การเปรียบเทียบวิธีการคัดเลือกตัวแปรอิสระเข้าสู่ตัวแบบการถดถอยลอจิสติกโดยใช้วิธีเบย์เซียนและวิธีการถดถอยแบบขั้นตอน
Article Sidebar
Main Article Content
บทคัดย่อ
การคัดเลือกตัวแปรอิสระที่เหมาะสม จะทำให้ตัวแบบที่ได้มีประสิทธิภาพสูง โดยเฉพาะอย่างยิ่งในการวิเคราะห์การถดถอย งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาวิธีการคัดเลือกตัวแปรอิสระเข้าสู่ตัวแบบการถดถอยลอจิสติกด้วยวิธีเบย์เซียน (Bayesian Method) โดยใช้วิธีการสุ่มแบบกิบบ์ส (Gibbs Sampling) กับวิธีการถดถอยแบบขั้นตอน (Stepwise Regression) และทำการเปรียบเทียบวิธีการคัดเลือกตัวแปรอิสระเข้าสู่ตัวแบบ ทั้งในกรณีที่มีความสัมพันธ์เชิงเส้นพหุระหว่างตัวแปรอิสระในระดับต่ำมากและสูงมาก ศึกษาด้วยการจำลองข้อมูลและประยุกต์ใช้กับข้อมูลลักษณะพฤติกรรมการเขียนออนไลน์เพื่อวินิจฉัยการเป็นโรคอัลไซเมอร์ ในการจำลองข้อมูลเพื่อใช้ในการวิจัยนี้กำหนดขนาดตัวอย่างเท่ากับ 25 และ 100 โดยกระทำซ้ำ 100 ครั้งในแต่ละกรณี และทำการเปรียบเทียบประสิทธิภาพของวิธีการสุ่มแบบกิบบ์สและวิธีการถดถอยแบบขั้นตอน โดยเกณฑ์พิจารณาคือ คำนวณค่าเกณฑ์สารสนเทศของอะไกเค (AIC), ค่าเกณฑ์สารสนเทศของเบย์ส (BIC), จำนวนตัวแปรอิสระที่ถูกต้อง, ค่าประมาณสัมประสิทธิ์ของตัวแปรอิสระที่ถูกต้องโดยเฉลี่ย และร้อยละความถูกต้อง ผลศึกษาพบว่าทั้งกรณีตัวอย่างขนาดเล็ก (n = 25) และตัวอย่างขนาดใหญ่ (n = 100) กรณีที่ข้อมูลมีความสัมพันธ์เชิงเส้นพหุระหว่างตัวแปรอิสระในระดับต่ำมาก วิธีการสุ่มแบบกิบบ์สและวิธีการถดถอยแบบขั้นตอนมีประสิทธิภาพในการคัดเลือกตัวแปรอิสระไม่แตกต่างกัน แต่ในกรณีที่ข้อมูลมีความสัมพันธ์เชิงเส้นพหุระหว่างตัวแปรอิสระในระดับสูงมาก วิธีการสุ่มแบบกิบบ์สมีประสิทธิภาพในการคัดเลือกตัวแปรอิสระเข้าสู่ตัวแบบดีกว่าวิธีการถดถอยแบบขั้นตอน โดยผลลัพธ์ที่ได้จากการวิจัยสามารถนำวิธีการคัดเลือกตัวแปรอิสระไปประยุกต์ใช้กับข้อมูลจริงที่ตัวแปรอิสระมีความสัมพันธ์เชิงเส้นพหุได้
Article Details
เอกสารอ้างอิง
ธนธัญ เกิดผล. (2559). ตัวแบบการถดถอยลอจิสติกแลสโซ่ที่อธิบายความสัมพันธ์ของการเป็นหนี้สินและตัวชี้วัดระดับความเข้มแข็งของครัวเรือน [สารนิพนธ์ปริญญามหาบัณฑิต, มหาวิทยาลัยธรรมศาสตร์].
บุญชม ศรีสะอาด. (2556). วิธีการทางสถิติสำหรับการทำวิจัย เล่ม 1 (พิมพ์ครั้งที่ 5). สุวีริยาสาส์น.
ประพันธ์ กล่อมพร. (2560). ขั้นตอนวิธีกำหนดเมทริกซ์สหสัมพันธ์เริ่มต้นโดยการจำลองสำหรับการแปลงนอร์ทา [วิทยานิพนธ์ปริญญามหาบัณฑิต, มหาวิทยาลัยธรรมศาสตร์].
พจนา แววสวัสดิ์. (2547). เกณฑ์การคัดเลือกตัวแบบสำหรับความถดถอยเชิงเส้นตรง. วารสารศรีปทุมปริทัศน์, 4(1), 5–20.
ภัคสุภางค์ มาปรีดา. (2560). ตัวแบบการถดถอยลอจิสติกในการพยากรณ์ความน่าจะเป็นของการชำระหนี้ได้ของครัวเรือน: กรณีศึกษา จังหวัดปทุมธานี [สารนิพนธ์ปริญญามหาบัณฑิต, มหาวิทยาลัยธรรมศาสตร์].
Akaike, H. (1978). A Bayesian analysis of the minimum AIC procedure. Annals of the Institute of Statistical Mathematics, 30(1), 9–14.
Arkes, J. (2023). Regression analysis: A practical introduction (2nd ed.). Routledge.
Cilia, M., De Stefano, C., Fontanella, F., & Di Freca, A. S. (2022). Diagnosing Alzheimer’s disease from on-line handwriting: A novel dataset and performance benchmarking. Engineering Applications of Artificial Intelligence, 111, Article 104822. https://doi.org/10.1016/j.engappai.2022.104822
Müller, S., Scealy, J. L., & Welsh, A. H. (2013). Model selection in linear mixed models. Statistical Science, 28(2), 135–167.
Polson, N. G., Scott, J. G., & Windle, J. (2013). Bayesian inference for logistic models using Pólya–Gamma latent variables. Journal of the American Statistical Association, 108(504), 1339–1349.
Sawa, T. (1978). Information criteria for discriminating among alternative regression models. Econometrica, 46(6), 1273–1291.
Tian, Y., Bondell, H. D., & Wilson, A. (2019). Bayesian variable selection for logistic regression. Statistical Analysis and Data Mining: The ASA Data Science Journal, 12(5), 378–393.
