สาระสังเขป : บทความนี้วิเคราะห์ข้อมูลจำนวนการเรียกร้องค่าสินไหมทดแทน โดยใช้แบบจำลอง RS-INGARCH (Regime-Switching Integer-Valued Generalized Autoregressive Conditional Heteroscedasticity) กับข้อมูลรายสัปดาห์จากบริษัทประกันภัยแห่งหนึ่งในประเทศยูกันดา ครอบคลุมช่วงปี พ.ศ. 2563–2567 ในธุรกิจประกันภัยรถยนต์ทั้งประเภทส่วนบุคคลและเชิงพาณิชย์ การศึกษานี้พิจารณาทั้งช่วงการแพร่ระบาดของโควิด-19 (มีนาคม พ.ศ. 2563 – มกราคม พ.ศ. 2565) และช่วงหลังการแพร่ระบาด ซึ่งเป็นช่วงที่โครงสร้างของการเคลมมีการเปลี่ยนแปลงอย่างมีนัยสำคัญ ผลการศึกษาพบว่า แบบจำลอง RS-INGARCH มีประสิทธิภาพดีกว่าแบบจำลองมาตรฐาน เช่น INAR และ INGARCH แบบสถานะเดียว โดยพิจารณาจากเกณฑ์ทางสถิติ ได้แก่ AIC, BIC, ค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง (MSE) และความแม่นยำในการพยากรณ์ข้อมูลนอกกลุ่มตัวอย่าง ทั้งนี้ ความได้เปรียบของแบบจำลอง RS-INGARCH มีความเด่นชัดเป็นพิเศษเมื่อรวมช่วงการแพร่ระบาดของโควิด-19 เข้าไปในการวิเคราะห์ สะท้อนว่าแบบจำลอง RS-INGARCH(1,1) สามารถอธิบายการเปลี่ยนแปลงแบบฉับพลันของรูปแบบการเคลมได้ดีกว่า นอกจากนี้ ผลการวิเคราะห์จากกราฟความสัมพันธ์ในตัวเอง (ACF) และการทดสอบ Ljung–Box ยังแสดงให้เห็นว่า แบบจำลอง RS-INGARCH(1,1) ช่วยลดปัญหาความสัมพันธ์ของค่าคลาดเคลื่อนได้อย่างมีประสิทธิภาพ และในบรรดาการกำหนดค่าหน่วงเวลาต่าง ๆ พบว่าแบบจำลอง INGARCH(1,1) ให้ผลลัพธ์ที่เหมาะสมที่สุด การศึกษายังพบว่า การกำหนดแบบจำลองแบบ 2 ระบอบ (two-regime) เหมาะสมกว่าการใช้ 3 ระบอบ เนื่องจากแบบหลังอาจก่อให้เกิดความไม่เสถียรและปัญหาการปรับค่ามากเกินไป (overfitting) จากข้อจำกัดของข้อมูลในบางช่วง โดยสรุป การศึกษานี้เสนอให้ใช้แบบจำลอง RS-INGARCH(1,1) ในการพยากรณ์และประเมินความเสี่ยง โดยเฉพาะในช่วงที่มีการเปลี่ยนแปลงเชิงโครงสร้างของข้อมูล เช่น ในตลาดประกันภัยของประเทศกำลังพัฒนา ซึ่งมีความผันผวนสูง