Empower – ADD S5

Cours assuré par Ayoub Narhach le 18/12/19

x 5 étapes d’une étude de marché :

1/ Recherche documentaire
2/ Entretien avec les professionnels (pour compléter la RD, pour
contextualiser)
[1 + 2 >> dégager les variables]
3/ Elaboration du questionnaire
4/ Collecte des données
5/ Analyse des données
6/ Résultat final : prise de décision

x Questionnaire, 3 éléments importants : fiabilité, validité, précision

- Fiabilité : une question est fiable quand on la pose deux fois et qu’on
reçoit la même réponse
- Validité : internet et externe.
o Interne : si la question posée cible ce que je cherche à savoir
o Externe : si la réponse reçue n’est pas ce que je cherche à savoir
- Précision : jamais à 100%, il faut minimiser l’erreur le max possible

x Equation centrale de l’ADD S5 : y = β1x + β0

- La variable indépendante est toujours explicative
- Y c’est la variable dépendante
- Pour calculer β1 et β0 : manuel ou par logiciel (SPSS) >> ANOVA
x Trois concepts à maîtriser : Seuil de signification, marge d’erreur, seuil de
confiance
x Seuil de signification (Sig) : la probabilité de se tromper. Il est déterminé
selon le domaine d’étude

x Seuil de confiance = 1 – α (Seuil de signification)

x Marge d’erreur (E) : démontre la représentativité de l’échantillon par
rapport à la population
x Plus grand l’échantillon, moins est la marge d’erreur
x La question qui se pose : en se basant sur ces données, le modèle à accepter
ou à rejeter ?

- Sig > α ANOVA ------ accepter

- Sig < α ANOVA ------ rejeter

x Sig = référence décideur // α ANOVA = donnée à analyser pour décision

x Si Sig > 50%, on rejète automatiquement

x Pour déterminer les paramètres β1 et β0, deux méthodes :

- Estimation ponctuelle
- Estimation par intervalle de confiance : b1 – E =< β1 =< b1 + E
x Règle de décision : les signes des deux bornes doivent être les mêmes (car
sinon, il y a la probabilité que β1=0 donc aucune relation entre les deux
variables)
x Si on diminue Sig et E, l’intervalle de confiance diminue

x Coefficient de corrélation (r) :

x Coefficient de détermination = r²
- Donne la variation de y expliquée par x
- r² % de Y est expliquée par X
x Régression Linéaire Simple : une seule variable expliquée (dépendante) par
une seule variable (indépendante, explicative)
x Régression Linéaire Multiple : une seule variable (dépendante) expliquée par
plusieurs variables (indépendantes, explicatives)
- Sig pour chaque variable explicative
- Test de colinéarité : pour vérifier si une variable explique mieux
lorsqu’on écarte une ou d’autres variables

AFE : Analyse Factorielle Exploratoire

x L’AFE sert à rassembler des variables similaires en blocs
x Comment rassembler les variables qui se ressemblent ? A travers des indices :
- 0.3 < KMO < 0.7
- Communalité > 0.5
- Coefficient structurel > 0.7
- Valeur propre > 1
- Variance > 60%
x Item = variable & Composante = bloc de variables
x KMO : homogénéité
x Communalité : part de la variance de l’item capturée par la composante
x Coefficient structurel : force de relation entre l’item et le bloc
x Valeur propre : dégager la tendance
x Analyse/validité :
- convergeante : variable allant vers un seul bloc
- discriminante : variable corrélée avec deux blocs – à éliminer