歡迎來到廣義線性模型 (GLM) 的世界！

在你的 CS1 學習旅程中，你應該已經接觸過線性迴歸 (Linear Regression)。它是一個強大的工具，但有一個重大限制：它假設數據符合常態分佈 (Normal Distribution)。但在現實世界（以及精算考試中！），數據往往沒那麼「聽話」。例如賠款次數可能是計數（卜瓦松分佈 Poisson），或者是「有/無」類型的事件（二項分佈 Binomial）。

這就是廣義線性模型 (Generalised Linear Models, GLMs) 大顯身手的時候！它們就像是線性迴歸的「強化版」，讓我們能夠為幾乎任何類型的數據建模。如果一開始覺得這些概念有點抽象也不用擔心，我們會一點一點拆解給你聽。

1. 指數分佈族 (The Exponential Family of Distributions)

在建立 GLM 之前，我們需要確保數據來自一個特定的分佈家族，稱為指數分佈族 (Exponential Family)。這包括常態分佈、卜瓦松分佈、二項分佈、伽瑪分佈 (Gamma) 和指數分佈。

若一個分佈的機率密度函數 (PDF) 或機率質量函數 (PMF) 可以寫成以下特定格式，它就屬於這個家族：
\( f(y; \theta, \phi) = \exp \left[ \frac{y\theta - b(\theta)}{a(\phi)} + c(y, \phi) \right] \)

公式拆解：

  • \( y \)：實際數據點（觀測值）。
  • \( \theta \) (Theta)：自然參數 (Natural parameter)。它與平均值有關。
  • \( \phi \) (Phi)：離散參數 (Dispersion parameter)。它與變異數有關（即數據的分散程度）。
  • \( a, b, c \)：這些函數取決於你所使用的具體分佈。

為什麼我們在乎這種格式？

因為如果分佈符合這個「模板」，我們就可以用簡單的捷徑找到平均值 (Mean) 和變異數 (Variance)：
1. 平均值： \( E[Y] = \mu = b'(\theta) \) （\( b \) 的一階導數）
2. 變異數： \( Var(Y) = a(\phi)b''(\theta) \) （\( b \) 的二階導數，並由 \( a \) 進行縮放）

小撇步： 在考試中，你常會被要求證明某個分佈屬於指數分佈族。只需將 PDF/PMF 取對數，然後嘗試整理成上述公式的模樣即可！

重點總結： 指數分佈族提供了一個統一的架構，讓我們可以用同樣的數學邏輯處理不同類型的數據（如賠款次數和賠款金額）。

2. GLM 的三個組成部分

每個 GLM 都由三個必要成分組成，可以把它想像成模型的「食譜」：

成分 1：隨機成分 (The Random Component)

這是回應變數 \( Y \) 的機率分佈。我們假設觀測值是獨立的，並來自指數分佈族（例如用卜瓦松分佈來模擬汽車事故次數）。

成分 2：系統成分 (The Systematic Component)

這是我們的線性預測因子 (Linear Predictor)，以希臘字母 eta (\( \eta \)) 表示。它是解釋變數（如年齡、車型或地區）的線性組合：
\( \eta = \beta_1 x_1 + \beta_2 x_2 + ... + \beta_k x_k \)

成分 3：連結函數 (The Link Function)

這是連接平均值 (Mean, \( \mu \)) 和線性預測因子 (\( \eta \)) 的「橋樑」：
\( g(\mu) = \eta \)

情境比喻：
想像你正試圖根據音樂音量來預測參加派對的人數。
- 隨機成分是參加派對的實際人數（計數）。
- 系統成分是音樂的音量。
- 連結函數就是把音量轉換成人數的「氛圍機制」。它確保即便你把音樂調到「100」，模型也不會預測出負數人數（這是不可能的！）。

重點總結： GLM = 分佈 + 線性預測因子 + 連結函數。

3. 常見的連結函數

連結函數 \( g(\mu) \) 至關重要，因為它確保模型保持在合理的範圍內。例如，機率必須介於 0 和 1 之間。

  • 恆等連結 (Identity Link)： \( \eta = \mu \)。 (用於標準常態迴歸)。
  • 對數連結 (Log Link)： \( \eta = \ln(\mu) \)。 (常用於卜瓦松數據，確保 \( \mu > 0 \))。
  • Logit 連結 (Logit Link)： \( \eta = \ln \left( \frac{\mu}{1-\mu} \right) \)。 (二項數據/機率的標準選擇)。

你知道嗎？ 每個分佈都有一個正則連結 (Canonical Link)。這是一種特殊的連結函數，其中 \( \eta = \theta \)。使用正則連結會使電腦在計算時簡化許多數學過程！

4. 參數估計與「離差」(Deviance)

我們如何找到 \( \beta \) 係數的最佳值？在 GLM 中，我們使用最大概似估計法 (Maximum Likelihood Estimation, MLE)。我們不是透過最小化「誤差平方和」（像普通最小平方法 OLS 那樣），而是尋找讓觀測數據出現機率最大的係數值。

什麼是離差 (Deviance)？

在標準迴歸中，我們談論的是「殘差平方和」。在 GLM 中，我們則談論離差 (Deviance)。
離差是用來衡量模型偏離「完美模型」（稱為飽和模型 Saturated Model）的程度。
- 低離差 = 擬合良好。
- 高離差 = 擬合不佳。

常見錯誤： 不要把離差 (Deviance) 和縮放離差 (Scaled Deviance) 搞混了。縮放離差會調整離散參數 \( \phi \)。在卜瓦松和二項分佈中，由於 \( \phi = 1 \)，兩者是相同的！

複習箱：
- 飽和模型 (Saturated Model)： 一個完美的模型，為每個數據點都設定一個參數。
- 虛無模型 (Null Model)： 一個簡單模型，假設所有數據點都有相同的平均值（無解釋變數）。
- 你的模型： 介於兩者之間。

5. 檢查模型是否有效（殘差分析）

建立模型後，你需要檢查剩下的部分——即殘差 (Residuals)。如果模型是好的，殘差看起來應該像隨機雜訊。

  1. 皮爾遜殘差 (Pearson Residuals)： 這類似於「標準化」誤差。我們計算實際值與預測值的差，再除以標準差。
  2. 離差殘差 (Deviance Residuals)： 這比較複雜，但在 GLM 中更受偏好。它們代表每個單獨觀測值對總離差的貢獻。

重點總結： 如果你繪製殘差圖並看到特定規律（例如「U」型），說明你的模型漏掉了重要的資訊！

6. 模型選擇：哪一個比較好？

通常你需要比較兩個模型。例如：「加入『駕駛年齡』真的能讓我的保險模型更好嗎？」

  • 概似比檢定 (Likelihood Ratio Test, LRT)： 用於比較巢狀 (nested) 模型（即其中一個是另一個的簡化版）。檢定統計量為 \( 2 \times (\ln L_{big} - \ln L_{small}) \)，它服從卡方分佈 (Chi-square distribution)。
  • AIC (Akaike Information Criterion)： 一種「公平性」評分。它獎勵擬合度良好的模型，但會懲罰加入過多不必要變數的模型。AIC 越低越好！

總結與最後的鼓勵

GLM 是現代精算工作的基石。透過超越簡單的直線和常態分佈，你可以準確地模擬現實世界中的風險，如保險賠款頻率和嚴重程度。

記住核心步驟：
1. 檢查分佈是否屬於指數分佈族。
2. 選擇你的連結函數。
3. 使用 MLE 求出係數。
4. 檢查離差 (Deviance) 和 AIC 來確認模型品質。

如果一開始覺得指數分佈族的代數處理很困難，請別擔心。只要多練習推導幾次卜瓦松和二項分佈的 PDF，這些就會變成你的本能！你可以的！