บทนำ: การค้นหาแบบจำลองที่ "ดีที่สุด"

ในบทก่อนหน้านี้ เราได้ทำความรู้จักกับส่วนประกอบต่างๆ ของ แบบจำลองเชิงเส้นนัยทั่วไป (Generalised Linear Models หรือ GLMs) ไปแล้ว ไม่ว่าจะเป็น ตระกูลเอ็กซ์โพเนนเชียล (Exponential family), ฟังก์ชันเชื่อมโยง (Link functions) และตัวพยากรณ์เชิงเส้น (Linear predictors) ในตอนนี้ เรามาถึงขั้นตอนสำคัญนั่นคือ "การตัดสินใจ" เราจะคำนวณค่าพารามิเตอร์สำหรับแบบจำลองของเราได้อย่างไร? และเมื่อได้แบบจำลองมาแล้ว เราจะรู้ได้อย่างไรว่ามันใช้งานได้ดีจริงๆ หรือมีแบบจำลองอื่นที่เหมาะสมกว่า?

ขอให้คิดซะว่าบทนี้คือขั้นตอน การตรวจสอบคุณภาพ ของการสร้างแบบจำลองทางคณิตศาสตร์ประกันภัย เราจะเรียนรู้วิธีประมาณค่าพารามิเตอร์ที่ "ดีที่สุด" และใช้เครื่องมืออันทรงพลังที่เรียกว่า ค่าเบี่ยงเบน (Deviance) เพื่อเปรียบเทียบแบบจำลองต่างๆ ถ้ารู้สึกว่าคณิตศาสตร์ดูยากในตอนแรกก็ไม่ต้องกังวลนะ เราจะค่อยๆ ย่อยเนื้อหาเป็นขั้นตอนที่เข้าใจง่าย แม้แต่นักศึกษาที่ไม่ค่อยถูกชะตากับคณิตศาสตร์ก็สามารถทำตามได้แน่นอน

1. การประมาณค่าพารามิเตอร์: ภาวะน่าจะเป็นสูงสุด (Maximum Likelihood)

ในการถดถอยเชิงเส้นแบบง่าย เรามักใช้ "วิธีกำลังสองน้อยที่สุด" (Least Squares) เพื่อหาเส้นที่เหมาะสมที่สุด แต่ใน GLMs เราจะใช้วิธีที่เป็นสากลกว่าที่เรียกว่า การประมาณค่าภาวะน่าจะเป็นสูงสุด (Maximum Likelihood Estimation หรือ MLE)

แนวคิดหลัก

เป้าหมายของ MLE คือการหาค่าพารามิเตอร์ (ค่าสัมประสิทธิ์ \(\beta\) ในตัวพยากรณ์เชิงเส้น) ที่ทำให้ข้อมูลที่เราสังเกตเห็นจริงๆ มี โอกาสเกิดขึ้นได้มากที่สุด

ลองจินตนาการว่าคุณมีถังที่ใส่ลูกบอลสีแดงและน้ำเงินอยู่ ถ้าคุณหยิบลูกบอลออกมา 10 ลูก แล้วพบว่าเป็นสีแดงถึง 9 ลูก "การประมาณค่าภาวะน่าจะเป็นสูงสุด" ของสัดส่วนลูกบอลสีแดงในถังก็คือ 0.9 ใน GLMs เราก็ทำแบบเดียวกัน เพียงแต่ใช้สูตรและการแจกแจงที่ซับซ้อนกว่า (เช่น Poisson หรือ Gamma)

ขั้นตอนการทำ:

  1. เราเขียน ฟังก์ชันภาวะน่าจะเป็น (Likelihood Function), \(L\), ซึ่งแทนความน่าจะเป็นร่วมของข้อมูลเมื่อกำหนดพารามิเตอร์ต่างๆ มาให้
  2. เพื่อให้การคำนวณทางคณิตศาสตร์ง่ายขึ้น เราจะใช้ลอการิทึมธรรมชาติเพื่อให้ได้ ล็อกภาวะน่าจะเป็น (Log-likelihood), \(\ell = \ln(L)\)
  3. เราหาค่า \(\beta\) ที่ทำให้ค่า \(\ell\) สูงที่สุด ในทางปฏิบัติ ขั้นตอนนี้จะทำโดยใช้ซอฟต์แวร์คอมพิวเตอร์ (เช่น โปรแกรม R) ผ่านกระบวนการทำซ้ำ (Iterative process) เพราะมักจะไม่มีสูตรสำเร็จรูปแบบ "ขั้นตอนเดียวจบ"

ทบทวนสั้นๆ: ปกติแล้วคุณไม่จำเป็นต้องคำนวณการทำซ้ำเหล่านี้ด้วยมือในห้องสอบ แต่คุณต้องเข้าใจว่าพารามิเตอร์ \(\beta\) ถูกเลือกมาเพื่อทำให้ล็อกภาวะน่าจะเป็นของข้อมูลที่สังเกตได้นั้นมีค่าสูงสุด

2. ทำความเข้าใจกับ Deviance: "ความไม่พอดี" ของแบบจำลอง

ในการถดถอยมาตรฐาน เราจะพูดถึง "ผลรวมกำลังสองของส่วนที่เหลือ" (Residual Sum of Squares) เพื่อดูว่าแบบจำลองของเราห่างจากข้อมูลจริงแค่ไหน แต่ใน GLMs เราจะใช้ ค่าเบี่ยงเบน (Deviance) แทน

แนวคิดที่สำคัญ: Deviance คือการวัด ระยะห่าง โดยเฉพาะอย่างยิ่ง มันคือการวัดระยะห่างระหว่างแบบจำลองที่เราปรับพอดีแล้ว (Fitted model) กับแบบจำลองที่ "สมบูรณ์แบบ"

Saturated Model vs. แบบจำลองของเรา

เพื่อทำความเข้าใจ Deviance เราจะเปรียบเทียบแบบจำลองสองชุด:

  • แบบจำลองอิ่มตัว (Saturated Model - \(S\)): เป็นแบบจำลองในอุดมคติที่เข้ากับข้อมูลได้อย่างสมบูรณ์แบบ โดยมีจำนวนพารามิเตอร์เท่ากับจำนวนข้อมูลที่มี มันสามารถอธิบายความผันแปรได้ 100% แต่ไม่มีประโยชน์ในการพยากรณ์ เพราะมันแค่ "จำ" ข้อมูลรบกวน (Noise) ทั้งหมดไว้
  • แบบจำลองที่ปรับพอดีแล้ว (Fitted Model - \(M\)): คือแบบจำลองที่เรากำลังทดสอบ ซึ่งใช้พารามิเตอร์น้อยกว่าเพื่อพยายามจับแนวโน้มที่แท้จริงของข้อมูล

สูตรการคำนวณ

Deviance (\(D\)) ถูกกำหนดโดย:

\(D = 2(\ell(S) - \ell(M))\)

โดยที่:

  • \(\ell(S)\) คือ ล็อกภาวะน่าจะเป็นของ Saturated Model
  • \(\ell(M)\) คือ ล็อกภาวะน่าจะเป็นของแบบจำลองที่เราปรับพอดีแล้ว

ค่าเบี่ยงเบนปรับสเกล (Scaled Deviance - \(D^*\)): บางครั้งเราจำเป็นต้องพิจารณา "พารามิเตอร์สเกล" (\(\phi\)) ของการแจกแจงด้วย (เช่น ความแปรปรวนในการแจกแจงแบบปกติ) สูตรคือ:

\(D^* = \frac{D}{\phi}\)

ข้อสรุปสำคัญ: เนื่องจากเราต้องการให้แบบจำลองของเราเข้าใกล้ความ "สมบูรณ์แบบ" มากที่สุด ค่า Deviance ที่ต่ำกว่าจึงบ่งบอกถึงการปรับพอดี (Fit) ที่ดีกว่า

3. การเลือกแบบจำลอง: การวิเคราะห์ค่าเบี่ยงเบน (Analysis of Deviance)

นักคณิตศาสตร์ประกันภัยมักต้องเลือกระหว่างแบบจำลองที่เรียบง่าย (ตัวแปรน้อย) กับแบบจำลองที่ซับซ้อน (ตัวแปรมาก) เราใช้กระบวนการที่เรียกว่า การวิเคราะห์ค่าเบี่ยงเบน (Analysis of Deviance) เพื่อตัดสินใจว่าความซับซ้อนที่เพิ่มขึ้นนั้นคุ้มค่าหรือไม่

แบบจำลองแบบซ้อนทับ (Nested Models)

วิธีนี้ใช้ได้เมื่อแบบจำลองมีความ ซ้อนทับกัน (Nested) หมายความว่าแบบจำลองที่ 1 เป็นเวอร์ชันที่เรียบง่ายกว่าของแบบจำลองที่ 2 (ตัวอย่างเช่น แบบจำลองที่ 2 มีตัวแปรทุกตัวเหมือนแบบจำลองที่ 1 แต่เพิ่มตัวแปรพิเศษเข้ามาอีกหนึ่งตัว)

การทดสอบอัตราส่วนภาวะน่าจะเป็น (Likelihood Ratio Test - LRT)

เพื่อดูว่าตัวแปรที่เพิ่มเข้ามาในแบบจำลองที่ 2 มีประโยชน์จริงๆ หรือไม่ เราจะคำนวณผลต่างของค่า Deviance:

\(\text{สถิติทดสอบ (Test Statistic)} = D_1 - D_2\)

(หรือ \(D_1^* - D_2^*\) หากใช้ Scaled Deviance)

กฎเกณฑ์: หากแบบจำลองทั้งสองเหมาะสม ผลต่างนี้จะมีการแจกแจงใกล้เคียงกับ การแจกแจงแบบไคสแควร์ (\(\chi^2\))
\(\text{องศาอิสระ (df)} = \text{จำนวนพารามิเตอร์ที่เพิ่มขึ้นในแบบจำลองที่ 2}\)

ขั้นตอนการตัดสินใจ:

  1. คำนวณค่า Deviance ที่ลดลง: \(D_1 - D_2\)
  2. ตรวจสอบตารางสถิติ \(\chi^2\) โดยใช้ผลต่างของจำนวนพารามิเตอร์เป็นค่า \(df\)
  3. ถ้าค่าที่ลดลงนั้น มากกว่า ค่าวิกฤต (หรือถ้าค่า p-value น้อยกว่าระดับที่กำหนด ปกติคือ \(< 0.05\)) แสดงว่าตัวแปรที่เพิ่มเข้ามานั้น มีความสำคัญทางสถิติ ให้เลือกใช้แบบจำลองที่ซับซ้อนกว่า
  4. ถ้าค่าที่ลดลงนั้นน้อย แสดงว่าตัวแปรที่เพิ่มเข้ามาไม่ได้ช่วยอะไรมากนัก ให้ใช้แบบจำลองที่เรียบง่ายกว่าต่อไป (หลักความมัธยัสถ์ หรือ Parsimony)

อุปมาอุปไมย: ลองนึกภาพการติดสปอยเลอร์หรูๆ ให้รถยนต์ ถ้าติดแล้วรถไม่ได้วิ่งเร็วขึ้นเลย (ค่า Deviance ลดลงน้อยมาก) สปอยเลอร์นั้นก็เป็นแค่ส่วนเกินที่ทำให้นักหนักรถเพิ่มขึ้นเปล่าๆ สู้ใช้รถแบบเดิมที่เรียบง่ายดีกว่า!

4. การทดสอบความนัยสำคัญของพารามิเตอร์

ก่อนที่จะเปรียบเทียบแบบจำลองใหญ่ๆ สองชุด เรามักจะพิจารณาพารามิเตอร์แต่ละตัวก่อน เมื่อคุณดูผลลัพธ์จากซอฟต์แวร์ (เช่น ในข้อสอบ Paper B) คุณจะเห็น p-value ของสัมประสิทธิ์แต่ละตัว (\(\beta\))

  • สมมติฐานหลัก (\(H_0\)): พารามิเตอร์ \(\beta_i = 0\) (หมายความว่าตัวแปรนั้นไม่มีผลต่อแบบจำลอง)
  • สมมติฐานทางเลือก (\(H_1\)): พารามิเตอร์ \(\beta_i \neq 0\)

หากค่า p-value น้อยมาก (ปกติคือ \(p < 0.05\)) เราจะปฏิเสธ \(H_0\) ซึ่งบอกเราว่าตัวแปรนั้นเป็นตัวพยากรณ์ที่มีนัยสำคัญและควรคงไว้ในแบบจำลอง

5. การตีความในทางปฏิบัติ (เน้นสำหรับ Paper B)

ในห้องสอบ คุณอาจได้รับตารางผลลัพธ์จากการปรับพอดี GLM สำหรับ "จำนวนการเคลม" (Poisson) หรือ "ขนาดของการเคลม" (Gamma) สิ่งที่คุณควรสังเกตมีดังนี้:

1. Null Deviance: ค่าเบี่ยงเบนของแบบจำลองที่ ไม่มี ตัวแปรอธิบายเลย (มีเพียงค่าจุดตัดแกนหรือ Intercept เท่านั้น) นี่คือจุดเริ่มต้นของคุณ

2. Residual Deviance: ค่าเบี่ยงเบนของแบบจำลองของคุณหลังจากเพิ่มตัวแปรต่างๆ เข้าไปแล้ว คุณต้องการให้ค่านี้ต่ำกว่า Null Deviance อย่างมีนัยสำคัญ

3. AIC (Akaike Information Criterion): คุณอาจเห็นค่านี้ในผลลัพธ์จากคอมพิวเตอร์ มันคล้ายกับ Deviance แต่มีการ "ลงโทษ" (Penalize) หากคุณใส่ตัวแปรมากเกินไป ค่า AIC ยิ่งต่ำยิ่งดี

รู้หรือไม่? คำว่า "Parsimony" (ความมัธยัสถ์) ถูกใช้บ่อยมากในทางคณิตศาสตร์ประกันภัย มันมาจากหลักการ "มีดโกนของออคแคม" (Occam's Razor) ซึ่งกล่าวว่า หากมีแบบจำลองสองชุดที่อธิบายข้อมูลได้ดีพอๆ กัน แบบจำลองที่เรียบง่ายกว่ามักจะเป็นตัวเลือกที่ดีกว่าสำหรับการพยากรณ์ในอนาคต

กล่องทบทวนด่วน

Maximum Likelihood: วิธีที่ใช้เพื่อหาค่า \(\beta\) ที่ดีที่สุด

Deviance: วัด "ความไม่พอดี" ยิ่งต่ำ = ยิ่งพอดี (Fit) มาก

Saturated Model: แบบจำลองที่ "สมบูรณ์แบบ" แต่ซับซ้อนเกินไป (Overfitted) ใช้เป็นเกณฑ์มาตรฐานเปรียบเทียบ

Likelihood Ratio Test: ใช้สูตร \(D_1 - D_2 \sim \chi^2_k\) เพื่อเปรียบเทียบแบบจำลองที่ซ้อนทับกัน

ตัวแปรที่มีนัยสำคัญ: สังเกตจากค่า p-value ที่น้อย (\(< 0.05\)) เพื่อยืนยันการคงตัวแปรนั้นไว้

ไม่ต้องกังวลถ้าช่วงแรกจะดูซับซ้อน! กุญแจสำคัญคือการจำไว้ว่าเรากำลังพยายามหาจุดสมดุลระหว่างแบบจำลองที่อธิบายข้อมูลได้ดี (Deviance ต่ำ) และแบบจำลองที่เรียบง่าย (พารามิเตอร์น้อย) เสมอ