การสร้างชั้นภูมิโดยใช้เทคนิคการจัดกลุ่มด้วยอัลกอริทึมเคมีนสำหรับการสุ่มตัวอย่างแบบแบ่งชั้นภูมิStratum Boundaries Construction Using K-means Clustering Algorithm in Stratified Random Sampling

Abstract

งานวิจัยนี้ได้นำเสนอเทคนิคการสร้างชั้นภูมิด้วยเทคนิคการจัดกลุ่มโดยอัลกอริทึมเคมีนในการประมาณค่าเฉลี่ยประชากรสำหรับการสุ่มตัวอย่างแบบชั้นภูมิ หน่วยตัวอย่างในแต่ละชั้นภูมิสุ่มด้วยวิธีการสุ่มแบบง่ายไม่คืนที่และกระจายตามสัดส่วนกับจำนวนประชากรในชั้นภูมินั้นๆ การศึกษาใช้จำนวนชั้นภูมิเท่ากับ 4, 5 และ 6 ชั้นภูมิ กำหนดค่าสัมประสิทธิ์สหสัมพันธ์สูงสุดระหว่างตัวแปรช่วยกับตัวแปรที่สนใจ เท่ากับ 0.50, 0.70 และ 0.90 และขนาดตัวอย่างเท่ากับ 50, 100, 150, 200 และ 300 หน่วย ประสิทธิภาพของตัวประมาณค่าโดยการสร้างชั้นภูมิตามที่เสนอเปรียบเทียบตัวประมาณค่าโดยการสร้างชั้นภูมิด้วยวิธีของดาเลเนียสและฮอดจ์ ผลการศึกษาพบว่าตัวประมาณค่าเฉลี่ยจากการสุ่มตัวอย่างแบบแบ่งชั้นภูมิที่สร้างชั้นภูมิด้วยอัลกอริทึมเคมีน มีประสิทธิภาพสูงกว่าการสร้างชั้นภูมิโดยวิธีของดาเลเนียสและฮอดจ์ในการจำลองทุกกรณี

This research presented the stratum boundaries construction techniques by K-means clustering algorithm for estimating the population mean in stratified random sampling. Samples are selected by simple random sampling method without replacement and allocated in accordance with the population size in each stratum. In this study, the population was separated into 4, 5 and 6 strata with the maximum correlation coefficients between the auxiliary variable and the variable of interest equal to 0.50, 0.70 and 0.90 and sample sizes of 50, 100, 150, 200 and 300. The efficiency of the estimator by the proposed strata construction relative to the estimate by Dalenius & Hodges strata construction method is used in the estimator evaluation. The estimator when constructing the strata by K-means clustering algorithm was more efficient in all simulation cases.