Ordinary least squares vs. generalized linear model assumptions

บทนำ: ก้าวข้ามผ่านโมเดล "มาตรฐาน"

ยินดีต้อนรับ! หากคุณเคยผ่านการเรียนสถิติมาบ้าง คุณก็น่าจะคุ้นเคยกับโมเดลการถดถอยแบบ Ordinary Least Squares (OLS) กันมาแล้ว ซึ่งถือเป็น "อาหารหลัก" ของการทำแบบจำลองเพื่อการพยากรณ์ อย่างไรก็ตาม ในโลกความเป็นจริงของคณิตศาสตร์ประกันภัย (Actuarial Science) ที่เราต้องรับมือกับทั้งยอดเคลมประกัน ความถี่ของการเกิดอุบัติเหตุ และอัตราการเสียชีวิตนั้น OLS มักจะแสดงประสิทธิภาพได้ไม่เต็มที่นัก

ในบทนี้ เราจะมาสำรวจกันว่าทำไมบางครั้งเราถึงต้องเปลี่ยนจากโมเดล OLS ที่ค่อนข้างแข็งตัว ไปใช้โมเดลที่มีความยืดหยุ่นกว่าอย่าง Generalized Linear Model (GLM) เราจะมาดูข้อสมมติฐานเฉพาะที่แบ่งแยกสองโมเดลนี้ออกจากกัน ถ้ารู้สึกว่าเนื้อหาดูนามธรรมในตอนแรก ไม่ต้องกังวลนะ! เมื่อคุณเห็นรูปแบบของมันแล้ว ทุกอย่างจะชัดเจนขึ้นมาก!

1. จุดเริ่มต้น: ข้อสมมติฐานของ OLS

ก่อนที่เราจะเข้าใจว่า GLM แตกต่างอย่างไร เราต้องทบทวนก่อนว่า OLS คาดหวังอะไรจากข้อมูลของเรา คุณสามารถจดจำข้อสมมติฐานหลักของ OLS ได้ด้วยคำย่อว่า LINE:

L – Linearity (ความเป็นเส้นตรง): ความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตามเป็นเส้นตรง
I – Independence (ความเป็นอิสระต่อกัน): ข้อมูลแต่ละจุดต้องเป็นอิสระต่อกัน
N – Normality (การแจกแจงปกติ): ค่าความคลาดเคลื่อน (residuals) ต้องมีการแจกแจงแบบ Normal (Gaussian) distribution
E – Equal Variance (ความแปรปรวนคงที่): ความแปรปรวนของค่าความคลาดเคลื่อนต้องคงที่ (ศัพท์เทคนิคเรียกว่า homoscedasticity)

การเปรียบเทียบ: ลองจินตนาการว่า OLS เหมือนกับเสื้อยืดไซส์ "M" มาตรฐาน มันอาจจะใส่ได้พอดีกับคนส่วนใหญ่ แต่ถ้าคุณตัวสูงหรือเตี้ยกว่ามาตรฐานมาก มันก็จะดูแปลกๆ OLS ใช้งานได้ดีกับข้อมูลแบบ "ปกติ" แต่ข้อมูลในงานประกันภัยมักจะมีความ "แปลก" อยู่เสมอ

ประเด็นสำคัญ:

OLS ตั้งสมมติฐานว่าตัวแปรเป้าหมายของคุณเป็นข้อมูลต่อเนื่อง (continuous) สามารถติดลบหรือเป็นบวกก็ได้ และมีความ "กระจายตัว" (variance) ที่สม่ำเสมอโดยไม่ขึ้นอยู่กับค่าที่พยากรณ์ได้

2. ทำไม OLS ถึงใช้ไม่ได้ผลในงานคณิตศาสตร์ประกันภัย

ในส่วนของ "Linear Models" ของข้อสอบ SRM คุณจะพบว่าข้อมูลประกันภัยมักจะละเมิดกฎของ OLS อยู่บ่อยครั้ง ลองพิจารณาสองสถานการณ์ทั่วไปนี้:

1. จำนวนการเคลม (Claim Counts): คุณไม่สามารถมีอุบัติเหตุติดลบ -2 ครั้งได้ OLS อาจพยากรณ์ออกมาเป็นเลขติดลบซึ่งไม่มีความหมายในทางปฏิบัติ! นอกจากนี้ จำนวนการเคลมยังเป็นตัวเลขไม่ต่อเนื่อง (0, 1, 2...) ไม่ใช่ข้อมูลแบบต่อเนื่อง
2. ความรุนแรงของการเคลม (Claim Severity): การเคลมประกันก้อนใหญ่ (เช่น บ้านไฟไหม้) มักจะมีความแปรปรวนสูงกว่าการเคลมก้อนเล็ก (เช่น กระจกรถแตก) OLS จะตั้งสมมติฐานว่าความแปรปรวนเท่ากันทั้งสองกรณี ซึ่งมักจะไม่ถูกต้อง

3. ทางออกด้วย GLM: กรอบการทำงานที่ยืดหยุ่น

Generalized Linear Model (GLM) ได้ผ่อนปรนกฎที่เข้มงวดของ OLS แทนที่จะยัดทุกอย่างลงในกล่อง "Normal" โมเดล GLM จะประกอบด้วยส่วนประกอบสำคัญ 3 ส่วน:

A. ส่วนประกอบเชิงสุ่ม (The Random Component)

ใน OLS เราสมมติว่าตัวแปรตาม \(Y\) มีการแจกแจงแบบ Normal distribution แต่ใน GLM เราสมมติว่า \(Y\) มีการแจกแจงที่อยู่ในตระกูล Exponential Family ซึ่งประกอบไปด้วย:
- Normal (สำหรับข้อมูลต่อเนื่องทั่วไป)
- Poisson (สำหรับการนับเหตุการณ์ที่เกิดขึ้น)
- Binomial (สำหรับผลลัพธ์แบบ ใช่/ไม่ใช่)
- Gamma/Inverse Gaussian (สำหรับยอดเคลมประกันที่เป็นบวกและมีการแจกแจงแบบเบ้)

B. ส่วนประกอบเชิงระบบ (The Systematic Component)

ส่วนนี้คือส่วนที่คุณคุ้นเคย! มันคือการรวมกันของตัวแปรอธิบาย (\(X\)) และสัมประสิทธิ์ (\(\beta\)) ซึ่งเราเรียกว่า eta (\(\eta\)):
\(\eta = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + ... + \beta_p X_p\)

C. ฟังก์ชันเชื่อมโยง (The Link Function)

นี่คือ "สะพาน" ที่เชื่อมระหว่าง ค่าเฉลี่ย ของข้อมูล (\(\mu\)) กับ ตัวพยากรณ์เชิงเส้น (\(\eta\))
สูตรจะเป็นดังนี้: \(g(\mu) = \eta\)

ใน OLS ฟังก์ชันเชื่อมโยงคือ "Identity" หมายความว่าเราสมมติให้ \(\mu = \eta\) แต่ใน GLM เราสามารถใช้ฟังก์ชันเชื่อมโยงแบบ "Log" (\(ln(\mu) = \eta\)) เพื่อทำให้มั่นใจได้ว่าค่าที่พยากรณ์ออกมาจะเป็นบวกเสมอ!

คุณรู้หรือไม่?

ที่จริงแล้ว OLS เป็นเพียงกรณีหนึ่งของ GLM เท่านั้น! ถ้าคุณเลือกการแจกแจงแบบ Normal distribution และใช้ Identity link function โมเดล GLM ของคุณก็จะกลายเป็นโมเดล OLS นั่นเอง

4. เปรียบเทียบ OLS กับ GLM: วางเคียงข้างกัน

เรามาดูข้อแตกต่างที่สำคัญของสมมติฐานเพื่อให้คุณจำไปสอบได้อย่างแม่นยำ:

1. การแจกแจงของตัวแปรตาม
- OLS: ต้องเป็น Normal เท่านั้น
- GLM: สามารถเป็นการแจกแจงใดก็ได้ในกลุ่ม Exponential Family (Poisson, Binomial, Gamma ฯลฯ)

2. ความสัมพันธ์ของความแปรปรวน
- OLS: ความแปรปรวนต้อง คงที่ และไม่ขึ้นกับค่าเฉลี่ย (Homoscedasticity)
- GLM: ความแปรปรวนเป็น ฟังก์ชันของค่าเฉลี่ย เช่น ใน Poisson distribution เมื่อค่าเฉลี่ยเพิ่มขึ้น ความแปรปรวนก็จะเพิ่มขึ้นด้วย ซึ่งสมจริงกว่ามากสำหรับข้อมูลประกันภัย!

3. การแปลงความสัมพันธ์
- OLS: สมมติว่า \(\mu = \beta X\) (ความสัมพันธ์เชิงเส้นโดยตรง)
- GLM: สมมติว่า \(g(\mu) = \beta X\) โดยที่ Link Function \(g(.)\) ช่วยให้ความสัมพันธ์ไม่จำเป็นต้องเป็นเส้นตรง ในขณะที่ตัว พารามิเตอร์ ยังคงเป็นเชิงเส้นอยู่

ทบทวนด่วน: ข้อผิดพลาดที่พบบ่อย

- อย่า บอกว่า GLM สมมติว่าข้อมูลไม่มีความเป็นเส้นตรง เพราะ พารามิเตอร์ (\(\beta\)) ยังคงเป็นเส้นตรงอยู่! แต่คือตัว ฟังก์ชันเชื่อมโยง ไปยังค่าเฉลี่ยต่างหากที่อาจไม่เป็นเส้นตรง
- อย่า สมมติว่า residuals ของ GLM ต้องมีการแจกแจงปกติ เราให้ความสำคัญกับการแจกแจงของตัวแปรตาม ไม่ใช่แค่ "ค่าความคลาดเคลื่อน" เหมือนที่ OLS ทำ

5. สรุปข้อสมมติฐานสำหรับการสอบ

เมื่อคุณเข้าห้องสอบ SRM ให้จดจำ 3 เสาหลักของสมมติฐาน GLM เทียบกับ OLS ดังนี้:

1. ความยืดหยุ่น: GLM รองรับการแจกแจงที่ไม่ใช่แบบปกติ (Exponential Family)
2. ความแปรปรวนไม่คงที่: GLM อนุญาตให้ความแปรปรวนเปลี่ยนแปลงไปตามค่าเฉลี่ย (เป็นฟังก์ชันของค่าเฉลี่ย)
3. การเชื่อมโยง (Link): GLM ใช้ฟังก์ชันเชื่อมโยงเพื่อสัมพันธ์ค่าเฉลี่ยกับตัวพยากรณ์เชิงเส้น ซึ่งช่วยให้ค่าที่พยากรณ์อยู่ในช่วงที่เหมาะสม (เช่น การรับประกันว่าจำนวนการเคลมจะไม่เป็นค่าติดลบ)

คำแนะนำส่งท้าย: ถ้าคณิตศาสตร์เบื้องหลังฟังก์ชันเชื่อมโยงดูหนักหนาเกินไป ให้จำแค่ จุดประสงค์ ของมันไว้: เราเพียงแค่มองหาวิธีทำให้ "คณิตศาสตร์" ในโมเดลของเรา สอดคล้องกับ "ความเป็นจริง" ของข้อมูลที่เรากำลังศึกษาอยู่ คุณทำได้แน่นอน!

ประเด็นสำคัญ:

ข้อได้เปรียบหลักของ GLM เหนือ OLS คือมันปลดล็อก "กรอบที่แข็งตัว" ของข้อสมมติฐานเรื่องการแจกแจงปกติและความแปรปรวนคงที่ ทำให้เราสามารถสร้างแบบจำลองความเสี่ยงในโลกแห่งความเป็นจริงได้อย่างแม่นยำยิ่งขึ้น