知识卡片
相关算法看指标类型
指标先分连续型和离散型;离散型再分二分、无序离散、有序离散,且要求区间等距,年龄分组9年和10年宽度不一致就违规。连续型指标用Pearson算相关性,前提是正态分布、成对出现、异常值已处理;有序离散型改用Spearman或Kendall,应对非正态分布;无序离散型对连续型没有可用算法,只能放弃分析。发散:先定类型再选算法,是比[[相关不是因果]]更进一步的防错——从防结论方向错,到防工具选错。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《运营之路:数据分析+数据运营+用户增长》第2章《洞察运营机会的数据分析利器》2.5.2《相关性分析的2种数据》、2.5.3《相关性分析的3种算法》(源文件:_epub-src/Yun Ying Zhi Lu _Shu Ju Fen Xi _Shu Ju Yun Ying _Yong Hu Zeng Chang_split_007.html)
- 结论依据:原文按连续型/二分型/无序离散型/有序离散型定义指标数据类型及等距区间约束,并按类型组合给出Pearson、Spearman/Kendall两类算法及各自前提条件,同时明确无序离散型与连续型指标之间无可用算法。
- 原始内容:连续型指标……常见的连续型指标还有注册用户数、DAU、转化率、点击率等。离散型指标又包括3类,分别是二分型、无序离散型和有序离散型指标……Pearson相关性分析,有几个前提条件:指标服从正态分布;两个指标的数据要一一对应,成对出现;异常值对相关系数的影响极大……当分析离散型指标的相关性时,由于其不满足正态分布规律,故不能使用Pearson相关性分析,需要借助Spearman或Kendall相关性分析……很可惜,无序离散型指标和连续型指标之间没有一种相关性算法可以支持。