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