การเปรียบเทียบประสิทธิภาพวิธีการคัดเลือกตัวแปรอิสระสำหรับตัวแบบการถดถอยไวบูลไม่ต่อเนื่องEfficiency Comparison of Independent Variables Selection Methods for Discrete Weibull Regression Model

Abstract

งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเสนอประสิทธิภาพการคัดเลือกตัวแปรอิสระของตัวแบบการถดถอยไวบูลไม่ต่อเนื่องทั้งหมด 4 วิธี ได้แก่ วิธีการถดถอยทีละขั้น วิธีบูตสแทร็ปทีละขั้น วิธีแบบเบส์ภายใต้การแจกแจงก่อนคือการแจกแจงปรกติ และวิธีแบบเบส์ภายใต้การแจกแจงก่อนคือการแจกแจงลาปลาซ โดยเปรียบเทียบประสิทธิภาพของวิธีการคัดเลือกตัวแปรด้วยอัตราความสำเร็จ รวมถึงได้ศึกษาประสิทธิภาพของการประมาณค่าพารามิเตอร์ด้วยค่าเฉลี่ยของค่าคลาดเคลื่อนกำลังสองเฉลี่ยจากการจำลองด้วยเทคนิคมอนติคาร์โลภายใต้สถานการณ์ที่ตัวแปรอิสระมีความสัมพันธ์เชิงเส้นพหุและไม่มีความสัมพันธ์เชิงเส้นพหุ ตัวแบบผ่านฟังก์ชันเชื่อมโยงแบบล็อก-ล็อกและลอจิต และลักษณะของข้อมูลตัวแปรตามมีการกระจายต่ำกว่าเกณฑ์และการกระจายเกินเกณฑ์ นอกจากนั้นผู้วิจัยยังนำทั้ง 4 วิธีมาประยุกต์ใช้กับข้อมูลจริง ผลจากการจำลองโดยสรุปพบว่าโดยส่วนใหญ่วิธีบูตสแทร็ปทีละขั้นให้ประสิทธิภาพดีที่สุด วิธีแบบเบส์จะมีประสิทธิภาพรองลงมาและให้ประสิทธิภาพดีที่สุดเมื่อขนาดตัวอย่างเท่ากับ 100 ส่วนวิธีการถดถอยทีละขั้นจะมีประสิทธิภาพน้อยที่สุดแต่จะมีประสิทธิภาพมากขึ้นเมื่อขนาดตัวอย่างมากขึ้น และผลจากการประยุกต์ใช้กับข้อมูลจริงพบว่าวิธีบูตสแทร็ปทีละขั้นให้ประสิทธิภาพดีที่สุด

This research aimed to propose the performance of independent variables selection of discrete Weibull regression model with four different methods, namely the stepwise regression, the stepwise bootstrap and the Bayesian method based on Normal and Laplace prior distributions. The comparison among methods was conducted in terms of the Success Rate (SR) as well as the Mean of the Mean Square Error (MMSE) that studied the performance of the parameter estimation via the Monte Caro simulation technique. The explanatory variables were generated by both multicollinearity and no multicollinearity. The model was constructed by log-log and logit link functions. The response variable was considered for under-dispersion and over-dispersion data. Moreover, we apply four methods with real data. The findings show that results from the simulation study, the stepwise bootstrap method presents the best performance in most all the cases. The both schemes of Bayesian method present the second performance and present the best performance for sample size is 100. The stepwise regression presents the lowest performance but satisfactory performance when sample size increases. For real data, the stepwise bootstrap method presents the best performance.