การเปรียบเทียบตัวประมาณริดจ์สำหรับการถดถอยแบบริดจ์ โดยเน้นแนวคิดแบบเบส์

เบ็ญจวรรณ ชัยกิจ

DSpace Home
→
Faculty and Institute
→
Faculty of Commerce and Accountancy - Acctn
→
Acctn - Theses
→
View Item

dc.contributor.advisor	ธีระพร วีระถาวร
dc.contributor.author	เบ็ญจวรรณ ชัยกิจ
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี
dc.date.accessioned	2020-04-22T02:07:33Z
dc.date.available	2020-04-22T02:07:33Z
dc.date.issued	2545
dc.identifier.isbn	9741716478
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/65434
dc.description	วิทยานิพนธ์ (สต.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2545	en_US
dc.description.abstract	การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบตัวประมาณริดจ์สำหรับการทดถอยแบบบริดจ์ ซึ่งใช้วิธีการหาค่า k จาก 3 วิธี คือ วิธีโฮเอิรน์และเคนนาร์ด (HK) วิธีค้นหาข้อมูลแบบลำดับ (SEQ) และวิธีเบส์ (BAY) โดยกระทำภายใต้เงื่อนไขของการแจกแจงของความคลาดเคลื่อนเป็นแบบปกติ ณ ระดับส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนเท่ากับ 0.05, 0.5, 1 และ 3 ขนาดตัวอย่าง 10, 30, 50 และ 100 และระดับความสัมพันธ์ของตัวแปรอิสระเท่ากับ 0.1, 0.3, 0.5, 0.7,0.9 และ 0.99 โดยพิจารณา 2 กรณี กล่าวคือ กรณีที่ 1 ตัวแปรอิสระมีความสัมพันธ์กัน 1 กลุ่ม (จำนวนตัวแปรอิสระเท่ากับ 3 และ 5 ตัวแปร) และกรณีที่ 2 ตัวแปรอิสระมีความสัมพันธ์กัน 2 กลุ่ม (ตัวแปรอิสระในกลุ่มที่ 1 (จำนวนตัวแปรอิสระเท่ากับ 2 หรือ 3 ตัวแปร) และกลุ่มที่ 2 (จำนวนตัวแปรอิสระเท่ากับ 2 ตัวแปร)) ข้อมูลที่ใช้ในการวิจัยครั้งนี้ได้จากการจำลองข้อมูลโดยเทคนิคมอนติคาร์โล กระทำซํ้า ๆ กัน 1,000 ครั้งในแต่ละสถานการณ์ที่กำหนด เพื่อเปรียบเทียบค่าเฉลี่ยของความคลาดเคลื่อนยกกำลังสอง (AMSE) ของตัวประมาณริดจ์แบบต่าง ๆ ข้างต้น ซึ่งผลการวิจัยสรุปได้ดังนี้ 1) กรณีที่ 1 ตัวแปรอิสระมีความสัมพันธ์กัน 1 กลุ่ม จำนวนตัวแปรอิสระเท่ากับ 3 โดยทั่วไปวิธี BAY ให้ค่า AMSE น้อยที่สุด ทุกระดับความสัมพันธ์และทุกขนาดตัวอย่าง โดยที่ส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนมีค่าเท่ากับ 0.05, 0.5 และ 1 ส่วนวิธี SEQ ให้ค่า AMSE น้อยที่สุดโดยทั่วไปเมื่อระดับความสัมพันธ์มีค่าสูงมาก และส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนมีค่าเท่ากับ 3 จำนวนตัวแปรอิสระเท่ากับ 5 โดยทั่วไปวิธี BAY ให้ค่า AMSE น้อยที่สุด ทุกระดับความสัมพันธ์และทุกขนาดตัวอย่าง โดยที่ส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนมีค่าเท่ากับ 0.05 และ 0.5 และถ้าส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนมีค่าเท่ากับ 1 วิธี BAY ให้ค่า AMSE น้อยที่สุดเมื่อขนาดตัวอย่างมีค่าเท่ากับ 30, 50 และ 100 ส่วนวิธี SEQ ให้ค่า AMSE น้อยที่สุดโดยทั่วไปเมื่อระดับความสัมพันธ์มีค่าสูงมาก และส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนมีค่าเท่ากับ 3 2) กรณีที่ 2 ตัวแปรอิสระมีความสัมพันธ์กัน 2 กลุ่ม โดยทั่วไปวิธี BAY ให้ค่า AMSE น้อยที่สุด เมื่อระดับความสัมพันธ์ของตัวแปรอิสระในแต่ละกลุ่มมีค่าตํ่า และปานกลาง และทุกขนาดตัวอย่าง โดยที่ส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนมีค่าเท่ากับ 0.05 แต่ถ้าระดับความสัมพันธ์ของตัวแปรอิสระในกลุ่มที่ 1 หรือกลุ่มที่ 2 มีค่าสูง และส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนมีค่าเท่ากับ 0.5 และ 1 วิธี BAY ให้ค่า AMSE น้อยที่สุดเมื่อขนาดตัวอย่างมีค่าเท่ากับ 30, 50 และ 100 ส่วนวิธี SEQ ให้ค่า AMSE น้อยที่สุด โดยทั่วไปเมื่อระดับความสัมพันธ์มีค่าสูงมาก และส่วนเบี่ยงเบนมาตรจฐานของความคลาดเคลื่อนมีค่าเท่ากับ 3 ค่า AMSE จะแปรผันตามจำนวนตัวแปรอิสระที่มีความสัมพันธ์กัน ระดับความสัมพันธ์ของตัวแปรอิสระ และส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อน โดยเรียงลำดับจากมากไปน้อย แต่ค่า AMSE จะแปรผกผันกับจำนวนตัวแปรอิสระและขนาดตัวอย่าง โดยเรียงลำดับจากมากไปน้อย
dc.description.abstractalternative	The objective of this study is to com pare the ridge regression estimators with three methods for finding value of k in ridge regression are Hoerl and Kennard method, Sequential Search method and Bayesian method. The comparison was done under conditions of the distribution of random errors is Normal distribution with standard deviations are 0.05, 0.5, 1 and 3, sample sizes are 10, 30, 50 and 100, and the levels of multicollinearity are 0.1, 0.3, 0.5, 0.7, 0.9 and 0.99. The study represents in two parts, namely: the independent variables are related in one group, the numbers of independent variable are three and five, and the independent variables are related in two groups, the numbers of independent variable are two or three in first group and the numbers of independent variable are two in second group. The data of this experiment were generated through the Monte Carlo Simulation Technique. The experiment was repeated 1,000 times under each condition to calculate the average mean square error (AMSE) of ridge regression estimators. Results of this study can be summarized as follow 1. In the case of the independent variables are related in cne group - When the numbers of independent variable are three, Bayesian method has the lowest AMSE for the every levels of multicollinearity and sample sizes with standard deviations are 0.05, 0.5 and 1. Sequential Search method has the lowest AMSE for the very high level of multicollinearity with standard deviation is 3. - When the numbers of independent variable are five, Bayesian method has the lowest AMSE for the every levels of multicollinearity and sample sizes with standard deviations are 0.05 and 0.5, and when sample sizes are 30, 50 and 100 with standard deviation is 1. Sequential Search method has the lowest AMSE for the very high level of multicollinearity with standard deviation is 3. 2. In the case of the independent variables are related in two groups Bayesian method has the lowest AMSE for the low and medium level of multicollinearity and every sample sizes with standard deviation 0.05, and when the level of multicollinearity in the first or the second group is high and sample sizes are 30, 50 and 100 with standard deviations are 0.5 and 1. Sequential Search method has the lowest AMSE for the very high level of multicollinearity with standard deviation is 3. The AMSE varies directly with the numbers of independent variable are related, the level of multicollinearity and the standard deviation of error, but the AMSE varies inversely with the numbers of independent variable and sample size.
dc.language.iso	th	en_US
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.relation.uri	http://doi.org/10.14457/CU.the.2002.441
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.subject	การถดถอยริดจ์	en_US
dc.subject	ทฤษฎีการประมาณค่า (สถิติ)	en_US
dc.subject	ทฤษฎีการตัดสินใจทางสถิติของเบส์	en_US
dc.subject	Bayesian statistical decision theory	en_US
dc.subject	Estimation theory	en_US
dc.subject	Ridge regression ‪(Statistics)‬	en_US
dc.title	การเปรียบเทียบตัวประมาณริดจ์สำหรับการถดถอยแบบริดจ์ โดยเน้นแนวคิดแบบเบส์	en_US
dc.title.alternative	Comparison of ridge estimators for ridge regression emphasizing on Bayesian concept	en_US
dc.type	Thesis	en_US
dc.degree.name	สถิติศาสตรมหาบัณฑิต	en_US
dc.degree.level	ปริญญาโท	en_US
dc.degree.discipline	สถิติ	en_US
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.email.author	Theeraporn.V@Chula.ac.th
dc.identifier.DOI	10.14457/CU.the.2002.441