数据分析思维(一)|信度与效度思维

简介: 数据分析如何进行更有价值的指标选择?

信度与效度思维

1、概念

信度与效度思维通常用于在数据分析中进行更有价值的指标选择。

信度:指标的可靠程度。包括一致性及稳定性。(口径是否一致,是否具有波动性)

效度:指标的有效性。一个数据或指标的生成,是否贴合它所要衡量的事物,也就是说指标的变化能代表该事物的变化。

总结:信度能够反映数据的稳定性和集中程度,效度能够反映数据的准确性。

2、举个例子

要衡量A公司的广告投放效果好坏,选择广告点击数作为指标,从不同的投放渠道来看,相同的广告点击数所对应的曝光量可能是不同的,这就使得指标的一致性变的很差;换个角度,因为曝光量的提高从而带来了广告点击数的提高,这就能够证明广告的投放效果变好了吗?这显然也是不对的,此时广告点击数显然就不是一个好的指标,我们就会选择信度和效度更好的广告点击率来进行衡量。

3、信度与效度的影响

在数据分析中这样的例子有很多,那信度和效度究竟会对我们的分析结果带来怎样的影响呢,通过下面的图来进行解析:

image.png

现在需要挑选一个射击运动员(指标)去参赛(衡量事物),弹孔(指标数据)的分布和靶心(实际结果)的关系如上图所示。

  • A:弹孔和靶心重合度很高,信度和效度都很好。
  • B:弹孔密集,但是距离靶心很远,此时稳定性很好,准确性不足,也就是信度高效度低。
  • C:弹孔稀疏,但是分布在靶心附近,此时稳定性不足,准确性还可以,也就是信度低,效度高。(此类型并不常见,通常信度低都会导致效度低)
  • D:弹孔稀疏,距离靶心很远,此时信度和效度都很低。
相关文章
|
3月前
|
SQL 算法 数据可视化
什么是数据分析思维
什么是数据分析思维
|
8月前
|
算法 数据挖掘 大数据
到底什么才是数据分析思维? by彭文华
到底什么才是数据分析思维? by彭文华
|
数据挖掘
数据分析思维(四)|分类/矩阵思维
在进行数据分析工作时,我们往往会涉及到多个核心指标,而对于不同数值核心指标的结合又会产生多种不同的结果,我们将相似结果的内容放到一起进行统一决策就会大大节省数据分析的时间,这种思想我们称之为分类思维
数据分析思维(四)|分类/矩阵思维
|
数据挖掘 Python
数据分析思维(二)|相关思维
相关思维是数据分析中最常见的思维之一,在我们观察指标变化的时候,往往需要观察指标之间的相关关系,比如观察自己身高和体重的变化,这就是一种相关思维的体现。
数据分析思维(二)|相关思维
|
9月前
|
数据挖掘 大数据
数据分析的思维有那些?
数据分析的思维有那些?在很多企业中都存在着很大的数据分析问题,如何进行数据分析?数据挖掘的结果要如何展示?企业中各个部门要如何才能最大化的利用数据分析结果?这些一直困扰着企业数据团队。也是咱们大数据需要解决的问题,后续规划的方面
56 2
|
11月前
|
机器学习/深度学习 数据采集 存储
数据分析思维|思考问题的25个方式汇总
数据分析思维|思考问题的25个方式汇总
|
11月前
|
算法 数据挖掘
数据分析思维(七)|漏斗思维
数据分析思维(七)|漏斗思维
数据分析思维(七)|漏斗思维
|
11月前
|
数据挖掘 双11
数据分析思维(六)|循环/闭环思维
数据分析思维(六)|循环/闭环思维
|
11月前
|
机器学习/深度学习 数据采集 搜索推荐
10种数据分析的模型思维让你“灵光一闪”
推荐10种数据分析思维,让你在工作中带来“灵光一闪”的感觉 本文来源于阿里开发者公众号
499 0
|
数据挖掘
数据分析思维(五)|逻辑树思维
在很多数据分析场景中我们需要梳理分析的逻辑,需要进行指标从大到小的拆分,这时候我们可以顺着影响分析结果的因素进行层层溯源,从而抓住问题的核心。为了有更清晰的逻辑结构,常常采用逻辑树(又称问题树、分解树)进行整体过程的呈现。逻辑树使用层级的结构将每个大问题的所有子问题进行罗列,然后再将子问题的子问题进行罗列,以此类推,当问题不能够被拆分时形成一个完整的逻辑树。
数据分析思维(五)|逻辑树思维