Приписывание причинности к единой квази-независимой переменной

Question

Приносим извинения, если это не правильное место, чтобы спросить - я не уверен, лучше ли это подходит для статистики или науки о данных.

Я использую аналитику, чтобы помочь маркетологам определить атрибуты своих пользователей соответствуют успешным преобразованию (например, кто -то, кто покупает продукт, подписку на информационный бюллетень или подписку на услугу). Атрибутами могут быть вещи, например, от какого сайта они поступали (рефератель), их местоположение, время/день недели, тип устройства, браузер и т. Д.

Что я хотел бы сказать (хотя я не уверен, что это возможно), так это выделить различия в коэффициенте конверсии с отдельным атрибутом, что-то вроде, '11% ваших пользователей из Facebook преобразовано, тогда как только 3% пользователей, не являющихся лицами, Преобразованный «, что будет означать, что атрибут« рефератель »и уровень атрибута« Facebook »отвечают за преобразования вождения.

Учитывая, что у меня могут быть 100-х квази-независимых переменных, возможно ли даже изолировать эффект от одной переменной и одного уровня этой переменной? В отличие от их комбинации, которая с большей вероятностью будет стимулировать разницу? Если да, то какую технику или концептуальную парадигму я использую для определения того, какой уровень переменного уровня отвечает за наибольшее подъем в моей зависимой переменной, коэффициент конверсии?

Answer 1

Я бы посоветовал вам рассмотреть любой прямой уменьшение размерности подход. Проверять мой соответствующий ответ на этом сайте. Еще один действительный вариант - использовать скрытая переменная моделирование, Например, структурное моделирование уравнение. Анкет Вы можете начать с соответствующих статей о Википедии (это а также это, соответственно), а затем, по мере необходимости, прочитайте более специализированные или более практичные статьи, статьи и книги.