View
117
Download
2
Category
Preview:
Citation preview
Master MARKETING / Pierre Desmet 1
Cas R&W
Pierre DESMETSource : John Castelloe & Randy Tobias SAS Institute Inc. Cary, NC www2.sas.com/proceedings/sugi31/208-31.pdf
Master Marketingde Paris-Dauphine 2 SommaireSommaire
© P
ier r
e D
ESM
ET
Apéritif
Problématique marketing : L’offre « carafe de vin gratuite » doit-elle être généralisée ? Scénarii : Oui – Non Critères évaluation : CA restaurant / Ticket / Temps passé /
?
Hypothèses validées Temps + -> ticket + Temps + ne diminue pas le nombre de tickets …
Hypothèse à valider Est- ce que temps (avec) > temps (sans)
Master Marketingde Paris-Dauphine 3 SommaireSommaire
© P
ier r
e D
ESM
ET
Code
***************************************************************;* Wine 1 *;* analyse d'un traitement *;***************************************************************;* Pierre Desmet 21/11/2010 ;goptions devmap=winansi keymap=winansi ; /* prise en compte des caractères accentués */
Title1 H=2 j=L "Master Marketing" J=R "Universite Paris-Dauphine";Title2 H=1 j=L "Tests et Experimentation" ;Title3 H=2 j=c "Cas R&W (1)" ;Footnote1 h=1 j=L "(c)2010, Pierre DESMET" ;Data in ;
input temps_restau @@;Label temps_restau="Temps passé dans le restaurant" ;
cards ;93 74 98 87 106 115 76 89 103 91 121143 81 119 97 31 107 80 112 109 67 9571 107 72 116 105 66 99 104 91 132 14179 113 69 78 107 101 92 120 87;run ;proc print data=in (obs=10);run ;proc tabulate data=in ;
var temps_restau ;table N temps_restau*(mean std);
run ;
Master Marketingde Paris-Dauphine 4 SommaireSommaire
© P
ier r
e D
ESM
ET
Normalité
proc univariate data=in normal;var temps_restau ; run ;
proc ttest data=in ;var temps_restau ; run ;
Master Marketingde Paris-Dauphine 5 SommaireSommaire
© P
ier r
e D
ESM
ET
Résultat du test
Base = 88
Hors de l’IC à 5%
Master Marketingde Paris-Dauphine 6 SommaireSommaire
© P
ier r
e D
ESM
ET
Test égalité à 88
H0 : la moyenne est de 88
Rejet de Ho
***************************************************************;* test égalité à 88 ;***************************************************************;Title3 "Test égalité à 88 ";proc ttest data=in h0=88 ;
var temps_restau ;run ;
Master Marketingde Paris-Dauphine 7 SommaireSommaire
© P
ier r
e D
ESM
ET
Test unilatéral
***************************************************************;* test unilatéral ;***************************************************************;Title3 "Test en unilatéral ";proc ttest data=in h0=88 alpha=0.10;
var temps_restau ; run ;proc ttest data=in h0=88 sides= U ;
var temps_restau ; run ;
Avec 10% Avec Sides = U
Master Marketingde Paris-Dauphine 8 SommaireSommaire
© P
ier r
e D
ESM
ET
Lecture code
goptions devmap=winansi keymap=winansi ; /* caractères accentués */
Title1 H=2 j=L "Master Marketing" J=R "Universite Paris-Dauphine";Title2 H=1 j=L "Tests et Experimentation" ;Title3 H=2 j=c "Cas R&W (5 lecture)" ;Footnote1 h=1 j=L "(c)2010, Pierre DESMET" ;Data in ; input trait_1 trait_2 nb ; do i=1 to nb ;
input temps_1 temps_2 @@;output ;
end ;Label temps1="Temps passé dans le restaurant" ;cards ;1 0 30 96 110 109 105 104 98…0 1 30 80 99 44 116 81 104…;run ;proc print data=in ; run ;proc format ; value traitfmt 0="Controle" 1="Carafe" ; run;
Master Marketingde Paris-Dauphine 9 SommaireSommaire
© P
ier r
e D
ESM
ET
Rouge ou Blanc ?Test de différence
Etude descriptive des résultats
Normalité ?Rouge Blanc
Master Marketingde Paris-Dauphine 10 SommaireSommaire
© P
ier r
e D
ESM
ET
Suite : égalité des variances
Egalité des variances
Master Marketingde Paris-Dauphine 11 SommaireSommaire
© P
ier r
e D
ESM
ET
Fin : Egalité des Moyennes
Hypothèses (au risque x%) H0 : les deux moyennes sont égales (Moy1 =Moy2) H1 : les deux moyennes sont significativement « différentes »
Les variances sont égales
Lire « POOLED »
L’intervalle de confiance Comprend 0
On accepte H0 Pas de différence
Master Marketingde Paris-Dauphine 12 SommaireSommaire
© P
ier r
e D
ESM
ET
Test d’équivalence
Pour un test de différence entre deux moyennes, le résultat dépend de la taille de l’échantillon Trop faible, une différence réelle peut ne pas être observée Trop grand, une différence peut être constatée sans qu’elle ait une importance
réelle
Un test d’équivalence conduit à conclure que la différence des moyennes (d) est inférieure à (non significative) si on rejette simultanément 2 tests unilatéraux
Ha : H0a d ; H1a d Hb : H0b d ; H1b d
Dans la Proc TTEST, test TOST Two One-Sided Test (Schuirmann, 1987) Fixer un intervalle en valeur absolue La probabilité retenue est la plus grande des probabilités des deux tests
http://support.sas.com/documentation/cdl/en/statug/63347/HTML/default/viewer.htm#statug_ttest_sect002.htm
http://support.sas.com/documentation/cdl/en/statug/63347/HTML/default/viewer.htm#statug_power_sect013.htm
http://www.pharmasug.org/cd/papers/SP/SP05.pdf
En français : http://www.persee.fr/web/revues/home/prescript/article/psy_0003-5033_2000_num_100_4_28670
title3 "Test TOST de l'équivalence" ;proc ttest data=in tost (-20, 20) ;
class trait;var temps_restau ; run ;
Master Marketingde Paris-Dauphine 13 SommaireSommaire
© P
ier r
e D
ESM
ET
TOST intervalle 20
Les deux tests sont significatifs
L ‘IC se trouve à l’intérieur de la zone critique choisie Pas de différence entre les
vins
La plus grande
Master Marketingde Paris-Dauphine 14 SommaireSommaire
© P
ier r
e D
ESM
ET
TOST Intervalle 10
Ce n’est plus le cas pour une équivalence à +/-10 près
On accepte H0
Les deux traitements ne sont pas équivalents
Master Marketingde Paris-Dauphine 15 SommaireSommaire
© P
ier r
e D
ESM
ET
GLM (2 et +) versus TTEST (2 groupes)
F
t
Master Marketingde Paris-Dauphine 16 SommaireSommaire
© P
ier r
e D
ESM
ET
Design expérimental croisé
Design croisé (Cross-over design) Inverser les traitements pour éviter l’effet d’ordre (AB / BA)
Si pas de différence, regrouper les résultats (pooled)
Master Marketingde Paris-Dauphine 17 SommaireSommaire
© P
ier r
e D
ESM
ET
Graphiques
Title3 H=2 j=c "Cas R&W (cross over)" ;ods graphics on ;proc ttest data=in ;
var temps_1 temps_2 / crossover= (trait_1 trait_2) ;run ;ods graphics off ;
Master Marketingde Paris-Dauphine 18 SommaireSommaire
© P
ier r
e D
ESM
ET
Normalités
Master Marketingde Paris-Dauphine 19 SommaireSommaire
© P
ier r
e D
ESM
ET
Egalité des variances / des moyennes
Effet significatif Du traitement
Pas d’effet « Période » Pool de A/B et B/A
Variances égales
Master Marketingde Paris-Dauphine 20 SommaireSommaire
© P
ier r
e D
ESM
ET
data in_double ; set in ; trait=trait_1 ; temps=temps_1 ; time=1 ; output ; trait=trait_2 ; temps=temps_2 ; time=2 ; output ;run;proc glm data=in_double ; class time trait ; model temps = time trait time*trait / SS3 ; contrast "Effet de la carafe sur le temps passé" trait -1 +1 ;run ;
GLM
Créer 2 lignes pour chaque observation
Utiliser la nouvelle variable comme variable explicative
Faire un test de contraste
Recommended