ในการพยากรณ์ด้วยวิธีการถดถอยเชิงเส้นพหุ วิธีที่นิยมใช้ในการประ มาณค่าพารามิเตอร์หรือสัมประสิทธิ์การถดถอยคือวิธีกำลังสองน้อยที่สุด แต่เมื่อมีค่าสังเกตบางค่าสูญหายไปจะไม่สามารถประมาณได้ดีด้วยวิธีดังกล่าว วิ ธีการแก้ปัญหาทางหนึ่งก็คือตัดค่าสังเกตชุดนั้นทิ้งไป แต่การแก้ปัญหาด้วยวิธีนี้จะ มีผลทำให้จำนวนค่าสังเกตน้อยลงและสูญเสียรายละเอียดบางอย่างไป วิธีการแก้ปัญหาอีกทางหนึ่งคือการทำประมาณค่าสังเกตที่สูญหายด้วยวิธีการต่าง ๆ ก่อนที่จะใช้วิธีกำลังสองน้อยที่สุด การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบวิธีการประมาณค่าสูญ หายของตัวแปรตามในสมการถดถอยเชิงเส้นพหุเพื่อการพยากรณ์ โดยทำการประมาณค่าสูญหายของตัวแปรตามด้วยวิธีสูญหาย วิธีค่าเฉลี่ย วิธีสมการถดถอย วิธีอีเอ็ม (EM Algorithm) และวิธีการของฮันท์ (Hunt'sMehtod) การเปรียบเทียบกระทำภายใต้สถานการณ์ของขนาดตัวอย่าง 10, 20, 30, 50, และ 70 ค่าเบี่ยงเบนมาตรฐานของความคลาดเคลื่อน 5, 10, 15, 20, และ 25 สัดส่วนการสูญหายของตัวแปรตาม 10%, 20%, 30%, 40%, 50%, 60%, และ 70% และลักษณะของตัวแปรอิสระ 3 รูป แบบคือ 1) xlt=t, x2t=t+ut, U(...)N(0-9), 2xlt=t, x2t=t+cos (2(...) t/4), 3) xlt, x2T(...)N (20,60) Zt=1,2,...,mn+l2) ข้อมูลที่ใช้ในการวิจัยได้จากการจำลองด้วยเทคนิคมอนติคาร์โล และทำการทดลองซ้ำ ๆ กัน 200 รอบ สำหรับแต่ละสถานการณ์ที่กำหนดเพื่อประมาณค่าที่สูญหาย และหารากที่สองของค่าเฉลี่ยของความคลาดเคลื่อนกำลังสอง (RMSE) ของค่าพยากรณ์ด้วยวิธีการทั้ง 5 ผลการวิจัยสรุปได้ดังนี้ ในสถานการณ์ที่ขนาดตัวอย่างมีขนาดเล็ก (10-20) เมื่อค่าเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนมีขนาดไม่ใหญ่นัก และสัดส่วนการสูญหายของตัวแปรตามมีจำนวนมาก (60%-70%) วิธีการของฮันท์จะให้ค่าความคลาดเคลื่อน RMSE ของค่าพยากรณ์ต่ำกว่าวิธีการอื่น ๆ แต่ถ้าค่าเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนมีขนาดเพิ่มขึ้น วิธีค่าเฉลี่ยจะให้ค่าความคลาดเคลื่อน RMSE ของค่าพยากรณ์ต่ำกว่าวิธีการอื่น ๆ ในทุกสัดส่วนการสูญหายของตัวแปรตามส่วนในสถานการณ์ที่ขนาดตัวอย่างมีขนาดปานกลางถึงใหญ่ (30-70) วิธีสูญหายจะเหมาะสมเกือบทุกกรณี นั่นคือถ้าขนาดตัวอย่างใหญ่พอ การตัดชุดข้อมูลสูญหายจะมีผลกระทบน้อยมากกับผลการวิเคราะห์การถดถอยเชิงเส้นพหุ โดยใช้วิธีกำลังสองน้อยที่สุด