数据分析之因果分析

目录

一、因果分析概述

1.1 常见逻辑谬误

1.2 因果分析应用

---

一、因果分析概述

日常工作中，我们经常想用线性回归来看系数是否显著来判断“A的变化是否导致B的变化”，但经常会出现逻辑谬误。

什么时候用因果推断？

treatment（处理） 对于 Y的影响，实验的后续分析：

xx下跌是什么因素影响？

产品业务变动会导致平台生态如何变动？

1.1 常见逻辑谬误

• 伪关系

       X和Y恰好同时发生，并无关联。

例：多维分析中无限下探，发现某个人群上效果显著，并没有控制多重检验问题。

• 两种选择偏差

遗漏变量偏差 没有控制同时影响X和Y的混淆变量（主播的被观看时长跟开播频率之间的关系，忽略了主播本身开播意愿和内容质量这一混淆变量）

幸存者偏差 重要样本因种种原因无法取到 （飞机弹孔机翼上的分布多，加强机翼？）

• 反向因果

混淆因果Y果X （视频质量越高，用户活跃度越低？ 用户活跃度低，观看视频少，质量高）

• 联立方程

价格X 销量Y是由需求与供给所组成的系统决定的：

X=a1*Y+b1（需求）X=a2*Y+b2（供给）

X与Y之间关系不能代表消费者敏感度a1也不能代表生产者敏感度a2

1.2 因果分析应用

1.效果测评：一个功能有何影响？

2.产品迭代：怎么调整设置，怎么获得反馈产品功能好坏，什么作品作者什么展现形式更好？（单双列）

3.预估长期价值：从什么方向进行优化改进投资。

2.因果分析两种流派与常用工具

2.1 因果分析核心