比较两组的退出率
To compare exit-rates for two groups
我们在 R 中有 2 个数据集 good 和 bad。它包含 users 和 games。
游戏包含 10 种不同的游戏类型 1,2,...,10。数据集 good 包含玩了很长时间的用户，bad 包含玩了很短时间然后停止玩的用户。
head(good)
user game
1 4
2 3
3 4
1 1
15 4
1 2
和
head(bad)
user game
10 4
22 3
37 4
37 1
38 4
46 2
我找到了一个用户在 he/she 停止玩之前玩过的最新游戏。
因此，对于一个固定游戏的一组，我们有 'last-game played' 的时间/它玩的总时间。
这给了我们一个退出率。如果退出率高，则意味着它很可能是最近玩的游戏，如果退出率低，则意味着该游戏可能不是最后玩的游戏。
在 R 中我们可以看到组的退出率 good
exitrate_good
game exitrate
1 0.133333
2 0.127772
3 0.090332
...
9 0.317307
10 0.190854
另一组类似bad
exitrate_bad
game exitrate
1 0.186522
2 0.045888
3 0.192556
...
9 0.365899
10 0.119331
在这里我们可以看到游戏 9 在 good 和 bad 中都有很高的退出率。
我的问题是：如何找到不受欢迎导致玩家停止玩的游戏？
用户上次玩过的游戏可能会导致用户停止玩。我应该如何比较两组的退出率？
--------（扩展）
让我们看看good组。
在 R 中我输入 last_game_good 并且我们得到这个输出
latest_game_played not_latest_game_played
734 3917
645 3507
...
765 2100
112 535
所以第一行简单地说 734+3917 玩过这个游戏，这是 734 情况下最近玩的游戏。
在这里我们还可以看到游戏 id 9（倒数第二行）与 not_latest_game_played 相比具有非常高的 latest_game_played。为此，我使用 pairwise.prop.test 并获得所有成对相关性，一些具有低 p 值，一些具有高于 0.05 的 p 值。如果我 运行 对其他组使用相同的东西，比如组 bad ，我如何使用这些信息以及如何比较它？
因此，您可以做的一件事是比较您组中游戏之间的差异。例如。与良好组中的游戏 Y 相比，游戏 X 的退出率是否更高？坏组呢？是一样的图案吗？也许完全不同的模式？
您可以做的另一件事是将游戏与不同组中的自己进行比较。例如。好组的游戏 X 是否比差组的游戏 X 退出率更高？
第三件事是预先指定并确定一个对你不利的退出率，并将所有组中的所有游戏与该退出率进行比较。例如。我知道 40% 的退出率对我不利。有没有哪个组的游戏退出率高于40%？
我将重点介绍第一种情况。
我这样创建数据集
dt = read.table(text=
"latest_game_played not_latest_game_played
734 3917
645 3507
765 2100
112 535", header=T)
# create game id
dt$game_id = c(1,2,9,10)
# create total numbers
dt$totals = dt$latest_game_played + dt$not_latest_game_played
dt
# latest_game_played not_latest_game_played game_id totals
# 1 734 3917 1 4651
# 2 645 3507 2 4152
# 3 765 2100 9 2865
# 4 112 535 10 647
然后我计算百分比并检查是否存在至少一个统计显着差异
# check percentages
prop.test(dt$latest_game_played, dt$totals)
# 4-sample test for equality of proportions without continuity correction
#
# data: dt$latest_game_played out of dt$totals
# X-squared = 176.51, df = 3, p-value < 2.2e-16
# alternative hypothesis: two.sided
# sample estimates:
# prop 1 prop 2 prop 3 prop 4
# 0.1578155 0.1553468 0.2670157 0.1731066
请注意，您还可以将这些百分比保存在您自己创建的新列中。您看到的 p 值小于 0.05，因此至少有一款游戏的退出率高于另一款游戏。或者，换句话说，成对地检查是合理的differences/comparisons。不知道（还）哪个差异具有统计显着性，或者是否存在更多差异。下一步就是去一探究竟了。
# check pairwise comparisons
pairwise.prop.test(dt$latest_game_played, dt$totals)
# Pairwise comparisons using Pairwise comparison of proportions
#
# data: dt$latest_game_played out of dt$totals
#
# 1 2 3
# 2 0.82 - -
# 3 < 2e-16 < 2e-16 -
# 4 0.82 0.82 3.2e-06
#
# P value adjustment method: holm
这是成对 p 值的 table。您可以看到第 9 场比赛（支持 3）在统计上显着高于所有其他百分比。其他游戏退出率无差异
您可以对您的其他组执行类似的过程，看看是否找到相同的 thing/pattern
我们在 R 中有 2 个数据集 good 和 bad。它包含 users 和 games。
游戏包含 10 种不同的游戏类型 1,2,...,10。数据集 good 包含玩了很长时间的用户，bad 包含玩了很短时间然后停止玩的用户。
head(good)
user game
1 4
2 3
3 4
1 1
15 4
1 2
和
head(bad)
user game
10 4
22 3
37 4
37 1
38 4
46 2
我找到了一个用户在 he/she 停止玩之前玩过的最新游戏。 因此，对于一个固定游戏的一组，我们有 'last-game played' 的时间/它玩的总时间。 这给了我们一个退出率。如果退出率高，则意味着它很可能是最近玩的游戏，如果退出率低，则意味着该游戏可能不是最后玩的游戏。
在 R 中我们可以看到组的退出率 good
exitrate_good
game exitrate
1 0.133333
2 0.127772
3 0.090332
...
9 0.317307
10 0.190854
另一组类似bad
exitrate_bad
game exitrate
1 0.186522
2 0.045888
3 0.192556
...
9 0.365899
10 0.119331
在这里我们可以看到游戏 9 在 good 和 bad 中都有很高的退出率。
我的问题是：如何找到不受欢迎导致玩家停止玩的游戏？
用户上次玩过的游戏可能会导致用户停止玩。我应该如何比较两组的退出率？
--------（扩展）
让我们看看good组。
在 R 中我输入 last_game_good 并且我们得到这个输出
latest_game_played not_latest_game_played
734 3917
645 3507
...
765 2100
112 535
所以第一行简单地说 734+3917 玩过这个游戏，这是 734 情况下最近玩的游戏。
在这里我们还可以看到游戏 id 9（倒数第二行）与 not_latest_game_played 相比具有非常高的 latest_game_played。为此，我使用 pairwise.prop.test 并获得所有成对相关性，一些具有低 p 值，一些具有高于 0.05 的 p 值。如果我 运行 对其他组使用相同的东西，比如组 bad ，我如何使用这些信息以及如何比较它？
因此，您可以做的一件事是比较您组中游戏之间的差异。例如。与良好组中的游戏 Y 相比，游戏 X 的退出率是否更高？坏组呢？是一样的图案吗？也许完全不同的模式？
您可以做的另一件事是将游戏与不同组中的自己进行比较。例如。好组的游戏 X 是否比差组的游戏 X 退出率更高？
第三件事是预先指定并确定一个对你不利的退出率，并将所有组中的所有游戏与该退出率进行比较。例如。我知道 40% 的退出率对我不利。有没有哪个组的游戏退出率高于40%？
我将重点介绍第一种情况。
我这样创建数据集
dt = read.table(text=
"latest_game_played not_latest_game_played
734 3917
645 3507
765 2100
112 535", header=T)
# create game id
dt$game_id = c(1,2,9,10)
# create total numbers
dt$totals = dt$latest_game_played + dt$not_latest_game_played
dt
# latest_game_played not_latest_game_played game_id totals
# 1 734 3917 1 4651
# 2 645 3507 2 4152
# 3 765 2100 9 2865
# 4 112 535 10 647
然后我计算百分比并检查是否存在至少一个统计显着差异
# check percentages
prop.test(dt$latest_game_played, dt$totals)
# 4-sample test for equality of proportions without continuity correction
#
# data: dt$latest_game_played out of dt$totals
# X-squared = 176.51, df = 3, p-value < 2.2e-16
# alternative hypothesis: two.sided
# sample estimates:
# prop 1 prop 2 prop 3 prop 4
# 0.1578155 0.1553468 0.2670157 0.1731066
请注意，您还可以将这些百分比保存在您自己创建的新列中。您看到的 p 值小于 0.05，因此至少有一款游戏的退出率高于另一款游戏。或者，换句话说，成对地检查是合理的differences/comparisons。不知道（还）哪个差异具有统计显着性，或者是否存在更多差异。下一步就是去一探究竟了。
# check pairwise comparisons
pairwise.prop.test(dt$latest_game_played, dt$totals)
# Pairwise comparisons using Pairwise comparison of proportions
#
# data: dt$latest_game_played out of dt$totals
#
# 1 2 3
# 2 0.82 - -
# 3 < 2e-16 < 2e-16 -
# 4 0.82 0.82 3.2e-06
#
# P value adjustment method: holm
这是成对 p 值的 table。您可以看到第 9 场比赛（支持 3）在统计上显着高于所有其他百分比。其他游戏退出率无差异
您可以对您的其他组执行类似的过程，看看是否找到相同的 thing/pattern