知识卡片
相关矩阵不能直接决定投入
皮尔逊相关系数描述两个变量的线性关联,相关矩阵把许多两两关系放在一起比较。但费用与营收一起增加,可能受规模、时间或其他因素共同影响,不能仅凭相关较强就认定增加该费用会提高营收。零线性相关也不等于完全没有关系。书中从相关性直接跳到投入选择的表述,需要补充因果识别与业务证据。
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。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
皮尔逊积矩相关系数用于度量两个变量X和Y之间的相关程度(线性相关),其值介于-1与1之间。 皮尔逊积矩相关系数可以帮助我们从繁杂的数据中洞察影响业务的关键变量,从而做出正确的业务决策。比如,把营收(GMV)作为一个度量(Y1),把市场费用、渠道费用、营销费用、销售人员数
参考来源
- 位置:《程序员的底层思维》第5章《维度思维》(来源项目book-sources,`extracted/程序员的底层思维/_epub-src/Cheng Xu Yuan De Di Ceng Si Wei_split_009.html`)。
- 结论依据:原文从“皮尔逊积矩相关系数用于度量两个变量X和Y之间的相关程度(线性相关”展开,与本卡的“皮尔逊相关系数描述两个变量的线性关联,相关矩阵把许多两两关系放在一起比较”对应;正文额外解释的限制、反例或外部校正均不冒充原书保证。
- 原始内容:皮尔逊积矩相关系数用于度量两个变量X和Y之间的相关程度(线性相关),其值介于-1与1之间。 皮尔逊积矩相关系数可以帮助我们从繁杂的数据中洞察影响业务的关键变量,从而做出正确的业务决策。比如,把营收(GMV)作为一个度量(Y1),把市场费用、渠道费用、营销费用、销售人员数