- 63
- 85 330
StatDiary
Thailand
เข้าร่วมเมื่อ 30 ก.ย. 2014
Value proposition (คุณค่าที่ส่งมอบให้แก่ผู้ชม):
ช่อง “StatDiary” คำนึงถึงความสำคัญของทักษะเชิงข้อมูล (Data literacy) ในยุคปัจจุบัน จึงจัดสร้างช่องนี้เพื่อเผยแพร่ความรู้ต่างๆ เกี่ยวกับสถิติ การทำวิจัย และการหา insight จากข้อมูล (ตั้งแต่เนื้อหาพื้นฐานจนถึงเนื้อหาขั้นสูง) ให้แก่ผู้ที่สนใจ
Vision: เพื่อสร้างสรรค์สื่อการสอนที่เข้าใจง่ายเกี่ยวกับศาสตร์ทางด้านข้อมูลให้กับคนไทย
Mission:
1. สร้างคลิปสอนสถิติสำหรับการทำวิจัย การเขียนเอกสารงานวิจัย Critical thinking for data analysis การใช้โปรแกรมสำหรับการวิเคราะห์ เช่น SPSS, AMOS ให้กับนักวิจัยและผู้สนใจทั่วไป
2. สร้างคลิปสอนเทคนิคเฉพาะทางหรือขั้นสูง เช่น การวิเคราะห์การถดถอย การสำรวจตัวอย่าง Machine learning แผนแบบการทดลอง Optimization การวิเคราะห์อนุกรมเวลา Panel data analysis, Data storytelling/visualization การใช้โปรแกรม R หรือ Python ให้กับผู้สนใจเฉพาะด้าน โดยเฉพาะนิสิต นักศึกษา นักวิจัย และบุคลากรสายงานด้านวิทยาศาสตร์ข้อมูล
สื่อการสอนโดย ผศ.ดร. นัท กุลวานิช
คณะพาณิชศาสตร์และการบัญชี จุฬาลงกรณ์มหาวิทยาลัย
ช่อง “StatDiary” คำนึงถึงความสำคัญของทักษะเชิงข้อมูล (Data literacy) ในยุคปัจจุบัน จึงจัดสร้างช่องนี้เพื่อเผยแพร่ความรู้ต่างๆ เกี่ยวกับสถิติ การทำวิจัย และการหา insight จากข้อมูล (ตั้งแต่เนื้อหาพื้นฐานจนถึงเนื้อหาขั้นสูง) ให้แก่ผู้ที่สนใจ
Vision: เพื่อสร้างสรรค์สื่อการสอนที่เข้าใจง่ายเกี่ยวกับศาสตร์ทางด้านข้อมูลให้กับคนไทย
Mission:
1. สร้างคลิปสอนสถิติสำหรับการทำวิจัย การเขียนเอกสารงานวิจัย Critical thinking for data analysis การใช้โปรแกรมสำหรับการวิเคราะห์ เช่น SPSS, AMOS ให้กับนักวิจัยและผู้สนใจทั่วไป
2. สร้างคลิปสอนเทคนิคเฉพาะทางหรือขั้นสูง เช่น การวิเคราะห์การถดถอย การสำรวจตัวอย่าง Machine learning แผนแบบการทดลอง Optimization การวิเคราะห์อนุกรมเวลา Panel data analysis, Data storytelling/visualization การใช้โปรแกรม R หรือ Python ให้กับผู้สนใจเฉพาะด้าน โดยเฉพาะนิสิต นักศึกษา นักวิจัย และบุคลากรสายงานด้านวิทยาศาสตร์ข้อมูล
สื่อการสอนโดย ผศ.ดร. นัท กุลวานิช
คณะพาณิชศาสตร์และการบัญชี จุฬาลงกรณ์มหาวิทยาลัย
การวิเคราะห์ข้อมูลจำแนกประเภท: สถิติอนุมานเบิ้องต้นสำหรับตารางการณ์จร
ตอนที่ 11
สถิติอนุมานเบิ้องต้นสำหรับตารางการณ์จร (Inferential Statistics for contingency table)
สถิติอนุมานเบิ้องต้นสำหรับตารางการณ์จร (Inferential Statistics for contingency table)
มุมมอง: 452
วีดีโอ
การวิเคราะห์ข้อมูลด้วย SPSS: Paired-sample t-test (ปูพื้นฐาน)
มุมมอง 1.3K2 ปีที่แล้ว
ปูพื้นฐานความรู้ของการทดสอบความแตกต่างของค่าเฉลี่ย หรือก็คือการวิเคราะห์ Dependent t-test (Paired-sample t-test ) เพื่อใช้ในการเปรียบเทียบความแตกต่างของค่าเฉลี่ย 2 ประชากรที่ไม่ป็นอิสระต่อกัน (ปูพื้นฐานผู้เรียนก่อนการใช้โปรแกรม เพื่อให้เข้าใจมากขึ้น) ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ หากชอบวิดีโอนี้ ท่านอาจจะสนใจ 📌 การใช้ SPSS สำหรับ Independent t-test (ภาคปฎิบัติ) 👉 th-cam.com/video/nWqyeOz0K4g/w-d-xo.html 📌 ก...
การวิเคราะห์ข้อมูลจำแนกประเภท: Conditional odds ratio
มุมมอง 3272 ปีที่แล้ว
ตอนที่ 10 Conditional odds ratio, Conditional independence, Homogeneous Association.
การใช้โปรแกรม AMOS เบื้องต้น: Simple Linear Regression
มุมมอง 1.1K2 ปีที่แล้ว
คลิปนี้จะแนะนำ การใช้โปรแกรม AMOS เบื้องต้น โดยสอนการทำสมการถดถอยอย่างง่าย (Simple Linear Regression) ซึ่งเป็นส่วนหนึ่งของการวิเคราะห์สมการโครงสร้าง (SEM) ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ หากชอบวิดีโอนี้ ท่านอาจจะสนใจ 📌 การใช้โปรแกรม AMOS เบื้องต้น: Association 👉 th-cam.com/video/9xbgE1JXrWE/w-d-xo.html 📌 การใช้โปรแกรม AMOS เบื้องต้น: Drawing latent variables 👉 th-cam.com/video/IfEGrz_gLuc/w-d-xo.html ▬▬▬▬▬▬▬▬...
การวิเคราะห์อนุกรมเวลาด้วย GRETL: การประเมินความแม่นยำของอนุกรมเวลา (Performance Evaluation)
มุมมอง 6422 ปีที่แล้ว
การประเมินความแม่นยำของอนุกรมเวลา (Performance Evaluation) ด้วยค่า accuracy ต่างๆ เช่น MSE, RMSE, MAPE, ME ด้วยโปรแกรม GRETL ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ หากชอบวิดีโอนี้ ท่านอาจจะสนใจ 📌 การวิเคราะห์อนุกรมเวลาด้วย GRETL: เทคนิคการแยกส่วนประกอบ (Additive Decomposition) 👉 th-cam.com/video/cKs3JZ1iysI/w-d-xo.html 📌 การวิเคราะห์อนุกรมเวลาด้วย GRETL: เทคนิคการปรับเรียบ (Smoothing techniques) 👉 th-cam.com/video/c...
การวิเคราะห์ข้อมูลจำแนกประเภท: Partial association และ Simpson's paradox
มุมมอง 2802 ปีที่แล้ว
ตอนที่ 9 Partial association และ Simpson's paradox
การวิเคราะห์อนุกรมเวลาด้วย GRETL: เทคนิคการแยกส่วนประกอบ (Additive Decomposition)
มุมมอง 1.2K2 ปีที่แล้ว
เทคนิคการแยกส่วนประกอบ รูปแบบเชิงบวก (Additive Decomposition) เป็นหนึ่งในเทคนิคการพยากรณ์อนุกรมเวลาแบบฉบับ (Classical time series analysis) ที่สามารถทำได้ง่ายด้วยโปรแกรม GRETL ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ หากชอบวิดีโอนี้ ท่านอาจจะสนใจ 📌 การวิเคราะห์อนุกรมเวลาด้วย GRETL: ปูพื้นฐานเทคนิคการปรับเรียบ (Smoothing techniques) 👉 th-cam.com/video/Em3EYXw1a5k/w-d-xo.html 📌 การวิเคราะห์อนุกรมเวลาด้วย GRETL: เทคนิคกา...
การวิเคราะห์ข้อมูลด้วย SPSS: Mann-Whitney U test
มุมมอง 5K2 ปีที่แล้ว
การวิเคราะห์ Mann-Whitney U test (สถิตินอนพาราเมตริก) ซึ่งมีคุณสมบัติการทดสอบใกล้เคียง และสามารถใช้แทน t-test (Independent Sample t- test) ได้ เหมาะกับกรณีกลุ่มตัวอย่างสองกลุ่มเป็นอิสระจากกัน ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ หากชอบวิดีโอนี้ ท่านอาจจะสนใจ 📌 การวิเคราะห์ข้อมูลด้วย SPSS: การตรวจสอบเงื่อนไขของ Independent t-test 👉 th-cam.com/video/6moXqD4b7LY/w-d-xo.html 📌 การวิเคราะห์ข้อมูลด้วย SPSS: Independent ...
เทคนิคการเขียนเอกสารโครงการวิจัยให้ประสบความสำเร็จ: การเขียนทบทวนวรรณกรรม
มุมมอง 1.1K2 ปีที่แล้ว
การทบทวนวรรณกรรมถือว่าเป็นส่วนที่สำคัญในงานวิจัยของท่าน เพราะทำให้ผู้อ่านทราบว่า "เรื่องนี้มีอะไรมาอ้างอิงบ้าง" ในคลิปนี้ผมได้รวบรวมวิธีและเคล็ดลับ การเขียนทบทวนวรรณกรรม จากประสบการณ์และตัวอย่างงานวิจัยจริงครับ ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ หากชอบวิดีโอนี้ ท่านอาจจะสนใจ 📌 เทคนิคการเขียนเอกสารโครงการวิจัยให้ประสบความสำเร็จ: รู้จักเอกสารที่เกี่ยวกับการทำวิจัย 👉 th-cam.com/video/Xg0Gv8B15sI/w-d-xo.html 📌 เทคนิ...
การวิเคราะห์ข้อมูลจำแนกประเภท: สถิติพรรณนาสำหรับตารางการณ์จรขนาดใหญ่
มุมมอง 3282 ปีที่แล้ว
ตอนที่ 8 สถิติพรรณนาสำหรับตารางขนาด I คูณ J
การใช้โปรแกรม AMOS เบื้องต้น: Drawing latent variables
มุมมอง 9532 ปีที่แล้ว
คลิปนี้จะแนะนำ การใช้โปรแกรม AMOS เบื้องต้น โดยเริ่มจากการวาดรูปของตัวแปรแฝง (latent variables) ซึ่งเป็นตัวแปรที่ผู้วิจัยไม่ได้เก็บมาในชุดข้อมูล ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ หากชอบวิดีโอนี้ ท่านอาจจะสนใจ 📌 การใช้โปรแกรม AMOS เบื้องต้น: Association 👉 th-cam.com/video/9xbgE1JXrWE/w-d-xo.html 📌 การใช้โปรแกรม AMOS เบื้องต้น: Drawing observed variables 👉 th-cam.com/video/Gcs9opEVVHI/w-d-xo.html ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬...
การใช้โปรแกรม AMOS เบื้องต้น: Association
มุมมอง 2K2 ปีที่แล้ว
คลิปนี้จะแนะนำ การใช้โปรแกรม AMOS เบื้องต้น เพื่อหาความสัมพันธ์ระหว่างตัวแปร (Association) ซึ่งัรวมถึง: 1. ค่าความแปรปรวนร่วม (covariance) 2. ค่าสหสัมพันธ์ (correlation) ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ หากชอบวิดีโอนี้ ท่านอาจจะสนใจ 📌 การใช้โปรแกรม AMOS เบื้องต้น: Drawing observed variables 👉 th-cam.com/video/Gcs9opEVVHI/w-d-xo.html 📌 การใช้โปรแกรม AMOS เบื้องต้น: Drawing latent variables 👉 th-cam.com/video/If...
การใช้โปรแกรม AMOS เบื้องต้น: Drawing observed variables
มุมมอง 1.9K2 ปีที่แล้ว
คลิปนี้จะแนะนำ การใช้โปรแกรม AMOS เบื้องต้น โดยเริ่มจากการวาดแผนผังของตัวแปร และวาดรูปของตัวแปรที่สังเกตได้ (observed variables) ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ หากชอบวิดีโอนี้ ท่านอาจจะสนใจ 📌 การใช้โปรแกรม AMOS เบื้องต้น: Association 👉 th-cam.com/video/9xbgE1JXrWE/w-d-xo.html 📌 การใช้โปรแกรม AMOS เบื้องต้น: Drawing latent variables 👉 th-cam.com/video/IfEGrz_gLuc/w-d-xo.html ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ #AMOS #variables
การใช้โปรแกรม AMOS เบื้องต้น: Data Loading
มุมมอง 4.5K2 ปีที่แล้ว
คลิปนี้จะแนะนำ การใช้โปรแกรม AMOS เบื้องต้น โดยเริ่มจากการโหลดข้อมูลเข้าสู่โปรแกรม (Data Loading) เพื่อใช้ในการวิเคราะห์สมการโครงสร้าง (SEM) ต่อไป ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ หากชอบวิดีโอนี้ ท่านอาจจะสนใจ 📌 การใช้โปรแกรม AMOS เบื้องต้น: Drawing observed variables 👉 th-cam.com/video/Gcs9opEVVHI/w-d-xo.html 📌 การใช้โปรแกรม AMOS เบื้องต้น: Association 👉 .th-cam.com/video/9xbgE1JXrWE/w-d-xo.html ▬▬▬▬▬▬▬▬▬▬▬▬▬...
เทคนิคการเขียนเอกสารโครงการวิจัยให้ประสบความสำเร็จ: เคล็ดลับการเขียนที่มาและความสำคัญของปัญหา
มุมมอง 1.6K2 ปีที่แล้ว
การเขียนที่มาและความสำคัญของปัญหา ถือเป็นส่วนหนึ่งในเอกสารงานวิจัยที่เขียนยากสำหรับนักวิจัยมือใหม่ เพราะต้องกระชับ ไม่ยาวหรือสั้นไป และต้องทำให้ผู้อ่านเข้าใจว่างานวิจัยหรือวิทยานิพนธ์ของท่าน "มีที่มาอย่างไร" ในคลิปนี้ผมได้รวบรวม เคล็ดลับการเขียนที่มาและความสำคัญของปัญหา ที่รวบรวมจากประสบการณ์ส่วนตัวโดยที่ท่านผู้ชมสามารถนำไปประยุกต์ใช้ได้สำหรับแนวทางการเขียนของแต่ละท่านครับ ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ หากช...
การวิเคราะห์อนุกรมเวลาด้วย GRETL: เทคนิคการปรับเรียบ (Smoothing techniques)
มุมมอง 6702 ปีที่แล้ว
การวิเคราะห์อนุกรมเวลาด้วย GRETL: เทคนิคการปรับเรียบ (Smoothing techniques)
การวิเคราะห์ข้อมูลด้วย SPSS: การตรวจสอบเงื่อนไขของ Independent t-test
มุมมอง 2.7K2 ปีที่แล้ว
การวิเคราะห์ข้อมูลด้วย SPSS: การตรวจสอบเงื่อนไขของ Independent t-test
การวิเคราะห์อนุกรมเวลาด้วย GRETL: ปูพื้นฐานเทคนิคการปรับเรียบ (Smoothing techniques)
มุมมอง 5272 ปีที่แล้ว
การวิเคราะห์อนุกรมเวลาด้วย GRETL: ปูพื้นฐานเทคนิคการปรับเรียบ (Smoothing techniques)
การวิเคราะห์ข้อมูลจำแนกประเภท: สถิติพรรณนาสำหรับตารางการณ์จร
มุมมอง 3732 ปีที่แล้ว
การวิเคราะห์ข้อมูลจำแนกประเภท: สถิติพรรณนาสำหรับตารางการณ์จร
เทคนิคการเขียนเอกสารโครงการวิจัยให้ประสบความสำเร็จ: หลักการเขียนชื่องานวิจัย (research title)
มุมมอง 1.2K3 ปีที่แล้ว
เทคนิคการเขียนเอกสารโครงการวิจัยให้ประสบความสำเร็จ: หลักการเขียนชื่องานวิจัย (research title)
การวิเคราะห์ข้อมูลด้วย SPSS: Independent t-test (ภาคปฎิบัติ)
มุมมอง 5K3 ปีที่แล้ว
การวิเคราะห์ข้อมูลด้วย SPSS: Independent t-test (ภาคปฎิบัติ)
การวิเคราะห์อนุกรมเวลาด้วย GRETL: การนำเข้าข้อมูล และสร้างกราฟ Time-Series plot
มุมมอง 1.8K3 ปีที่แล้ว
การวิเคราะห์อนุกรมเวลาด้วย GRETL: การนำเข้าข้อมูล และสร้างกราฟ Time-Series plot
การวิเคราะห์ข้อมูลจำแนกประเภท: รูปแบบการศึกษาของตารางการณ์จร
มุมมอง 3623 ปีที่แล้ว
การวิเคราะห์ข้อมูลจำแนกประเภท: รูปแบบการศึกษาของตารางการณ์จร
การวิเคราะห์ข้อมูลด้วย SPSS: Independent t-test (ปูพื้นฐาน)
มุมมอง 1.1K3 ปีที่แล้ว
การวิเคราะห์ข้อมูลด้วย SPSS: Independent t-test (ปูพื้นฐาน)
เทคนิคการเขียนเอกสารโครงการวิจัยให้ประสบความสำเร็จ: รู้จักเอกสารการทำวิจัย (research document)
มุมมอง 2.8K3 ปีที่แล้ว
เทคนิคการเขียนเอกสารโครงการวิจัยให้ประสบความสำเร็จ: รู้จักเอกสารการทำวิจัย (research document)
การวิเคราะห์ข้อมูลจำแนกประเภท: ความรู้พื้นฐานเกี่ยวกับตารางการณ์จร
มุมมอง 3953 ปีที่แล้ว
การวิเคราะห์ข้อมูลจำแนกประเภท: ความรู้พื้นฐานเกี่ยวกับตารางการณ์จร
การวิเคราะห์ข้อมูลด้วย SPSS: การทดสอบสมมติฐานค่าสัดส่วน 1 ประชากร
มุมมอง 1.4K3 ปีที่แล้ว
การวิเคราะห์ข้อมูลด้วย SPSS: การทดสอบสมมติฐานค่าสัดส่วน 1 ประชากร
Statistics for non-statistician: ใช้สถิติทดสอบให้เหมาะสม
มุมมอง 4073 ปีที่แล้ว
Statistics for non-statistician: ใช้สถิติทดสอบให้เหมาะสม
Statistics for non-statistician: ใช้กราฟให้ถูกข้อมูล
มุมมอง 1393 ปีที่แล้ว
Statistics for non-statistician: ใช้กราฟให้ถูกข้อมูล
Statistics for non-statistician: รู้จักตัวแปร เข้าใจชุดข้อมูล
มุมมอง 1.5K3 ปีที่แล้ว
Statistics for non-statistician: รู้จักตัวแปร เข้าใจชุดข้อมูล
สวัสดีครับอาจารย์ผมรบกวนสอบถามหน่อยครับ ถ้าเราตรวจสอบแล้วพบว่าตัวแปรต้นและตัวแปรตามของเราแจกแจงแบบไม่ปกติ เรามีควรแก้ไขอย่างไรครับ ต้องทำให้เป็นการแจกแจงแบบปกติก่อนใช่มั้ยครับ แล้วมีวิธีการทำอย่างไรดีครับถ้าข้อมูลเป็นลักษณะของดัชนีครับ
ขอบคุณค่ะ เข้าใจง่าย
ขอบพระคุณค่ะอาจารย์ เข้าใจง่ายมากๆ เลยค่ะ
เป็นประโยชน์มากครับอาจารย์
มีประโยชน์มากค่ะ ขอบคุณสำหรับการจัดทำคลิปนะคะ
thank you
ยอดเยี่ยม ชัดเจน มากครับ ขอบคุณในความตั้้งใจที่ให้ความรู้จริงๆครับ พระทรงอวยพรครับ
สามารถทำใน SPSS ได้อย่างไรคะ
ขอบพระคุณสำหรับความรู้ค่ะอาจารย์
ขอบคุณมากๆครับ
เห็นเขาเขียนร้อยหน้าก็อยากเขียนร้อนหน้า
ขอบคุณสำหรับความรู้คะ
ถ้าตรงความแปรปรวน levene test <0.05 มันจะมีผลยังไงต่อการทดลองหรอคะ จำเป็นต้องเปลี่ยนการทดสอบมั้ย หรือว่าสามารถดูค่า sig (2-tailed) ได้คะ
ขอบคุณมากค่ะ มีประโยชน์มากๆ
ขอบคุณนะคะ มีประโยชน์และเข้าใจง่าย ❤
ขอบคุณมากเลยค่าาาอาจารย์ อธิบายดี ชัดเจนมาก น้ำเสียงน่าฟังมาก
ขอบคุณมากๆ ค่ะ🙏🏻🙏🏻
ขอบคุณมากๆเลยค่า🙏
ขออนุญาตสอบถามนะคะ มีลิ้งค์ให้โหลดโปรแกรม amos ไหมคะ อยากให้อาจารย์ทำคลิปสอนการติดตั้งโปรแกรมamos มากๆค่ะ
ขอสอบถามหน่อยครับ นาที 11.40 ตรงตัวแบบน่ะครับ ถ้าจะตรวจสอบตัวแบบว่ามีความคลาดเคลื่อนเป็นอิสระต่อกันหรือไม่ดูค่าSig ตรงP-value ค่าใดบ้างครับ👏👏👏👏👏
ถ้าอยากเพิ่มให้มีเส้นตรงลากให้เหมือน dot ด้วยทำอย่างไรค่ะ
ขอบคุณที่แบ่งปันความรู้ค่ะ เป็นประโยชน์มากเลยค่ะอาจารย์
การทดสอบ non-linearity โดยใช้ BDS สามารถทำได้อย่างไรค่ะ หลังจากหนูได้ทำการเเก้ไขค่า Durdin โดยการใช้ (AR1) ทำให้ไม่สามารถทดสอบโดยการใช้ Ramsay ได้ จึงขอสอบถามอาจารย์ถึงวิธีการใช้ BDS test ว่าใช้เเละปรับค่าอย่างได้เเล้วดูค่าอย่างไร ในการกดโปรเเกรมทดสอบ ตรง Maximum dimension ต้องปรับค่าอย่างไร เเละ Criterion for cioseness ต้องเลือกอะไรระหว่าง first-order correlation (ปรับค่าอย่างไร) หรือ Muitiple of std. dev (ปรับค่าอย่างไร) เเละเลือกอะไรระหว่าง Asymptotic p-values sinv Bootstrap p-values ข้อมูลของหนูเป็นอนุกรมเวลา หลังจากรันข้อมูลเเล้วดูค่าอย่างไร ขอบคุณล่วงหน้าสำหรับคำตอบของอาจารย์นะคะ
ผมเคยทำ BDS test ด้วยโปรแกรม EVIEW นานมาแล้วครับ ไม่เคยลองใช้ GRETL (แต่คิดว่ามีครับ) ปกติแล้วมันต้อง set ค่า epsilon (ความห่างของค่าอนุกรมเวลา) ไว้ก่อน run ครับ มาตราฐานคือ 0.7 ตาม paper (ใน gretl น่าจะ set ได้นะครับ หรือให้โปรแกรม optimize ค่าให้ก็ได้) ส่วนการเลือก bootstrap เพื่อหาค่า p-value จะเหมาะกับข้อมูลไม่เยอะครับ (เพราะ BSD test เป็น Asymptotic Normal ข้อมูลจึงต้องมากหน่อยครับ)
@@natstat31 ขอบคุณค่ะ
อาจารย์คะ หนูมีเรื่องสอบถามนอกเหนือจากคลิป คือถ้าเราจะเเก้ปัญหาautocorrelation โดยวิธี Cochran ปุ่ม lag คืออะไรคะ เราใส่ค่าเข้าไปเเล้วมันคืออะไร สามารถอธิบายได้อย่างไรเมื่อได้สมการออกมา หนูลองรันเเบบใส่ค่าlag เป็น1 กับลองไม่ใส่ค่าlag ผลที่ออกมาต่างกัน ถ้าอธิบายผลสามการจากการใส่ค่าlagเข้าไปมันต้องอธิบายยังไงคะ
อยากทราบว่าปุ่ม lag คืออะไร เเล้วเมื่อไปใส่ค่ามัน มันมีความหมายว่าอะไร
มันเป็นส่วนหนึ่งของวิธี Generalized least square ครับ เพราะว่าตัว error สัมพันธ์กัน มันจะเกิดขึ้นเมื่อเวลาเราเก็บข้อมูลมาแบบอนุกรมเวลา (time series) ครับ ส่วนการเลือก lag คือ บอกว่าสัมพันธ์กับกี่ช่วงในอดีต เช่น ถ้าเป็น lag 1 แสดงว่า ข้อมูลที่เก็บมาติดกัน 1 จุด สัมพันธ์กัน (เช่น ค่าในเดือน มค จะสัมพันธ์กันกับ ค่าในเดือน กุมภา เป็นต้นครับ) คราวนี้วิธีการเลือก lag ถ้าใช้ durbin watson จะตรวจได้เฉพาะ ;ag 1 (ครับ ถ้า ;ag อื่นๆ ต้องใช้เทคนิคทาง time series มาช่วย) output ที่ได้จะแตกต่างจาก OLS ปกติครับ เพราะมีการปรับค่าสัมประสิทธฺิ์และ Standard error อาจทำให้ได้ผลการวิเคราะห์ที่แตกต่างได้ครับ ผมจะทำคลิป GRETL ที่รวม Regression + Time series เพื่อใช้แก้ปัญหา correlation ใน error ให้ทีหลังนะครับ
@@natstat31 ขอบคุณค่ะอาจารย์
ค่า durbin watson มันต้อง 1.5-2.5 หรือเปล่าคะอาจารย์
อันนี้ไม่มีเกณฑ์ตายตัวครับ แล้วแต่คน ค่าปกติอยู่ที่ 2 ระหว่าง 1.5 - 2.5 ถือว่าดีเลยครับ แต่บางที่ (บางวารสาร) ค่า 1.3 , 1.4, หรือ 2.7 เขาก็พออนุโลมได้คนะครับ
ขอบคุณมากคะโปรเเกรมนี้หาวิธีทำในไทยยากมาก
ยินดีครับ
555555