បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហាលំបាកក្នុងការទស្សន៍ទាយទម្ងន់មាន់ក្នុងស្រុកដោយប្រើប្រាស់រង្វាស់រាងកាយដែលមានទំនាក់ទំនងគ្នាខ្លាំង ដែលបណ្តាលឱ្យមានបញ្ហាពហុទម្រង់លីនេអ៊ែរ (Multicollinearity) នៅក្នុងម៉ូដែលតម្រែតម្រង់ធម្មតា។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានប្រមូលទិន្នន័យទម្ងន់រាងកាយ និងលក្ខណៈជីវមាត្រចំនួនប្រាំពីរពីមាន់អាយុ ៨ សប្តាហ៍ចំនួន ២៦៥ ក្បាលក្នុង ៥ ពូជ ហើយវិភាគដោយប្រើប្រាស់ការវិភាគសមាសភាគចម្បង (PCA) និងការតម្រែតម្រង់សមាសភាគចម្បង (PCR)។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Multiple Linear Regression (Original Traits) ការតម្រែតម្រង់លីនេអ៊ែរពហុគុណ (ដោយប្រើប្រាស់រង្វាស់រាងកាយដើម) |
ងាយស្រួលយល់ និងប្រើប្រាស់រង្វាស់ដោយផ្ទាល់ពីរាងកាយសត្វ។ ផ្តល់រូបមន្តទស្សន៍ទាយដែលកសិករអាចប្រើបានងាយស្រួលនៅលើទីវាល។ | ជួបប្រទះបញ្ហាពហុទម្រង់លីនេអ៊ែរ (Multicollinearity) ដោយសាររង្វាស់នីមួយៗមានទំនាក់ទំនងគ្នាខ្លាំង ដែលធ្វើឱ្យកម្រិតស្តង់ដារលម្អៀងខ្ពស់ និងម៉ូដែលមិនសូវមានស្ថិរភាព។ | រង្វង់ទ្រូង (BG) តែមួយមុខអាចពន្យល់ពីបំរែបំរួលទម្ងន់រាងកាយបានរហូតដល់ ៩១,៦៦% សម្រាប់ពូជ Normal-feathered (Nm)។ |
| Principal Components Regression (PCR) ការតម្រែតម្រង់សមាសភាគចម្បង (PCR) |
លុបបំបាត់បញ្ហាពហុទម្រង់លីនេអ៊ែរបានយ៉ាងមានប្រសិទ្ធភាព ដោយប្រើប្រាស់ពិន្ទុអថេរដែលមិនទាក់ទងគ្នា (Orthogonal traits) ដែលផ្តល់ការវាយតម្លៃត្រឹមត្រូវនិងទុកចិត្តជាងមុន។ | ទាមទារចំណេះដឹងស្ថិតិកម្រិតខ្ពស់ និងកម្មវិធីកុំព្យូទ័រដើម្បីគណនាសមាសភាគចម្បង ធ្វើឱ្យពិបាកក្នុងការបកស្រាយលទ្ធផលផ្ទាល់ធៀបនឹងទិន្នន័យរាងកាយដើម។ | ការរួមបញ្ចូលគ្នានូវសមាសភាគចម្បង PC1, PC2 និង PC3 អាចពន្យល់ពីបំរែបំរួលទម្ងន់បានរហូតដល់ ៩៣,៥៧% សម្រាប់ពូជ Nm និង ៨៥,០៣% សម្រាប់ពូជ Marshal (M)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះមិនទាមទារឧបករណ៍ពិសោធន៍ស្មុគស្មាញឡើយ ប៉ុន្តែត្រូវការកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យស្ថិតិកម្រិតខ្ពស់។
ការសិក្សានេះត្រូវបានអនុវត្តនៅភាគនិរតីនៃប្រទេសនីហ្សេរីយ៉ា ដោយប្រើប្រាស់ពូជមាន់ក្នុងស្រុក និងកូនកាត់របស់ពួកគេ (ដូចជា Marshal, Naked-neck)។ ទោះបីជាអាកាសធាតុត្រូពិចមានលក្ខណៈស្រដៀងគ្នានឹងប្រទេសកម្ពុជាក៏ដោយ ក៏ពូជមាន់ និងហ្សែនគឺខុសគ្នា ដែលទាមទារឱ្យមានការប្រមូលទិន្នន័យថ្មីដោយផ្ទាល់លើពូជមាន់កម្ពុជា (ដូចជាមាន់ស្រែ ឬមាន់ស្ទាវ) ដើម្បីទទួលបានម៉ូដែលទស្សន៍ទាយដែលជាក់លាក់។
វិធីសាស្ត្រនៃការប្រើប្រាស់ Principal Component Regression (PCR) នេះមានប្រយោជន៍ខ្លាំងណាស់សម្រាប់ការអភិវឌ្ឍវិស័យបង្កាត់ពូជមាន់ស្រុកនៅប្រទេសកម្ពុជា។
ការអនុវត្តការតម្រែតម្រង់សមាសភាគចម្បង (PCR) នឹងជួយអ្នកស្រាវជ្រាវនិងកសិករកម្ពុជាវាយតម្លៃគុណភាពសាច់មាន់បានកាន់តែច្បាស់លាស់ ដោយចៀសវាងកំហុសឆ្គងពីការពឹងផ្អែកលើអថេរដែលមានទំនាក់ទំនងគ្នា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Principal Component Regression (ការតម្រែតម្រង់សមាសភាគចម្បង) | ជាវិធីសាស្ត្រស្ថិតិដែលរួមបញ្ចូលការវិភាគសមាសភាគចម្បង (PCA) ជាមួយនឹងការវិភាគតម្រែតម្រង់ដើម្បីប៉ាន់ស្មានទម្ងន់ ឬទិន្នន័យផ្សេងទៀត ដោយបំប្លែងអថេរដែលមានទំនាក់ទំនងគ្នាខ្លាំងទៅជាអថេរថ្មីដែលឯករាជ្យពីគ្នា។ | ដូចជាការសង្ខេបគ្រឿងផ្សំជាច្រើនមុខដែលស្រដៀងគ្នាទៅជាមួយក្រុមធំៗ ដើម្បីងាយស្រួលទស្សន៍ទាយពីរសជាតិម្ហូប។ |
| Multicollinearity (ពហុទម្រង់លីនេអ៊ែរ) | ជាបញ្ហាក្នុងការវិភាគស្ថិតិនៅពេលដែលអថេរឯករាជ្យពីរ ឬច្រើន (ឧទាហរណ៍ ប្រវែងស្លាប និងប្រវែងដងខ្លួន) មានទំនាក់ទំនងគ្នាខ្លាំងពេក ដែលធ្វើឱ្យម៉ូដែលមិនមានស្ថិរភាព និងពិបាកក្នុងការកំណត់ថាតើអថេរមួយណាពិតជាមានឥទ្ធិពលលើលទ្ធផលជាងគេ។ | ដូចជាមានមនុស្សពីរនាក់រុញរទេះជាមួយគ្នាក្នុងល្បឿនស្មើគ្នា ដែលធ្វើឱ្យយើងពិបាកដឹងថាអ្នកណាពិតជាប្រើកម្លាំងខ្លាំងជាងគេ។ |
| Orthogonal traits (លក្ខណៈឯករាជ្យ ឬអ័រតូកូណាល់) | ជាទិន្នន័យ ឬអថេរថ្មីដែលត្រូវបានបង្កើតឡើងតាមរយៈគណិតវិទ្យា ដែលមិនមានទំនាក់ទំនងគ្នាសោះឡើយ (Correlation = 0) ដែលជួយដោះស្រាយបញ្ហាជាន់គ្នានៃទិន្នន័យដើមសម្រាប់ការទស្សន៍ទាយ។ | ដូចជាការបែងចែកការងារឱ្យបុគ្គលិកដោយមិនឱ្យមានផ្នែកណាជាន់គ្នា ដើម្បីងាយស្រួលវាយតម្លៃស្នាដៃរៀងៗខ្លួន។ |
| Eigenvalues (តម្លៃអាយហ្គេន) | ជាតួលេខនៅក្នុងការវិភាគសមាសភាគចម្បង ដែលបង្ហាញពីបរិមាណនៃបំរែបំរួល (Variance) សរុបនៃទិន្នន័យ ដែលសមាសភាគនីមួយៗអាចពន្យល់បាន។ ជាទូទៅ គេជ្រើសរើសយកតែសមាសភាគណាដែលមានតម្លៃ Eigenvalue ធំជាង ១ មកប្រើប្រាស់។ | ដូចជាពិន្ទុវាយតម្លៃដែលបញ្ជាក់ថា កញ្ចប់ព័ត៌មានមួយណាមានផ្ទុកទិន្នន័យសំខាន់ៗច្រើនជាងគេ ដែលយើងគួរតែយកចិត្តទុកដាក់។ |
| Communalities (ភាពរួម) | ជាសមាមាត្រនៃបំរែបំរួលនៅក្នុងអថេរដើមនីមួយៗ ដែលត្រូវបានពន្យល់ដោយសមាសភាគចម្បងដែលបានទាញយក។ តម្លៃកាន់តែខិតជិត ១ មានន័យថាម៉ូដែលនោះតំណាងឱ្យទិន្នន័យដើមបានយ៉ាងល្អឥតខ្ចោះ។ | ដូចជាការវាស់ស្ទង់ថាតើសេចក្តីសង្ខេបរបស់យើង បានគ្របដណ្តប់អត្ថន័យដើមនៃសៀវភៅទាំងមូលបានកម្រិតណា។ |
| Morphometric traits (លក្ខណៈជីវមាត្រ) | ជារង្វាស់ទំហំ និងរូបរាងនៃផ្នែកផ្សេងៗរបស់សត្វ ដូចជាប្រវែងដងខ្លួន រង្វង់ទ្រូង និងប្រវែងជើង ដែលត្រូវបានប្រើដើម្បីវាយតម្លៃការលូតលាស់ និងសក្តានុពលសាច់។ | ដូចជាការយកម៉ែត្រទៅវាស់ទំហំចង្កេះ ប្រវែងដៃ និងកម្ពស់របស់មនុស្ស ដើម្បីយកទៅកាត់សម្លៀកបំពាក់។ |
| Pleiotropy (បាតុភូតផ្លេអូត្រូបពី) | ជាបាតុភូតហ្សែនដែលក្នុងនោះហ្សែនតែមួយអាចមានឥទ្ធិពលទៅលើលក្ខណៈរូបរាងកាយពីរ ឬច្រើនផ្សេងគ្នា (ឧទាហរណ៍ ហ្សែនតែមួយធ្វើឱ្យមាន់មានទម្ងន់ធ្ងន់ផង និងមានជើងវែងផងក្នុងពេលតែមួយ)។ | ដូចជាកុងតាក់ភ្លើងមួយ ដែលអាចបញ្ជាបើកអំពូលពីរផ្សេងគ្នានៅក្នុងបន្ទប់តែមួយបានក្នុងពេលតែមួយ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
