การเปรียบเทียบประสิทธิภาพของวิธีจัดการข้อมูลสูญหายภายใต้สภาวะการสูญหายที่ไม่ใช่อย่างสุ่มสำหรับการประมาณค่าพารามิเตอร์ของแบบสอบถามที่ให้คะแนนหลายค่า
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์ 1) เพื่อเปรียบเทียบค่าพารามิเตอร์ของข้อมูลจริงกับค่าพารามิเตอร์ของข้อมูลที่ใช้วิธีการจัดการข้อมูลสูญหายทั้ง 2 วิธี คือ วิธีค่าคาดหมายสูงสุด และวิธีการประมาณภาวะน่าจะเป็นสูงสุดของแบบสอบถามที่ให้คะแนนหลายค่า และ 2) เพื่อเปรียบเทียบคุณภาพของการประมาณค่าพารามิเตอร์ทั้ง 2 วิธี ในการจัดการข้อมูลสูญหายของแบบสอบถามที่ให้คะแนนหลายค่า ดำเนินการศึกษาจากข้อมูลจริงจากแบบสอบถาม ผลการวิจัยสรุปได้ดังนี้ 1) ผลการประมาณค่าพารามิเตอร์ด้วยวิธีค่าคาดหมายสูงสุด และวิธีการประมาณภาวะน่าจะเป็นสูงสุดภายใต้สภาวะการสูญหายที่ไม่ใช่อย่างสุ่ม (MNAR) ตามเงื่อนไขที่กำหนด พบว่า ค่าอำนาจจำแนกของข้อคำถาม (aj) มีค่าใกล้เคียงกัน และค่าที่ได้มีค่าสูงกว่าค่าที่แท้จริง ค่าเทรสโฮลด์ (bjk) มีค่าที่ได้ส่วนใหญ่สูงกว่าค่าที่แท้จริง ค่าพารามิเตอร์ความสามารถของผู้ตอบแบบสอบถาม (q) ภายใต้สภาวะการสูญหายที่ไม่ใช่อย่างสุ่ม (MNAR) ประมาณค่าพารามิเตอร์ด้วยวิธีค่าคาดหมายสูงสุดมีค่าใกล้เคียงค่า q ที่แท้จริงมากกว่าการประมาณค่าด้วยวิธีการประมาณภาวะน่าจะเป็นสูงสุด 2) ผลการเปรียบเทียบคุณภาพของวิธีจัดการข้อมูลสูญหายสำหรับประมาณค่าพารามิเตอร์ของแบบสอบถามที่ให้คะแนนหลายค่าและความสามารถของผู้ตอบแบบสอบถามด้วยวิธีที่แตกต่างกัน 2 วิธี พบว่า ผลที่ได้จากการประมาณค่าพารามิเตอร์โดยส่วนใหญ่ให้ค่าคุณภาพของการประมาณค่าไม่ต่างกัน โดยภายใต้สภาวะการสูญหายที่ไม่ใช่อย่างสุ่ม วิธีการประมาณภาวะน่าจะเป็นสูงสุดให้ค่า MAPE และ RMSE ในการประมาณค่าอำนาจจำแนก ค่าเทรสโฮลด์ และค่าพารามิเตอร์ความสามารถของผู้ตอบแบบสอบถามน้อยที่สุด
Article Details
References
Enders, C.K. (2010). Applied missing data analysis. New York: Guilford Press.
Finch, H. (2008). Estimation of item response theory parameters in the presence of missing data. Journal of Educational Measurement 45, 225-245.
Olinsky, A., Chen, S. & Harlow, L. (2003). The comparative efficacy of imputation methods for missing data in structural equation modeling. European Journal of Operational Research 151, 53–79.
Robitzsch, A. & Rupp, A.A. (2009). Impact of missing data on the detection of differential item functioning the case of Mantel-Haenszel and logistic regression analysis. Educational and Psychological Measurement 69 (1), 18-34.
Schmitt, P., Mandel, J. & Guedj, M. (2015). A comparison of six methods for missing data imputation. Journal of Biometrics & Biostatistics 6 (1), 1-6.
Schafer, J.L. & Graham, J.W. (2002). Missing data: Our view of the state of the art. Psychological Methods 7 (2), 147-177.
Sijtsma, K., & Van der Ark, L. A. (2003). Investigation and treatment of missing item scores in test and questionnaire data. Multivariate Behavioral Research 38, 505–528.