การประมาณค่าเฉลี่ยประชากรเมื่อมีข้อมูลสูญหายในการเลือกตัวอย่างสุ่มแบบแบ่งชั้นภูมิ

Abstract

          งานวิจัยนี้ได้เสนอตัวประมาณค่าเฉลี่ยประชากรเมื่อมีข้อมูลสูญหายในการเลือกตัวอย่างสุ่มแบบแบ่งชั้นภูมิ ซึ่งพัฒนาจากตัวประมาณค่าเฉลี่ยประชากรเมื่อมีข้อมูลสูญหายในการเลือกตัวอย่างสุ่มแบบง่าย ของ Gira (2015) โดยการจำลองประชากรขนาด 150,000 หน่วย ที่มีตัวแปรที่สนใจ (Y) ตัวแปรช่วย (X) และกำหนดสัมประสิทธิ์สหสัมพันธ์ระหว่าง X กับ Y 3 ระดับ คือ 0.50, 0.75 และ 0.90 ซึ่งจะสุ่มตัวอย่างขนาด 30, 90, 300 และ 600 หน่วยตัวอย่าง และสุ่มเลือกให้ตัวแปรที่สนใจ (Y) มีเปอร์เซ็นต์การสูญหายอย่างสุ่มที่ 5%, 10% และ 15% ตามลำดับเกณฑ์ที่ใช้ในการเปรียบเทียบ คือ ค่าคลาดเคลื่อนกำลังสองเฉลี่ย ผลการศึกษาพบว่า ตัวประมาณที่นำเสนอมีประสิทธิภาพมากกว่าตัวประมาณค่าเฉลี่ย ประชากรเมื่อมีข้อมูล สูญหายด้วยค่าอัตราส่วนของ Singh et al. (2015) และตัวประมาณค่าเฉลี่ยประชากรเมื่อมีข้อมูลสูญหายของ Thakur et al. (2014) ในทุกกรณี           This research presents estimator of population mean with missing data in stratified random sampling developed from the estimator of population mean with missing data in stratified random sampling concept of Gira (2015) by simulation. The size of the population is 150,000 units with values of a study variable Y and an auxiliary variable X. When the correlation coefficient between variable Y and X has 3 levels which is 0.05, 0.75 and 0.90. Random sample is 30, 90, 300 and 600 sample units are drawn from the population. From each sample randomly the variable Y as randomly missing at 5%, 10% and 15%, respectively. The criteria used for the comparison is the mean square error. In the present study, it indicates that the proposed estimator to be more effective than those reported in Singh et al. (2015) and Thakur et al. (2014) for every cases.