การคำนวณเส้นถดถอยด้วยวิธีกำลังสองน้อยที่สุด
เครื่องคำนวณการถดถอยเชิงเส้นใช้ระเบียบวิธีทางสถิติเพื่อหาเส้นตรงที่เหมาะสมที่สุดกับชุดข้อมูลคู่ลำดับของคุณ โดยใช้วิธีกำลังสองน้อยที่สุด (Ordinary Least Squares หรือ OLS) วิธีนี้จะคำนวณหาเส้นตรงที่ทำให้ผลรวมของกำลังสองของระยะห่างในแนวตั้งระหว่างจุดข้อมูลจริงกับเส้นถดถอยมีค่าน้อยที่สุด
การประมวลผลข้อมูลทั้งหมดเกิดขึ้นภายในเว็บเบราว์เซอร์ของผู้ใช้งานโดยตรง และไม่มีการอัปโหลดข้อมูลใดๆ ไปยังเซิร์ฟเวอร์ภายนอก ระบบจะคำนวณผลลัพธ์ใหม่ให้ทันทีในขณะที่คุณกำลังพิมพ์หรือวางข้อมูลโดยไม่ต้องกดปุ่มคำนวณ
ในการป้อนข้อมูล คุณสามารถเลือกรูปแบบการจัดวางได้สองแบบคือ "แถวคู่ลำดับ" (ป้อน x และ y ร่วมกันในแต่ละแถว รองรับการคัดลอกข้อมูลสองคอลัมน์จากสเปรดชีตโดยตรง รวมถึงแถวหัวตารางที่เป็นข้อความซึ่งระบบจะข้ามไปโดยอัตโนมัติ) หรือ "แยกสองรายการ" (ป้อนรายการค่า x และ y แยกจากกัน) เครื่องมือนี้รองรับข้อมูลตั้งแต่ 2 จุดขึ้นไป และรองรับข้อมูลขนาดใหญ่ได้สูงสุดถึง 50,000 จุด หรือขนาดไฟล์ไม่เกิน 1 MB
การตีความค่าสัมประสิทธิ์และสถิติจากการถดถอย
เมื่อป้อนข้อมูลเรียบร้อยแล้ว ระบบจะแสดงผลลัพธ์ในส่วน "เส้นการถดถอย" และตาราง "ค่าสัมประสิทธิ์" ซึ่งมีรายละเอียดที่ต้องทำความเข้าใจดังนี้:
- ความชัน b (Slope): แสดงการเปลี่ยนแปลงของตัวแปรตาม โดยเฉลี่ยแล้ว y จะเปลี่ยนไป
‹slope›สำหรับทุกๆ 1 หน่วยที่เพิ่มขึ้นใน x - จุดตัดแกน a (Intercept): แสดงค่าเริ่มต้นบนแกนตั้ง เมื่อ x เป็น 0 เส้นถดถอยจะอยู่ที่ y =
‹intercept› - สหสัมพันธ์ r (Correlation Coefficient): วัดความแข็งแกร่งและทิศทางความสัมพันธ์เชิงเส้น มีค่าระหว่าง -1 ถึง 1 โดยเครื่องหมายจะตรงกับทิศทางของความชัน
- R² (Coefficient of Determination): สัดส่วนความแปรปรวนของ y ที่อธิบายได้ด้วยตัวแปร x ผ่านเส้นถดถอย
- R² ปรับปรุงแล้ว (Adjusted R²): ค่า R² ที่ปรับปรุงตามจำนวนตัวแปรและขนาดตัวอย่าง เพื่อให้สะท้อนความสามารถของแบบจำลองได้แม่นยำขึ้น
- การกระจายของค่าส่วนเหลือ s (Residual Standard Deviation): ค่าเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนที่เกิดขึ้นรอบเส้นถดถอย
ตาราง "ค่าสัมประสิทธิ์" จะแสดง "ค่าประมาณ", "ความคลาดเคลื่อนมาตรฐาน", ค่าสถิติ "t", ค่า "p" และ "ช่วงความเชื่อมั่น ‹level›%" สำหรับทั้งความชันและจุดตัดแกน เพื่อใช้ในการทดสอบสมมติฐานทางสถิติ
ตารางวิเคราะห์ความแปรปรวน (ANOVA)
เครื่องมือจะแสดงตาราง "ความแปรปรวนที่อธิบายได้" เพื่อแยกแยะแหล่งที่มาของความผันแปรในข้อมูลออกเป็นส่วนๆ:
| แหล่งความแปรปรวน | df | ผลรวมกำลังสอง | กำลังสองเฉลี่ย | F | p |
|---|---|---|---|---|---|
| อธิบายได้ด้วยเส้นถดถอย | 1 | SSR | MSR | F | p |
| ส่วนที่เหลือ | n − 2 | SSE | MSE | ||
| รวม | n − 1 | SST |
การทดสอบ F-test ในตารางนี้จะประเมินว่าแบบจำลองเชิงเส้นมีนัยสำคัญทางสถิติหรือไม่ ซึ่งในกรณีของการถดถอยเชิงเส้นอย่างง่ายที่มีตัวแปรต้นเพียงตัวเดียว ค่า p-value จากการทดสอบ F จะมีค่าเท่ากับค่า p-value จากการทดสอบ t ของความชันเสมอ
สูตรและการแทนค่าทีละขั้นตอน
เพื่อช่วยในการตรวจสอบการคำนวณ เครื่องมือจะแสดงขั้นตอนการคำนวณอย่างละเอียดในส่วน "สูตรและการแทนค่า" ดังนี้:
- ค่าเฉลี่ย: x̄ =
‹sumX›÷‹n›=‹meanX›และ ȳ =‹sumY›÷‹n›=‹meanY› - การกระจายและการเคลื่อนไหวร่วมกัน: Sxx = Σ(xᵢ − x̄)² =
‹sxx›และ Sxy = Σ(xᵢ − x̄)(yᵢ − ȳ) =‹sxy› - ความชัน: b = Sxy ÷ Sxx =
‹sxy›÷‹sxx›=‹slope› - จุดตัดแกน y: a = ȳ − b·x̄ =
‹meanY›− (‹slope›)·‹meanX›=‹intercept› - สัดส่วนความแปรปรวนที่อธิบายได้: R² = SSR ÷ SST =
‹ssr›÷‹sst›=‹r2› - การกระจายของค่าส่วนเหลือ: s = √(SSE ÷ (n − 2)) = √(
‹sse›÷‹df›) =‹s› - ความคลาดเคลื่อนมาตรฐานของความชัน: SE(b) = s ÷ √Sxx =
‹s›÷ √‹sxx›=‹se› - การทดสอบนัยสำคัญ: t = b ÷ SE(b) =
‹slope›÷‹se›=‹t›ดังนั้น p =‹p›ที่องศาอิสระ‹df›
ข้อจำกัดและเงื่อนไขขอบเขตทางคณิตศาสตร์
การคำนวณอาจหยุดทำงานหรือแสดงข้อความแจ้งเตือนในกรณีที่ข้อมูลมีลักษณะเฉพาะดังต่อไปนี้:
- ข้อมูลน้อยเกินไป: หากป้อนข้อมูลเพียง 1 จุด จะแสดงข้อผิดพลาด "กรุณาใส่ข้อมูลอย่างน้อย 2 จุด เนื่องจากจุดเดียวไม่สามารถกำหนดเส้นตรงได้"
- ข้อมูลสองจุดพอดี: จะแสดงข้อความ "ข้อมูลสองจุดจะกำหนดเส้นตรงได้พอดี จึงไม่มีข้อมูลส่วนเหลือสำหรับนำไปประมาณค่าความไม่แน่นอนได้"
- จุดข้อมูลอยู่บนเส้นตรงทั้งหมด: จะแสดงข้อความ "จุดข้อมูลทุกจุดอยู่บนเส้นถดถอยพอดี จึงไม่มีการกระจายของค่าส่วนเหลือ และไม่สามารถประมาณช่วงความเชื่อมั่นหรือค่า p-value ได้"
- ค่า y เท่ากันทั้งหมด: จะแสดงข้อความ "ค่า y ทุกค่ามีค่าเท่ากันทั้งหมด เส้นถดถอยจึงเป็นเส้นราบ ส่งผลให้ไม่สามารถกำหนดค่า r, R² และการทดสอบนัยสำคัญได้"
- ค่า x เท่ากันทั้งหมด: จะหยุดคำนวณและแสดงข้อผิดพลาด "ค่า x ทุกค่ามีค่าเท่ากันทั้งหมด ซึ่งจะทำให้ได้เส้นแนวตั้งและเกิดการหารด้วยศูนย์ในการคำนวณความชัน"
คำถามที่พบบ่อย (FAQ)
ทำไมผลการพยากรณ์จึงแสดงช่วงความเชื่อมั่นสองแบบ?
ช่วงทั้งสองตอบคำถามที่แตกต่างกัน โดยช่วงความเชื่อมั่นของค่าเฉลี่ย (Mean interval) จะตอบคำถามว่าค่าเฉลี่ยของ y สำหรับทุกคน ณ ค่า x นั้นอยู่ที่ใด จึงคำนึงถึงเฉพาะความไม่แน่นอนของตัวเส้นถดถอยเองเท่านั้น ส่วนช่วงความเชื่อมั่นรายสังเกต (Individual interval) จะตอบคำถามว่าค่าสังเกตใหม่หนึ่งค่าจะตกอยู่ที่ใด ซึ่งจะบวกการกระจายตัวของจุดข้อมูลรอบเส้นถดถอยเพิ่มเข้ามาด้วย พจน์ที่เพิ่มขึ้นมานี้จึงเป็นสาเหตุที่ทำให้ช่วงรายสังเกตกว้างกว่าเสมอ และทั้งสองช่วงจะยิ่งกว้างขึ้นเมื่อค่า x ขยับห่างออกไปจากจุดกึ่งกลางของข้อมูลที่คุณป้อน
ค่า R² บอกอะไรแก่เราบ้าง?
R² คือสัดส่วนการเปลี่ยนแปลงในแนวตั้งของ y ที่อธิบายได้ด้วยเส้นถดถอย เช่น 0.96 หมายความว่า 96% ของการเปลี่ยนแปลงสอดคล้องไปกับ x และอีก 4% ไม่สอดคล้อง ค่านี้ไม่ได้บอกว่าเส้นตรงเป็นรูปทรงที่เหมาะสมกับข้อมูลหรือไม่ เนื่องจากข้อมูลที่เป็นเส้นโค้งชัดเจนก็ยังสามารถได้คะแนน R² ที่สูงได้ ดังนั้นจึงควรพิจารณาควบคู่ไปกับแผนภาพแสดงค่าส่วนเหลือ ส่วนค่าสัมประสิทธิ์สหสัมพันธ์ r คือรากที่สองของ R² ที่มีเครื่องหมายตามความชัน ซึ่งเป็นเหตุผลที่ค่า r จะติดลบเมื่อเส้นถดถอยมีทิศทางลาดลง
การเลือกคอลัมน์ที่จะใส่ใน x มีผลหรือไม่?
มีผล เนื่องจากวิธีกำลังสองน้อยที่สุดจะลดระยะห่างในแนวตั้งให้เหลือน้อยที่สุด จึงกำหนดให้ y เป็นตัวแปรที่ถูกอธิบาย และ x เป็นตัวแปรที่ใช้อธิบาย หากคุณสลับที่กัน คุณจะได้ค่าความชันและจุดตัดแกนที่เปลี่ยนไป โดยมีเพียงค่า r และ R² เท่านั้นที่ยังคงเดิม ดังนั้นให้ใส่ตัวแปรที่คุณต้องการพยากรณ์ไว้ในช่อง y หากคุณใส่สลับคอลัมน์กัน ปุ่มสลับจะช่วยเขียนข้อมูลทับในตำแหน่งเดิมให้ทันที
ค่า p-value ที่น้อยหมายความว่า x เป็นสาเหตุให้เกิด y ใช่หรือไม่?
ไม่ใช่ ค่า p-value ตอบคำถามที่แคบมากเพียงคำถามเดียวเท่านั้น คือ หากความชันที่แท้จริงเป็น 0 โอกาสที่กลุ่มตัวอย่างขนาดเท่านี้จะให้ค่าความชันที่ห่างจาก 0 อย่างน้อยเท่านี้จะมีบ่อยแค่ไหน ค่าที่น้อยมากเพียงแต่ทำให้ข้อสมมติฐานที่ว่า "ไม่มีความสัมพันธ์กันเลย" กลายเป็นคำอธิบายที่ฟังไม่ขึ้นเท่านั้น แต่ไม่ได้พิสูจน์ความเป็นเหตุเป็นผล การสรุปความเป็นเหตุเป็นผลจำเป็นต้องอาศัยการออกแบบการวิจัยมารองรับ เนื่องจากปัจจัยที่สามที่ส่งผลต่อทั้งสองคอลัมน์ หรือกลุ่มตัวอย่างที่ไม่ได้เก็บรวบรวมอย่างเป็นอิสระต่อกัน ก็สามารถทำให้เกิดค่า p-value ที่ต่ำมากได้ง่ายเช่นเดียวกัน