Page 63 - kpi19903
P. 63

37



               ratio test) ซึ่งเป็นการเปรียบเทียบตัวแบบซึ่งมีตัวแปรนั้น ๆ กับตัวแบบที่ไม่มีตัวแปรนั้น ๆ ว่าแตกต่างกัน
               หรือไม่ ซึ่งจะเป็นการทดสอบรวมของค่าสัมประสิทธิ์ของตัวแปรนั้น ๆ ในครั้งเดียว

                       การตรวจสอบความกลมกลืนของตัวแบบ (Assessment of model fit) ใช้การตรวจสอบจาก สาม

               ประการ (การตรวจสอบ model fit มีได้นับร้อยนับพันวิธีการ แต่เลือกน าเสนอเฉพาะวิธีการที่ใช้กัน
               แพร่หลาย)

                       ประการแรก พิจารณาจากความแม่นย าของผลการจ าแนกจากตัวแบบ โดยสร้างตารางไขว้ระหว่างผล

               การจ าแนกเหตุการณ์กับเหตุการณ์ที่เกิดขึ้นจริง ค่าในแนวทแยงมุมของตารางไขว้ดังกล่าวหรือเรียกว่า
               Confusion matrix คือ ค่าดัชนีความแม่นย าของการจ าแนกของตัวแบบ (Accuracy index)

                                                                                        2
                       ประการที่สอง พิจารณาจากค่าสัมประสิทธิ์การตัดสินใจเทียม (Psuedo R ) ซึ่งการตีความนั้น
               ใกล้เคียงกับค่าสัมประสิทธิ์การตัดสินใจ โดยต่างก็เป็น Proportional Reduction in Error เช่นกัน แต่  ค่า
               สัมประสิทธิ์การตัดสินใจ (Coefficient of determination) ที่ใช้ในการวิเคราะห์ถดถอยพหุ (Multiple

               regression analysis) นั้น แปลความได้ว่าเป็นร้อยละของความแปรปรวนของตัวแปรตามที่อธิบายได้จากตัว

                                                                      2
                                    2
               แปรต้น แต่ Psuedo R   ไม่สามารถท าเช่นนั้นได้ ค่า Psuedo R  นี้มีผู้น าเสนอไว้หลายสูตร เช่น Cox and
               Snell R และ Nagelkerke R หากค่า Psuedo R  มีค่ายิ่งเข้าใกล้หนึ่งแสดงว่าตัวแบบมีความกลมกลืนกับ
                      2
                                                         2
                                        2
               ข้อมูลดีมาก
                       ประการที่สาม ดัชนีวัดความกลมกลืน ซึ่งพัฒนามากจากภาวะน่าจะเป็นสูงสุดในการประมาณ
               ค่าพารามิเตอร์ เช่น พิจารณาจาก -2 Log Likelihood อันได้แก่ ค่า AIC (Akaike Information Criterion)

               (Akaike, 1981) และ BIC (Bayesian Information Criterion) (Schwarz, 1978) ซึ่งค่าดังกล่าวยิ่งมีค่าน้อย

               ยิ่งแสดงว่าตัวแบบมีความกลมกลืนกับข้อมูลค่อนข้างดี


               3.4 กำรวิเครำะห์พยำกรณ์ผลกำรเลือกตั้งระดับเขตพื้นที่ด้วยกำรวิเครำะห์ถดถอยเชิงพื้นที่
                       การวิเคราะห์พยากรณ์ผลการเลือกตั้งระดับเขตพื้นที่ด้วยการวิเคราะห์ถดถอยเชิงพื้นที่ เป็น การ

               วิเคราะห์ผลการเลือกตั้งตามเขตเลือกตั้ง หน่วยการวิเคราะห์เป็นเขตเลือกตั้ง และน าความสัมพันธ์เชิงพื้นที่

               (Spatial relationship) มาใช้เป็นส่วนหนึ่งของตัวแบบพยากรณ์ เพื่อให้เกิดความแม่นย ามากขึ้นเช่นเดียวกับที่
               ช่วยสะท้อนความเป็นจริงตามธรรมชาติของปรากฏการณ์การเลือกตั้ง ซึ่งมีความสัมพันธ์หรืออิทธิพลเชิงพื้นที่

               ค่อนข้างชัดเจนตามหลักการของภูมิรัฐศาสตร์

                       ในการวิจัยนี้ได้วิเคราะห์ 2 วิธีการด้วยกัน ดังนี้
                       หนึ่ง การวิเคราะห์ความสัมพันธ์เชิงพื้นที่ของผลการเลือกตั้งใน พ.ศ. 2554 โดยใช้สถิติ Moran’s I

               และวิเคราะห์การเกาะกลุ่มของผลการเลือกตั้งด้วย Local Indicators of Spatial Association (LISA) เพื่อ

               หาพื้นที่ที่เป็นฐานเสียงหรือพื้นที่ที่มีการเลือกพรรคใดพรรคหนึ่งอย่างเข้มข้น (ที่ระดับความเชื่อมั่นร้อยละ 95)
                       สอง การวิเคราะห์ความสัมพันธ์ของตัวแปรอิสระ กับผลการเลือกตั้งปี 2554 เพื่อพัฒนาตัวแบบ

               พยากรณ์ผลการเลือกตั้ง โดยการวิเคราะห์ถดถอยด้วยวิธีก าลังสองน้อยที่สุด (OLS) ซึ่งเป็นการพิจารณา
   58   59   60   61   62   63   64   65   66   67   68