La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Master MARKETING / Pierre Desmet 1 Expérimentation - Etablir lexistence dune relation de CAUSALITE entre deux variables - En contrôlant leffet des autres.

Présentations similaires


Présentation au sujet: "Master MARKETING / Pierre Desmet 1 Expérimentation - Etablir lexistence dune relation de CAUSALITE entre deux variables - En contrôlant leffet des autres."— Transcription de la présentation:

1 Master MARKETING / Pierre Desmet 1 Expérimentation - Etablir lexistence dune relation de CAUSALITE entre deux variables - En contrôlant leffet des autres variables importantes

2 Sommaire © Pierre DESMET, EXPERIMENTATION On cherche à mettre en évidence une relation de cause à effet entre une variable daction X (VI variable indépendante) et Y une variable dépendante (VD) Conditions expérimentales à respecter pour établir la relation Variation concomitante (dx, dy) Séquence temporelle Présence manipulée Absence de corrélation entre les variables indépendantes (orthogonalité) Élimination des autres causes possibles Élimination des effets des variables parasites par laffectation aléatoire des individus (randomisation), sinon quasi-expérimentation Vérifier Le succès dune manipulation (manipulation check) sur la perception des variables manipulées Quel contexte ? Naturel (conditions réelles) Laboratoire Scénarios Utilisation : pré-test, tests comparatifs, marche test, analyse conjointe,…

3 Sommaire © Pierre DESMET, De nombreux effets indésirables Les sources des effets indésirables Traitement (E)Effet de la manipulation Histoire (H)évolution de lenvironnement, de linformation disponible Contamination (I)Modification des réponses en fonction de la connaissance de lobjet de lexpérimentation ou des caractéristiques de lexpérience (effet Hawthorne) Maturation (M)évolution des sujets (t, t+n), apprentissage Test (T)Changement des réponses, ou biais, provoqué par la mesure Sélection (S)Variation dans la composition de léchantillon : Auto-sélection; échantillonnage; non réponse InstrumentationChangement dans linstrument de mesure (enquêteur, mode dinterrogation…) Effet expérimentateur (Rosenthal) : influence des croyances de lexpérimentateur (concernant létude) sur les réponses des participants Régression statistiquePrésence de valeurs extrêmes; sélection successive en fonction de réponses précédentes MortalitéRéduction de léchantillon par le refus de participation : collecte contraignante Validités - Interne : contrôle des variables parasites - Externe : capacité dappliquer les résultats sur une autre population (effet de léchantillon, du temps, du contexte,…)

4 Sommaire © Pierre DESMET, Plans expérimentaux Quelles comparaisons ? Entre les groupes dindividus (échantillons indépendants) comparaison entre les groupes (between) Comparabilité des échantillons Limite leffet « cobaye » Entre les réponses dun même groupe (échantillons appariés) évaluation successive (within) Élimine la variance individuelle Biais de leffet dordre (rotation des stimuli) à contrôler Moins gourmand en effectif Expérimentation Double affectation aléatoire des individus aux cellules ; des traitements aux cellules Observation – Mesure Traitement Grandes classes Quasi-expérimental : « après seulement » Pas de contrôle de laffectation aléatoire A O X Après seulement Groupe 1XO1

5 Sommaire © Pierre DESMET, Plans classiques Après avec groupe de contrôle Comparaison de 2 échantillons indépendants Avant-après Avant-après avec groupe de contrôle Plan Solomon Avant - Après – Groupe de contrôle Groupe 1AO1XO2 Groupe 2AO3O4 Solomon 4 groupes Groupe 1AO1XO2 Groupe 2AO3O4 Groupe 3AXO5 Groupe 4AO6 Après seulement – Groupe de contrôle Groupe 1AXO1 Groupe 2AO2 Avant - Après – Groupe de contrôle Groupe 1AO1XO2

6 Sommaire © Pierre DESMET, Mesure spécifique des effets par soustraction Source : Lambin JJ La recherche Marketing, McGraw Hill XO1? XO2O2-O1EHIM(T)(S) XO1 O2O2-O1E(T)(S) O1XO2O2-O1EHIM(T)(S) O3O4O4-O3HM(T)(S) (O2-O1)-(O4-O3)EI O1XO2D1=O2-O1EHIM(T)(S) O3O4D2=O4-O3HM(T)(S) XO5D3=O5-(O2+O4)/2EH(T)(S) O6D4=O6-(O2+O4)/2H(S) O6D5=O6-O5E(T)(S) D4-D3=E D3-D5=H D1-D3-(D2-D4)= I D2-D4=M D4+D5-D3=(T)(S)

7 Sommaire © Pierre DESMET, Plusieurs variables manipulées Un plan est complet sil comporte toutes les combinaisons possibles des modalités équilibré sil comporte les mêmes effectifs par traitement Plans Complet : toutes les possibilités Le nombre de cellules (c) est le produit du nombre des modalités 2*2 =4, 3*3*3 = 27 … Permet de tester les effets dinteraction Grand nombre dindividus : c. n Avec (n. GE. 30 ) On cherche à réduire le nombre des unités statistiques par des plans statistiques Au PRIX de labandon de la possibilité détudier les interactions Plan Fractionné : combinaisons choisies des modalités Toutes les modalités ne sont pas croisées entre elles Combinaison particulière des modalités de plusieurs variables sur différents groupes Moins de cellules donc moins gourmand en effectifs Plan factoriel 2 variables (X, Y) Xy Groupe 111 Groupe 212 Groupe 321 Groupe 422

8 Sommaire © Pierre DESMET, Plans statistiques Plan fractionné : Carré latin (Tag L4) 3 variables (X, Y, Z), Le même nombre de modalités (3) Il y a 9 groupes au lien de 27 Chaque case est un groupe Exemple : le groupe 3 reçoit [3, 1, 2] Autres tailles Gréco-latin : 4 variables Hyper-gréco-latin : 5 variables Plan factoriel complet en blocs aléatoires Groupage des individus selon une variable à contrôler Carré latin 3 variables X1X2X3 Y1Z1Z3Z2 Y2Z3Z2Z1 Y3Z2Z1Z3 3 Carré latin B1B2B3B4 A1C1C2C3C4 A2C2C3C4C1 A3C3C4C1C2 A4C4C3C2C1 Gréco latin B1B2B3B4B5 A1C1C3C5C4C2 A2C5C2C1C3C4 A3C3C4C2C1C5 A4C4C5C3C2C1 A5C2C1C4C5C3

9 Sommaire © Pierre DESMET, Grand nombre de facteurs : Plackett et Burman 7 11 Source :

10 Sommaire © Pierre DESMET, Plan orthogonal quelconque : méthode Taguchi Développé dans le cadre du contrôle qualité au niveau industriel. Objectif : atteindre un niveau de performance « cible » au moindre cout. Utilisation : Première étape didentification des variables explicatives les plus influentes sur la performance Test de paires de combinaisons pour réduire le nombre total de combinaisons Adapté pour Un nombre modéré de variables (3 a 50) Avec peu deffets dinteraction Quelques variables ayant un fort effet sur la variable de performance Sélection des facteurs (variables ou parameter) et des niveaux (states) a tester Général : Méthode TAGUCHI Les tableaux sont disponibles sur Internet https://controls.engin.umich.edu/wiki/index.php/Design_of_experiments_via_taguchi_met hods:_orthogonal_arrays#Determining_Parameter_Design_Orthogonal_Array


Télécharger ppt "Master MARKETING / Pierre Desmet 1 Expérimentation - Etablir lexistence dune relation de CAUSALITE entre deux variables - En contrôlant leffet des autres."

Présentations similaires


Annonces Google