Offsets and weights

ยินดีต้อนรับสู่โลกของ Offset และ Weight!

ในการเดินทางของเราผ่านโมเดล Generalized Linear Models (GLMs) เราได้เรียนรู้วิธีการทำนายผลลัพธ์โดยใช้ฟีเจอร์ต่างๆ กันไปแล้ว แต่จะเกิดอะไรขึ้นเมื่อข้อมูลบางตัว "ไม่เท่ากับ" ตัวอื่น? ตัวอย่างเช่น หากคุณกำลังทำนายอุบัติเหตุรถยนต์ การเปรียบเทียบคนที่ขับรถเพียง 1 เดือน กับคนที่ขับมา 10 ปี นั้นสมเหตุสมผลหรือไม่? คำตอบคือไม่แน่นอน!

ในบทนี้ เราจะมาเรียนรู้เรื่อง Offset และ Weight ซึ่งเป็นเครื่องมือสำคัญสองอย่างที่ช่วยให้โมเดลของเราจัดการกับความแตกต่างในด้าน "ขนาด" หรือ "ความน่าเชื่อถือ" ของข้อมูลได้ ถ้ารู้สึกว่าเรื่องนี้ดูเป็นนามธรรมไปหน่อยในตอนแรก ไม่ต้องกังวลนะ เราจะค่อยๆ ย่อยให้เข้าใจง่ายด้วยการเปรียบเทียบและขั้นตอนแบบเป็นเหตุเป็นผลไปพร้อมกัน

ส่วนที่ 1: Offset – การจัดการกับค่าความเสี่ยง (Exposure)

ลองจินตนาการว่าคุณกำลังเปิดร้านขายน้ำมะนาว คุณต้องการทำนายว่าจะมีลูกค้ามากี่คน ถ้าวันนี้คุณเปิดร้าน 2 ชั่วโมง แต่พรุ่งนี้เปิด 10 ชั่วโมง คุณคาดหวังว่าลูกค้าจะเท่ากันไหม? แน่นอนว่าไม่! คุณมี Exposure (โอกาสในการได้รับลูกค้า) มากขึ้นเมื่อเปิดร้านนานขึ้น

Offset คืออะไร?

Offset คือตัวแปรทำนายชนิดพิเศษที่ถูกกำหนดค่าสัมประสิทธิ์ (Coefficient) ให้เป็น 1 เสมอ ซึ่งต่างจากตัวแปรอื่นที่โมเดลจะคำนวณหา "ความชัน" (\(\beta\)) ออกมา แต่สำหรับ Offset นั้น เรารู้อยู่แล้วว่ามันสัมพันธ์กับเป้าหมายของเราอย่างไร นั่นคือสัมพันธ์แบบเส้นตรงบนสเกลของ Link Function

ตัวอย่าง Poisson (กรณีที่พบบ่อยที่สุด)

ในข้อสอบ Exam PA นั้น Offset มักจะถูกใช้บ่อยที่สุดกับ Poisson regression เพื่อโมเดลค่า Rate (อัตรา) โดยปกติแล้วโมเดล Poisson จะทำนายค่าจำนวนนับ (\(\mu\)) แต่บ่อยครั้งเราต้องการทำนายค่าเป็นอัตรา เช่น "จำนวนการเคลมต่อปี"

ในเชิงคณิตศาสตร์จะเป็นดังนี้:
\(\text{Rate} = \frac{\mu}{E}\) โดยที่ \(E\) คือ Exposure
หากเราใช้ log link (ซึ่งเป็นมาตรฐานของ Poisson) เราจะได้:
\(\ln(\frac{\mu}{E}) = \beta_0 + \beta_1 X_1 + ...\)
เมื่อใช้กฎของลอการิทึม จะได้เป็น:
\(\ln(\mu) - \ln(E) = \beta_0 + \beta_1 X_1 + ...\)
\(\ln(\mu) = \mathbf{\ln(E)} + \beta_0 + \beta_1 X_1 + ...\)

สังเกตว่า \(\ln(E)\) ถูกนำไปบวกไว้ท้ายสุด โดยไม่มีค่าสัมประสิทธิ์ \(\beta\) ที่ต้องประมาณการ นี่แหละคือสิ่งที่เราเรียกว่า Offset!

ประเด็นสำคัญสำหรับ Offset:

• วัตถุประสงค์: ใช้ปรับจูนระดับของ Exposure ที่แตกต่างกัน (เช่น ระยะเวลา, ระยะทาง, จำนวนกรมธรรม์)
• สัมประสิทธิ์: มีค่าเป็น 1 เสมอ โมเดลจะถูกบังคับให้มองว่าเป็นสัดส่วนตรง
• เคล็ดลับเรื่อง Log: ใน R หากคุณใช้ log link คุณต้องใส่ log ของ exposure เข้าไปเป็น offset

คำแนะนำสั้นๆ: ให้มองว่า Offset คือ "ตัวปรับสเกล" มันช่วยให้สนามการเปรียบเทียบเท่าเทียมกัน ทำให้คุณสามารถเปรียบเทียบกรมธรรม์ 1 เดือน กับ 12 เดือนได้อย่างยุติธรรม

ส่วนที่ 2: Weight – การจัดการกับความน่าเชื่อถือ (Reliability)

ทีนี้มาคุยเรื่อง Weight (น้ำหนัก) กันบ้าง ใน GLMs เรามักจะใช้สิ่งที่เรียกว่า "Prior Weights" (บางครั้งใช้สัญลักษณ์ \(\omega\))

Weight คืออะไร?

Weight จะบอกโมเดลว่าข้อมูลแต่ละแถวมี ข้อมูล (information) หรือ ความแม่นยำ (precision) มากน้อยเพียงใด ข้อมูลแถวที่มี weight สูงกว่าจะถือว่า "น่าเชื่อถือ" หรือ "สำคัญ" มากกว่าในการคำนวณหาค่าพารามิเตอร์ของโมเดล

การเปรียบเทียบเรื่อง "ค่าเฉลี่ย"

ลองนึกภาพว่าคุณกำลังดูค่าเฉลี่ยคะแนนสอบของโรงเรียนสองแห่ง:
1. โรงเรียน A: คะแนนเฉลี่ย 90 (มาจากนักเรียน 5 คน)
2. โรงเรียน B: คะแนนเฉลี่ย 85 (มาจากนักเรียน 500 คน)
ถ้าคุณต้องทำนายค่าเฉลี่ยของทั้งเมือง คุณจะเชื่อข้อมูลของโรงเรียนไหนมากกว่ากัน? โรงเรียน B แน่นอน เพราะขนาดกลุ่มตัวอย่างใหญ่กว่า ใน GLM คุณจึงควรกำหนด weight ให้โรงเรียน B มากกว่านั่นเอง

Weight ส่งผลต่อโมเดลอย่างไร?

ใน GLM ค่าความแปรปรวน (Variance) ของข้อมูลถูกนิยามไว้ดังนี้:
\(\text{Var}(Y_i) = \frac{\phi V(\mu_i)}{\omega_i}\)
โดยที่:
- \(\phi\) คือ Dispersion parameter
- \(V(\mu_i)\) คือ Variance function
- \(\omega_i\) คือ Weight

สังเกตว่า Weight อยู่ที่ ตัวหาร (denominator) ซึ่งหมายความว่า:
- Weight (\(\omega\)) มากขึ้น = ความแปรปรวนน้อยลง
- ความแปรปรวนน้อยลง = ความแน่นอนมากขึ้น

กรณีการใช้งาน Weight ที่พบบ่อย:

• Grouped Data: หากข้อมูลหนึ่งแถวของคุณแสดงค่าเฉลี่ยของ \(n\) ข้อมูล ให้ใช้ \(n\) เป็น weight
• Binomial Models: เมื่อทำโมเดล สัดส่วน (proportion) ของความสำเร็จ จำนวนครั้งที่ทดลอง (\(n\)) จะถูกใช้เป็น weight

รู้หรือไม่? การใช้ weights เป็นเรื่องปกติเมื่อข้อมูลถูก "รวบรวม (aggregated)" หรือ "สรุปผล (summarized)" มาก่อนที่จะถึงมือคุณ

ส่วนที่ 3: Offset vs. Weight (ตารางสรุป)

นักศึกษามักจะสับสนสองคำนี้ นี่คือวิธีจำง่ายๆ เพื่อไม่ให้จำสลับกัน:

ส่วนที่ 4: ข้อผิดพลาดที่พบบ่อย

ไม่ต้องกังวลถ้าเรื่องนี้ดูเข้าใจยากในตอนแรก แม้แต่นักคณิตศาสตร์ประกันภัยที่มีประสบการณ์ก็ยังสับสนได้ นี่คือข้อผิดพลาดที่พบบ่อยที่สุดที่ควรเลี่ยงในข้อสอบ Exam PA:

1. ลืมแปลง log ให้กับ Offset: หากคุณใช้ Poisson model ร่วมกับ log link คุณ ต้อง ทำการ natural log ของตัวแปร exposure ก่อนนำไปใช้เป็น offset ถ้าคุณไม่ทำ โมเดลจะเข้าใจว่า exposure ของคุณมีขนาดใหญ่เกินจริงไปมาก!
2. ใช้ Weight สำหรับข้อมูลนับจำนวน (Counts): หากคุณกำลังทำโมเดลจากข้อมูลจำนวนนับดิบ โดยปกติคุณไม่จำเป็นต้องใช้ weight สำหรับขนาดกลุ่มตัวอย่าง (เพราะ Poisson distribution จะจัดการความแปรปรวนตามค่าเฉลี่ยของมันเองอยู่แล้ว) Weight จะใช้บ่อยกว่าเมื่อทำโมเดล ค่าเฉลี่ย หรือ สัดส่วน
3. สับสนเรื่องสัมประสิทธิ์: จำไว้ว่าถ้าตัวแปรนั้นเป็น offset R จะไม่แสดงค่า p-value หรือสัมประสิทธิ์ให้ เพราะมันถูกกำหนดไว้ที่ 1 แล้ว ถ้าคุณเห็นมันปรากฏในสรุปผลพร้อมค่า \(\beta\) ที่ถูกประมาณการ นั่นแสดงว่ามันไม่ได้ถูกจัดการเป็น offset!

กล่องทบทวนด่วน

1. Offsets: ใช้สำหรับ "Exposure" กำหนดค่าสัมประสิทธิ์คงที่ที่ 1 บวกเพิ่มเข้าไปใน Linear predictor
2. Weights: ใช้สำหรับ "Reliability" (ความน่าเชื่อถือ) เป็นสัดส่วนผกผันกับความแปรปรวน ยิ่ง Weight สูง = ยิ่งมีอิทธิพลต่อโมเดลมาก
3. Poisson Link: เมื่อใช้ Poisson ที่เป็น log-link, ตัว offset มักจะเป็น log(Exposure)

สรุปประเด็นสำคัญ

Offsets ทำให้ ค่าเฉลี่ย มีความยุติธรรมโดยการคำนึงถึง "ช่วงเวลาที่มีโอกาสเกิดเหตุ" (Exposure) ในขณะที่ Weights ทำให้ การประมาณการ มีความยุติธรรมโดยการคำนึงถึง "ความแน่นอน" ของข้อมูล (Reliability) การเชี่ยวชาญทั้งสองอย่างนี้จะช่วยให้คุณสร้างโมเดลที่สะท้อนความเสี่ยงที่แท้จริงในข้อมูลประกันภัยและข้อมูลธุรกิจได้อย่างแม่นยำ!