MENU 1 Hypothèses du modèle linéaire YO = YT + e 2 blocs d’hypothèses -Sur les relations entre les variables -Sur le comportement de la variable aléatoire.

Slides:



Advertisements
Présentations similaires
3. Modèles agrégés 2.
Advertisements

Corrélation Position du problème Définition covariance (X,Y) r =
Chap4- Le mix marketing II- La politique de prix
GESTION DE PORTEFEUILLE chapitre n° 7
La régression logistique: fondements et conditions d’application
C1 Bio-statistiques F. KOHLER
Inférence statistique
Régression ou corrélation
Corrélations et ajustements linéaires.
Régression -corrélation
La prévision de la demande
Prévisions des ventes :
Un neurone élémentaire
Prévision de la Demande
Chapitre 2 Les indices.

La Régression Multiple
Cours Corporate finance Eléments de théorie du portefeuille Le Medaf
Régression linéaire simple
Groupe 1: Classes de même intervalle
Corrélation et régression linéaire simple
L’Analyse de Variance 1 Généralités Le modèle Calculs pratiques
Méthodes de prévision (STT-3220)
ELEMENTS DE COURS 1. LERIDON H., TOULEMON L. (1997) – Démographie. Approche Statistiques et dynamique des populations. Paris, Economica. 2. FALISSARD.
Toutes les variables étaient mesurées au niveau intervalle et sans erreur Toutes les variables étaient mesurées au niveau intervalle et sans erreur ->
La corrélation et la régression multiple
La corrélation et la régression
Le comportement des coûts Chapitre 3
Régression linéaire (STT-2400)
La régression multiple
Les séries chronologiques
Régression linéaire (STT-2400)
Régression linéaire multiple : hypothèses & interprétation. Partie 2.
Régression linéaire multiple : hypothèses & interprétation
Régression linéaire multiple : hypothèses & tests. Partie 3.
Méthodes de Biostatistique
2. Modèles linéaires.
La régression simple Michel Tenenhaus
LA REGRESSION LINEAIRE
Présentation du marché obligataire
STATISTIQUES DESCRIPTIVES
Séance 8 30 novembre 2005 N. Yamaguchi
Chapitre 12 Régression linéaire simple et corrélation linéaire
TNS et Analyse Spectrale
Couche limite atmosphérique
Charges opérationnelles et charges de structure
Outils d’analyse: la méthode des moindres carrées
La prévision des ventes
STATISTIQUE INFERENTIELLE LES TESTS STATISTIQUES
Méthode des moindres carrés (1)
Séries chronologiques univariées (STT-6615)
ETUDE DE 2 VARIABLES QUANTITATIVES
Modèle linéaire Relation entre une variable expliquée Y (par exemple le salaire), et p variables explicatives X j, j = 1, …, p (par exemple, p = 5, X 1.
Régression linéaire (STT-2400)
Séries chronologiques univariées (STT-6615)
Le modèle de régression linéaire Claude Marois © 2010.
Méthodes de prévision (STT-3220)
Modèles d’attraction spatiale
MENU 1 Modèles de choix.
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement.
Corrélation et régression linéaire Mars Modèles de régression  Réponses aux questions du type: ‘Quelle est la nature de la relation entre les variables?’
Transcription de la présentation:

MENU 1 Hypothèses du modèle linéaire YO = YT + e 2 blocs d’hypothèses -Sur les relations entre les variables -Sur le comportement de la variable aléatoire

MENU Modèles d’aide à la décision en MKG © Desmet Pierre Hypothèses statistiques  La variable aléatoire est un « bruit blanc »  Hypothèse i.i.d. Normal (distribution identique et indépendante)  Elle suit une distribution normale de moyenne nulle  Diagnostic  Test de normalité, Graphique PP ou QQ  Traitement  Transformation des variables (Log, Sqrt, Inv,…)  Introduction d’autres variables explicatives  De variance stable (Homoskédasticité / Hétéro)  N’est pas reliée aux valeurs des variables  Diagnostic  Graphique dispersion des résidus  Traitement  Transformation 2

MENU Modèles d’aide à la décision en MKG © Desmet Pierre Hypothèses statistiques  Sans autocorrélation  Les valeurs de deux périodes ne sont pas corrélées  Souvent problème de spécification du modèle  Diagnostic  Test D-W (Durbin Watson, référence = 2) 3

MENU Modèles d’aide à la décision en MKG © Desmet Pierre Hypothèses statistiques  Les variables indépendantes sont connues sans erreur  Les variables indépendantes ne sont pas corrélées (colinéarité)  Directement X1=f(X2) ou indirectement par une combinaison linéaire X1=f(X2, X3,…) (Multi-colinéarité)  Diagnostic  Tolérance : X1 = f(X2, …Xn) Tol = 1-R². <0.1 à étudier; <0.01 variable intutile  VIF (facteur d’inflation de la variance) = 1 / Tol  Faire une ACP, chaque variable quantitative devrait avoir son facteur  Traitement  Enlever une variable  Intégrer les variables corrélées dans une variable (ACP,…) 4

MENU 5 Prendre en main la base de données

MENU Modèles d’aide à la décision en MKG © Desmet Pierre Décrire les données  Faire un constat  Sur les moyennes  Sur les dispersions  Sur les relations entre les moyennes des variables (ratios,…)  Etudier la dynamique  Evolution des valeurs observées  Taux de croissance  Traitement  Tableaux de synthèse  Graphiques 6

MENU Modèles d’aide à la décision en MKG © Desmet Pierre Choisir la période à étudier  Quelle longueur de période ?  Trop longue ?  Les facteurs externes modifient les effets des variables (paramètres)  Trop courte ?  Les coefficients sont mal estimés, instables,…  Quel périodicité ?  Trop grande ?  Peu de points, coefficients instables  Agrégation de différents effets  Trop petite ?  Fortes variations non expliquées si toutes les variables n’ont pas la même périodicité  Intégrer la saisonnalité  Mensuelle et hebdomadaire  Désaisonnaliser ou intégrer une variable d’activité ou des variables auxiliaires (dummy / dummies) 7

MENU Modèles d’aide à la décision en MKG © Desmet Pierre Choisir le niveau d’agrégation des données  Problème de l’hétérogénéité  Les comportements en super/hypermarchés sont-ils identiques ?  Faut-il séparer les modèles (éventuellement après une segmentation)  Faire une estimation globale  Attention !  C’est la première source d’erreur d’interprétation….  Le prix moyen baisse… simplement parce que les hypermarchés qui vendent moins cher ont vendu plus pendant cette période… 8

MENU 9 Identifier et traiter les valeurs aberrantes

MENU Modèles d’aide à la décision en MKG © Desmet Pierre Valeurs « aberrantes »  Les valeurs très éloignées de la moyenne ont un poids plus que proportionnellement important dans l’estimation des paramètres  « régression des moindres carrés » = (Yi – moyenne)²  C’est l’effet de « levier » d’une observation  Il est important d’identifier, de comprendre ces points et de neutraliser leur effet  Identifier : écart standardisé > 3 = très faible probabilité d’observation (normalité)  Comprendre : rechercher les raisons  Traitement  Élimination (mais garder la trace de cette élimination) 10

MENU Modèles d’aide à la décision en MKG © Desmet Pierre Identifier des points de rupture  Des évènements peuvent entraîner des conséquences importantes sur les comportements  Lancement d’un nouveau produit (direct ou indirect)  Arrivée d’un concurrent  Évènement économique ou crise  Modifier de manière durable les relations entre les variables  Faire des modèles différents  Intégrer ce changement dans de nouveaux coefficients 11

MENU 12 Choisir les variables explicatives (indépendantes)

MENU Modèles d’aide à la décision en MKG © Desmet Pierre Démarche  Théorique  Relation existante entre les variables dépendante et indépendante  Qui ne provienne pas d’une relation exacte  Qui ne soit pas déterminée par la variable dépendante  Des variables contrôlées (var d’action)  Des variables déterminantes externes (importantes et différences)  Environnement  Concurrence  Pratique  Matrice de corrélation (Pearson)… Linéaire !  Graphiques  Y = X  Y(t) et x(t) 13

MENU 14 Intégration de l’interaction entre les variables explicatives

MENU Modèles d’aide à la décision en MKG © Desmet Pierre Modèle additif et multiplicatif  Modèle additif Y = a + b.X  Les effets des variables sont fixes  La sensibilité est constante (  Y /  x = cste)  L’élasticité est variable  Modèle multiplicatif Y = a.X b  Les effets des variables dépendent des valeurs des autres variables  L’élasticité est constante  Linéarisation par une transformation logarithmique 15

MENU 16 Intégration de la concurrence

MENU Modèles d’aide à la décision en MKG © Desmet Pierre 17 Intégration de la concurrence  Le marché est influencé par les décisions des autres acteurs  QUI ? Comment définir la concurrence ?  Toutes les marques  Les principales marques  Les marques les plus « proches »  Quid si enseignes différentes (mdd, assortiment,…)  QUOI ? La demande pour une marque (i) est influencée par les décisions des autres marques  … Qui dépendent aussi des choix de la marque (i)…  Des comportements décisionnels  hypothèses économiques sur l’oligopole: Cournot : chaque firme s’adapte à la décision (q) de l’autre Stackelberg : le leader décide (q), le challenger s’ajuste Bertrand : les deux firmes décident simultanément des prix

MENU Modèles d’aide à la décision en MKG © Desmet Pierre 18 Quels effets croisés ?  Proximité : Plus les produits ont des marketing mix proches  Plus ils sont en concurrence (élasticités croisées fortes)  Validé pour les prix  Asymétrie : une marque de moins bonne qualité (moins chère) souffre plus lors de la baisse d’une marque de meilleure qualité (plus chère)  Des validations empiriques mais sujettes à caution  Notamment corriger le fait que les marques de qualité (Mnationales) sont plus chères que les MDD

MENU Modèles d’aide à la décision en MKG © Desmet Pierre 19 Modèles en Parts de marché  On ne modélise que la PdM du produit considéré  Décomposition en deux étapes (additif ou multiplicatif)  q i = m i. Q  m i = a + b. p i * ou m i = a. p i * b  Transformation des variables explicatives en variables relatives  Exprimer les variables en relatif : p i * = p i / p r  Quel point de référence (r) ?  Moyenne marché ? (linéaire, géométrique), Concurrent proche ?…  Caractéristique  Simple et facile à comprendre  Robustesse ?  Rien n’assure que (m i ) sera compris dans [0,1] et que la somme = 1  Quid si la part de marché est très importante ?  Les ventes du produit influencent alors beaucoup le « marché »