складність 3/5
Confounding
Третя змінна, яка спричиняє і те, що ви змінили, і те, що ви виміряли. Коригування на правильну рятує оцінку; коригування на неправильну вигадує ефект, якого немає.
Інтуїція
Downey формулює проблему одним реченням: «Якщо змінні A і B корельовані, є три можливі пояснення: A спричиняє B, або B спричиняє A, або якийсь інший набір чинників спричиняє і A, і B» [1, §7.8]. А тоді наслідок: «Сама лише кореляція не розрізняє цих пояснень, тож вона не каже вам, які з них істинні» [1, §7.8].
Третім поясненням є конфаундинг. scikit-learn дає підручниковий випадок у робочому прикладі: модель, яка передбачає зарплату за освітою. «Конфаундингова змінна — це змінна, яка спричиняє і ОСВІТУ, і ЗАРПЛАТУ. Одним прикладом такої змінної є здібності» [2, Wrong causal interpretation].
Вартою сторінки, а не гасла, це робить те, що звичайні ліки — покласти третю змінну в модель — правильні в одному випадку й катастрофічні в іншому, і жодне вдивляння в дані не скаже вам, у якому випадку ви перебуваєте. Це не обмеження ваших інструментів. Це властивість самого питання.
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
Джерела
- Think Stats, 2nd ed.book · звірено 2026-09-18https://greenteapress.com/thinkstats2/html/thinkstats2008.html
- scikit-learn — Common pitfalls in the interpretation of coefficients of linear modelsdocs · звірено 2026-09-18https://scikit-learn.org/stable/auto_examples/inspection/plot_linear_model_coefficient_interpretation.html