Esta investigación tuvo como objetivo analizar la influencia de las relaciones directas e indirectas de los factores económicos, sociales y ambientales, así como predecir sus efectos futuros mediante la aplicación de un análisis de caminos de un modelo de método de momentos generalizado (modelo de análisis de caminos-GMM). Se cree que el modelo es el más efectivo en el análisis de relaciones, ya que es capaz de realizar predicciones precisas en comparación con los modelos originales. Lo más importante es que el modelo puede aplicarse a diferentes contextos, beneficiando las áreas de desarrollo de esos contextos. Además, se ha encontrado que el modelo es la mejor estimación lineal insesgada (BLUE), que es adecuada para pronósticos a largo plazo. Sin embargo, los resultados del estudio reflejan que las tres variables latentes de los factores económicos, sociales y ambientales tienen efectos directos e indirectos. Además, se encontró que tanto los factores económicos como los sociales tienen relaciones causales. La disponibilidad del modelo de análisis de caminos-GMM nos permite prever los cambios sociales y económicos durante los próximos 20 años (2019-2038) y predecir el cambio en las emisiones de CO relacionadas con la energía para los próximos 20 años (2019-2038). Así, el estudio pudo discernir el crecimiento económico y social de Tailandia. Los estudios han demostrado que el crecimiento económico y social de Tailandia ha aumentado en un 7.85%, basado en varios indicadores. Los indicadores económicos incluyen el producto interno bruto per cápita, la tasa de urbanización, la estructura industrial, las exportaciones netas y la inversión extranjera indirecta, mientras que los indicadores sociales incluyen el empleo, la salud y la enfermedad, la seguridad social y la protección al consumidor. Sin embargo, el medio ambiente se ha deteriorado continuamente, como se entiende a través de indicadores ambientales como el consumo de energía, la intensidad energética y las emisiones de dióxido de carbono. Esto se debe al incremento de las emisiones de CO en el consumo de energía del 39.37% (2038/2019) o 103.37 Mt CO eq. para 2038. Sin embargo, al utilizar el modelo de análisis de caminos-GMM para probar el rendimiento, produjo un error porcentual absoluto medio (MAPE) del 1.01% y un error cuadrático medio (RMSE) del 1.25%. Una comparación de los resultados anteriores con otros modelos, incluidos el modelo de regresión múltiple, el modelo gris, el modelo de red neuronal artificial (modelo ANN), la red neuronal de retropropagación (modelo BP) y el modelo de media móvil integrada autorregresiva (modelo ARIMA) proporcionó evidencia de que el modelo de análisis de caminos-GMM era el más adecuado para pronosticar y aplicar en contextos que apoyen la formulación de la estrategia nacional en el futuro.