相关性分

度量两个指标如何同动，以及不把相关当因果的关键纪—最常见的分析错误

为什么

相关性分析快、便宜、诱人：你有两列数字，跑 Pearson 系数，得—-1 —1 间一个像答案的数。危险在于相关是两变量的数学性质，但你实际问的是业务问题—X 是否导致 Y，以致我—X —Y 变？"。相关答不了 —冰淇淋销量和鲨鱼袭击相关，但禁冰淇淋不会减鲨鱼袭击。相关性分析的纪律是：算相关、诚实报"它们同动"、然后做更难的工作判断关系是因果（通过受控实验）还是混淆（两者都被第三变量如夏天气温驱动）。跳第二步就是团队上—与留存相—但上线后什么都不动的功能的方式

何时使用

当你有两个指标想知道是否同动，作为因果实验的前置。绝不可单独作为上线决策依据

如何做

1. 先陈述业务问题："使用功能 X 是否—30 天留存相关？" —问题决定相关哪些变量及如何切—2. 同粒度（每用户、每天）同时间窗拉两序列 —相关日聚—X 与每用户 Y 是无意义的数
3. 算系数前先散点图 —Pearson 0.4 可以是线性云、U 形或两簇，只有散点告诉你哪种
4. —Pearson（线性）—Spearman（单调）—若显著不同则关系非线性且 Pearson 误导
5. 查混淆：是否有第三变量（时间、队列、功能开关）驱动两者？按混淆切片在每片内重—6. 报为"X —Y 相关（r=0.42, n=1200），但未确立因果" —但书非可—7. 若相关强且想据此行动，设—A/B 测试：随机分功能 X、测 Y、比—只有 RCT 消解相关/因果鸿沟
8. —notebook 记散点、系数、混淆检查和但书 —让下一个人不重新发现它是混淆的

示例

# 问题：完成教程是否与 7 天留存相关？
n = 4,200 用户，注册于 2026-08-01 —2026-08-31

散点：tutorial_steps_completed—-8）vs days_active_in_first_7d—-7—  -> 正向趋势，但两个可见簇：
     —A（n=1800）：完成 0-2 步，留存 0-2 —     —B（n=2400）：完成 5-8 步，留存 4-7 —
Pearson r = 0.61  Spearman rho = 0.58（接近，大致单调—
混淆检查：signup_source
  organic：r = 0.18（此片内弱）
  referral：r = 0.64（此片内强）
  -> 总体 0.61 —referral 用户既完成更多教程又留存更多驱动—     两者皆由既有动机导致，非教程本身—
结论：完成教程与留存相关（r=0.61），但相—largely 被注册来源混淆—本就有动机的用户（referral）既完成教程又留存—勿据此上—强制完成教程" —A/B 测试随机教程显著度并按来源测留存。

常见问题

⚠在聚合数据（日总计）上算相关而非每用—两个都随时间上升的日总计总高度相关，但这—时间流—的重言式非"X 导致 Y"
⚠忽略 Simpson 悖论 —总体相关为正但每子组为负（或反之），按聚合相关行动损害每组
⚠把高相当因果证明并上线功—"用功—X 的用户留存更好，所以应强制功能 X"是经典的相干/因果错误，A/B 测试正是为防此而生
⚠报系数不带散点图 —干净线性云—Pearson 0.5 和有间隙两簇—Pearson 0.5 是完全不同的关系，单数字隐藏你有的是哪种

最佳实践

✓信系数前总看散点 —系数是散点的摘要，U 形或两簇分布的摘要是隐藏决定行动的形状的数字
✓按每个似真混淆（队列、来源、套餐、地域）切片报片内相—若片内相关与聚合不同，你有混淆且聚合误导
✓用相关生假设，用 A/B 测试—相关快便宜告诉你看哪；RCT 慢贵告诉你真相；两者都要且此序
✓系数旁报样本量和置信区间 —r=0.6 —n=30 是噪声，r=0.6 —n=3000 是发现，—n 的数字不可解读