Хабр Курсы для всех
РЕКЛАМА
Большая витрина: от крупнейших школ до частных авторов. Сравнивайте по цене, длительности, формату и выбирайте самый подходящий курс!
Хабр доступен 24/7 благодаря поддержке друзей
Комментарии 28
> при большом количестве данных (у нас есть тысячи измерений) нарушение предположения о нормальности данных оказывает гораздо меньшее влияние на результат, чем в случае с малой выборкой.
Нарушение предположения о нормальности влияет на результат вне зависимости от размера выборки. Просто на большой выборке мы можем увидеть микроскопические отклонения от нормальности, а на маленькой они неотличимы от шума.
Нарушение предположения о нормальности влияет на результат вне зависимости от размера выборки. Просто на большой выборке мы можем увидеть микроскопические отклонения от нормальности, а на маленькой они неотличимы от шума.
Для среднего пользователя (не отхабренного и не обладателя мегатонн кармы типа Milfgard) и карма, и количество оставленных комментариев более-менее монотонно растут со временем. Поправки на возраст аккаунта вы, кажется, не делали. Изменит ли она результат?
Мне кажется, что аудитория хабра достаточно адекватна, чтобы не вестись на геймификацию. Если честно, не знаю зачем вообще тут эта карма. А комментариев нет, потому что сказать нечего. Большинство статей идут в новостном формате, как (а главное зачем) комментировать набор фактов?
Некоторые редко комментируют из-за того, что карма такая ;) а не из-за того, что боятся её потерять.
P.S. пересматривайте свой алгоритм
P.S. пересматривайте свой алгоритм
На мой взгляд, причина и следствие в исследовании поменялись местами. Кто много комментирует (больше, чем в среднем остальные), у тех карма либо идёт в минус (комментарии вызывают негатив у аудитории), либо идёт в плюс (комментарии вызывают позитив).
/флегматично/
Неправильно. Комментарии, судя по плюсам, могут вызывать позитив, что совершенно не будет мешать сливать карму.
Неправильно. Комментарии, судя по плюсам, могут вызывать позитив, что совершенно не будет мешать сливать карму.
Может и так происходить, может и эдак. Но мы говорим, всё-таки, о гипотезах, проверяемых в статье.
Согласен. Вообще, статистически выводить поведение хаотических систем (к которым в общем случае относятся и люди) без заранее заданных аналитических моделей обобщённого поведения этих систем — всегда очень грубое упрощение, работающее только в случае сильного преобладания локального примитивного мотива (абсолютной рационализации входного значения кармы) над «социальной» составляющей (т.е., когда неявно задаётся «однонейронная» аналитическая модель «мотив(карма) => действие»). Если бы такая модель работала, это очень нелестно бы характеризовало контингент комментаторов Хабры.
Еще из неучтенного — юзеры заведенные специально для комментариев.
R&C, карма меньше 5.
R&C, карма меньше 5.
В принципе, то, что больше комментируют те у кого карма побольше не значит, что люди не комментируют, боясь потерять карму.
Ситуация на хабре и гиктаймсе говорит о том, что у ТМ не все хорошо. Иначе они не открывали бы коментарии всем юзерам. Когда станет совсем плохо и карму уберут. А все для того — чтобы увеличить поведенческие факторы. А комментарии их увеличивают.
По статье — сам лично не смотрю на отрицательную карму и комментирую если мне интересно и хочется оставить комментарий. Да — выбраться из минусовой кармы больше, кроме как написать статью, нельзя. Но со мной этот шантаж не пройдет. Я считаю это именно шантажом — т.к. других вариантов не дают. — Всё, опять же, для того, чтоб на ТМ появлялось больше статей. И не важно что они околобредовые. ТМ нужны новые «маффины»
По статье — сам лично не смотрю на отрицательную карму и комментирую если мне интересно и хочется оставить комментарий. Да — выбраться из минусовой кармы больше, кроме как написать статью, нельзя. Но со мной этот шантаж не пройдет. Я считаю это именно шантажом — т.к. других вариантов не дают. — Всё, опять же, для того, чтоб на ТМ появлялось больше статей. И не важно что они околобредовые. ТМ нужны новые «маффины»
Спасибо за подробную публикацию по статистике!
Позвольте, добавлю несколько слов
1) Свободный член в линейной модели убирать не стоит. Функция aov — обёртка для построения такой модели lm(comments_log ~ karma_cut),
в которой Вы как раз получаете F-statistic: 556.2 on 6 and 14668 DF, а не 1.719e+04 on 7.
2) Возможно, стоит упомянуть о линейных контрастах в моделях — более общая и гибкая альтернатива парным сравнениям (в частности, HSD тесту Тьюки). Этот метод реализован в функции glht пакета `multcomp`.
Позвольте, добавлю несколько слов
1) Свободный член в линейной модели убирать не стоит. Функция aov — обёртка для построения такой модели lm(comments_log ~ karma_cut),
в которой Вы как раз получаете F-statistic: 556.2 on 6 and 14668 DF, а не 1.719e+04 on 7.
2) Возможно, стоит упомянуть о линейных контрастах в моделях — более общая и гибкая альтернатива парным сравнениям (в частности, HSD тесту Тьюки). Этот метод реализован в функции glht пакета `multcomp`.
Насчет F-statistic согласен, но тогда не так наглядно будет видна связь между лог-комментариями и групповыми средними, т.е. уравнение будет чуть сложнее comments_log_ij = intercept + group_mean_i + e_ij.
Уравнение будет чуть другим: comments_log_ij = intercept + delta_i + e_ij. Связь видна, на мой взгляд, даже более наглядно — с ростом номера интервала в karma_cut, величина delta почти всегда растет и значимо отличается от 0.
Тогда как в summary модели m.lm < — lm(comments_log ~ karma_cut — 1) мы видим, что средние для всех групп значимо отличаются от 0. Для вашей задачи, как мне кажется, это не так существенно.
Но главное — взять и выполнить команду anova(m.lm), просто позабыв о таком задании модели. И тогда, без свободного члена в модели, можно получить ложное отклонение нулевой гипотезы.
Тогда как в summary модели m.lm < — lm(comments_log ~ karma_cut — 1) мы видим, что средние для всех групп значимо отличаются от 0. Для вашей задачи, как мне кажется, это не так существенно.
Но главное — взять и выполнить команду anova(m.lm), просто позабыв о таком задании модели. И тогда, без свободного члена в модели, можно получить ложное отклонение нулевой гипотезы.
Вспомнилось исследование про Википедию, упомянутое тут https://geektimes.ru/post/277336/
Вы не пробовали анализировать статистику с социальных позиций?
Было бы интересно сравнить данные по Хабру и Гиктаймсу для одних и тех же пользователей — карма же на каждой своя.
Тогда бы вскрылся такой фактор, как «тема интересная, чего бы не обсудить».
Ведь люди обычно комментируют те статьи, которые находятся в хабах, на которые они подписаны и читают.
И тут карма уже не играет роли, только если она не отрицательная, что мешает комментированию тогда, когда хочется, а не когда таймаут вышел.
Тогда бы вскрылся такой фактор, как «тема интересная, чего бы не обсудить».
Ведь люди обычно комментируют те статьи, которые находятся в хабах, на которые они подписаны и читают.
И тут карма уже не играет роли, только если она не отрицательная, что мешает комментированию тогда, когда хочется, а не когда таймаут вышел.
Много кармы -> пиши комментарий сколько хочешь.
Мало или минус -> пиши сколько можешь.
Кармы 0..50 -> сиди и не высовывайся :)
Мало или минус -> пиши сколько можешь.
Кармы 0..50 -> сиди и не высовывайся :)
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
ANOVA, или кто комментирует?