การเปรียบเทียบวิธีการประมาณค่าสูญหายสำหรับตัวแบบพยากรณ์

A comparison of missing value estimation methods for forecasting models

Name: จิรกานต์ นวลละออง

keyword: การประมาณค่าสูญหาย

; ค่าเฉลี่ยตัวถ่วงน้ำหนัก

Abstract: ในการวิเคราะห์ข้อมูลอนุกรมเวลาและการพยากรณ์นั้นมักไม่มีความแม่นยำ ถูกต้อง และน่าเชื่อถือเมื่อมีข้อมูลสูญหายเกิดขึ้น งานวิจัยนี้มีวัตถุประสงค์ในการศึกษาวิธีเพื่อประมาณค่าสูญหายเพื่อใช้ในการวิเคราะห์ตัวแบบพยากรณ์ โดยทำการเปรียบเทียบวิธีการประมาณค่าสูญหาย 3 วิธีเดี่ยว คือวิธีค่าเฉลี่ย วิธีกำลังสองน้อยสุด วิธีการใส่ค่าหลายค่าแทนข้อมูลที่สูญหายแต่ละค่า และการประมาณค่าสูญหายร่วมด้วยตัวถ่วงน้ำหนัก 3 วิธี คือ วิธีการถ่วงน้ำหนักที่เท่ากัน วิธีถ่วงน้ำหนักโดยค่าสัมบูรณ์ต่ำสุด และวิธีการถ่วงน้ำหนักโดยความแปรปรวนต่ำสุด โดยจำลองข้อมูลด้วยเทคนิคมอนติคาร์โลด้วยโปรแกรม R ซ้ำ 50,000 ครั้งและกำหนดขนาดตัวอย่าง 30, 50 และ 100 ค่าเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนเท่ากับ 1, 2, 5 และ 10 เปอร์เซ็นต์การสูญหายเท่ากับ 5%, 10%, 15% และ 20% ขนาดความสัมพันธ์ของตัวแปรอิสระ คือ 0, 0.2 และ 0.5 เกณฑ์ที่ใช้ในการ เปรียบเทียบ คือ ค่าเฉลี่ยของเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ วิธีที่เหมาะสมกับการถดถอยเชิงเส้นพหุ เมื่อเป็นข้อมูลภาคตัดขวางคือ วิธีค่าเฉลี่ย วิธีที่เหมาะสมกับการถดถอยเชิงเส้น เมื่อเป็นข้อมูลอนุกรมเวลา คือ วิธีกำลังสองน้อยสุด สำหรับทุก กรณีศึกษามีเพียง 3 กรณี วิธีค่าเฉลี่ยเหมาะสมกับข้อมูลดังนี้ ค่า เบี่ยงเบนมาตรฐานของความคลาดเคลื่อนเท่ากับ 5 ขนาดตัวอย่างเท่ากับ 30, ค่าเบี่ยงเบนมาตรฐาน ของความคลาดเคลื่อนเท่ากับ 10 ขนาดตัวอย่างเท่ากับ 30 และค่าเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนเท่ากับ 5 ขนาดตัวอย่าง เท่ากับ 50 สำหรับวิธีการประมาณค่าร่วมกันนั้นวิธีถ่วงน้ำหนักโดยค่าสัมบูรณ์ต่ำสุดจะเหมาะสมทุกกรณี

Abstract: An analysis of time series and forecasting is usually inaccurate, invalid and unreliable when there are missing data. The objective of this research is to compare missing value estimation methods and to propose a new method by combining individual methods so called “combined missing value estimation methods”. The proposed method combines three individual missing value estimation methods by using weighted average. There are three methods for evaluating weighted averages which are Equally Weight (EW), Least Absolute Value (LAV) and Minimum Variance (MV). The Monte Carlo simulation technique is used in the R program with 50,000 trajectory samples, where sample sizes are 30, 50 and 100, standard deviations of error are 1, 2 , 5 and 10, missing percentages are 5%, 10%, 15% and 20% and correlation levels of independent variables are 0, 0.2 and 0.5. The Mean Absolute Percentage Error is used as a criterion for comparison of missing value estimation methods. The proper method for cross – sectional data is the Mean method. For time series data, the Mean method is suitable for three cases; 1) standard deviation of the error is 5 and the sample size is 30 2) standard deviation of the error is 10 and the sample size is 30 3) standard deviation of the error is 10 and the sample size is 50, otherwise, the Ordinary Least Square Method (OLS) is the best estimation method. The weighted of combined estimation method by least absolute value is superior to other methods for all cases studies.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: เสาวณิต สุขภารังษี

Role: ที่ปรึกษาวิทยานิพนธ์

Email : swn@kmutnb.ac.th

Created: 2552

Modified: 2567-08-29

Issued: 2553-09-04

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: E-THESIS

tha

DegreeName: วิทยาศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: สถิติประยุกต์

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B15186003.pdf	6.43 MB	12	2026-05-26 18:16:01

ใช้เวลา

0.034902 วินาที