1. CUIR at Chulalongkorn University
  2. Faculty and Institute
  3. Faculty of Commerce and Accountancy - Acctn
  4. Acctn - Theses
Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/79117
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorวิฐรา พึ่งพาพงศ์-
dc.contributor.authorณิชากร ไทยวงษ์-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี-
dc.date.accessioned2022-07-01T04:17:31Z-
dc.date.available2022-07-01T04:17:31Z-
dc.date.issued2564-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/79117-
dc.descriptionวิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2564-
dc.description.abstractงานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบวิธีการสร้างช่วงความเชื่อมั่นสำหรับสัมประสิทธิ์การถดถอยลอจิสติกในข้อมูลที่มีมิติสูง โดยใช้การประมาณสองขั้นตอนด้วยวิธี Lasso+MLE และวิธี Lasso+ Partial Ridge ซึ่งในการศึกษานี้จะจำลองข้อมูลทั้งหมด 8 ชุด และเปรียบเทียบประสิทธิภาพของช่วงความเชื่อมั่นที่ได้จากการสร้างช่วงความเชื่อมั่นทั้งหมด 4 วิธี ได้แก่ วิธี Parametric Bootstrap Lasso+MLE, วิธี Parametric Bootstrap Lasso+Partial Ridge, วิธี Paired Bootstrap Lasso+MLE และวิธี Paired Bootstrap Lasso+Partial Ridge โดยใช้เกณฑ์ในการเปรียบเทียบประสิทธิภาพของช่วงความเชื่อมั่น คือ ความกว้างเฉลี่ยของช่วงความเชื่อมั่น ค่าความน่าจะเป็นครอบคลุม ค่าความแม่นยำ และค่าความไว จากการศึกษาภายใต้ขอบเขตดังกล่าวผลปรากฏว่า วิธี Parametric Bootstrap Lasso+Partial Ridge มีประสิทธิภาพในการสร้างช่วงความเชื่อมั่นมากที่สุด รองลงมาคือ วิธี Paired Bootstrap Lasso+Partial Ridge และวิธี Paired Bootstrap Lasso+MLE ตามลำดับ และวิธีที่มีประสิทธิภาพในการสร้างช่วงความเชื่อมั่นน้อยที่สุด ก็คือ วิธี Parametric Bootstrap Lasso+MLE ดังนั้นจึงสรุปได้ว่า การสร้างช่วงความเชื่อมั่นสำหรับสัมประสิทธิ์การถดถอยลอจิสติกโดยใช้การประมาณสองขั้นตอนด้วยวิธี Lasso+Partial Ridge มีประสิทธิภาพมากกว่าวิธี Lasso+MLE-
dc.description.abstractalternativeThis research is aimed to compare the efficiency of methods to construct confidence intervals for parameters in high-dimensional logistic regression models between a bootstrap Lasso + MLE and a bootstrap Lasso + Partial Ridge. In this study, there are 8 simulation data sets. Also, the confidence intervals are constructed by 4 methods: (i) Parametric Bootstrap Lasso+MLE (ii) Parametric Bootstrap Lasso+Partial Ridge (iii) Paired Bootstrap Lasso+MLE, and (iv) Paired Bootstrap Lasso+Partial Ridge. The performance of all 4 methods is compared in terms of average width value, coverage probability value, precision value, and recall value. From our simulation studies, they show that a Parametric Bootstrap Lasso+Partial Ridge is the best performance method to construct confidence intervals for parameters in high-dimensional logistic regression models, followed by a Paired Bootstrap Lasso+Partial Ridge method and a Paired Bootstrap Lasso+MLE method respectively, and the worse performance method is a Parametric Bootstrap Lasso+MLE method. So, we can conclude that a bootstrap Lasso + Partial Ridge method has the most effective more than that a bootstrap Lasso + MLE method.-
dc.language.isoth-
dc.publisherจุฬาลงกรณ์มหาวิทยาลัย-
dc.relation.urihttp://doi.org/10.58837/CHULA.THE.2021.1052-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัย-
dc.subjectการวิเคราะห์การถดถอยโลจิสติก-
dc.subjectทฤษฎีการประมาณค่า ‪(สถิติ)‬-
dc.subjectLogistic regression analysis-
dc.subjectEstimation theory-
dc.subject.classificationComputer Science-
dc.titleการเปรียบเทียบประสิทธิภาพของวิธีการสร้างช่วงความเชื่อมั่นสำหรับสัมประสิทธิ์การถดถอยลอจิสติกในข้อมูลที่มีมิติสูง โดยใช้การประมาณสองขั้นตอนด้วยวิธี lasso + MLE and a bootstrap lasso + partial ridge-
dc.title.alternativeEfficiency comparison on method to construct confidence intervals for parameters in high-dimensional logistic regression models between a bootstrap lasso + MLE and a bootstrap lasso + partial ridge-
dc.typeThesis-
dc.degree.nameวิทยาศาสตรมหาบัณฑิต-
dc.degree.levelปริญญาโท-
dc.degree.disciplineสถิติ-
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัย-
dc.identifier.DOI10.58837/CHULA.THE.2021.1052-
Appears in Collections:Acctn - Theses

Files in This Item:
File Description SizeFormat 
6380116126.pdf1.46 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.