В линейная регрессия orders = a + b*price вы получили b = -0.02. Как правильно читать этот коэффициент?
AПри росте
price на 1 ожидаемые orders растут на 0.02B
b равен Pearson r между orders и priceCВ среднем увеличение
price на 1 связано со снижением orders на 0.02 (в единицах метрики) в рамках моделиDЭто означает, что цена причинно снижает заказы на 2% в любом случае
Правильный ответ. Наклон
b показывает изменение y при увеличении x на 1 в единицах измерения.Разбор
Коэффициент регрессии измеряется в единицах y на единицу x, поэтому важно понимать шкалы. Отрицательный знак означает, что при большем price модель ожидает меньше orders. Типичная ошибка — путать b с процентами или с Pearson r и сразу делать причинный вывод.
Проверь себя · 1/3разбор после ответа
Вы подозреваете, что связь между числом пушей и оттоком объясняется тем, что пуши чаще получают новички. Что лучше сделать, чтобы снизить влияние
confounding в анализе?Ещё вопросы по теме «Корреляция и регрессия»
- В отчете нашли положительную `correlation` между числом пушей на пользователя и выручкой. Какой вывод наиболее корректен?
- В данных по товарам `Pearson r` 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 растет 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 `correlation` между продажами мороженого и количеством утоплений по дням. Это типичный пример спуриозной (`spurious`) связи. Что наиболее вероятно объясняет наблюдение?
- Все вопросы по «Корреляция и регрессия» →