# 第九章：找到真相——迴歸分析
## 一
週一早上，開店前一小時。
我坐在吧檯前，面前攤開的是過去三十天的數據。
七張紙，每一張都是一個變量的追蹤：
```53Please respect copyright.ＰＥＮＡＮＡV3RsVqYz9N
圖一的變量：每日銷售（從€3,120到€6,890）53Please respect copyright.ＰＥＮＡＮＡvikfLeFDQf
圖二的變量：是否週末（1=週末，0=平日）53Please respect copyright.ＰＥＮＡＮＡIh4QTD1f2Q
圖三的變量：是否假期（1=學校假期，0=學期中）53Please respect copyright.ＰＥＮＡＮＡB9HTZW2BEW
圖四的變量：天氣（晴/陰/雨）53Please respect copyright.ＰＥＮＡＮＡoOBXZ3pMuP
圖五的變量：Café Luxe是否已开业（1=是，0=否）53Please respect copyright.ＰＥＮＡＮＡQi2557hlSY
圖六的變量：促銷活動（1=有，0=無）53Please respect copyright.ＰＥＮＡＮＡjpnlRex5XT
圖七的變量：競爭對手是否優惠（1=有，0=無）53Please respect copyright.ＰＥＮＡＮＡckNYuWJDPP
```
我看著這七張圖，看不出所以然。
銷售有高有低，現在我知道這個波動是「正常的」。但什麼因素在決定高低？
週末高二平日低。假期高二平日低。
但兩者之間有重疊，有時平日也比某些週末高。
我的大拇指按住圖七上面的一個點。
那是上週六。Café Luxe 开业的第一天。
我的銷售是 €5,670。低於平均水平。
但那天下雨。
所以——是下雨的原因？還是 Café Luxe 的原因？
我的手機亮了。是她。
「今天下午，我們繼續。」
我回了一個「好」字，放下手機，看著那個被大拇指按住的點。
Café Luxe。
他們在改變這條街。
而我需要知道——我的業務，在被他們改變成什麼樣子。
***
## 二
她來的時候，拿著一支紅筆和一疊空白的坐標紙。
「你做了功課。」她看了一眼桌上的圖。
「嗯。」我說，「但看不出規律。」
「看不出是正常的。」她說，「用眼睛看資料，約等於凭感覺。」
「那怎麼辦？」
她坐下來，把那七張圖排成一排。
「讓我问一個問題。」她说，「你覺得，什麼因素對銷售的影響最大？」
我想了想。
「週末。」我說，「還有假期。」
「還有呢？」
「競爭對手。」
「還有呢？」
「天氣。」
「還有呢？」
我不知道該怎麼回答。
她把一張空白的坐標紙放在我面前。
「你列出七個變量。」她说，「但你更需要知道的是：每一個變量有多重要。在所有影響銷售的因素中，它們各自的『功勞』是多少。」
「功勞？」
「統計學叫它『解釋力』。」
***
## 三
她在坐標紙上畫了一條横線和一條縱線。
```53Please respect copyright.ＰＥＮＡＮＡTRirXf9c7d
横軸（X）：學校假期天數（0-31）53Please respect copyright.ＰＥＮＡＮＡffceiRQX6Z
縱軸（Y）：每日銷售53Please respect copyright.ＰＥＮＡＮＡlCfdC2HldH
```
她在纸上點了三十個點。
分佈有點散，但不是毫無規律。
「你看出什麼？」她問。
我看了幾秒。
「假期多的月份，銷售似乎高一些。」
她點點頭。
「畫一條穿過這些點的直線。」她說。
「用手畫？」
「對。」
我拿起筆，試著畫了一條。我畫得不怎麼好。
「看起來怎麼樣？」她問。
「有點歪。」
她笑了一下。
「每一個人畫的直線都不同。」她說，「統計學要做的，是找到『最好的一條線』。」
「怎樣叫『最好』？」
「預測誤差最小的。」她说，「意思是，用這條線來預測銷售，預測錯誤的程度，『平均』來說是最低限。」
她在白板上寫下三個字母：
```53Please respect copyright.ＰＥＮＡＮＡEBSj67i2FK
Y = a + bX53Please respect copyright.ＰＥＮＡＮＡpVIivunPT8
```
「這是最簡單的線性迴歸。」她说，「X 是我們選的變量（學校假期天數），Y 是我們想預測的（每日銷售）。a 是截距，b 是斜率。」
「斜率代表什麼？」
「代表 X 每增加一個單位，Y 怎麼變。」她说，「在這裡，如果斜率是 €150，表示每多放一天假，銷售平均增加 €150。」
「怎麼找到a和b？」
「有公式。」她说，「但你不需要背。你只需要知道一件事——」
她在白板上寫：
```53Please respect copyright.ＰＥＮＡＮＡYDBiaWu5f1
b = Σ(xi - x̄)(yi - ȳ) / Σ(xi - x̄)²53Please respect copyright.ＰＥＮＡＮＡpyhPk3wUa5
a = ȳ - b·x̄53Please respect copyright.ＰＥＮＡＮＡbVWQMgVsPv
```
「這個公式找出來的直線，穿過所有散點的『正中間』。」她说，「它代表的，是『如果只能選一個變量來預測銷售，這個變量應該是 X』。」
***
## 四
她把另一張坐標紙放在桌上。
```53Please respect copyright.ＰＥＮＡＮＡjz60V5B0Oq
横軸：是否週末（0=平日，1=週末）53Please respect copyright.ＰＥＮＡＮＡnpm8UzcgYB
縱軸：每日銷售53Please respect copyright.ＰＥＮＡＮＡbUvRxpkFEa
```
「如果用『是否週末』來預測銷售，這條線的斜率是多少？」
我算了算。
「週末的平均值約 €5,340，平日的平均值約 €4,020。」我說，「所以斜率約 €1,320。」
「對。」她说，「意思是，週末比平日平均多賣 €1,320。」
她又拿出另一張紙。
```53Please respect copyright.ＰＥＮＡＮＡ1iKkTVQf68
横軸：學校假期（0=學期中，1=假期）53Please respect copyright.ＰＥＮＡＮＡtWrFDhuEBM
縱軸：每日銷售53Please respect copyright.ＰＥＮＡＮＡYMxBfbzFSO
```
「如果用『學校假期』預測，斜率是多少？」
我算了算。
「假期的平均值約 €5,540，非假期平均值約 €4,280。」我說，「斜率約 €1,260。」
「兩個變量的斜率差不多。」她说，「但它們可能重疊——很多週末同時也是假期。」
「所以？」
「所以如果兩個變量之間有相關性，單獨看每個變量的效果，可能被高估。」
「相關性？」
「兩個變量同時變化的傾向。」她说，「在這裡，學校假期和週末高度相關——法國的學校假期，很多剛好落在週末附近。」
她在白板上畫了一個圖：
```53Please respect copyright.ＰＥＮＡＮＡalNC40E1oZ
相關性示意
假設變量A和變量B同時增加：53Please respect copyright.ＰＥＮＡＮＡr89EfrUYzQ
B ▲53Please respect copyright.ＰＥＮＡＮＡOYpns0aDNW
│ ● ●53Please respect copyright.ＰＥＮＡＮＡSLyROn6E3s
│ ● ●53Please respect copyright.ＰＥＮＡＮＡJSeu7rLwuC
│● ●53Please respect copyright.ＰＥＮＡＮＡEwxmdiLwVm
│ ● ●53Please respect copyright.ＰＥＮＡＮＡWUrHssG1Bh
└──────────► A53Please respect copyright.ＰＥＮＡＮＡ9hg2ciiKJx
兩者同時變化 = 高相關53Please respect copyright.ＰＥＮＡＮＡLx90U0GAab
```
「如果用『學校假期』和『週末』同時預測銷售。」她说，「每個變量的單獨效果會被分割。統計學叫這個『多元迴歸』——多個變量同時放進來，看它們各自的『獨立貢獻』。」
***
## 五
「我想知道 Café Luxe 的影響。」我說，「可以加進去嗎？」
她點點頭。
「當然。」她在白板上又畫了一個表：
```53Please respect copyright.ＰＥＮＡＮＡh3FnvPX04E
變量 平均繫數（b） 解釋力（R²）53Please respect copyright.ＰＥＮＡＮＡGYuvHRJC5m
───────────────────────────────────────────53Please respect copyright.ＰＥＮＡＮＡ0XnK8bP9f9
學校假期 +€1,260 18%53Please respect copyright.ＰＥＮＡＮＡyQi35g0L0W
週末 +€1,320 22%53Please respect copyright.ＰＥＮＡＮＡy4eor4qps3
天氣（每多一級） +€340 4%53Please respect copyright.ＰＥＮＡＮＡ6VLZLm8uWv
Café Luxe ？ ？53Please respect copyright.ＰＥＮＡＮＡwkOSn37cbX
```
「什麼是 R²？」我問。
「解釋力。」她说，「意思是，這個變量能『解釋』銷售變化的百分比。」
「如 €1,320 的週末，解釋力是 22%？」
「對。」她说，「意思是，用『是否週末』這一個變量，能解釋销售差异的 22%。換句話說——销售变化的三成，是由於『今天是週末还是平日』。」
「其他 78% 呢？」
「其他變量和其他因素。」她说，「包括了隨機波動。」
我低下頭看那張表。
「所以學校假期和週末，两个變量已經解釋了差不多 40%。」
「對。這已經算高了。」她说，「在現實中，很多業務的變量，解釋力只有 10%。」
「Café Luxe 呢？」
「你想知道。」
她沉默了一下。
「我們算算。」
***
## 六
她開始在計算機上操作。
「過去三十天，Café Luxe 开业九天。」她说，「前後的銷售分佈是這樣的：」
她在白板上寫：
```53Please respect copyright.ＰＥＮＡＮＡ77bfYKTswE
Café Luxe 开业前（21天）：53Please respect copyright.ＰＥＮＡＮＡt7n04sqvhA
平均销售：€4,680
Café Luxe 开业後（9天）：53Please respect copyright.ＰＥＮＡＮＡs6zXazo33J
平均销售：€4,470
差距：€21053Please respect copyright.ＰＥＮＡＮＡbRykMpnirR
```
「九天，少了 €210。」她说，「但這個差距需要context。」
「什麼 context？」
「這九天裡，有多少天是週末？」她問。
我翻了翻日曆。
「九天中，三天是週末。」
「那三天的平均是多少？」
我再算了算：
「週末三天，平均 €5,340。」
「平日六天，平均 €4,020。」
「如果 Café Luxe 開了九天，其中三天是週末——」她在白板上算：
```53Please respect copyright.ＰＥＮＡＮＡz06bB4B6Cq
如果完全不受影響，期望平均值：53Please respect copyright.ＰＥＮＡＮＡMtC4paLXnO
(3天×€5,340 + 6天×€4,020) / 953Please respect copyright.ＰＥＮＡＮＡHlugcUaIlP
= (€16,020 + €24,120) / 953Please respect copyright.ＰＥＮＡＮＡ2CF98JiFKi
= €40,140 / 953Please respect copyright.ＰＥＮＡＮＡEklZMPAtjs
= €4,46053Please respect copyright.ＰＥＮＡＮＡENYrmAnMRz
```
「實際平均值是 €4,470。」我說，「和期望值幾乎一樣。」
「對。」她说，「在這個樣本量裡，我們『看不出』Café Luxe 有顯著影響。」
「但他們是低價竞争。」我說，「怎麼可能沒影響？」
她看著我。
「你有兩種可能。」她说，「第一，Café Luxe 的影響還沒有完全反映在數據裡——消費者正在觀望，還沒有實際行動。」
「第二？」
「第二，你的差異化策略在起作用。」她说，「你的熟客知道你的名字，知道你的咖啡豆來源，知道你的 location。這些東西，統計學看不到，但顧客感受得到。」
***
## 七
這時，門外傳來一陣笑聲。
兩個穿校服的高中生推門進來，一男一女，書包還揹在身上。
「兩杯美式，大杯。」男生說。
我站起來開始做咖啡。
「加奶油還是加糖？」我問。
「都加。」女生說，笑著看著男生。
我在心裡默默記下一筆：兩杯大杯美式，€8。
他們選了一張靠窗的桌子開始做作業。
過了一會兒，男生的手機响了。他看了一眼螢幕。
「Café Luxe 的優惠碼。」他說，「全場八折，免費加 Shot。」
「真的？」女生探過頭去看。
「明天截止。」男生說，「要不我們去試試？」
我手上的奶泡筆在咖啡上頓了一下。
「你說 Café Luxe 對吧？」他抬頭看了我一眼，「姐姐，你聽說過嗎？」
「聽說過。」我說，「在我們街角。」
「你去過嗎？」
「還沒。」
「他們說咖啡一般，但便宜。」他收起手機，喝了一口美式，「不過這家（指著我做的這杯）比較好喝。」
女生笑著點點頭。
我拿著做好的咖啡站在吧檯後面，假装在擦吧檯。
他們繼續聊天，話題離開了咖啡，轉到了學校的作業和週末的计划。
我走回她對面的位置坐下。
「听到了？」她問。
「听到了。」我說，「但他說這裡的比較好喝。」
「這就是你的護城河。」她说。
***
## 八
她開始收拾東西。
「讓我總結一下。」她说，在白板上寫：
```53Please respect copyright.ＰＥＮＡＮＡVitEPjY9ix
一、迴歸分析的核心53Please respect copyright.ＰＥＮＡＮＡJAqiUrW0B0
- Y = a + bX：用一個變量X來預測銷售Y53Please respect copyright.ＰＥＮＡＮＡF4IYhEevHk
- 斜率b：X每增加一個單位，Y變化多少53Please respect copyright.ＰＥＮＡＮＡKcRJ5VXdKH
- 解釋力R²：這個變量能「解釋」多少%的銷售變化
二、多元迴歸53Please respect copyright.ＰＥＮＡＮＡPrc5zwytz5
- 多個變量同時放入，看各自的「獨立貢獻」53Please respect copyright.ＰＥＮＡＮＡCctsuDSdwu
- 相關性高的變量會分散解释力53Please respect copyright.ＰＥＮＡＮＡW2CYoSsQpG
- 在現實中，業務很少被單一因素決定
三、相關不等於因果53Please respect copyright.ＰＥＮＡＮＡLnsPfa2uND
- 即使X和Y高度相關，也不代表X導致Y53Please respect copyright.ＰＥＮＡＮＡWy7we7xMqB
- 例如：冰淇淋銷量和淹死人數都夏天高，但不吃冰淇淋不會防止淹死53Please respect copyright.ＰＥＮＡＮＡJ3DJDplb2g
- 業務決策，需要領域知識配合統計結果
四、R²的局限53Please respect copyright.ＰＥＮＡＮＡdfGOzczUv0
- R²高不一定代表模型好53Please respect copyright.ＰＥＮＡＮＡzxRQpVPd3N
- 可能是「偽迴歸」——兩個變量剛好同時趨勢，但沒有因果關係53Please respect copyright.ＰＥＮＡＮＡRCB5Lj9dqf
```
她放下筆，看著我。
「有件事我應該告訴你。」
「什麼事？」
「上週五，我路過 Café Luxe。」她说，「他們的生意很好。」
我沒有說話。
「這不代表你的生意會變差。」她说，「但代表你的策略要明確。」
「什麼策略？」
「如果你的客人是『想要便宜咖啡的』，他們遲早會被 Café Luxe 拿走。如果你的客人是『想要好咖啡的』，你還有時間。」
我低下頭看著吧檯上的灰塵。
「我知道。」
「知道不夠。」她说，「你要準備下個月的營銷計劃。你的客人是誰？他們想要什麼？你怎麼向他們傳遞你的價值？」
她又拿起帆布袋。
「數據告訴你過去。」她说，「但商業知識告訴你未來。」
***
## 九
她離開後，我坐在吧檯前很長時間。
那兩個高中生還在窗邊坐著，偶爾傳來笑聲。
他們的作業做完了，開始玩手機。
男生又看了一眼那個 Café Luxe 的優惠碼。
「明天去吧？」他對女生說。
女生猶豫了一下。
「那我們帶爸媽一起去？」
「好。」
他們離開的時候，男生朝我點了個頭。
「謝謝，姐姐。」
「謝謝光臨。」我說。
門關上。
我站在吧檯後面，看著窗外的街道。
對面那家曾經是空置的店舖，現在挂上了 Café Luxe 的招牌。
藍色的底色，白色的字體。
不時有人走進去。
也有不時有人走出來，手裡拿著咖啡。
我回到吧檯，看著那七張圖。
學校假期，解釋力 18%。
週末，解釋力 22%。
Café Luxe，解釋力——接近零。
但我知道這不是真的。
他們只是還沒有行動。
拿起筆，我在 Café Luxe 旁邊的空白處寫下：
```53Please respect copyright.ＰＥＮＡＮＡXlXV3hqLSl
下一步：設計促銷活動，目標：「想要好咖啡的客人」53Please respect copyright.ＰＥＮＡＮＡwUjjE9gaKw
```
# 📊 知識點整理
## 本章引入的概念
### 簡單線性迴歸（Simple Linear Regression）53Please respect copyright.ＰＥＮＡＮＡtaUXeBInvW
- **公式**：Y = a + bX53Please respect copyright.ＰＥＮＡＮＡaMWE3QMtCA
- **意義**：用一個變量X來「最佳預測」Y53Please respect copyright.ＰＥＮＡＮＡ2S3glfQ7rS
- **a（截距）**：當 X = 0 時，Y 的預測值53Please respect copyright.ＰＥＮＡＮＡf7PWsYw0oz
- **b（斜率）**：X 每增加一個單位，Y 平均增加 b 個單位53Please respect copyright.ＰＥＮＡＮＡvdnBYmy8qu
- **商業應用**：如果知道假期天數，可以預測當天的大致銷售範圍
### R²（解釋力 / Coefficient of Determination）53Please respect copyright.ＰＥＮＡＮＡRAWRobTi6H
- **定義**：一個或一組變量能解釋 Y 變化的百分比53Please respect copyright.ＰＥＮＡＮＡd9WaJ1tyh9
- **範圍**：0% 到 100%53Please respect copyright.ＰＥＮＡＮＡj4o9OSNz72
- **解讀**：53Please respect copyright.ＰＥＮＡＮＡQ65VBuK8Yf
- R² = 20%：這個變量能解釋銷售變化的兩成，剩餘八成由其他因素決定53Please respect copyright.ＰＥＮＡＮＡS7e20l6GQP
- R² 不是「準確度」，而是「貢獻度」53Please respect copyright.ＰＥＮＡＮＡ23RIEQ7aYp
- **重要提醒**：高 R² 不等於「模型好」——可能是偽迴歸
### 多元迴歸（Multiple Regression）53Please respect copyright.ＰＥＮＡＮＡscu2vwvxcq
- **意義**：多個變量同時放入模型，看各自的「獨立貢獻」53Please respect copyright.ＰＥＮＡＮＡ2DrePrOPcg
- **為什麼需要**：現實中業務往往被多個因素同時影響53Please respect copyright.ＰＥＮＡＮＡwZqermnT50
- **要注意的問題**：53Please respect copyright.ＰＥＮＡＮＡuFvwskVl3B
- 共線性（Collinearity）：相關性高的變量會分散解釋力，難以區分各自獨立影響53Please respect copyright.ＰＥＮＡＮＡNNhlTmw1z9
- 過度擬合（Overfitting）：變量太多會把「噪音」也當成「信號」
### 相關性與因果關係53Please respect copyright.ＰＥＮＡＮＡZBE9Wlvz2O
- **核心原則**：相關（Correlation）≠ 因果（Causation）53Please respect copyright.ＰＥＮＡＮＡHwhldflWuU
- **經典例子**：53Please respect copyright.ＰＥＮＡＮＡnNMjCPdFh0
- 冰淇淋銷量 vs 沙灘死亡人數（兩者都夏天高，但不吃冰淇淋不會防止溺水）53Please respect copyright.ＰＥＮＡＮＡ2LFj9nMw3Y
- 醫院數量 vs 死亡人數（都和人口密度相關，不是醫院導致死亡）53Please respect copyright.ＰＥＮＡＮＡPI8um2cPGQ
- **如何區分**：53Please respect copyright.ＰＥＮＡＮＡIN7k2WKt9C
- 統計學告訴你「相關」，商業知識告訴你「因果」53Please respect copyright.ＰＥＮＡＮＡ8qMy5gBjiF
- 需要專業領域的判斷53Please respect copyright.ＰＥＮＡＮＡH1bJ8mwUMS
- **商業建議**：業務決策時，相關性是起點，因果關係需要實驗或領域知識確認
## 常見誤解糾正
### 誤解一：「相關等於X導致Y」
**錯誤**：53Please respect copyright.ＰＥＮＡＮＡaAN2lSZwqN
- 看到兩個變量高度相關，就認為「改變X就能改變Y」
**正確**：53Please respect copyright.ＰＥＮＡＮＡ1Ux8rMLgyF
- 第三變量問題（Confounding Variable）：可能是另一個變量同時影響X和Y，但未被納入模型53Please respect copyright.ＰＥＮＡＮＡuQUTdGT4R3
- 時間方向問題：X和Y可能都是某個原因的結果，而不是彼此因果53Please respect copyright.ＰＥＮＡＮＡiJQa6y9yld
- 商業決策不能只靠相關性，必須有領域知識支持因果假設
### 誤解二：「R²高就是好模型」
**錯誤**：53Please respect copyright.ＰＥＮＡＮＡ56k22IgW7B
- 看到R² = 80%就認為模型「完美」
**正確**：53Please respect copyright.ＰＥＮＡＮＡ4GGjlUA6Jg
- R²高可能是「過度擬合」——用了太多變量，把噪音也拟进去了53Please respect copyright.ＰＥＮＡＮＡumyzvOt8tY
- 也可能是「偽迴歸」——两个變量有同時的趨勢，但沒有實際因果關係53Please respect copyright.ＰＥＮＡＮＡHSSn6vV6md
- 評估模型還要看：變量是否有商業邏輯、新變量加入是否合理、預測誤差是否在可接受範圍
### 誤解三：「p值顯著等於商業上應該行動」
**錯誤**：53Please respect copyright.ＰＥＮＡＮＡnyofzKiA93
- 「我們發現X對Y有顯著影響」=「我們應該大力投入X」
**正確**：53Please respect copyright.ＰＥＮＡＮＡSMWn0GCc1j
- 統計顯著只是說「這個影響不太可能是運氣」53Please respect copyright.ＰＥＮＡＮＡJRZ1VoUR2D
- 還要看效應大小（Effect Size）：影響 €10/天 和影響 €1,000/天 的決策完全不同53Please respect copyright.ＰＥＮＡＮＡWJdxncquax
- 商業上还要考慮：執行成本、時機、能力
---
第九章完
53Please respect copyright.ＰＥＮＡＮＡZgJdsLa3hx
and then Add to home screen.