【模型故事】逻辑回归

发布日期：2024年02月04日    作者：张弛

今天，在和同事探讨一个U&A类问卷，又强调了一遍用逻辑回归。

18年前，我和德国人一起组建了一个合资调研公司，当时，为了引入德国人的分析模型，合资公司出钱从德国总部重金请来两位专家，其中Frank侧重定量。有一天我问Frank，他在中国呆了几个月了，也跟了几个项目，他觉得中国团队在定量这块有啥需要提升的。他说中国的定量团队在问卷模版应用、DP SPEC为核心的数据分析流程、基础的显著性检验加上一些高级统计分析这块都做的不错，和他们经常分包给印度数据团队的定量任务都是一个标准的，最重要的差异，就是德国定量团队几乎每个项目都会自己做关键驱动分析（KDA），中国定量只有很少的项目用到KDA。这就是当时我们和全球最领先的研究机构的定量这块的差距，后来，在学习德国人的U&A研究模型的时候，也发现关键驱动分析是其中的关键。

关键驱动分析严格来说不是一种特定的分析方法，而是一组用来识别关键驱动的分析方法，我们经常用的方法包括逻辑回归、主成分分析、Shapley value等，今天重点分享下逻辑回归。

举个例子，我们经常关心两类用户的差异，例如品牌现有用户和流失用户，虽然流失用户会回答流失原因，但也可能流失与否和他们声称的流失原因关系不大，更多收到他们的年龄端、品类偏好和需求、甚至消费场景等因素的影响，这些都是自变量，这些自变量可以是连续变量也可以是分类变量，这种情况下，最小样本量要求为自变量数目的10倍，自变量间不存在共线性（如果共线性优先用主成分分析），注意，关键是自变量和因变量不能为多选题（这个非常重要！），选项之间必须独立（定性很关键）。想要更多学习的同学，可以在我的知识星球上下载这个逻辑回归培训文档。

就我这些年的工作体验看，包括问卷模版、DP SPEC、关键驱动分析这些基础定量技能在甲乙方公司都存在严重断档，尤其是客户的定量团队断档尤其严重，因为现在几乎所有客户都在自己执行大量的定量研究课题。这也是为什么我们在今年3月要推出定量训练营的原因。想加入的同学，加入冬雪老师的企微沟通吧：）