การคัดเลือกตัวแบบไม่ติดกลุ่มอย่างสมบูรณ์ของตัวแบบถดถอยโลจิสติกทวินามโดยใช้ฟังก์ชันคอมพลีเมนทารี ล็อก-ล็อก เป็นฟังก์ชันเชื่อมโยง

ศิวรัตน์ รสจันทร์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/22565

Title:	การคัดเลือกตัวแบบไม่ติดกลุ่มอย่างสมบูรณ์ของตัวแบบถดถอยโลจิสติกทวินามโดยใช้ฟังก์ชันคอมพลีเมนทารี ล็อก-ล็อก เป็นฟังก์ชันเชื่อมโยง
Other Titles:	The strictly non-nested model selection of binary logistic regression model using the complementary log-log function as a link function
Authors:	ศิวรัตน์ รสจันทร์
Advisors:	สุพล ดุรงค์วัฒนา
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี
Advisor's Email:	fcomsdu@acc.chula.ac.th
Subjects:	การวิเคราะห์การถดถอยโลจิสติก
Issue Date:	2554
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	การศึกษานี้มีวัตถุประสงค์เพื่อศึกษาระดับความสัมพันธ์ใน แต่ละคู่ของตัวแปรอิสระจากทั้งสองตัวแบบที่จะส่งผลให้ได้เลือกตัวแบบทางสถิติแบบไม่ติดกลุ่มอย่างสมบูรณ์ ของตัวแบบถดถอยโลจิสติกทวินามที่มีฟังก์ชัน คอมพลีเมนทารีล็อก-ล็อกเป็นฟังก์ชันเชื่อมโยงที่ดีที่สุด เมื่อขนาดตัวอย่างของเซตตัวแปรอิสระและจำนวนของตัวแปรอิสระของเซตทั้งสองเท่ากัน และเพื่อศึกษาจำนวนของ ตัวแปรอิสระจากทั้งสองตัวแบบที่จะส่งผลให้ได้ตัวแบบ ทางสถิติแบบไม่ติดกลุ่มอย่างสมบูรณ์ของตัวแบบถดถอยโลจิสติกทวินามที่มีฟังก์ชันคอมพลีเมนทารี ล็อก-ล็อกเป็นฟังก์ชันเชื่อมโยงที่ดีที่สุดเมื่อขนาดตัวอย่างของเซตตัวแปรอิสระและระดับความสัมพันธ์ในแต่ละคู่ของตัวแปรอิสระ ของเซตทั้งสองเท่ากัน โดยใช้พื้นที่ใต้โค้ง (Area Under the Curve: AÛC) สูงสุดเป็นเกณฑ์ในการเลือกตัวแบบ จากการวิจับพบว่า กรณีขนาดตัวอย่างของเซตตัวแปรอิสระและจำนวนของตัวแปรอิสระของเซตทั้งสองเท่ากันพบว่าเมื่อระดับสหสัมพันธ์ในแต่ละคู่ของตัวแปรอิสระมีค่าเพิ่มขึ้น ค่าเฉลี่ยพื้นที่ใต้โค้ง ROC จะมีค่าลดลง กรณีขนาดตัวอย่างของเซตตัวแปรอิสระและระดับความสัมพันธ์ในแต่ละคู่ของตัวแปรอิสระของเซตทั้งสองเท่ากันพบว่าเมื่อจำนวนตัวแปรอิสระในตัวแบบมีจำนวนมากขึ้น ค่าเฉลี่ยพื้นที่ใต้โค้ง ROC จะมีค่าเพิ่มสูงขึ้นตาม และจาก ผลการวิจัยทำให้ทราบอีกว่า ในกรณีจำนวนของตัวแปรอิสระของเซตทั้งสองเท่ากันและระดับสหสัมพันธ์ในแต่ละคู่ของตัวแปรอิสระของเซตทั้งสองเท่ากัน พบว่าเมื่อขนาดตัวอย่างของเซตตัวแปรอิสระเพิ่มมากขึ้น ค่าเฉลี่ยพื้นที่ใต้โค้ง ROC จะมีค่าเพิ่มสูงขึ้นตาม ดังนั้น ระดับสหสัมพันธ์ในแต่ละคู่ของตัวแปรอิสระ จำนวนตัวแปรอิสระในตัวแบบและขนาดตัวอย่างเป็นปัจจัยที่ส่งผลต่อการคัดเลือกตัวแบบ ผลการคัดเลือกตัวแบบ กรณีเมื่อจำนวน ตัวแปรอิสระใน ตัวแบบที่ 1 น้อยกว่า จำนวนตัวแปรอิสระในตัวแบบที่ 2 และระดับสหสัมพันธ์ในแต่ละคู่ของตัวแปรอิสระในตัวแบบที่ 1 มากกว่าหรือเท่ากับระดับสหสัมพันธ์ในแต่ละคู่ของตัวแปรอิสระในตัวแบบที่ 2 จะเลือกตัวแบบที่ 2 กรณีเมื่อ จำนวนตัวแปรอิสระในตัวแบบที่ 1 มากกว่า จำนวน ตัวแปรอิสระในตัวแบบที่ 2 และระดับสหสัมพันธ์ในแต่ละคู่ของตัวแปรอิสระในตัวแบบที่ 1 น้อยกว่าหรือเท่ากับระดับสหสัมพันธ์ในแต่ละคู่ของตัวแปรอิสระในตัวแบบที่ 2 จะเลือก ตัวแบบที่ 1
Other Abstract:	he purpose of this study is to find out how different degree of pair-wise correlations between each pair of independent variables from both models affecting the optimal model selection with binary logistic regression model using the complementary log-log function as a link function when the sample size of both sets of independent variables are the same, the number of independent variables for both sets are the same. In addition to find out how different number of independent variables affecting the optimal model selection with binary logistic regression model using the complementary log-log function as a link function when the sample size of both sets of independent variable are the same, and both sets have the same degree of pair-wise correlations. While both sets of independent variables of two purposes are strictly non-nested and the selection criterion is the maximum of the AUC. The conclusions of this study are: when the sample size of both sets of independent variables are the same, the number of independent variables for both sets are the same. At the degree of pair-wise correlations increases the average maximum of the AUC decrease. When the sample size of both sets of independent variable are the same, and both sets have the same degree of pair-wise correlations. At the number of independent variables for both sets increases the average maximum of the AUC increases. And when the sample size of both sets of independent variables are the same, and both sets have the same degree of pair-wise correlations. At the sample size the sample size the average maximum of the AUC increases. Therefore, the degree of pair-wise correlations, the number of independent variables for both sets and the sample size affect the selection of the strictly non-nested binary logistic regression model using the complementary log-log function.
Description:	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2554
Degree Name:	สถิติศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	สถิติ
URI:	http://cuir.car.chula.ac.th/handle/123456789/22565
URI:	http://doi.org/10.14457/CU.the.2011.892
metadata.dc.identifier.DOI:	10.14457/CU.the.2011.892
Type:	Thesis
Appears in Collections:	Acctn - Theses

Files in This Item:

File	Description	Size	Format
Siwarat_Ro.pdf		2.64 MB	Adobe PDF	View/Open

Show full item record