บทนำ: ก้าวไปไกลกว่าแค่เส้น "Best Fit"

ในบทก่อนหน้า เราได้เรียนรู้วิธีลากเส้น "ที่เหมาะสมที่สุด" (best fit) ผ่านแผนภาพการกระจายโดยใช้ วิธีกำลังสองน้อยที่สุด (Least Squares Estimation) แต่ในฐานะนักคณิตศาสตร์ประกันภัย เราจะแค่ลากเส้นแล้วหวังว่ามันจะใช้ได้ไม่ได้! เราจำเป็นต้องรู้ว่า: ความสัมพันธ์นี้เกิดขึ้นจริง หรือเป็นเพียงเรื่องบังเอิญ? โมเดลของเราอธิบายข้อมูลได้ดีแค่ไหน? และถ้าเรานำโมเดลนี้ไปทำนายอนาคต เราจะเชื่อถือมันได้มากน้อยเพียงใด?

ในบทนี้ เราจะขยับจากการแค่ "ลากเส้น" ไปสู่ การอนุมานทางสถิติ (statistical inference) เราจะได้เรียนรู้วิธีทดสอบผลลัพธ์และใส่ "ช่วงความคลาดเคลื่อน" ให้กับการทำนายของเรา ไม่ต้องกังวลนะถ้าสูตรจะดูน่ากลัวในตอนแรก—เราจะค่อยๆ ย่อยมันไปทีละขั้นตอน!

1. การอนุมานพารามิเตอร์ความชัน (\(\beta\))

ความชัน (\(\beta\)) คือหัวใจสำคัญของโมเดลการถดถอยของเรา มันบอกเราว่า ตัวแปรตอบสนอง (\(Y\)) เปลี่ยนแปลงไปเท่าใดต่อการเพิ่มขึ้นหนึ่งหน่วยของ ตัวแปรอธิบาย (\(X\))

ความชันมีนัยสำคัญหรือไม่?

ในการทำงานด้านคณิตศาสตร์ประกันภัย เรามักจะทดสอบ สมมติฐานว่าง (Null Hypothesis) \(H_0: \beta = 0\) ถ้าความชันเป็นศูนย์ หมายความว่าตัวแปรอธิบายนั้น ไม่มีผล ต่อตัวแปรตอบสนองเลย หากเรา "ปฏิเสธสมมติฐานว่าง" แสดงว่าเรามีหลักฐานทางสถิติที่บ่งบอกว่ามีความสัมพันธ์กันจริง

ความคลาดเคลื่อนมาตรฐานของความชัน

ในการทดสอบความชัน ก่อนอื่นเราต้องรู้ ความคลาดเคลื่อนมาตรฐาน (Standard Error) ซึ่งเขียนแทนด้วย \(se(\hat{\beta})\) ค่านี้จะวัดว่าค่าประมาณ \(\hat{\beta}\) จะแปรผันไปมากน้อยเพียงใดหากเราสุ่มตัวอย่างใหม่หลายๆ ชุด

\(se(\hat{\beta}) = \sqrt{\frac{\hat{\sigma}^2}{S_{xx}}}\)

โดยที่:

  • \(\hat{\sigma}^2\) คือค่าประมาณความแปรปรวนของส่วนที่เหลือ (มักเรียกว่า Residual Mean Square)
  • \(S_{xx}\) คือผลรวมกำลังสองของค่า \(x\) คำนวณจาก \(\sum (x_i - \bar{x})^2\)

การทดสอบที (t-test) สำหรับความชัน

เนื่องจากเราต้องประมาณค่าความแปรปรวน \(\sigma^2\) เราจึงใช้ การแจกแจงแบบที (t-distribution) แทนการแจกแจงแบบปกติ ตัวสถิติทดสอบคือ:

\(t = \frac{\hat{\beta} - \text{hypothesized value}}{se(\hat{\beta})}\)

สำหรับการทดสอบนัยสำคัญมาตรฐาน (\(H_0: \beta = 0\)) สูตรจะลดรูปเหลือเพียง \(t = \frac{\hat{\beta}}{se(\hat{\beta})}\) ซึ่งเราจะนำไปเปรียบเทียบกับการแจกแจงแบบทีที่มีองศาอิสระ (degrees of freedom) เท่ากับ \(n - 2\)

เคล็ดลับน่ารู้: หากค่าสัมบูรณ์ของสถิติ \(t\) ของคุณมีค่ามาก (โดยทั่วไปจะมากกว่า 2 สำหรับขนาดตัวอย่างส่วนใหญ่) ค่า p-value จะมีค่าน้อย และมีความเป็นไปได้สูงว่าความชันนั้นมีนัยสำคัญ!

2. การวัดความเหมาะสมในการอธิบายข้อมูล (Goodness of Fit)

แม้ว่าความชันจะมีนัยสำคัญ แต่โมเดลก็อาจจะยังไม่ดีพอ ความเหมาะสมในการอธิบายข้อมูล (Goodness of Fit) จะบอกเราว่าโมเดลของเราสามารถอธิบาย "เรื่องราว" ของข้อมูลได้มากน้อยแค่ไหน

สัมประสิทธิ์การตัดสินใจ (\(R^2\))

ตัววัดที่พบบ่อยที่สุดคือ \(R^2\) ซึ่งแทนสัดส่วนของความผันแปรทั้งหมดในตัวแปรตอบสนองที่สามารถอธิบายได้ด้วยโมเดลการถดถอย

\(R^2 = \frac{SSR}{SST} = 1 - \frac{SSE}{SST}\)

โดยที่:

  • SST (Total Sum of Squares): ความผันแปรทั้งหมดในข้อมูล
  • SSR (Regression Sum of Squares): ความผันแปรที่เส้นตรงของเราอธิบายได้
  • SSE (Error Sum of Squares): ความผันแปรที่เส้นตรงอธิบายไม่ได้ (ส่วนที่เหลือหรือ residuals)

การตีความ \(R^2\):

  • \(R^2 = 1\): เหมาะสมที่สุด! จุดข้อมูลทุกจุดอยู่บนเส้นตรงพอดี
  • \(R^2 = 0\): โมเดลอธิบายอะไรไม่ได้เลย ตัวแปรอธิบายไม่มีประโยชน์
  • หมายเหตุนักคณิตศาสตร์ประกันภัย: ในทางสังคมศาสตร์หรือข้อมูลการเคลมประกันที่ซับซ้อน แม้แต่ค่า \(R^2\) ที่ 0.2 หรือ 0.3 ก็ถือว่ามีประโยชน์แล้ว ในขณะที่ทางวิทยาศาสตร์กายภาพ เรามักจะมองหาค่าที่ 0.9 ขึ้นไป

รู้หรือไม่? ในการถดถอยเชิงเส้นอย่างง่าย (มี \(X\) หนึ่งตัว และ \(Y\) หนึ่งตัว) ค่า \(R^2\) จะเท่ากับกำลังสองของ สัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน (Pearson's correlation coefficient, \(r\)) ดังนั้นถ้า \(r = 0.7\) ค่า \(R^2\) ก็จะเท่ากับ \(0.49\)

3. ช่วงการทำนาย: ค่าเฉลี่ย vs รายตัว

เมื่อเราได้โมเดลที่เหมาะสม \(\hat{y} = \hat{\alpha} + \hat{\beta}x\) แล้ว เราสามารถใช้มันเพื่อทำนายค่าในอนาคตได้ อย่างไรก็ตาม การทำนายมีสองประเภทที่แตกต่างกัน และการเข้าใจความแตกต่างนี้เป็นเรื่องสำคัญมาก!

ก. ช่วงความเชื่อมั่นสำหรับค่าตอบสนองเฉลี่ย (Confidence Interval for the Mean Response)

ใช้เมื่อเราต้องการประมาณค่า เฉลี่ย ของ \(Y\) สำหรับค่า \(x_0\) เฉพาะเจาะจง เช่น "ขนาดการเคลมเฉลี่ยของผู้ถือกรมธรรม์ทุกคนที่มีอายุ 40 ปี คือเท่าใด?"

เนื่องจากเรากำลังหาค่าเฉลี่ยที่หักล้างความแปรปรวนรายบุคคลออกไปแล้ว ความไม่แน่นอนจึงน้อยกว่า

ข. ช่วงการทำนายสำหรับค่าตอบสนองรายตัว (Prediction Interval for an Individual Response)

ใช้เมื่อเราต้องการทำนายค่า \(Y\) สำหรับ หนึ่ง ค่าสังเกตใหม่ เช่น "ขนาดการเคลมเฉพาะของคุณสมชาย ซึ่งมีอายุ 40 ปี คือเท่าใด?"

กฎเหล็ก: ช่วงการทำนาย (Prediction Interval) สำหรับบุคคล จะกว้างกว่า ช่วงความเชื่อมั่น (Confidence Interval) สำหรับค่าเฉลี่ยเสมอ ทำไมล่ะ? เพราะในแต่ละบุคคลมีความไม่แน่นอนของ "ค่าเฉลี่ย" รวมกับความผันแปรสุ่มเฉพาะตัวบุคคล (\(\epsilon\)) เข้าไปด้วย

สูตร "บวก 1" ที่ต้องจำ:
ความแปรปรวนสำหรับค่าตอบสนองเฉลี่ยจะมีพจน์ในรูปแบบ \([ \dots ]\)
ความแปรปรวนสำหรับค่าตอบสนองรายตัวจะมีพจน์ในรูปแบบ \([ 1 + \dots ]\)
เลข "1" ที่เพิ่มเข้ามานั้นแทนความแปรปรวนที่มีอยู่โดยธรรมชาติของค่าสังเกตเดี่ยว (\(\sigma^2\))

4. การใช้โปรแกรม (R) และการอ่านผลลัพธ์

ในข้อสอบ Paper B คุณจะไม่ต้องคำนวณสิ่งเหล่านี้ด้วยมือ แต่จะใช้โปรแกรม R คุณต้องสามารถอ่านผลลัพธ์จากคำสั่ง summary() ของโมเดลเชิงเส้น (lm) ให้เป็น

สิ่งที่ต้องมองหาในผลลัพธ์จาก R:

  • ตาราง Coefficients: ดูที่คอลัมน์ Estimate สำหรับค่า \(\hat{\beta}\) และคอลัมน์ Pr(>|t|) สำหรับค่า p-value
  • Residual standard error: นี่คือค่า \(\hat{\sigma}\) ของคุณ
  • Multiple R-squared: นี่คือค่า \(R^2\)

ตัวอย่างคำสั่งสำหรับการทำนาย:
predict(model, newdata, interval = "confidence") — สำหรับค่าเฉลี่ย
predict(model, newdata, interval = "prediction") — สำหรับรายตัว

สรุปทบทวน: ข้อผิดพลาดที่ควรหลีกเลี่ยง

  • สับสนระหว่าง \(R^2\) กับสหสัมพันธ์ (Correlation): จำไว้ว่า \(R^2\) ไม่ได้บอก ทิศทาง ของความสัมพันธ์ (บวกหรือลบ) บอกเพียงแค่ ความแข็งแกร่ง เท่านั้น ส่วนสหสัมพันธ์ (\(r\)) จะบอกทั้งสองอย่าง
  • องศาอิสระ (Degrees of Freedom): ในการถดถอยเชิงเส้นอย่างง่าย ให้ใช้ \(n - 2\) สำหรับการทดสอบทีและช่วงความเชื่อมั่นเสมอ เลข "2" มาจากพารามิเตอร์สองตัวที่เราประมาณค่าขึ้นมา (\(\alpha\) และ \(\beta\))
  • การพยากรณ์นอกช่วงข้อมูล (Extrapolation): ระวังการใช้โมเดลเพื่อทำนายค่า \(x\) ที่อยู่นอกเหนือช่วงของข้อมูลเดิมที่คุณมีอย่างมาก เพราะ "ความเหมาะสมของโมเดล" อาจจะใช้ไม่ได้กับพื้นที่ตรงนั้น!

ประเด็นสำคัญ: การอนุมานช่วยให้เราสามารถวัดปริมาณความไม่แน่นอนได้ เราใช้ การทดสอบที (t-tests) เพื่อตรวจสอบความชัน, ใช้ \(R^2\) เพื่อตรวจสอบความเหมาะสมของโมเดล และใช้ ช่วงการทำนาย (Prediction Intervals) เพื่อคาดการณ์ค่าในอนาคตโดยคำนึงถึงความสุ่มที่อาจเกิดขึ้น