Attribuendo causalità variabile singola quasi indipendente

Question

Mi scuso se questo non è il posto giusto per chiedere -. Non sono sicuro se questo si adatta meglio con statistiche o Science Data

sto usando strumenti di analisi per aiutare i marketers identificare gli attributi dei loro utenti corrispondono a conversioni di successo (come qualcuno l'acquisto di un prodotto, l'iscrizione a una newsletter, o di abbonamento a un servizio). Gli attributi potrebbero essere le cose come quale sito Proveniente da (), la loro ubicazione, ora / giorno della settimana, tipo di dispositivo, il browser, ecc.

Quello che mi piacerebbe dire (anche se non sono certo che sia possibile) è quello di isolare in differenze tasso di conversione da un singolo attributo, qualcosa di simile, '11% degli utenti di Facebook convertito mentre solo il 3% di non -Facebook utenti convertiti', il che significa che l'attributo 'referrer' e il livello dell'attributo 'Facebook' sono responsabili per le conversioni.

Dato che io possa avere 100s di variabili quasi-indipendente, è anche possibile isolare l'effetto di una variabile e un livello di quella variabile? Al contrario di una loro combinazione che è più probabile che sia guidare la differenza? In caso affermativo, quale tecnica o paradigma concettuale fare uso per identificare quali di livello variabile è responsabile per il più grande ascensore in mia, tasso di conversione variabile dipendente?

Answer 1

vorrei suggerire di prendere in considerazione sia diretta riduzione dimensionalità approccio. Controllare mia risposta rilevante su questo sito. Un'altra opzione è quella di utilizzare valida variabile latente modellazione , per esempio, equazione modellazione strutturale . Si può iniziare con relativi articoli su Wikipedia ( questo e questo , corrispondentemente) e poi, se necessario, leggere più specializzati o articoli più pratici, carte e libri.