Tourism Logistics - โลจิสติกส์สำหรับการท่องเที่ยว

Home เคล็ดลับวิจัย วิจัยเกินกว่าในตำรา วิธีสร้างแบบจำลองโดยเริ่มจากการพิจารณาข้อมูลเบื้องต้นให้รอบคอบ
Welcome


Tourism
Logistics



CMSE
Conference



Journal EEQEL




คลังหนังสือ
Komsan
Suriya



















วิธีสร้างแบบจำลองโดยเริ่มจากการพิจารณาข้อมูลเบื้องต้นให้รอบคอบ Print E-mail
คมสัน สุริยะ
2 มกราคม 2553
 
 

 
นักทำโมเดลวัยรุ่นใจร้อนมักจะกระโดดเข้าไปหาเศรษฐมิติทันที แล้วก็มักจะต้องมีเหตุให้เด้งกลับออกมาพร้อมกับความงง ๆ ว่าทำไมตัวแปรบางตัวที่คิดว่าจะต้องมีนัยสำคัญแน่ ๆ ถึงกลับไม่มีนัยสำคัญไปเสียได้    หรือบางตัวที่ไม่น่าจะมีนัยสำคัญก็ดันมี    พอทดสอบข้อมูลชุดเดียวกันกับโมเดลแบบอื่นดูบ้างก็พบว่าบางโมเดลก็ให้ผลที่ตรงกันข้าม    ไป ๆ มา ๆ ก็เลยไม่แน่ใจว่าโมเดลไหนถูก หรืออาจจะผิดทุกโมเดลก็ไม่อาจทราบได้  (อ่านเรื่อง  ตีความ Insignificance อย่างไร)
 
 


นักทำโมเดลที่มีประสบการณ์เขาจะเริ่มจากการนั่งดูข้อมูลก่อน   แล้วลองนำข้อมูลมาทำสี่อย่างนี้ คือ 

 
หนึ่ง    เปรียบเทียบค่าเฉลี่ย ในกรณีที่ ตัวแปรตาม (Y) เป็นตัวแปรต่อเนื่อง (Continuous) และตัวแปรต้น (X) เป็นตัวแปรที่มีสองค่า (Dummy)  
 
  • ลองดูค่า Mean กับ Standard deviation ของกรณีที่ X=1   และ X=0
  • คำนวณค่าสถิติ t  ออกมาเพื่อดูว่า Mean ของกรณีที่ X=1   และ X=0 เท่ากันไหม
  • ทำอย่างนี้ซ้ำกับตัวแปร X ตัวอื่น ๆ ที่เป็น Dummy    เยอะหน่อยก็ทนทำไป
 
 

 
สอง   คำนวณ Correlation ระหว่าง ตัวแปรตาม (Y) ที่เป็นตัวแปรต่อเนื่อง (Continuous) และตัวแปรต้น (X) ที่เป็นตัวแปรต่อเนื่อง   อย่าลืมดูว่ามีนัยสำคัญไหม ไม่ใช่คำนวณออกมาเฉย ๆ ให้ทดสอบนัยสำคัญด้วย
 

 
 
สาม    ลองทำ Crosstab ระหว่าง   ตัวแปรตาม (Y) ที่มีสองค่า (Dummy)   และ ตัวแปรต้น (X) เป็นตัวแปรที่มีสองค่า (Dummy)  
 
  • คำนวณค่าสถิติ Pearson Chi-square ออกมาดูว่า  X=1   กับ X=0   ทำให้ได้ผลลัพธ์ที่เกิดกับ Y เหมือนกันไหม
  • ทำอย่างนี้ซ้ำกับตัวแปร X ตัวอื่น ๆ ที่เป็น Dummy
 
 

 
สี่   หากตัวแปรตาม (Y) มีสองค่า (Dummy) และตัวแปรต้น (X) ที่เป็นตัวแปรต่อเนื่อง  
  • ให้ลองคำนวณค่า Mean ของ X   ในกรณีที่ Y=1 และ Y=0    ออกมาเทียบกัน   แล้วทดสอบความเท่ากันของ Mean ด้วยค่าสถิติ t
  • ทำซ้ำกับตัวแปร X   ที่เป็นตัวแปรต่อเนื่องอื่น ๆ
 

 
 
เมื่อได้ผลการทดสอบ t-test และ ไคสแคว์ ออกมาครบแล้วก็ให้ค่อย ๆ นั่งดู แล้วพยายามดูว่าตัวแปรใดว่าอะไรเกี่ยวข้องกันบ้าง    แล้วหาเหตุผลเชื่อมโยง    หลังจากนั้นวาดเป็นรูปออกมาว่าอะไรน่าจะเป็นเหตุ อะไรน่าจะเป็นผล เป็นความสัมพันธ์ทางตรง หรือเป็นความสัมพันธ์ทางอ้อม
 
 


 
หลังจากนั้นค่อยมาหาวิธีการทางเศรษฐมิติเพื่อทดสอบนัยสำคัญอีกครั้ง   อย่าลืมว่านัยสำคัญที่ได้จากเศรษฐมิติอาจจะไม่เหมือนกับที่ได้จาก t-test หรือไคสแควร์ เหตุผลก็เพราะว่า
 
  • t-test กับ ไคสแควร์ ไม่ได้สนใจตัวแปรอื่น ดังนั้นจึงอาจจะเกิดความบังเอิญที่ตัวแปรคู่หนึ่ง ๆ มีความสัมพันธ์กันได้   ทั้ง ๆ ที่เมื่อลบผลที่เกิดจากตัวแปรแวดล้อมอื่น ๆ ออกไปก็อาจจะไม่เหลือความสัมพันธ์กันเลยก็ได้

  • t-test กับ ไคสแควร์ ไม่ได้สนใจว่าตัวแปรใดเป็นเหตุ และตัวแปรใดเป็นผล   ดังนั้นเมื่อนำมาเข้าแบบจำลองเศรษฐมิติมักจะเกิดปัญหาเรื่อง Causalities (ไก่เกิดก่อนไข่ หรือไข่เกิดก่อนไก่)   อันทำให้แบบจำลองนั้นกลายเป็น Recursive Model   แล้วก็เลยบานปลายเป็นปัญหา Endogeneity   ข้อนี้ต้องระวังมาก

  •  t-test กับ ไคสแควร์ ไม่ได้คำนวณ Marginal effect ออกมา แต่เศรษฐมิติพยายามจะคำนวณ Marginal effect  ออกมา     (อ่านเรื่อง      ไคสแควร์ต่างจากโลจิตอย่างไร)        การที่เศรษฐมิติห่วงเรื่องความแม่นยำในการคำนวณ Marginal effect นี้ทำให้ต้องพะวงเรื่องตัวแปร อื่น ๆ ที่นำมาใส่ในแบบจำลอง   การใส่ตัวแปรบางตัวเข้ามาอาจจะยิ่งก่อปัญหา เช่น Multicollinearity   แต่ถ้าตัดออกไปก็จะเกิดปัญหา     Omitted variable   ซึ่งทั้งสองปัญหามีผลทำให้ความมีนัยสำคัญและค่า Marginal effect แตกต่างกันได้อย่างสุดกู่
 

 
 
โดยสรุปแล้ว การคำนวณค่าสถิติง่าย ๆ ออกมาก่อนและทดสอบนัยสำคัญในเบื้องต้น คือ t-test   และไคสแควร์ จะทำให้ได้ไอเดียผูกเป็นเรื่องเป็นราวว่า   อะไรไปกระทบอะไร ด้วยเหตุผลอะไร และมีเส้นทางการกระทบอย่างไร    ซึ่งเรียกเรื่องราวนี้ว่าโมเดล หรือ แบบจำลอง    
 


 
แต่ค่าสถิติทั้ง t-test   และไคสแควร์ ยังไม่เพียงพอที่จะบอกว่าตัวแปรต้น (X)  จะมีนัยสำคัญต่อตัวแปรตาม (Y)    จนกว่าจะได้รับการยืนยันจากแบบจำลองเศรษฐมิติที่ถูกต้องต่อไป    ถ้าใช้แบบจำลองเศรษฐมิติที่ไม่ถูกต้อง ถึงจะได้นัยสำคัญออกมาเหมือนกับผล t-test   และไคสแควร์ ก็ยังยืนยันไม่ได้อยู่ดี เรียกว่า Spurious regression แปลว่า นัยสำคัญที่ยังชวนสงสัยว่าไม่น่าเป็นเหตุเป็นผลกันจริง ๆ แต่บังเอิญเห็นเหมือนกับว่าจะมีความสัมพันธ์กัน    ทางแก้ก็คือ
 

 
  • พยายามใช้แบบจำลองเศรษฐมิติให้ถูกต้อง   ถ้าไม่รู้จะทำอย่างไรให้ถูกก็ให้ถามผู้รู้   เข้าชั้นเรียนเศรษฐมิติ   อ่านตำรับตำรา   หรือหมั่นนำเสนอผลการทดลองแล้วให้คนเก่ง ๆ วิจารณ์

  • พยายามหาเหตุผลมาสนับสนุน ด้วยทฤษฎีสารพัดที่คนเชื่อแล้วว่าจริง หรือหากยังไม่มีทฤษฎีในเรื่องนั้น   ก็ให้พยายามยกตัวอย่างประเภท เออ...จริง (อ่านเรื่อง ยกตัวอย่าง เออ?จริง)


  • ทำ Robustness check   ด้วยการใช้แบบจำลองเศรษฐมิติหลาย ๆ แบบ และในแต่ละแบบก็เปลี่ยนตัวแปรสลับไปสลับมา  (อ่านเรื่อง Robustness check หมากบังคับที่ต้องทำ)   โดยมีจุดมุ่งหมายว่าโมเดลบางแบบสามารถแก้ปัญหา Endogeneity ได้ และการสลับตัวแปรเพื่อพยายามเลี่ยงปัญหา Multicollinearity    หากผลการทดลองออกมาเหมือน ๆ กันในทุก ๆ แบบจำลองก็ไม่น่ามีปัญหา   ยกเว้นว่าจะลืมดูภัยซ่อนเร้นบางตัวที่มีโอกาสเป็น Recursive model ได้อีก (อ่านเรื่อง Recursive model ภัยซ่อนเร้นของทุกแบบจำลอง)
 
 

 
แต่โดยปกติถ้าข้อมูลที่ได้จากการทดลอบ t-test   และไคสแควร์   ชี้ไปทางเดียวกันหมด โดยที่ไม่มีตัวใดที่ขัดแย้งกันเอง   ก็มักจะพบว่าไม่ว่าจะใช้แบบจำลองเศรษฐมิติแบบไหนก็มักจะได้ผลเหมือนกัน   จริง ๆ แล้วผลการทดสอบ t-test   และไคสแควร์ ที่ออกมาโดยไม่มีข้อขัดแย้งกันเองเช่นนี้ (ถ้ามี)    สามารถใช้ยืนยันผลเศรษฐมิติให้เรามั่นใจว่าเราทำเศรษฐมิติไม่ผิด  เหมือนน้ำพึ่งเรือเสือพึ่งป่า   เครื่องมือสองอย่างช่วยยืนยันซึ่งกันและกัน
 
 
 

 
ปีใหม่นี้   ใครกำลังรันโมเดลอยู่ก็ขอเอาใจช่วยให้รันออกมาแล้วดีละกันครับ   ถ้าเกิดใครรันออกมายังไม่ดีแล้วไม่รู้ว่าเป็นเพราะอะไร ก็ลองถอยมาดูด้วย t-test   และไคสแควร์ กับข้อมูลเบื้องต้นอีกที   นั่งดูนั่งสังเกตไปเรื่อย ๆ ก็อาจจะพบทางออกได้ครับ บางทีอาจจะผูกเรื่องราวได้ใหม่กลายเป็นเรื่องที่ต่างจากเดิมคนละทางเลยก็เป็นได้    เมื่อข้อมูลเปลี่ยน ความคิดก็เปลี่ยนกันได้ครับ  (อ่านเรื่อง  ตัวเลขง่าย ๆ ทำลายความเชื่อทุกอย่าง  และเรื่อง  มายาคติที่หลอกตานักวิจัย)
 
 
 

แต่ถึงทำแล้วยังไม่ดี  ยังไม่ถูกต้อง  ก็อย่าพึ่งท้อ  เพราะสิ่งใดที่ปรับปรุงให้ดีขึ้นไม่ได้ย่อมไม่ใช่วิทยาศาสตร์   นั่นหมายความว่ายังไงเราก็ย่อมมีทางปรับปรุงให้มันดีขึ้นได้  พยายามหาทางต่อไปครับ  ไม่เกินมือเราแน่นอน


 

ให้คิดอยู่เสมอว่าเรากำลังค้นหาคำตอบที่ถูกต้อง   ซึ่งคนอื่นมีสิทธิ์ที่จะไม่เชื่อถ้าเขาเห็นว่าวิธีการหาคำตอบของเรามีจุดอ่อน    จริง ๆ เขาก็อยากจะเชื่อเรา  และอยากจะเอาผลการวิจัยของเราไปใช้   แต่เราต้องทำให้เขามั่นใจให้ได้เสียก่อน   ดังนั้น  เราต้องทำให้เขาแน่ใจในผลการทดลอง   และกล้าเอาผลการวิจัยของเราไปใช้   (อ่านเรื่อง  กล้าเอาผลการวิจัยไปใช้ไหม)

 
 




 
 
 
 

เกี่ยวกับลิขสิทธิ์เนื้อหาในเว็บไซต์ิ์

ผู้เขียนไม่หวงห้ามที่ท่านจะคัดลอกบทความ บนเว็บไซต์นี้ไปใช้ในรายงานของท่าน  

แต่ขอความกรุณาเพื่อนนักวิชาการ เพื่อนผู้ทำเว็ปไซต์ 
น้อง ๆ นักเรียน นักศึกษา ทุกท่าน 
ได้โปรดเขียนอ้างอิงในรายงานของท่านตามหลักสากล

การไม่เขียนอ้างอิงดังกล่าวถือว่าละเมิดลิขสิทธิ์
และมีความผิดตามกฎหมาย  
 
 ขอขอบคุณทุกท่านมากครับ