World GDP Ranking คืออะไร — คู่มือเศรษฐกิจโลก 2026
GDP (Gross Domestic Product) หรือผลิตภัณฑ์มวลรวมภายในประเทศ คือมูลค่ารวมของสินค้าและบริการทั้งหมดที่ผลิตภายในประเทศในช่วงเวลาหนึ่ง (ปกติ 1 ปี) เป็นตัวชี้วัดขนาดเศรษฐกิจที่ใช้กันทั่วโลก World GDP Ranking คือการจัดอันดับประเทศตามขนาด GDP จากมากไปน้อย ใช้เปรียบเทียบขนาดเศรษฐกิจระหว่างประเทศ มี 2 แบบหลัก: Nominal GDP (ค่าเงินปัจจุบัน) และ GDP PPP (ปรับตามกำลังซื้อ) บทความนี้อธิบาย GDP ranking พร้อม Python tools สำหรับวิเคราะห์ข้อมูลเศรษฐกิจ
GDP Ranking ปัจจุบัน
# gdp_ranking.py — World GDP ranking
import json
class WorldGDPRanking:
NOMINAL_GDP = [
{"rank": 1, "country": "United States", "gdp_trillion": 28.78, "growth": "2.8%"},
{"rank": 2, "country": "China", "gdp_trillion": 18.53, "growth": "4.6%"},
{"rank": 3, "country": "Germany", "gdp_trillion": 4.59, "growth": "0.8%"},
{"rank": 4, "country": "Japan", "gdp_trillion": 4.19, "growth": "1.0%"},
{"rank": 5, "country": "India", "gdp_trillion": 3.94, "growth": "6.5%"},
{"rank": 6, "country": "United Kingdom", "gdp_trillion": 3.50, "growth": "1.1%"},
{"rank": 7, "country": "France", "gdp_trillion": 3.13, "growth": "1.1%"},
{"rank": 8, "country": "Italy", "gdp_trillion": 2.33, "growth": "0.7%"},
{"rank": 9, "country": "Brazil", "gdp_trillion": 2.33, "growth": "2.9%"},
{"rank": 10, "country": "Canada", "gdp_trillion": 2.24, "growth": "1.4%"},
]
PPP_GDP = [
{"rank": 1, "country": "China", "gdp_trillion_ppp": 35.29},
{"rank": 2, "country": "United States", "gdp_trillion_ppp": 28.78},
{"rank": 3, "country": "India", "gdp_trillion_ppp": 14.59},
{"rank": 4, "country": "Japan", "gdp_trillion_ppp": 6.72},
{"rank": 5, "country": "Germany", "gdp_trillion_ppp": 5.68},
]
THAILAND = {
"nominal_rank": "~25-27",
"gdp_trillion": 0.55,
"gdp_per_capita": "$7,800",
"growth": "3.5-4.0%",
"main_sectors": "ท่องเที่ยว, ส่งออก (อิเล็กทรอนิกส์, ยานยนต์), เกษตร",
}
def show_nominal(self):
print("=== World GDP Ranking (Nominal, 2025 est.) ===\n")
print(f" {'Rank':<6} {'Country':<20} {'GDP (Trillion $)':<18} {'Growth'}")
for c in self.NOMINAL_GDP:
print(f" {c['rank']:<6} {c['country']:<20} {c['growth']}")
def show_ppp(self):
print(f"\n=== GDP PPP Top 5 ===")
for c in self.PPP_GDP:
print(f" {c['rank']}. {c['country']:<20} trillion")
def show_thailand(self):
print(f"\n=== Thailand ===")
for key, val in self.THAILAND.items():
print(f" {key}: {val}")
gdp = WorldGDPRanking()
gdp.show_nominal()
gdp.show_ppp()
gdp.show_thailand()GDP คำนวณอย่างไร
# gdp_calculation.py — How GDP is calculated
import json
class GDPCalculation:
METHODS = {
"expenditure": {
"name": "Expenditure Approach (วิธีรายจ่าย)",
"formula": "GDP = C + I + G + (X - M)",
"components": {
"C": "Consumption — การบริโภคภาคครัวเรือน (~55-70% ของ GDP)",
"I": "Investment — การลงทุนภาคเอกชน (โรงงาน, เครื่องจักร, บ้าน)",
"G": "Government Spending — รายจ่ายภาครัฐ (สาธารณสุข, การศึกษา, กลาโหม)",
"X-M": "Net Exports — ส่งออก - นำเข้า (Trade Balance)",
},
},
"income": {
"name": "Income Approach (วิธีรายได้)",
"formula": "GDP = ค่าจ้างแรงงาน + กำไรธุรกิจ + รายได้เจ้าของกิจการ + ค่าเช่า + ดอกเบี้ย",
},
"production": {
"name": "Production Approach (วิธีการผลิต)",
"formula": "GDP = มูลค่าเพิ่ม (Value Added) ของทุกภาคือุตสาหกรรม",
},
}
TYPES = {
"nominal": {
"name": "Nominal GDP",
"description": "GDP ที่คำนวณด้วยราคาปัจจุบัน — ไม่ปรับเงินเฟ้อ",
"use": "เปรียบเทียบขนาดเศรษฐกิจระหว่างประเทศ",
},
"real": {
"name": "Real GDP",
"description": "GDP ที่ปรับเงินเฟ้อแล้ว (ใช้ปีฐาน) — วัดการเติบโตจริง",
"use": "วัด economic growth ที่แท้จริง",
},
"ppp": {
"name": "GDP PPP (Purchasing Power Parity)",
"description": "GDP ปรับตามกำลังซื้อ — 100 บาทในไทยซื้อของได้มากกว่า $3 ในสหรัฐ",
"use": "เปรียบเทียบมาตรฐานการครองชีพ",
},
"per_capita": {
"name": "GDP Per Capita",
"description": "GDP หารจำนวนประชากร — วัดรายได้เฉลี่ยต่อหัว",
"use": "วัดความมั่งคั่งของประชาชน (ไม่ใช่ขนาดเศรษฐกิจ)",
},
}
def show_methods(self):
print("=== วิธีคำนวณ GDP ===\n")
for key, method in self.METHODS.items():
print(f"[{method['name']}]")
print(f" Formula: {method['formula']}")
if 'components' in method:
for comp, desc in method['components'].items():
print(f" {comp} = {desc}")
print()
def show_types(self):
print("=== ประเภทของ GDP ===")
for key, gtype in self.TYPES.items():
print(f" [{gtype['name']}] {gtype['description']}")
calc = GDPCalculation()
calc.show_methods()
calc.show_types()Python GDP Analyzer
# gdp_analyzer.py — Python GDP analysis tools
import json
class GDPAnalyzer:
CODE = """
# gdp_analysis.py — Analyze world GDP data
import pandas as pd
import json
class WorldGDPAnalyzer:
def __init__(self):
# Sample data (use World Bank API for real data)
self.data = pd.DataFrame([
{"country": "United States", "gdp_2020": 20.94, "gdp_2025": 28.78, "population_m": 335},
{"country": "China", "gdp_2020": 14.72, "gdp_2025": 18.53, "population_m": 1412},
{"country": "Germany", "gdp_2020": 3.85, "gdp_2025": 4.59, "population_m": 84},
{"country": "Japan", "gdp_2020": 5.04, "gdp_2025": 4.19, "population_m": 124},
{"country": "India", "gdp_2020": 2.66, "gdp_2025": 3.94, "population_m": 1441},
{"country": "Thailand", "gdp_2020": 0.50, "gdp_2025": 0.55, "population_m": 72},
])
def growth_analysis(self):
'''Calculate GDP growth 2020-2025'''
df = self.data.copy()
df['growth_pct'] = ((df['gdp_2025'] - df['gdp_2020']) / df['gdp_2020'] * 100).round(1)
df['cagr'] = (((df['gdp_2025'] / df['gdp_2020']) ** (1/5)) - 1).round(4) * 100
df['gdp_per_capita'] = (df['gdp_2025'] * 1e6 / df['population_m']).round(0)
return df.sort_values('growth_pct', ascending=False)
def compare_countries(self, country1, country2):
'''Compare two countries'''
c1 = self.data[self.data['country'] == country1].iloc[0]
c2 = self.data[self.data['country'] == country2].iloc[0]
return {
'country_1': country1,
'country_2': country2,
'gdp_ratio': round(c1['gdp_2025'] / c2['gdp_2025'], 2),
'population_ratio': round(c1['population_m'] / c2['population_m'], 2),
'per_capita_1': round(c1['gdp_2025'] * 1e6 / c1['population_m']),
'per_capita_2': round(c2['gdp_2025'] * 1e6 / c2['population_m']),
}
def forecast(self, country, growth_rate, years=10):
'''Simple GDP forecast'''
current = self.data[self.data['country'] == country]['gdp_2025'].values[0]
forecast = []
for year in range(1, years + 1):
projected = current * (1 + growth_rate) ** year
forecast.append({
'year': 2025 + year,
'gdp_trillion': round(projected, 2),
})
return forecast
# analyzer = WorldGDPAnalyzer()
# growth = analyzer.growth_analysis()
# print(growth[['country', 'growth_pct', 'cagr', 'gdp_per_capita']])
# comparison = analyzer.compare_countries("China", "India")
# forecast = analyzer.forecast("India", 0.065, 10)
"""
def show_code(self):
print("=== GDP Analyzer ===")
print(self.CODE[:600])
analyzer = GDPAnalyzer()
analyzer.show_code()GDP กับการลงทุน
# gdp_investment.py — GDP and investment decisions
import json
class GDPInvestment:
INDICATORS = {
"gdp_growth": {
"name": "GDP Growth Rate",
"description": "อัตราการเติบโตของ GDP — วัดสุขภาพเศรษฐกิจ",
"impact": "GDP โต > 3% = เศรษฐกิจดี → ตลาดหุ้นมักขึ้น",
"watch": "GDP ลด 2 ไตรมาสติดกัน = Recession (ถดถอย)",
},
"gdp_per_capita": {
"name": "GDP Per Capita",
"description": "GDP ต่อหัว — วัดรายได้เฉลี่ยประชากร",
"impact": "ประเทศ GDP/capita สูง = ตลาด consumer ใหญ่ → โอกาสลงทุน",
},
"debt_to_gdp": {
"name": "Debt to GDP Ratio",
"description": "หนี้สาธารณะเทียบ GDP — วัดความยั่งยืนทางการคลัง",
"impact": "> 100% = ความเสี่ยงสูง (ญี่ปุ่น ~260%, US ~130%, ไทย ~62%)",
},
"gdp_composition": {
"name": "GDP Composition",
"description": "สัดส่วน sector ใน GDP — agriculture, industry, services",
"impact": "Services > 60% = เศรษฐกิจพัฒนา → ลงทุนภาค tech, finance",
},
}
INVESTMENT_STRATEGY = {
"emerging_markets": {
"name": "Emerging Markets (ตลาดเกิดใหม่)",
"countries": "India, Indonesia, Vietnam, Philippines",
"reason": "GDP growth สูง 5-7% → โอกาสลงทุนสูง",
"risk": "Volatility สูง, political risk, currency risk",
},
"developed_markets": {
"name": "Developed Markets (ตลาดพัฒนาแล้ว)",
"countries": "US, Germany, Japan, UK",
"reason": "เสถียร, liquidity สูง, regulation ดี",
"risk": "Growth ต่ำ 1-3%, valuation แพง",
},
"frontier_markets": {
"name": "Frontier Markets",
"countries": "Bangladesh, Kenya, Sri Lanka",
"reason": "GDP growth สูงมาก, early stage → upside potential",
"risk": "Liquidity ต่ำ, infrastructure อ่อน",
},
}
def show_indicators(self):
print("=== GDP Indicators for Investment ===\n")
for key, ind in self.INDICATORS.items():
print(f"[{ind['name']}]")
print(f" {ind['description']}")
print(f" Impact: {ind['impact']}")
print()
def show_strategy(self):
print("=== Investment Strategy by Market ===")
for key, strat in self.INVESTMENT_STRATEGY.items():
print(f"\n [{strat['name']}]")
print(f" Countries: {strat['countries']}")
print(f" Reason: {strat['reason']}")
print(f" Risk: {strat['risk']}")
inv = GDPInvestment()
inv.show_indicators()
inv.show_strategy()แหล่งข้อมูล GDP
# data_sources.py — GDP data sources
import json
class GDPDataSources:
SOURCES = {
"world_bank": {
"name": "World Bank Open Data",
"url": "data.worldbank.org",
"description": "แหล่งข้อมูลเศรษฐกิจครบที่สุด — GDP, population, trade, education",
"api": "มี API ฟรี: api.worldbank.org/v2/country/TH/indicator/NY.GDP.MKTP.CD",
},
"imf": {
"name": "IMF World Economic Outlook",
"url": "imf.org/en/Publications/WEO",
"description": "คาดการณ์เศรษฐกิจโลก — GDP forecast, inflation, trade",
"api": "มี API: datahelp.imf.org",
},
"trading_economics": {
"name": "Trading Economics",
"url": "tradingeconomics.com",
"description": "ข้อมูลเศรษฐกิจ real-time — GDP, CPI, unemployment",
"api": "API มีค่าใช้จ่าย",
},
"nesdc": {
"name": "สศช. (สำนักงานสภาพัฒนาการเศรษฐกิจฯ)",
"url": "nesdc.go.th",
"description": "ข้อมูล GDP ไทย official — quarterly reports",
},
"bot": {
"name": "ธนาคารแห่งประเทศไทย (BOT)",
"url": "bot.or.th/th/statistics",
"description": "สถิติเศรษฐกิจไทย — GDP, CPI, exchange rates, interest rates",
"api": "BOT API: api.bot.or.th",
},
}
PYTHON_API = """
# world_bank_api.py — Fetch GDP data from World Bank
import requests
import json
def get_gdp(country_code, years=5):
'''Get GDP data from World Bank API'''
url = f"https://api.worldbank.org/v2/country/{country_code}/indicator/NY.GDP.MKTP.CD"
params = {"format": "json", "per_page": years, "date": "2020:2025"}
resp = requests.get(url, params=params)
data = resp.json()
if len(data) > 1:
return [{"year": item["date"], "gdp": item["value"]}
for item in data[1] if item["value"]]
return []
# thai_gdp = get_gdp("TH")
# us_gdp = get_gdp("US")
# for entry in thai_gdp:
# print(f" {entry['year']}: trillion")
"""
def show_sources(self):
print("=== GDP Data Sources ===\n")
for key, src in self.SOURCES.items():
print(f"[{src['name']}]")
print(f" URL: {src['url']}")
print(f" {src['description']}")
print()
def show_api(self):
print("=== Python API Example ===")
print(self.PYTHON_API[:400])
sources = GDPDataSources()
sources.show_sources()
sources.show_api()FAQ - คำถามที่พบบ่อย
Q: GDP สูง = ประชาชนรวยหรือเปล่า?
A: ไม่จำเป็น — GDP วัดขนาดเศรษฐกิจ ไม่ได้วัดการกระจายรายได้ ตัวอย่าง: จีน GDP อันดับ 2 แต่ GDP per capita อันดับ ~70 (ประชากร 1.4 พันล้าน) สิ่งที่วัดความมั่งคั่งดีกว่า: GDP per capita, Gini coefficient (ความเหลื่อมล้ำ), HDI (Human Development Index) ไทย: GDP อันดับ ~25 โลก แต่ GDP per capita ~$7,800 (อันดับ ~80)
Q: Nominal GDP กับ GDP PPP อันไหนดีกว่า?
A: ใช้คนละบริบท: Nominal GDP: เปรียบเทียบขนาดเศรษฐกิจ, international trade, market size GDP PPP: เปรียบเทียบมาตรฐานการครองชีพ, กำลังซื้อจริง ตัวอย่าง: ไทย Nominal GDP $550B แต่ PPP GDP สูงกว่ามาก — เพราะค่าครองชีพถูกกว่าสหรัฐ สำหรับนักลงทุน: ใช้ Nominal สำหรับ market sizing, PPP สำหรับ consumer analysis
Q: GDP growth rate ที่ดีคือเท่าไหร่?
A: ขึ้นกับประเภทเศรษฐกิจ: Developed (US, EU, Japan): 2-3% = ดี, > 3% = ดีมาก Emerging (India, Vietnam): 5-7% = ปกติ, > 7% = ดีมาก Frontier: 7%+ = เป้าหมาย ติดลบ 2 ไตรมาส = Recession (ถดถอย) ไทย: เป้าหมาย 3-5% ถือว่าดี
Q: ทำไม Japan GDP ลดอันดับ?
A: เยนอ่อนค่ามาก (¥110 → ¥155/$) → GDP ใน dollar terms ลดลง ประชากรลด (aging society) → workforce เล็กลง → GDP growth ต่ำ Nominal GDP ลด แต่ GDP PPP ยังสูง — เพราะวัดด้วยกำลังซื้อจริง ญี่ปุ่นยังเป็นเศรษฐกิจใหญ่อันดับ 4 — คุณภาพชีวิต + technology ยังสูงมาก
