欢迎来到“偏移项 (Offsets)”与“权重 (Weights)”的世界！
在我们探索广义线性模型 (GLMs) 的过程中，已经学会了如何运用各种特征来预测结果。但当某些观测值并不“等价”时，我们该怎么办呢？举个例子，如果你在预测车祸发生率，将一个开车仅一个月的人与一个开车十年的人放在一起比较，这合理吗？当然不合理！
在本章中，我们将学习偏移项 (Offsets) 与权重 (Weights)。这两个关键工具能帮助模型处理数据在“规模”或“可靠性”上的差异。如果初看之下觉得有点抽象也不用担心，我们将通过简单的类比和循序渐进的逻辑来一一拆解。
第一部分：偏移项 (Offsets) – 处理风险暴露 (Exposure)
想象你在经营一个柠檬水摊。你想预测会有多少顾客上门。如果你今天只开 2 小时，明天开 10 小时，你会预期两天的顾客人数一样吗？当然不会！当你营业时间越长，你接触到顾客的风险暴露 (Exposure) 就越多。
什么是偏移项 (Offset)？
偏移项 (Offset) 是一种特殊的预测变量，其系数固定为 1。与其他变量不同的是，模型不需要计算其“斜率”(\(\beta\))；对于偏移项，我们已经确切知道它与目标变量之间的关系：在连接函数 (link-function) 的尺度上呈线性关系。
泊松分布示例 (最常见的应用场景)
在 Exam PA 中，偏移项最常用于泊松回归 (Poisson regression) 来进行费率 (rates) 建模。通常，泊松模型预测的是计数 (\(\mu\))，但我们往往想预测的是费率，例如“每年索赔次数”。
数学表达如下：
\(\text{Rate} = \frac{\mu}{E}\)，其中 \(E\) 是风险暴露 (exposure)。
如果我们使用对数连接函数 (log link) (泊松模型的标准做法)，我们会得到：
\(\ln(\frac{\mu}{E}) = \beta_0 + \beta_1 X_1 + ...\)
利用对数法则，这会变成：
\(\ln(\mu) - \ln(E) = \beta_0 + \beta_1 X_1 + ...\)
\(\ln(\mu) = \mathbf{\ln(E)} + \beta_0 + \beta_1 X_1 + ...\)
请注意，\(\ln(E)\) 只是被加在后面，它没有需要被估计的 \(\beta\) 系数。这就是你的偏移项 (Offset)！
偏移项重点摘要：
- 目的： 调整不同层级的风险暴露 (时间、距离、保单数量)。
- 系数： 永远固定为 1。模型被强制要求将其视为直接比例关系。
- 对数技巧： 在 R 语言中，如果你使用 log link，你必须将风险暴露的对数值 (log of the exposure) 作为偏移项传入。
小贴士： 可以把偏移项想象成一个“尺度调整器”。它能拉平起跑线，让你能够公平地比较 1 个月的保单与 12 个月的保单。
第二部分：权重 (Weights) – 处理可靠性 (Reliability)
现在，让我们来谈谈权重 (Weights)。在 GLMs 中，我们经常使用“先验权重 (Prior Weights)” (有时记为 \(\omega\))。
什么是权重 (Weight)？
权重告诉模型单一条数据承载了多少信息量或精确度。在计算模型参数时，权重较高的数据被视为更“可靠”或“重要”。
“平均数”的类比
想象你在观察两所学校的平均考试成绩：
1. A 校： 平均成绩 90 分 (基于 5 位学生)。
2. B 校： 平均成绩 85 分 (基于 500 位学生)。
如果你要预测全城市的平均成绩，你会比较相信哪所学校的数据？当然是 B 校，因为样本数大得多。在 GLM 中，你会给 B 校分配一个较高的权重。
权重如何影响模型
在 GLM 中，观测值的方差通常定义为：
\(\text{Var}(Y_i) = \frac{\phi V(\mu_i)}{\omega_i}\)
其中：
- \(\phi\) 是离散参数 (dispersion parameter)。
- \(V(\mu_i)\) 是方差函数。
- \(\omega_i\) 是权重。
注意权重是在分母。这意味着：
- 较大的权重 (\(\omega\)) = 较小的方差。
- 较小的方差 = 更高的确定性。
权重的常见应用场景：
- 分组数据 (Grouped Data)： 如果你的数据行代表 \(n\) 个观测值的平均值，请将 \(n\) 作为权重。
- 二项分布模型 (Binomial Models)： 当对成功的比例建模时，试验次数 (\(n\)) 即作为权重。
你知道吗？ 当数据在送达你手中之前已经经过“汇总”或“总结”时，使用权重是非常常见的做法。
第三部分：偏移项 vs. 权重 (总结表)
学生常常搞混这两个概念。这里有一个简单的区分方法：
| 特征 | 偏移项 (Offset) | 权重 (Weight) |
|---|---|---|
| 主要目标 | 调整平均数 (预期计数)。 | 调整精确度 (方差)。 |
| 对公式影响 | 加入线性预测项 (系数 = 1)。 | 用于缩放方差/影响力。 |
| 类比 | “我营业了 5 小时，而不是 1 小时。” | “我的数据基于 100 人，而不是 1 人。” |
| 典型变量 | Log(风险暴露)、Log(时间)。 | 试验次数、样本大小。 |
第四部分：常见陷阱与错误
如果刚开始觉得很难，别担心！即便是资深的精算师有时也会搞混。以下是在 Exam PA 中最需要避免的错误：
- 忘记对偏移项取对数 (Log)： 如果你使用带有 log link 的泊松模型，你必须在将风险暴露变量作为偏移项之前，先取自然对数。否则，模型会假设你的风险暴露比实际值大上指数倍！
- 将权重用于计数数据： 如果你正在对原始计数进行建模，通常不需要为样本大小设置权重 (泊松分布会根据平均数自行处理方差)。权重较常用于对平均值或比例进行建模时。
- 搞混系数： 请记住，如果一个变量被设为偏移项，R 语言不会显示它的 p-value 或系数，因为它的值已固定为 1。如果你在摘要输出中看到它带有估计出的 \(\beta\)，那就代表它没有被当作偏移项处理！
快速复习箱
1. 偏移项 (Offsets)： 用于“风险暴露”。系数固定为 1。加入线性预测项中。
2. 权重 (Weights)： 用于“可靠性”。与方差成反比。权重越高 = 对模型影响力越大。
3. 泊松连接函数： 当使用 log-link 泊松模型时，偏移项通常是 log(Exposure)。
关键总结
偏移项通过考虑“机会窗口”(风险暴露)，使平均数的比较更公平。权重则通过考虑数据点的“确定性”(可靠性)，使估计过程更公平。精通这两项工具，你就能建立出真正反映保险与商业数据背后风险的模型！