简介：超越“标准”模型

欢迎来到统计的世界！如果你曾经花时间钻研统计学，想必对普通最小二乘法 (Ordinary Least Squares, OLS) 回归模型并不陌生。它是预测模型中的“家常便饭”。然而，在精算科学的真实世界里——我们处理的是保险理赔、事故发生频率以及死亡率——OLS 往往显得力不从心。

在本章中，我们将探讨为什么有时需要抛弃僵化的 OLS 模型，转而采用更灵活的广义线性模型 (Generalized Linear Model, GLM)。我们会深入了解区分两者的特定假设。如果起初觉得这些概念有些抽象，请不用担心；一旦你看懂了其中的规律，一切都会豁然开朗！

1. 起点：OLS 的假设

在了解 GLM 有何不同之前，我们必须先回顾 OLS 对数据的要求。你可以运用 LINE 这个记忆口诀来记住 OLS 的核心假设：

L – Linearity (线性)：预测变量与响应变量之间的关系呈现直线关系。
I – Independence (独立性)：观测值（数据点）之间互不相关。
N – Normality (正态性)：误差项（残差）遵循正态分布 (Normal/Gaussian distribution)。
E – Equal Variance (等方差性)：误差的方差维持恒定（这是一个专业术语，称为同方差性 (homoscedasticity)）。

类比：想象 OLS 就像一件标准“M 号”的 T 恤。它能让大多数人穿起来还算合身，但如果你特别高或特别矮，穿起来就会很奇怪。OLS 非常适合“正常”的数据，但保险数据往往比较“古怪”。

重点总结：

OLS 假设你的目标变量是连续的，数值可正可负，且无论预测值为何，其变异程度（方差）都保持一致。

2. 为什么 OLS 在精算工作中会失败？

在 SRM 考试的“线性模型”章节中，你会发现保险数据经常违反 OLS 的规则。考虑以下两个常见情境：

1. 理赔件数：事故发生次数不可能为 -2。OLS 可能会预测出负数，这完全不合理！此外，件数是离散的整数（0, 1, 2...），而非连续值。
2. 理赔金额：大型保险理赔（例如房子烧毁）的方差通常远高于小型理赔（例如挡风玻璃破裂）。OLS 假设两者的方差相同，这通常是错误的。

3. GLM 的解决方案：灵活的框架

广义线性模型 (GLM) 放宽了 OLS 的严格限制。GLM 不再强迫数据塞进“正态”的框框里，而是由三个特定部分组成：

A. 随机成分 (Random Component - 分布)

在 OLS 中，我们假设响应变量 \(Y\) 遵循正态分布。在 GLM 中，我们假设 \(Y\) 遵循指数族分布 (Exponential Family)。这个家族包含：
- 正态分布 (Normal)（用于标准的连续数据）
- 泊松分布 (Poisson)（用于计算事件发生的次数）
- 二项分布 (Binomial)（用于是/否的二元结果）
- 伽马分布/反高斯分布 (Gamma/Inverse Gaussian)（用于正值且偏态的保险理赔金额）

B. 系统成分 (Systematic Component - 线性预测值)

这部分看起来很眼熟！它就是解释变量 (\(X\)) 与其系数 (\(\beta\)) 的组合。我们称之为 eta (\(\eta\))：
\(\eta = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + ... + \beta_p X_p\)

C. 链接函数 (Link Function)

这是连接两者的“桥梁”。它将我们数据的平均值 (\(\mu\)) 与线性预测值 (\(\eta\)) 连接起来。
公式如下：\(g(\mu) = \eta\)。

在 OLS 中，链接函数是“恒等 (identity)”，意味着我们假设 \(\mu = \eta\)。在 GLM 中，我们可以使用“对数 (Log)”链接 (\(ln(\mu) = \eta\)) 来确保我们的预测结果保持为正数！

你知道吗？

OLS 其实就是 GLM 的一种特殊形式！如果你选择正态分布和恒等链接函数，你的 GLM 就会变成 OLS 模型。

4. OLS 与 GLM：并排比较

让我们拆解它们在假设上的主要差异，让你能在考试中一眼辨识出来：

1. 响应变量的分布
- OLS：必须是正态分布。
- GLM：可以是指数族中的任何分布（泊松、二项、伽马等）。

2. 方差的关系
- OLS：方差是恒定的，且不依赖于平均值（同方差性）。
- GLM：方差是平均值的函数。例如，在泊松分布中，随着平均值增加，方差也会增加。这对于保险数据来说要真实得多！

3. 关系转换
- OLS：假设 \(\mu = \beta X\)（直接的线性关系）。
- GLM：假设 \(g(\mu) = \beta X\)。链接函数 \(g(.)\) 允许关系呈现非线性，同时保持参数的线性。

快速复习：常见错误

- 不要说 GLM 假设数据是非线性的。其参数 (\(\beta\)) 仍然是线性的！是因为与平均值的链接方式可以是线性的。
- 不要假设 GLM 的残差必须是正态的。我们关心的是响应变量的分布，而不是像 OLS 那样只看“误差”。

5. 考试重点总结

当你参加 SRM 考试时，请记住 GLM 与 OLS 假设的这三大支柱：

1. 灵活性：GLM 允许使用非正态分布（指数族）。
2. 方差非恒定：GLM 允许方差随着平均值改变（为平均值的函数）。
3. 链接函数：GLM 使用链接函数将平均值与线性预测值挂钩，这有助于将预测值保持在有效范围内（例如确保理赔件数不为负）。

鼓励的话：如果链接函数背后的数学看起来很沉重，只需记住其目的：我们只是在寻找一种方法，确保模型的“数学逻辑”能与我们研究数据的“现实情况”相符。你一定能搞定的！

重点总结：

GLM 相对于 OLS 的主要优势在于，它移除了正态性与恒定方差的“紧身衣”，使我们能够更准确地对现实世界的风险进行建模。