logo Market Audit

Voir loin, Viser juste

Régression

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.