Вы нашли корреляцию 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, и любые изменения бюджета не повлияют на выручку в текущем периоде наблюдения и аудитории
BЭто доказывает, что реклама вызывает рост выручки, поскольку рост виден на исторических данных и сохраняется по сезонам года
CНужно заменить коэффициент Пирсона на распределение Пуассона и пересчитать связь как параметр интенсивности событий по дням
DВозможно скрытое смешивание из-за сезонности, поэтому простая корреляция не равна причинному эффекту рекламы на выручку
Правильный ответ. Скрытое смешивание из-за общей третьей причины делает корреляцию плохой оценкой причинного 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 причинному эффекту, нужно контролировать сезонность, строить сравнимые группы или использовать эксперимент. Варианты «реклама не работает» и «доказывает причинность» делают слишком сильные выводы из одной корреляции.
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 смешивающего фактора в анализе?
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» →