01ภาพรวมของกราฟนี้
Residual plot วาดส่วนต่างระหว่างค่าจริงกับค่าที่โมเดลทำนาย เทียบกับค่าที่ทำนาย ถ้าโมเดลดี จุดควรกระจายสุ่มรอบเส้นศูนย์โดยไม่มีรูปแบบ ทุกรูปแบบที่ปรากฏคือสัญญาณว่าโมเดลยังจับอะไรไม่หมด
เปรียบเทียบให้เห็นภาพ
เหมือนตรวจงานที่ทำเสร็จแล้วโดยดูเฉพาะส่วนที่ผิด ถ้าความผิดกระจายแบบสุ่มก็แปลว่าทำดีแล้ว แต่ถ้าผิดเป็นรูปแบบเดิมซ้ำ ๆ แปลว่าเข้าใจอะไรผิดอยู่
ใช้ที่ไหนบ้าง — ตรวจโมเดลถดถอยก่อนนำไปใช้ หาว่าควรเพิ่มเทอมอะไรในโมเดล หรือตรวจว่าความแปรปรวนคงที่ไหม
สร้างอย่างไร
- ขั้นที่ 1สร้างโมเดลและคำนวณค่าที่ทำนาย
- ขั้นที่ 2หาส่วนต่างระหว่างค่าจริงกับค่าทำนาย
- ขั้นที่ 3วาดส่วนต่างเทียบค่าทำนาย
- ขั้นที่ 4มองหารูปแบบที่ไม่ควรมี
ตัวอย่างคลาสสิก · Residual plot เป็นขั้นตอนบังคับในการวินิจฉัยโมเดลถดถอย
ตำราสถิติทุกเล่มบรรจุการตรวจส่วนที่เหลือไว้เป็นขั้นตอนหลังสร้างโมเดลเสมอ เหตุผลคือค่าความพอดีสูงไม่ได้รับประกันว่าโมเดลถูกรูปแบบ ข้อมูลที่โค้งอาจให้ค่าความพอดีสูงกับเส้นตรงได้ และมีแต่การดูส่วนที่เหลือเท่านั้นที่เผยเรื่องนี้
02อธิบายภาษาคนเข้าใจง่าย ๆ
เวลาสร้างโมเดลแล้วได้ค่าความพอดีสูง เรามักคิดว่าเสร็จแล้ว แต่ค่าความพอดีเป็นตัวเลขเดียวที่สรุปทุกอย่าง จึงกลบข้อมูลสำคัญไว้เหมือนที่ค่าเฉลี่ยกลบการกระจาย
Residual plot ดูจากอีกด้าน คือดูเฉพาะส่วนที่โมเดลทำนายผิด ถ้าโมเดลจับรูปแบบในข้อมูลได้หมดแล้ว ส่วนที่เหลือควรเป็นแค่ความสุ่มที่ไม่มีรูปแบบอะไร
รูปแบบที่พบบ่อยและบอกอะไรชัดเจนมีสองแบบ แบบแรกคือจุดโค้งเป็นรูปตัวยู ซึ่งแปลว่าความสัมพันธ์จริงโค้งแต่เราใส่เส้นตรงลงไป
แบบที่สองคือจุดกระจายเป็นรูปกรวย คือแคบที่ปลายหนึ่งและกว้างที่อีกปลาย ซึ่งแปลว่าความแปรปรวนไม่คงที่ และทำให้ช่วงความเชื่อมั่นที่คำนวณได้ผิดทั้งหมด
สิ่งที่ทำให้กราฟนี้มีค่าคือมันบอกทิศทางการแก้ไขด้วย ไม่ได้บอกแค่ว่ามีปัญหา รูปตัวยูบอกให้เพิ่มเทอมกำลังสอง รูปกรวยบอกให้แปลงตัวแปรหรือใช้วิธีที่ทนต่อความแปรปรวนไม่คงที่
03ข้อมูลที่ต้องใช้
คอลัมน์ที่ต้องเตรียม
| คอลัมน์ | ทำหน้าที่ | ชนิด | เข้ารหัสด้วย | จำนวนค่าที่เหมาะ | หมายเหตุ |
|---|---|---|---|---|---|
x | ตัวแปรอิสระ | ตัวเลขต่อเนื่อง | x | ต่อเนื่อง | ใช้คำนวณค่าที่โมเดลทำนาย |
y | ค่าจริง | ตัวเลขต่อเนื่อง | y | ต่อเนื่อง | ส่วนที่เหลือคือ y ลบด้วยค่าที่ทำนาย |
ต้องเตรียมข้อมูลอย่างไรก่อนวาด
- สร้างโมเดลและเก็บค่าที่ทำนายไว้
- คำนวณส่วนที่เหลือ
- ตัดสินใจว่าจะใช้ส่วนที่เหลือดิบหรือแบบปรับมาตรฐาน
ค่าที่หายไป — ใช้เฉพาะแถวที่โมเดลทำนายได้ และรายงานจำนวนที่ตัดออก
สเกลของแกน — แกนตั้งควรสมมาตรรอบศูนย์ เพื่อไม่ให้ความเบ้ของส่วนที่เหลือถูกซ่อนด้วยการจัดหน้า
กราฟจะเริ่มพังเมื่อไร
ต่ำกว่า 25 จุด รูปแบบที่เห็นอาจเป็นความบังเอิญ
หน้าตาไฟล์ที่ต้องเตรียม
x,y,group
19.98,44.98,กลุ่มเมือง
13.06,32.09,กลุ่มชานเมือง
…04อ่านแล้วเห็นอะไร
สิ่งที่เห็นได้จากภาพ
- รูปแบบโค้งที่แปลว่าโมเดลเชิงเส้นไม่พอ
- รูปกรวยที่แปลว่าความแปรปรวนไม่คงที่
- จุดที่ห่างจากเส้นศูนย์มากผิดปกติ
สิ่งที่กราฟนี้ตอบไม่ได้
- ไม่บอกว่าโมเดลที่ถูกต้องคืออะไร บอกได้แค่ว่าโมเดลปัจจุบันยังไม่พอ
- ไม่บอกว่าปัญหามาจากข้อมูลหรือจากรูปแบบโมเดล
อ่านตามลำดับนี้
- มองหาว่าจุดกระจายสุ่มรอบเส้นศูนย์ไหม
- หารูปแบบโค้งหรือรูปกรวย
- ดูจุดที่ห่างจากเส้นศูนย์มากที่สุด
คำถามที่ตอบได้
- โมเดลนี้ใช้ได้หรือยัง
- ต้องเพิ่มอะไรในโมเดล
- มีข้อมูลจุดไหนที่โมเดลอธิบายไม่ได้เลย
สัญญาณว่ามีอะไรผิด
- จุดโค้งเป็นรูปตัวยู
- จุดกระจายเป็นรูปกรวย
- ส่วนที่เหลือเฉลี่ยไม่ใช่ศูนย์ ซึ่งแปลว่าคำนวณผิด
05เหมาะกับการนำเสนอแบบไหน
ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย
- ลากเส้นศูนย์ให้เด่น
- ใส่เส้นเรียบผ่านส่วนที่เหลือเพื่อให้เห็นรูปแบบชัดขึ้น
- ทำเครื่องหมายจุดที่ห่างมากที่สุด
รูปแบบชื่อกราฟที่ควรใช้
ส่วนที่เหลือ<กระจายสุ่ม/มีรูปแบบ> ซึ่งแปลว่าโมเดล<ใช้ได้/ยังไม่พอ>
06เอาไปใช้ต่อ
โค้ดทุกชิ้นอ่านไฟล์ residual-plot-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง
# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด residual-plot-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg") # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
C1, C2, C3 = "#2a78d6", "#eb6834", "#1baf7a" # palette ของคลัง เปลี่ยนเป็นสีองค์กรได้
INK, SURFACE = "#0b0b0b", "#fcfcfb"
df = pd.read_csv("residual-plot-sample.csv")
df["x"] = pd.to_numeric(df["x"], errors="coerce")
df["y"] = pd.to_numeric(df["y"], errors="coerce")
NOTE = "pattern" # ← ค่าจาก Playground
fig, ax = plt.subplots(figsize=(7.6, 4.2), facecolor=SURFACE)
ax.set_facecolor(SURFACE)
d = df.dropna(subset=["x", "y"])
coef = np.polyfit(d["x"], d["y"], 1)
fitted = np.polyval(coef, d["x"])
resid = d["y"] - fitted
ax.scatter(fitted, resid, s=28, alpha=0.6, color=C1, edgecolor=SURFACE, linewidth=0.8)
ax.axhline(0, color=INK, linewidth=1.6) # เส้นศูนย์คือเส้นอ้างอิงเดียว
lim = np.abs(resid).max() * 1.15
ax.set_ylim(-lim, lim) # สมมาตรรอบศูนย์ ไม่ซ่อนความเบ้
ax.set_xlabel("ค่าที่โมเดลทำนาย"); ax.set_ylabel("ส่วนที่เหลือ (จริง − ทำนาย)")
ax.spines[["top", "right"]].set_visible(False) # ลดเส้นที่ไม่ได้ให้ข้อมูล
fig.tight_layout()
fig.savefig("residual-plot.png", dpi=160)
print("เขียน residual-plot.png แล้ว ·", len(df), "แถว")07ลองเล่นเพื่อเข้าใจ
ถ้าจุดเป็นรูปกรวยหรือโค้ง แปลว่าโมเดลเชิงเส้นยังไม่พอ ไม่ใช่แค่ข้อมูลมี noise
ดูข้อมูลเป็นตาราง (30 แถว)
| ค่าทำนาย | ส่วนที่เหลือ |
|---|---|
| 38.3 | 6.63 |
| 32.5 | -0.46 |
| 39.0 | -0.04 |
| 52.1 | 7.55 |
| 37.2 | -7.33 |
| 45.3 | -10.4 |
| 60.8 | 2.01 |
| 42.4 | 6.18 |
| 60.1 | -4.36 |
| 42.2 | -2.07 |
| 40.6 | -3.04 |
| 62.5 | -8.44 |
| 32.6 | -0.33 |
| 42.4 | 6.56 |
| 70.1 | -6.94 |
| 40.0 | -0.55 |
| 56.1 | 9.68 |
| 51.1 | -9.03 |
| 30.6 | 2.02 |
| 32.9 | 1.58 |
| 58.2 | -8.20 |
| 47.0 | 2.08 |
| 39.4 | -4.31 |
| 57.7 | -9.08 |
| 28.3 | -6.47 |
| 42.2 | 3.66 |
| 65.7 | -4.34 |
| 42.1 | 5.64 |
| 40.8 | 0.10 |
| 49.4 | -7.86 |
ลองแล้วจะเห็นอะไร
- สังเกตอะไร: ถ้าเห็นจุดกระจายสุ่มไม่มีรูปแบบ แปลว่าโมเดลเชิงเส้นพอแล้ว ลองเปิดหน้า scatter-with-trend แล้วเปลี่ยนเป็นเส้นโค้ง จะเห็นว่า R² ขึ้นแต่ส่วนที่เหลือไม่ได้ดีขึ้นจริง
ข้อควรระวัง
- ดูแต่ค่าความพอดีของโมเดลโดยไม่ดูส่วนที่เหลือเลย
- ตั้งช่วงแกนตั้งไม่สมมาตรรอบศูนย์ ทำให้ความเบ้ของส่วนที่เหลือถูกซ่อน
- มองข้ามรูปกรวย ซึ่งทำให้ช่วงความเชื่อมั่นที่รายงานไปผิดทั้งหมด
- ใช้กับข้อมูลน้อยแล้วสรุปว่ามีรูปแบบจากจุดไม่กี่จุด
เมื่อไหร่ไม่ควรใช้กราฟนี้
- ยังไม่ได้สร้างโมเดล→ใช้แทน: scatter-plot
- ต้องการตรวจว่าส่วนที่เหลือแจกแจงปกติไหม→ใช้แทน: qq-plot ของส่วนที่เหลือ
- ต้องการสื่อสารผลกับผู้อ่านทั่วไป→ใช้แทน: scatter-with-trend