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?
Корреляция Пирсона, Спирмена, линейная регрессия, R-квадрат — инструменты для изучения связей между переменными. На собеседовании часто повторяют: «корреляция не означает причинность» — и просят привести пример. Также спрашивают про интерпретацию коэффициентов регрессии и предпосылки OLS.
Всего в этом разделе 20 вопросов. Каждый — с правильным ответом и кратким разбором теории. Разбито на 4 части по 5 вопросов.
1В 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 связи
CРост 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
Ответ: Наклон `b` показывает изменение `y` при увеличении `x` на 1 в единицах измерения, без причинного вывода.
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.
2В отчёте нашли положительную корреляцию между числом пушей на пользователя и выручкой. Какой вывод наиболее корректен?
AНельзя утверждать причинность: корреляция показывает связь, но не доказывает, что пуши увеличили выручку у пользователей
BПуши точно увеличили выручку: положительный коэффициент корреляции на пользовательском уровне эквивалентен причинной связи
CПричинность подтверждена при коэффициенте корреляции Пирсона выше 0.5, а ниже эффект списывают на случайный шум данных
DПричинность подтверждена сбором данных за один и тот же месяц по одной аудитории активных пользователей продукта
Ответ: Связь в данных не равна причинному эффекту: для причинности нужен эксперимент или сопоставимые группы.
Положительная корреляция между числом пушей и выручкой по пользователям не означает, что пуши вызвали рост выручки. Скорее всего работает обратный отбор: активные платящие пользователи и так чаще открывают приложение, поэтому им чаще успевают отправить пуш-уведомление. Чтобы измерить эффект, нужен A/B-тест с рандомизацией пушей. Никакого магического порога коэффициента корреляции для подтверждения причинности нет. Сбор данных за один период не устраняет конфаундеры — нужен случайный механизм, разделяющий пользователей независимо от их прошлого поведения.
3В данных по товарам коэффициент корреляции Пирсона между ценой и конверсией равен -0.7. Как это интерпретировать?
AСильная положительная линейная связь: при росте цены конверсия в товарах тоже растёт по линейному тренду в выборке наблюдений
BДостаточно сильная отрицательная линейная связь: при большей цене конверсия в товарах в среднем оказывается ниже по выборке
CСвязи между ценой и конверсией нет, поскольку коэффициент Пирсона по модулю меньше единицы в исследуемых данных каталога
DЦена причинно снижает конверсию на 70 процентов в среднем по всем товарам выборки в рассматриваемый период наблюдения
Ответ: Коэффициент Пирсона описывает направление и силу линейной связи, но не причинность.
Знак коэффициента Пирсона показывает направление: при отрицательном значении одна величина обычно растёт, когда другая падает. Модуль около 0.7 часто трактуют как заметную линейную связь в данных. При этом коэффициент Пирсона не доказывает, что цена является причиной изменения конверсии. Положительная связь противоречит знаку; «связи нет» — миф (нужно сравнивать с нулём, а не с единицей); проценты в причинном смысле — подмена величины коэффициента эффектом.
4В модели линейной регрессии `revenue = a + b*emails` коэффициент `b` равен 0.8. Как правильно интерпретировать `b`?
AВ среднем при росте `emails` на 1 ожидаемое значение `revenue` меняется на 0.8 единицы в пределах модели и наблюдённых данных
BПри росте `emails` на 1 значение `revenue` для каждого пользователя гарантированно вырастет на 80% от его текущего значения
CКоэффициент `b` представляет коэффициент корреляции между переменными `emails` и `revenue` в той же шкале, что и обе переменные
DКоэффициент `b` равен ожидаемому значению `revenue` при `emails = 0`, то есть значению зависимой переменной без воздействия предиктора
Ответ: Коэффициент в линейной регрессии — это наклон: изменение зависимой переменной при изменении предиктора на 1.
В простейшей регрессии `b` показывает, на сколько в среднем меняется прогноз зависимой переменной, если предиктор увеличить на 1. Это описание внутри модели и данных, а не гарантия для каждого пользователя и не процент. Корреляция и коэффициент регрессии — разные величины, у них разные шкалы и единицы. Значение при нуле предиктора — это уже свободный член `a`, а не наклон `b`.
5Вы хотите быстро проверить, есть ли линейная связь между средним временем сессии и конверсией на уровне пользователя. Что наиболее подходит как первый шаг?
AПосчитать коэффициент корреляции `Pearson r` и построить диаграмму рассеяния, чтобы увидеть форму связи и заметить выбросы
BСразу запускать A/B-тест с рандомизацией пользователей, чтобы оценить причинный эффект времени сессии на конверсию без предварительной проверки
CОценить распределение `Poisson(λ)` для числа сессий каждого пользователя и сравнить параметры между группами с разной конверсией
DПосчитать `Geometric(p)` по числу сессий до первой покупки и использовать оценку `p` как меру связи между временем сессии и конверсией
Ответ: Для первичной проверки линейной связи достаточно коэффициента `Pearson r` и диаграммы рассеяния.
Коэффициент корреляции `Pearson r` даёт одно число, но диаграмма рассеяния помогает заметить выбросы и нелинейность. Это быстрый способ понять, стоит ли углубляться в моделирование. Важно помнить, что даже заметная корреляция не означает причинность без отдельного дизайна. Запускать A/B-тест без предварительной проверки или подгонять `Poisson` и `Geometric` к этим данным — это либо преждевременно, либо просто не та задача.