Basics of Multiple Regression and Underlying Assumptions

ยินดีต้อนรับสู่ Multiple Regression (การวิเคราะห์การถดถอยพหุคูณ)!

ในระดับ Level I คุณได้เรียนรู้เกี่ยวกับ Simple Linear Regression หรือการทำนายสิ่งหนึ่ง (เช่น ผลตอบแทนของหุ้น) โดยใช้ตัวแปรอื่นเพียงตัวเดียว (เช่น ผลตอบแทนของตลาด) แต่เรามาพูดความจริงกันเถอะครับ: โลกความเป็นจริงมันซับซ้อนกว่านั้น ราคาบ้านไม่ได้ขึ้นอยู่กับแค่พื้นที่ใช้สอยเท่านั้น แต่ยังรวมถึงทำเลที่ตั้ง ปีที่สร้าง และจำนวนห้องน้ำด้วย

Multiple Linear Regression (MLR) คือเครื่องมือสำหรับจัดการกับความซับซ้อนใน "โลกแห่งความเป็นจริง" นี้ครับ มันช่วยให้เราสามารถใช้ตัวแปรอิสระตั้งแต่สองตัวขึ้นไปในการอธิบายตัวแปรตามเพียงตัวเดียวได้ ไม่ต้องกังวลไปนะครับถ้าสูตรต่างๆ จะดูน่ากลัวในตอนแรก เราจะค่อยๆ ย่อยมันไปทีละขั้นตอน!

1. โมเดลการถดถอยพหุคูณ (The Multiple Regression Model)

สมการพื้นฐานสำหรับการทำ Multiple Regression มีหน้าตาดังนี้ครับ:

\( Y_i = b_0 + b_1X_{1i} + b_2X_{2i} + ... + b_kX_{ki} + \epsilon_i \)

โดยที่:
- \( Y_i \): ตัวแปรตาม (สิ่งที่คุณกำลังพยายามจะทำนาย)
- \( b_0 \): ค่าจุดตัดแกน (ค่าของ \( Y \) เมื่อทุก \( X \) เป็นศูนย์)
- \( b_1, b_2, ..., b_k \): ค่าสัมประสิทธิ์การถดถอยย่อย (Partial regression coefficients)
- \( X_{1}, X_{2}, ..., X_{k} \): ตัวแปรอิสระ (ตัวแปรต้น/ตัวทำนาย)
- \( \epsilon_i \): ค่าความคลาดเคลื่อน (Error term หรือ "สัญญาณรบกวน" ที่โมเดลอธิบายไม่ได้)
- \( k \): จำนวนของตัวแปรอิสระ

แนวคิดสำคัญ: ค่าสัมประสิทธิ์ความชันย่อย (Partial Slope Coefficients)

นี่เป็นหัวข้อที่ข้อสอบชอบออกมากครับ! ค่าสัมประสิทธิ์ตัวหนึ่ง (เช่น \( b_1 \)) จะบอกคุณว่า \( Y \) เปลี่ยนแปลงไปเท่าไหร่เมื่อ \( X_1 \) เปลี่ยนไป 1 หน่วย โดยที่ สมมติให้ตัวแปรอิสระอื่นๆ ทั้งหมดคงที่ ส่วนของการ "สมมติให้คงที่" นี้สำคัญมากครับ เพราะมันหมายความว่าเรากำลังแยกอิทธิพลเฉพาะของตัวแปรนั้นออกมาตัวเดียวจริงๆ

ทบทวนสั้นๆ:
- ตัวแปรตาม (Dependent Variable) = ผลลัพธ์
- ตัวแปรอิสระ (Independent Variables) = สาเหตุ/ตัวทำนาย
- การตีความ \( b_j \): การเปลี่ยนแปลงของ \( Y \) ต่อการเปลี่ยนแปลงของ \( X_j \) 1 หน่วย โดยที่ ceteris paribus (ปัจจัยอื่นๆ คงที่)

2. ข้อตกลงเบื้องต้น 6 ประการของ MLR

เพื่อให้โมเดลการถดถอยเชื่อถือได้ มันจะต้องเป็นไปตามกฎบางอย่าง ถ้ากฎเหล่านี้ถูกละเมิด ข้อสรุปของเราอาจ "ลำเอียง" (Biased) หรือผิดพลาดได้ นี่คือ "สูตรลับ" สำหรับ MLR ที่สมบูรณ์ครับ:

1. ความเป็นเส้นตรง (Linearity): ความสัมพันธ์ระหว่างตัวแปรตามและตัวแปรอิสระต้องเป็นเส้นตรง (ห้ามเป็นเส้นโค้ง!)
2. ไม่มีปัญหา Multicollinearity: ตัวแปรอิสระต้องไม่มีความสัมพันธ์กันเองสูงเกินไป
3. ความแปรปรวนคงที่ (Homoscedasticity): ค่าความแปรปรวนของ Error term ต้องคงที่ในทุกค่าข้อมูล (ถ้า "การกระจาย" ของความผิดพลาดเปลี่ยนไป เราจะเรียกว่า Heteroscedasticity)
4. ความเป็นอิสระของ Error (Independence of Errors): ค่าความคลาดเคลื่อนของข้อมูลหนึ่งต้องไม่เกี่ยวข้องกับอีกข้อมูลหนึ่ง (ไม่มี Autocorrelation)
5. การแจกแจงปกติ (Normality): ค่าความคลาดเคลื่อนต้องมีการแจกแจงแบบปกติ
6. ความเป็นอิสระของ X และ Error: ตัวแปรอิสระต้องไม่มีความสัมพันธ์กับค่าความคลาดเคลื่อน

เทคนิคจำง่ายๆ: "LINE-M"
- Linear relationship (ความสัมพันธ์เชิงเส้น)
- Independent errors (Error เป็นอิสระต่อกัน)
- Normal errors (Error แจกแจงแบบปกติ)
- Equal variance (ความแปรปรวนคงที่ - Homoscedasticity)
- Multicollinearity (ไม่มี!)

สรุป: หากครบตามข้อตกลงเหล่านี้ ตัวประมาณค่าของเราจะเป็น BLUE (Best Linear Unbiased Estimators หรือตัวประมาณค่าที่ดีที่สุดที่เป็นเส้นตรงและไม่ลำเอียง)

3. การประเมินโมเดล: ANOVA และ R-Squared

เมื่อเราสร้างสมการ Regression ขึ้นมาแล้ว เราจะรู้ได้อย่างไรว่ามันดีจริงไหม? เราจะใช้ตาราง ANOVA (Analysis of Variance) ในการวิเคราะห์ครับ

ผลรวมกำลังสอง 3 ประเภท

1. Total Sum of Squares (SST): ผลรวมกำลังสองทั้งหมด (ความผันแปรโดยรวมของตัวแปรตาม)
2. Regression Sum of Squares (RSS): ผลรวมกำลังสองของโมเดล (ความผันแปรที่โมเดลของคุณอธิบายได้)
3. Sum of Squared Errors (SSE): ผลรวมกำลังสองของความคลาดเคลื่อน (ความผันแปรที่ "เหลือทิ้ง" ซึ่งโมเดลยังอธิบายไม่ได้)

ความสัมพันธ์: \( SST = RSS + SSE \)

R-Squared (\( R^2 \)) เทียบกับ Adjusted R-Squared (\( R^2_{adj} \))

\( R^2 \) (Coefficient of Determination) บอกเราถึงเปอร์เซ็นต์ความผันแปรของ \( Y \) ที่ตัวแปรอิสระอธิบายได้
\( R^2 = \frac{RSS}{SST} \)

รู้หรือไม่? ถ้าคุณเพิ่มตัวแปรใหม่ใดๆ ก็ตามเข้าไปในโมเดล \( R^2 \) จะมีแต่คงที่หรือเพิ่มขึ้น มันไม่มีวันลดลง! นี่คือปัญหาเพราะเราอาจจะเติมตัวแปรไร้ประโยชน์เข้าไปเพื่อให้โมเดลดูดีขึ้นก็ได้

เพื่อแก้ปัญหานี้ เราจึงใช้ Adjusted \( R^2 \):
\( R^2_{adj} = 1 - [(\frac{n-1}{n-k-1}) \times (1 - R^2)] \)

Adjusted \( R^2 \) จะคอย "ลงโทษ" คุณหากเพิ่มตัวแปรที่ไม่ได้ช่วยสร้างมูลค่าเพิ่มจริงให้กับโมเดล ค่านี้จะน้อยกว่าหรือเท่ากับ \( R^2 \) เสมอครับ

4. การทดสอบสมมติฐาน: ผลลัพธ์มีนัยสำคัญหรือไม่?

เราใช้การทดสอบหลักสองอย่างเพื่อดูว่าโมเดลของเราบอกอะไรที่เป็นประโยชน์บ้าง

t-test (นัยสำคัญรายตัว)

ตัวแปรอิสระ เฉพาะตัวนั้นๆ มีประโยชน์หรือไม่?
- สมมติฐานหลัก (\( H_0 \)): \( b_j = 0 \) (ตัวแปรนั้นไร้ประโยชน์)
- สมมติฐานทางเลือก (\( H_a \)): \( b_j \neq 0 \) (ตัวแปรนั้นมีนัยสำคัญ)
- การคำนวณ: \( t = \frac{\text{ค่าสัมประสิทธิ์ที่ประมาณได้}}{\text{ค่าความคลาดเคลื่อนมาตรฐานของสัมประสิทธิ์}} \)

F-test (นัยสำคัญโดยรวม)

ตัวแปรอิสระ ทั้งหมดรวมกัน สามารถอธิบายความผันแปรของ \( Y \) ได้หรือไม่?
- สมมติฐานหลัก (\( H_0 \)): \( b_1 = b_2 = ... = b_k = 0 \) (โมเดลทั้งชุดไม่มีประโยชน์เลย)
- การคำนวณ: \( F = \frac{MSR}{MSE} = \frac{RSS/k}{SSE/(n-k-1)} \)

หมายเหตุ: F-test เป็นการทดสอบแบบหางเดียว (one-tailed) เสมอ หากค่า F ที่คำนวณได้มากกว่าค่า F วิกฤต เราจะปฏิเสธสมมติฐานหลักและสรุปว่าโมเดลนั้นมีนัยสำคัญ

ข้อผิดพลาดที่พบบ่อย: อย่าสับสนระหว่าง t-test กับ F-test นะครับ ให้ใช้ t-test สำหรับตัวแปร ตัวเดียว และใช้ F-test สำหรับกลุ่มตัวแปร ทั้งชุด

5. ค่าความคลาดเคลื่อนมาตรฐานของการประมาณการ (SEE)

SEE คือตัววัดส่วนเบี่ยงเบนมาตรฐานของค่าความคลาดเคลื่อน (Error terms) มันบอกเราว่าจุดข้อมูลจริงมีการกระจายตัวห่างจากเส้น Regression มากน้อยแค่ไหน
- ค่า SEE ที่ น้อยกว่า หมายความว่าโมเดลมีความ "แม่นยำ" ในการทำนายมากกว่า
- สูตร: \( SEE = \sqrt{MSE} = \sqrt{\frac{SSE}{n-k-1}} \)

สรุปประเด็นสำคัญ: ให้คิดซะว่า SEE คือ "ค่าความผิดพลาดเฉลี่ย" ของโมเดล ยิ่งน้อยยิ่งดีครับ!

Checklist เพื่อความสำเร็จ

ก่อนจะไปบทถัดไป ตรวจสอบให้มั่นใจว่าคุณทำสิ่งเหล่านี้ได้:
- [ ] ระบุตัวแปรตาม vs. ตัวแปรอิสระได้
- [ ] ตีความค่าสัมประสิทธิ์เป็น (จำไว้ว่า "ปัจจัยอื่นๆ คงที่")
- [ ] ไล่เรียงข้อตกลง 6 ประการได้ (LINE-M)
- [ ] อธิบายได้ว่าทำไม Adjusted \( R^2 \) ถึงมักจะดีกว่า \( R^2 \)
- [ ] คำนวณค่า t-statistic และ F-statistic ได้
- [ ] เข้าใจว่า \( SST = RSS + SSE \)

ไม่ต้องกังวลถ้าการคำนวณพวกนี้ดูหนักหนาในช่วงแรก! ข้อสอบ CFA ส่วนใหญ่จะมีตาราง ANOVA มาให้คุณอยู่แล้ว หน้าที่ของคุณคือเข้าใจว่าตัวเลขเหล่านี้สัมพันธ์กันอย่างไรและมีความหมายอย่างไรต่องานวิเคราะห์การลงทุนของคุณ คุณทำได้แน่นอน!