ยินดีต้อนรับสู่การวิเคราะห์การถดถอยเชิงเส้นอย่างง่าย (Simple Linear Regression)!
ในการเดินทางบนเส้นทาง CFA จนถึงตอนนี้ คุณได้เรียนรู้วิธีคำนวณค่าเฉลี่ยและอธิบายข้อมูลมาบ้างแล้ว แต่จะเกิดอะไรขึ้นถ้าเราต้องการใช้ข้อมูลชุดหนึ่งเพื่อทำนายอีกชุดหนึ่ง? ตัวอย่างเช่น เราจะทำนายผลตอบแทนของหุ้นจากประสิทธิภาพของตลาดโดยรวมได้หรือไม่? นั่นคือสิ่งที่ การถดถอยเชิงเส้นอย่างง่าย (Simple Linear Regression หรือ SLR) ช่วยให้เราทำได้ครับ ลองนึกภาพว่ามันคือการลากเส้นที่ "เหมาะสมที่สุด" (Best-fit line) ผ่านกลุ่มข้อมูลบนกราฟกระจาย (Scatterplot) เพื่อช่วยให้เราเข้าใจความสัมพันธ์ระหว่างตัวแปรสองตัว
ถ้ารู้สึกว่าคณิตศาสตร์ในตอนแรกดูน่ากลัว ไม่ต้องกังวลนะ เราจะค่อยๆ เจาะลึกไปทีละขั้นตอนครับ!
1. พื้นฐาน: สิ่งที่เรากำลังสร้างคืออะไร?
ในการทำ Simple Linear Regression เรากำลังพิจารณาความสัมพันธ์ระหว่างตัวแปรสองตัว:
1. ตัวแปรตาม (Dependent Variable - Y): คือสิ่งที่เราพยายามจะอธิบายหรือทำนาย บางครั้งเรียกว่า "ตัวแปรผลลัพธ์" (Response) หรือ "ตัวแปรที่ถูกอธิบาย" (Explained variable)
2. ตัวแปรอิสระ (Independent Variable - X): คือปัจจัยที่เรานำมาใช้เพื่ออธิบาย Y บางครั้งเรียกว่า "ตัวแปรอธิบาย" (Explanatory) หรือ "ตัวแปรทำนาย" (Predictor)
สมการการถดถอย:
\( Y_i = b_0 + b_1X_i + \epsilon_i \)
โดยที่:
- \( Y_i \) คือตัวแปรตาม
- \( b_0 \) คือ จุดตัดแกน Y (Intercept) (จุดที่เส้นตัดแกนตั้ง)
- \( b_1 \) คือ ความชัน (Slope) (ค่าที่บอกว่า Y เปลี่ยนไปเท่าไรเมื่อ X เปลี่ยนไป 1 หน่วย)
- \( \epsilon_i \) คือ ค่าความคลาดเคลื่อน (Error Term) (ส่วนต่างระหว่างจุดข้อมูลจริงกับเส้นกราฟ)
การเปรียบเทียบในโลกความเป็นจริง: ลองนึกภาพว่าคุณกำลังทำนายค่าไฟฟ้า (Y) โดยดูจากอุณหภูมิภายนอก (X) ตัว จุดตัดแกน Y (\( b_0 \)) คือค่าธรรมเนียมบริการพื้นฐานที่คุณต้องจ่ายแม้จะไม่ได้ใช้ไฟเลย ส่วน ความชัน (\( b_1 \)) คือค่าไฟที่เพิ่มขึ้นตามอุณหภูมิที่สูงขึ้นในแต่ละองศา
สรุปประเด็นสำคัญ:
ตัวแปรตาม (Y) = สิ่งที่เราต้องการรู้
ตัวแปรอิสระ (X) = สิ่งที่เรารู้แล้ว
ความชัน (\( b_1 \)) = "ความแข็งแกร่ง" และ "ทิศทาง" ของความสัมพันธ์
2. เส้นที่ "ดีที่สุด": วิธีกำลังสองน้อยที่สุด (Ordinary Least Squares - OLS)
เราตัดสินใจได้อย่างไรว่าเส้นไหนคือเส้นที่ "เหมาะสมที่สุด"? เราใช้วิธีที่เรียกว่า Ordinary Least Squares (OLS) ครับ
วิธี OLS จะเลือกเส้นที่ทำให้ ผลรวมของระยะห่างแนวตั้งยกกำลังสอง ระหว่างจุดข้อมูลจริงกับเส้นถดถอยมีค่าต่ำที่สุด เหตุผลที่เราต้องยกกำลังสองระยะห่างนั้น เพื่อไม่ให้ "ความผิดพลาด" ที่อยู่เหนือเส้นและใต้เส้นหักล้างกันเองจนกลายเป็นศูนย์
รู้หรือไม่? เราเรียกระยะห่างแนวตั้งระหว่างจุดข้อมูลจริงกับจุดทำนายบนเส้นกราฟว่า ค่าเหลือตกค้าง (Residual - \( \hat{\epsilon} \))
3. ข้อสมมติฐานของการวิเคราะห์การถดถอยเชิงเส้นอย่างง่าย
เพื่อให้แบบจำลองการถดถอยของเราเชื่อถือได้ เราต้องสมมติว่าเงื่อนไขบางอย่างเป็นจริง วิธีจำง่ายๆ คือการใช้คำย่อว่า "LINE":
1. L - Linearity: ความสัมพันธ์ระหว่าง X และ Y ต้องเป็นเส้นตรง
2. I - Independence: ข้อมูล (ความคลาดเคลื่อน) ต้องเป็นอิสระต่อกัน
3. N - Normality: ค่าความคลาดเคลื่อนต้องมีการแจกแจงแบบปกติ (Normal distribution)
4. E - Equal Variance: ความแปรปรวนของค่าความคลาดเคลื่อนต้องคงที่ในทุกระดับของ X (คำศัพท์เทคนิคคือ Homoscedasticity)
ข้อควรระวัง: นักเรียนมักลืมคำว่า "Homoscedasticity" ให้จำง่ายๆ ว่า "Homo" แปลว่า เหมือนกัน และ "scedasticity" แปลว่า การกระจาย เราต้องการให้ความคลาดเคลื่อนมี "การกระจายที่เหมือนกัน" ตลอดทั้งเส้นครับ!
4. การประเมินแบบจำลอง: แบบจำลองของเรา "ดี" แค่ไหน?
เมื่อเราได้เส้นกราฟมาแล้ว เราต้องรู้ว่ามันใช้งานได้จริงไหม โดยใช้เครื่องมือหลัก 3 ตัว:
A. สัมประสิทธิ์การตัดสินใจ (Coefficient of Determination - \( R^2 \))
\( R^2 \) บอกให้เรารู้ว่า X สามารถอธิบายความผันแปรของ Y ได้กี่เปอร์เซ็นต์
- ค่าจะมีตั้งแต่ 0 ถึง 1
- ถ้า \( R^2 \) เท่ากับ 0.80 หมายความว่า 80% ของความเคลื่อนไหวใน Y ถูกอธิบายได้ด้วย X
- ในการถดถอยเชิงเส้นอย่างง่าย \( R^2 \) คือ ค่าสัมประสิทธิ์สหสัมพันธ์ (Correlation coefficient - \( r \)) ยกกำลังสอง
B. ค่าความคลาดเคลื่อนมาตรฐานของการประมาณค่า (Standard Error of Estimate - SEE)
\( SEE \) ใช้วัดค่าเฉลี่ยของ "ระยะห่าง" ที่จุดข้อมูลกระจัดกระจายออกจากเส้นถดถอย
- ค่ายิ่งน้อยยิ่งดี! \( SEE \) ที่น้อยหมายความว่าจุดข้อมูลเกาะกลุ่มอยู่ใกล้เส้น ทำให้การทำนายของเราแม่นยำขึ้น
C. การวิเคราะห์ความแปรปรวน (ANOVA)
ANOVA จะแยกความแปรปรวนทั้งหมดของตัวแปรตามออกเป็น 2 ส่วน:
1. SSR (Sum of Squares Regression): ความแปรปรวนที่แบบจำลองของเราอธิบายได้
2. SSE (Sum of Squares Error): ความแปรปรวนที่แบบจำลองของเรา อธิบายไม่ได้ (ส่วนที่เหลืออยู่)
3. SST (Total Sum of Squares): ความแปรปรวนรวมทั้งหมด (\( SST = SSR + SSE \))
เปรียบเทียบกับ "พิซซ่า": สมมติว่า SST คือพิซซ่าทั้งถาด SSR คือส่วนที่เพื่อนคุณกินเข้าไป (ส่วนที่อธิบายได้) SSE คือเศษพิซซ่าที่ตกพื้น (ส่วนที่อธิบายไม่ได้/ความผิดพลาด) ซึ่ง \( R^2 \) ก็คือสัดส่วนพิซซ่าที่เพื่อนคุณกินสำเร็จนั่นเอง (\( SSR / SST \))
5. การทดสอบสมมติฐาน: ความชันมีนัยสำคัญหรือไม่?
การที่เราคำนวณได้ค่าความชัน (\( b_1 \)) ไม่ได้แปลว่ามีความสัมพันธ์เกิดขึ้นจริงเสมอไป มันอาจเกิดจากความบังเอิญก็ได้! เราจึงต้องใช้ t-test ในการทดสอบ
สมมติฐานว่าง (Null Hypothesis - \( H_0 \)): \( b_1 = 0 \) (ไม่มีความสัมพันธ์ใดๆ)
สมมติฐานทางเลือก (Alternative Hypothesis - \( H_a \)): \( b_1 \neq 0 \) (มีความสัมพันธ์อย่างมีนัยสำคัญ)
ในการทดสอบ ให้คำนวณ:
\( t = \frac{\hat{b}_1 - 0}{s_{b1}} \)
โดยที่ \( s_{b1} \) คือค่าความคลาดเคลื่อนมาตรฐานของสัมประสิทธิ์ความชัน
ถ้าค่า t-statistic ที่คำนวณได้มากกว่าค่า t-critical เราจะปฏิเสธสมมติฐานว่าง และสรุปว่าความสัมพันธ์นั้นมีนัยสำคัญทางสถิติ!
6. การทำนายผล
นี่คือส่วนที่สนุกที่สุด! เมื่อคุณได้สัมประสิทธิ์ (\( b_0 \) และ \( b_1 \)) แล้ว คุณก็สามารถทำนายค่า Y สำหรับค่า X ใดๆ ได้เลย
ขั้นตอนการทำนาย:
1. ระบุค่าจุดตัดแกน Y (\( b_0 \)) และความชัน (\( b_1 \)) ที่ได้
2. แทนค่า X ที่กำหนดลงไป
3. คำนวณหาค่า \( \hat{Y} = b_0 + b_1(X) \)
ตัวอย่าง: ถ้า \( b_0 = 2 \), \( b_1 = 0.5 \) และเราต้องการทำนาย Y เมื่อ X คือ 10:
\( \hat{Y} = 2 + 0.5(10) = 2 + 5 = 7 \)
7. ข้อจำกัดของการวิเคราะห์การถดถอย
ก่อนจะจบไป จำไว้ว่าการถดถอยไม่ใช่เวทมนตร์ มันมีข้อจำกัดอยู่:
- ค่าผิดปกติ (Outliers): ข้อมูลที่โดดเด่นเพียงจุดเดียวอาจ "ดึง" เส้นกราฟให้เบี้ยวและทำลายความแม่นยำของแบบจำลองได้
- สหสัมพันธ์ vs ความเป็นเหตุเป็นผล: การที่ X และ Y เคลื่อนไหวไปพร้อมกัน ไม่ได้หมายความว่า X เป็นเหตุ ให้เกิด Y (ตัวอย่าง: ยอดขายไอศกรีมและจำนวนคนถูกฉลามกัดต่างเพิ่มขึ้นในฤดูร้อน แต่ไอศกรีมไม่ได้เป็นสาเหตุให้คนโดนฉลามกัด!)
- ความสัมพันธ์ที่ไม่เป็นเส้นตรง: หากความสัมพันธ์จริงเป็นเส้นโค้ง การใช้เส้นตรงมาอธิบายจะได้ผลลัพธ์ที่แย่
ตารางทบทวนด่วน:
OLS: การทำให้ผลรวมของค่าเหลือตกค้างยกกำลังสองน้อยที่สุด
\( R^2 \): "ใบรายงานผล" (ค่ายิ่งสูง ยิ่งอธิบายได้ดี)
Standard Error (SEE): มาตรวัด "ความผิดพลาด" (ค่ายิ่งต่ำ ยิ่งดี)
t-test: ใช้ดูว่าความชันแตกต่างจากศูนย์อย่างมีนัยสำคัญหรือไม่
หมั่นฝึกฝนต่อไปนะครับ! Simple Linear Regression คือรากฐานของแบบจำลองขั้นสูงเกือบทั้งหมดที่คุณจะเจอใน Level II และ Level III คุณทำได้แน่นอน!