การสังเคราะห์งานวิจัยแบบจำลองการพยากรณ์ภาวะความล้มเหลวของธุรกิจ

บทคัดย่อ

บทความนี้มีวัตถุประสงค์เพื่อสังเคราะห์งานวิจัยแบบจำลองการพยากรณ์ภาวะ ความล้มเหลวของธุรกิจ ได้แก่ กลุ่มแบบจำลองทางสถิติดั้งเดิม (Traditional Statistical Models) คือ (1) การวิเคราะห์จำแนกประเภทหลายตัวแปร (Multivariate Discriminant Analysis: MDA) เป็นแบบจำลองที่ใช้มากที่สุดในวรรณกรรมเกี่ยวกับภาวะล้มละลาย (Bankruptcy Literature) (2) การวิเคราะห์จำแนกประเภทกำลังสอง (Quadratic Discriminant Analysis: QDA) เป็นแบบจำลองที่มีข้อจำกัดในเรื่องสมมติฐานทางสถิติ น้อยกว่า (3) แบบจำลองโลจิท (Logit Model) หรือการวิเคราะห์ความถดถอยโลจิสติค (Logistic Regression Analysis) (4) แบบจำลองโพบิท (Probit Model) ทั้ง 2 แบบจำลอง นำเสนอในรูปแบบของความน่าจะเป็น (Probabilistic Approach) ต่อมาคือกลุ่มแบบ จำลองการเรียนรู้ของเครื่องจักร (Machine Learning Models) คือ (5) ต้นไม้การตัดสิน ใจ (Decision Tree: DT) (6) โครงข่ายประสาทเทียม (Artificial Neural Networks: ANN หรือ NN) (7) ซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine: SVM) ซึ่งเป็นแบบจำลองสมัยใหม่ที่มีผลลัพธ์ในการพยากรณ์ที่ถูกต้องแม่นยำสูง และแบบจำลองดังกล่าวไม่มี ข้อจำกัดเกี่ยวกับสมมติฐานทางสถิติเหมือนแบบจำลองทางสถิติดั้งเดิม นอกจากนี้ยังได้นำ เสนอข้อมูลสถิติความถูกต้องแม่นยำในการพยากรณ์ของแบบจำลองประเภทต่างๆ ในแต่ละ ยุคสมัยอีกด้วย