เกณฑ์สารสนเทศของเบส์ที่พัฒนาโดยใช้ตัวประมาณไม่เอนเอียงสำหรับตัวแบบสมการหลายชั้น
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้นำเสนอเกณฑ์ใหม่สำหรับการคัดเลือกตัวแบบสมการหลายชั้นเมื่ออิงตามเกณฑ์สารสนเทศของเบส์ ซึ่งตัวแบบสมการหลายชั้นมีการใช้อย่างแพร่หลายในสาขาสถิติและเศรษฐศาสตร์ มีลักษณะสำคัญคือ ตัวแปรตามของสมการหนึ่งจะเป็นตัวแปรอิสระของสมการที่เหลือได้ เกณฑ์ใหม่ประมาณค่าเมทริกซ์ความแปรปรวนร่วมของค่าคลาดเคลื่อนโดยใช้ตัวประมาณไม่เอนเอียง (Unbiased Estimator: UE) แทนที่ตัวประมาณภาวะน่าจะเป็นสูงสุด (Maximum Likelihood Estimator: MLE) ในเกณฑ์ System of Bayesian Information Criterion (SBIC) เรียกเกณฑ์ใหม่ว่า SBIC(UE) ดำเนินการเปรียบเทียบประสิทธิภาพของเกณฑ์ SBIC(UE) กับเกณฑ์ SBIC โดยใช้การจำลองข้อมูลและเปรียบเทียบประสิทธิภาพสังเกต L2 พบว่า เกณฑ์ SBIC(UE) มีประสิทธิภาพสูงกว่าเกณฑ์ SBIC เนื่องจากมีร้อยละของการคัดเลือกตัวแบบได้ถูกต้องสูงกว่า มีค่าเฉลี่ยของประสิทธิภาพสังเกต L2 สูงกว่า และมีค่าเบี่ยงเบนมาตรฐานของประสิทธิภาพสังเกต L2 ตํ่ากว่า เกณฑ์ SBIC มีความเอนเอียงเชิงลบมากกว่าเกณฑ์ SBIC(UE) เนื่องจากค่าประมาณของเมทริกซ์ความแปรปรวนร่วมของค่าคลาดเคลื่อนเมื่อใช้ MLE มีค่าน้อยกว่าค่าประมาณเมื่อใช้ UE กล่าวคือ มีค่าประมาณตํ่าเกินไป เหตุผลนี้ทำให้ประสิทธิภาพของเกณฑ์ SBIC ตํ่ากว่าเกณฑ์ SBIC(UE)
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Akaike, H. (1974). A New Look at the Statistical Model Identification. IEEE Transactions on Automatic Control, 19(6), 716-723. https://doi.org/10.1109/TAC.1974.1100705
Cavanaugh, J.E. (1999). A Large-Sample Model Selection Criterion Based on Kullback’s Symmetric Divergence. Statistics & Probability Letters, 42(4), 333-343. https://doi.org/10.1016/S0167-7152(98)00200-4
Cavanaugh, J.E. (2004). Criteria for Linear Model Selection Based on Kullback’s Symmetric Divergence. Australian & New Zealand Journal of Statistics, 46(2), 257-274. https://doi.org/10.1111/j.1467-842X.2004.00328.x
Giombini, G. and Szroeter, J. (2007). Quasi Akaike and Quasi Schwarz Criteria for Model Selection: A Surprising Consistency Result. Economics Letters, 95(2), 259-266. https://doi.org/10.1016/j.econlet.2006.10.019
Hannan, E.J. and Quinn, B.G. (1979). The Determination of the Order of an Autoregression. Journal of the Royal Statistical Society. Series B: Statistical Methodology, 41(2), 190-195.
Hurvich, C.M. and Tsai, C.L. (1989). Regression and Time Series Model Selection in Small Samples. Biometrika, 76(2), 297-307. https://doi.org/10.1093/biomet/76.2.297
Johnson, R.A. and Wichern, D.W. (1998). Applied Multivariate Statistical Analysis. (4thed). Englewood Cliffs, Prentice Hall, Inc., New Jersey.
Keerativibool, W. (2012). New Criteria for Selection in Simultaneous Equations Model. Thailand Statistician, 10(2), 163-181.
Keerativibool, W., Jitthavech, J. and Lorchirachoonkul, V. (2011). Model Selection in a System of Simultaneous Equations Model. Communications Statistics - Theory Methods, 40(3), 373-393. https://doi.org/10.1080/03610920903353717
Keerativibool, W. (2014a). Costs and Benefits Gained from Planting Para Rubber in the Form of System of Simultaneous Equations: A Case Study of Pa Phayom District, Phatthalung Province and Thung Song District, Nakhon Si Thammarat Province. NIDA Development Journal, 54(3), 95-124.
Keerativibool, W. (2014b). Study on the Penalty Functions of Model Selection Criteria. Thailand Statistician, 12(2), 161-178.
McQuarrie, A.D.R., Shumway, R.H. and Tsai, C.L. (1997). The Model Selection Criterion AICu. Statistics and Probability Letters, 34(3), 285-292.
Neath, A.A. and Cavanaugh, J.E. (1997). Regression and Time Series Model Selection Using Variants of the Schwarz Information Criterion. Communications Statistics-Theory Methods, 26(3), 559-580. https://doi.org/10.1080/03610929708831934
Niyonzima, F. (2020). A New Method for Regression Model Selection. Global Science Research Journals, 8(2), 1858-1899.
Perez-Sanchez, B., Gonzalez, M., Perea, C. and Lopez-Espin, J.J. (2021). A New Computational Method for Estimating Simultaneous Equations Models Using Entropy as a Parameter Criteria. Mathematics, 9(7), 1-9. https://doi.org/10.3390/math9070700
Pham, H. (2019). A New Criterion for Model Selection. Mathematics, 7(12), 1215. https://doi.org/10.3390/math7121215
Rossi, R., Murari, A., Gaudio, P. and Gelfusa, M. (2020). Upgrading Model Selection Criteria with Goodness of Fit Tests for Practical Applications. Entropy, 22(4), 1-13. https://doi.org/10.3390/e22040447
Schwarz, G. (1978). Estimating the Dimension of a Model. The Annals of Statistics, 6(2), 461-464.
