full2010.pdf - page 405

367
when the proportion of failure equal to 0.9, the optimal cut-off point will increases when the number of independent
increases.
As proportion of failure in data set changed but the other factors are kept constant, with the low level of the
number of independent variable, the optimal cut-off point will decrease when the proportion of failure increases. It is
also found that when a = 0.5 and p = 3, 4, 5 and 6, the optimal cut-off point will be maximum cut-off point is in the
neighborhood of 0.4425.
As the degree of multicollinearity among independent variables changed but the other factors are kept
constant, with the proportion of failure equal to 0.5, the optimal cut-off point will decrease when the degree of
multicollinearity among independent variables increases. It is also found that when a=0.5 and 0.9, the optimal cut-off
point will decrease to M =0.67 then slightly increase when M=0.99.
From the results to all situations, the Multiple regression Model with all interaction terms is used to find the
optimal cut-off point. In the study, it is found that coefficient of Multiple determination (R2) is considerably high
(R2=0.914).From the estimated regression equation, the optimal cut-off point for any situation can be predicted.
Keywords: Binary Probit Model, Classification Error Rate, Cut-off Point, Ungrouped Data
คํานํา
ในปัจจุบันไม่ว่าจะเป็ น ด้านเศรษฐศาสตร์ ด้านธุรกิจ ด้านสังคมศาสตร์ หรื อแม้แต่ทางการแพทย์ล้วนแล้วแต่
จะต้องอาศัยวิธีการทางสถิ ติมาเป็ นเครืÉองมือในการวิเคราะห์ ข้อมู ลเพืÉอประกอบการตัดสิ นใจทัÊ งสิÊน โดยการเลือกใช้
วิธีการทางสถิตินัÊ นจะต้องพิจารณาจากชนิดของข้อมูล วัตถุประสงค์ทีÉ ต้องการและข้อสมมติเบืÊ องต้นเพืÉอผลการวิเคราะห์
ทางสถิติทีÉถูกต้องและแม่นยํา แต่ในการศึ กษาจํานวนไม่ น้อยจะพบว่าตัวแปรตาม(Dependent Variable) ทีÉสนใจศึกษามัก
มีลักษณะข้อมูลเป็ นเชิ งคุณภาพ เช่น การเป็ นโรคหั วใจหรือการไม่เป็ นโรคหัวใจ การสอบได้หรื อสอบตก เป็ นต้น ดังนัÊน
ตัวแบบโพรบิตแบบ 2 ประเภท ( Binary Probit Model) จึงเป็ นอีกตัวแบบทีÉมีข้อจํากัดเกีÉ ยวกับตัวแปรตามทีÉเป็ นเชิง
คุณภาพซึÉ งมีค่าได้เพียง 2 ค่า (Binary Variable) คือค่า 0 และ 1 โดยกําหนดให้ตัวแปรตามมีค่าเท่ากับ 1 เมืÉอเกิ ดเหตุการณ์
ทีÉสนใจในหน่ วยทีÉ i และมีค่าเท่ ากับ 0 เมืÉอไม่เกิดเหตุการณ์ทีÉสนใจในหน่ วยทีÉ i
ตัวแบบโพรบิตแบบ 2 ประเภท เป็ นตัวแบบทีÉ นํามาใช้วิเคราะห์ความสัมพันธ์ระหว่างตัวแปรตามและตัวแปร
อิสระ แล้วยังสามารถนํามาใช้ในการพยากรณ์ตัวแปรตามเชิงคุณภาพว่าจะอยู่ในกลุ่มใดใน 2 กลุ่ม คื อ กลุ่มทีÉเกิด
เหตุการณ์ทีÉสนใจ (Success) และกลุ่ มไม่เกิดเหตุการณ์ทีÉสนใจ (Failure) โดยส่ วนใหญ่งานวิจัยเกื อบทัÊงหมดจะมี การจัด
ให้แต่ละหน่ วยของสิÉงทีÉสนใจ อยู่ในกลุ่มใดกลุ่มหนึÉ ง มักจะใช้จุดแบ่ง (Cut-off point) หรื อระดับความน่าจะเป็ นทีÉ 0.5