การประมาณค่าพารามิเตอร์ของตัวแบบถดถอยโลจิสติคทวินาม

ทัศนาพร จงเกตุกรณ์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/65687

Title:	การประมาณค่าพารามิเตอร์ของตัวแบบถดถอยโลจิสติคทวินาม
Other Titles:	Parameter-estimation methods for binomial logistic regression model
Authors:	ทัศนาพร จงเกตุกรณ์
Advisors:	สุพล ดุรงค์วัฒนา
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี
Advisor's Email:	Supol.D@Chula.ac.th,supol@cbs.chula.ac.th
Subjects:	การประมาณค่าพารามิเตอร์ การวิเคราะห์การถดถอยโลจิสติก Parameter estimation Logistic regression analysis
Issue Date:	2546
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบวิธีการประมาณค่าพารามิเตอร์ในตัวแบบถดถอยโลจิสติคทวินาม โดยวิธีการประมาณค่าพารามิเตอร์ที่ใช้ในการวิจัยครั้งนี้คือ วิธีความควรจะเป็นสูงสุด ( Maximum Likelihood Method : ML ) วิธีการถ่วงน้ำหนัก ( Weighting Method : WE ) และ วิธีปรับแก้เบื้องต้น ( Prior Correction Method : PC) เมื่อตัวแบบทดถอยโลจิลติคมีรูปแบบดังนี้ π(x1) = [สูตรสมการ] โดยที่ π(x1) แทนความน่าจะเป็นเมื่อเกิดเหตุการณ์ที่สนใจของตัวแปรตาม (Y) X1, X2, … Xp แทนตัวแปรอิสระ β0, β1, …, βp แทนค่าสัมประสิทธิ์ของการถดถอย P แทนจำนวนตัวแปรอิสระ สำหรับข้อมูลตัวแปรตามที่ใช้ในการวิจัยครั้งนี้มีการแจกแจงแบบทวินามด้วยพารามิเตอร์ n1= n และ π(x1) การเปรียบเทียบกระทำภายใต้สถานการณ์ของจำนวนตัวแปรอิสระแต่ละตัวแบบเท่ากับ 3 5 และ 7 ตัว จำนวนกลุ่ม (m) เท่ากับ 30 90 150 และ 210 ค่าพารามิเตอร์ n เท่ากับ 10 20 และ 30 ค่าเฉลี่ยความน่าจะเป็นของเหตุการณ์ที่สนใจของประชากรเท่ากับ 0.1 0.3 0.5 และ 0.8 เกณฑ์ที่ใช้ในการเปรียบเทียบคือ ค่าระยะทางมาหาโลบิสเฉลี่ย (Average Mahalanobis distance : AMH ) ข้อมูลที่ใช้ในวิจัยครั้งนี้ได้จากการจำลองด้วยเทคนิคมอนติคาร์โลโดยการกระทำซํ้า 500 ครั้ง ในแต่ละสถานการณ์โดยใช้โปรแกรม S-Plus 2000 ผลการวิจัยสรุปดังนี้ เมื่อค่าเฉลี่ยความน่าจะเป็นของเหตุการณ์ที่สนใจของประชากรเท่ากับ 0.1 และ 0.3 จะพบว่า วิธีความควรจะเป็นสูงสุดให้ค่า AM H ตํ่าที่สุด รองลงมาคือ วิธีปรับแก้เบื้องต้น และ วิธีการถ่วงน้ำหนัก ตามลำตับ สำหรับ ตัวอย่างทุกจำนวนกลุ่มและทุก n แต่ในกรณีที่ค่าเฉลี่ยความน่าจะเป็นของเหตุการณ์ที่สนใจของประชากรเท่ากับ 0.5 และ 0.8 จะพบว่า วิธีปรับแก้เบื้องต้น ให้ค่า AMH ตํ่าที่สุด รองลงมาคือ วิธีการถ่วงน้ำหนัก และ วิธีความ ควรจะเป็นสูงสุด ตามลำดับ สำหรับตัวอย่างทุกจำนวนกลุ่มและทุก n จะเห็นได้ว่ากรณีค่าเฉลี่ยความน่าจะเป็นของเหตุการณ์ที่สนใจระหว่างประชากรและตัวอย่างใกล้เคียงกันมากขึ้นวิธีการถ่วงน้ำหนักและวิธีการปรับแก้เบื้องต้นจะ ทำให้ประมาณค่าพารามิเตอร์มีประสิทธิภาพมากขึ้น
Other Abstract:	The objective of this research is to compare the parameter estimation methods of binomial logistic regression model. The methods of estimating parameter under consideration เท this research are Maximum Likelihood Method (ML) Weighting Method (WE) and Prior Correction Method (PC). The model for logistic regression is as follows: π (x1) = [Equation] where π (x1) is the probability of interested events of dependent variable; X1, X2.....,Xp are the independent variable ; β0, β1, …, βp are the regression coefficients ; p is the number of independent variable . In addition the data of dependent variable of this research has been binomial distribution with n1 = n and π (x1) parameters. The comparison is done under conditions of the numbers of independent variable are equal to 3 5 and 7 , sample group are equal to 30 90 150 and 210 , the determination of n parameter value is 10 20 and 30 and the average probability of success in population are equal to 0.1 0.3 0.5 and 0.8 .The criteria employed for the comparison are Average Mahalanobis distance (AMH). The data for this research is simulated by using the Monte Carlo simulation technique with 500 repetitions for each situation by S-plus 2000 package . The results of this research are as follows: According to the comparison of AMH from three referred methods, it is found that when the average probability of success in population are equal to 0.1 and 0.3 1 ML method would give the lowest AMH .while PC and WE are the second and the third lowest 1 respectively 1 for all groups and values of n. In case the average probability of success in population are equal to 0.5 and 0.8 , PC method would give the lowest AMH .while WE and ML are the second and the third lowest , respectively, for all groups and values of n . It is found that the closer the average probability of success between population and sample are , the more efficiency that parameter estimation from WE and PC methods will be.
Description:	วิทยานิพนธ์ (สต.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2546
Degree Name:	สถิติศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	สถิติ
URI:	http://cuir.car.chula.ac.th/handle/123456789/65687
URI:	http://doi.org/10.14457/CU.the.2003.804
ISBN:	9741743475
metadata.dc.identifier.DOI:	10.14457/CU.the.2003.804
Type:	Thesis
Appears in Collections:	Acctn - Theses

Files in This Item:

File	Description	Size	Format
Tatsanaporn_jo_front_p.pdf	หน้าปก บทคัดย่อ และสารบัญ	796.33 kB	Adobe PDF	View/Open
Tatsanaporn_jo_ch1_p.pdf	บทที่ 1	687.38 kB	Adobe PDF	View/Open
Tatsanaporn_jo_ch2_p.pdf	บทที่ 2	1.57 MB	Adobe PDF	View/Open
Tatsanaporn_jo_ch3_p.pdf	บทที่ 3	949.59 kB	Adobe PDF	View/Open
Tatsanaporn_jo_ch4_p.pdf	บทที่ 4	1.59 MB	Adobe PDF	View/Open
Tatsanaporn_jo_ch5_p.pdf	บทที่ 5	651.81 kB	Adobe PDF	View/Open
Tatsanaporn_jo_back_p.pdf	รายการอ้างอิง และภาคผนวก	748.06 kB	Adobe PDF	View/Open

Show full item record