Page 293 - kpi19903

258

ข้อสนเทศของเบส์ )Bayesian Information Criterion หรือ Schwarz criterion :BIC) โดยที่ตัวแบบที่ให้ค่า
2
R สูงสุด และตัวแบบที่ให้ค่า AIC และBIC ต่ าสุด จึงจะเป็นตัวแบบที่เหมาะสมที่สุด (Luc Anselin, 2005) การ
เปรียบเทียบตัวแบบสามตัวแบบนี้ต้องมีตัวแปรพยากรณ์เหมือนกันและเท่ากันเพื่อให้เปรียบเทียบกันได้สะดวก

เว้นตัวแบบ OLS ซึ่งจะไม่พิจารณาความสัมพันธ์เชิงพื้นที่ การวิเคราะห์ถดถอยเชิงพื้นที่ใช้โปรแกรม Geoda
และถ่วงน้ าหนักพื้นที่ด้วย Contiguity matrix (Anselin, 2003; L Anselin, 2005b) ดังรายละเอียดในหัวข้อ

3.4 การวิเคราะห์พยากรณ์ผลการเลือกตั้งระดับเขตพื้นที่ด้วยการวิเคราะห์ถดถอยเชิงพื้นที่ ในบทที่ 3 ระเบียบ

วิธีในการพัฒนาตัวแบบพยากรณ์พฤติกรรมการเลือกตั้งและผลการเลือกตั้ง
โดยมีหัวข้อในการน าเสนอตามล าดับดังนี้

1. ผลการเปรียบเทียบตัวแบบพยากรณ์ผลการเลือกตั้งด้วยวิธี Ordinary Least Square, Spatial lag

regression และ Spatial error regression model
2. ตัวแบบเชิงพื้นที่ท านายผลการเลือกตั้งแบบแบ่งเขตของแต่ละพรรคการเมือง

3. ตัวแบบเชิงพื้นที่ท านายผลการเลือกตั้งแบบบัญชีรายชื่อของแต่ละพรรคการเมือง

4. ตัวแบบท านายพฤติกรรมการใช้สิทธิการเลือกตั้ง

16.1 ผลกำรเปรียบเทียบตัวแบบพยำกรณ์ผลกำรเลือกตั้งด้วยวิธี Ordinary Least Square, Spatial lag

regression และ Spatial error regression model

ผลการวิเคราะห์เปรียบเทียบเพื่อเลือกตัวแบบในการพยากรณ์ที่เหมาะสมที่สุด วิธี ได้แก่ วิธีก าลัง 3
สองน้อยที่สุด (OLS), Spatial Lag Model และ Spatial Error Model แสดงตารางที่ 16.1

ทั้งนี้ตัวแบบที่มีความแม่นย าสูงสุดคือตัวแบบที่มีค่าสัมประสิทธิ์การตัดสินใจ (Coefficient of

Determination: R ) สูงสุด ในขณะที่ค่า AIC และ BIC ซึ่งโดยปกติแล้ว BIC จะมีการลงโทษ (Penalize)
2
จ านวนพารามิเตอร์ด้วยมักท าให้ค่า BIC สูงกว่า AIC เสมอ แต่เราต้องการตัวแบบที่มีค่า AIC หรือ BIC ต่ าสุด

ซึ่งแสดงว่าตัวแบบมีความสอดคล้องกลมกลืนกับข้อมูล (Model fit) ดี

จากการเปรียบเทียบความเหมาะสมของตัวแบบการพยากรณ์ผลการเลือกตั้งของไทยระหว่างตัวแบบ
ที่พิจารณา และไม่พิจารณาความสัมพันธ์เชิงพื้นที่ พบว่า

1. ตัวแบบเชิงพื้นที่มีความแม่นย าในการพยากรณ์ตัวแปรตามผลการเลือกตั้งทั้ง ตัวแปรได้แม่นย า 11

2
กว่าดังจะเห็นได้จากค่า R ของตัวแบบเชิงพื้นที่ไม่ว่าจะ Spatial lag regression หรือ Spatial error
regression ต่างมีค่า R ที่สูงกว่าหรือเท่ากับตัวแบบ OLS regression ที่ไม่พิจารณาความสัมพันธ์เชิงพื้นที่แม้
2
จะมีจ านวนตัวแปรพยากรณ์อื่นๆ เท่ากัน เพราะทั้ง Spatial lag regression และ Spatial error regression

ต่างก็มีตัวแปรพยากรณ์เพิ่มมากขึ้นหนึ่งตัวแปรคือความสัมพันธ์เชิงพื้นที่
2. เมื่อเปรียบเทียบความแม่นย าของตัวแบบ Spatial lag regression และ Spatial error regression

พบว่า R แทบไม่แตกต่างกันมากแสดงว่าตัวแบบทั้งสองตัวแบบนี้มีความแม่นย าใกล้เคียงกันเป็นอย่างยิ่ง
2