Définition :

Analyse multivariée et explicative. Il s’agit d’une analyse multivariée car elle traite plusieurs variables simultanément. Elle est explicative car elle évalue une relation de cause à effet (une variable est expliquée par plusieurs variables explicatives).

Dans son principe, la régression a pour objet de vérifier et de quantifier le lien qui existe entre une variable à expliquer et différentes variables explicatives.

Il existe deux conditions pour utiliser la régression :

 les variables étudiées doivent être quantitatives (numériques),
 les variables explicatives doivent être indépendantes (sans lien les unes avec les autres).

Objectif :

Concrètement il s’agit d’obtenir une équation du type : Y = a + b X1 + c X2 + d X3 + …

Y représente la variable expliquée a est une constante (sa valeur doit être minimisée dans le modèle) X1, X2, X3 sont les variables explicatives b, c, d, sont les coefficients à déterminer par la régression.

Exemple d’utilisation :

Dans un baromètre de satisfaction de clientèle :

* Y est la note globale de satisfaction sur l’enseigne étudiée, * X1 constitue la note de satisfaction concernant la qualité des produits, * X2 concerne la note de satisfaction sur le prix, * X3 traduit la note de satisfaction sur les services

Y = a + b X1 + c X2 + d X3

La détermination des coefficients b, c, d, permet de connaître le poids de chacun des critères (qualité des produits, niveaux de prix, services) dans la construction de la satisfaction globale vis-à-vis de l’enseigne.

Un bon modèle de régression tend à minimiser la valeur résiduelle (la constante a) et permet par conséquent d’établir des prévisions.

© MARKET-AUDIT