วิทยานิพนธ์ (สต.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2529

ในการวิเคราะห์ตัวแปรพหุ หากมีปัญหาเกี่ยวกับข้อมูลบางตัวสูญหายจะทำให้ไม่สามารถวิเคราะห์ข้อมูลได้ วิธีการแก้ปัญหาอย่างหนึ่งก็คือ ตัดค่าสังเกตชุดนั้นทิ้งไป แต่การแก้ปัญหาโดยวิธีนี้จะมีผลทำให้จำนวนค่าสังเกตน้อยลง และสูญเสียรายละเอียดของข้อมูลบางตัวไป วิธีการแก้ปัญหาอีกวิธีหนึ่งก็คือ ต้องทำการประมาณค่าสูญหายนั้น แต่เนื่องจากวิธีการประมาณค่าสูญหายมีหลายวิธีซึ่งแต่ละวิธีต่างก็มีข้อดีและข้อเสียแตกต่างกันไป ดังนั้นการวิจัยนี้จึงสนใจเปรียบเทียบวิธีการประมาณค่าสูญหายที่นิยมใช้กันทั่วไป 4 วิธีคือ วิธีที่ใช้ค่าเฉลี่ย วิธีวิเคราะห์ความถดถอยพหุเชิงเส้น วิธีวิเคราะห์ความถดถอยพหุเชิงเส้นดัดแปลง และวิธีวิเคราะห์ส่วนประกอบหลัก โดยใช้ค่าความคลาดเคลื่อนเฉลี่ยเป็นเกณฑ์ในการเปรียบเทียบสถานการณ์ต่างๆ ซึ่งจำลองการทดลองขึ้นโดยใช้เทคนิคมอนดิคาร์โล แต่ละสถานการณ์ต่างกันขึ้นอยู่กับขนาดตัวอย่าง n = 30 50 70 100 200 จำนวนตัวแปร p = 3 5 7 10 และขนาดความสัมพันธ์ระหว่างตัวแปร p = 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 แต่เนื่องจากบางช่วงของการทดลอง ถ้า p มีค่าแตกต่างกัน มีผลการเรียงลำดับของค่าความคลาดเคลื่อนเฉลี่ยเหมือนกัน ดังนั้นผู้วิจัยจึงไม่ได้นำสถานการณ์เหล่านั้นมาเสนอในวิทยานิพนธ์ แต่จะเสนอสถานการณ์ที่แตกต่างกันเพียง 106 สถานการณ์เท่านั้น จากการวิจัยที่ระดับนัยสำคัญ 0.05 พบว่าวิธีการประมาณค่าสูญหายทั้ง 4 วิธีให้ค่าความคลาดเคลื่อนเฉลี่ยไม่แตกต่างกันอย่างมีนัยสำคัญ ดังนั้นจึงกล่าวได้ว่า ไม่ว่าจะเป็นสถานการณ์ใดก็ตามที่กำหนดเหล่านี้ ถ้าหากมีข้อมูลสูญหายเกิดขึ้น สามารถเลือกวิธีการประมาณค่าสูญหายวิธีใดก็ได้ใน 4 วิธีนี้ แต่วิธีการประมาณค่าสูญหายที่ง่ายที่สุดและใช้เวลาในการประมวลผลน้อยที่สุดคือวิธีค่าเฉลี่ย ซึ่งเป็นวิธีการประมาณค่าสูญหายที่จะทำให้ได้ค่าความคลาดเคลื่อนเฉลี่ยไม่แตกต่างไปจากการใช้วิธีการประมาณอีก 3 วิธีที่เหลือ แต่อย่างไรก็ตาม ถ้าพิจารณาให้ละเอียดในแต่ละสถานการณ์ เมื่อเปรียบเทียบค่าความคลาดเคลื่อนเฉลี่ยแล้วพบว่ามีค่าแตกต่างกัน แม้ว่าจะไม่แตกต่างกันอย่างมีนัยสำคัญก็ตาม แต่ในการประมาณต่างๆ ผู้วิจัยต้องพยายามทำให้ค่าความคลาดเคลื่อนเฉลี่ยมีค่าน้อยที่สุด อาจกล่าวได้ว่า ถ้า p = 3 วิธีที่ใช้ค่าเฉลี่ยจะดีที่สุดเมื่อ p = 0.1 วิธีวิเคราะห์ความถดถอยพหุเชิงเส้นดัดแปลง จะดีที่สุดเมื่อ p = 0.2-0.7 วิธีวิเคราะห์ส่วนประกอบหลัก จะดีที่สุดเมื่อ p = 0.9 ถ้า p = 5 วิธีที่ใช้ค่าเฉลี่ย จะดีที่สุดเมื่อ p = 0.1 -0.2 วิธีวิเคราะห์ความถดถอยพหุเชิงเส้นดัดแปลง จะดีที่สุดเมื่อ p = 0.3 วิธีวิเคราะห์ส่วนประกอบหลักจะดีที่สุดเมื่อ p = 0.5 – 0.9 ถ้า p = 7 วิธีที่ใช้ค่าเฉลี่ยจะดีที่สุดเมื่อ p = 0.1 – 0.2 วิธีวิเคราะห์ความถดถอยพหุเชิงเส้นดัดแปลงจะดีที่สุดเมื่อ p = 0.3 -0.4 วิธีวิเคราะห์ส่วนประกอบหลักจะดีที่สุดเมื่อ p = 0.5 – 0.8 ถ้า p = 10 วิธีวิเคราะห์ส่วนประกอบหลักจะดีที่สุดเมื่อ p = 0.2 -0.5