การเพิ่มประสิทธิภาพการประมาณค่าข้อมูลสูญหายด้วยรีจีมสวิตซิง
Main Article Content
บทคัดย่อ
บทความนี้มีจุดมุ่งหมายเพื่อเสนอแนวทางในการเพิ่มประสิทธิภาพในการประมาณค่าข้อมูลสูญหายโดยใช้รีจีมสวิตซิงโดยการนำเสนอการประมาณค่าข้อมูลสูญหายด้วยรีจีมสวิตซิงมีนและรีจีมสวิทซิงรีเกรสชัน โดยทำการทดลองเปรียบเทียบประสิทธิภาพระหว่างการประมาณค่าข้อมูลสูญหายด้วยค่าเฉลี่ยกับรีจีมสวิตซิงมีน และระหว่างวิธีการประมาณค่าข้อมูลสูญหายด้วยสมการถดถอยกับรีจีมสวิทซิงรีเกรสชัน โดยเปรียบจากค่า MSE พบว่า รีจีมสวิตซิงมีนมีประสิทธิภาพดีกว่าการประมาณค่าข้อมูลสูญหายด้วยค่าเฉลี่ย และรีจีมสวิทซิงรีเกรสชันมีประสิทธิภาพดีกว่า วิธีการประมาณค่าข้อมูลสูญหายด้วยสมการถดถอย
Article Details
บท
บทความวิจัย ด้านวิทยาศาสตร์ประยุกต์
บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น
References
[1] D. D. Leeuw, J.Hox, and M. Huisman, “Prevention and treatment of item nonresponse,” Journal of Official Statistics, vol. 19, no. 2, pp. 153–176, June, 2003.
[2] A. Carlson, “Data mining: Finding nuggets of knowledge in mountains of data,” Northwest Science & Technology, vol. 78, pp. 24–25, 2001.
[3] A. M. Wood, I. R. White, and S. G. Thompson, “Are missing outcome data adequately handled: A review of published randomized controlled trials in major medical journals,” Clinical Trial. vol. 1, pp 368–376, 2004.
[4] N. Tsikriktsis, “A review of techniques for treating missing data in OM survey research,” Journal of Operations Management, vol. 24, pp. 53–62, 2005.
[5] P. Ogoke Uchenna and E. C. Nduka, “Methods of analysing missing values in a regression model,” Indian Journal of Science and Technology, vol. 5, no. 2, pp. 2013–2016, 2012.
[6] M. R. Raymond, “Missing data in evaluation research,” Evaluation & the Health Professions, vol. 9, no. 4, pp. 395–420, 1986.
[7] J. W. France, “Some simple procedures for handling missing data in multivariate analysis,” Psychometrika, vol. 41, pp. 409–415, 1976.
[8] L. L. Brockmeier, J. D. Kromrey, and C. V. Hines, “Systematically missing data and multiple regression analysis : An empirical comparison of election and imputation techniques,” Multiple Linear Regression Viewpoints, vol. 25, pp. 20–39, 1998.
[9] N. H. Timm, “The estimation of variancecovariance and correlation matrices from incomplete data,” Psychometrika, vol. 35, no. 4, pp. 417–437, 1970.
[10] E. M. L. Beale and R.J.A. Little, “Missing values in multivariate analysis,” Journal of the Royal Statistical Society, vol. 37, pp. 129–145, 1975.
[11] T. C. Gleason and R. Staelin, “A proposal for handling missing data,” Psvchometrika, vol. 40, pp. 229–252, 1975.
[12] L. S. Chan, J. A. Gilman, and O. J. Dunn, “Alternative approaches to missing values in discriminant analysis,” Journal of the American Statistical Association, vol. 71, pp. 842–844, 1976.
[13] R. J. A. Little, “Inference about means from incomplete multivariate data,” Biometrika, vol. 63, pp. 593–604, 1976.
[14] M. R. Raymond and D. M. Roberts, “A comparison of methods for treating incomplete data in selection research,” Educational and Psychological Measurement, vol. 47, pp. 13–26, 1987.
[15] J. D. Hamilton, “A new approach to the economic analysis of nonstationary time series and the business cycle,” Econometrica, vol. 57, pp. 357–384, 1989.
[2] A. Carlson, “Data mining: Finding nuggets of knowledge in mountains of data,” Northwest Science & Technology, vol. 78, pp. 24–25, 2001.
[3] A. M. Wood, I. R. White, and S. G. Thompson, “Are missing outcome data adequately handled: A review of published randomized controlled trials in major medical journals,” Clinical Trial. vol. 1, pp 368–376, 2004.
[4] N. Tsikriktsis, “A review of techniques for treating missing data in OM survey research,” Journal of Operations Management, vol. 24, pp. 53–62, 2005.
[5] P. Ogoke Uchenna and E. C. Nduka, “Methods of analysing missing values in a regression model,” Indian Journal of Science and Technology, vol. 5, no. 2, pp. 2013–2016, 2012.
[6] M. R. Raymond, “Missing data in evaluation research,” Evaluation & the Health Professions, vol. 9, no. 4, pp. 395–420, 1986.
[7] J. W. France, “Some simple procedures for handling missing data in multivariate analysis,” Psychometrika, vol. 41, pp. 409–415, 1976.
[8] L. L. Brockmeier, J. D. Kromrey, and C. V. Hines, “Systematically missing data and multiple regression analysis : An empirical comparison of election and imputation techniques,” Multiple Linear Regression Viewpoints, vol. 25, pp. 20–39, 1998.
[9] N. H. Timm, “The estimation of variancecovariance and correlation matrices from incomplete data,” Psychometrika, vol. 35, no. 4, pp. 417–437, 1970.
[10] E. M. L. Beale and R.J.A. Little, “Missing values in multivariate analysis,” Journal of the Royal Statistical Society, vol. 37, pp. 129–145, 1975.
[11] T. C. Gleason and R. Staelin, “A proposal for handling missing data,” Psvchometrika, vol. 40, pp. 229–252, 1975.
[12] L. S. Chan, J. A. Gilman, and O. J. Dunn, “Alternative approaches to missing values in discriminant analysis,” Journal of the American Statistical Association, vol. 71, pp. 842–844, 1976.
[13] R. J. A. Little, “Inference about means from incomplete multivariate data,” Biometrika, vol. 63, pp. 593–604, 1976.
[14] M. R. Raymond and D. M. Roberts, “A comparison of methods for treating incomplete data in selection research,” Educational and Psychological Measurement, vol. 47, pp. 13–26, 1987.
[15] J. D. Hamilton, “A new approach to the economic analysis of nonstationary time series and the business cycle,” Econometrica, vol. 57, pp. 357–384, 1989.