไมมีเหตุการณผิดปกติเกิดขึ้นเม่ือดัชนีสงสัญญาณ แตคณะผูวิจัยปฏิเสธสมมติฐานวาง ซ่ึงในการวิเคราะหทางสถิติคณะผูวิจัยเรียกความผิดพลาดลักษณะนี้วาเปนความผิดพลาดแบบที่ 1 หรือ type I error1

งานวิชาการที่ศึกษาเรื่องสัญญาณเตือน (signals analysis) สวนใหญจะวิเคราะหคาตัวแปร X ที่อยูระหวาง 10-30 เปอรเซนตไทล และเลือกคาที่ทําใหสัดสวนของสัญญาณที่ไมดีตอสัญญาณดี (adjusted noise to signal ratio) ต่ําสุดตามที่ไดอธิบายไวแลวในบทที่ 3 ของรายงานนี้ การที่คณะผูวิจัยเลือกคา threshold ที่อยูระหวาง 10-20 เปอรเซนตไทลหมายความวาคณะผูวิจัยยอมรับความผิดพลาดแบบที่ 1 (type I error) ที่ไมเกิน 0.2 หรือรอยละ 20 น่ันเอง

จากการนําขอมูลดัชนีชี้ภาวะเศรษฐกิจจํานวนมากมาทําการวิเคราะหสัญญาณเตือนภัยดังกลาวขางตน คณะผูวิจัยไดผลการวิเคราะหดังที่แสดงในตารางที่ 5.1 และ 5.2 โดยตารางที่ 5.1 เปนผลการวิเคราะหสัญญาณเตือนจากขอมูลที่เกี่ยวของกับภาวะเศรษฐกิจของประเทศไทย ในขณะที่ตารางที่ 5.2 เปนผลการวิเคราะหสัญญาณเตือนจากดัชนีชี้นําเศรษฐกิจของประเทศที่สําคัญในโลกและเปนคูคาที่สําคัญของประเทศไทยดวย

คณะผูวิจัยจะเห็นไดวาดัชนีชี้ภาวะเศรษฐกิจที่สงสัญญาณเตือนภัยใหแกการจางงานที่ใชขอมูลผูประกันตนเปนตัวแปรอางอิงน้ันสวนใหญจะมีลักษณะเปน negative shock น่ันก็คือเม่ือดัชนีเหลานี้มีการเปลี่ยนแปลงลดลงเกินกวาคา threshold จะแสดงถึงการสงสัญญาณวา การจางงานอาจจะเกิดภาวะ

1 Typr I error : rejecting the null hypothesis when the null hypothesis is true. ดูตําราสถิติ เชน Gujarati (2009), Basic Econometrics.


5-3

วิกฤตไดภายในระยะเวลา 12 เดือน ตัวอยางเชน ถามูลคาการสงออกในรูปของเงินดอลลารสหรัฐลดลงเม่ือเทียบกับเดือนเดียวกันของปกอน (YoY) มากกวารอยละ 8.8 จะเปนสัญญาณวาการจางงานอาจเกิดภาวะวิกฤตภายในเวลา 12 เดือน หรือถามูลคาการใชกระแสไฟฟา (ลานกิโลวัตต-ชั่วโมง) คงที่เม่ือเปรียบเทียบกับเดือนเดียวกันของปกอน (อัตราการเพิ่มเทากับ 0) ก็จะเปนสัญญาณวาการจางงานอาจเกิดภาวะวิกฤตภายใน 12 เดือนเชนกัน

สําหรับดัชนีชี้ภาวะเศรษฐกิจที่สงสัญญาณเตือนภัยในลักษณะของ positive shock เทาที่วิเคราะหไดมีเพียงราคาน้ํามันดิบในตลาดโลกเทานั้น ซ่ึงคณะผูวิจัยพบวาหากราคาน้ํามันดิบในตลาดโลก (Brent) เพ่ิมขึ้นจากเดือนเดียวกันของปกอนหนาเกินกวารอยละ 57.6 ก็จะเปนการใหสัญญาณวาอาจจะเกิดภาวะวิกฤตตอตลาดแรงงานในเวลา 12 เดือนตอมาได

ดัชนีชี้ภาวะเศรษฐกิจทั้ง 13 ตัวในตารางที่ 5.1 ที่ไดจากการวิเคราะหสัญญาณเตือนภัยและเรียงลําดับตามอัตราสวน noise-to-signal ration น้ัน สามารถนํามาจัดกลุมตามลักษณะของตัวแปรไดดังน้ี

ก. สัญญาณเตือนภัยทางดานอุปสงค ประกอบดวยตัวแปรดังตอไปน้ี

• การใชกระแสไฟฟา (ลานกิโลวัตต-ชั่วโมง)

• ดัชนีการลงทุนภาคเอกชน (2543=100)

• ดัชนีการอุปโภคบริโภคภาคเอกชน (2543 = 100)

• มูลคาการจําหนายรถยนต (คัน)

• มูลคาการจําหนายรถจักรยานยนต (คัน)

• มูลคาการสงออก (ลานดอลลารสหรัฐ)

ข. สัญญาณเตือนภัยทางดานอุปทานหรือเกี่ยวของกับการผลิต ประกอบดวยตัวแปรดังน้ี

• อัตราการใชกําลังการผลิต (รอยละ)

• พ้ืนที่รับอนุญาตกอสรางในเขตเทศบาล (พันตารางเมตร)

• ดัชนีผลผลิตภาคอุตสาหกรรม (2543=100)

• ราคาน้ํามันดิบในตลาดโลก (BRENT) (ดอลลาร/บารเรล)

ค. สัญญาณเตือนภัยที่มีลักษณะชี้นําภาวะเศรษฐกิจ (Leading Economic Indicator) ประกอบดวยตัวแปรดังน้ี

• ดัชนีชี้นําภาวะเศรษฐกิจของประเทศไทย (เผยแพรโดยธนาคารแหงประเทศไทย)

• ดัชนีความเชื่อม่ันทางธุรกิจ


5-4

• ดัชนีราคาตลาดหลักทรัพย นอกจากนี้คณะผูวิจัยยังไดนําดัชนีชี้นําภาวะเศรษฐกิจของประเทศอุตสาหกรรมที่สําคัญของโลก

และประเทศที่เปนคูคาที่สําคัญของประเทศไทยมาวิเคราะหวาสามารถสงสัญญาณเตือนภัยลวงหนาตอการจางงานในประเทศไทยดวยหรือไม และพบวาดัชนีชี้นําภาวะเศรษฐกิจของประเทศญี่ปุน จีน สหรัฐอเมริกา และดัชนีชี้นํารวมของกลุมประเทศ OECD2 ไดมีการสงสัญญาณเตือนภัยโดยมีรายละเอียดดังปรากฎในตารางที่ 5.2

เม่ือคณะผูวิจัยนําอัตราการเปลี่ยนแปลงของดัชนีทั้ง 17 ตัวที่กลาวมานี้มาพล็อตในชวงเวลาตั้งแตเดือนมกราคม พ.ศ. 2538 จนถึงปปจจุบัน (เทาที่มีการเผยแพรขอมูล) คณะผูวิจัยเห็นวา อัตราการเปลี่ยนแปลงของดัชนีเศรษฐกิจเหลานี้มีคามากเกินกวาคา threshold ในชวง 12 เดือนกอนที่จะเกิดภาวะวิกฤตในการจางงาน ดังจะเห็นไดจากรูปที่ 5.1 โดยชวงภาวะวิกฤตการจางงานจะอยูระหวางเดือนสิงหาคม 2541 ถึงเดือนตุลาคม 2542 และระหวางเดือนมกราคม 2552 ถึงเดือนตุลาคม 2552

อยางไรก็ตามการสงสัญญาณจากตัวแปรเศรษฐกิจตัวใดตัวหนึ่งเพียงตัวเดียวยอมไมมีนํ้าหนักมากนัก หากเปรียบเทียบกับการมีสัญญาณพรอมๆ กันจากตัวแปรหลายตัว ดังนั้น งานวิจัยน้ีจึงสรางดัชนีผสม (composite indicator) ขึ้น โดยการรวมเอาสัญญาณที่สงจากตัวแปรเศรษฐกิจภายในประเทศ (13 ตัวแปร) มารวมกันใน 2 รูปแบบ คือ ใหแตละตัวแปรมีนํ้าหนักเทากัน ( tI ) ดังสมการที่ 5.1

tI = ∑=

n

j

jtS

1 ………………… (5.1)

โดยที่ jtS = 1 ถาตัวแปร j มีคาเกินกวา threshold ในเวลา t

= 0 ถาตัวแปร j มีคาไมเกิน threshold ในเวลา t

และอีกรูปแบบ คือ การถวงน้ําหนักตัวแปรดวยสวนกลับของคา adjusted noise-to-signal ratio (NTS) เน่ืองจากตัวแปรใดที่มีคา NTS ต่ํา แสดงวามีการสงสัญญาณไมดีนอย จึงควรไดรับนํ้าหนักมาก ( )(w

tI ) ดังสมการที่ 5.2

)(wtI = ∑

=

n

j

jtS

1 . jW

1 ………………… (5.2)

โดยที่ jW = คา NTS ของตัวแปร j

2 Organization for Economic Co-operation and Development ปจจุบันกลุม OECD ประกอบดวยประเทศที่มีรายไดสูง (high income economies) 27 ประเทศ ไดแก ออสเตรีย เบลเยียม แคนาดา เดนมารก ฝรั่งเศส เยอรมนี กรีซ ไอซแลนด ไอรแลนด อิตาลี ลักเซมเบิรก เนเธอรแลนด นอรเวย โปรตุเกส สเปน สวีเดน สวิตเซอรแลนด อังกฤษ สหรัฐอเมริกา ญี่ปุน ฟนแลนด ออสเตรเลีย นิวซีแลนด สาธารณรัฐเช็ก ฮังการี เกาหลีใต และสาธารณรัฐสโลวัก และประเทศที่มีรายไดระดับปานกลาง-สูง (upper-middle income economies) 3 ประเทศ ไดแก เม็กซิโก โปแลนด และตุรกี


5-5

รูปที่ 5.2 (ก) และ (ข) แสดงคาของดัชนีผสมทั้ง 2 กรณีน้ี และรูปที่ 5.2 (ค) แสดงคาเปรียบเทียบของดัชนีผสมทั้ง 2 แบบ โดยปรับคาใหอยูในมาตรฐานเดียวกัน (standardized) ในพิสัย 0 และ 1 คณะผูวิจัยเห็นวา ภายในชวง 12 เดือนกอนวิกฤตไดมีการสงสัญญาณจากตัวแปรหลายตัว ทําใหดัชนีผสมมีคาสูงขึ้นกวากรณีปกติมาก และดัชนีผสมที่ถวงน้ําหนักโดย NTS จะมีคาสูงกวาดัชนีผสมที่ไมไดถวงน้ําหนักดวย NTS

ตารางที่ 5.1 ผลการวิเคราะหสัญญาณเตือนภัยจากดัชนีชี้ภาวะเศรษฐกิจของประเทศไทย (Time horizon 12 เดือน)

คา

Threshold

ตําแหนงเปอรเซนตไทล

(Percentile)

อัตรา noise to signal ratio

คาเฉลี่ยของอัตราการเปลี่ยนแปลงในชวง

ของการศึกษา

ก. ดัชนีท่ีมีลักษณะ negative shock

1. การใชกระแสไฟฟา (ลานกิโลวัตต-ชั่วโมง) 0.00 12 0.0065 5.41

2. อัตราการใชกําลังการผลิต (รอยละ) -12.40 12 0.0071 -1.25

3. ดัชนีการลงทุนภาคเอกชน (2543=100) -12.51 15 0.0072 0.84

4. ดัชนีการอุปโภคบริโภคภาคเอกชน

(2543 = 100) -0.86 16 0.0131

2.27

5. มูลคาการจําหนายรถยนต (คัน) -26.95 11 0.0168 6.82

6. มูลคาการจําหนายรถจักรยานยนต (คัน) -33.41 10 0.0193 6.06

7. พ้ืนที่รับอนุญาตกอสรางในเขตเทศบาล

(พันตารางเมตร) -45.61 10 0.0248

14.69

8. ดัชนีชี้นําภาวะเศรษฐกิจของประเทศไทย -2.70 10 0.0248 1.30

9. ดัชนีความเชื่อมั่นทางธุรกิจ -8.80 10 0.0374 -2.33

10. ดัชนีผลผลิตภาคอุตสาหกรรม

(2543=100) -7.44 12 0.0388

6.26

11. ดัชนีราคาตลาดหลักทรัพย -45.27 10 0.0478 -0.52

12. มูลคาการสงออก (ลานดอลลารสหรัฐ) -8.83 10 0.0790 10.40

ข. ดัชนีท่ีมีลักษณะ positive shock

13. ราคาน้ํามันดิบในตลาดโลก (BRENT) (ดอลลาร/บารเรล) 57.62 86 0.1468

17.36


5-6

ตารางที่ 5.2 ผลการวิเคราะหสัญญาณเตือนภัยจากดัชนีชี้นําภาวะเศรษฐกิจของตางประเทศ

(Time horizon 12 เดือน)

คา

Threshold

ตําแหนงเปอรเซนตไทล

(Percentile)

อัตรา noise to signal ratio

คาเฉลี่ยของอัตราการเปลี่ยนแปลงในชวง

ของการศึกษา

ดัชนีชี้นําเศรษฐกิจของประเทศญี่ปุน -6.53 10 0.0000 -0.22

ดัชนีชี้นําเศรษฐกิจของประเทศจีน -3.45 12 0.0000 -0.23

ดัชนีชี้นําเศรษฐกิจของประเทศในกลุม OECD -3.90 10 0.1242 -0.36

ดัชนีชี้นําเศรษฐกิจของประเทศสหรัฐอเมริกา -4.53 10 0.1552 -0.37


5-7

รูปที่ 5.1 การเคลื่อนไหวของตัวแปรที่สงสัญญาณเตือนภัย (Time horizon 12 เดือน) (ต้ังแต ม.ค. 2538 ถึงปปจจุบันเทาที่มีขอมูลเผยแพร)

อัตราการเปลี่ยนแปลงของการใชกระแสไฟฟา (YoY)

-20

-15

-10

-5

0

5

10

15

20

ม.ค.-3

8ก.ค

.-38

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก.ค

.-50

ม.ค.-5

1ก.ค

.-51

ม.ค.-5

2ก.ค

.-52

เปอรเซ็นต

การเป

ลี่ยนแ

ปลงของการใช

กระแสไฟฟ

า

อัตราการเปลี่ยนแปลงของอัตราการใชกําลังการผลิต (YoY)

-30

-20

-10

0

10

20

30

40

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก.ค

.-50

ม.ค.-5

1ก.ค

.-51

ม.ค.-5

2ก.ค

.-52

เปอรเซ็

นตการเป

ลี่ยนแ

ปลงของอัต

ราการใ

ชกําลัง

การผ

ลิต

-12.40

อัตราการเปลี่ยนแปลงของดัชนีการลงทุนภาคเอกชน (YoY)

-50

-40

-30

-20

-10

0

10

20

30

มี.ค.-3

9ก.ย

.-39

มี.ค.-4

0ก.ย

.-40

มี.ค.-4

1ก.ย

.-41

มี.ค.-4

2ก.ย

.-42

มี.ค.-4

3ก.ย

.-43

มี.ค.-4

4ก.ย

.-44

มี.ค.-4

5ก.ย

.-45

มี.ค.-4

6ก.ย

.-46

มี.ค.-4

7ก.ย

.-47

มี.ค.-4

8ก.ย

.-48

มี.ค.-4

9ก.ย

.-49

มี.ค.-5

0ก.ย

.-50

มี.ค.-5

1ก.ย

.-51

มี.ค.-5

2ก.ย

.-52


การเป

ลี่ยนแ

ปลงของดัช

นีการล

งทุนภ

าคเอก

ชน

-12.51


5-8

รูปที่ 5.1 การเคลื่อนไหวของตัวแปรทีส่งสัญญาณเตือนภัย (ตอ)

อัตราการเปลี่ยนแปลงของดัชนีการอุปโภคบริโภคภาคเอกชน (YoY)

-15

-10

-5

0

5

10

15ม.ค

.-38

ก.ค.-3

8ม.ค

.-39

ก.ค.-3

9ม.ค

.-40

ก.ค.-4

0ม.ค

.-41

ก.ค.-4

1ม.ค

.-42

ก.ค.-4

2ม.ค

.-43

ก.ค.-4

3ม.ค

.-44

ก.ค.-4

4ม.ค

.-45

ก.ค.-4

5ม.ค

.-46

ก.ค.-4

6ม.ค

.-47

ก.ค.-4

7ม.ค

.-48

ก.ค.-4

8ม.ค

.-49

ก.ค.-4

9ม.ค

.-50

ก.ค.-5

0ม.ค

.-51

ก.ค.-5

1ม.ค

.-52

ก.ค.-5

2


การเป

ลี่ยนแ


นีการอุ

ปโภค

บริโภคภ

าคเอก

ชน

-0.86

อัตราการเปลี่ยนแปลงของมูลคาการจําหนายรถยนต (YoY)

-100

-50

0

50

100

150

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก.ค

.-50

ม.ค.-5

1ก .ค

.-51

ม.ค.-5

2ก.ค

.-52


การเป

ลี่ยนแ

ปลงของมูล

คาการจําห

นายรถย

นต

-26.95

อัตราการเปลี่ยนแปลงของมูลคาการจําหนายรถจักรยานยนต (YoY)

-100

-50

0

50

100

150

200

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก.ค

.-50

ม.ค.-5

1ก .ค

.-51

ม.ค.-5

2ก.ค

.-52


การเป

ลี่ยนแ


คาการจําห

นายรถจ

ักรยานย

นต

-33.41


5-9

รูปที่ 5.1 การเคลื่อนไหวของตัวแปรที่สงสัญญาณเตือนภัย (ตอ)

อัตราการเปลี่ยนแปลงของพ้ืนที่อนุญาตกอสรางในเขตเทศบาล (YoY)

-150

-100

-50

0

50

100

150ม.ค

.-38

ก.ค.-3

8ม.ค

.-39

ก.ค.-3

9ม.ค

.-40

ก.ค.-4

0ม.ค

.-41

ก.ค.-4

1ม.ค

.-42

ก.ค.-4

2ม.ค

.-43

ก.ค.-4

3ม.ค

.-44

ก.ค.-4

4ม.ค

.-45

ก.ค.-4

5ม.ค

.-46

ก.ค.-4

6ม.ค

.-47

ก.ค.-4

7ม.ค

.-48

ก.ค.-4

8ม.ค

.-49

ก.ค.-4

9ม.ค

.-50

ก.ค.-5

0ม.ค

.-51

ก.ค.-5

1ม.ค

.-52

ก.ค.-5

2


การเป

ลี่ยนแ

ปลงของพื้น

ที่รับอ

นุญาตกอ

สรางในเขตเทศ

บาล

-45.61

อัตราการเปลี่ยนแปลงของดัชนีชี้นําภาวะเศรษฐกิจของประเทศไทย (YoY)

-8

-6

-4

-2

0

2

4

6

8

10

ม.ค.-3

8ก.ค

.-38

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก.ค

.-50

ม.ค.-5

1ก.ค

.-51

ม.ค.-5

2ก.ค

.-52เป

อรเซ็นต

การเป

ลี่ยนแ


นีชี้นําเศรษ

ฐกิจข

องธน

าคารแ

หงประเท

ศไทย

-2.7

อัตราการเปลี่ยนแปลงของดัชนีความเชื่อมั่นทางธุรกิจ (YoY)

-30

-20

-10

0

10

20

30

40

50


การเป

ลี่ยนแ


นีความเชื่อ

มั่นทางธุรกิจ

-8.8


5-10


อัตราการเปลี่ยนแปลงของดัชนีผลผลิตภาคอุตสาหกรรม (YoY)

-30

-20

-10

0

10

20

30

40ม.ค

.-38

ก.ค.-3

8ม.ค

.-39

ก.ค.-3

9ม.ค

.-40

ก.ค.-4

0ม.ค

.-41

ก.ค.-4

1ม.ค

.-42

ก.ค.-4

2ม.ค

.-43

ก.ค.-4

3ม.ค

.-44

ก.ค.-4

4ม.ค

.-45

ก.ค.-4

5ม.ค

.-46

ก.ค.-4

6ม.ค

.-47

ก.ค.-4

7ม.ค

.-48

ก.ค.-4

8ม.ค

.-49

ก.ค.-4

9ม.ค

.-50

ก .ค.-5

0ม.ค

.-51

ก.ค.-5

1ม.ค

.-52

ก.ค.-5

2


การเป

ลี่ยนแ


นีผลผ

ลิตอุต

สาหก

รรม

-7.44

อัตราการเปลี่ยนแปลงของดัชนีราคาตลาดหลักทรัพย (YoY)

-80

-60

-40

-20

0

20

40

60

80

100

120

140

ม.ค.-3

8ก.ค

.-38

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก .ค

.-50

ม.ค.-5

1ก.ค

.-51

ม.ค.-5

2ก.ค

.-52


การเป

ลี่ยนแ


นีราคาตลาดห

ลักทรัพย

-45.27

อัตราการเปลี่ยนแปลงของมูลคาการสงออกในรูปของเงินดอลลารสหรัฐ (YoY)

-40

-30

-20

-10

0

10

20

30

40

50

60

ม.ค.-3

8ก.ค

.-38

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก .ค

.-50

ม.ค.-5

1ก.ค

.-51

ม.ค.-5

2ก.ค

.-52


การเป

ลี่ยนแ


คาการสงออก

ในรูปเงิน

ดอลล

ารสหรัฐ

-8.83


5-11


อัตราการเปลี่ยนแปลงของราคาน้ํามันดิบในตลาดโลก (Brent) (YoY)

-100

-50

0

50

100

150

200ม.ค

.-38

ก.ค.-3

8ม.ค

.-39

ก.ค.-3

9ม.ค

.-40

ก.ค.-4

0ม.ค

.-41

ก.ค.-4

1ม.ค

.-42

ก.ค.-4

2ม.ค

.-43

ก.ค.-4

3ม.ค

.-44

ก.ค.-4

4ม.ค

.-45

ก.ค.-4

5ม.ค

.-46

ก.ค.-4

6ม.ค

.-47

ก.ค.-4

7ม.ค

.-48

ก.ค.-4

8ม.ค

.-49

ก.ค.-4

9ม.ค

.-50

ก .ค.-5

0ม.ค

.-51

ก.ค.-5

1ม.ค

.-52

ก.ค.-5

2


การเป

ลี่ยนแ

ปลงของราคาน้ํามัน

ดิบในตล

าดโลก

(Bren

t)

57.62

อัตราการเปลี่ยนแปลงของดัชนีชี้นําภาวะเศรษฐกิจของประเทศญี่ปุน (YoY)

-15

-10

-5

0

5

10

15

ม.ค.-3

8ก.ค

.-38

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก .ค

.-50

ม.ค.-5

1ก.ค

.-51

ม.ค.-5

2ก.ค

.-52


การเป

ลี่ยนแ



ฐกิจป

ระเทศ

ญี่ปุน

-6.53

อัตราการเปลี่ยนแปลงของดัชนีชี้นําภาวะเศรษฐกิจของประเทศจีน (YoY)

-15

-10

-5

0

5

10

15

20

ม.ค.-3

8ก.ค

.-38

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก.ค

.-50

ม.ค.-5

1ก.ค

.-51

ม.ค.-5

2ก.ค

.-52


การเป

ลี่ยนแ



ฐกิจป

ระเทศ

จีน

-3.45


5-12


อัตราการเปลี่ยนแปลงของดัชนีชี้นําภาวะเศรษฐกิจของประเทศในกลุม OECD (YoY)

-15

-10

-5

0

5

10

15ม.ค

.-38

ก.ค.-3

8ม.ค

.-39

ก.ค.-3

9ม.ค

.-40

ก.ค.-4

0ม.ค

.-41

ก.ค.-4

1ม.ค

.-42

ก.ค.-4

2ม.ค

.-43

ก.ค.-4

3ม.ค

.-44

ก.ค.-4

4ม.ค

.-45

ก.ค.-4

5ม.ค

.-46

ก.ค.-4

6ม.ค

.-47

ก.ค.-4

7ม.ค

.-48

ก.ค.-4

8ม.ค

.-49

ก.ค.-4

9ม.ค

.-50

ก .ค.-5

0ม.ค

.-51

ก.ค.-5

1ม.ค

.-52

ก.ค.-5

2


การเป

ลี่ยนแ



ฐกิจป

ระเทศ

ในกลุ

ม OEC

D

-3.90

อัตราการเปลี่ยนแปลงของดัชนีชี้นําภาวะเศรษฐกิจของประเทศสหรัฐอเมริกา (YoY)

-15

-10

-5

0

5

10

15

ม.ค.-3

8ก.ค

.-38

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก .ค

.-50

ม.ค.-5

1ก.ค

.-51

ม.ค.-5

2ก.ค

.-52


การเป

ลี่ยนแ



ฐกิจป

ระเทศ

สหรัฐอเม

ริกา

-4.53


5-13

รูปที่ 5.2 (ก) ดัชนีผสมจากตัวแปรที่สงสัญญาณ

0.001.002.003.004.005.006.007.008.009.00

10.0011.0012.0013.00

ม.ค.-3

8ก.ค

.-38

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก .ค

.-50

ม.ค.-5

1ก.ค

.-51

ม.ค.-5

2ก.ค

.-52

รูปที่ 5.2 (ข) ดัชนีผสมถวงน้ําหนักดวยสวนกลับของ Noise-to-Signal Ratio

0.00

100.00

200.00

300.00

400.00

500.00

600.00

700.00

800.00

ม.ค.-3

8ก.ค

.-38

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก.ค

.-50

ม.ค.-5

1ก.ค

.-51

ม.ค.-5

2ก.ค

.-52

รูปที่ 5.2 (ค) ดัชนีผสม (ก) และ (ข) โดยปรับใหอยูในพิสัย 0 ถึง 1

0.00

0.10

0.20

0.30

0.40

0.50

0.60

0.70

0.80

0.90

1.00

ม.ค.-3

8ก.ค

.-38

ม.ค.-3

9ก.ค

.-39

ม.ค.-4

0ก.ค

.-40

ม.ค.-4

1ก.ค

.-41

ม.ค.-4

2ก.ค

.-42

ม.ค.-4

3ก.ค

.-43

ม.ค.-4

4ก.ค

.-44

ม.ค.-4

5ก.ค

.-45

ม.ค.-4

6ก.ค

.-46

ม.ค.-4

7ก.ค

.-47

ม.ค.-4

8ก.ค

.-48

ม.ค.-4

9ก.ค

.-49

ม.ค.-5

0ก.ค

.-50

ม.ค.-5

1ก.ค

.-51

ม.ค.-5

2ก.ค

.-52

weighted composite signals unweighted composite signals


5-14


5-15

5.3 การวิเคราะหความนาจะเปนของการเกิดวิกฤตดานการจางงานจากแบบจําลอง Probit

5.3.1 การวิเคราะหจากขอมูลผูประกันตน (SSO)

ทางเลือกในการวิเคราะหการเตือนภัยอีกทางหนึ่งคือการใชแบบจําลอง Probit เพ่ือประมาณคาความนาจะเปนของการเกิดวิกฤต โดยคณะผูวิจัยอาศัยนิยามการเกิดวิกฤตของจํานวนผูประกันตนตามที่ไดอธิบายไวในหัวขอ 4.4 ซ่ึงจะทําใหคณะผูวิจัยไดตัวแปรตาม (dependent variable) ทีมี่คาเปน 1 เม่ือเกดิวิกฤตและมีคาเปน 0 ถาไมเกิดวิกฤต และนํามาประมาณคาแบบจําลองความนาจะเปน Probit โดยใชดัชนีที่สงสัญญาณในหัวขอ 5.2 เปนตัวแปรอิสระ (independent variable) ตามวิธีการที่ไดอธิบายไวแลวในหัวขอ 3.3

ผลการประมาณการตามแบบจําลอง Probit ปรากฎอยูในตารางที่ 5.3 ซ่ึงเปนผลประมาณการที่ดีที่สุดจากจํานวนตัวแปรที่สงสัญญาณทั้งหมดที่นํามาทดลองประมาณการ โดยคณะผูวิจัยพบวา ตัวแปรที่มีผลตอความนาจะเปนของการเกิดวิกฤตดานการจางงานอยางมีนัยสําคัญทางสถิติ ไดแก อัตราการเปลี่ยนแปลงของตัวแปรดังตอไปน้ี

1. การใชกระแสไฟฟา 6 เดือนกอนหนา (e6)

2. ดัชนีราคาตลาดหลักทรัพย 6 เดือนกอนหนา (set6)

3. ดัชนีชี้นําภาวะเศรษฐกิจของประเทศไทย 9 เดือนกอนหนา (lei9)

แบบจําลองดังกลาวนี้เม่ือนํามาทํานายการเกิดวิกฤตโดยใชคาความนาจะเปนที่ระดับ 0.5 เปนเกณฑวา ถาคาความนาจะเปนที่ทํานายจากแบบจําลองมีคาเทากับหรือมากกวา 0.5 แลวจะทํานายวาตัวแปรตามมีคาเปน 1 (เกิดวิกฤต) และถาคาดังกลาวมีคาต่ํากวา 0.5 ทํานายวาตัวแปรตามมีคาเปน 0 (ไมเกิดวิกฤต) ผลการทํานายพบวาสัดสวนของการทํานายถูก (correct prediction) ตอขอมูลทั้งหมดมีคาสูงถึง 0.9467 ดังรายละเอียดในตารางที่ 5.4 สวนรูปที่ 5.3 แสดงคาความนาจะเปนที่ประมาณการจากแบบจําลอง Probit


5-16

ตารางที่ 5.3 ผลการประมาณคาแบบจําลอง Probit สําหรับผูประกันตน (SSO)

Crisis equals 1 if percentage change of insured person is less than -1%

Period of analysis: 10/38-10/52

Probit regression Number of obs = 169

Wald chi2(4) = 34.35 Prob > chi2 = 0

Log pseudolikelihood = -14.824538 Pseudo R2 = 0.7853

Robust crisis Coef.

Std. Err. z P>z [95% Conf. Interval]

set6 -2.60E-02 1.22E-02 -2.13 0.033 -0.04997 -2.11E-03

e6 -4.02E-01 7.01E-02 -5.74 0 -0.5393 -2.65E-01

lei9 -1.57E-01 1.12E-01 -1.4 0.16 -0.37543 6.21E-02

_cons -7.90E-01 3.11E-01 -2.54 0.011 -1.39882 -1.81E-01

Marginal Effects

Probit regression, reporting marginal effects Number of obs = 169

Wald chi2(4) = 34.35 Prob > chi2 = 0


(after 7 iterations) Robust

variable dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

set6 -8E-05 0.000101 -2.13 0.033 -0.3432 -2.77E-04 0.000118

e6 -0.00123 0.00161 -5.74 0 5.31361 -4.38E-03 0.001928

lei9 -4.78E-04 0.000679 -1.4 0.16 1.31E+00 -1.81E-03 0.000851

set6 Stock index lagged 6 months

e6 electricity consumption lagged 6 months

lei9 leading economic indicator lagged 9 months


5-17

ตารางที่ 5.4 ผลการทํานายของแบบจําลอง Probit สําหรับผูประกันตน (SSO) Actual

Predicted 1 (Crisis) 0 (No Crisis)

Total

1 20 4 24

0 5 140 145

Total 25 144 169

Proportion of correct prediction 0.9467

รูปที่ 5.3 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับผูประกันตน (SSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

ม.ค.

-38

ก.ค.

-38

ม.ค.

-39

ก.ค.

-39

ม.ค.

-40

ก.ค.

-40

ม.ค.

-41

ก.ค.

-41

ม.ค.

-42

ก.ค.

-42

ม.ค.

-43

ก.ค.

-43

ม.ค.

-44

ก.ค.

-44

ม.ค.

-45

ก.ค.

-45

ม.ค.

-46

ก.ค.

-46

ม.ค.

-47

ก.ค.

-47

ม.ค.

-48

ก.ค.

-48

ม.ค.

-49

ก.ค.

-49

ม.ค.

-50

ก .ค.

-50

ม.ค.

-51

ก.ค.

-51

ม.ค.

-52

ก.ค.

-52


5-18

5.3.2 การวิเคราะหจากขอมูลการจางงานภาคเอกชนของสํานักงานสถิติแหงชาติ (NSO)

ในขณะที่ขอมูลผูประกันตนมีความถี่เปนรายเดือนซึ่งทําใหคณะผูวิจัยสามารถนํามาวิเคราะหทั้งสัญญาณเตือนภัย (signals analysis) และแบบจําลองความนาจะเปนของการเกิดวิกฤตได ขอมูลการจางงานจากการสํารวจภาวะการทํางานของประชากรของสํานักงานสถิติแหงชาติมีความถี่เปนราย ไตรมาสเทานั้น ซ่ึงทําใหไมเหมาะสมในการนํามาวิเคราะหหาสัญญาณเตือนภัย เน่ืองจากขอมูลในชวงเวลาระหวาง พ.ศ. 2539 - พ.ศ. 2552 มีเพียง 52 ไตรมาส แตขอมูลรายไตรมาสดังกลาวสามารถนํามาวิเคราะหในแบบจําลองโพรบิตเพ่ือประมาณคาความเปนไปไดที่จะเกิดวิกฤตได เพราะในการประมาณคาแบบจําลองโพรบิต คณะผูวิจัยไมจําเปนตองใชขอมูลรายเดือนที่มีความยาวนานมากเชนการวิเคราะหสัญญาณเตือนภัย

ขอมูลการจางงานรายไตรมาสที่นํามาประมาณคาสมการโพรบิตนั้นครอบคลุมเฉพาะลูกจางภาคเอกชน (Private employees) ซ่ึงคิดเปนประมาณหนึ่งในสามของการจางงานทั้งหมด (Total employment) และนิยามของวิกฤตดานการจางงานก็มีลักษณะเดียวกับการวิเคราะหขอมูลผูประกันตน คือ เหตุการณที่อัตราการเปลี่ยนแปลงของการจางลูกจางภาคเอกชนของไตรมาสปจจุบันเทียบกับ ไตรมาสเดียวกันของปกอนลดลงมากกวารอยละ 1 ในกรณีน้ีคณะผูวิจัยไมสามารถนิยามวาใหมีเหตุการณน้ีติดตอกัน 3 ชวงไตรมาสไดเพราะจะเทากับมีเหตุการณน้ีติดตอกันถึง 9 เดือน แตไมควรนิยามชวงวิกฤตจากการลดลงของการจางงานเพียง 1 ไตรมาส เน่ืองจากอาจมีการผันผวนทางการจางงานที่ไมใชเหตุการณวิกฤตที่รายแรง ดังนั้น เหตุการณวิกฤตจึงเปนการลดลงของการจางงานมากกวารอยละ 1 ในสองไตรมาสติดตอกัน3 หรือ 6 เดือน ซ่ึงตางจากกรณีการวิเคราะหขอมูลผูประกันตนเล็กนอย

จากการนําตัวแปรตางๆในตารางที่ 5.1 มาประมาณคาแบบจําลองโพรบิตดวยวิธีความนาจะเปนสูงสุด (Maximum Likelihood Estimation) โดยใชขอมูลรายไตรมาสดังที่กลาวมา คณะผูวิจัยไดผลประมาณการแบบจําลองนี้ดังแสดงในตารางที่ 5.5 ซ่ึงคณะผูวิจัยพบวาตัวแปรที่ใหผลประมาณการดีที่สุดในการประมาณคาความเปนไปได (หรือความนาจะเปน) ของการเกิดวิกฤตดานการจางงานภาคเอกชน คือ อัตราการเปลี่ยนแปลงของตัวแปรดังตอไปน้ี

1. การใชกระแสไฟฟายอนหลัง 2 ไตรมาส (e2)

2. ดัชนีราคาตลาดหลักทรัพยยอนหลัง 2 ไตรมาส (set2)

3. ดัชนีชี้นําภาวะเศรษฐกิจของประเทศไทยยอนหลัง 1 ไตรมาส (lei1)

3 ยกเวนการลดลงของการจางงานในไตรมาสที่ 2 ของป 2552 ซึ่งคณะผูวิจัยนิยามวาเปนวิกฤตการจางงานแมวาการจางงานไดลดลงเปนไตรมาสแรก และเปนไตรมาสเดียว แตเนื่องจากมีเหตุผลที่เชื่อถือไดวาชวงเวลาถัดไปไดเกิดวิกฤตการจางงานจริง แมขอมูลการจางงานจากสํานักงานสถิติแหงชาติจะยังไมเปดเผยก็ตาม


5-19

เครื่องหมายของตัวแปรทั้ง 3 น้ีเปนไปตามการวิเคราะหที่ไดจากสัญญาณเตือนภัย โดยทั้ง 3 ตัวแปรมีเครื่องหมายลบ ซ่ึงแสดงถึงการเปน negative shock กลาวคือ ถาตัวแปรเหลานี้ลดลงจะสงผลใหความนาจะเปนของการเกิดวิกฤตเพิ่มมากขึ้น

เม่ือคณะผูวิจัยนําแบบจําลองในตารางที่ 5.5 มาทํานายการเกิดวิกฤตในอดีตที่ผานมา จะพบวาสัดสวนของการทํานายถูก (correct prediction) ตอขอมูลทั้งหมดอยูที่ 0.9423 ดังรายละเอียดในตารางที่ 5.6 และรูปที่ 5.4 แสดงคาความนาจะเปนที่ประมาณการไดจากแบบจําลองซึ่งคณะผูวิจัยจะเห็นไดวาในชวงที่เกิดวิกฤตป 2541-2542 และวิกฤตในป 2552 ความนาจะเปนที่ทํานายจากแบบจําลองอยูในระดับที่สูงเกินกวา 0.5


5-20

ตารางที่ 5.5 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงาน (NSO)

Crisis equals 1 if percentage change of private employee is less than -1% in 2 consecutive quarters

Period of analysis: Q3/39-Q2/52


Wald chi2(4) = 24.32 Prob > chi2 = 0

Log pseudolikelihood = -13.260303 Pseudo R2 = 0.4791 Robust

crisis Coef. Std. Err. z P>z [95% Conf. Interval]

set2 -0.01321 0.006171 -2.14 0.032 -0.0253 -0.00111

electricity2 -0.25982 0.059742 -4.35 0 -0.37692 -0.14273

lei1 -0.27607 0.093732 -2.95 0.003 -0.45978 -0.09236

_cons 0.153097 0.291413 0.53 0.599 -0.41806 0.724257

Marginal Effects

Probit regression, reporting marginal Number of obs = 52

Wald chi2(4) = 24.32 Prob > chi2 = 0


(After 5 iterations) Robust

crisis dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

set2 -0.00184 0.000979 -2.14 0.032 1.5 -0.00376 0.000081

electricity2 -0.03616 0.015867 -4.35 0 5.07692 -0.06726 -0.00506

lei1 -0.03842 0.018991 -2.95 0.003 0.961538 -0.07564 -0.0012

set2 Stock index at last month of the previous 2 quarters

electricity2 electricity consumption lagged 2 quarters (sum)

lei1 leading economic indicator lagged 1 quarter (average)


5-21

ตารางที่ 5.6 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงาน (NSO)

Actual Predicted

1 (Crisis) 0 (No Crisis) Total

1 7 0 7

0 3 42 45

Total 10 42 52

Proportion of correct prediction 0.9423 (based on threshold at 0.5)

รูปที่ 5.4 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงาน (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

39Q3

40Q1

40Q3

41Q1

41Q3

42Q1

42Q3

43Q1

43Q3

44Q1

44Q3

45Q1

45Q3

46Q1

46Q3

47Q1

47Q3

48Q1

48Q3

49Q1

49Q3

50Q1

50Q3

51Q1

51Q3

52Q1


5-22

5.4 การวิเคราะหความนาจะเปนของการเกิดวิกฤตดานการวางงานจากขอมูลของสํานักงานสถิติแหงชาติ (NSO)

จากการสํารวจขอมูลการวางงานทั้งประเทศ สํานักงานสถิติแหงชาติพบวาในป พ.ศ. 2551 มี ผูวางงานรวมประมาณ 5.2 แสนคน คิดเปนอัตราการวางงานรอยละ 1.4 และตอมาในป 2552 ที่ประเทศไทยเริ่มไดรับผลกระทบจากวิกฤตสินเชื่อดอยคุณภาพ (subprime crisis) จํานวนผูวางงานเริ่มสูงขึ้น โดยในไตรมาสที่ 1 ป 2552 มีจํานวนผูวางงานเพิ่มขึ้นเปน 7.8 แสนคน (อัตราการวางงานรอยละ 2.08) และถึงแมในไตรมาสที่ 2 จํานวนผูวางงานจะปรับลดลงบางเปนจํานวน 6.7 แสนคน แตก็ยังเปนอัตราการวางงานรอยละ 1.75 ซ่ึงสูงกวาป 2551

ขอมูลการวางงานดังกลาวนี้ถือวาไมรุนแรงมากนักเม่ือเปรียบเทียบกับการวางงานที่เกิดขึ้นจากวิกฤตเศรษฐกิจป 2540-2542 ที่ทําใหอัตราการวางงานสูงขึ้นถึงรอยละ 4.3 และมีจํานวนผูวางงานถึง 1.4 ลานคน แตอยางไรก็ตามคณะผูวิจัยก็ยังคงตองนับการเพิ่มขึ้นของการวางงานในป 2552 วาเปนวิกฤตดานการวางงานเชนกัน ดังน้ันคณะผูวิจัยจึงใหคํานิยามของวิกฤตดานการวางงานวาเปนกรณีที่จํานวนคนวางงานในภาคเอกชนเพิ่มขึ้นเกินกวา 100,000 คน จากไตรมาสเดียวกันของปกอนหนา ซ่ึงทําใหคณะผูวิจัยมีจํานวนขอมูล (observations) ของวิกฤต (crisis = 1) เทากับ 7 ครั้งจากจํานวน ไตรมาสทั้งหมด 52 ไตรมาสในระหวางป พ.ศ. 2539 - พ.ศ. 2552 (Q3.2539 – Q2.2552) ซ่ึงเปนจํานวนขอมูลที่เพียงพอในการนํามาประมาณคาแบบจําลอง Probit ได

ผลการประมาณการแบบจําลอง Probit สําหรับวิกฤตการวางงานแสดงในตารางที่ 5.7 ซ่ึงคณะผูวิจัยพบวาอัตราการเปลี่ยนแปลงของตัวแปรดังตอไปน้ีสงผลกระทบอยางสําคัญตอความนาจะเปนหรือความเปนไปไดที่จะเกิดวิกฤตดานการวางงาน

1. ดัชนีการอุปโภคบริโภคภาคเอกชนยอนหลัง 2 ไตรมาส (c2)

2. การใชกระแสไฟฟายอนหลัง 1 ไตรมาส (e1)

3. ดัชนีราคาตลาดหลักทรัพยยอนหลัง 1 ไตรมาส (set1)

4. ราคาน้ํามันดิบ Brent ณ สิ้นไตรมาสยอนหลัง 2 ไตรมาส (brent2)

เปนที่นาสังเกตวาตัวแปรที่สามารถอธิบายวิกฤตดานการวางงานนั้นเปนตัวแปรที่สามารถอธิบายวิกฤตดานการจางงานเชนเดียวกัน ทั้งน้ีก็คงจากเหตุผลวา การจางงานและการวางงานนั้นตางก็เปนเงาสะทอนของเรื่องเดียวกันในตลาดแรงงาน เปรียบเสมือนดานหนาและดานหลังของเหรียญอันเดียวกันนั่นเอง

ผลการทํานายของแบบจําลองนี้ในตารางที่ 5.8 แสดงใหเห็นวา สัดสวนของการทํานายถูกอยูที่รอยละ 0.9231 (ใชเกณฑความนาจะเปนเทากับ 0.5) และรูปที่ 5.5 แสดงความนาจะเปนที่จะเกิดวิกฤตการวางงานในชวงเวลาที่ทําการศึกษา ซ่ึงจะเห็นไดวาในชวงเวลากอนเกิดวิกฤตและระหวางเกิดวิกฤตการวางงานในอดีตที่ผานมานั้นแบบจําลองนี้ใหคาความนาจะเปนที่จะเกิดวิกฤตสูงกวา 0.5


5-23

ตารางที่ 5.7 ผลการประมาณคาแบบจําลอง Probit สําหรับการวางงาน (NSO)

Crisis equals 1 if change of unemployment (private employee) is greater 100,000 persons

Period of analysis Q3/39-Q2/52


Wald chi2(4) = 21 Prob > chi2 = 0.0003


crisis

Coef. Std. Err. z P>z [95% Conf. Interval]

c2 -0.33031 0.174068 -1.9 0.058 -0.67147 0.01086

e1 -0.00201 0.000604 -3.33 0.001 -0.00319 -0.00083

set1 -0.01393 0.005233 -2.66 0.008 -0.02419 -0.00368

brent2 0.049464 0.029595 1.67 0.095 -0.00854 0.107469

_cons -5.00847 1.997037 -2.51 0.012 -8.92259 -1.09435

Marginal Effects


Wald chi2(4) = 21 Prob > chi2 = 0.0003


(after 9 iterations) Robust

crisis

dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

c2 -1.65E-12 2.85E-11 -1.9 0.058 2.32692 -5.80E-11 5.40E-11

e1 -1.01E-14 1.75E-13 -3.33 0.001 1196.23 -3.50E-13 3.30E-13

set1 -6.96E-14 1.21E-12 -2.66 0.008 -57.8654 -2.40E-12 2.30E-12

brent2 2.47E-13 4.25E-12 1.67 0.095 5.88462 -8.10E-12 8.60E-12

c2 average private consumption lagged 2 quarters

e1 average electricity consumption lagged 1 quarter

set1 Stock index at last month of the previous quarter

brent2 oil prices at brent at last month lagged 2 quarters


5-24

ตารางที่ 5.8 ผลการทํานายของแบบจําลอง Probit สําหรับการวางงาน (NSO) Actual


Total

1 5 2 7

0 2 43 45

Total 7 45 52


รูปที่ 5.5 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการวางงาน (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

39Q1

39Q3

40Q1

40Q3

41Q1

41Q3

42Q1

42Q3

43Q1

43Q3

44Q1

44Q3

45Q1

45Q3

46Q1

46Q3

47Q1

47Q3

48Q1

48Q3

49Q1

49Q3

50Q1

50Q3

51Q1

51Q3

52Q1


5-25

5.5 การวิเคราะหความนาจะเปนของการเกิดวิกฤตในดานการเลิกจางจากขอมูลของกรมสวัสดิการและคุมครองแรงงาน (DLPW)

ในประเทศไทยมีหนวยงาน 2 แหงที่เผยแพรขอมูลเกี่ยวกับการเลิกจาง ไดแก กรมสวัสดิการและคุมครองแรงงาน กระทรวงแรงงาน และธนาคารแหงประเทศไทย (ธปท.) ดังรายละเอียดที่อธิบายไวในหัวขอ 4.16 แตเน่ืองจากขอมูลที่เผยแพรโดย ธปท. มิไดครอบคลุมชวงเวลาการเกิดวิกฤตในป 2540 จึงทําใหไมสามารถนํามาประมาณการแบบจําลองได

สําหรับขอมูลการเลิกจางของกระทรวงแรงงานรวบรวมจากจํานวนลูกจางที่มายื่นคํารองทุกข และการตรวจเยี่ยมสถานประกอบการของกรมสวัสดิการและคุมครองแรงงาน ซ่ึงมีความยาวครอบคลุมชวงเวลาระหวาง พ.ศ. 2538 ถึงปจจุบัน อยางไรก็ตาม จํานวนคนงานที่ถูกเลิกจางมีไมมากนักเพราะเปนขอมูลจากการรองทุกขและการตรวจเยี่ยมเทานั้น จึงไมไดครอบคลุมแรงงานที่ถูกเลิกจางจากสถานประกอบการที่ประสบปญหาจากวิกฤตทั้งหมด ดังจะเห็นไดวาในชวงวิกฤตเศรษฐกิจป 2540 จากสถิติของกรมสวัสดิการและคุมครองแรงงานมีแรงงานที่ถูกเลิกจางจํานวนสูงที่สุดในเดือนสิงหาคม 2541 เปนจํานวน 14,052 คน โดย ณ เดือนเดียวกันในป 2540 มีแรงงานที่ถูกเลิกจางเปนจํานวน 5,502 คน ในขณะที่เดือนธันวาคมป 2540 มีแรงงานที่ถูกเลิกจาง 4,312 คน

จากลักษณะของขอมูลดังกลาว คณะผูวิจัยเห็นวาการใชการเปลี่ยนแปลงหรืออัตราการเปลี่ยนแปลงของการเลิกจางคงจะไมเหมาะสม จึงใชจํานวนการเลิกจางที่เกินกวา 2,000 คน ติดตอกันเปนเวลา 2 เดือนขึ้นไปเปนเกณฑในการใหคํานิยามของวิกฤตการเลิกจาง ทั้งน้ีคาเฉลี่ยของจํานวนแรงงานที่ถูกเลิกจางตลอดชวงระยะเวลาที่ทําการศึกษาอยูที่ประมาณ 1,300 คนตอเดือน ในขณะที่คาเฉลี่ยดังกลาวของป 2540 อยูที่ 3,494 คน ของป 2541 อยูที่ 4,330 คน และของป 2550 และ 2551 อยูที่ 2,493 และ 1,835 คนตามลําดับ

ผลการประมาณการความนาจะเปนของการเกิดวิกฤตการเลิกจางตามนิยามขางตนอยูในตารางที่ 5.9 ซ่ึงมีตัวแปรที่สงผลกระทบตอความนาจะเปนของการเกิดวิกฤตการเลิกจางดังน้ี

1. อัตราการใชกําลังการผลิตภาคอุตสาหกรรมยอนหลัง 3 เดือน (ind3)

2. การใชกระแสไฟฟายอนหลัง 9 เดือน (e9)

3. ราคาน้ํามันดิบ Brent ยอนหลัง 3 เดือน (brent 3)

ในสามตัวแปรดังกลาวนี้มีตัวแปรที่ซํ้ากับกรณีวิกฤตการจางงานและวิกฤตการวางงานอยู 2 ตัว คือ การใชกระแสไฟฟาและราคาน้ํามันดิบ ซ่ึงไมใชเร่ืองที่นาแปลกใจเพราะทั้งการจางงาน การวางงานและการเลิกจาง แมจะมีนิยามในการวัดแตกตางกัน แตก็เกี่ยวของกับประเด็นเดียวกันในตลาดแรงงาน

ตารางที่ 5.10 แสดงผลการทํานายการเกิดวิกฤตการเลิกจางจากความนาจะเปนที่คํานวณจากแบบจําลองในตารางที่ 5.9 ซ่ึงคณะผูวิจัยจะเห็นวา สัดสวนการทํานายถูกมีนอยกวาแบบจําลองการ จางงานและการวางงาน คืออยูที่รอยละ 0.8303 และเปนที่นาสังเกตวา เปนการทํานายถูกกรณีที่ไมเกิด


5-26

วิกฤตการเลิกจางเปนสวนใหญ แตในการทํานายวาเกิดวิกฤตการเลิกจางนั้น แบบจําลองนี้ทํานายถูกเพียง 1 ครั้ง จึงไมอาจนับเปนแบบจําลองที่นาเชื่อถือนัก ทั้งน้ีอาจเปนเพราะลักษณะของขอมูลที่มีความแปรปรวนสูงมาก และยังเปนขอมูลที่คอนขางจํากัด เพราะเกิดจากการรองทุกขและการตรวจเยี่ยมเทานั้น

ตารางที่ 5.9 ผลการประมาณคาแบบจําลอง Probit สําหรับการเลิกจาง (DLPW)

Crisis equals 1 if termination of employees is greater 2,000 persons for any 2 consecutive months

Period of Analysis: 10/38-06/52


Wald chi2(3) = 13.98 Prob > chi2 = 0.0029


crisis Coef. Std. Err. z P>z [95% Conf. Interval]

ind3 -0.06558 0.023247 -2.82 0.005 -0.11114 -0.02002

e9 -0.00031 9.58E-05 -3.21 0.001 -0.0005 -0.00012

brent3 0.015811 0.007145 2.21 0.027 0.001808 0.029814

_cons 5.586996 1.859881 3 0.003 1.941697 9.232295

Marginal Effects


LR chi2(3) = 13.98 Prob > chi2 = 0.0029

Log likelihood = -69.552641 Pseudo R2 = 0.0933

(after 3 Iterations) Robust

crisis dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

ind3 -0.01541 0.005275 -2.82 0.005 68.9582 -0.02575 -0.00507

e9 -7.2E-05 2.28E-05 -3.21 0.001 8765.66 -0.00012 -2.8E-05

brent3 0.003716 0.001725 2.21 0.027 38.1052 0.000335 0.007096

ind3 industry utilization capacity lagged 3 months

e9 electricity consumption lagged 9 months

brent3 oil prices at brent lagged 3 months


5-27

ตารางที่ 5.10 ผลการทํานายของแบบจําลอง Probit สําหรับการเลิกจางงาน (DLPW) Actual


Total

1 1 0 1

0 28 136 164

Total 29 136 165


รูปที่ 5.6 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการเลิกจาง (DLPW)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

ม.ค.

-38

ก.ค.

-38

ม.ค.

-39

ก.ค.

-39

ม.ค.

-40

ก.ค.

-40

ม.ค.

-41

ก.ค.

-41

ม.ค.

-42

ก.ค.

-42

ม.ค.

-43

ก.ค.

-43

ม.ค.

-44

ก.ค.

-44

ม.ค.

-45

ก.ค.

-45

ม.ค.

-46

ก.ค.

-46

ม.ค.

-47

ก.ค.

-47

ม.ค.

-48

ก.ค.

-48

ม.ค.

-49

ก.ค.

-49

ม.ค.

-50

ก .ค.

-50

ม.ค.

-51

ก.ค.

-51

ม.ค.

-52


5-28

5.6 การวิเคราะหความนาจะเปนของการเกิดวิกฤตดานการจางงานในบางสาขาอุตสาหกรรม

5.6.1 ความสําคัญของสาขาที่เลือก

อุตสาหกรรมที่นํามาวิเคราะหในรายงานฉบับน้ีประกอบดวย 1) สิ่งทอและเครื่องนุงหม 2) อาหารและอาหารสัตว 3) ไมและเครื่องเรือน 4) เครื่องไฟฟาและอิเล็กทรอนิกส 5) แมพิมพ 6) ยานยนตและชิ้นสวน 7) การขายสง การขายปลีก การซอมแซมยานยนต รถจักรยานยนต ของใชสวนบุคคล 8) การทองเที่ยว (โรงแรมและภัตตาคาร) 9) การกอสราง 10) การขนสง (Logistic) 11) งานดานสุขภาพ งานสังคมสงเคราะห กิจกรรมดานการบริการชุมชน สังคม และการบริการสวนบุคคลอ่ืนๆ 12) การเปนสื่อกลางทางการเงิน

การคัดเลือกอุตสาหกรรมที่มาประกอบในรายงานฉบับน้ี อาศัยหลักสําคัญ คือ 1) เปนอุตสาหกรรมหลักที่สําคัญของประเทศ 2) เปนอุตสาหกรรมที่มีสัดสวนการใชแรงงานสูง 3) เปนอุตสาหกรรมที่มีความจําเปนที่ตองแขงขันกับตลาดโลก และ 4) เปนอุตสาหกรรมที่ออนไหวตอวิกฤตเศรษฐกิจ ซ่ึงทั้ง 12 สาขาอุตสาหกรรมที่กลาวขางตนสอดคลองกับเกณฑการคัดเลือกดังกลาว ตารางที่ 5.11 แสดงสัดสวนการจางงานและขนาดความสําคัญของอุตสาหกรรมแตละสาขาตอขนาดเศรษฐกิจ (GDP) ของประเทศไทยใน ป พ.ศ. 2552

อุตสาหกรรมที่มีสัดสวนการจางงานสูงสุด คือ อุตสาหกรรมสาขาการขายสง การขายปลีก การซอมแซมยานยนต รถจักรยานยนต ของใชสวนบุคคล ซ่ึงมีสัดสวนการจางงานสูงถึงเกือบรอยละ 15 ของการจางงานทั้งหมด (เฉลี่ยการจางงานระหวางป พ.ศ. 2541-2552) นอกจากอุตสาหกรรมที่เกี่ยวกับการคาขายนี้จะมีความสําคัญทางดานการจางงานแลว อุตสาหกรรมดานนี้ยังมีความสําคัญที่สุดในดานการสรางผลผลิตตอ GDP ทั้งหมดดวย คือ มีสัดสวนกวารอยละ 14 ของ GDP ทั้งหมดในป พ.ศ. 2552 อุตสาหกรรมที่สําคัญตอการจางงานรองลงมา คือ อุตสาหกรรมสาขาการกอสราง ซ่ึงมีสัดสวนการ จางงานสูงมากกวารอยละ 13 ของการจางงานทั้งหมด แตอุตสาหกรรมนี้กลับมีบทบาทนอย ในดานการผลิต คือ มีสัดสวนการผลิตตอ GDP ประมาณรอยละ 2 กลุมอุตสาหกรรมถัดมาที่มีความสําคัญตอการจางงาน ไดแก อุตสาหกรรมสาขาสิ่งทอ อาหาร และการทองเที่ยว ซ่ึงมีสัดสวนการจางงานในแตละสาขาประมาณรอยละ 5-6 ของการจางงานทั้งหมด แตมีความสําคัญตอระบบเศรษฐกิจไมมากนัก คือประมาณรอยละ 3-5 ของ GDP นอกจากอุตสาหกรรมที่มีสัดสวนการจางงานมากแลว งานวิจัยน้ีไดรวบรวมอุตสาหกรรมที่มีขนาดไมใหญมากนัก แตมีความสําคัญตอระบบเศรษฐกิจดวย เชน อุตสาหกรรมอิเล็กทรอนิกสและการขนสง ซ่ึงอุตสาหกรรมเหลานี้มีสัดสวนการจางงานเพียงประมาณรอยละ 3 แตมีสัดสวนการผลิตตอ GDP ประมาณรอยละ 8-10 บางอุตสาหกรรมมีความสําคัญตอการผลิตมาก แมไมไดมีการจางงานมากนัก เชน อุตสาหกรรมยานยนต และสื่อกลางทางการเงิน ซ่ึงมีสัดสวนการจางงานรอยละ 1-2 แตมีสัดสวนตอ GDP ถึงรอยละ 4-5 นอกจากอุตสาหกรรมที่กลาวขางตนแลว ยังมีอุตสาหกรรมอื่นๆ เชน ไมและเครื่องเรือน แมพิมพ และงานดานสุขภาพฯ ที่แมวาจะไมมีสัดสวนการ จางงานและการผลิตที่ใหญนัก แตเปนอุตสาหกรรมที่ออนไหวและควรเฝาระวังการเกิดวิกฤตทางเศรษฐกิจ


5-29

ตารางที ่5.11 สัดสวนการจางงานและขนาดความสําคัญของอุตสาหกรรม

อันดับการจางงาน ประเภทอุตสาหกรรม สัดสวนการจางงาน สัดสวนการผลิต (GDP)

1 การขายสง ขายปลีกฯ 14.72 13.88

2 การกอสราง 13.31 2.24

3 ส่ิงทอและเครื่องนุงหม 6.53 3.62

4 อาหารและอาหารสัตว 6.19 5.71

5 การทองเที่ยว 5.26 3.68

6 เครื่องใชไฟฟาและอิเล็กทรอนิกส 3.00 8.38

7 การขนสง 2.72 9.84

8 ไมและเครื่องเรือน 2.55 2.81

9 การเปนส่ือกลางทางการเงิน 2.03 3.90

10 ยานยนตและชิ้นสวน 1.43 5.18

11 แมพิมพ 1.06 0.96

12 งานดานสุขภาพ งานสังคม

สงเคราะหฯ 0.91 1.31

อ่ืนๆ 40.3 38.5

รวม 100.0 100.0

หมายเหตุ: (1) ขอมูลการผลิตรายสาขามาจากงานวิจัยของTDRI ที่ปรับจากขอมูลของสํานักงานคณะกรรมการพัฒนาการเศรษฐกิจและสังคมแหงชาติป 2552

(2) ขอมูลจํานวนแรงงานมาจากการสํารวจภาวะการทํางานของประชากร ของสํานักงานสถิติแหงชาติ เฉล่ียไตรมาสที่1 ป 2541 ถึงไตรมาสที่ 2 ป 2552

5.6.2 ผลประมาณการแบบจําลองโพรบิตรายสาขา

วิธีในการวิเคราะหขอมูลรายอุตสาหกรรมนี้มีลักษณะคลายการวิเคราะหวิกฤตการจางงานภาคเอกชนของสํานักงานสถิติแหงชาติ โดยขอมูลเหลานี้เปนขอมูลรายไตรมาส ที่สามารถอาศัยแบบจําลองโพรบิตเพ่ือประมาณคาความเปนไปไดในการเกิดวิกฤตการจางงานในสาขาอุตสาหกรรม โดยภาคอุตสาหกรรมที่นํามาวิเคราะหน้ีคิดเปนสัดสวนรอยละ 60 ของการจางงานภาคเอกชนทั้งหมด การนิยามวิกฤตการจางงานรายสาขานี้ก็มีลักษณะเชนเดียวกับการวิเคราะหขอมูลการจางงานเอกชนทั้งหมด กลาวคือ เปนเหตุการณที่อัตราการเปลี่ยนแปลงของการจางลูกจางภาคเอกชนรายสาขาใดๆ ของไตรมาสปจจุบันเทียบกับไตรมาสเดียวกันของปกอนลดลงมากกวารอยละ 1 เปนระยะเวลาสอง ไตรมาสติดตอกัน (6 เดือน)


5-30

1) อุตสาหกรรมสิ่งทอและเครื่องนุงหม

ตัวแปรที่ใหผลประมาณการดีที่สุดในการประมาณคาความเปนไปไดหรือความนาจะเปนของการเกิดวิกฤตการจางงานรายสาขาสิ่งทอและเครื่องนุงหม คือ ตัวแปรตอไปน้ี (ดูตารางที่ 5.12)

1. อัตราการเปลี่ยนแปลงผลผลิตภาคอุตสาหกรรมประเภทปนดาย ยอนหลัง 1 ไตรมาส (textile b1)

2. อัตราการเปลี่ยนแปลงดัชนีราคาผูผลิตประเภทสิ่งทอและผลิตภัณฑสิ่งทอยอนหลัง 3 ไตรมาส (textile j3)

3. อัตราการเปลี่ยนแปลงการใชกระแสไฟฟา ยอนหลัง 4 ไตรมาส (electricity 4)

เครื่องหมายของตัวแปรทั้ง 3 น้ี สอดคลองกับสัญญาณเตือนภัยและหลักเกณฑทางเศรษฐศาสตร โดยตัวแปรผลผลิตภาคอุตสาหกรรมของการปนดายและการเปลี่ยนแปลงปริมาณการใชกระแสไฟฟามีเครื่องหมายเปนลบ (negative shock) ซ่ึงแสดงวา ถาตัวแปรเหลานี้ลดลงจะสงผลใหความนาจะเปนในการเกิดวิกฤตเพิ่มขึ้น ในขณะที่ดัชนีราคาผูผลิตดานสิ่งทอและผลิตภัณฑสิ่งทอมีลักษณะเปน positive shock คือ หากดัชนีราคาผูผลิตดังกลาวเพิ่มขึ้นจะทําใหความนาจะเปนในการเกิดวิกฤตเพิ่มตามไปดวย

ผลการทํานายของแบบจําลองนี้อยูในตารางที่ 5.13 และรูปที่ 5.7 แสดงความนาจะเปนที่สามารถประมาณการไดจากแบบจําลองนี้


5-31

ตารางท่ี 5.12 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมสิ่งทอและเครื่องนุงหม (NSO)

Crisis equals 1 if percentage change in employment of textile is less than -1% for 2 consecutive quarters

Period of Analysis: Q1/40-Q2/52


Wald chi2(3) = 11.76 Prob > chi2 = 0.0082


Crisis textile Coef. Std. Err. z P>z [95% Conf. Interval]

textileb1 -0.0797 0.0246 -3.25 0.001 -0.1278 -0.0316

textilej3 0.1688 0.0976 1.73 0.084 -0.0224 0.3601

electricity4 -0.2056 0.0785 -2.62 0.009 -0.3594 -0.0518

_cons 1.0068 0.5038 2.00 0.046 0.0194 1.9942

Marginal Effects


Wald chi2(3) = 11.76 Prob > chi2 = 0.0082



Crisis textile dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

textileb1 -0.0316 0.0099 -3.25 0.001 3.32 -0.0509 -0.0123

textilej3 0.0670 0.0394 1.73 0.084 1.46 -0.0102 0.1442

electricity4 -0.0816 0.0316 -2.62 0.009 5.32 -0.1435 -0.0196

textileb1 อัตราการเปลี่ยนแปลงผลผลิตภาคอุตสาหกรรม (ปนดาย (เมตริกตัน)) ขอมูลยอนหลัง 1 ไตรมาส

textilej3 อัตราการเปลี่ยนแปลงดัชนีราคาผูผลิต (ส่ิงทอและผลิตภัณฑส่ิงทอ) ขอมูลยอนหลัง 3 ไตรมาส

electricity4 อัตราการเปลี่ยนแปลงปริมาณการใชกระแสไฟฟา ขอมูลยอนหลัง 4 ไตรมาส


5-32

ตารางท่ี 5.13 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมสิ่งทอและเครื่องนุงหม (NSO)

Actual Predicted


1 14 3 17

0 7 26 33

Total 21 29 50


รูปที่ 5.7 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมสิ่งทอและเครื่องนุงหม (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

40Q1

40Q3

41Q1

41Q3

42Q1

42Q3

43Q1

43Q3

44Q1

44Q3

45Q1

45Q3

46Q1

46Q3

47Q1

47Q3

48Q1

48Q3

49Q1

49Q3

50Q1

50Q3

51Q1

51Q3

52Q1


5-33

2) อุตสาหกรรมอาหารและอาหารสัตว

ตัวแปรทั้ง 3 ดังตอไปน้ี เปนตัวแปรที่มีความสามารถในการคาดการณการเกิดวิกฤตการจางงานในภาคอาหารและอาหารสัตว (ตารางที่ 5.14)

1. อัตราการเปลี่ยนแปลงผลผลิตภาคอุตสาหกรรมภาคอาหาร ยอนหลัง 2 ไตรมาส (food b2)

2. อัตราการเปลี่ยนแปลงอัตราการใชกําลังการผลิตภาคอาหาร ยอนหลัง 4 ไตรมาส (food j4)

3. อัตราการเปลี่ยนแปลงราคาน้ํามัน ยอนหลัง 2 ไตรมาส (brent 2)

เครื่องหมายของทั้ง 3 ตัวแปร สอดคลองกับที่คาดการณไว กลาวคือ ตัวแปร 2 ตัวแรกมีเครื่องหมายเปนลบหรือ negative shock เน่ืองจาก เม่ืออัตราการเปลี่ยนแปลงผลผลิตและอัตราการใชกําลังการผลิตลดลงจะสงผลใหความเปนไปไดในการเกิดวิกฤตเพิ่มขึ้น ในขณะที่ราคาน้ํามันเปน Positive shock คือ เม่ือราคาน้ํามันสูงขึ้นความเปนไปไดในการเกิดวิกฤตการจางงานภาคอาหารก็เพ่ิมขึ้นตามไปดวย

ผลการทํานายของแบบจําลองนี้แสดงในตารางที่ 5.15 และความเปนไปไดในการเกิดวิกฤตที่แบบจําลองนี้ประมาณการไดไดแสดงในรูปที่ 5.8


5-34

ตารางที่ 5.14 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมอาหารและอาหารสัตว (NSO)

Crisis equals 1 if percentage change in employment of food is less than -1% for 2 consecutive quarters

Period of analysis: Q1/40-Q2/52


Wald chi2(3) = 11.16 Prob > chi2 = 0.0109


Crisis food Coef. Std. Err. z P>z [95% Conf. Interval]

foodb2 -0.2168 0.0892 -2.43 0.0150 -0.3917 -0.0420

foodj4 -0.1038 0.0316 -3.29 0.0010 -0.1657 -0.0419

brent2 0.0330 0.0116 2.84 0.0050 0.0102 0.0558

_cons -2.8944 0.7851 -3.69 0.0000 -4.4332 -1.3557

Marginal Effects


Wald chi2(3) = 11.16 Prob > chi2 = 0.0109



Crisis food dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

foodb2 -0.0001 0.0005 -2.43 0.015 4.26 -0.0011 0.0008

foodj4 -0.0001 0.0002 -3.29 0.001 3.9 -0.0005 0.0004

brent2 0.0000 0.0001 2.84 0.005 19.8 -0.0001 0.0002

foodb2 อัตราการเปลี่ยนแปลงผลผลิตภาคอุตสาหกรรม (อาหาร) ขอมูลยอนหลัง 2 ไตรมาส

foodj4 อัตราการเปลี่ยนแปลงอัตราการใชกําลังการผลิต(อาหาร) ขอมูลยอนหลัง 4 ไตรมาส

brent2 อัตราการเปลี่ยนแปลงราคาน้ํามัน ขอมูลยอนหลัง 2 ไตรมาส


5-35

ตารางท่ี 5.15 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมอาหารและอาหารสัตว (NSO)

Actual Predicted

1 (Crisis) 0 (No Crisis)

Total

1 2 1 3

0 2 45 47

Total 4 46 50


รูปที่ 5.8 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมอาหารและอาหารสัตว (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

40Q1

40Q3

41Q1

41Q3

42Q1

42Q3

43Q1

43Q3

44Q1

44Q3

45Q1

45Q3

46Q1

46Q3

47Q1

47Q3

48Q1

48Q3

49Q1

49Q3

50Q1

50Q3

51Q1

51Q3

52Q1


5-36

3) อุตสาหกรรมไมและเครื่องเรือน

การคํานวณความเปนไปไดในการเกิดวิกฤตการจางงานสาขาไมและเครื่องเรือน อาศัย ตัวแปร 3 ตัว ดังตอไปน้ี

1. อัตราการเปลี่ยนแปลงดัชนีการอุปโภค บริโภคภาคเอกชน ยอนหลัง 4 ไตรมาส (C 4)


3. อัตราการเปลี่ยนแปลงดัชนีราคาผูผลิต ยอนหลัง 4 ไตรมาส (sales a4)

โดยดัชนีการอุปโภค บริโภคภาคเอกชนมีลักษณะเปน negative shock คือ เม่ือดัชนีน้ีลดลงจะสงผลใหความเปนไปไดในการเกิดวิกฤตเพิ่มขึ้น ในขณะที่ตัวแปร 2 ตัวหลังเปน positive shock คือ เม่ือราคาน้ํามันและดัชนีราคาผูผลิตเพ่ิมขึ้นจะสงผลใหโอกาสความเปนไปไดในการเกิดวิฤกตเพิ่มขึ้น

ผลการทํานายของแบบจําลองนี้และความเปนไปไดในการเกิดวิกฤตที่สามารถประมาณการได ไดแสดงในตารางที่ 5.17 และรูปที่ 5.9 ตามลําดับ


5-37

ตารางที่ 5.16 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมไมและเครื่องเรือน (NSO)

Crisis equals 1 if percentage change in employment of wood is less than -1% for 2 consecutive quarters



Wald chi2(2) = 16.82 Prob > chi2 = 0.0008


Crisis wood Coef. Std. Err. z P>z [95% Conf. Interval]

c4 -0.3380 0.1092 -3.1 0.0020 -0.5520 -0.1241

brent3 0.0175 0.0063 2.78 0.0050 0.0052 0.0298

salesa4 0.1796 0.0486 3.69 0.0000 0.0843 0.2749

_cons -0.8908 0.3756 -2.37 0.0180 -1.6270 -0.1545

Marginal Effects


Wald chi2(2) = 16.82 Prob > chi2 = 0.0008



Crisis wood dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

c4 -0.1248 0.0464 -3.1 0.002 2.18 -0.2157 -0.0338

brent3 0.0064 0.0024 2.78 0.005 21.04 0.0017 0.0112

salesa4 0.0663 0.0205 3.69 0.000 4.82 0.0261 0.1065

c4 อัตราการเปลี่ยนแปลงดัชนีการอุปโภคบริโภคภาคเอกชน ขอมูลยอนหลัง 4 ไตรมาส


salesa4 อัตราการเปลี่ยนแปลงดัชนีราคาผูผลิต ขอมูลยอนหลัง 4 ไตรมาส


5-38

ตารางท่ี 5.17 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมไมและเครื่องเรือน (NSO)

Actual Predicted


1 11 5 16

0 6 28 34

Total 17 33 50


รูปที่ 5.9 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมไมและเครื่องเรือน (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

40Q1

40Q3

41Q1

41Q3

42Q1

42Q3

43Q1

43Q3

44Q1

44Q3

45Q1

45Q3

46Q1

46Q3

47Q1

47Q3

48Q1

48Q3

49Q1

49Q3

50Q1

50Q3

51Q1

51Q3

52Q1


5-39

4) อุตสาหกรรมไฟฟาและอิเล็กทรอนิกส

การคํานวณความเปนไปไดในการเกิดวิกฤตการจางงานเครื่องใชไฟฟาและอิเล็กทรอนิกสอาศัยตัวแปร 4 ตัว ดังตอไปน้ี

1. อัตราการเปลี่ยนแปลงผลผลิตภาคอุตสาหกรรมประเภทแผงวงจรรวม ยอนหลัง 2 ไตรมาส (electric a2)

2. อัตราการเปลี่ยนแปลง GDP ดานเครื่องใชไฟฟา ยอนหลัง 4 ไตรมาส (electric k4)

3. อัตราการเปลี่ยนแปลงมูลคาการสงออกเครื่องใชไฟฟา ยอนหลัง 1 ไตรมาส (electric h1)


ตัวแปร 3 ตัวแรก เปน negative shock คือ เม่ืออัตราการเปลี่ยนแปลงของตัวแปรดังกลาวลดลง สงผลใหโอกาสความนาจะเปนในการเกิดวิกฤตเพิ่มขึ้น ในขณะที่ดัชนีราคาผูผลิตเปน positive shock เน่ืองจาก เม่ือดัชนีราคาผูผลิตเพ่ิมขึ้นความนาจะเปนในการเกิดวิกฤตก็เพ่ิมสูงตามขึ้นเชนกัน

ผลการคํานวณแบบจําลองและความเปนไปไดในการเกิดวิกฤตที่แบบจําลองนี้ประมาณการไดแสดงไวในตารางที่ 5.19 และรูปที่ 5.10 ตามลําดับ


5-40

ตารางที่ 5.18 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมเครื่องใชไฟฟาและอิเล็กทรอนิกส (NSO)

Crisis equals 1 if percentage change in employment of electricity is less than -1% for 2 consecutive quarters



Wald chi2(4) = 17.05 Prob > chi2 = 0.0019


Crisis electricity Coef. Std. Err. z P>z [95% Conf. Interval]

electricta2 -0.0382 0.0151 -2.52 0.0120 -0.0679 -0.0085

electrictk4 -0.1224 0.0553 -2.21 0.0270 -0.2308 -0.0140

electricth1 -0.0988 0.0424 -2.33 0.0200 -0.1819 -0.0156

salesa1 0.1856 0.0474 3.91 0.0000 0.0926 0.2786

_cons -0.9850 0.3748 -2.63 0.0090 -1.7197 -0.2504

Marginal Effects


Wald chi2(4) = 17.05 Prob > chi2 = 0.0019



Crisis electricity dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

electricta2 -0.0007 0.0013 -2.52 0.012 16.08 -0.0032 0.0019

electrictk4 -0.0022 0.0038 -2.21 0.027 8 -0.0096 0.0052

electricth1 -0.0018 0.0030 -2.33 0.02 8.7 -0.0077 0.0041

salesa1 0.0033 0.0064 3.91 0 5.1 -0.0091 0.0158

electricta2 อัตราการเปลี่ยนแปลงผลผลิตภาคอุตสาหกรรม (แผงวงจรรวม) ขอมูลยอนหลัง 2 ไตรมาส

electrictk4 อัตราการเปลี่ยนแปลงGDP ภาคเครื่องใชไฟฟา ขอมูลยอนหลัง 4 ไตรมาส

electricth1 อัตราการเปลี่ยนแปลงการสงออกเครื่องใชไฟฟา ขอมูลยอนหลัง 1 ไตรมาส



5-41

ตารางที่ 5.19 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมเครื่องใชไฟฟาและอิเล็กทรอนิกส (NSO)

Actual Predicted


1 7 3 10

0 2 38 40

Total 9 41 50


รูปที่ 5.10 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมเครื่องใชไฟฟาและอิเล็กทรอนิกส (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

40Q1

40Q3

41Q1

41Q3

42Q1

42Q3

43Q1

43Q3

44Q1

44Q3

45Q1

45Q3

46Q1

46Q3

47Q1

47Q3

48Q1

48Q3

49Q1

49Q3

50Q1

50Q3

51Q1

51Q3

52Q1


5-42

5) อุตสาหกรรมแมพิมพ

ตัวแปรที่แสดงโอกาสความเปนไปไดในการเกิดวิกฤตการจางงานดานแมพิมพน้ัน มีอยู 4 ตัวแปร ดังน้ี

1. อัตราการเปลี่ยนแปลงดัชนีชี้นําทางเศรษฐกิจ ยอนหลัง 2 ไตรมาส (lei 2)


3. อัตราการเปลี่ยนแปลงดัชนีการลงทุนภาคเอกชน ยอนหลัง 1 ไตรมาส (i1)


ตัวแปรที่เปน negative shock ไดแก ดัชนีชี้นําทางเศรษฐกิจและดัชนีการลงทุนภาคเอกชน เน่ืองจาก เม่ือดัชนีดังกลาวมีคาลดลงโอกาสความเปนไปไดในการเกิดวิกฤตการจางงานประเภทแมพิมพจะเพ่ิมขึ้น ในขณะที่ราคาน้ํามันและดัชนีราคาผูผลิตมีลักษณะเปน positive shock คือ เม่ือ ตัวแปรดังกลาวมีคาเพิ่มขึ้น ความเปนไปไดในการเกิดวิกฤตก็เพ่ิมขึ้นตามไปดวย

ผลการคํานวณแบบจําลองและความเปนไปไดในการเกิดวิกฤตการจางงานประเภทแมพิมพไดแสดงในตารางที่ 5.21 และรูปภาพที่ 5.11 ตามลําดับ


5-43

ตารางที่ 5.20 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมแมพิมพ (NSO)

Crisis equals 1 if percentage change in employment of mold is less than -1% for 2 consecutive quarters



Wald chi2(3) = 14.07 Prob > chi2 = 0.0071


Crisis mold Coef. Std. Err. z P>z [95% Conf. Interval]

lei2 -0.2232 0.1042 -2.140 0.032 -0.4273 -0.0190

brent1 0.0248 0.0081 3.070 0.002 0.0090 0.0406

i1 -0.0300 0.0181 -1.660 0.097 -0.0654 0.0054

salesa3 0.1141 0.0445 2.560 0.010 0.0268 0.2014

_cons -2.0338 0.4461 -4.560 0.000 -2.9081 -1.1595

Marginal Effects


Wald chi2(3) = 14.07 Prob > chi2 = 0.0071



Crisis mold dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

lei2 -0.0414 0.0186 -2.140 0.032 0.9412 -0.0779 -0.0050

brent1 0.0046 0.0016 3.070 0.002 18.3333 0.0014 0.0078

i1 -0.0056 0.0032 -1.660 0.097 1.1373 -0.0117 0.0006

salesa3 0.0212 0.0108 2.560 0.010 5.1373 0.0000 0.0424

lei2 อัตราการเปลี่ยนแปลงดัชนีชี้นําทางเศรษฐกิจ ขอมูลยอนหลัง 2 ไตรมาส


i1 อัตราการเปลี่ยนแปลงดัชนีการลงทุนภาคเอกชน ขอมูลยอนหลัง 1 ไตรมาส



5-44

ตารางที่ 5.21 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมแมพิมพ (NSO)

Actual Predicted


1 6 3 9

0 5 37 42

Total 11 40 51


รูปที่ 5.11 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมแมพิมพ (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

39Q4

40Q2

40Q4

41Q2

41Q4

42Q2

42Q4

43Q2

43Q4

44Q2

44Q4

45Q2

45Q4

46Q2

46Q4

47Q2

47Q4

48Q2

48Q4

49Q2

49Q4

50Q2

50Q4

51Q2

51Q4

52Q2


5-45

6) อุตสาหกรรมยานยนตและชิ้นสวน

ตัวแปรที่มีความสําคัญในการบงชี้โอกาสความเปนไปไดในการเกิดวิกฤตการจางงานดานยานยนตและชิ้นสวน ประกอบดวย

1. อัตราการเปลี่ยนแปลงอัตราการใชกําลังการผลิตดานยานยนตและอุปกรณขนสง ยอนหลัง 3 ไตรมาส (motor k3)

2. อัตราการเปลี่ยนแปลงดัชนีชี้นําภาวะเศรษฐกิจ ยอนหลัง 1 ไตรมาส (lei 1)


ตัวแปร 2 ตัวแรก คือ อัตราการใชกําลังการผลิตและดัชนีชี้นําภาวะเศรษฐกิจเปน negative shock ในขณะที่ ราคาน้ํามันเปน positive shock

ผลการคํานวณแบบจําลองและโอกาสความเปนไปไดในการเกิดวิกฤตแสดงในตารางที่ 5.23 และรูปที่ 5.12 ตามลําดับ


5-46

ตารางท่ี 5.22 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมยานยนตและชิ้นสวน (NSO)

Crisis equals 1 if percentage change in employment of motor is less than -1% for 2 consecutive quarters



Wald chi2(3) = 14.77 Prob > chi2 = 0.002


Crisis motor Coef. Std. Err. z P>z [95% Conf. Interval]

motork3 -0.0400 0.0121 -3.32 0.001 -0.0637 -0.0164

lei1 -0.2075 0.1043 -1.99 0.047 -0.4120 -0.0031

brent4 0.0180 0.0077 2.33 0.02 0.0029 0.0331

_cons -0.9670 0.3562 -2.71 0.007 -1.6651 -0.2689

Marginal Effects


Wald chi2(3) = 14.77 Prob > chi2 = 0.002



Crisis motor dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

motork3 -0.0103 0.0031 -3.32 0.001 3.78 -0.0163 -0.0043

lei1 -0.0533 0.0247 -1.99 0.047 0.94 -0.1018 -0.0048

brent4 0.0046 0.0018 2.33 0.02 20.84 0.0010 0.0082

motork3 อัตราการเปลี่ยนแปลงอัตราการใชกําลังการผลิต(ยานยนตและอุปกรณขนสง) ขอมูลยอนหลัง 3 ไตรมาส




5-47

ตารางที่ 5.23 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมยานยนตและชิ้นสวน (NSO)

Actual Predicted


1 11 5 16

0 4 30 34

Total 15 35 50


รูปที่ 5.12 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมยานยนตและชิ้นสวน (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

40Q1

40Q3

41Q1

41Q3

42Q1

42Q3

43Q1

43Q3

44Q1

44Q3

45Q1

45Q3

46Q1

46Q3

47Q1

47Q3

48Q1

48Q3

49Q1

49Q3

50Q1

50Q3

51Q1

51Q3

52Q1


5-48

7) อุตสาหกรรมการขายสง การขายปลีก การซอมแซมยานยนต รถจักรยานยนต ของใชสวนบุคคล

ตัวแปรที่สําคัญที่บงชี้ภาวะวิกฤตการจางงานดานการขายสง การขายปลีก การซอมแซมยานยนต รถจักรยานยนต ของใชสวนบุคคล ไดแก

1. อัตราการเปลี่ยนแปลงดัชนีราคาผูบริโภค ยอนหลัง 3 ไตรมาส (cp i3)



ตัวแปรที่เปน positive shock คือ ตัวแปร 2 ตัวแรก เน่ืองจาก เม่ือดัชนีราคาผูบริโภคและราคาน้ํามัน ในขณะที่ดัชนีชี้นําเศรษฐกิจเปน negative shock

ตารางที่ 5.25 และรูปที่ 5.13 แสดงผลการคํานวณแบบจําลอง และความเปนไปไดในการเกิดวิกฤต ตามลําดับ


5-49

ตารางที่ 5.24 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการขายสง การขายปลีกฯ (NSO)

Crisis equals 1 if percentage change in employment of wholesale is less than -1% for 2 consecutive quarters



Wald chi2(3) = 6.91 Prob > chi2 = 0.0748


Crisis wholesale Coef. Std. Err. z P>z [95% Conf. Interval]

cpi3 0.2970557 0.134136 2.21 0.027 0.034153 0.559958

brent1 0.022798 0.010773 2.12 0.034 0.001683 0.043913

lei3 -0.3257539 0.169629 -1.92 0.055 -0.65822 0.006713

_cons -2.731912 0.854627 -3.2 0.001 -4.40695 -1.05688

Marginal Effects


Wald chi2(3) = 6.91 Prob > chi2 = 0.0748



Crisis wholesale dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

cpi3 0.0334118 0.021228 2.21 0.027 3.52941 -0.0082 0.075018

brent1 0.0025642 0.001138 2.12 0.034 18.3333 0.000334 0.004795

lei3 -0.0366397 0.015908 -1.92 0.055 1 -0.06782 -0.00546

cpi3 อัตราการเปลี่ยนแปลงดัชนีราคาผูบริโภค ขอมูลยอนหลัง 3 ไตรมาส




5-50

ตารางที่ 5.25 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรม การขายสง การขายปลีกฯ (NSO)

Actual Predicted


1 2 1 3

0 6 42 48

Total 8 43 51


รูปที่ 5.13 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการขายสง การขายปลีกฯ (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

39Q4

40Q2

40Q4

41Q2

41Q4

42Q2

42Q4

43Q2

43Q4

44Q2

44Q4

45Q2

45Q4

46Q2

46Q4

47Q2

47Q4

48Q2

48Q4

49Q2

49Q4

50Q2

50Q4

51Q2

51Q4

52Q2


5-51

8) อุตสาหกรรมการทองเที่ยว (โรงแรมและภัตตาคาร)

ตัวแปรที่สําคัญที่สงผลกระทบความนาจะเปนในการเกิดวิกฤตการจางงานดานการทองเที่ยว ไดแก

1. อัตราการเปลี่ยนแปลงจํานวนนักทองเที่ยว ยอนหลัง 4 ไตรมาส (tourist 4)

2. อัตราการเปลี่ยนแปลงอัตราการใชกําลังการผลิต ยอนหลัง 2 ไตรมาส (in d2)


ตัวแปร 2 ตัวแรก ไดแก จํานวนนักทองเที่ยวและอัตราการใชกําลังการผลิตเปน negative shock ในขณะที่ราคาน้ํามันเปน positive shock

ตารางที่ 5.27 และรูปที่ 5.14 แสดงผลการคํานวณแบบจําลองและความเปนไปไดในการเกิดวิกฤต ตามลําดับ


5-52

ตารางที่ 5.26 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการทองเที่ยว (โรงแรมและภัตตาคาร) (NSO)

Crisis equals 1 if percentage change in employment of tourism is less than -1% for 2 consecutive quarters



Wald chi2(2) = 13.18 Prob > chi2 = 0.0043


Crisis tourism Coef. Std. Err. z P>z [95% Conf. Interval]

tourist4 -0.041142 0.017847 -2.31 0.021 -0.07612 -0.00616

ind2 -0.1207534 0.036117 -3.34 0.001 -0.19154 -0.04997

brent1 0.0180702 0.007094 2.55 0.011 0.004166 0.031975

_cons -1.024182 0.296971 -3.45 0.001 -1.60624 -0.44213

Marginal Effects


Wald chi2(2) = 13.18 Prob > chi2 = 0.0043



Crisis tourism dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

tourist4 -0.0107409 0.004509 -2.31 0.021 7.5 -0.01958 -0.0019

ind2 -0.031525 0.009939 -3.34 0.001 -0.72 -0.05101 -0.01205

brent1 0.0047176 0.001793 2.55 0.011 17.98 0.001204 0.008231

tourist4 อัตราการเปลี่ยนแปลงจํานวนนักทองเที่ยว ขอมูลยอนหลัง 4 ไตรมาส

ind2 อัตราการเปลี่ยนแปลงอัตราการใชกําลังการผลิต ขอมูลยอนหลัง 2 ไตรมาส



5-53

ตารางที่ 5.27 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการทองเที่ยว (โรงแรมและภัตตาคาร) (NSO)

Actual Predicted


1 3 3 6

0 8 36 44

Total 11 39 50


รูปที่ 5.14 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการทองเที่ยว (โรงแรมและภัตตาคาร) (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

40Q1

40Q3

41Q1

41Q3

42Q1

42Q3

43Q1

43Q3

44Q1

44Q3

45Q1

45Q3

46Q1

46Q3

47Q1

47Q3

48Q1

48Q3

49Q1

49Q3

50Q1

50Q3

51Q1

51Q3

52Q1


5-54

9) อุตสาหกรรมการกอสราง

โอกาสความเปนไปไดในการเกิดวิกฤตการจางงานดานการกอสรางสามารถคํานวณไดโดยอาศัยตัวแปรสําคัญ ดังน้ี

1. อัตราการเปลี่ยนแปลงสินคานําเขาประเภทซีเมนตและวัสดุกอสราง ยอนหลัง 2 ไตรมาส (construct k2)

2. อัตราการเปลี่ยนแปลง GDP ดานการกอสราง ยอนหลัง 2 ไตรมาส (construct l2)


ตัวแปรทั้ง 3 ตัว น้ี เปน negative shock และมีเครื่องหมายเปนลบ กลาวคือ เม่ือตัวแปรเหลานี้ มีการเปลี่ยนแปลงลดลง โอกาสในการเกิดวิกฤตการจางงานภาคการกอสรางก็จะเพ่ิมขึ้น

ตารางที่ 5.29 และรูปที่ 5.15 แสดงผลการคํานวณและโอกาสในการเกิดวิกฤต ตามลําดับ


5-55

ตารางที่ 5.28 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการกอสราง (NSO)

Crisis equals 1 if percentage change in employment of construction is less than -1% for 2 consecutive quarters



Wald chi2(3) = 12.74 Prob > chi2 = 0.0052


Crisis construction Coef. Std. Err. z P>z [95% Conf. Interval]

constructk2 -0.0228 0.0081 -2.81 0.005 -0.0387 -0.0069

constructl2 -0.0244 0.0143 -1.71 0.088 -0.0523 0.0036

lei1 -0.3483 0.1253 -2.78 0.005 -0.5940 -0.1027

_cons -0.7652 0.2590 -2.95 0.003 -1.2728 -0.2576

Marginal Effects


Wald chi2(3) = 12.74 Prob > chi2 = 0.0052



Crisis construction


constructk2 -0.0035 0.0013 -2.81 0.005 12.6154 -0.0059 -0.0010

constructl2 -0.0037 0.0022 -1.71 0.088 0.0962 -0.0079 0.0005

lei1 -0.0529 0.0238 -2.78 0.005 0.9615 -0.0996 -0.0062

constructk2 อัตราการเปลี่ยนแปลงสินคาเขา(ซีเมนตและวัสดุกอสราง) ขอมูลยอนหลัง 2 ไตรมาส

constructl2 อัตราการเปลี่ยนแปลงGDP(Construction) ขอมูลยอนหลัง 2 ไตรมาส



5-56

ตารางที่ 5.29 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการกอสราง (NSO)

Actual Predicted


1 7 1 8

0 2 42 44

Total 9 43 52


รูปที่ 5.15 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการกอสราง (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

39Q3

40Q1

40Q3

41Q1

41Q3

42Q1

42Q3

43Q1

43Q3

44Q1

44Q3

45Q1

45Q3

46Q1

46Q3

47Q1

47Q3

48Q1

48Q3

49Q1

49Q3

50Q1

50Q3

51Q1

51Q3

52Q1


5-57

10) อุตสาหกรรมการขนสง

ตัวแปรสําคัญที่ชี้นําภาวะวิกฤตการจางงานดานการขนสง ประกอบดวย


2. อัตราการเปลี่ยนแปลงดัชนีการอุปโภค ภาคเอกชน ยอนหลัง 1 ไตรมาส (c1)

3. อัตราการเปลี่ยนแปลงรายจายของรัฐบาล (ดุลเงินในงบประมาณ) ยอนหลัง 3 ไตรมาส (gov 3)

ตัวแปรราคาน้ํามันมีเครื่องหมายเปนบวกหรือสงสัญญาณเปน positive shock ในขณะที่ ตัวแปรอีก 2 ตัว คือ ดัชนีการอุปโภคภาคเอกชนและรายจายของรัฐบาล มีเครื่องหมายเปนลบหรือเปน negative shock



5-58

ตารางที่ 5.30 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการขนสง (NSO)

Crisis equals 1 if percentage change in employment of logistic is less than -1% for 2 consecutive quarters



Wald chi2(2) = 17.61 Prob > chi2 = 0.0005


Crisis logistic Coef. Std. Err. z P>z [95% Conf. Interval]

brent1 0.0300 0.0081 3.68 0 0.0140 0.0459

c1 -0.1809 0.0595 -3.04 0.002 -0.2975 -0.0644

gov3 -0.0339 0.0142 -2.4 0.017 -0.0617 -0.0062

_cons -0.5721 0.2586 -2.21 0.027 -1.0790 -0.0653

Marginal Effects


Wald chi2(2) = 17.61 Prob > chi2 = 0.0005



Crisis logistic dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

brent1 0.0094 0.0026 3.68 0 18.3333 0.0043 0.0145

c1 -0.0569 0.0192 -3.04 0.002 2.0980 -0.0946 -0.0192

gov3 -0.0107 0.0043 -2.4 0.017 8.4510 -0.0192 -0.0022



gov3 อัตราการเปลี่ยนแปลงรายจายของรัฐบาล (ดุลเงินในงบประมาณ) ขอมูลยอนหลัง 3 ไตรมาส


5-59

ตารางที่ 5.31 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการขนสง (NSO)

Actual Predicted


1 8 4 12

0 6 33 39

Total 14 37 51


รูปที่ 5.16 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการขนสง (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

39Q4

40Q2

40Q4

41Q2

41Q4

42Q2

42Q4

43Q2

43Q4

44Q2

44Q4

45Q2

45Q4

46Q2

46Q4

47Q2

47Q4

48Q2

48Q4

49Q2

49Q4

50Q2

50Q4

51Q2

51Q4

52Q2


5-60

11) อุตสาหกรรมงานดานสุขภาพ งานสังคมสงเคราะห กิจกรรมดานบริการชุมชน สังคม และการบริการสวนบุคคลอ่ืนๆ

โอกาสความเปนไปไดในการเกิดวิกฤตการจางงานดานสุขภาพ สามารถคํานวณไดจาก ตัวแปร 4 ตัว ดังตอไปน้ี

1. อัตราการเปลี่ยนแปลง GDP ดานสุขภาพ ยอนหลัง 2 ไตรมาส (health a2)

2. อัตราการเปลี่ยนแปลงปริมาณการใชกระแสไฟฟา ยอนหลัง 3 ไตรมาส (electricity 3)


4. อัตราการเปลี่ยนแปลงดัชนีราคาผูบริโภค ยอนหลัง 1 ไตรมาส (cp i1)

ตัวแปร 2 ตัวแรก มีเครื่องหมายเปนลบ เน่ืองจากตัวแปรเหลานี้เปน negative shock ในขณะที่ตัวแปร 2 ตัวหลังมีเครื่องหมายเปนบวกหรือเปน positive shock



5-61

ตารางที่ 5.32 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมงานดานสุขภาพ งานสังคมสงเคราะหฯ (NSO)

Crisis equals 1 if percentage change in employment of health and social work is less than -1% for 2 consecutive quarters



Wald chi2(3) = 16.09 Prob > chi2 = 0.0029


Crisis health Coef. Std. Err. z P>z [95% Conf. Interval]

healtha2 -0.1047 0.0418 -2.51 0.012 -0.1866 -0.0228

electricity3 -0.2272 0.0662 -3.43 0.001 -0.3570 -0.0975

brent4 0.0085 0.0051 1.67 0.094 -0.0015 0.0185

cpi1 0.1429 0.0776 1.84 0.066 -0.0092 0.2951

_cons 0.6089 0.5112 1.19 0.234 -0.3929 1.6108

Marginal Effects


Wald chi2(3) = 16.09 Prob > chi2 = 0.0029



Crisis health


healtha2 -0.0307 0.0120 -2.51 0.012 8.28 -0.0543 -0.0071

electricity3 -0.0667 0.0197 -3.43 0.001 5.16 -0.1052 -0.0281

brent4 0.0025 0.0015 1.67 0.094 20.84 -0.0004 0.0054

cpi1 0.0419 0.0217 1.84 0.066 3.28 -0.0007 0.0845

healtha2 อัตราการเปลี่ยนแปลง GDP ภาคสุขภาพ ขอมูลยอนหลัง 2 ไตรมาส

electricity3 อัตราการเปลี่ยนแปลงปริมาณการใชกระแสไฟฟา ขอมูลยอนหลัง 3 ไตรมาส


cpi1 อัตราการเปลี่ยนแปลงดัชนีราคาผูบริโภค ขอมูลยอนหลัง 1 ไตรมาส


5-62

ตารางที่ 5.33 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมงานดานสุขภาพ งานสังคมสงเคราะหฯ (NSO)

Actual Predicted


1 8 4 12

0 6 32 38

Total 14 36 50


รูปที่ 5.17 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมงานดานสุขภาพ งานสังคมสงเคราะหฯ (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

40Q1

40Q3

41Q1

41Q3

42Q1

42Q3

43Q1

43Q3

44Q1

44Q3

45Q1

45Q3

46Q1

46Q3

47Q1

47Q3

48Q1

48Q3

49Q1

49Q3

50Q1

50Q3

51Q1

51Q3

52Q1


5-63

12) อุตสาหกรรมการเปนสื่อกลางทางการเงิน

การจางงานดานสื่อกลางทางการเงินสามารถคํานวณหาโอกาสความเปนไปไดในการเกิดวิกฤตไดโดยอาศัยตัวแปรสําคัญ ดังตอไปน้ี

1. อัตราการเปลี่ยนแปลงของทุนจดทะเบียนของธุรกิจนิติบุคคลจดทะเบียนตั้งใหม ยอนหลัง 3 ไตรมาส (capital 3)

2. อัตราการเปลี่ยนแปลงมูลคาเงินลงทุนที่เปดดําเนินการใหมและขยายกิจการที่ไดรับการสงเสริมจาก BOI ยอนหลัง 3 ไตรมาส (BOI 3)


4. อัตราการเปลี่ยนแปลงการใชกําลังการผลิต ยอนหลัง 1 ไตรมาส (in d1)

5. อัตราการเปลี่ยนแปลงดัชนีการอุปโภคบริโภคภาคเอกชน ยอนหลัง 4 ไตรมาส (C4)

จากตัวแปร 5 ตัว ขางตน มีเพียงราคาน้ํามันตัวเดียวที่มีเครื่องหมายเปนบวกหรือ positive shock ในขณะที่ตัวแปรที่เหลือมีเครื่องหมายเปนลบหรือสงสัญญาณเปน negative shock



5-64

ตารางที่ 5.34 ผลการประมาณคาแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการเปนสื่อกลางทางการเงิน (NSO)

Crisis equals 1 if percentage change in employment of finance is less than -1% for 2 consecutive quarters



Wald chi2(3) = 21.73 Prob > chi2 = 0.0006


Crisis finance Coef. Std. Err. z P>z [95% Conf. Interval]

capital3 -0.0090 0.0041 -2.17 0.03 -0.0171 -0.0009

boi3 -0.0129 0.0057 -2.26 0.024 -0.0240 -0.0017

brent3 0.0140 0.0073 1.92 0.054 -0.0003 0.0284

ind1 -0.0528 0.0311 -1.69 0.09 -0.1138 0.0083

c4 -0.2346 0.0779 -3.01 0.003 -0.3873 -0.0820

_cons -0.3950 0.2736 -1.44 0.149 -0.9312 0.1413

Marginal Effects


Wald chi2(3) = 21.73 Prob > chi2 = 0.0006



Crisis finance dF/dx Std. Err. z P>z x-bar [ 95% C.I. ]

capital3 -0.0027 0.0013 -2.17 0.03 6.34 -0.0053 -0.0002

boi3 -0.0039 0.0018 -2.26 0.024 9.94 -0.0074 -0.0004

brent3 0.0043 0.0022 1.92 0.054 21.04 -0.0001 0.0087

ind1 -0.0160 0.0101 -1.69 0.09 -1.04 -0.0357 0.0037

c4 -0.0711 0.0263 -3.01 0.003 2.18 -0.1226 -0.0197

capital3 ทุนจดทะเบียนของธุรกิจนิติบุคคลจดทะเบียนตั้งใหม ขอมูลยอนหลัง 3 ไตรมาส

boi3 มูลคาเงินลงทุนของกิจการที่เปดดําเนินการใหมและขยายกิจการที่ไดรับการสงเสริมจาก BOI ขอมูลยอนหลัง 3 ไตรมาส



5-65

ind1 อัตราการเปลี่ยนแปลงอัตราการใชกําลังการผลิต ขอมูลยอนหลัง 1 ไตรมาส


ตารางที่ 5.35 ผลการทํานายของแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการเปนสื่อกลางทางการเงิน (NSO)

Actual Predicted


1 6 5 11

0 5 34 39

Total 11 39 50


รูปที่ 5.18 ความนาจะเปนของการเกิดวิกฤตจากแบบจําลอง Probit สําหรับการจางงานในอุตสาหกรรมการเปนสื่อกลางทางการเงิน (NSO)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

40Q1

40Q3

41Q1

41Q3

42Q1

42Q3

43Q1

43Q3

44Q1

44Q3

45Q1

45Q3

46Q1

46Q3

47Q1

47Q3

48Q1

48Q3

49Q1

49Q3

50Q1

50Q3

51Q1

51Q3

52Q1


5-66

5.7 การทํานายจากขอมูลที่อยูนอกชวงเวลาที่ทําการศึกษา

การวิเคราะหวิกฤตดานแรงงานนั้น คณะผูวิจัยไดใชแบบจําลอง 2 ชนิดคือ การวิเคราะหสัญญาณเตือนภัย (Signals Analysis) และแบบจําลองความนาจะเปนในการเกิดวิกฤต (Probability of Crisis) ที่ใชแบบจําลองโพรบิต (Probit Model) โดยเจาหนาที่ผูวิเคราะหควรใชแบบจําลองทั้ง 2 ชนิดควบคูกันในการคาดการณสภาวะตลาดแรงงาน โดยสัญญาณเตือนภัยใชในการเตือนวิกฤตการจางงานของผูประกันตนในระบบประกันสังคม ในขณะที่แบบจําลองโพรบิตใชสําหรับเตือนภัยทั้งดานการจางงานของผูประกันตนและของลูกจางเอกชนทั้งในภาพรวม และรายสาขาอุตสาหกรรมที่สําคัญ รวมทั้งแบบจําลองโพรบิตยังใชในการเตือนภัยดานการวางงาน และการเลิกจางดวย แตทั้งน้ีในกรณีการเลิกจางควรตองระมัดระวังเน่ืองจากขอมูลที่ทางการจัดเก็บและคณะผูวิจัยนํามาใชเปนขอมูลที่มิไดสะทอนภาพรวมทั้งหมดไดดังเชนกรณีขอมูลผูประกันตน ในที่น้ีคณะผูวิจัยขอยกตัวอยาง การคาดการณวิกฤตดานการจางงานการวางงาน และการเลิกจาง โดยอาศัยขอมูลสําคัญทางเศรษฐกิจตางๆที่ไดประกาศในเดือนธันวาคมของป 2552

5.7.1 การวิเคราะหสัญญาณเตือนภัย (Signals Analysis)

5.7.1.1 ทฤษฎีจากแบบจําลอง

สัญญาณเตือนจาก

ผลการวิเคราะหในหัวขอ 5.2 มีทั้งหมด 17 ตัวแปร แตเราเลือกเฉพาะสัญญาณในประเทศเพียง 13 ตัวแปรเพื่อนํามาวิเคราะหหาคา composite index ซ่ึงหากตัวแปรใดมีการเปลี่ยนแปลงเทียบกับเดือนเดียวกันของปกอน สูงมากเกินระดับอางอิง หรือที่เรียกวาคา threshold แบบจําลองนี้ชี้วาตัวแปรนั้นสงสัญญาณวาจะมีการเกิดวิกฤตการจางงานของผูประกันตนภายในอีก 12 เดือนขางหนา เน่ืองจาก ณ เวลาใดเวลาหนึ่ง ตัวแปรทั้ง 13 ตัวน้ีไมไดสงสัญญาณครบทุกตัว จึงมีประเด็นถัดมาถึงเกณทในการวัดสภาวะแรงงานของระบบเตือนภัย วาระบบเตือนภัยจะเตือนอยางไรวาขณะนี้สภาวะการจางงานของผูประกันตนอยูในระดับปกติ ควรเฝาระวัง หรืออยูในระดับอันตราย ซ่ึงระบบเตือนภัยจากแบบจําลองนี้จะมีเข็มชี้วัดคา composite index วา หากในเดือนนั้นมีตัวแปรสงสัญญาณไมเกิน 5 ตัวใหถือวาสภาวะการจางงานของผูประกันตนยังเปนปกติ (อยูในแถบสีเขียว) ถาหากในเดือนน้ันมีตัวแปรสงสัญญาณ 6 ตัวใหถือวาอยูในระดับเตือนภัย (อยูในแถบสีเหลือง) และหากในเดือนนั้นมีตัวแปรสงสัญญาณพรอมกันเกิน 6 ตัวใหถือวาอยูในระดับอันตราย (อยูในแถบสีแดง) ดังที่แสดงในรูปที่ 5.19


5-67

รูปที่ 5.19 เข็มชี้วัดของคา Composite signal indicator

5.7.1.2 ผลจากแบบจําลอง

ขอมูลสําคัญที่ประกาศโดยธนาคารแหงประเทศไทย และแหลงขอมูลอ่ืนๆพบวา ตัวแปรเหลานั้นมีการปรับตัวในทิศทางที่เปนผลดีตอการจางงาน จากการคาดการณสภาวะการจางงานของผูประกันตนดวยแบบจําลอง สัญญาณเตือนภัยลวงหนา คณะผูวิจัยพบวามีเพียงราคาน้ํามันเพียงตัวแปรเดียว จากสัญญาณเตือนภัยทั้งหมด 17 ตัวที่สงสัญญาณเตือนภัยตอการลดลงของการจางงานของผูประกันตนภายใน 12 เดือนขางหนา ซ่ึงราคาน้ํามันในเดือนธันวาคมมีคาสูงถึงเกือบ 75 เหรียญดอลลารตอบารเรล หรือเพ่ิมขึ้นประมาณรอยละ 86 จากเดือนเดียวกันของปกอน

5.7.1.3 การวิเคราะห

การเพิ่มขึ้นของราคาน้ํามันนี้เปนที่เกรงวาจะสงผลใหตนทุนการผลิตสินคา และบริการสูงขึ้น ซ่ึงอาจสงผลใหความตองการสินคาลดลง ผูผลิตสินคาอุตสาหกรรมตางๆอาจจําเปนตองลดการผลิตลดลง ดังนั้นจึงมีความเปนไปไดที่การจางงานจะปรับลดลง อยางไรก็ตามคณะผูวิจัยคาดวาการปรับตัวของราคาน้ํามันอาจไมสงผลตอวิกฤตการจางงานมากนัก เน่ืองจากราคาน้ํามันอาจปรับตามการฟนตัวของเศรษฐกิจโลก และราคาน้ํามันมีมูลคาคอนขางต่ําในปกอนหนา อยางไรก็ตามเจาหนาที่ควรเฝาระวังวาหากราคาน้ํามันมีการปรับตัวสูงขึ้นอยางตอเน่ืองในเดือนถัดๆไป เจาหนาที่ควรมีการเตรียมมาตรการปองกันวิกฤตการจางงานที่อาจเกิดขึ้นไดจากการเพิ่มขึ้นของตนทุนการผลิต


5-68

5.7.2 การวิเคราะหความนาจะเปนในการเกิดวิกฤต (Probability of Crisis)

5.7.2.1 ทฤษฎีจากแบบจําลอง

นอกจากการใชสัญญาณเตือนภัยในการเตือนภัยวิกฤตดานการจางงานแลว เจาหนาที่จากกระทรวงแรงงานสามารถใชวิธีการคํานวนความเปนไปไดในการเกิดวิกฤต ทั้งในสวนของผูประกันตน (SSO) และการจางงานลูกจางเอกชน (NSO) จากปจจัยสําคัญ 3 ตัว ไดแก ดัชนีตลาดหลักทรัพย การใชกระแสไฟฟา และดัชนีชี้นําภาวะเศรษฐกิจ ซ่ึงการเปลี่ยนแปลงที่ลดลงของตัวแปรใด ตัวแปรหนึ่งน้ันเปนผลลบ หรือที่เรียกวา negative shock ตอการจางงาน ซ่ึงทําใหมีความเปนไปไดในการเกิดวิกฤตการจางงานมากขึ้น อยางไรก็ตามการเปลี่ยนแปลง ของตัวแปรสําคัญทั้ง 3 น้ันอาจไมไดมีผลตอการจางงานในทันที เน่ืองจากระบบเศรษฐกิจมีความเฉื่อยในการปรับตัว ที่อาจใชเวลาสักระยะหนึ่งกอนที่ตลาดการจางงานจะมีการปรับตัวตามการเปลี่ยนแปลงของตัวแปรสําคัญ

ในสวนของการวิเคราะหระบบเตือนภัยตามแบบจําลองความนาจะเปนในการเกิดวิกฤตนั้น เราอาศัยหลักเกณทวาความนาจะเปนนั้นมีคาอยูระหวาง 0 ถึง 1 ซ่ึงหมายความวา หากตัวแปรที่สําคัญทั้งสามมีการปรับตัวสูงขึ้นมากจนทําใหคาความนาจะเปนมีคาใกลเคียงหรือเทากับ 0 น่ันหมายความวาสถานะการการจางงานแทบจะไมมีความเปนไปไดในการเกิดวิกฤต (ระดับปกติ) ในทางตรงขาม หาก ตัวแปรทั้งสามมีการลดลงอยางมาก จนทําใหคาความนาจะเปนมีคาใกลเคียงหรือเทากับ 1 น่ันหมายความวาสถานะการการจางงานมีความเปนไปไดมากที่จะเกิดวิกฤต (ระดับอันตราย) หากคาความนาจะเปนในการเกิดวิกฤตมีคาต่ํากวา 0.4 น่ันหมายความวาสัญญาณเตือนสภาวะการจางงานอยูในระดับปกติ (อยูในแถบสีเขียว) หากคาความนาจะเปนมีคาสูงกวา 0.4 แตต่ํากวา 0.5 น่ันหมายความวาสัญญาณเตือนวาสภาวะการจางงานอยูในระดับที่ควรเฝาระวัง (อยูในแถบสีเหลือง) และหากคาความนาจะเปนมีคาสูงกวา 0.5 น่ันหมายความวาสัญญาณเตือนสภาวะการจางงานเขาสูระดับอันตราย (อยูในแถบสีแดง) ดังที่แสดงในรูปที่ 5.20

5.7.2.2 ผลจากแบบจําลอง

ในสวนของการวิเคราะหการจางงานจากแบบจําลองความนาจะเปนในการเกิดวิกฤต พบวา ในเดือนธันวาคมป 2552 ดัชนีตลาดหลักทรัพย อยุที่ 734.54 จุด เพ่ิมขึ้น รอยละ 63.2 จากเดือนเดียวกันของปกอน การใชกระแสไฟฟา มีคา 1,1508.66 ลานกิโลวัตต-ชั่วโมง เพ่ิมขึ้น รอยละ 16.0 จากเดือนเดียวกันของปกอน และดัชนีชี้นําภาวะเศรษฐกิจ มีคา 121.51 เพ่ิมขึ้น รอยละ 3.5 จากเดือนเดียวกันของปกอน ซ่ึงการปรับเพ่ิมขึ้นของปจจัยสําคัญทั้ง 3 ตัวน้ีเปนผลดีตอการจางงาน อยางไรก็ตามการเพิ่มขึ้นของตัวแปรสําคัญทั้ง 3 น้ันอาจไมไดมีผลตอการจางงานในทันที เน่ืองจากระบบเศรษฐกิจมีความเฉื่อยในการปรับตัว ที่อาจใชเวลาสักระยะหนึ่งกอนที่จะตลาดการจางงานจะมีการปรับตัวตามการเปลี่ยนแปลงของตัวแปรสําคัญ ดังน้ันขอมูลของเดือนธันวาคมสามารถนําไปคาดการณความนาจะเปนในการเกิดวิกฤตการจางงานของผูประกันตนของเดือนมิถุนายน และของลูกจางเอกชนของไตรมาสที่1 ซ่ึงมีคารอยละ 0.00


5-69

และรอยละ 3.03 ตามลําดับ ซ่ึงเปนระดับที่ต่ํามาก และสะทอนวาในชวงเวลาดังกลาวไมนาจะเกิดวิกฤตการจางงาน ดังที่แสดงในรูปที่ 5.20 และรูปที่ 5.21

รูปที่ 5.20 ความนาจะเปนของการเกิดวิกฤตการจางงาน (ขอมูลผูประกันตน (SSO))

รูปที่ 5.21 ความนาจะเปนของการเกิดวิกฤตการจางงาน (ขอมูลการจางงานภาคเอกชน (NSO))


5-70

ในสวนของการวางงานนั้น ตัวแปรสําคัญที่สงสัญญาณตอวิกฤตการวางงานประกอบดวย ดัชนีราคาตลาดหลักทรัพย ดัชนีการอุปโภคบริโภคภาคเอกชน การใชกระแสไฟฟา และราคาน้ํามันดิบ Brent ซ่ึงขอมูลชวงไตรมาสที่ 4 ของป 2552 พบวาตัวแปรทั้งหมด ยกเวนเพียง ดัชนีราคาตลาดหลักทรัพย มีการปรับตัวเพ่ิมขึ้น ซ่ึงโดยภาพรวมแลวสงผลดีตอการวางงาน อยางไรก็ตามเนื่องจากการปรับตัวของตัวแปรสําคัญน้ีอาจใชเวลาบางกอนที่จะกระทบตอการวางงาน ผลกระทบดานการวางงานอาจไมไดปรับตัวในทันที จากการคาดการณความนาจะเปนในการเกิดวิกฤตการวางงานโดยอาศัยแบบจําลอง โพรบิต คาความนาจะเปนในการเกิดวิกฤตการวางงานในชวงไตรมาสที่ 1 ของป 2553 มีคารอยละ 0.00 ซ่ึงเปนระดับที่ต่ํามาก และคาดวาในชวงเวลาดังกลาวไมนาจะเกิดวิกฤตดานการวางงาน ดังแสดงในรูปที่ 5.22

ในสวนของการเลิกจางนั้น ตัวแปรสําคัญที่สงสัญญาณตอวิกฤตการเลิกจางประกอบดวย อัตราการใชกําลังการผลิต การใชกระแสไฟฟา และ ราคาน้ํามันดิบ Brent ซ่ึงตัวแปรทั้งสามนี้มีการปรับตัวในเดือนธันวาคม ที่เปนผลดีตอการเลิกจาง เน่ืองจากตลาดแรงงานมีความเฉื่อย แบบจําลองโพบิตพบวากวาที่การเปลี่ยนแปลงของตัวแปรเหลานี้จะกระทบตอการเลิกจาง อาจใชเวลาประมาณ 3 เดือน ดังน้ันขอมูลดังกลาวสามารถนํามาใชในการคาดการณคาความนาจะเปนในการเกิดวิกฤตดานการเลิกจาง ของเดือนมีนาคมไดประมาณรอยละ 0.06 ซ่ึงเปนระดับที่ต่ํามาก และคาดวาในชวงเวลาดังกลาวไมนาจะเกิดวิกฤตดานการเลิกจาง ดังแสดงในรูปที่ 5.23

รูปที่ 5.22 ความนาจะเปนของการเกิดวิกฤตการวางงาน (ขอมูลการวางงานภาคเอกชน (NSO))


5-71

รูปที่ 5.23 ความนาจะเปนของการเกิดวิกฤตการเลิกจาง (ขอมูลการเลิกจาง (DLPW))

5.7.2.3 การวิเคราะห

การเพิ่มขึ้นของดัชนีตลาดหลักทรัพย การใชกระแสไฟฟา ดัชนีชี้นําภาวะเศรษฐกิจ ดัชนีการอุปโภคบริโภคภาคเอกชน อัตราการใชกําลังการผลิต และราคาน้ํามันดิบ Brent มีผลกระทบตอปจจัยเศรษฐกิจมหภาคที่สําคัญๆของประเทศ ซ่ึงสะทอนถึงสภาวะการจางงานในชวงเวลาตอมา ซ่ึงตัวแปรทั้งสามนี้สงผลกระทบตอเศรษฐกิจในหลายดาน เชน การเปลี่ยนแปลงของตลาดหลักทรัพยสะทอนถึงความเชื่อม่ันในการลงทุนของภาคเอกชน การใชกระแสไฟฟาสะทอนถึงการเปลี่ยนแปลงของกําลังการผลิตภาคอุตสาหกรรม และการบริโภคภาคเอกชน ดัชนีชี้นําภาวะเศรษฐกิจ สะทอนถึงปจจัยสําคัญอ่ืนๆที่กระทบตอการผลิตและการบริโภคในประเทศ ดัชนีการอุปโภคบริโภคภาคเอกชน สะทอนถึงทิศทางของการอุปโภคบริโภคของภาคเอกชน อัตราการใชกําลังการผลิต สะทอนถึงระดับการผลิตของภาคอุตสาหกรรม โดยเปรียบเทียบการผลิตจริงกับกําลังการผลิตสูงสุดของเครื่องจักร และราคาน้ํามับดิบ Brent ที่สะทอนถึงตนทุนการผลิตของอุตสาหกรรรม ซ่ึงทั้งการเปลี่ยนแปลงของตัวแปรเหลานี้สงผลกระทบตอการจางงานเพื่อผลิตสินคาและบริการ ตามการเปลี่ยนแปลงของตัวแปรสําคัญที่กลาวถึง และปจจัยเศรษฐกิจมหภาคตัวอ่ืนๆ ที่เกี่ยวของ

บทที่ 5 ผลการวิเคราะห ดัชนีเตือนภัยด...

Documents