การคัดเลือกปัจจัยที่อธิบายตัวแบบโครงข่ายประสาทเทียมในการพยากรณ์การเกิดอาชญากรรม

Abstract

งานวิจัยนี้มีวัตถุประสงค์เพื่อคัดเลือกปัจจัยสำคัญที่มีอิทธิพลต่ออัตราการเกิดเหตุอาชญากรรม และสามารถอธิบายตัวแบบของสมการพยากรณ์ของการเกิดเหตุอาชญากรรมด้วยแบบจำลองโครงข่ายประสาทเทียม (Artificial Neural Network Model) ได้เป็นอย่างดี โดยเปรียบเทียบค่าประสิทธิภาพความแม่นยำกับวิธีการทางสถิติโดยใช้การวิเคราะห์ถดถอยพหุคูณแบบขั้นตอน ชุดข้อมูล Data Set ที่ใช้ในงานวิจัยนี้เป็นข้อมูลจากการเผยแพร่ด้านสังคมและเศรษฐศาสตร์ เมื่อปี ค.ศ.1990 ข้อมูลทางด้านสถิติที่เกี่ยวข้องกับการบังคับใช้กฎหมายจากการสำรวจของ LEMAS เมื่อปี ค.ศ.1990 และจากรายงานข้อมูลด้านอาชญากรรมของ FBI UCR เมื่อปี ค.ศ.1995 ผลการวิจัยพบว่าปัจจัยที่สามารถอธิบายการเกิดเหตุอาชญากรรมได้เป็นอย่างดีมีทั้งหมด 7 ปัจจัย โดยใช้หลักวิธีเชิงพันธุกรรม (Genetic Algorithm) และการพยากรณ์ด้วยแบบจำลองโครงข่ายประสาทเทียมแบบแพร่กระจายย้อนกลับ (Backpropagation Algorithm) มีประสิทธิภาพความแม่นยำสูงกว่าวิธีการวิเคราะห์ทางสถิติ ซึ่งวัดค่าสัมประสิทธ์การตัดสินใจ (R-Square) ได้เท่ากับ 0.7708 และค่าคลาดเคลื่อนเฉลี่ยสัมบูรณ์น้อยที่สุด (MAE) เท่ากับ 0.1008