ยินดีต้อนรับสู่โลกของ GLM!

สวัสดีครับ! ถ้าคุณกำลังศึกษาเรื่องการวิเคราะห์การถดถอยเชิงเส้น (Linear Regression) คุณคงทราบดีว่ามันเป็นเครื่องมือที่ทรงพลังมาก แต่จะเกิดอะไรขึ้นถ้าข้อมูลของคุณไม่ได้มีลักษณะเป็น "เส้นโค้งรูปกระดิ่ง" (Normal distribution) ที่สมบูรณ์แบบ? แล้วถ้าคุณกำลังสร้างแบบจำลองจำนวนอุบัติเหตุทางรถยนต์ (ซึ่งติดลบไม่ได้) หรือการตัดสินใจว่ากรมธรรม์ประกันชีวิตจะขาดอายุหรือไม่ (ใช่/ไม่ใช่) ล่ะ?

นั่นคือจุดที่ Generalized Linear Models (GLM) เข้ามามีบทบาทครับ ในบทนี้เราจะมาดู "โครงสร้างหลัก" ของ GLM กัน นั่นคือ ตระกูลเอกซ์โพเนนเชียล (Exponential Family) และ ฟังก์ชันเชื่อมโยง (Link Functions) ให้ลองจินตนาการว่าตระกูลเอกซ์โพเนนเชียลเป็นคลับ VIP สำหรับการแจกแจงความน่าจะเป็น ส่วนฟังก์ชันเชื่อมโยงก็เหมือน "รหัสลับ" ที่ทำให้พวกมันทำงานร่วมกับโมเดลเชิงเส้นได้ มาเริ่มกันเลย!

1. ตระกูลเอกซ์โพเนนเชียล (Exponential Family) คืออะไร?

ตระกูลเอกซ์โพเนนเชียล คือกลุ่มของการแจกแจงความน่าจะเป็นที่มีโครงสร้างทางคณิตศาสตร์แบบเดียวกัน การที่เราจัดกลุ่มให้อยู่ในรูปแบบเฉพาะนี้ ทำให้เราสามารถใช้กรอบแนวคิดเดียวในการแก้ปัญหาที่แตกต่างกันได้มากมาย

การแจกแจงหนึ่งจะอยู่ในตระกูลเอกซ์โพเนนเชียลได้ ก็ต่อเมื่อฟังก์ชันความหนาแน่น (หรือฟังก์ชันมวลความน่าจะเป็น) เขียนได้ในรูปนี้:

\( f(y; \theta, \phi) = \exp \left( \frac{y\theta - b(\theta)}{a(\phi)} + c(y, \phi) \right) \)

ไม่ต้องกังวลกับสัญลักษณ์พวกนี้ไปนะครับ! มาดูความหมายของ "ตัวละคร" ในสมการนี้กัน:

  • \( y \): คือข้อมูลที่คุณสังเกตได้ (ตัวแปรตาม)
  • \( \theta \) (Theta): เรียกว่า พารามิเตอร์บัญญัติ (Canonical parameter) หรือพารามิเตอร์ธรรมชาติ ซึ่งมีความสัมพันธ์กับค่าเฉลี่ยของการแจกแจง
  • \( \phi \) (Phi): คือ พารามิเตอร์การกระจาย (Dispersion parameter) ซึ่งเกี่ยวข้องกับระดับการกระจายตัวของข้อมูล (มาตราส่วน)
  • \( a(\phi) \), \( b(\theta) \), และ \( c(y, \phi) \): เป็นเพียงฟังก์ชันที่เปลี่ยนไปตามการแจกแจงที่คุณใช้ (เช่น Normal, Poisson เป็นต้น)

ทำไมมันถึงมีประโยชน์?

คำเปรียบเปรย: ลองจินตนาการถึงบริษัทขนส่งที่รับเฉพาะกล่องขนาดมาตรฐานเท่านั้น ถ้าคุณต้องการส่งรถยนต์ เปียโน หรือถุงลูกแก้ว คุณก็ต้องบรรจุของเหล่านั้นลงในกล่องมาตรฐานนั้นก่อน เมื่อของอยู่ในกล่องแล้ว บริษัทขนส่งก็ไม่สนใจว่าข้างในคืออะไร เพราะพวกเขาปฏิบัติต่อทุกกล่องเหมือนกันหมด สูตรของตระกูลเอกซ์โพเนนเชียลก็เปรียบเสมือน "กล่องมาตรฐาน" สำหรับสถิตินั่นเองครับ!

ทบทวนสั้นๆ: ส่วนประกอบสำคัญ

\( b(\theta) \) คือฟังก์ชันที่สำคัญที่สุดที่ควรจำ เพราะมันเป็นตัวกำหนดค่าเฉลี่ยและความแปรปรวน! เราเรียกมันว่า ฟังก์ชันคิวมูลันต์ (Cumulant function)


2. การหาค่าเฉลี่ยและความแปรปรวน

สิ่งที่เจ๋งที่สุดอย่างหนึ่งของตระกูลเอกซ์โพเนนเชียลคือ เมื่อคุณหา \( b(\theta) \) ได้แล้ว คุณสามารถหาค่าเฉลี่ยและความแปรปรวนได้ด้วยการดิฟ (Derivatives) ง่ายๆ ไม่ต้องเสียเวลาอินทิเกรตยาวเหยียดเลยครับ!

ค่าเฉลี่ย (Mean):
ค่าคาดหมายของ \( Y \) (หรือค่าเฉลี่ย \( \mu \)) คืออนุพันธ์อันดับที่หนึ่งของ \( b(\theta) \):
\( E[Y] = \mu = b'(\theta) \)

ความแปรปรวน (Variance):
ความแปรปรวนของ \( Y \) จะเกี่ยวข้องกับอนุพันธ์อันดับที่สองของ \( b(\theta) \) และฟังก์ชันการกระจาย:
\( Var(Y) = b''(\theta) a(\phi) \)

คุณรู้หรือไม่? พจน์ \( b''(\theta) \) มักถูกเรียกว่า ฟังก์ชันความแปรปรวน (Variance function) เขียนแทนด้วย \( V(\mu) \) มันอธิบายว่าความแปรปรวนเปลี่ยนไปอย่างไรเมื่อค่าเฉลี่ยเปลี่ยนไป ในการแจกแจงแบบปกติ (Normal) ความแปรปรวนจะคงที่ แต่ในการแจกแจงแบบปัวซง (Poisson) ความแปรปรวนจะเพิ่มขึ้นตามค่าเฉลี่ยที่สูงขึ้นครับ!


3. สมาชิกยอดนิยมของตระกูลนี้

คุณจำเป็นต้องระบุให้ได้ว่าการแจกแจงชื่อดังตัวไหนบ้างที่อยู่ในตระกูลนี้ สำหรับข้อสอบ SRM ตัวที่พบบ่อยที่สุดมีดังนี้:

  • Normal (Gaussian): ใช้กับข้อมูลต่อเนื่องทั่วไป
  • Poisson: ใช้กับข้อมูลนับ (เช่น จำนวนการเคลมประกันในปีหนึ่ง)
  • Binomial: ใช้กับผลลัพธ์แบบทวิภาค (เช่น สอบผ่านหรือไม่ผ่าน ใช่หรือไม่ใช่)
  • Gamma และ Inverse Gaussian: ใช้กับข้อมูลต่อเนื่องที่มีค่าเป็นบวกและ "เบ้" (เช่น จำนวนเงินค่าเคลมประกัน)

ข้อผิดพลาดที่พบบ่อย: นักเรียนมักลืมไปว่าการวิเคราะห์การถดถอยเชิงเส้น แบบมาตรฐาน จริงๆ แล้วก็เป็นกรณีพิเศษของ GLM ที่มีการแจกแจงเป็นแบบปกติ (Normal) นั่นเอง!


ในแบบจำลองเชิงเส้นมาตรฐาน เราใช้สมการ \( Y = \beta_0 + \beta_1 X \) แต่ถ้า \( Y \) เป็นค่าบวกเสมอ (เช่น ค่าเคลมประกัน) ในขณะที่สมการ \( \beta_0 + \beta_1 X \) ของเราดันให้ค่าติดลบ จะเกิดอะไรขึ้น?

นี่คือจุดที่ ฟังก์ชันเชื่อมโยง (Link Function) เข้ามาช่วย มันทำหน้าที่ "เชื่อม" ค่าเฉลี่ยของข้อมูล (\( \mu \)) เข้ากับตัวทำนายเชิงเส้น (\( \eta \))

สูตร:
\( g(\mu) = \eta = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + ... \)

คำเปรียบเปรย: ฟังก์ชันเชื่อมโยงเปรียบเสมือน ล่ามแปลภาษา โมเดลเชิงเส้นพูดภาษา "เลขจำนวนจริง" (ตั้งแต่ลบอินฟินิตี้ถึงบวกอินฟินิตี้) แต่ข้อมูลพูดภาษา "ความน่าจะเป็น" (แค่ 0 ถึง 1) หรือ "จำนวนนับ" (แค่เลขจำนวนเต็มบวก) ฟังก์ชันเชื่อมโยงจึงทำหน้าที่แปลผลลัพธ์ของโมเดลให้เหมาะสมกับข้อมูลนั่นเอง

ฟังก์ชันเชื่อมโยงที่สำคัญที่ควรรู้:

1. Identity Link: \( g(\mu) = \mu \) (ใช้กับการแจกแจงแบบปกติ) ตัวนี้ไม่เปลี่ยนแปลงค่าอะไรเลย
2. Log Link: \( g(\mu) = \ln(\mu) \) (ใช้กับการแจกแจงแบบปัวซง) ช่วยให้มั่นใจว่าค่าเฉลี่ยที่พยากรณ์ออกมาจะเป็นบวกเสมอ เพราะ \( \mu = e^\eta \)
3. Logit Link: \( g(\mu) = \ln(\frac{\mu}{1-\mu}) \) (ใช้กับการแจกแจงแบบทวินาม) ช่วยให้มั่นใจว่าความน่าจะเป็นที่พยากรณ์จะอยู่ระหว่าง 0 ถึง 1 เสมอ


ทุกการแจกแจงในตระกูลเอกซ์โพเนนเชียลจะมีฟังก์ชันเชื่อมโยง "ธรรมชาติ" หนึ่งตัวที่คำนวณทางคณิตศาสตร์ได้ง่ายที่สุด เราเรียกสิ่งนี้ว่า ฟังก์ชันเชื่อมโยงบัญญัติ (Canonical Link Function)

มันเกิดขึ้นเมื่อเรากำหนดให้ฟังก์ชันเชื่อมโยงเท่ากับพารามิเตอร์บัญญัติที่เราเห็นก่อนหน้านี้:
\( g(\mu) = \theta \)

ตารางอ้างอิงด่วน:

Normal: Identity Link
Poisson: Log Link
Binomial: Logit Link
Gamma: Inverse Link (\( 1/\mu \))

ไม่ต้องกังวลถ้าดูเหมือนจะยาก! แค่จำไว้ว่า "Canonical" มักหมายถึง "ค่าเริ่มต้น" หรือตัวเลือกที่ "สะอาดที่สุดทางคณิตศาสตร์" สำหรับการแจกแจงนั้นๆ


6. สรุปประเด็นสำคัญ

คุณผ่านเนื้อหาหลักของทฤษฎี GLM มาได้แล้ว! นี่คือสิ่งที่คุณควรจำไปใช้ในการสอบ:

  • ตระกูลเอกซ์โพเนนเชียล คือรูปแบบทั่วไปที่รวมถึงการแจกแจงแบบปกติ (Normal), ปัวซง (Poisson), ทวินาม (Binomial) และแกมมา (Gamma)
  • \( b(\theta) \) คือเพื่อนที่ดีที่สุดของคุณ อนุพันธ์อันดับแรกคือ ค่าเฉลี่ย และอนุพันธ์อันดับที่สองช่วยให้คุณหา ความแปรปรวน ได้
  • ฟังก์ชันเชื่อมโยง \( g(\mu) \) เชื่อมโยงค่าเฉลี่ยเข้ากับตัวทำนายเชิงเส้น (\( X\beta \))
  • Canonical Link คือฟังก์ชันเฉพาะที่ทำให้ \( g(\mu) = \theta \)
  • เคล็ดลับการจำ: ถ้าจะจำ Logit link สำหรับ Binomial ให้คิดว่า "Probability" -> "Odds" -> "Log-Odds" ซึ่ง Log-odds ก็คือ Logit นั่นเอง!

ลุยต่อไปครับ! การทำความเข้าใจว่าชิ้นส่วนเหล่านี้มาประกอบกันได้อย่างไรคือส่วนที่ยากที่สุดแล้ว เมื่อคุณแม่น "โครงสร้าง" แล้ว บทอื่นๆ ของ GLM จะรู้สึกเข้าใจง่ายขึ้นมาก คุณทำได้แน่นอน!