Вы нашли correlation между количеством показов рекламы и выручкой. Но вы знаете, что в праздники и показы, и выручка растут. Как лучше описать риск интерпретации?
AЭто означает, что реклама не работает
BЭто доказывает, что реклама вызывает рост выручки
CВозможен
confounding из-за сезонности, поэтому простая correlation не равна эффекту рекламыDНужно заменить
Pearson r на Poisson(λ)Правильный ответ.
confounding делает корреляцию плохой оценкой эффекта.Разбор
Сезонность меняет и спрос, и маркетинговую активность, поэтому группы дней становятся несопоставимыми. В результате корреляция может отражать календарные эффекты, а не влияние рекламы. Чтобы приблизиться к эффекту, нужно контролировать сезонность, строить сравнимые группы или использовать эксперимент.
Проверь себя · 1/3разбор после ответа
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?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» →