วิทยานิพนธ์ (สต.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2538

ในการพยากรณ์ด้วยวิธีการถดถอยเชิงเส้นพหุ วิธีที่นิยมใช้ในการประมาณพารามิเตอร์หรือสัมประสิทธิ์การถดถอยคือวิธีกำลังสองน้อยที่สุด แต่เมื่อมีค่าสังเกตบางค่าสูญหายไปจะไม่สามารถประมาณได้ดีด้วยวิธีดังกล่าว วิธีการแก้ปัญหาทางหนึ่งก็คือตัดค่าสังเกตชุดนั้นทิ้งไป แต่การแก้ปัญหาด้วยวิธีนี้จะมีผลทำให้จำนวนค่าสังเกตน้อยลงและสูญเสียรายละเอียดบางอย่างไป วิธีการแก้ปัญหาอีกทางหนึ่งคือทำการประมาณค่าสังเกตที่สูญหายด้วยวิธีการต่างๆ ก่อนที่จะใช้วีกำลังสองน้อยที่สุด การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบวิธีการประมาณค่าสูญหายของตัวแปรตามในสมการถดถอยเชิงเส้นพหุเพื่อการพยากรณ์ โดยทำการประมาณค่าสูญหายของตัวแปรตามด้วยวิธีสูญหาย วิธีค่าเฉลี่ย วิธีสมการถดถอย วิธีอีเอ็ม (EM Algorithm) และวิธีการของฮันท์ (Hunt's Method) การเปรียบเทียบกระทำภายใต้สถานการณ์ของขนาดตัวอย่าง 10, 20, 30, 50 และ 70 ค่าเบี่ยงเบนมาตรฐานของความคลาดเคลื่อน 5, 10, 15, 20 และ 25 สัดส่วนการสูญหายของตัวแปรตาม 10%, 20%, 30%, 40%, 50%, และ 70% และลักษณะของตัวแปรอิสระ 3 รูปแบบคือ 1)xlt=t, x2t=t+ut, u~N(0,9), 2)xlt=t, x2t+cos(2¶ t/4), 3)xlt, s2t~ N(20,60) (t=1,2,…,nm+12) ข้อมูลที่ใช้ในการวิจัยได้จากการจำลองด้วยเทคนิคมอนติคาร์โล และทำการทดลอง ซ้ำๆ กัน 200 รอบ สำหรับแต่ละสถานการณ์ที่กำหนดเพื่อประมาณค่าที่สูญหาย และหารากที่สองของค่าเฉลี่ยของความคลาดเคลื่อนกำลังสอง (RMSE) ของค่าพยากรณ์ด้วยวิธีการทั้ง 5 ผลการวิจัยสรุปได้ดังนี้ ในสถานการณ์ที่ขนาดตัวอย่างมีขนาดเล็ก (10-20) เมื่อค่าเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนมีขนาดไม่ใหญ่นัก และสัดส่วนการสูญหายของตัวแปรตามมีจำนวนมาก (60%-70%) วิธีการของฮันท์จะให้ค่าความคลาดเคลื่อน RMSE ของค่าพยากรณ์ต่ำกว่าวิธีการอื่นๆ แต่ตัวค่าเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนมีขนาดเพิ่มขึ้น วิธีค่าเฉลี่ยจะให้ค่าความเคลื่อน RMSE ของค่าพยากรณ์ต่ำกว่าวิธีการอื่นๆ ในทุกสัดส่วนการสูญหายของตัวแปรตาม ส่วนในสถานการณ์ที่ขนาดตัวอย่างมีขนาดปานกลางถึงใหญ่ (30-70) วิธีสูญหายจะเหมาะสมเกือบทุกกรณี นั่นคือถ้าขนาดตัวอย่างใหญ่พอ การตัดชุดข้อมูลสูญหายทิ้งจะมีผลกระทบน้อยมากกับผลการวิเคราะห์การถดถอยเชิงเส้นพหุ โดยใช้วิธีกำลังสองน้อยที่สุด