การประมาณค่าเฉลี่ยประชากรในการสำรวจตัวอย่างเมื่อมีข้อมูลสูญหาย (Estimation of Population Mean in Sample Survey with Missing Data)

Abstract

วัตถุประสงค์ของการศึกษาในครั้งนี้ คือ นำเสนอตัวประมาณค่าเฉลี่ยประชากรในการสำรวจตัวอย่างเมื่อมีข้อมูลสูญหายโดยการประยุกต์ใช้ตัวประมาณค่าเฉลี่ย ของ Singh และคณะ [2]  เมื่อเปรียบเทียบค่า the root mean square error (RMSE) ของตัวประมาณค่าที่นำเสนอและตัวประมาณค่า , , ตัวประมาณค่าเมื่อประมาณค่าข้อมูลสูญหายด้วยวิธีค่าเฉลี่ย (mean imputation), ตัวประมาณค่าเมื่อประมาณค่าข้อมูลสูญหายด้วยค่าอัตราส่วน (ratio imputation), ตัวประมาณค่าเมื่อประมาณค่าข้อมูลสูญหายด้วยค่าคอมโพรไมซ (compromised imputation) และตัวประมาณค่าเมื่อประมาณค่าข้อมูลสูญหายด้วยค่าถดถอยของค่าเข้าใกล้สุดแบบถ่วงน้ำหนัก (weighted nearest neighbor and regression imputation) (ภายใต้เงื่อนไขที่กำหนด) เราพบว่าตัวประมาณค่าที่นำเสนอมีประสิทธิภาพดีกว่าตัวประมาณค่า , , ตัวประมาณค่าเมื่อประมาณค่าข้อมูลสูญหายด้วยวิธีค่าเฉลี่ย (mean imputation),ตัวประมาณค่าเมื่อประมาณค่าข้อมูลสูญหายด้วยค่าอัตราส่วน (ratio imputation), ตัวประมาณค่าเมื่อประมาณค่าข้อมูลสูญหายด้วยค่าคอมโพรไมซ (compromised imputation) และตัวประมาณค่าเมื่อประมาณค่าข้อมูลสูญหายด้วยค่าถดถอยของค่าเข้าใกล้สุดแบบถ่วงน้ำหนัก (weighted nearest neighbor and regression imputation)               The objective of this study is to propose an estimation of population mean in sample survey with missing data, which is obtained by applying the method of    estimator of   Singh, et al. [2]. By comparing the root mean square error(RMSE) of the proposed estimator and  estimator,  estimator, estimators based on mean imputation, ratio imputation, compromised imputation and weighted nearest neighbor and regression imputation, under the specific condition, it indicates that the proposed estimator is more efficient than estimator,  estimator, mean imputation, ratio imputation, compromised imputation and weighted nearest neighbor and regression imputation.