归因于因果关系到个准独立的变量

Question

道歉如果这是不正确的地方问-我不知道，如果这个最适合的统计数据或数据的科学。

我使用的分析，以帮助营销人员识别属性，他们的用户对应于成功转换(如有人购买产品，签署了一份通讯，或订阅服务)。属性可能是事情像哪些网站，他们来自(引用)、其位置、时间/天的周、设备类型、浏览器，等等。

我想说(尽管我不能肯定这是可能的)是隔离的差异转换率为一个人属性的东西，11％的用户从Facebook转换而只有3%的非Facebook用户的转换，这将意味着属性'引用'和平的属性'Facebook'是负责推动转换。

鉴于我可能有100个准独立的变量，它甚至有可能分离的影响的一个变量和一个级别的变量?而不是他们的组合，是更有可能被驱动的差别？如果是这样，什么样的技术或概念的范式做我的使用以确定哪些可变的水平负责最大的提升在我变、转换率？

Answer 1

我建议你考虑要么直接 降维 办法。检查 我的有关答案 在这个网站。另一个有效的选择是使用 潜在的变量建模, 例如， 结构式的建模.你可以开始的有关条款在维基百科上(此 和 此, 相应地)和然后，如需要更多的专门或多个实用的文章、论文和书籍。