การจำแนกเพศจากความยาวของกระดูกและขนาดของร่างกายโดยใช้ตัวแบบการถดถอยลอจิสติกGender Classification from Skeletons Lengths and Body Measurements Using a Logistic Regression Model

Abstract

เป็นที่ทราบกันดีว่าการระบุเพศของศพจากโครงกระดูก วิธีที่แม่นยำที่สุดคือการตรวจ DNA อย่างไรก็ตามการตรวจ DNA มีค่าใช้จ่ายสูงและใช้เวลา ดังนั้นจึงมีการใช้วิธีการระบุตัวตนวิธีอื่น ๆ แทนในเบื้องต้น โดยเทคนิคหนึ่งที่ใช้กันอย่างแพร่หลายสำหรับการระบุเพศในทางนิติวิทยาศาสตร์และโบราณคดี คือ การวัดโครงกระดูก ข้อดีของวิธีนี้คือใช้ได้หลายตำแหน่งในกระดูกชิ้นเดียว และใช้ได้แม้ว่ากระดูกไม่สมบูรณ์ การศึกษานี้จึงมีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ระหว่างความยาวของกระดูกและขนาดของร่างกายกับเพศและเพื่อสร้างตัวแบบทางสถิติในการทำนายเพศ โดยข้อมูลที่ใช้ในการศึกษาเป็นข้อมูลทุติยภูมิที่เก็บมาจากตัวอย่าง 507 คน สถิติที่ใช้ในการวิเคราะห์ข้อมูล คือ สถิติเชิงพรรณนาและการวิเคราะห์การถดถอยลอจิสติก จากผลการศึกษาพบว่า ตัวแบบการถดถอยลอจิสติกที่ใช้วิธีการคัดเลือกตัวแปรอิสระด้วยวิธี Forward เป็นตัวแบบที่มีประสิทธิภาพดีที่สุดในการจำแนกเพศ โดยมีค่า AIC เท่ากับ 31.825 และสามารถทำนายเพศได้ถูกต้องถึงร้อยละ 98.62 นอกจากนี้ยังพบว่า ตัวแปรที่มีอิทธิพลสูงต่อการจำแนกเพศ ได้แก่ เส้นผ่านศูนย์กลางข้อเท้า (Ankle Diameter) เส้นผ่านศูนย์กลางข้อศอก (Elbow Diameter) และเส้นรอบวงที่สั้นที่สุดของข้อมือ (Wrist Minimum Girth) โดยมีค่าอัตราส่วนออดส์ (Odds Ratio) เท่ากับ 1324.78 130.19 และ 10.69 ตามลำดับ

It is well known that the most precise method to specify the gender of skeletons is DNA identification. However, this method is costly and time-consuming, so other identification techniques are initially applied. Skeletal measurement is one of the most widely used techniques for gender identification in forensic science and archeology. The advantage of this method is that it can be used in several positions in a single bone, and it can be used even if the bone is not complete. Therefore, this study aims to examine the relationship between gender and skeletons lengths and body measurements and find an efficient statistical model to predict gender. The data used in this study are the secondary data collected from a sample of 507 people, and descriptive statistics and logistic regression are used for gender determination. The results show that the logistic regression model with the forward selection procedure for independent variables is the most efficient. Its AIC value is 31. 82, and its accuracy rate is 98. 62%. Moreover, the most influential factors in classifying gender are ankle diameter (OR = 1324. 78), elbow diameter (OR = 130. 19), and wrist minimum girth (OR = 10. 69), respectively.