Economic Forecasting for Thailand using Predictors with Different Frequency

เกริกพล แสงสว่าง

doi:10.14456/mjba.2020.1

ผู้แต่ง

เกริกพล แสงสว่าง Undergraduate student, Faculty of Economics, Chiang Mai University

DOI:

https://doi.org/10.14456/mjba.2020.1

คำสำคัญ:

แบบจำลองสมการถดถอยแบบ Elastic net, แบบจำลองสมการถดถอยแบบ MIDAS, ผลิตภัณฑ์มวลรวมภายในประเทศ, อัตราการเจริญเติบโตทางเศรษฐกิจ

บทคัดย่อ

การศึกษานี้ตรวจสอบการเติบโตทางเศรษฐกิจของประเทศไทยโดยใช้ตัวแปรทำนายจำนวนมากที่มีความถี่แตกต่างกัน (รายปีรายไตรมาสและรายเดือน) เราใช้วิธีการสุ่มตัวอย่างข้อมูลแบบผสม (MIDAS) เพื่อรวมข้อมูลความถี่ที่แตกต่างกันอย่างมากและยังใช้การถดถอยแบบริดจ์ LASSO และ Elastic net Regression เพื่อระบุว่าปัจจัยใดที่มีผลต่อการเติบโตทางเศรษฐกิจของประเทศไทย เรารวบรวมข้อมูลอนุกรมเวลาตั้งแต่เดือนมกราคม ปี 2000 ถึงธันวาคม ปี 2019 รวม 20 ปี ผลการวิจัยแสดงให้เห็นว่าอายุขัยและประชากรในเมืองมีผลกระทบเชิงลบต่อการเติบโตทางเศรษฐกิจ ในขณะที่มูลค่าเพิ่มของอุตสาหกรรมทำให้การเติบโตทางเศรษฐกิจเพิ่มขึ้น

เอกสารอ้างอิง

Abeysinghe, T., & Rajaguru, G. (2004). Quarterly real GDP estimates for China and ASEAN4 with a forecast evaluation. Journal of Forecasting, 23(6), 431-447.

Acemoglu, D. (2009). The crisis of 2008: structural lessons for and from economics. Globalization and Growth, 37.

Acemoglu, D., Johnson, S., & Robinson, J. A. (2002). Reversal of fortune: Geography and institutions in the making of the modern world income distribution. The Quarterly journal of economics, 117(4), 1231-1294.

Ali, S., Alam, K. J., & Islam, M. S. (2016). Effects of trade openness and industrial value added on economic growth in Bangladesh. International Journal of Sustainable Development Research, 2(2), 6.

Andreou, E., Ghysels, E., & Kourtellos, A. (2010). Regression models with mixed sampling frequencies. Journal of Econometrics, 158(2), 246-261.

Barua, A., & Chakraborty, D. (2006, July).

Barua, A., & Chakraborty, D. (2006, July). Liberalization, trade and industrial performance: an empirical analysis for India. In paper for the 2nd APEA Conference, held at the Center for International Economics, University of Washington, Seattle.

Clements, M. P., & Galvão, A. B. (2008). Macroeconomic forecasting with mixed-frequency data: Forecasting output growth in the United States. Journal of Business & Economic Statistics, 26(4), 546-554.

Cooray, A. (2009). Government expenditure, governance and economic growth. Comparative Economic Studies, 51(3), 401-418.

Durlauf, S. N., Kourtellos, A., & Minkin, A. (2001). The local Solow growth model. European Economic Review, 45(4-6), 928-940.

Ferrara, L., & Marsilli, C. (2013). Financial variables as leading indicators of GDP growth: Evidence from a MIDAS approach during the Great Recession. Applied Economics Letters, 20(3), 233-237.

Ghysels, E., Sinko, A., & Valkanov, R. (2007). MIDAS regressions: Further results and new directions. Econometric Reviews, 26(1), 53-90.

Ghysels, G., & Valkanov, R. (2006). Linear time series processes with mixed data sampling and MIDAS regression models. mimeo.

Grabova, P. (2014). Corruption impact on Economic Growth: An empirical analysis. Journal of Economic Development, Management, IT, Finance, and Marketing, 6(2), 57.

Hicks, J. (1969). A theory of economic history (Vol. 9). Oxford: Oxford University Press.

Li, J., & Chen, W. (2014). Forecasting macroeconomic time series: LASSO-based approaches and their forecast combinations with dynamic factor models. International Journal of Forecasting, 30(4), 996-1015.

Marcellino, M., & Schumacher, C. (2010). Factor MIDAS for nowcasting and forecasting with ragged‐edge data: A model comparison for German GDP. Oxford Bulletin of Economics and Statistics, 72(4), 518-550.

Maestas, N., Mullen, K. J., & Powell, D. (2016). The effect of population aging on economic growth, the labor force and productivity (No. w22452). National Bureau of Economic Research.

Rodrik, D. (2000). Institutions for high-quality growth: what they are and how to acquire them. Studies in comparative international development, 35(3), 3-31.

Svensson, J. (2003). Why conditional aid does not work and what can be done about it?. Journal of development economics, 70(2), 381-402.

Thianpaen, N., Liu, J., & Sriboonchitta, S. (2016). Time series forecast using AR-belief approach. Thai Journal of Mathematics, 14(3), 527-541.

The Office for National Statistics. (2019, November 1). Calculation of GDP. Retrieved from https://www.ons.gov.uk/

Tiffin, A. (2016). Seeing in the dark: a machine-learning approach to nowcasting in Lebanon.