การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบวิธีการประมาณค่าพารามิเตอร์ในตัวแบบถดถอยโลจิสติค โดยวิธีการประมาณค่าพารามิเตอร์ที่ใช้ในการวิจัยนี้ คือ วิธีความควรจะเป็นสูงสุดแบบอะซิมโตติค (Asymptotic Maximum Likelihood Method) และวิธีมอนติคาร์โล(Monte Carlo Method) เมื่อตัวแบบถดถอยโลจิสติคมีรูปแบบดังนี้ (+,p)(X)=(...) โดยที่(+,p)(X) แทน ความน่าจะเป็นของการเกิดเหตุการณ์ที่สนใจของตัวแปรตาม (y) X(,1),X(,2),...,X(,p) แทน ตัวแปรอธิบาย (+,b)(,0), (+,b)(,1),...(+,b)(,p) แทน ค่าสัมประสิทธิ์การถดถอย p แทน จำนวนตัวแปรอธิบาย และ e แทนค่าคงที่มีค่าประมาณ 2.718 สำหรับข้อมูลตัวแปรตามที่ใช้ในการวิจัยนี้มีการแจกแจงแบบทวินามด้วยพารามิเตอร์ ~in(,i)~i = ~in~i และ (+,p)(~ix(,i)~i) การเปรียบเทียบกระทำภายใต้สถานการณ์ของจำนวนตัวแปรอธิบายในแต่ละตัวแบบเป็น 1, 3 และ 5 ตัว ตามลำดับ ขนาดตัวอย่าง (k)เท่ากับ 30, 90 และ 150 กำหนดค่าพารามิเตอร์ n เท่ากับ 10, 20 และ 30 เกณฑ์ที่ใช้ในการเปรียบเทียบ คือ ค่าเฉลี่ยของความคลาดเคลื่อนยกกำลังสอง (AMSE) และใช้ตัวสถิติDeviance เป็นเกณฑ์ประกอบการตัดสินใจ ข้อมูลที่ใช้ในการวิจัยครั้งนี้ได้จากการจำลองด้วยเทคนิคมอนติคาร์โลโดยกระทำซ้ำ 500 ครั้ง ในแต่ละสถานการณ์โดยใช้โปรแกรมS-PLUS 2000 ผลการวิจัยสรุปดังนี้ ค่า AMSE ของวิธีความควรจะเป็นสูงสุดแบบอะซิมโตติคต่ำกว่าค่า AMSE ของวิธีมอนติคาร์โลในทุกสถานการณ์ ผลการวิจัยสอดคล้องกับค่า Deviance ซึ่งค่า Devianceของวิธีความควรจะเป็นสูงสุดแบบอะซิมโตติคต่ำกว่าค่า Deviance ของวิธีมอนติคาร์โลในทุกสถานการณ์พิจารณา ค่า AMSE ของวิธีความควรจะเป็นสูงสุดแบบอะซิมโตติคและของวิธีมอนติคาร์โล พบว่า ค่า AMSE ของวิธีความควรจะเป็นสูงสุดแบบอะซิมโตติคและของวิธีมอนติคาร์โล จะมีค่าใกล้เคียงกันมากขึ้นเมื่อขนาดตัวอย่างเพิ่มขึ้น