การประมาณค่าแบบริดจ์เมื่อมีค่าสังเกตสูญหาย

วิวัฒน์ สกลสนธิเศรษฐ์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/62454

Title:	การประมาณค่าแบบริดจ์เมื่อมีค่าสังเกตสูญหาย
Other Titles:	Ridge estimation with missing observations
Authors:	วิวัฒน์ สกลสนธิเศรษฐ์
Advisors:	สรชัย พิศาลบุตร
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย
Subjects:	การถดถอยริดจ์ การวิเคราะห์เชิงตัวเลข Ridge regression (Statistics) Numerical analysis
Issue Date:	2532
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบวิธีประมาณค่าพารามิเตอร์ β ในสมการถดถอย Y = Xβ + U เมื่อเกิดปัญหาค่าสังเกตสูญหายและปัญหา Multicolinearity พร้อมๆ กัน วิธีประมาณค่าที่ใช้ในการศึกษามี 5 วิธีคือ วิธี Mean-Hoerl, Kennard and Baldwin, วิธี Mean-Lawless and Wang, วิธี Regression-Hoerl, Kennard and Baldwin, วิธี Regression-Lawless and Wang และวิธี Ordinary Least Square การศึกษาวิจัยได้ใช้เทคนิคการจำลองแบบด้วยเครื่องคอมพิวเตอร์ สร้างตัวแปรอิสระที่มีการแจกแจงแบบปกติ 5 ตัวแปร โดยกำหนดค่าสหสัมพันธ์คือ (p,p*) = (.99,.10), (.99,.99), (.90,.10), (.90,.90) และ (.70, .30) พร้อมทั้งแปรค่าของ σ² ไปเป็น 5 ระดับคือ σ² = .01 .10 .50 1.0 และ 5.0 กำหนดให้ตัวแปรอิสระทุกตัวมีข้อมูลสูญหายโดยผันแปรไปโดยสุ่ม ตั้งแต่ 5-15% และใช้ตัวอย่างขนาด 20 และ 30 การคำนวณหาตัวประมาณค่าพารามิเตอร์ β ทั้ง 5 วิธี ได้ทำการจำลองซ้ำๆ กัน 15 ครั้ง การเปรียบเทียบประสิทธิภาพของวิธีประมาณค่าแต่ละวิธีพิจารณาจากค่าผลรวมของความคลาดเคลื่อนกำลังสองเฉลี่ย ผลการวิจัยพบว่า วิธิประมาณค่าแบบ Ordinary Least Square ยังคงใช้ได้ดีถ้าตัวแปรตาม Y มีค่าที่คล้ายคลึงกัน แต่ถ้าตัวแปรตาม Y มีค่าความแปรปรวนมาก และตัวอย่างมีขนาดญใหญ่ขึ้นวิธีประมาณค่าแบบ Regression-Hoerl, Kennard and Baldwin จะเป็นวิธีประมาณค่าที่เหมาะสมกว่า อย่างไรก็ตามในสถานการณ์อื่นๆ พบว่า โดยทั่วไปแล้ววิธีประมาณค่าแบบ Mean-Hoerl, Kennard and Baldwin เป็นวิธีประมาณค่าที่เหมาะสมที่สุด
Other Abstract:	The objective of this research is to make use of methods in estimating parameter β, in the regression model Y= Xβ + U when problem of missing observations and multicolinearity is encountered. Five methods for estimating parameter were Mean-Hoerl, Kennard and Badwin, Mean-Lawless and Wang, Regression-Hoerl, Kennard and Baldwin, Regression-Lawless and Wang and Ordinary Least Square. This study made use of computer in generating data by simulation technique, simulate poeudo normal of five independent variable, which correlation coefficients were (p,p*) = (.99,.10), (.99,.99), (.90,.10), (.90,.90) และ (.70, .30) and varying the value of σ² = .01 .10 .50 1.0 and 5.0 respectively. Every independent variable assigned to be missing randomly, and varying from 5 to 10 percent. The sample of size 20 and 30 were used Simulation in each case was repeated 15 times and each time calculate for each estimator. In order to compare these five methods the Total Mean Square Errors were used. The results of this research were the following if dependent variables Y are highly homogeneous, the Ordinary Least Square method would be a worthwhile candidate, but when large sample and variance of dependent variables Y are maximum, the Regression-Hoerl, Kennard and Baldwin method tend to be the best estimation method, however, the Mean-Hoerl, Kennard and Baldwin method is more appropriate than another four methods in other cases.
Description:	วิทยานิพนธ์ (สต.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2532
Degree Name:	สถิติศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	สถิติ
URI:	http://cuir.car.chula.ac.th/handle/123456789/62454
ISBN:	9745767999
Type:	Thesis
Appears in Collections:	Grad - Theses

Files in This Item:

File	Size	Format
Wiwat_sa_front_p.pdf	8.32 MB	Adobe PDF	View/Open
Wiwat_sa_ch1_p.pdf	4.28 MB	Adobe PDF	View/Open
Wiwat_sa_ch2_p.pdf	14.89 MB	Adobe PDF	View/Open
Wiwat_sa_ch3_p.pdf	5.62 MB	Adobe PDF	View/Open
Wiwat_sa_ch4_p.pdf	22.16 MB	Adobe PDF	View/Open
Wiwat_sa_back_p.pdf	33.5 MB	Adobe PDF	View/Open

Show full item record