บทเกริ่นนำ
คลิปเติมเต็มชีวสถิติ…อย่างมืออาชีพ
แนะนำคลิปวีดีโอการเรียนรู้ทางชีวสถิติ
EP2: ตัวแบบเชิงเส้นทั่วไปและข้อจำกัด
ตัวแบบเชิงเส้นทั่วไป (GLM) เดิม ยังมีข้อจำกัดซึ่งถูกนำมาใช้วิเคราะห์ข้อมูลได้เพียงกับตัวแปรผลลัพธ์แบบต่อเนื่องเท่านั้นภายใต้ข้อตกลงเบื้องต้นของความคลาดเคลื่อนที่ค่อนข้างเข้มงวด เช่น การแจกแจงแบบปกติ ความแปรปรวนคงที่และเท่ากัน (Homoscedasticity) และเป็นอิสระต่อกัน เป็นต้น ซึ่งข้อตกลงเบื้องต้นดังกล่าว เมื่อนำมาใช้ในทางปฏิบัติ มักพบว่า มีแนวโน้มการถูกละเมิดค่อนข้างสูง เนื่องจากไม่สอดคล้องกับบริบทของข้อมูลที่เป็นจริง
- EP3: ทำไม ? เราจึงต้องเลือกใช้ตัวแบบเชิงเส้นนัยทั่วไป
- EP4: ฟังก์ชั่นตระกูล Exponential ในตัวแบบเชิงเส้นนัยทั่วไป
- EP5: ส่วนประกอบสำคัญ…ในตัวแบบเชิงเส้นทั่วไป
- EP6: แนวคิดเชิงเส้นในตัวแบบเชิงเส้นนัยทั่วไป
- EP7: แนวคิดรูปร่างของการแจกแจงในตัวแบบเชิงเส้นนัยทั่วไป
- EP8: บทสรุปขององค์ประกอบในตัวแบบเชิงเส้นนัยทั่วไป
- EP9: 3 เหตุผลสำคัญที่ควรเลือกใช้ตัวแบบเชิงเส้นนัยทั่วไป
- EP10: Standard Error …สำคัญอย่างไร ?
- EP11: จากตัวแบบเชิงเส้นทั่วไป…สู่ตัวแบบเชิงเส้นนัยทั่วไปและพัฒนาเป็น GEE และ GLMM
- EP12: ความแปรปรวน-ความแปรปรวนร่วมและสหสัมฟันธ์ของเพียร์สัน
- EP13: การสรุปผลที่ได้…จากการทดสอมมติฐานทางสถิติ
- EP14: ข้อมูลแบบวัดซ้ำกับข้อมูลแบบกลุ่ม
คลิปการวิเคราะห์ข้อมูลระยะยาว แบบง่ายๆ สบายๆ สไตล์อาจารย์ช้าง…ผ่านทาง Facebook
ตอนที่ 8 : ข้อจำกัดและผลกระทบของวิธีการทางสถิติเดิมที่มีอยู่…เมื่อนำมาใช้กับข้อมูลระยะยาว
บทสรุป
การเลือกวิธีการทางสถิติที่มีอยู่ มาใช้กับข้อมูลระยะยาวที่มีการวัดซ้ำ หรือมีเงื่อนไขเดียวกันแบบกลุ่ม, พหุระดับ, รายคู่ หรือครอบครัว และแบบพื้นที่…ทำให้ขนาดตัวอย่างมีจำนวนลดลง….ส่งผลให้ค่า SE สูงขึ้น…และทำให้เกิดผลกระทบต่อการประมาณค่าพารามิเตอร์ เช่น ค่า coefficient of regression ให้มีความเบี่ยงเบน (overestimate or underestimate) และได้ช่วงเชื่องมั่นของค่าประมาณที่กว้าง….และโอกาสของการพบความแตกต่าง หรือมีนัยสำคัญทางสถิติลดน้อยลง
ตอนที่ 9 : ผลกระทบ (effects) ในการวิเคราะห์ข้อมูลระยะยาว
บทสรุป
การสร้างหรือพัฒนาตัวแบบทางสถิติ สำหรับการวิเคราะห์ข้อมูลระยะยาว…นักวิจัย จำเป็นต้องคำนึงถึงผลกระทบ (effects) ที่เกิดขึ้น โดยเฉพาะในส่วนของตัวแปรที่นำมาพิจารณาในตัวแบบ เพราะตัวแปรแต่ละตัวอาจมีผลกระทบที่แตกต่างกันทั้งในระดับหน่วยข้อมูล (entities) หรือระดับปัจเจกบุคคล(individual) และการเปลี่ยนแปลง หรือไม่มีการเปลี่ยนแปลง เมื่อเงื่อนไขของเวลา เปลี่ยนไป…ประเด็นผลกระทบเหล่านี้ ล้วนมีผลต่อความคลาดเคลื่อนที่เกิดขึ้น หากไม่ได้มีการคำนึงถึง ….และส่งผลให้ตัวแบบทางสถิติที่ได้… มีความคลาดเคลื่อนและขาดความแม่นยำ ส่งผลให้มีข้อจำกัดในการนำไปใช้….ผลกระทบที่นำมาพิจารณา ประกอบด้วย 3 ส่วนได้แก่ ผลกระทบคงที่ (fixed effects), ผลกระทบแบบสุ่ม (random effects) และผลกระทบแบบผสม (mixed effects)
ตอนที่ 10 : ผลกระทบคงที่ของบุคคล (Individual fixed effect model)
บทเกริ่นนำ
เป็นการพิจารณาผลกระทบที่เกี่ยวกับตัวแปรที่นำเข้าสู่ตัวแบบ หรือ สมการ โดยจำแนกตามตัวแปรที่สังเกตได้และตัวแปรที่สังเกตไม่ได้ ซึ่งตัวแปรที่สังเกตได้ ในการนำเข้าสู่ตัวแบบ หรือ สมการ ก็สามารถทำได้แบบตรงตรงมา นั่นคือ การพิจารณาแทนเป็น X ตัวหนึ่งได้เลย ขณะที่ตัวแปรที่ไม่สามารถสังเกตได้ แต่มีผลกระทบและเราจำเป็นต้องคำนึงถึง ซึ่งสามารถค้นหาคำตอบได้ ด้วยการคลิกปุ่มด้านล่าง เพื่อเข้าชมคลิปผ่านทาง Facebook …
ตอนที่ 11 : การพิจารณาผลกระทบคงที่แบบบุคคล/เวลา
บทเกริ่นนำ
พบกับการอธิบายแนวทางการวิเคราะห์สมการถดถอยแบบเดิมที่คุ้นเคยกันว่า ไม่เหมาะสม เมื่อนำมาใช้กับข้อมูลที่มีการวัดซ้ำ พร้อมยกตัวอย่างประกอบและคำสั่งการวิเคราะห์ด้วยโปรแกรม STATA และจากนั้นจึงอธิบายแนวทางที่เหมาะสม โดยเฉพาะเมื่อมีการพิจารณาผลกระทบคงที่แบบบุคคลและเวลา ซึ่งสามารถรับชมคลิปในรายละเอียดได้ ด้วยการคลิกปุ่มด้านล่าง เพื่อเข้าชมคลิปผ่านทาง Facebook