В линейной регрессии orders = a + b*price вы получили b = -0.02. Как правильно читать этот коэффициент?
AРост цены на 1 связан с ростом ожидаемого числа заказов на 0.02 в единицах метрики, знак коэффициента игнорируется
BКоэффициент
b равен коэффициенту корреляции Пирсона между заказами и ценой и трактуется как сила связиCРост цены на 1 связан со снижением ожидаемого числа заказов на 0.02 в единицах метрики в рамках модели, без причинной интерпретации
DЦена причинно снижает заказы на 2 процента, и этот вывод применим к любой выборке независимо от условий
Правильный ответ. Наклон
b показывает изменение y при увеличении x на 1 в единицах измерения, без причинного вывода.Разбор
Коэффициент регрессии измеряется в единицах y на единицу x, поэтому важно учитывать шкалы переменных. Отрицательный знак означает, что при большей цене модель ожидает меньше заказов в среднем. Типичная ошибка — путать b с процентами или с коэффициентом корреляции, а также сразу делать причинный вывод без анализа дизайна данных.
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» →