Responsable du cours : Mr
P. DESMET
| Langue : Français |
Nb Heures : 24 |
| Nb ECTS : 4 |
Coefficient
: 3 |
|
Plan de cours
Objectifs, méthode et évaluation
Les techniques d’analyse de données multidimensionnelles sont au cœur de la pratique marketing car elles permettent l’interprétation des données.
Elles sont essentielles pour développer des typologies, analyser un positionnement et plus généralement pour comprendre la demande du marché et construire des propositions susceptibles de satisfaire le client.
Autant la disponibilité des outils d’analyse que l’accumulation toujours plus importante de données rendent facile mais aussi complexe l’approche des données.
Ce cours rappelle les principes des méthodes d’analyse des données afin de permettre leur mise en œuvre pratique avec un logiciel statistique ( SAS, SPSS, SPAD).
Les lectures correspondant à la séance sont obligatoires. Un contrôle inopiné viendra vérifier que cette lecture est effectivement faite.
La préparation d’exercices (et le téléchargement des données) est requise pour chaque séance. L’étudiant utilisera le logiciel d’analyse statistique de son choix (SAS, SPSS, SPAD) et l’accent sera mis plus sur le choix de l’analyse et l’interprétation des résultats que sur la mise en oeuvre informatique.
L’évaluation sera réalisée par :
un examen final (40%)
la remise d’un rapport individuel comportant la mise en œuvre de deux méthodes différentes ainsi que leur justification marketing et l’analyse des implications managériales des résultats statistiques. Les données peuvent être issues des exercices travaillés en cours ou résulter d’un choix particulier de l’étudiant(e). (60%).
Ressources
Ouvrages de références
Evrard, Y, Pras B. et Roux E. (2003) MARKET, Dunod, Paris.
Malhotra N., Décaudin J.-M. et Bouguerra A. (2004), Etudes marketing avec SPSS, Pearson Education
Jolibert A. et Jourdan P. (2006), Marketing research, Dunod
Documentation SAS
Aide en ligne SAS 9.1.3
Aide en ligne Université de York, fac de psychologie
(c) Eric Preud’Homme, IGWT, ISEL, Manuel SAS V8 français
(c) Eric Preud’Homme, IGWT, ISEL, Manuel SAS V9 (2.74 MB, pdf)
Pierre Desmet, Introduction à SAS (.doc)
Cyrille Hagneré (simple, clair et bien fait) Initiation à SAS (.pdf)
Waren Kuhfeld, 2005, Marketing Research Methods with SAS (7.9M)
Questions & réponses
— Comment faire ? (PPT)
— Comment faire en SAS ?
Plan de cours et lectures
Maîtriser les techniques de base
S1 : Les analyses de base
- Prendre en main une base de données, la manipuler, la renseigner, en étudier la qualité
Décrire une variable (tendance centrale, dispersion)
Caractériser une distribution empirique, la relier à une distribution théorique
Choisir les représentations graphiques
— SAS CHART référence
— SAS GPLOT référence pour différents graphiques (niveau avancé)
Construire un tableau de synthèse
Construire un tableau croisé
Cas : Libraire
— Texte
— Données
— Programme SAS1
— Powerpoint (lourd)
Cas : Iphone
— Correction cas IPHONE (ppt)
— Correction cas IPHONE (.sas)
— Var discrètes Gchart avec IPHONE (.sas)
— Var continues Gplot avec IPHONE (.sas)
S2 : Les principaux tests
— Prise en main d’un fichier complexe
— Sortie de fichiers spécifiques
— Comparer par rapport à un seuil
— Tester la normalité
— Comparer la moyenne de 2 groupes
— Comparer 2 proportions
— Evaluer l’effet d’une manipulation (mesure avant-après)
— Etudier la relation entre deux variables selon la nature de leur mesure (nominale, ordinale, intervalle et ratio)
Support de cours :
— Présentation power point
Lecture :
— [Market] Description des données, Ch9, (335-393)
— [JJ] Traitements préliminaires, Ch9 (199-234)
En savoir plus :
— mesures ordinales
Illustrations en Excel :
— Loi normale
— Lois de variables discrètes
— Lois de variables continues
— Test de différence de moyenne
— Test de différence de proportions
— Z-score (2 variables nominales binaires
Code SAS :
— Tests non paramétriques
— Tests paramétriques
Cas : Balles de tennis
— Texte
— Grille de codage
— Données
— Programme SAS en .doc
— Programme SAS en .sas
Autres mini-cas :
— Texte en ppt
Etablir une typologie et évaluer un positionnement
S3 : Typologies et Segmentation
— Choisir une distance : quelles variables, quelle distance ?
— Evaluer la qualité d’une typologie
Un ensemble de variables
— Grouper à partir d’un nombre de groupes pré-établi (typologies nodales)
— Grouper de manière hiérarchique (typologies hiérarchiques)
Deux ensembles de variables : évaluer la qualité de la solution par rapport à une variable
— Méthodes de segmentation par arbre
Support de cours :
— Présentation power point
Cas : PMG
— Programme SAS PMG0
— Programme SAS PMG1
Lecture :
— [Market] Méthodes descriptives, Ch10 (419-462)
— [JJ] Analyse typologique, Ch14 (356-376)
S4 : Analyses factorielles et multi-dimensionnelles
Choix initiaux
— Explorer, Synthétiser, Scorer ou Vérifier ?
— Choisir les variables et la distance
— Choisir l’information à reconstituer : Variance ou Covariance ?
Méthodes
— Analyse factorielle (en composantes principales ACP)
— Analyse factorielle des correspondances AFACO
— Analyse multi-dimensionnelle des proximités
Support de cours :
— Présentation power point
Lecture :
— [Market] méthodes descriptives, Ch10 (397-410)
— [JJ] Analyse factorielle, Ch12 (293-320) et Autres méthodes de factorisation Ch13 (322-352)
Cas :
— Hard Discount Données
— Enseigne régions Données
— Enseigne CSP Données
Cas : PMG
— Programme SAS PMG_TD
— TD éléments de correction SAS
Outils :
— Code SAS pour une ACP complète (princomp)
— Code SAS pour les AFC (corresp)
Analyser la variance, Etablir la causalité
S5 : Expérimentation et Analyse de variance
Concevoir un plan expérimental simple
Analyser les données expérimentales
— Analyse de variance
— Analyse de covariance
Support de cours :
— Analyse des résultats d’une expérimentation (ppt)
Lecture :
— [Market] Expérimentation Ch 6 (227-251) et Méthodes explicatives Ch11 (502-508)
— [JJ] Expérimentation Ch 7 (149-173) et Anova Ch10 237-260
Cas : Expérimentation
— Programme SAS
— Programme SAS
S6 : Modèles de régression linéaire et Analyse Discriminante
Comment expliquer une variable continue ? (Régression linéaire)
Lecture :
— [Market] Méthodes explicatives, Ch11 (477-490)
— [JJ] Régression linéaire, Ch11 (262-291)
Support de cours :
— Modélisation par Régression (ppt)
Code SAS
Cas :
— Effet publicite Lydia-Pinkham
— Effet prix-promo Colas
— Prévision CA magasin
— Illustrations en Excel :
— Ajustement de courbes
— Ajustement de courbes sigmoïdes
Comment expliquer l’appartenance à un groupe ? (Analyse discriminante)
Lecture :
— [Market] Méthodes explicatives, Ch11 (515-519)
— [JJ] Analyse discriminante, Ch15 (380-403)
Support de cours :
— Analyse discriminante (ppt)
Code SAS
— Discriminante SAS
— TD3
Reconstituer les choix et Prévoir les comportements
S7 : Modèles de préférences et de choix
Support de cours :
— Régression logistique PPT
Illustrations en Excel :
— Relation tableau croisé et Logistique
Code SAS :
— Régression logistique binaire SAS
— Régression logistique multiniomiale SAS
— Régression logistique ordinale SAS
Lecture :
— [Market] Méthodes avancées, Ch12, (555-556)
— [JJ] Analyses non linéaires, Ch19 (492-503)
Support de cours :
— régression logistique (ppt)
Code SAS
— régression logistique SAS
— comparaison avec un tableau croisé
Cas : Book Binders Book Club
— Données (2M) /
Approches avancées
S8 : Problématique de la mesure et Modèles structurels
La problématique de la mesure
Méthodes avancées
— Réseaux de neurones avec contrainte de proximité géographique des groupes (Kohonen)
— Analyse factorielle confirmatoire AFC
Lecture :
— [Market] Méthodes avancées, Ch12 (559-570)
— [JJ] Equations structurelles, Ch18 (460-490)
Présentation
