Upload
sebastienne-daniel
View
106
Download
0
Embed Size (px)
Citation preview
STATISTIQUES51-601-96
COURS 4
La régression
Nous avons vu divers tests statistiques afin de vérifier le degré d ’interdépendance entre 2
variables
• Test de t (catégorique- continue)
• Test du Chi-carré (catégorique-catégorique)
• Corrélation (continue-continue)
Dans certains cas le gestionnaire aura besoin de plus d ’information. Afin de se bâtir un tableau de contrôle, il voudra aussi mesurer l ’impact qu ’aura une (ou plusieurs) variable(s) sur une autre. À titre d ’exemple un gestionnaire voudra savoir quel est l ’impact de son investissement publicitaire sur ses ventes. De sa politique de bonus sur la performance de ses employés. C ’est alors qu ’on aura recours à la régression.
Un modèle de régression comporte toujours deux types de variables
• La variable dépendante (Y) qui est généralement constituée par le phénomène que l ’on veut expliquer (ventes, satisfaction, absentéisme etc)
• La ou les variable(s) indépendantes (X; ou X1, X2, X3 etc.) qui, selon le gestionnaire , pourrait(ent) être en mesure d ’expliquer la variation de Y.
• Lorsqu ’un modèle de régression ne
comporte qu ’une variable indépendante on dit que c ’est une régression simple qui s ’exprime comme suit
• Y= +x+• Lorsqu ’un modèle comporte plusieurs
variables indépendantes on aura
• Y= +1x1+ 2x2 3x3+ 4x4+
La fonctionY= +x+sera celle qui passera dans un
nuage de points liant les Y au X tout en minimisant la différence entre les Y réels et les Y estimés
par la droite de régression
TOTALBUD
800070006000500040003000200010000
SHARE
18
16
14
12
10
8
6
4
Lien entre la part de marché d ’une marque de bière et le budget total de communication (en milliers$)
Analyse de la corrélation entre la dépense en communication et la part de marché
10.5048 2.9305 27
4334.89 1914.833 27
PARTS
DÉPENSES
MOYENNE ÉCART N
Descriptive Statistics
1.000 .826
.826 1.000
. .000
.000 .
27 27
27 27
PARTS
DÉPENSES
PARTS
DÉPENSES
PARTS
DÉPENSES
PearsonCorrelation
Sig.(1-tailed)
N
SHARE TOTALBUD
Correlations
Impact du budget de communication sur les parts de marché
5.028 .816 6.161 .000
1.3E-03 .000 7.314 .000
(Constant)
TOTALBUD
Model1
B Std. Error
UnstandardizedCoefficients
t Sig.
Coefficientsa
Dependent Variable: SHAREa.
DÉPENSc,d .826 .681Model1
Entered
Variables
R R Square
Model Summarya,b
Dependent Variable: SHAREa.
Method: Enterb.
Independent Variables: (Constant),TOTALBUD
c.
All requested variables entered.d.
Le modèle peut alors s ’exprimer comme suit:
Part de marché (%)=
5.028+ .0013(X* milliers$ en communication)
Autrement dit
• Le modèle prédit une part de marché constante de 5%
• Un accroissement de 1% de P .M. pour chaque 1,000,000$ investit
Impact des trois composantes de la communication sur les parts de marché
10.5048 2.9305 27
2178.35 975.7836 27
1001.39 386.6282 27
1155.15 691.2625 27
SHARE
MEDIA$
PRODUC$
PROMO$
MeanStd.
Deviation N
Descriptive Statistics
1.000 .861** .775**
.861** 1.000 .734**
.775** .734** 1.000
. .000 .000
.000 . .000
.000 .000 .
27 27 27
27 27 27
27 27 27
MEDIA$
PRODUC$
PROMO$
MEDIA$
PRODUC$
PROMO$
MEDIA$
PRODUC$
PROMO$
PearsonCorrelation
Sig.(2-tailed)
N
MEDIA$ PRODUC$ PROMO$
Correlations
Correlation is significant at the 0.01 level (2-tailed).**.
Résultats de l ’analyse de régression
PROMO$,PRODUC$,MEDIA$
c,d
.859 .738
Model1
Entered
Variables
R R Square
Model Summarya,b
Dependent Variable: SHAREa.
Method: Enterb.
Independent Variables: (Constant),PROMO$, PRODUC$, MEDIA$
c.
All requested variables entered.d.
5.039 .874 5.763 .000
-1.6E-04 .001 -.233 .818
3.0E-03 .002 1.850 .077
2.4E-03 .001 3.318 .003
(Constant)
MEDIA$
PRODUC$
PROMO$
Model1
B Std. Error
UnstandardizedCoefficients
t Sig.
Coefficientsa
Dependent Variable: SHAREa.
De une à trois variables
• Le pouvoir explicatif et managerial de trois variables est souvent plus grands que celui d ’une seule
• Mais ce n ’est le cas que si les variables indépendantes ne sont pas corrélées entre elles (D ’où leur nom)
• Autrement le R va augmenter sans que les ne soient significatifs (C ’est le problème dit de la multicollinéarité)
Extension et implications de l ’analyse.Impact de la promotion sur le % de ceux qui
essaient une marque
PROMO$
3000200010000
CONTA
CT
40
30
20
10
25.641 6.242 27
1155.15 691.2625 27
CONTACT
PROMO$
MeanStd.
Deviation N
Descriptive Statistics
1.000 .662
.662 1.000
. .000
.000 .
27 27
27 27
CONTACT
PROMO$
CONTACT
PROMO$
CONTACT
PROMO$
PearsonCorrelation
Sig.(1-tailed)
N
CONTACT PROMO$
Correlations
PROMO$c,d . .662 .439 4.770Model1
Entered Removed
Variables
R R Square
Std. Errorof the
Estimate
Model Summarya,b
Dependent Variable: CONTACTa.
Method: Enterb.
Independent Variables: (Constant), PROMO$c.
All requested variables entered.d.
18.733 1.813 10.334 .000
6.0E-03 .001 4.419 .000
(Constant)
PROMO$
Model1
B Std. Error
UnstandardizedCoefficients
t Sig.
Coefficientsa
Dependent Variable: CONTACTa.
Lien entre le taux de contact et les parts de marché
CONTACT
50403020100
SH
AR
E
30
20
10
0
10.3372 4.5333 74
24.778 7.850 74
SHARE
CONTACT
MeanStd.
Deviation N
Descriptive Statistics
1.000 .839
.839 1.000
. .000
.000 .
74 74
74 74
SHARE
CONTACT
SHARE
CONTACT
SHARE
CONTACT
PearsonCorrelation
Sig.(1-tailed)
N
SHARE CONTACT
Correlations
CONTACT
c,d . .839 .705 2.4808
Model1
Entered Removed
Variables
R R Square
Std. Errorof the
Estimate
Model Summarya,b
Dependent Variable: SHAREa.
Method: Enterb.
Independent Variables: (Constant), CONTACTc.
All requested variables entered.d.
-1.675 .961 -1.743 .086
.485 .037 13.106 .000
(Constant)
CONTACT
Model1
B Std. Error
UnstandardizedCoefficients
t Sig.
Coefficientsa
Dependent Variable: SHAREa.
Les déterminants d ’un salaire
$34,420 $17075.7 474
13.49 2.88 474
81.11 10.06 474
95.86 104.59 474
Currentsalary
Educationallevel (years)
Monthssince hire
Previousexperience(months)
moyenneStd.
Deviation N
Descriptive Statistics
1.000 .661 .084 .097
.661 1.000 .047 -.252
.084 .047 1.000 .003
.097 -.252 .003 1.000
. .000 .034 .017
.000 . .152 .000
.034 .152 . .474
.017 .000 .474 .
474 474 474 474
474 474 474 474
474 474 474 474
474 474 474 474
Currentsalary
Educationallevel (years)
Monthssince hire
Previousexperience(months)
Currentsalary
Educationallevel (years)
Monthssince hire
Previousexperience(months)
Currentsalary
Educationallevel (years)
Monthssince hire
Previousexperience(months)
PearsonCorrelation
Sig.(1-tailed)
N
Currentsalary
Educationallevel (years)
Monthssincehire
Previousexperience(months)
Correlations
Previousexperience(months), Monthssincehire,Educational level(years)
c,d
.666 .444
Model1
Entered
Variables
R R Square
Model Summarya,b
Dependent Variable: Current salarya.
Method: Enterb.
Independent Variables: (Constant),Previous experience (months),Months since hire, Educational level(years)
c.
All requested variables entered.d.
-27886.3 5529.479 -5.043 .000
4004.576 210.628 19.013 .000
87.951 58.441 1.505 .133
11.936 5.803 2.057 .040
(Constant)
Educationallevel (years)
Monthssince hire
Previousexperience(months)
Model1
B Std. Error
UnstandardizedCoefficients
t Sig.
Coefficientsa
Dependent Variable: Current salarya.