数据分析系列：归因分析原理、案例（附python代码）

本文主要对以下指标的计算和解释进行阐述，并使用案例说明，最后利用python编写代码进行计算：

• risk ratios and rate ratios（风险比率和比率比率，RR）
• risk difference and rate difference（风险差异和利率差异， RD）
• attributable proportion (attributable risk percent) for the exposed（风险承担的可占比例（可归属风险百分比）， AP）
• population attributable risk（人口归因风险，PAF）
• odds ratio（比率， OR）

我们使用的案例如下，假设一种产品来源于两个营销渠道，我们记录了每个渠道的转化人数和未转化人数（转化可以定义为点击、充值等）

归因分析指标计算

1：计算Risk Ratio（风险比率）、Rate Ratio（比率）

Risk Ratio（风险比率）通常也称为Rate Ratio（比率），表示一个相对于一个因素B，另一个因素A条件下转化率相对于因素B的转化率的倍数（A,B可以理解为实验组和对照组）。

其中$C{I}_e$是渠道A的转化率，$C{I}_u$是渠道B的转化率。

Risk Ration（RR） = 5.30%/1.31% = 4.04
解释：渠道A的转化率是不暴露组的转化率的4.04倍（Risk Ration（RR）=4.04），同时认为渠道A的转化率相比于比不暴露组的转化率提升了了404%-100%=304%（此处含义是以B为基准，相对的含义）

结论：

• 相对不暴露组的转化率而言，渠道A的转化率是不暴露组的4.04倍
• 相比于不暴露组而言，渠道A的转化率相对于B的转化率提升了304%（并不转化率是真的提升304%，而是在B的基础上提升了304%的B的转转化率）

若我们有多组实验，可以用同样的方法计算

2：计算Risk Difference（风险差异）、Rate Difference（比率差异）

Risk Difference（风险差异）也被称为Rate Difference（比率差异）

其中$C{I}_e$是渠道A的转化率，$C{I}_u$是不暴露组的转化率。Risk Difference（风险差异）的理解非常直观。就是直观的两个渠道转化率的差异。
由RR与RD的公式可知两者的转换关系为：
$RD/C{I}_u=RR-1$
利用上面例子的数据，计算出RD = 5.30%-1.31%=3.99%。代表了渠道A去渠道B的转化率差异为3.99%。

Risk Ratio与Risk Difference的出发角度不同，Risk Ratio衡量的是
渠道A相对于不暴露组提升了多少，可用于衡量改进的效果，而Risk Difference直接衡量了转化率（收益）提升了多少。Risk Ratio是相对的，Risk Difference是绝对的

3：计算Attribution Proportion

Attribution Proportion（归因分数）表示了该渠道人群中有多少是因为该渠道发生转化的。

利用上面数据。计算出
$$AP=\frac{5.30\%-1.31\%}{5.30\%}=75.28\%$$

如果B代表是未参加渠道展示，则对于计算出的归因分数（Attribution Proportion），可以解释如下：渠道A展示的用户中，有75.28%的用户是因为渠道A的展示而发生了转化。

如果我们对Attribution Proportion的分子、分母同时除以$C{I}_u$，则Attribution Proportion公式变为如下形式：
$$AP=\frac{RR-1}{RR}$$