Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/73955
| Title: | การเปรียบเทียบวิธีประมาณค่าพารามิเตอร์ในสมการถดถอยเชิงเส้นอย่างง่าย เมื่อความคลาดเคลื่อนมีอัตตสหสัมพันธ์อันอับที่หนึ่ง |
| Other Titles: | A comparison on parameter estimation methods in simple linear regression with first-order autoregressive error term |
| Authors: | เกษศิริ โมรา |
| Advisors: | มานพ วราภักดิ์ |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย |
| Subjects: | การประมาณค่าพารามิเตอร์ การวิเคราะห์การถดถอย Parameter estimation Regression analysis |
| Issue Date: | 2535 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | การวิจัยครั้งนี้มีวัตถุประสงค์ เพื่อศึกษาเปรียบเทียบวิธีการประมาณค่าพารามิเตอร์เพื่อการพยากรณ์เมื่อความคลาดเคลื่อนมีอัตตสหสัมพันธ์ของวิธีการประมาณ 3 วิธีคือ วิธีกำลังสองน้อยที่สุด วิธีกำลังสองน้อยที่สุด วิธีกำลังสองน้อยที่สุดแบบไม่เป็นเชิงเส้น และวิธีการแปลงข้อมูลโดยใช้ผลต่างอันดับที่หนึ่ง การเปรียบเทียบกระทำภายใต้เงื่อนไขของค่าอัตตสหสัมพันธ์ ขนาดตัวอย่าง และรูปแบบของตัวแปรอิสระ 3 รูปแบบ ข้อมูลที่ใช้ในการวิจัยครั้งนี้ได้จากการจำลองด้วยเทคนิคมอนติคาร์โลและทำการทดลองซ้ำ ๆ กับ 500 ครั้ง ในแต่ละสถานการณ์ที่กำหนด เพื่อคำนวณค่ารากที่สองของค่าเฉลี่ยของความคลาดเคลื่อนกำลังสอง (RMSE) ของค่าพยากรณ์ของวิธีพยากรณ์ทั้งสาม ผลการวิจัยสรุปได้ดังนี้ กรณีอัตตสหสัมพันธ์ระดับต่ำ (0,3 และ 0.4) ในทุกขนาดตัวอย่างและทุกรูปแบบตัวแปรอิสระ วิธีกำลังสองน้อยที่สุดแบบไม่เป็นเชิงเส้นและวิธีกำลังสองน้อยที่สุดมีค่า RMSE อยู่ในระดับใกล้เคียงกัน และวิธีการแปลงข้อมูลโดยใช้ผลต่างอันดับที่หนึ่ง มีค่า RMSE สูงสุด 2) กรณีอัตตสหสัมพันธ์ระดับกลาง (0.5, 0.6 และ 0.7) ในทุกขนาดตัวอย่างและทุกรูปแบบตัวแปรอิสระ วิธีกำลังสองน้อยที่สุดแบบไม่เป็นเชิงเส้นมีค่า RMSE ต่ำสุด รองลงมาคือ วิธีกำลังสองน้อยที่สุด และวิธีการแปลงข้อมูลโดยใช้ผลต่างอันดับที่หนึ่ง ตามลำดับ 3) กรณีอัตตสหสัมพันธ์ระดับสูง (0.8 และ 0.9) ในทุกขนาดตัวอย่างและทุกรูปแบบตัวแปรอิสระ วิธีการแปลงข้อมูลโดยใช้ผลต่างอันดับที่หนึ่งมีค่า RMES ต่ำสุด รองลงคือ วิธีกำลังสองน้อยที่สุดแบบไม่เป็นเชิงเส้น และวิธีกำลังสองน้อยที่สุด ตามลำดับ |
| Other Abstract: | The objective of this study is to compare parameter estimation methods for forecasting in simple linear regression having autocorrelated disturbance terms. The methods Ordinary Least Squares Method, Nonlinear Least Squared Method, and First Difference Transformation Method. The comparison was done under conditions of severity of autocorrelation (p), sample sizes, and three forms of independent variable. The data for this experiment were generated through the Monte Carlo Simulation technique. The experiment was repeated 500 times under each condition to calculate the square root of the mean squared forecast error (RMSE) of each method. The results of the study are summarized as follows: 1. In case of low autocorrelations, p ≤ 0.4, the RMSE’s of the Nonlinear Least Squares Method and Ordinary Least Squares Method are at the same level, and the First Difference Transformation Method has the maximum RMSE for all sample sizes and all forms of the independent variable. 2. In case of medium autocorrelations, 0.5 ≤ p ≤ 0.7, the Nonlinear Least Squares Method has the minimum RMSE, and the first Difference Transformation Method has the maximum RMSE for all sample sizes and all forms of the independent variable. 3. In case of high autocorrelations, 0.8 ≤ p, the First Difference Transformation Method has the minimum RMSE, and the Ordinary Least Squares Method has the maximum RMSE for all sample sizes and all form of the independent variable. |
| Description: | วิทยานิพนธ์ (สต.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2535 |
| Degree Name: | สถิติศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | สถิติ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/73955 |
| Type: | Thesis |
| Appears in Collections: | Grad - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Kessiri_mo_front_p.pdf | 1.07 MB | Adobe PDF | View/Open | |
| Kessiri_mo_ch1_p.pdf | 883.97 kB | Adobe PDF | View/Open | |
| Kessiri_mo_ch2_p.pdf | 920.82 kB | Adobe PDF | View/Open | |
| Kessiri_mo_ch3_p.pdf | 1.1 MB | Adobe PDF | View/Open | |
| Kessiri_mo_ch4_p.pdf | 5.13 MB | Adobe PDF | View/Open | |
| Kessiri_mo_ch5_p.pdf | 838.55 kB | Adobe PDF | View/Open | |
| Kessiri_mo_back_p.pdf | 1.4 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.