SlideShare a Scribd company logo
โดย อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์ รศ.ดร.เดือนเพ็ญ ธีรวรรณวิวัฒน์
ผศ. ดร. ปรีชา วิจิตรธรรมรส ผศ. วีณา ฉายศิลปรุ่งเรือง รศ. ดร. โอม ศรนิล
รศ. ดร. พาชิตชนัต ศิริพานิช วศิน แก้วชาญค้า วทม. (NIDA)
The First NIDA Business Analytics and Data Sciences Contest/Conference
วันที่ 1-2 กันยายน 2559 ณ อาคารนวมินทราธิราช สถาบันบัณฑิตพัฒนบริหารศาสตร์
https://businessanalyticsnida.wordpress.com
https://www.facebook.com/BusinessAnalyticsNIDA/
-สร้างตารางชีพได้อย่างไร -นําตารางชีพไปใช้อะไรได้บ้าง
-การฉายภาพประชากร (Demographic Projection) ทําอย่างไร
-รู้หรือไม่ว่าอีก 30 ปีข้างหน้า อายุเฉลี่ยข้าราชการไทยจะสูงถึง 55 ปี
-รู้หรือไม่ว่าอีก 30 ปีข้างหน้า รัฐบาลต้องดูแลข้าราชเกษียณและผู้มีสิทธิ์เบิกจ่ายค่า
รักษาพยาบาลกี่คนต่อข้าราชการที่ยังรับราชการหนึ่งคน
-สังคมข้าราชการไทยกําลังจะเป็นสังคมผู้สูงอายุอย่างเต็มวัย?
การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า
นวมินทราธิราช ห้อง 4001, 1 กันยายน 2559 เวลา 13.30-14.30 น.
การฉายภาพประชากรของข้าราชการไทยและสมาชิกในครอบครัว
ที่มีสิทธิเบิกค่ารักษาพยาบาล ในปีงบประมาณ 2558-2588
อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์
รองศาสตราจารย์ ดร. เดือนเพ็ญ ธีรวรรณวิวัฒน์
ผู้ช่วยศาสตราจารย์ ดร. ปรีชา วิจิตรธรรมรส
ผู้ช่วยศาสตราจารย์วีณา ฉายศิลปรุ่งเรือง
รองศาสตราจารย์ ดร. โอม ศรนิล
รองศาสตราจารย์ ดร. พาชิตชนัต ศิริพานิช
นายวศิน แก้วชาญค้า
1 กันยายน 2559
บทนา
-สังคมสูงอายุ (Aging society)
-ร้อยละ 33.86 ของข้าราชการมีอายุอยู่ในช่วง 46-55 ปี (ประมาณ 1 ใน 3) และร้อยละ 10.50
มีอายุอยู่ในช่วง 21-30 ปี (ศูนย์เทคโนโลยีสารสนเทศและการสื่อสาร สานักงาน ก.พ., 2558)
-คนไทยมีอายุยืนยาวมากขึ้น
-ข้าราชการไทยก็มีอายุยืนยาวมากขึ้น
-มีสิทธิ์ได้รับบานาญและสิทธิพยาบาลรักษาพยาบาลยาวนานขึ้น
-ตารางชีพ (Life table) จะสะท้อนรูปแบบการเสียชีวิตของประชากร
-อัตรารอดชีวิตคานวณได้จากตารางชีพ
-การฉายภาพประชากร (Population Projection) คาดประมาณขนาดประชากรตามอายุและ
เพศของประชากรที่ศึกษา
-ประยุกต์การฉายภาพประชากรระเบียบวิธีรุ่นอายุและองค์ประกอบ (Cohort-component
method) พิจารณาองค์ประกอบการเปลี่ยนแปลงของจานวนข้าราชการผู้มีสิทธิและผู้อาศัยสิทธิ เช่น
อัตราการเข้ารับราชการ อัตราการออกจากราชการ อัตราการเติบโต (Growth rate) อัตราการเจริญพันธุ์
(Fertility rate) และอัตราการรอดชีวิต (Survival rate) เป็นต้น
วัตถุประสงค์การวิจัย
ดังนั้น การวิจัยนี้จึงมีวัตถุประสงค์
(1) สร้างตารางชีพของผู้มีสิทธิและสมาชิกในครอบครัวผู้มีสิทธิสวัสดิการ
(2) ฉายภาพประชากรของผู้มีสิทธิและสมาชิกในครอบครัวผู้มีสิทธิสวัสดิการใน
อีก 30 ปี (จากสิ้นปีงบประมาณ 2558 จนถึงสิ้นปีงบประมาณ 2588)
ประโยชน์ที่คาดว่าจะได้รับ
จานวนและโครงสร้างอายุของข้าราชการและผู้อาศัยสิทธิเป็นข้อมูลพื้นฐานที่จาเป็น
ในการวางแผนนโยบายเพื่อเตรียมรับมือกับการเปลี่ยนแปลงในอนาคตในด้านดังต่อไปนี้
(1) การจัดการกาลังพลข้าราชการภาครัฐ
(2) ภาระทางการคลังของประเทศ ได้แก่ เงินบานาญและบาเหน็จ หรือการตั้งเงิน
สารอง เป็นต้น
(3) ภาระค่าใช้จ่ายสวัสดิการค่ารักษาพยาบาล
และสามารถนาไปศึกษาและเป็นข้อมูลพื้นฐานการประเมินมูลค่าด้วยคณิตศาสตร์
ประกันภัย (Actuarial valuation) ในโครงการพยากรณ์ค่าใช้จ่ายรักษาพยาบาลของทั้ง
ข้าราชการและสมาชิกในครอบครัวที่มีสิทธิเบิกจ่ายค่ารักษาพยาบาลใน 30 ปีข้างหน้า
ตารางชีพผู้มีสิทธิและผู้อาศัยสิทธิ
ตัวอย่างตารางชีพแบบสมบูรณ์ (Complete life table)
x Mx qx lx dx Lx Tx ex Sx
0 0.03483 0.03382 100,000 3,382 97,087 7,000,000 70.00 0.99285
1 0.00378 0.00377 96,618 364 96,393 6,902,913 71.45 0.99745
2 0.00205 0.00204 96,254 197 96,147 6,806,520 70.71 0.99834
3 0.00138 0.00138 96,057 132 95,987 6,710,372 69.86 0.99881
4 0.00102 0.00102 95,925 98 95,873 6,614,385 68.95 0.99911
5 0.00077 0.00077 95,827 74 95,788 6,518,512 68.02 0.99930
6 0.00063 0.00063 95,753 61 95,721 6,422,724 67.08 0.99942
7 0.00054 0.00054 95,692 52 95,665 6,327,002 66.12 0.99948
.
.
.
.
.
.
.
.
.
.
.
.
99 0.42926 0.34964 517 181 421 1,099 2.13 0.64217
100+ 0.45664 0.36725 336 123 270 678 2.02 0.62470
ตารางชีพผู้มีสิทธิและผู้อาศัยสิทธิ
เปรียบเทียบอัตรามรณะจาแนกตามประเภทข้าราชการ
จาแนกข้าราชการในการเปรียบเทียบอัตรามรณะออกเป็น 3 กลุ่ม คือ
ข้าราชการตารวจ ข้าราชการทหาร และข้าราชการพลเรือน (ไม่จาแนกตามเพศ) พบว่า
N Mean SD ชาย : หญิง
ตารวจ 134,746 57.76 16.36 10.13 : 1.00
ทหาร 176,105 60.92 18.26 13.18 : 1.00
พลเรือน 673,753 59.25 11.54 0.88 : 1.00
χ2 df P-value
562.80 2 .000
ตารางชีพผู้มีสิทธิและผู้อาศัยสิทธิ
ผลตารางชีพในการวิจัย
ตารางชีพจากข้อมูลผู้มีสิทธิสวัสดิการและผู้อาศัยสิทธิย้อนหลัง 5 ปี
(ปี 2554 ถึง 2558) จาแนกตามเพศ เพื่อใช้ในการฉายภาพประชากรในปีงบประมาณ
2559 ถึง 2563 โดยมีอายุขัยเฉลี่ยแรกเกิด (e0) ในเพศชาย เท่ากับ 72.50 ปี และในเพศ
หญิง เท่ากับ 78.42 ปี
ตารางชีพผู้มีสิทธิและผู้อาศัยสิทธิ
ผลตารางชีพในการวิจัย
การเกิดสิทธิและการหมดสิทธิของ
ข้าราชการและผู้อาศัยสิทธิใน
สถานการณ์จริง
-
g
i
j
h
- -
= =
b
f
d c
e
+ ++
ข้าราชการและ
ลูกจ้างประจา
(Officer: O)
Ot
OG
OQ
OD
OR
ข้าราชการบานาญ
(Retiree: R)
Rt
RRO
RD
=
-
บิดามารดา
(Parent: P)
Pt
PA
PT
PD
=
+
-
-
คู่สมรส
(Spouse: S)
St+1
St
SA
SM
SDIV
SD
+
-
บุตรธิดา
(Child: C)
Ct
CNB
CA20
CD
=
+
+
-
-
-
CA
+
OREP
ST
-
CT
+
Ct+1 Ot+1 Rt+1 Pt+1
a
จานวน ณ
ปีที่ t+1
จานวน ณ
ปีที่ t
จานวนที่
เกิดสิทธิ
จานวนที่
หมดสิทธิ
การเกิดสิทธิของข้าราชการและผู้
อาศัยสิทธิที่ใช้ในการฉายภาพ
ประชากร
-
- -
= =
b
f
d c
e
+ ++
ข้าราชการและ
ลูกจ้างประจา
(Officer: O)
Ot
OG
OQ
OD
OR
ข้าราชการบานาญ
(Retiree: R)
Rt
RRO
RD
=
-
บิดามารดา
(Parent: P)
Pt
PA
PT
PD
=
+
-
-
คู่สมรส
(Spouse: S)
St+1
St
SA
SM
SDIV
SD
+
-
บุตรธิดา
(Child: C)
Ct
CNB
CA20
CD
=
+
+
-
-
-
CA
+
OREP
ST
-
CT
-
Ct+1 Ot+1 Rt+1 Pt+1
a
จานวน ณ
ปีที่ t+1
จานวน ณ
ปีที่ t
จานวนที่
เกิดสิทธิ
จานวนที่
หมดสิทธิ
ข้อสมมติการฉายภาพประชากร
องค์ประกอบที่ทาให้เกิดสิทธิ องค์ประกอบที่ทาให้หมดสิทธิ
การแจกแจงการเกิด
สิทธิ
อัตราการเติบโตหรือ
อัตราเจริญพันธุ์
อัตรารอดชีวิต
อัตราการออกจาก
สิทธิกรณีอื่น
ข้าราชการผู้มีสิทธิ
ข้าราชการและ
ลูกจ้างประจา
ใช้การแจกแจงของ
กลุ่มข้าราชการ
และลูกจ้างประจา
อัตราการเติบโต
โดยแบ่งออกเป็น 3
สถานการณ์
อัตรารอดชีวิต (Sx)
จากตารางชีพ โดย
เปลี่ยนแปลงตาราง
ชีพทุก 5 ปีที่ทา
การฉายภาพ
ใช้อัตราของกลุ่ม
ข้าราชการและ
ลูกจ้างประจา
ข้าราชการ
บานาญ
การเกิดสิทธิของข้าราชการบานาญเกิด
จากการเกษียญอายุราชการโดยมาจาก
ข้าราชการที่อายุมากกว่า 60 ปีเท่านั้น
ไม่มีการออกจาก
สิทธิในกรณีอื่น
ข้อสมมติการฉายภาพประชากร
องค์ประกอบที่ทาให้เกิดสิทธิ องค์ประกอบที่ทาให้หมดสิทธิ
การแจกแจงการเกิด
สิทธิ
อัตราการเติบโตหรือ
อัตราเจริญพันธุ์
อัตรารอดชีวิต
อัตราการออกจาก
สิทธิกรณีอื่น
ผู้อาศัยสิทธิข้าราชการ
คู่สมรส
ใช้การแจกแจงของ
กลุ่มคู่สมรส
อัตราการเติบโต โดย
แบ่งออกเป็น 3
สถานการณ์ อัตรารอดชีวิต (Sx)
จากตารางชีพ โดย
เปลี่ยนแปลงตาราง
ชีพทุก 5 ปีที่ทาการ
ฉายภาพ
ใช้อัตราการออกของ
กลุ่มคู่สมรส
บิดามารดา
ใช้การแจกแจงของ
กลุ่มบิดามารดา
ไม่มีอัตราการเติบโต
ใช้อัตราการออกของ
กลุ่มบิดามารดา
บุตรธิดา
ใช้การแจกแจงของ
กลุ่มบุตรธิดา
อัตราการเจริญพันธุ์
ของประชากร โดย
ปรับลดลงทุก 5 ปีที่
ทาการฉายภาพ
ใช้อัตราการออกของ
กลุ่มบุตรธิดา
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการเติบโตของประชากร
กาหนดข้อสมมติของอัตราการเติบโตออกเป็น 3 สถานการณ์ คือ
(1) อัตราการเติบโตของผู้มีสิทธิและคู่สมรสมีค่าคงที่ตลอด30 ปี
(2) อัตราการเติบโตของผู้มีสิทธิและคู่สมรสมีค่าคงที่ใน 15 ปีแรก และมีค่า
เป็นศูนย์ต่อไปหลังจากนั้นอีก 15 ปี
(3) อัตราการเติบโตของผู้มีสิทธิและคู่สมรสมีแนวโน้มลดลงภายในการฉาย
ภาพจนมีค่าเป็นศูนย์ (ไม่มีการเติบโตของประชากร) ใน 15 ปีแรก และมีค่าเป็นศูนย์
ต่อไปหลังจากนั้นอีก 15 ปี
ผลการฉายภาพประชากรในสถานการณ์ที่ 1
จานวนข้าราชการผู้มีสิทธิ
ผลการฉายภาพประชากรในสถานการณ์ที่ 1
จานวนผู้อาศัยสิทธิ
ผลการฉายภาพประชากรในสถานการณ์ที่ 1
อายุเฉลี่ยข้าราชการผู้มีสิทธิ
ผลการฉายภาพประชากรในสถานการณ์ที่ 1
อายุเฉลี่ยผู้อาศัยสิทธิ
ผลการฉายภาพประชากรในสถานการณ์ที่ 1
โครงสร้างทางอายุของข้าราชการผู้มีสิทธิ
ข้าราชการผู้มีสิทธิ ข้าราชการและลูกจ้างประจา ข้าราชการบานาญ
ผลการฉายภาพประชากรในสถานการณ์ที่ 1
โครงสร้างทางอายุของผู้อาศัยสิทธิ
คู่สมรส บิดามารดา บุตรธิดา
ผลการฉายภาพประชากรในสถานการณ์ที่ 1
การแจกแจงอายุของข้าราชการผู้มีสิทธิ - ชาย
ข้าราชการผู้มีสิทธิ ข้าราชการและลูกจ้างประจา ข้าราชการบานาญ
ผลการฉายภาพประชากรในสถานการณ์ที่ 1
การแจกแจงอายุของข้าราชการผู้มีสิทธิ - หญิง
ข้าราชการผู้มีสิทธิ ข้าราชการและลูกจ้างประจา ข้าราชการบานาญ
ผลการฉายภาพประชากรในสถานการณ์ที่ 1
การแจกแจงอายุของผู้อาศัยสิทธิ - ชาย
สามี บิดา บุตร
ผลการฉายภาพประชากรในสถานการณ์ที่ 1
การแจกแจงอายุของผู้อาศัยสิทธิ - หญิง
ภรรยา มารดา ธิดา
เปรียบเทียบผลการฉายภาพประชากรทั้ง 3 สถานการณ์
ปี 2558
ปี 2588
สถานการณ์ 1 สถานการณ์ 2 สถานการณ์ 3
จานวนข้าราชการ และลูกจ้างประจา 1,522,000 2,239,000 1,894,000 1,724,000
จานวนข้าราชการบานาญ 324,000 960,000 959,000 954,000
จานวนคู่สมรส 1,133,000 2,010,000 1,698,000 1,505,000
จานวนบิดามารดา 1,623,000 2,842,000 2,363,000 2,173,000
จานวนบุตรธิดา 947,000 1,432,000 1,094,000 969,000
อายุเฉลี่ยข้าราชการ และลูกจ้างประจา 45.78 45.61 46.54 46.50
อายุเฉลี่ยข้าราชการบานาญ 66.08 73.34 73.34 73.40
อายุเฉลี่ยคู่สมรส 49.05 53.84 56.12 56.85
อายุเฉลี่ยบิดามารดา 68.70 70.35 70.58 70.68
อายุเฉลี่ยบุตรธิดา 12.21 11.14 11.60 11.80
อัตราส่วนภาวะพึ่งพิง (Dependency ratio) อัตราส่วนภาวะพึ่งพิงสมบูรณ์ (Pure
dependency ratio) และอัตราส่วนระหว่างจานวนประชากรต่อจานวนข้าราชการไทย
อัตราส่วนภาวะพึ่งพิง =
จานวนรวมผู้อาศัยสิทธิ
จานวนรวมข้าราชการผู้มีสิทธิ
อัตราส่วนภาวะพึ่งพิงสมบูรณ์ =
จานวนข้าราชการบานาญ + จานวนผู้อาศัยสิทธิ
จานวนข้าราชการและลูกจ้างประจา
อัตราส่วนจานวนประชากรต่อข้าราชการ =
จานวนประชากรไทยในประเทศ
จานวนข้าราชการและลูกจ้างประจา
เปรียบเทียบผลการฉายภาพประชากรทั้ง 3 สถานการณ์
เปรียบเทียบผลการฉายภาพประชากรทั้ง 3 สถานการณ์
เปรียบเทียบผลการฉายภาพประชากรทั้ง 3 สถานการณ์
ข้อเสนอแนะ
ทั้งระบบข้าราชการไทยและประชากรในประเทศจะกลายเป็นสังคมสูงอายุ
อย่างเต็มรูปแบบ ซึ่งยิ่งคนมีอายุมากยิ่งทาให้มีโรคประจาตัวที่เป็นโรคเรื้อรังและยากต่อ
การรักษาให้หายขาดมากขึ้นเช่นกัน ทั้งหมดเป็นภาระอันใหญ่หลวงต่อสภาวะทางการ
คลังของประเทศ ทั้งในส่วนของเงินค่าบานาญหรือค่ารักษาพยาบาล
ข้อเสนอแนะด้านภาระทางการคลัง
(1) ภาระด้านเงินบานาญ/บาเหน็จของข้าราชการที่เกษียณ
วางแผนตั้งสารองเงินให้เพียงพอต่อจานวนข้าราชการที่จะเกษียณจานวนมาก
จากจานวนข้าราชการบานาญที่อาจจะเพิ่มขึ้นมากถึง 3 เท่าจากปัจจุบัน
ข้อเสนอแนะ
(2) ภาระค่าใช้จ่ายค่ารักษาพยาบาล
นาผลจากการฉายภาพประชากรไปใช้ในการวิจัยเพื่อตั้งสารองเงินค่า
รักษาพยาบาล โดยใช้หลักประเมินมูลค่าด้วยคณิตศาสตร์ประกันภัย (Actuarial
valuation) และควบคุมการเบิกจ่ายสินไหม (Claim control) โดยลดภาระค่าใช้จ่ายใน
ส่วนที่ไม่สามารถตรวจสอบได้ให้น้อยที่สุด เปลี่ยนแปลงระบบการเบิกจ่ายสินไหมโดย
อาศัยการใช้แบบจาลองทางสถิติและการทาเหมืองข้อมูล
การประเมินมูลค่าด้วยคณิตศาสตร์ประกันภัยและการพัฒนาตัวแบบจาลอง
ทางสถิติเป็นอีกโครงการวิจัยที่จะศึกษาต่อจากโครงการนี้ คือโครงการการพยากรณ์
อัตราการเจ็บป่วยด้วยโรคชนิดต่าง ๆ และพยากรณ์ค่าใช้จ่ายในการรักษาพยาบาลของ
ข้าราชการผู้มีสิทธิและผู้อาศัยสิทธิในอีก 30 ปีข้างหน้า
ข้อเสนอแนะ
ข้อเสนอแนะด้านกาลังพลภาครัฐ
การแก้ไขปัญหาอย่างยั่งยืนอาจทาได้หากระบบราชการมีความสามารถในการ
ดึงดูดบุคคลที่มีอายุน้อยให้เข้ามารับราชการ และจาเป็นต้องมีความสามารถในการรักษา
บุคคลเหล่านั้นให้คงอยู่ในระบบต่อไปให้ได้ เนื่องจากในผลการวิจัยพบว่ามีข้าราชการ
จานวนมากที่มักจะลาออกตั้งแต่อายุงานยังน้อย
ศึกษาและใช้เทคโนโลยีตลอดจนระบบสารสนเทศในระบบราชการเพื่อลด
จานวนข้าราชการลงแต่เพิ่มศักยภาพให้มากขึ้น ซึ่งต้องใช้ทุนวิจัยและใช้ระยะเวลาแต่
หากพัฒนาองค์ความรู้หรือระบบสารสนเทศในข้าราชการได้จะมีประสิทธิภาพในระยะ
ยาวมากกว่า
บรรณานุกรม
Bongaarts, J. (2005). Long-range trends in adult mortality: Models and projection methods. Demography,
42(1), 23-49.
Bongaarts, J. (2009). Trends in senescent life expectancy. Population Studies, 63(3), 203-213.
Chiang, C. L. (1984). The life table and its applications. Malabar, Florida: R.E. Krieger Publishing
Company.
Coale, A., & Demeny, P. (1966). Regional model life tables and stable populations. Princeton, New
Jersey: Princeton University Press.
Coale, A., & Demeny, P. (1967). Methods of estimating basic demographic measures from incomplete
data. New York: United Nations.
Gavrilov, L., & Gavrilova, N. (2011). Mortality Measurement at Advanced Ages: A Study of the Social
Security Administration Death Master File. North American Actuarial Journal, 432–447.
George, M. V., Smith, S. K., Swanson, D. A., & Tayman, J. (2008). Population Projections. In J. S. Siegel, &
D. A. Swanson, The Methods and Materials of Demography (pp. 561-602). West Yorkshire, UK:
Emerald Group Publishing.
บรรณานุกรม
Gompertz, B. (1825). On the nature of the function expressive of the law of mortality, and on a new
mode of determining the value of life contingencies. Philosophical Transactions of the Royal
Society of London, 115(24), 513-585.
Kintner, H. J. (2008). The Life Table. In J. S. Siegel, & D. A. Swanson, The Methods and Materials of
Demography (pp. 301-340). West Yorkshire, UK: Emerald Group Publishing.
Lee, R. D., & Carter, L. R. (1992). Modeling and forecasting U.S. mortality. Journal of the American
Statistical Association, 87(419), 659-671.
Makeham, W. (1860). On the law of mortality and the construction of annuity tables. Journal of the
Institute of Actuaries, 13, 325-358.
Shryock, H. S., & Siegel, J. (1971). The methods and materials of demography. Washington D.C.: U.S.
Bureau of the Census.
Siegel, J., & Swanson, D. (2008). The methods and materials of demography. West Yorkshire, UK:
Emerald Group Publishing.
United Nations. (2013). World Population Ageing 2013. New York: United Nations.
United Nations. (2015). World Population Prospects - Population Division. Retrieved 2 15, 2016, from
https://esa.un.org/unpd/wpp/DVD/Files/4_Other%20Files/MLT_UN2011_130_1y_complete.xlsx
บรรณานุกรม
กรมบัญชีกลาง. [ม.ป.ป.]. คู่มือสวัสดิการรักษาพยาบาลข้าราชการ.
ปราโมทย์ ประสาทกุล และปัทมา ว่าพัฒนวงศ์. (2544). ตารางชีพ: เครื่องมือสาคัญทางประชากรศาสตร์. สถาบันวิจัย
ประชากรและสังคม มหาวิทยาลัยมหิดล.
วรเวศม์ สุวรรณระดา และ วรวรรณ ชาญด้วยวิทย์. (2553). สวัสดิการยามชราบานาญแห่งชาติ. กรุงเทพมหานคร: มูลนิธิ
สถาบันวิจัยและพัฒนาผู้สูงอายุไทย.
วิทยาลัยประชากรศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย. (2556). โครงการวิจัยผลกระทบด้านมหภาคและจุลภาคของการขยาย
อายุเกษียณ. กรุงเทพมหานคร: สานักงานกองทุนสนับสนุนการสร้างเสริมสุขภาพ (สสส.).
ศูนย์เทคโนโลยีสารสนเทศและการสื่อสาร สานักงาน ก.พ. (2557). กาลังคนภาครัฐ 2557 : ข้าราชการพลเรือนสามัญ.
กรุงเทพมหานคร.
ศูนย์เทคโนโลยีสารสนเทศและการสื่อสาร สานักงาน ก.พ. (2558). กาลังคนภาครัฐในฝ่ายพลเรือน 2557.
กรุงเทพมหานคร.
สานักงานคณะกรรมการพัฒนาการเศรษฐกิจและสังคมแห่งชาติ. (2556). การคาดประมาณประชากรของประเทศไทย พ.ศ.
2553-2583. กรุงเทพมหานคร: สานักงานคณะกรรมการพัฒนาการเศรษฐกิจและสังคมแห่งชาติ.
สานักงานสถิติแห่งชาติ. (2557). รายงานการสารวจประชากรสูงอายุในประเทศไทย พ.ศ. 2557. กรุงเทพมหานคร:
สานักงานสถิติแห่งชาติ.
ภาคผนวก
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการเกิดสิทธิ
กาหนดให้การแจกแจงการเกิดสิทธิสวัสดิการมีสภาวะคงที่เหมือนเดิมในทุกปีที่
ทาการฉายภาพประชากร และสามารถคานวณได้จาก
การแจกแจงการเกิดสิทธิ =
จานวนผู้มีสิทธิหรือผู้อาศัยสิทธิที่เกิดสิทธิระหว่างปี 2554 ถึง 2558 ในรายอายุ
จานวนรวมผู้มีสิทธิหรือผู้อาศัยสิทธิที่เกิดสิทธิระหว่างปี 2554 ถึง 2558ในรายอายุ
เป็นฟังก์ชั่นการแจกแจงการเกิดสิทธิรายอายุ โดยจาแนกตามเพศและประเภท
ของสิทธิ ดังนี้
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการเกิดสิทธิ
อายุเฉลี่ยเมื่อเกิดสิทธิในเพศชาย = 31.31 ปี และในเพศหญิง = 30.54 ปี
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการเกิดสิทธิ
อายุเฉลี่ยเมื่อเกิดสิทธิของสามี = 30.28 ปี และภรรยา = 30.88 ปี
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการเกิดสิทธิ
อายุเฉลี่ยเมื่อเกิดสิทธิของบิดา = 70.67 ปี และมารดา= 69.32 ปี
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการเกิดสิทธิ
อายุเฉลี่ยเมื่อเกิดสิทธิของบุตร = 1.16 ปี และธิดา = 1.16 ปี
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการหมดสิทธิ
การหมดสิทธิสามารถแยกสาเหตุของการหมดสิทธิออกได้เป็น 2 กรณี ได้แก่
1) การหมดสิทธิเนื่องด้วยตนเองเสียชีวิต
2) การหมดสิทธิเนื่องด้วยกรณีอื่น ๆ อาทิ ลาออก คู่สมรสหย่าร้าง หรือบุตร
อายุมากกว่า 20 ปี เป็นต้น
ข้อสมมติการฉายภาพประชากร
1) การหมดสิทธิเนื่องด้วยตนเองเสียชีวิต
ใช้อัตราการรอดชีวิต (Survival rate: Sx) จากตัวแบบตารางชีพเป็นอัตรา
กาหนดการรอดชีวิต/เสียชีวิตของผู้มีสิทธิและผู้อาศัยสิทธิทั้งหมด
อัตราออกจากสิทธิกรณีตนเองเสียชีวิต = 1 – Sx
จากการคาดประมาณจานวนประชากรของประเทศ พ.ศ. 2553-2583 (สานักงาน
คณะกรรมการพัฒนาการเศรษฐกิจและสังคมแห่งชาติ, 2556, p.13) พบว่าอายุขัยเฉลี่ยแรกเกิด
ของประชากรไทยมีแนวโน้มเพิ่มขึ้นทุกปี ดังนั้นในงานวิจัยนี้กาหนดให้อัตรามรณะและอายุขัย
เฉลี่ยของผู้มีสิทธิและผู้อาศัยสิทธิมีรูปแบบเช่นเดียวกับประชากรไทยในอนาคต
ข้อสมมติการฉายภาพประชากร
1) ตารางชีพจากข้อมูลย้อนหลัง คานวณจากข้อมูลจริงจากฐานข้อมูลมาสร้างตาราง
ชีพ เพื่อพยากรณ์จานวนประชากรปีงบประมาณ 2559 ถึง 2563
2) ตารางชีพปีอื่น ๆ (ทุก 5 ปี) อาศัยข้อมูลอัตรามรณะจากตัวแบบตารางชีพ West
model (United Nations, 2015) มาสร้างตารางชีพและหาอัตรารอดชีวิต โดยอ้างอิงจาก e0
ของประชากรไทย
1. ตารางชีพในปี 2563 พยากรณ์จานวนประชากรปี 2564 ถึง 2568
2. ตารางชีพในปี 2568 พยากรณ์จานวนประชากรปี 2569 ถึง 2573
3. ตารางชีพในปี 2573 พยากรณ์จานวนประชากรปี 2574 ถึง 2578
4. ตารางชีพในปี 2578 พยากรณ์จานวนประชากรปี 2579 ถึง 2583
5. ตารางชีพในปี 2583 พยากรณ์จานวนประชากรปี 2584 ถึง 2588
ข้อสมมติการฉายภาพประชากร
2) การหมดสิทธิเนื่องด้วยกรณีอื่น ๆ
การหมดสิทธิในกรณีอื่นเป็นการผสมกันระหว่างสาเหตุการออกจากสิทธิด้วย
หลายสาเหตุหลายกรณี ดังนั้นในการคานวณอัตราออกจาสิทธิในกรณีอื่น คานวณได้จาก
อัตราออกจากสิทธิกรณีอื่น =
จานวนรวมผู้มีสิทธิหรือผู้อาศัยสิทธิที่หมดสิทธิยกเว้นตนเองตายระหว่างปี 2554 ถึง 2558
จานวนกลางปีรวมผู้มีสิทธิหรือผู้อาศัยสิทธิทั้งหมดในปี 2554 ถึง 2558
เป็นอัตราการหมดสิทธิรายอายุ โดยจาแนกตามเพศและประเภทของสิทธิ ดังนี้
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการหมดสิทธิ ด้วยกรณีอื่น ๆ
อัตราการหมดจากสิทธิของผู้มีสิทธิโดยตรง พบว่าเมื่อหมดสิทธิอายุเฉลี่ยใน
เพศชาย = 38.26 ปี และอายุเฉลี่ยในเพศหญิง = 40.03 ปี
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการหมดสิทธิ ด้วยกรณีอื่น ๆ
อัตราการหมดจากสิทธิของคู่สมรสผู้มีสิทธิ พบว่าเมื่อหมดสิทธิอายุเฉลี่ยสามี =
75.06 ปี และอายุเฉลี่ยภรรยา = 76.38 ปี
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการหมดสิทธิ ด้วยกรณีอื่น ๆ
อัตราการหมดจากสิทธิของบิดามารดาผู้มีสิทธิ พบว่าเมื่อหมดสิทธิอายุเฉลี่ย
บิดา = 76.80 ปี และอายุเฉลี่ยมารดา = 77.18 ปี
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการหมดสิทธิ ด้วยกรณีอื่น ๆ
อัตราการหมดจากสิทธิของบุตรธิดาผู้มีสิทธิ พบว่าเมื่อหมดสิทธิอายุเฉลี่ยบุตร
= 19.94 ปี และอายุเฉลี่ยธิดา = 19.94 ปี
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะเจริญพันธุ์
ในกลุ่มของบุตรธิดาของข้าราชการผู้มีสิทธิอาศัยอัตราเจริญพันธุ์รวม (Total
fertility rate: TFR) เป็นตัวพิจารณาการเติบโตของบุตรธิดา และจาแนกอัตราเจริญพันธุ์
รวมออกเป็นอัตราเจริญพันธุ์รายอายุ (Age-specific fertility rate: ASFR) ต่อ
ข้าราชการผู้มีสิทธิเพศหญิงและภรรยาของผู้มีสิทธิ เพื่อคาดประมาณจานวนเด็กทารก
แรกเกิด
และอัตราเจริญพันธุ์รวมของประเทศไทยมีแนวโน้มลดลง (สานักงาน
คณะกรรมการพัฒนาการเศรษฐกิจและสังคมแห่งชาติ, 2556, p. 11) ดังนั้นจึงเปลี่ยน
อัตราการเจริญพันธุ์รวมและจาแนกรายอายุทุก ๆ 5 ปี ดังนี้
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะเจริญพันธุ์
อัตราเจริญพันธุ์รวม ใช้ในการฉายภาพประชากร
พ.ศ. 2558 1.62 ปี 2558 ถึง 2563
พ.ศ. 2563 1.55 ปี 2564 ถึง 2568
พ.ศ. 2568 1.49 ปี 2569 ถึง 2573
พ.ศ. 2573 1.43 ปี 2574 ถึง 2578
พ.ศ. 2578 1.36 ปี 2579 ถึง 2583
พ.ศ. 2583 1.30 ปี 2584 ถึง 2588
ข้อสมมติการฉายภาพประชากร
ข้อสมมติภาวะการเติบโตของประชากร
อัตราการเติบโตของประชากร (Population growth rate) พิจารณาจาก
แนวโน้มการเพิ่มขึ้นหรือลดลงของจานวนผู้มีสิทธิหรือผู้อาศัยสิทธิ ณ ต้นปีงบประมาณ
2554 จนถึงปลายปีงบประมาณ 2558 โดยจาแนกตามเพศและประเภทของสิทธิ ดังนี้
ชาย หญิง
ผู้มีสิทธิสวัสดิการโดยตรง 1.19% 1.21%
สามีภรรยาของผู้มีสิทธิ 0.90% 0.89%

More Related Content

What's hot

รูปเรขาคณิตสองมิติและสามมิติ ม.1
รูปเรขาคณิตสองมิติและสามมิติ ม.1รูปเรขาคณิตสองมิติและสามมิติ ม.1
รูปเรขาคณิตสองมิติและสามมิติ ม.1
KruGift Girlz
 
บทที่ 1 อัตราส่วนตรีโกณมิติ(ม.6 พื้นฐาน)
บทที่ 1 อัตราส่วนตรีโกณมิติ(ม.6 พื้นฐาน)บทที่ 1 อัตราส่วนตรีโกณมิติ(ม.6 พื้นฐาน)
บทที่ 1 อัตราส่วนตรีโกณมิติ(ม.6 พื้นฐาน)sawed kodnara
 
ข้อสอบเรื่องการคูณและการหารเลขยกกำลัง
ข้อสอบเรื่องการคูณและการหารเลขยกกำลังข้อสอบเรื่องการคูณและการหารเลขยกกำลัง
ข้อสอบเรื่องการคูณและการหารเลขยกกำลังทับทิม เจริญตา
 
บทที่ 1 อัตราส่วนตรีโกณมิติ ม.ต้น
บทที่ 1 อัตราส่วนตรีโกณมิติ ม.ต้นบทที่ 1 อัตราส่วนตรีโกณมิติ ม.ต้น
บทที่ 1 อัตราส่วนตรีโกณมิติ ม.ต้น
sawed kodnara
 
ชุดที่ 1 อัตราส่วน
ชุดที่ 1 อัตราส่วนชุดที่ 1 อัตราส่วน
ชุดที่ 1 อัตราส่วน
Sataporn Butsai
 
เส้นขนาน ม.2
เส้นขนาน ม.2เส้นขนาน ม.2
เส้นขนาน ม.2
KruGift Girlz
 
บทที่ 2 ทฤษฎีบทพีทาโกรัส
บทที่ 2 ทฤษฎีบทพีทาโกรัสบทที่ 2 ทฤษฎีบทพีทาโกรัส
บทที่ 2 ทฤษฎีบทพีทาโกรัส
sawed kodnara
 
ใบงานสถิติและข้อมูล
ใบงานสถิติและข้อมูลใบงานสถิติและข้อมูล
ใบงานสถิติและข้อมูล
peesartwit
 
2.1 การแยกตัวประกอบของพหุนามที่อยู่ในรูปผลบวกและผลต่างของกำลังสาม
2.1 การแยกตัวประกอบของพหุนามที่อยู่ในรูปผลบวกและผลต่างของกำลังสาม2.1 การแยกตัวประกอบของพหุนามที่อยู่ในรูปผลบวกและผลต่างของกำลังสาม
2.1 การแยกตัวประกอบของพหุนามที่อยู่ในรูปผลบวกและผลต่างของกำลังสาม
Somporn Amornwech
 
โจทย์ฝึกทักษะอัตราส่วนตรีโกณมิติ
โจทย์ฝึกทักษะอัตราส่วนตรีโกณมิติโจทย์ฝึกทักษะอัตราส่วนตรีโกณมิติ
โจทย์ฝึกทักษะอัตราส่วนตรีโกณมิติ
sawed kodnara
 
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 1 หน่วยที่ 1
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 1 หน่วยที่ 1ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 1 หน่วยที่ 1
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 1 หน่วยที่ 1คุณครูพี่อั๋น
 
แบบทดสอบหน่วยที่ 1 กรณฑ์ที่สอง
แบบทดสอบหน่วยที่ 1  กรณฑ์ที่สองแบบทดสอบหน่วยที่ 1  กรณฑ์ที่สอง
แบบทดสอบหน่วยที่ 1 กรณฑ์ที่สองSathuta luamsai
 
ระบบสมการเชิงเส้นสองตัวแปร
ระบบสมการเชิงเส้นสองตัวแปรระบบสมการเชิงเส้นสองตัวแปร
ระบบสมการเชิงเส้นสองตัวแปรพัน พัน
 
ตัวอย่างข้อสอบ Gsp งานศิลปะหัตกรรม ปีการศึกษา 2552
ตัวอย่างข้อสอบ Gsp งานศิลปะหัตกรรม ปีการศึกษา 2552ตัวอย่างข้อสอบ Gsp งานศิลปะหัตกรรม ปีการศึกษา 2552
ตัวอย่างข้อสอบ Gsp งานศิลปะหัตกรรม ปีการศึกษา 2552waranyuati
 
เรื่องเศษส่วนพหุนาม
เรื่องเศษส่วนพหุนามเรื่องเศษส่วนพหุนาม
เรื่องเศษส่วนพหุนามพัน พัน
 
ชุดที่ 8 การแก้โจทย์ปัญหาเกี่ยวกับสัดส่วน
ชุดที่ 8 การแก้โจทย์ปัญหาเกี่ยวกับสัดส่วนชุดที่ 8 การแก้โจทย์ปัญหาเกี่ยวกับสัดส่วน
ชุดที่ 8 การแก้โจทย์ปัญหาเกี่ยวกับสัดส่วน
พิทักษ์ ทวี
 
ร้อยละในชีวิตประจำวัน
ร้อยละในชีวิตประจำวันร้อยละในชีวิตประจำวัน
ร้อยละในชีวิตประจำวันkroojaja
 
ข้อสอบเมทริกซ์
ข้อสอบเมทริกซ์ข้อสอบเมทริกซ์
ข้อสอบเมทริกซ์K'Keng Hale's
 
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 2 หน่วยที่ 2
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 2 หน่วยที่ 2ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 2 หน่วยที่ 2
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 2 หน่วยที่ 2คุณครูพี่อั๋น
 

What's hot (20)

รูปเรขาคณิตสองมิติและสามมิติ ม.1
รูปเรขาคณิตสองมิติและสามมิติ ม.1รูปเรขาคณิตสองมิติและสามมิติ ม.1
รูปเรขาคณิตสองมิติและสามมิติ ม.1
 
บทที่ 1 อัตราส่วนตรีโกณมิติ(ม.6 พื้นฐาน)
บทที่ 1 อัตราส่วนตรีโกณมิติ(ม.6 พื้นฐาน)บทที่ 1 อัตราส่วนตรีโกณมิติ(ม.6 พื้นฐาน)
บทที่ 1 อัตราส่วนตรีโกณมิติ(ม.6 พื้นฐาน)
 
ข้อสอบเรื่องการคูณและการหารเลขยกกำลัง
ข้อสอบเรื่องการคูณและการหารเลขยกกำลังข้อสอบเรื่องการคูณและการหารเลขยกกำลัง
ข้อสอบเรื่องการคูณและการหารเลขยกกำลัง
 
บทที่ 1 อัตราส่วนตรีโกณมิติ ม.ต้น
บทที่ 1 อัตราส่วนตรีโกณมิติ ม.ต้นบทที่ 1 อัตราส่วนตรีโกณมิติ ม.ต้น
บทที่ 1 อัตราส่วนตรีโกณมิติ ม.ต้น
 
ชุดที่ 1 อัตราส่วน
ชุดที่ 1 อัตราส่วนชุดที่ 1 อัตราส่วน
ชุดที่ 1 อัตราส่วน
 
เส้นขนาน ม.2
เส้นขนาน ม.2เส้นขนาน ม.2
เส้นขนาน ม.2
 
บทที่ 2 ทฤษฎีบทพีทาโกรัส
บทที่ 2 ทฤษฎีบทพีทาโกรัสบทที่ 2 ทฤษฎีบทพีทาโกรัส
บทที่ 2 ทฤษฎีบทพีทาโกรัส
 
ใบงานสถิติและข้อมูล
ใบงานสถิติและข้อมูลใบงานสถิติและข้อมูล
ใบงานสถิติและข้อมูล
 
2.1 การแยกตัวประกอบของพหุนามที่อยู่ในรูปผลบวกและผลต่างของกำลังสาม
2.1 การแยกตัวประกอบของพหุนามที่อยู่ในรูปผลบวกและผลต่างของกำลังสาม2.1 การแยกตัวประกอบของพหุนามที่อยู่ในรูปผลบวกและผลต่างของกำลังสาม
2.1 การแยกตัวประกอบของพหุนามที่อยู่ในรูปผลบวกและผลต่างของกำลังสาม
 
โจทย์ฝึกทักษะอัตราส่วนตรีโกณมิติ
โจทย์ฝึกทักษะอัตราส่วนตรีโกณมิติโจทย์ฝึกทักษะอัตราส่วนตรีโกณมิติ
โจทย์ฝึกทักษะอัตราส่วนตรีโกณมิติ
 
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 1 หน่วยที่ 1
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 1 หน่วยที่ 1ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 1 หน่วยที่ 1
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 1 หน่วยที่ 1
 
แบบทดสอบหน่วยที่ 1 กรณฑ์ที่สอง
แบบทดสอบหน่วยที่ 1  กรณฑ์ที่สองแบบทดสอบหน่วยที่ 1  กรณฑ์ที่สอง
แบบทดสอบหน่วยที่ 1 กรณฑ์ที่สอง
 
ระบบสมการเชิงเส้นสองตัวแปร
ระบบสมการเชิงเส้นสองตัวแปรระบบสมการเชิงเส้นสองตัวแปร
ระบบสมการเชิงเส้นสองตัวแปร
 
3หลักสูตรคณิตเพิ่มเติมม.ต้น
3หลักสูตรคณิตเพิ่มเติมม.ต้น3หลักสูตรคณิตเพิ่มเติมม.ต้น
3หลักสูตรคณิตเพิ่มเติมม.ต้น
 
ตัวอย่างข้อสอบ Gsp งานศิลปะหัตกรรม ปีการศึกษา 2552
ตัวอย่างข้อสอบ Gsp งานศิลปะหัตกรรม ปีการศึกษา 2552ตัวอย่างข้อสอบ Gsp งานศิลปะหัตกรรม ปีการศึกษา 2552
ตัวอย่างข้อสอบ Gsp งานศิลปะหัตกรรม ปีการศึกษา 2552
 
เรื่องเศษส่วนพหุนาม
เรื่องเศษส่วนพหุนามเรื่องเศษส่วนพหุนาม
เรื่องเศษส่วนพหุนาม
 
ชุดที่ 8 การแก้โจทย์ปัญหาเกี่ยวกับสัดส่วน
ชุดที่ 8 การแก้โจทย์ปัญหาเกี่ยวกับสัดส่วนชุดที่ 8 การแก้โจทย์ปัญหาเกี่ยวกับสัดส่วน
ชุดที่ 8 การแก้โจทย์ปัญหาเกี่ยวกับสัดส่วน
 
ร้อยละในชีวิตประจำวัน
ร้อยละในชีวิตประจำวันร้อยละในชีวิตประจำวัน
ร้อยละในชีวิตประจำวัน
 
ข้อสอบเมทริกซ์
ข้อสอบเมทริกซ์ข้อสอบเมทริกซ์
ข้อสอบเมทริกซ์
 
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 2 หน่วยที่ 2
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 2 หน่วยที่ 2ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 2 หน่วยที่ 2
ข้อสอบกลางภาค คณิต ม.1 เทอม 1 ชุดที่ 2 หน่วยที่ 2
 

Viewers also liked

Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
BAINIDA
 
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
BAINIDA
 
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
BAINIDA
 
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...
BAINIDA
 
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา รุ่งระวี วทม. (NIDA)
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา  รุ่งระวี วทม. (NIDA)  วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา  รุ่งระวี วทม. (NIDA)
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา รุ่งระวี วทม. (NIDA)
BAINIDA
 
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์ เอื้อวัฒนามงคล
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์  เอื้อวัฒนามงคลMachine Learning: An introduction โดย รศ.ดร.สุรพงค์  เอื้อวัฒนามงคล
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์ เอื้อวัฒนามงคล
BAINIDA
 
Actuarial Sciences and Risk Management @NIDA ผศ.ดร.ปรีชา วิจิตรธรรมรส หัวหน้...
Actuarial Sciences and Risk Management @NIDA ผศ.ดร.ปรีชา  วิจิตรธรรมรส หัวหน้...Actuarial Sciences and Risk Management @NIDA ผศ.ดร.ปรีชา  วิจิตรธรรมรส หัวหน้...
Actuarial Sciences and Risk Management @NIDA ผศ.ดร.ปรีชา วิจิตรธรรมรส หัวหน้...
BAINIDA
 
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...
BAINIDA
 
Introduction to big data and analytic eakasit patcharawongsakda
Introduction to big data and analytic eakasit patcharawongsakdaIntroduction to big data and analytic eakasit patcharawongsakda
Introduction to big data and analytic eakasit patcharawongsakda
BAINIDA
 
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร ...
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร  ..."Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร  ...
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร ...
BAINIDA
 
From fraudulence to adversarial learning จรัล งามวิโรจน์เจริญ chief data sci...
From fraudulence to adversarial learning  จรัล งามวิโรจน์เจริญ chief data sci...From fraudulence to adversarial learning  จรัล งามวิโรจน์เจริญ chief data sci...
From fraudulence to adversarial learning จรัล งามวิโรจน์เจริญ chief data sci...
BAINIDA
 
Smart farm concept ait
Smart farm concept aitSmart farm concept ait
Smart farm concept ait
Pisuth paiboonrat
 
ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...
ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...
ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...
BAINIDA
 
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
BAINIDA
 
Proportional Hazard Model for Predicting Stroke Mortality โดย พิมพ์ชนก พุฒขาว...
Proportional Hazard Model for Predicting Stroke Mortality โดย พิมพ์ชนก พุฒขาว...Proportional Hazard Model for Predicting Stroke Mortality โดย พิมพ์ชนก พุฒขาว...
Proportional Hazard Model for Predicting Stroke Mortality โดย พิมพ์ชนก พุฒขาว...
BAINIDA
 
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิลText Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
BAINIDA
 

Viewers also liked (16)

Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
Big Data Analytics to Enhance Security คุณอนพัทย์ พิพัฒน์กิติบดี Technical Ma...
 
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
สถิติทางการกับการพัฒนาประเทศ บทบาทของสำนักงานสถิติแห่งชาติ โดย นางหทัยชนก พรร...
 
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
Big data technology by Data Sciences Thailand ในงาน THE FIRST NIDA BUSINESS A...
 
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...
นำเสนอขาย RMF อย่างไรให้ได้ผล: การศึกษาเชิงทดลองเพื่อรองรับภาวะสังคมผู้สูงอาย...
 
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา รุ่งระวี วทม. (NIDA)
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา  รุ่งระวี วทม. (NIDA)  วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา  รุ่งระวี วทม. (NIDA)
วิชาการสถิติเกี่ยวข้องกับงานวิจัยเกษตรอย่างไร โดย พุฒนา รุ่งระวี วทม. (NIDA)
 
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์ เอื้อวัฒนามงคล
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์  เอื้อวัฒนามงคลMachine Learning: An introduction โดย รศ.ดร.สุรพงค์  เอื้อวัฒนามงคล
Machine Learning: An introduction โดย รศ.ดร.สุรพงค์ เอื้อวัฒนามงคล
 
Actuarial Sciences and Risk Management @NIDA ผศ.ดร.ปรีชา วิจิตรธรรมรส หัวหน้...
Actuarial Sciences and Risk Management @NIDA ผศ.ดร.ปรีชา  วิจิตรธรรมรส หัวหน้...Actuarial Sciences and Risk Management @NIDA ผศ.ดร.ปรีชา  วิจิตรธรรมรส หัวหน้...
Actuarial Sciences and Risk Management @NIDA ผศ.ดร.ปรีชา วิจิตรธรรมรส หัวหน้...
 
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...
Analytics of Hospital Clustering & Profiling as a Tool for Evidence-based Org...
 
Introduction to big data and analytic eakasit patcharawongsakda
Introduction to big data and analytic eakasit patcharawongsakdaIntroduction to big data and analytic eakasit patcharawongsakda
Introduction to big data and analytic eakasit patcharawongsakda
 
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร ...
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร  ..."Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร  ...
"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร ...
 
From fraudulence to adversarial learning จรัล งามวิโรจน์เจริญ chief data sci...
From fraudulence to adversarial learning  จรัล งามวิโรจน์เจริญ chief data sci...From fraudulence to adversarial learning  จรัล งามวิโรจน์เจริญ chief data sci...
From fraudulence to adversarial learning จรัล งามวิโรจน์เจริญ chief data sci...
 
Smart farm concept ait
Smart farm concept aitSmart farm concept ait
Smart farm concept ait
 
ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...
ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...
ออกแบบกรมธรรมประกันชีวิตให้เข้าใจง่ายและดึงดูดใจคนซื้อ: การศึกษาตัวแปรส่งผ่าน...
 
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
เสถียรภาพและความมั่นคงของกองทุนการออมแห่งชาติ: การประเมินทางคณิตศาสตร์ประกันภ...
 
Proportional Hazard Model for Predicting Stroke Mortality โดย พิมพ์ชนก พุฒขาว...
Proportional Hazard Model for Predicting Stroke Mortality โดย พิมพ์ชนก พุฒขาว...Proportional Hazard Model for Predicting Stroke Mortality โดย พิมพ์ชนก พุฒขาว...
Proportional Hazard Model for Predicting Stroke Mortality โดย พิมพ์ชนก พุฒขาว...
 
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิลText Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
Text Mining in Business Intelligence โดย รศ.ดร.โอม ศรนิล
 

Similar to การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า โดย อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์ รศ.ดร.เดือนเพ็ญ ธีรวรรณวิวัฒน์ ผศ. ดร. ปรีชา วิจิตรธรรมรส รศ. ดร. พาชิตชนัต ศิริพานิช วศิน แก้วชาญค้า

รายงานประจําปี. สถานการณ์ผู้สูงอายุไทย พ.ศ.2554
รายงานประจําปี. สถานการณ์ผู้สูงอายุไทย พ.ศ.2554รายงานประจําปี. สถานการณ์ผู้สูงอายุไทย พ.ศ.2554
รายงานประจําปี. สถานการณ์ผู้สูงอายุไทย พ.ศ.2554
Utai Sukviwatsirikul
 
Data warehouse for icd By quickview
Data warehouse for icd  By quickviewData warehouse for icd  By quickview
Data warehouse for icd By quickview
Sakarin Habusaya
 
พระปกเกล้า20170527
พระปกเกล้า20170527พระปกเกล้า20170527
พระปกเกล้า20170527
Chuchai Sornchumni
 
Loadแนวข้อสอบ ผู้ดูแลผู้รับการสงเคราะห์ กระทรวงการพัฒนาสังคมและความมั่นคงของ...
 Loadแนวข้อสอบ ผู้ดูแลผู้รับการสงเคราะห์ กระทรวงการพัฒนาสังคมและความมั่นคงของ... Loadแนวข้อสอบ ผู้ดูแลผู้รับการสงเคราะห์ กระทรวงการพัฒนาสังคมและความมั่นคงของ...
Loadแนวข้อสอบ ผู้ดูแลผู้รับการสงเคราะห์ กระทรวงการพัฒนาสังคมและความมั่นคงของ...
nawaporn khamseanwong
 
Loadแนวข้อสอบ นักวิชาการสาธารณสุขปฏิบัติการ สำนักงานปลัดกระทรวงสาธารณสุข
 Loadแนวข้อสอบ นักวิชาการสาธารณสุขปฏิบัติการ สำนักงานปลัดกระทรวงสาธารณสุข Loadแนวข้อสอบ นักวิชาการสาธารณสุขปฏิบัติการ สำนักงานปลัดกระทรวงสาธารณสุข
Loadแนวข้อสอบ นักวิชาการสาธารณสุขปฏิบัติการ สำนักงานปลัดกระทรวงสาธารณสุข
nawaporn khamseanwong
 
Loadแนวข้อสอบ เจ้าพนักงานพัฒนาสังคม กรมพัฒนาสังคมและสวัสดิการ
Loadแนวข้อสอบ เจ้าพนักงานพัฒนาสังคม กรมพัฒนาสังคมและสวัสดิการLoadแนวข้อสอบ เจ้าพนักงานพัฒนาสังคม กรมพัฒนาสังคมและสวัสดิการ
Loadแนวข้อสอบ เจ้าพนักงานพัฒนาสังคม กรมพัฒนาสังคมและสวัสดิการ
นวพร คำแสนวงษ์
 
Loadแนวข้อสอบ นักทรัพยากรบุคคล โรงพยาบาลราชวิถี
Loadแนวข้อสอบ นักทรัพยากรบุคคล โรงพยาบาลราชวิถีLoadแนวข้อสอบ นักทรัพยากรบุคคล โรงพยาบาลราชวิถี
Loadแนวข้อสอบ นักทรัพยากรบุคคล โรงพยาบาลราชวิถี
nawaporn khamseanwong
 
2555 orientation community dentistry
2555 orientation community dentistry2555 orientation community dentistry
2555 orientation community dentistry
Watcharin Chongkonsatit
 
2555 orientation community dentistry
2555 orientation community dentistry2555 orientation community dentistry
2555 orientation community dentistry
Watcharin Chongkonsatit
 

Similar to การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า โดย อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์ รศ.ดร.เดือนเพ็ญ ธีรวรรณวิวัฒน์ ผศ. ดร. ปรีชา วิจิตรธรรมรส รศ. ดร. พาชิตชนัต ศิริพานิช วศิน แก้วชาญค้า (9)

รายงานประจําปี. สถานการณ์ผู้สูงอายุไทย พ.ศ.2554
รายงานประจําปี. สถานการณ์ผู้สูงอายุไทย พ.ศ.2554รายงานประจําปี. สถานการณ์ผู้สูงอายุไทย พ.ศ.2554
รายงานประจําปี. สถานการณ์ผู้สูงอายุไทย พ.ศ.2554
 
Data warehouse for icd By quickview
Data warehouse for icd  By quickviewData warehouse for icd  By quickview
Data warehouse for icd By quickview
 
พระปกเกล้า20170527
พระปกเกล้า20170527พระปกเกล้า20170527
พระปกเกล้า20170527
 
Loadแนวข้อสอบ ผู้ดูแลผู้รับการสงเคราะห์ กระทรวงการพัฒนาสังคมและความมั่นคงของ...
 Loadแนวข้อสอบ ผู้ดูแลผู้รับการสงเคราะห์ กระทรวงการพัฒนาสังคมและความมั่นคงของ... Loadแนวข้อสอบ ผู้ดูแลผู้รับการสงเคราะห์ กระทรวงการพัฒนาสังคมและความมั่นคงของ...
Loadแนวข้อสอบ ผู้ดูแลผู้รับการสงเคราะห์ กระทรวงการพัฒนาสังคมและความมั่นคงของ...
 
Loadแนวข้อสอบ นักวิชาการสาธารณสุขปฏิบัติการ สำนักงานปลัดกระทรวงสาธารณสุข
 Loadแนวข้อสอบ นักวิชาการสาธารณสุขปฏิบัติการ สำนักงานปลัดกระทรวงสาธารณสุข Loadแนวข้อสอบ นักวิชาการสาธารณสุขปฏิบัติการ สำนักงานปลัดกระทรวงสาธารณสุข
Loadแนวข้อสอบ นักวิชาการสาธารณสุขปฏิบัติการ สำนักงานปลัดกระทรวงสาธารณสุข
 
Loadแนวข้อสอบ เจ้าพนักงานพัฒนาสังคม กรมพัฒนาสังคมและสวัสดิการ
Loadแนวข้อสอบ เจ้าพนักงานพัฒนาสังคม กรมพัฒนาสังคมและสวัสดิการLoadแนวข้อสอบ เจ้าพนักงานพัฒนาสังคม กรมพัฒนาสังคมและสวัสดิการ
Loadแนวข้อสอบ เจ้าพนักงานพัฒนาสังคม กรมพัฒนาสังคมและสวัสดิการ
 
Loadแนวข้อสอบ นักทรัพยากรบุคคล โรงพยาบาลราชวิถี
Loadแนวข้อสอบ นักทรัพยากรบุคคล โรงพยาบาลราชวิถีLoadแนวข้อสอบ นักทรัพยากรบุคคล โรงพยาบาลราชวิถี
Loadแนวข้อสอบ นักทรัพยากรบุคคล โรงพยาบาลราชวิถี
 
2555 orientation community dentistry
2555 orientation community dentistry2555 orientation community dentistry
2555 orientation community dentistry
 
2555 orientation community dentistry
2555 orientation community dentistry2555 orientation community dentistry
2555 orientation community dentistry
 

More from BAINIDA

Mixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciencesMixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciences
BAINIDA
 
Advanced quantitative research methods in political science and pa
Advanced quantitative  research methods in political science and paAdvanced quantitative  research methods in political science and pa
Advanced quantitative research methods in political science and pa
BAINIDA
 
Latest thailand election2019report
Latest thailand election2019reportLatest thailand election2019report
Latest thailand election2019report
BAINIDA
 
Data science in medicine
Data science in medicineData science in medicine
Data science in medicine
BAINIDA
 
Nursing data science
Nursing data scienceNursing data science
Nursing data science
BAINIDA
 
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
BAINIDA
 
Statistics and big data for justice and fairness
Statistics and big data for justice and fairnessStatistics and big data for justice and fairness
Statistics and big data for justice and fairness
BAINIDA
 
Data science and big data for business and industrial application
Data science and big data  for business and industrial applicationData science and big data  for business and industrial application
Data science and big data for business and industrial application
BAINIDA
 
Update trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-upUpdate trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-up
BAINIDA
 
Advent of ds and stat adjustment
Advent of ds and stat adjustmentAdvent of ds and stat adjustment
Advent of ds and stat adjustment
BAINIDA
 
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
BAINIDA
 
Data visualization. map
Data visualization. map Data visualization. map
Data visualization. map
BAINIDA
 
Dark data by Worapol Alex Pongpech
Dark data by Worapol Alex PongpechDark data by Worapol Alex Pongpech
Dark data by Worapol Alex Pongpech
BAINIDA
 
Deepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDADeepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDA
BAINIDA
 
Professionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data ScienceProfessionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data Science
BAINIDA
 
Deep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr SanparitDeep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr Sanparit
BAINIDA
 
Visualizing for impact final
Visualizing for impact finalVisualizing for impact final
Visualizing for impact final
BAINIDA
 
Python programming workshop
Python programming workshopPython programming workshop
Python programming workshop
BAINIDA
 
Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...
BAINIDA
 
Second prize data analysis @ the First NIDA business analytics and data scie...
Second prize data analysis @ the First NIDA  business analytics and data scie...Second prize data analysis @ the First NIDA  business analytics and data scie...
Second prize data analysis @ the First NIDA business analytics and data scie...
BAINIDA
 

More from BAINIDA (20)

Mixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciencesMixed methods in social and behavioral sciences
Mixed methods in social and behavioral sciences
 
Advanced quantitative research methods in political science and pa
Advanced quantitative  research methods in political science and paAdvanced quantitative  research methods in political science and pa
Advanced quantitative research methods in political science and pa
 
Latest thailand election2019report
Latest thailand election2019reportLatest thailand election2019report
Latest thailand election2019report
 
Data science in medicine
Data science in medicineData science in medicine
Data science in medicine
 
Nursing data science
Nursing data scienceNursing data science
Nursing data science
 
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
Financial time series analysis with R@the 3rd NIDA BADS conference by Asst. p...
 
Statistics and big data for justice and fairness
Statistics and big data for justice and fairnessStatistics and big data for justice and fairness
Statistics and big data for justice and fairness
 
Data science and big data for business and industrial application
Data science and big data  for business and industrial applicationData science and big data  for business and industrial application
Data science and big data for business and industrial application
 
Update trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-upUpdate trend: Free digital marketing metrics for start-up
Update trend: Free digital marketing metrics for start-up
 
Advent of ds and stat adjustment
Advent of ds and stat adjustmentAdvent of ds and stat adjustment
Advent of ds and stat adjustment
 
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
เมื่อ Data Science เข้ามา สถิติศาสตร์จะปรับตัวอย่างไร
 
Data visualization. map
Data visualization. map Data visualization. map
Data visualization. map
 
Dark data by Worapol Alex Pongpech
Dark data by Worapol Alex PongpechDark data by Worapol Alex Pongpech
Dark data by Worapol Alex Pongpech
 
Deepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDADeepcut Thai word Segmentation @ NIDA
Deepcut Thai word Segmentation @ NIDA
 
Professionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data ScienceProfessionals and wanna be in Business Analytics and Data Science
Professionals and wanna be in Business Analytics and Data Science
 
Deep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr SanparitDeep learning and image analytics using Python by Dr Sanparit
Deep learning and image analytics using Python by Dr Sanparit
 
Visualizing for impact final
Visualizing for impact finalVisualizing for impact final
Visualizing for impact final
 
Python programming workshop
Python programming workshopPython programming workshop
Python programming workshop
 
Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...Second prize business plan @ the First NIDA business analytics and data scien...
Second prize business plan @ the First NIDA business analytics and data scien...
 
Second prize data analysis @ the First NIDA business analytics and data scie...
Second prize data analysis @ the First NIDA  business analytics and data scie...Second prize data analysis @ the First NIDA  business analytics and data scie...
Second prize data analysis @ the First NIDA business analytics and data scie...
 

การฉายภาพประชากรข้าราชการไทยใน 30 ปีข้างหน้า โดย อาจารย์ ดร. อานนท์ ศักดิ์วรวิชญ์ รศ.ดร.เดือนเพ็ญ ธีรวรรณวิวัฒน์ ผศ. ดร. ปรีชา วิจิตรธรรมรส รศ. ดร. พาชิตชนัต ศิริพานิช วศิน แก้วชาญค้า