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

Présentations similaires


Présentation au sujet: "Master MARKETING / Pierre Desmet"— Transcription de la présentation:

1 Master MARKETING / Pierre Desmet
Expérimentation Etablir l’existence d’une relation de CAUSALITE entre deux variables En contrôlant l’effet des autres variables importantes Master MARKETING / Pierre Desmet

2 EXPERIMENTATION On cherche à mettre en évidence une relation de cause à effet entre une variable d’action 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 l’affectation aléatoire des individus (randomisation), sinon quasi-expérimentation Vérifier Le succès d’une 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 De nombreux effets indésirables
Les sources des effets indésirables Traitement (E) Effet de la manipulation Histoire (H) évolution de l’environnement, de l’information disponible Contamination (I) Modification des réponses en fonction de la connaissance de l’objet de l’expérimentation ou des caractéristiques de l’expérience (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 l’échantillon : Auto-sélection; échantillonnage; non réponse Instrumentation Changement dans l’instrument de mesure (enquêteur, mode d’interrogation…) Effet expérimentateur (Rosenthal) : influence des croyances de l’expérimentateur (concernant l’étude) sur les réponses des participants Régression statistique Présence de valeurs extrêmes; sélection successive en fonction de réponses précédentes Mortalité Réduction de l’échantillon par le refus de participation : collecte contraignante Validités - Interne : contrôle des variables parasites - Externe : capacité d’appliquer les résultats sur une autre population (effet de l’échantillon, du temps, du contexte,…)

4 Plans expérimentaux Quelles comparaisons ?
Entre les groupes d’individus (échantillons indépendants) comparaison entre les groupes (between) Comparabilité des échantillons Limite l’effet « cobaye » Entre les réponses d’un même groupe (échantillons appariés) évaluation successive (within) Élimine la variance individuelle Biais de l’effet d’ordre (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 l’affectation aléatoire A O X Après seulement Groupe 1 X O1

5 Plans classiques Après avec groupe de contrôle
Comparaison de 2 échantillons indépendants Avant-après Avant-après avec groupe de contrôle Plan Solomon Après seulement – Groupe de contrôle Groupe 1 A X O1 Groupe 2 O2 Avant - Après – Groupe de contrôle Groupe 1 A O1 X O2 Avant - Après – Groupe de contrôle Groupe 1 A O1 X O2 Groupe 2 O3 O4 Solomon 4 groupes Groupe 1 A O1 X O2 Groupe 2 O3 O4 Groupe 3 O5 Groupe 4 O6

6 Mesure spécifique des effets par soustraction
X O1 ? O2 O2-O1 E H I M (T) (S) O3 O4 O4-O3 (O2-O1)-(O4-O3) D1= D2= O5 D3= O5-(O2+O4)/2 O6 D4= O6-(O2+O4)/2 D5= O6-O5 D4-D3 = D3-D5 D1-D3-(D2-D4) D2-D4 D4+D5-D3 Source : Lambin JJ La recherche Marketing, McGraw Hill

7 Plusieurs variables manipulées
Un plan est complet s’il comporte toutes les combinaisons possibles des modalités équilibré s’il 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 d’interaction Grand nombre d’individus : c. n Avec (n . GE. 30 ) On cherche à réduire le nombre des unités statistiques par des plans statistiques Au PRIX de l’abandon de la possibilité d’étudier 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) X y Groupe 1 1 Groupe 2 2 Groupe 3 Groupe 4

8 Plans statistiques Plan fractionné : Carré latin (Tag L4)
3 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 X1 X2 X3 Y1 Z1 Z3 Z2 Y2 Y3 Carré latin B1 B2 B3 B4 A1 C1 C2 C3 C4 A2 A3 A4 Gréco latin B1 B2 B3 B4 B5 A1 C1 C3 C5 C4 C2 A2 A3 A4 A5

9 Grand nombre de facteurs : Plackett et Burman
7 11 Source :

10 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 d’identification 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 d’effets d’interaction 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_methods:_orthogonal_arrays#Determining_Parameter_Design_Orthogonal_Array


Télécharger ppt "Master MARKETING / Pierre Desmet"

Présentations similaires


Annonces Google