The การพัฒนาวิธีการประมาณค่าข้อมูลสูญหายสำหรับการวัดซ้ำ ด้วยวิธีการแทนค่าแบบสองทางและตัวแบบออโตรีเกรสซีฟอันดับที่ 1
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยในครั้งนี้ มีความมุ่งหมายเพื่อพัฒนาวิธีการประมาณค่าข้อมูลสูญหายโดยการถ่วงน้ำหนักด้วยวิธีการแทนค่าแบบสองทางและตัวแบบออโตรีเกรสซีฟอันดับที่หนึ่ง (IWTWAR (1)) และศึกษาประสิทธิภาพของการประมาณค่าข้อมูลสูญหายโดยเปรียบเทียบกับการประมาณค่าข้อมูลสูญหายแบบเดิมโดยใช้จำลองข้อมูล ขอบเขตของการวิจัยใช้จำนวน การวัดซ้ำ 3 ครั้ง และ 6 ครั้ง ขนาดของตัวอย่าง แบ่งเป็น 10, 20 และ 50 และร้อยละของข้อมูลสูญหายแบ่งเป็น ร้อยละ 5, 10, 15 และร้อยละ 20 พิจารณาประสิทธิภาพของวิธีการประมาณค่าข้อมูลสูญหาย โดยใช้เกณฑ์ค่าเฉลี่ยกำลังสองของความคลาดเคลื่อน (MSE) ผลการศึกษาพบว่า การประมาณค่าข้อมูลสูญหายโดยการถ่วงน้ำหนักด้วยวิธีการแทนค่าแบบสองทางและตัวแบบออโตรีเกรสซีฟอันดับที่หนึ่ง มีประสิทธิภาพสูงสุด ในกรณีที่มีจำนวนการวัดซ้ำ 6 ครั้ง คะแนนพัฒนาการมีอัตราพัฒนาการเท่ากับ 0.5 และ 2.5 ขนาดตัวอย่างเท่ากับ 10 หน่วย และ 20 หน่วย มีข้อมูลสูญหายร้อยละ 5, 10, 15 และร้อยละ 20 ทั้งในกรณีที่คะแนนพัฒนาการเป็นเส้นตรงและไม่เป็นเส้นตรง โดยวิธีการที่ผู้วิจัยพัฒนาขึ้นมีประสิทธิภาพแตกต่างอย่างมีนัยสำคัญทางสถิติที่ระดับนัยสำคัญ .05 กับวิธีการประมาณค่าข้อมูลสูญหายด้วยตัวแบบออโตรีเกรสซีฟอันดับที่หนึ่ง (AR (1)) และวิธีการประมาณค่าข้อมูลสูญหายโดยใช้ค่าเฉลี่ย (MI) และในกรณีที่มีจำนวนการวัดซ้ำ 3 ครั้ง การประมาณค่าข้อมูลสูญหายด้วยตัวแบบออโตรีเกรสซีฟอันดับที่หนึ่ง จะมีประสิทธิภาพสูงสุดทุกกรณี
Article Details
References
Wongprasert, S. (2011). The development of the method of estimating the lost data by loop weighted using the method of jackknife and regression analysis. Doctorate of Philosophy, Maha Sarakham University. (in Thai).
วราฤทธิ์ พานิชกิจโกศลกุล. (2554). การเปรียบเทียบวิธีการพยากรณ์ข้อมูลล่วงหน้าหนึ่งคาบเวลาสำหรับตัวแบบอัตตสหสัมพันธ์อันดับที่หนึ่ง. วารสารวิทยาศาสตร์ ม. อุบลฯ ฉบับพิเศษ, 1(มกราคม-ธันวาคม), 1–9.
Phanitchakitkosolkun, W. (2011). A comparison of the one time period forward forecasting method for first order correlation models. Special edition Ubon Journal of Science Journal, 1 (January-December), 1–9. (in Thai).
วิชิต หล่อจีระชุณหุกุล. (2539). เทคนิคการพยากรณ์. กรุงเทพมหานคร: สถาบันบัณฑิตพัฒนบริหารศาสตร์.
Lorjirunhoonkul, W. (1996). Forecasting techniques. Bangkok: National Institute of Development Administration. (in Thai).
วิชิต หล่อจีระชุณหุกุล และจิราวัลย์ จิตรถเวช. (2548). เทคนิคการพยากรณ์. พิมพ์ครั้งที่ 3. กรุงเทพมหานคร: สถาบันบัณฑิตพัฒนบริหารศาสตร์.
Lorjirunhoonkul, W., & Jitaravej, J. (2005). Forecasting Techniques. 3rd edition, Bangkok: The National Institute of Development Administration. (in Thai).
สุพรรณี อึ้งปัญสัตวงศ์. (2555). เทคนิคการพยากรณ์เชิงสถิติ. ขอนแก่น: คณะวิทยาศาสตร์มหาวิทยาลัยขอนแก่น.
Ungpunsatwong, W. (2012). Statistical forecasting techniques. Khon Kaen: Faculty of Science, Khon Kaen University. (in Thai).
Allison. (2012). Handling Missing Data by Maximum Likelihood. Statistics and Data Analysis, 312(2012), 1145–1152.
Bernaards, C.A., & Sijtsma, K. (2000). Influence of imputation and EM methods on factor analysis when item nonresponse in questionnaire data is nonignorable. Multivariate Behav, 3(5), 321–364.
Cismondi & other. (2013). Weighted Nearest Neighbor and Regression Imputation. In Paper Presented at the Meeting of 9th Asia-Pacific Decision Sciences Institute. Korea: APDSI-KOPOMS Seoul.
DeSilvio, M. (2009). A Variance Ratio Statistics for Assessing the Missing Data Mechanism: An Empirical Study. Dissertation Abstracts International, 63(1), 5698–A.
Garrett, M, F., Nan M.L., & James. H. W. (2011). Applied Longitudinal Analysis. New Jersey: Wiley& sons.
Ginkel, J. R. V. (2007). Two-way imputation: A Bayesian method for estimating missing scores in tests and questionnaires, and an accurate approximation. Computational Statistics & Data Analysis, 51(2007), 4013 – 4027.
Heeringa, S. G. (2000). Multivariate Imputation of Coarsened Survey on Household Wealth. Diddertation Abstracts International, 61(1), 1112–1120.
Little, R. J. and Rubin, D. (2002). Statistical Analysis with Missing Data (2nd ed.). New York: John Wiley and Sons.
Lynette H. & Murray J. (2003). Mixture model clustering for mixed data with missing information. Computational Statistics & Data Analysis, 41(2003), 429 – 440.
Rencher & Christensen. (2012). Method of Multivariate Analysis (3rd ed.). New York: Wiley Series.
Schafer, J. L., & Schenker, N. (2000). Inference with Imputed Conditional Means. Journal of the American Statistical Association, 95(March), 144–154.
So, B. S., & Shin, D. (1999). Recursive Mean Adjustment in Time Series Infer-ences. Statistics and Probability Letters, 4(3), 65–73.