การคัดเลือกตัวแบบในการถดถอยเชิงเส้นพหุคูณโดยใช้ วิธีดับเบิลเจเนติกอัลกอริทึม

Abstract

          งานวิจัยฉบับนี้มีวัตถุประสงค์เพื่อประยุกต์วิธีดับเบิลเจเนติกอัลกอริทึม (Double Genetic Algorithms: DGA) ในการคัดเลือกตัวแบบการถดถอยเชิงเส้นพหุคูณ และทำการเปรียบเทียบกับวิธีเจเนติกอัลกอริทึม (Genetic Algorithm: GA) และวิธีการถดถอยแบบขั้นตอน (Stepwise Regression: SR) โดยอาศัยเกณฑ์ความคลาดเคลื่อนกำลังสองเฉลี่ย (Mean Squares Error: MSE) และค่าเฉลี่ยของ MSE (Average Mean Squares Error: AMSE) เป็นเกณฑ์ในการเปรียบเทียบประสิทธิภาพของวิธี DGA GA และ SR ทำการจำลองข้อมูลภายใต้สถานการณ์ที่ตัวแปรอิสระเท่ากับ 10 ตัวแปร ขนาดตัวอย่างเท่ากับ 50,100 และ 500 ส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนเท่ากับ 50, 80, 150 และ 250 เมื่อไม่เกิดและเกิดปัญหาสหสัมพันธ์เชิงเส้นพหุ ผลการวิจัยพบว่าในสถานการณ์ที่เกิดปัญหาสหสัมพันธ์เชิงเส้นพหุ วิธี DGA ให้ค่า AMSE น้อยที่สุด ส่วนวิธี GA และ SR ให้ค่าที่ใกล้เคียงกัน สำหรับกรณีที่ไม่เกิดปัญหาสหสัมพันธ์เชิงเส้นพหุ วิธี DGA  GA และวิธี SR ให้ค่า MSE ที่ต่ำที่สุดเท่ากัน                This research was aimed to apply Double Genetic Algorithms (DGA) method for model selection in multiple linear regression and compare with Genetic Algorithm (GA), Stepwise Regression (SR) method by MSE and AMSE criterion. The simulations data under situation are 10 variables, sample sizes are 50, 100 and 500, standard deviation of errors are 50, 80, 150 and 250, without and with multicollinearity problems. Findings are found that with multicollinearity problem, DGA method to the AMSE minimum but GA and SR are similarly. Without multicollinearity problem, the lowest MSE of DGA, GA, and SR method are almost the same