causalité attribuant à seule variable quasi-indépendante

Question

Toutes mes excuses si ce n'est pas le bon endroit pour demander -. Je ne sais pas si ce Recommondation avec des statistiques ou des sciences de données

J'utilise l'analyse pour aider les responsables marketing à identifier les caractéristiques de leurs utilisateurs correspondent à des conversions réussies (comme quelqu'un qui achète un produit, vous inscrire à un bulletin d'information, ou inscrivez-vous à un service). Les attributs peuvent être des choses comme quel site ils sont venus de (referer), leur emplacement, le temps / jour de la semaine, le type de dispositif, navigateur, etc.

Ce que je voudrais dire (même si je ne suis pas certain qu'il est possible) est de différences isolat du taux de conversion à un attribut individuel, quelque chose comme, '11% des utilisateurs de Facebook converti alors que seulement 3% des non -facebook utilisateurs convertis », ce qui voudrait dire que l'attribut « referrer » et le niveau de l'attribut « Facebook » sont responsables de générer des conversions.

Étant donné que je peux avoir 100s des variables quasi-indépendantes, est-il même possible d'isoler l'effet d'une variable et un niveau de cette variable? Contrairement à une combinaison d'entre eux qui doit être conduite la différence plus probable? Si oui, quelle technique ou d'un paradigme conceptuel dois-je utiliser pour identifier les niveaux variable est responsable du plus grand ascenseur dans ma variable dépendante, le taux de conversion?

Answer 1

Je vous suggère d'envisager soit directement réduction de dimensionnalité approche. Consultez ma réponse pertinente sur ce site. Une autre option consiste à utiliser valide modélisation de la variable latente , par exemple, modélisation d'équations structurelles . Vous pouvez commencer avec des articles pertinents sur Wikipédia ( cette et cette , en conséquence), puis, au besoin, lire des articles plus spécialisés ou plus pratiques, des papiers et des livres.