У вас миллион наблюдений, Pearson r между двумя метриками равен 0.03, а p-value очень маленький. Какой вывод наиболее корректен для продукта?
AСвязь сильная, потому что значение
p-value маленькое, а это главный признак крупного эффектаBЭто доказывает причинную связь между метриками, потому что в выборке очень много наблюдений
CНужно перейти на коэффициент Спирмена, потому что
Pearson r не подходит для больших выборокDСвязь статистически различима, но по размеру эффекта очень слабая; нужно оценивать практическую значимость
Правильный ответ.
p-value отвечает про обнаружимость эффекта, а не про его размер или практическую важность.Разбор
При большом объёме данных даже очень слабая корреляция может быть статистически значимой. Для продуктовых решений важнее оценить эффект по масштабу и влиянию на метрики, а не только по p-value. Типичная ловушка — принять «значимо» за «важно» и переоценить влияние связи. Замена коэффициента или интерпретация значимости как причинности — отдельные ошибки, не относящиеся к проблеме размера эффекта.
Проверь себя · 1/3разбор после ответа
В простой линейной регрессии с одним признаком
x квадрат коэффициента корреляции Пирсона (то есть r^2) чаще всего интерпретируют как…Ещё вопросы по теме «Корреляция и регрессия»
- В отчёте нашли положительную корреляцию между числом пушей на пользователя и выручкой. Какой вывод наиболее корректен?
- В данных по товарам коэффициент корреляции Пирсона между ценой и конверсией равен -0.7. Как это интерпретировать?
- У вас 100 наблюдений, где почти нет связи между `x` и `y`, но есть одна точка с очень большим `x` и `y`. После добавления этой точки `Pearson r` стал 0.8. Что это чаще всего означает?
- Конверсия растёт со скидкой до порога, а затем почти не меняется. При этом `Pearson r` между скидкой и конверсией близок к 0. Какой вывод корректен?
- Вы видите положительную корреляцию между продажами мороженого и количеством утоплений по дням. Это типичный пример ложной связи. Что наиболее вероятно объясняет наблюдение?
- Все вопросы по «Корреляция и регрессия» →