การเปรียบเทียบวิธีการทดแทนค่าสูญหายสำหรับแผนแบบพื้นผิวตอบสนอง

A comparison of missing value imputation methods for response surface designs

Name: ณัฐชยา รตะสุขารมย์

ThaSH: มหาวิทยาลัยเกษตรศาสตร์ -- วิทยานิพนธ์. วท.ม. (สถิติ) 2563.

Classification :.LCCS: QA279

ThaSH: มหาวิทยาลัยเกษตรศาสตร์. -- สาขาสถิติ -- วิทยานิพนธ์

ThaSH: พื้นผิวตอบสนอง (สถิติ)

ThaSH: ข้อมูลสูญหาย (สถิติ)

ThaSH: การออกแบบการทดลอง

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพวิธีการประมาณค่าสูญหายในแผนแบบพื้นผิวตอบสนอง 4 วิธี คือ วิธีค่าเฉลี่ย (Mean imputation, MI) วิธีการถดถอย (Regression imputation, RI) วิธีการถดถอยแบบสโตแคสติก (Stochastic regression imputation, SRI) และวิธีเคเนียร์เรสเนเบอร์ (K-nearest neighbor, KNN) ในแผนแบบพื้นผิวตอบสนอง 4 แผนแบบ ได้แก่ แผนแบบเซ็นทรัลคอมโพสิต (Central composite design, CCD) แผนแบบสมอลคอมโพสิต (Small composite design, SCD) แผนแบบบ็อกซ์-เบห์นกิ้น (Box-Behnken design, BBD) และแผนแบบไฮบริด (Hybrid design) ภายใต้ขอบเขตทรงลูกบาศก์และทรงกลม สำหรับแผนแบบ CCD และ BBD มีจำนวนปัจจัยเท่ากับ 2, 3 และ 4 ส่วนแผนแบบ SCD และ Hybrid มีจำนวนปัจจัยเท่ากับ 3 และ 4 กำหนดความแปรปรวนของความคลาดเคลื่อนเท่ากับ 0.5, 1 และ 1.5 เกณฑ์การเปรียบเทียบพิจารณาจากค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (Mean square error, MSE) และค่าความคลาดเคลื่อนสมบูรณ์เฉลี่ย (Mean absolute error, MAE) ผลการศึกษาพบว่า ภายใต้ขอบเขตทรงลูกบาศก์ในแผนแบบ CCD วิธี RI มีประสิทธิภาพในการประมาณค่าสูญหายได้ดี แผนแบบ SCD วิธี KNN มีประสิทธิภาพในการประมาณค่าสูญหายได้ดี แผนแบบ BBD วิธี RI และ KNN มีประสิทธิภาพในการประมาณค่าสูญหายได้ดี และในแผนแบบ Hybrid วิธี MI มีประสิทธิภาพในการประมาณค่าสูญหายได้ดี ส่วนภายใต้ขอบเขตทรงกลม พบว่าในแผนแบบ CCD วิธี RI มีประสิทธิภาพในการประมาณค่าสูญหายได้ดีที่สุด แผนแบบ SCD วิธี KNN มีประสิทธิภาพในการประมาณค่าสูญหายได้ดี แผนแบบ BBD วิธี RI มีประสิทธิภาพในการประมาณค่าสูญหายได้ดี และในแผนแบบ Hybrid พบว่าวิธี MI มีประสิทธิภาพในการประมาณค่าสูญหายได้ดี ทั้งนี้ทุกวิธีจะมีประสิทธิภาพเพิ่มขึ้นเมื่อจำนวนการทำซ้ำที่จุดศูนย์กลางของแผนแบบ (nc) เพิ่มขึ้น และเมื่อความแปรปรวนของความคลาดเคลื่อนลดลง The objective of this research is to compare efficiency of missing value estimation methods in response surface designs. The missing value estimation methods considered in the research are the four imputation methods : Mean imputation (MI), Regression imputation (RI), Stochastic regression imputation (SRI) and K-nearest neighbor imputation (KNN). The four response surface designs in cuboidal and spherical regions : Central composite design (CCD), Small composite design (SCD), Box-behnken design (BBD) and Hybrid design are used in this study. For CCD and BBD, there are 2 3 and 4 design variables (k=2,3, 4). For SCD and Hybrid, there are 3 and 4 design variables (k=3, 4). The variance of errors are 0.5, 1 and 1.5. The criteria of comparison the efficiency are mean square error (MSE) and mean absolute error (MAE). The results show that in the cuboidal region, the RI method mostly performs well for the CCD. The KNN method mostly performs well for the SCD. The RI and KNN methods mostly perform well for the BBD and the MI method mostly performs well for the Hybrid. In the spherical region, RI method is the best for the CCD. The KNN method mostly performs well for the SCD. The RI method mostly performs well for the BBD and the MI method mostly performs well for the Hybrid. The efficiency of all imputation methods increases when center points (nc ) increase and the variance of error decreases.

มหาวิทยาลัยเกษตรศาสตร์. สำนักหอสมุด

Address: กรุงเทพมหานคร

Email: tdckulib@ku.ac.th

Name: บุญอ้อม โฉมที

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์หลัก

Name: จันทร์ธา วงษ์อู่ทอง

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์ร่วม

Created: 2563

Modified: 2568-07-09

Issued: 2568-07-09

วิทยานิพนธ์/Thesis

วิทยานิพนธ์/Thesis

application/pdf

URL: https://www.lib.ku.ac.th/KUthesis/2563/natchaya-rat-all.pdf

CallNumber: QA279 .ณ113

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: สถิติ

Grantor: มหาวิทยาลัยเกษตรศาสตร์

©copyrights มหาวิทยาลัยเกษตรศาสตร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	natchaya-rat-all.pdf	2.75 MB	12	2026-05-26 18:16:01

ใช้เวลา

0.034502 วินาที