IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/French... · Séminaires de...

i

IBM SPSS Conjoint 19

Note: Before using this information and the product it supports, read the general informationunder Notices sur p. 42.This document contains proprietary information of SPSS Inc, an IBM Company. It is providedunder a license agreement and is protected by copyright law. The information contained in thispublication does not include any product warranties, and any statements provided in this manualshould not be interpreted as such.When you send information to IBM or SPSS, you grant IBM and SPSS a nonexclusive rightto use or distribute the information in any way it believes appropriate without incurring anyobligation to you.

Copyright SPSS Inc. 1989, 2010.

Prface

IBM SPSS Statistics est un systme complet danalyse de donnes. Le module complmentairefacultatif Conjoint fournit les techniques danalyse supplmentaires dcrites dans ce manuel. Lemodule complmentaire Conjoint doit tre utilis avec le systme central SPSS Statistics auquelil est entirement intgr.

A propos de SPSS Inc., an IBM Company

SPSS Inc., an IBM Company, est un des leaders dans le domaine des solutions logiciellesdanalyse prdictive. Le portfolio complet des produits de la socit Data collection, Statistics,Modeling et Deployment capture les opinions et les attitudes du public, prdit les rsultats desinteractions futures des clients, et agit ensuite sur ces donnes en intgrant les analyses dansles processus commerciaux. Les solutions SPSS Inc. rpondent aux objectifs commerciauxinterdpendants dune organisation dans sa totalit en se concentrant sur la convergence desanalyses, de larchitecture informatique et des processus commerciaux. Des clients issus du milieudes affaires, du milieu gouvernemental ou du milieu acadmique, dans le monde entier, fontconfiance la technologie SPSS Inc., et la considre comme un atout pour attirer et retenir leursclients, ou encore augmenter leur nombre, tout en rduisant les fraudes et les risques. SPSS Inc. at achet par IBM en octobre 2009. Pour plus dinformations, visitez le site http://www.spss.com.

Support technique

Un support technique est disponible pour les clients du service de maintenance. Les clientspeuvent contacter lassistance technique pour obtenir de laide concernant lutilisationdes produits SPSS Inc. ou linstallation dans lun des environnements matriels prisen charge. Pour contacter lassistance technique, consultez le site Web SPSS Inc. ladresse http://support.spss.com, ou recherchez votre reprsentant local la pagehttp://support.spss.com/default.asp?refpage=contactus.asp Votre nom, celui de votre socit,ainsi que votre contrat dassistance vous seront demands.

Service clients

Si vous avez des questions concernant votre envoi ou votre compte, contactez votre bureau local,dont les coordonnes figurent sur le site Web ladresse : http://www.spss.com/worldwide.Veuillez prparer et conserver votre numro de srie porte de main pour lidentification.

Copyright SPSS Inc. 1989, 2010 iii

http://www.spss.comhttp://support.spss.comhttp://support.spss.com/default.asp?refpage=contactus.asp

Sminaires de formation

SPSS Inc. propose des sminaires de formation, publics et sur site. Tous les sminaires fontappel des ateliers de travaux pratiques. Ces sminaires seront proposs rgulirement dans lesgrandes villes. Pour plus dinformations sur ces sminaires, contactez votre bureau local dont lescoordonnes sont indiques sur le site Web ladresse : http://www.spss.com/worldwide.

Documents supplmentaires

Les ouvrages SPSS Statistics : Guide to Data Analysis, SPSS Statistics : Statistical ProceduresCompanion, et SPSS Statistics : Advanced Statistical Procedures Companion, crits par MarijaNoruis et publis par Prentice Hall, sont suggrs comme documentation supplmentaire. Cespublications prsentent les procdures statistiques des modules SPSS Statistics Base, AdvancedStatistics et Regression. Que vous soyez novice dans les analyses de donnes ou prt utiliser desapplications plus avances, ces ouvrages vous aideront exploiter au mieux les fonctionnalitsoffertes par IBM SPSS Statistics. Pour obtenir des informations supplmentaires y comprisle contenu des publications et des extraits de chapitres, visitez le site web de lauteur :http://www.norusis.com

iv

http://www.norusis.com

Contenu

1 Introduction lanalyse conjointe 1

Lapproche Profil entier. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2Un tableau orthogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2Les stimuli exprimentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2Collecte et analyse des donnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

Partie I: Guide de lutilisateur

2 Gnration dun plan orthogonal 5

Dfinition des valeurs dun plan orthogonal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7Options du plan orthogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8Fonctionnalits supplmentaires de la commande ORTHOPLAN . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Affichage dun plan 9

Afficher plan orthogonal : Titres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10Fonctionnalits supplmentaires de la commande PLANCARDS . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4 Excution dune analyse conjointe 11

Configuration requise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11Spcification du fichier de plan et du fichier de donnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12Spcification de la manire dont les donnes ont t enregistres . . . . . . . . . . . . . . . . . . . . 12

Sous-commandes facultatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

v

Partie II: Exemples

5 Utilisation de lanalyse conjointe pour le modle Prfrencede la shampouineuse 17

Gnration dun plan orthogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18Cration de stimuli exprimentaux : Affichage du plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21Excution de lanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23Scores des outils . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25Coefficients . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26Importance relative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26Corrlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27Inversements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28Excution de simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28Probabilits des prfrences des simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

Annexes

A Fichiers dexemple 31

B Notices 42

Bibliographie 44

Index 46

vi

Chapitre

1Introduction lanalyse conjointe

Lanalyse conjointe est un outil dtudes de march pour le dveloppement dun design de produiteffectif. En utilisant lanalyse conjointe, le chercheur peut rpondre aux questions suivantes :Quelle est limportance de tel ou tel attribut du produit pour le consommateur ? Quelle estlimportance de certains niveaux dattributs de produits par rapport dautres dans lesprit duconsommateur ? Quelles sont les parts de march des produits leaders de la concurrence parrapport nos produits existants ou proposs ?Lavantage de lanalyse conjointe est quelle demande au rpondant de faire des choix

similaires ceux que ferait le consommateur en comparant des fonctionnalits les unes aux autres.Par exemple, supposons que vous souhaitez rserver un billet davion. Vous avez le choix entre

un sige troit et un sige spacieux. Si cela tait la seule considration, votre choix serait clair.Vous prfreriez certainement le sige spacieux. Supposez maintenant que vous avez le choix duprix du billet : 183 ou 652 . En vous basant uniquement sur le prix, vous choisiriez le plus bas.Enfin, supposons que vous pouvez prendre soit un vol direct de deux heures ou soit un vol avecescale dune dure de cinq heures. La plupart des gens choisiraient le vol direct.Linconvnient dune approche comme celle-ci rside dans le fait que les alternatives de choix

sont prsentes avec un seul attribut la fois. Lanalyse conjointe prsente des propositionsdalternatives de choix entre les produits, dfinies par des ensembles dattributs. Ceci est illustrpar le choix suivant : Prfrez-vous un vol avec escale, dans un sige troit pour 183 ou un voldirect dans un sige spacieux pour 652 ? En considrant le comfort, le prix et la dure commedes attributs appropris, voici les huit produits potentiels :

Produit Confort Price Dure1 troit $225 2 heures2 troit $225 5 heures3 troit $800 2 heures4 troit $800 5 heures5 spacieux $225 2 heures6 spacieux $225 5 heures7 spacieux $800 2 heures8 spacieux $800 5 heures

Etant donn les alternatives ci-dessus, le produit 4 est sans doute le moins intressant et le produit 5celui qui a la prfrence des rpondants. Les prfrences des rpondants pour les autres offres deproduit sont dduites implicitement partir de ce qui semble important aux yeux du rpondant.En utilisant lanalyse conjointe, vous pouvez dterminer la fois limportance relative de

chaque attribut ainsi que les niveaux des attributs qui semblent avoir la prfrence des rpondants.Si le produit ayant la prfrence des rpondants nest pas envisageable pour certaines raisons

Copyright SPSS Inc. 1989, 2010 1

2

Chapitre 1

comme le cot, vous avez dj connaissance de la seconde alternative prfre par les rpondants.Si vous disposez dautres informations sur les rpondants, comme des donnes dmographiques,vous pourrez identifier les segments de march pour lesquels des produits distincts pourronttre destins. Par exemple, un homme daffaires et un tudiant qui voyagent peuvent avoir desprfrences diffrentes auxquelles pourront rpondre des offres de produit distinctes.

Lapproche Profil entier

La procdure conjointe utilise lapprocheProfil entier (aussi connue sous le nom Concept entier)o les rpondants classent, trient ou notent un ensemble de profils ou de cartes selon leursprfrences. Chaque profil dcrit un produit ou un service complet et consiste en une combinaisondiffrente de niveaux de facteurs pour tous les facteurs (attributs) dintrt.

Un tableau orthogonal

Un problme potentiel survient avec lapproche Profil entier et devient clair lorsque beaucoupde facteurs sont concerns et que chacun de ces facteurs comportent plusieurs niveaux. Lenombre total de profils rsultant de toutes les combinaisons possibles de niveaux devient tropimportant pour que les rpondants puissent les classer ou les noter de faon cohrente. Pourrsoudre ce problme, lapproche du profil entier utilise ce quon appelle un modle factorielfractionel qui prsente une fraction approprie de toutes les combinaisons possibles de niveaux defacteurs. Lensemble qui en rsulte, appel un tableau orthogonal est conu pour saisir les effetsprincipaux de chaque niveau de facteur. On suppose que les interactions entre les niveaux dunfacteur avec les niveaux dun autre facteur sont ngligeables.La procdure de gnration de plan orthogonal est utilise pour gnrer un tableau orthogonal

et est habituellement le point de dpart pour une analyse conjointe. Cela vous permet galementde gnrer des combinaisons de niveaux de facteurs, appeles observations traites, qui sontclasses par les sujets, mais pas utilises pour la construction du modle de prfrence. A la place,elles sont utilises pour vrifier la validit du modle.

Les stimuli exprimentaux

Chaque ensemble de niveaux de facteurs est un plan orthogonal reprsentant une version diffrentedu produit tudi et doit tre prsent aux sujets sous la forme dun profil de produit individuel.Ceci permet au rpondant de se concentrer uniquement sur le produit unique actuellement valu.Les stimuli doivent tre normaliss en sassurant que les profils ont tous une apparrence physiquesimilaire, sauf pour les diffrentes combinaisons de fonctionnalits.La cration de profils de produits est facilite par la procdure Afficher plan orthogonal. Elle

prend un plan gnr par la procdure de gnration de plan orthogonal ou entr par lutilisateur etproduit un ensemble de profils de produits dans un format prt utiliser.

3

Introduction lanalyse conjointe

Collecte et analyse des donnes

Puisque il y a souvent un grand nombre de diffrences entre les prfrences des diffrents sujets,la plupart des analyses conjointes portent sur un sujet unique. Pour gnraliser les rsultats,un chantillon alatoire de sujet est slectionn dans la population cible afin que les rsultatsde groupe puissent tre examins.La taille de lchantillon dans les tudes conjointes varie grandement. Dans un rapport (Cattin

et Wittink, 1982), les auteurs prcisent que la taille dun chantillon dans des tudes commercialesconjointes est comprise entre 100 et 1 000, 300 550 tant la plage la plus courante. Dans uneautre tude (Akaah et Korgaonkar, 1988), il est dit que les chantillons plus petits (moins de 100)sont les plus courants. Comme toujours, la taille de lchantillon doit tre suffisamment grandepour assurer la fiabilit des rsultats.Une fois lchantillon choisi, le chercheur distribue lensemble des profils ou cartes chaque

rpondant. La procdure conjointe permet trois mthodes denregistrement des donnes. Dansla premire mthode, on demande aux sujets dassigner un score chaque profil, selon leursprfrences. Ce type de mthode est courant lorsquune chelle Likert est utilise ou lorsque londemande aux sujets dassigner un nombre entre 1 et 100 pour indiquer leurs prfrences. Dansla seconde mthode, on demande aux sujets daffecter un rang chaque profil, de 1 jusquaunombre total de profils. Dans la troisime mthode, on demande aux sujets de trier les profilsen termes de prfrences. Avec cette dernire mthode, le chercheur enregistre le numro desprofils dans lordre donn par chaque sujet.Lanalyse des donnes est ralise avec la procdure conjointe (disponible uniquement via la

syntaxe de commande) et rsulte en une note utilitaire appele valeur de partie pour chaqueniveau de facteur. Ces notes outils, semblables des coefficients de rgression, fournissent unemesure quantitative de prfrence pour chaque niveau de facteur, les valeurs les plus grandescorrespondant aux prfrences les plus marques. Les valeurs de partie sont exprimes dans uneunit commune, leur permettant ainsi dtre ajoutes pour donner loutil total, ou prfrencegnrale, pour toute combinaison de niveaux de facteurs. Les valeurs de partie constituent ensuiteun modle de prvision de la prfrence de tout profil de produit, y compris les profis appelsobservations de simulation qui ntaient pas prsents lors de lexprience.Les informations obtenues via une analyse conjointe peuvent tre appliques une large varit

de questions dtudes de march. Elles peuvent tre utilises pour tudier des domaines tels que ledesign des produits, les parts de march, la publicit stratgique, les analyses cots-bnfices etla segmentation du march.Bien que ce manuel mette laccent sur les applications dtude de march, lanalyse conjointe

peut galement savrer utile dans la plupart des applications scientifiques ou professionnelles ola mesure de la perception ou du jugement des gens savre importante.

Partie I:Guide de lutilisateur

Chapitre

2Gnration dun plan orthogonal

Gnrer plan orthogonal gnre un fichier de donnes comprenant un plan orthogonal avec deseffets principaux, qui permet de tester les statistiques de plusieurs critres sans tester chaquecombinaison de niveaux de facteur. Ce plan peut tre affich au moyen de la procdure daffichageen plan orthogonal et le fichier de donnes peut tre utilis par dautres procdures, telles que laprocdure conjointe.

Exemple : Une nouvelle compagnie arienne bas cots souhaiterait connatre limportancerelative de divers facteurs qui composent son offre de produits auprs de clients potentiels. Leprix est clairement un facteur primaire, mais quelle est limportance dautres facteurs comme lataille des siges, le nombre descales ou le fait que des boissons ou repas soient offerts ? Uneenqute demandant aux rpondants de classer les profils de produits reprsentant toutes lescombinaisons de facteurs possibles nest pas envisageable tant donn le grand nombre de profils.La procdure de gnration de plan orthogonal permet de crer un ensemble de profils de produitsrduit, assez petit pour tre inclus dans une enqute mais assez grand pour mesurer limportancerelative de chaque facteur.

Pour gnrer un plan orthogonal

E A partir des menus, slectionnez :Donnes > Plan orthogonal > Gnrer...


6

Chapitre 2

Figure 2-1Bote de dialogue Gnrer plan orthogonal

E Dfinissez au moins un critre. Entrez un nom dans la zone de texte Nom du facteur. Le nomdes facteurs peut tre un nom de variable valide, lexception de status_ ou card_. Vous pouvezgalement affecter une tiquette de facteur facultative.

E Cliquez sur Ajouter pour ajouter le nom du facteur et une tiquette facultative. Pour supprimer unfacteur, slectionnez-le dans la liste et cliquez sur Supprimer. Pour modifier une tiquette ou le nomdun facteur, slectionnez-le dans la liste, modifiez le nom ou ltiquette puis cliquez sur Modifier.

E Dfinissez les valeurs de chaque critre en slectionnant les critres et en cliquant sur Dfinirles valeurs.

Fichier de donnes. Vous permet de contrler la destination du plan orthogonal. Vous pouvezenregistrer le plan dans un nouvel ensemble de donnes de la session en cours ou dans un fichierde donnes externe. Crer un nouvel ensemble de donnes. Cre un nouvel ensemble de donnes dans la session en

cours contenant les facteurs et les observations gnrs par le plan. Crer un nouveau fichier de donnes. Cre un fichier de donnes externe contenant les

facteurs et les observations gnrs par le plan. Par dfaut, ce fichier est nomm ortho.sav etenregistr dans le rpertoire actuel. Cliquez sur Fichier pour dfinir un nom et une destinationde fichier diffrents.

Rinitialiser le gnrateur du nombre alatoire sur. Rinitialise le gnrateur de nombre alatoire surla valeur spcifie. Le gnrateur peut tre une valeur entire comprise entre 0 et 2 000 000 000.Au sein dune session, un gnrateur diffrent est utilis chaque gnration dun ensemblede nombres alatoires, produisant ainsi des rsultats diffrents. Pour dupliquer des nombresalatoires, vous devez dfinir la valeur du gnrateur avant de gnrer votre premier plan etrinitialiser le gnrateur sur cette valeur chaque gnration de votre plan.

7

Gnration dun plan orthogonal

Sinon, vous pouvez : Cliquez sur Options pour dfinir le nombre minimum dobservations dans le plan orthogonal et

pour slectionner les observations traites.

Dfinition des valeurs dun plan orthogonalFigure 2-2Bote de dialogue Gnrer plan orthogonal : Dfinir les valeurs

Vous devez affecter des valeurs chaque niveau des critres slectionns. Le nom du facteursera affich aprs Valeurs et tiquettes pour.Saisissez chaque valeur du facteur. Vous pouvez choisir dattribuer des tiquettes descriptives

aux valeurs. Si vous naffectez aucune tiquette aux valeurs, les tiquettes correspondant auxvaleurs sont automatiquement affectes (cest--dire, ltiquette 1 est affecte la valeur 1,ltiquette 3 est affecte la valeur 3, etc.).

Remplissage auto. Permet de renseigner automatiquement les zones Valeur avec des valeursconscutives commenant par 1. Saisissez la valeur maximale et cliquez sur Remplir pourrenseigner les valeurs.

8

Chapitre 2

Options du plan orthogonalFigure 2-3Bote de dialogue Gnrer plan orthogonal : Options

Nombre minimum dobservations gnrer. Indique le nombre minimum dobservations relativesau plan. Slectionnez un entier positif infrieur ou gal au nombre total dobservationsissues de toutes les combinaisons possibles des niveaux de facteur. Si vous nindiquez pasexplicitement le nombre minimum dobservations gnrer pour le plan orthogonal, ce nombreest automatiquement gnr. Si la procdure Orthoplan ne peut pas gnrer au moins le nombreminimal de profils requis, elle gnre le plus grand nombre possible correspondant aux critres etaux niveaux spcifis. Remarquez que le plan ne comporte pas ncessairement le nombre exactdobservations spcifies ; il comporte plutt le plus petit nombre dobservations possible dans leplan orthogonal en utilisant cette valeur comme valeur minimale.

Observations traites. Vous pouvez dfinir les observations traites qui sont values par sujets,mais qui ne pas incluses dans lanalyse conjointe. Nombre dobservations traites. Cre des observations traites en plus des observations

relatives au plan standard. Les observations traites sont values par sujets, mais ne sont pasutilises lorsque la procdure Conjointe value les utilitaires. Vous pouvez indiquer un entierpositif infrieur ou gal au nombre total dobservations issues de toutes les combinaisonspossibles des niveaux de facteur. Les observations traites sont gnres partir dun autreplan alatoire et non partir du plan exprimental avec effets principaux. Les observationstraites ne dupliquent pas les profils exprimentaux ou ne se dupliquent pas entre elles. Pardfaut, aucune observation traite nest produite.

Mlanger de faon alatoire. Mlange de faon alatoire les observations traites auxobservations exprimentales. Lorsque cette option est dslectionne, les observations traitesapparaissent sparment, aprs les observations exprimentales.

Fonctionnalits supplmentaires de la commande ORTHOPLAN

Le langage de syntaxe de commande vous permet aussi de : Ajouter le plan orthogonal lensemble de donnes actif au lieu den crer un nouveau. Spcifier les observations de simulation avant de gnrer le plan orthogonal, plutt que de

le faire aprs.

Pour obtenir des renseignements complets sur la syntaxe, reportez-vous au manuel CommandSyntax Reference.

Chapitre

3Affichage dun plan

La procdure daffichage en plan orthogonal permet dimprimer un plan exprimental. Vouspouvez imprimer le plan sous forme de liste en mode brouillon ou en profils que vous pouvezappliquer aux sujets dans une tude commune. Cette procdure permet dafficher les plans crsavec la procdure de gnration de plan orthogonal ou avec nimporte quel plan affich dans unensemble de donnes actif.

Pour afficher un plan orthogonal

E A partir des menus, slectionnez :Donnes > Plan orthogonal > Afficher...

Figure 3-1Bote de dialogue Afficher plan orthogonal

E Placez un ou plusieurs critres dans la liste Facteurs.

E Slectionnez un format pour laffichage des profils dans le rsultat.

Format : Vous pouvez choisir parmi les options de format suivantes : Liste pour lexprimentateur : Affiche le plan au format brouillon qui diffrencie les profils

traits des profils exprimentaux et rpertorie les profils de simulation sparment en suivantles profils traits et exprimentaux.

Profils exprimentaux appliqus aux sujets : Gnre des profils pouvant tre appliqus auxsujets. Ce format ne diffrencie pas les profils traits et ne produit aucun profil de simulation.

Sinon, vous pouvez : Cliquez sur Titres pour dfinir des en-ttes et des pieds de page pour les profils.


10

Chapitre 3

Afficher plan orthogonal : TitresFigure 3-2Bote de dialogue Afficher plan orthogonal : Titres

Titre de protocole : Saisissez jusqu 80 caractres pour le titre du profil. Les titres apparaissent enhaut du rsultat si vous avez slectionn Liste pour lexprimentateur et en haut de chaque nouveauprofil si vous avez slectionn Profils appliqus aux sujets dans la bote de dialogue principale.Pour Profils exprimentaux appliqus aux sujets, si la squence de caractres spciaux )CARD estspcifie quelque part dans le titre, la procdure la remplacera par le numro squentiel du profil.La squence des caractres nest pas traduite pour Liste pour lexprimentateur.

Bas de page de protocole : Saisissez jusqu 80 caractres pour le pied de page du profil. Les piedsde page apparaissent en bas du rsultat si vous avez slectionn Liste pour lexprimentateur et enbas de chaque nouveau profil si vous avez slectionn Profils appliqus aux sujets dans la bote dedialogue principale. Pour Profils exprimentaux appliqus aux sujets, si la squence de caractresspciaux )CARD est spcifie quelque part dans le bas de page, la procdure la remplacera avecle numro squentiel du profil. La squence des caractres nest pas traduite pour Liste pourlexprimentateur.

Fonctionnalits supplmentaires de la commande PLANCARDS

Le langage de syntaxe de commande vous permet aussi de : Ecrire des profils exprimentaux appliqus aux sujets dans un fichier externe (en utilisant la

sous-commande OUTFILE).

Pour obtenir des renseignements complets sur la syntaxe, reportez-vous au manuel CommandSyntax Reference.

Chapitre

4Excution dune analyse conjointe

Une interface graphique utilisateur pour la procdure conjointe nest pas encore disponible. Pourobtenir une analyse conjointe, vous devez entrer la syntaxe de commande pour la commandeCONJOINT dans la fentre de syntaxe, puis lexcuter. Pour obtenir un exemple dune syntaxe de commande pour la commande CONJOINT dans

le contexte dune analyse conjointe complte, y compris la cration et laffichage dun planorthogonal, reportez-vous au le chapitre 5.

Pour plus dinformations sur la syntaxe de commande propos de la commande CONJOINT,consultez Command Syntax Reference.

Pour excuter une commande partir dune fentre de syntaxe

A partir des menus, slectionnez :Fichier > Nouveau > Syntaxe...

Cette opration ouvre une fentre de syntaxe.

E Entrez la syntaxe de commande pour la commande CONJOINT.

E Slectionnez la commande dans la fentre de syntaxe et cliquez sur le bouton Excuter (le trianglepointant vers la droite) dans la barre doutils de lEditeur de syntaxe.

Reportez-vous au manuel Guide de lutilisateur du systme central pour obtenir plusdinformations sur lexcution de commandes dans les fentres de syntaxe.

Configuration requise

La procdure conjointe requiert deux fichiers (un fichier de donnes et un fichier de plan) et laspcification de la manire dont les donnes ont t enregistres (par exemple, chaque point dedonne correspond un score de prfrence compris entre 1 et 100). Le fichier de plan consiste enun ensemble de profils de produits noter par les sujets et doit tre gnr laide de la procdureGnrer plan orthogonal. Le fichier de donnes contient les scores de prfrence ou le classementde ces profils collects chez les sujets. Les fichiers de plan et de donnes sont respectivementspcifis laide des sous-commandes PLAN et DATA. La mthode denregistrement des donnesest spcifie laide des sous-commandes SEQUENCE, RANK ou SCORE. La syntaxe de commandesuivante illustre la spcification minimale :

CONJOINT PLAN='CPLAN.SAV' /DATA='RUGRANKS.SAV'/SEQUENCE=PREF1 TO PREF22.


12

Chapitre 4

Spcification du fichier de plan et du fichier de donnes

La commande CONJOINT fournit plusieurs options pour la spcification du fichier de plan etdu fichier de donnes. Vous pouvez spcifier de manire explicite les noms de fichier des deux fichiers. Par exemple :

CONJOINT PLAN='CPLAN.SAV' /DATA='RUGRANKS.SAV'

Si seul un fichier de plan ou un fichier de donnes est spcifi, la commande CONJOINT lit lefichier spcifi et utilise lensemble de donnes actif pour le second. Par exemple, si vousspcifiez un fichier de donnes mais que vous omettez de spcifier un fichier de plan (vousdevez spcifier un fichier au moins sur les deux), lensemble de donnes actif est utiliscomme plan, comme illustr dans lexemple qui suit :CONJOINT DATA='RUGRANKS.SAV'

Vous pouvez utiliser le symbole astrisque (*) pour indiquer un ensemble de donnes au lieudun nom de fichier, comme illustr dans lexemple qui suit :CONJOINT PLAN='CPLAN.SAV' /DATA=*

Lensemble de donnes acrif est utilis comme donne de prfrence. Notez que vous nepouvez pas utiliser lastrisque (*) la fois pour le fichier de donnes et le fichier de plan.

Spcification de la manire dont les donnes ont t enregistres

Vous devez spcifier la manire dont les donnes de prfrence ont t enregistres. Les donnespeuvent tre enregistres de trois manires diffrentes : de manire squentielle, sous formede classement ou sous forme de scores de prfrence. Ces trois mthodes sont indiques parles sous-commandes SEQUENCE, RANK et SCORE. Vous ne devez spcifier quune seule de cessous-commandes uniquement au sein dune commande CONJOINT.

Sous-commande SEQUENCE

La sous-commande SEQUENCE indique que les donnes ont t enregistres de maniresquentielle de manire ce que chaque point de donnes dans le fichier de donnes soit unnumro de profil, en commenant par le profil prfr et en terminant par le moins intressant.Cest lordre dans lequel les donnes sont enregistres si lon demande au sujet de classer lesprofils du plus intressant au moins intressant. Le chercheur enregistre le premier numro deprofil, le second, et ainsi de suite.

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/SEQUENCE=PREF1 TO PREF22.

La variable PREF1 contient le numro de profil du profil prfr parmis les 22 profils du planorthogonal. La variable PREF22 contient le numro de profil du profil le moins intressantdans le plan.

13

Excution dune analyse conjointe

Sous-commande RANK

La sous-commande RANK indique que chaque point de donnes correspond un classement,commenant par le classement du profil 1, puis celui du profil 2, et ainsi de suite. Cest la manireselon laquelle les donnes sont enregistres lorsque lon demande au sujet dattribuer un numrode classement chaque profil, compris entre 1 et n, o n correspond au nombre de profils. Plus lenumro de classement est petit, plus grande est la prfrence.

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22.

La variable RANK1 contient le numro de classement du profil 1 sur les 22 profils du planorthogonal. La variable RANK22 contient le numro de classement du profil 22.

Sous-commande SCORE

La sous-commande SCORE indique que chaque point de donnes correspond un score deprfrence attribu chacun des profils, commenant par le score du profil 1, puis celui duprofil 2, et ainsi de suite. Ce type de donnes peut tre gnr, par exemple, en demandant auxsujets dattribuer un nombre compris entre 1 et 100 au profil, indiquant leur apprciation de cedernier. Plus le score est important, plus grande est la prfrence.

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/SCORE=SCORE1 TO SCORE22.

La variable SCORE1 contient le score du profil 1 et la variable SCORE22 contient le score duprofil 22.

Sous-commandes facultatives

La commande CONJOINT offre un certain nombre de sous-commandes facultatives surpassant lecontrle et les fonctionnalits requises.

Sous-commande SUBJECT

La sous-commande SUBJECT vous permet de spcifier une variable du fichier du donnes utiliseren tant quidentificateur de sujet. Si vous ne spcifiez aucune variable de sujet, la commandeCONJOINT assume que lensemble des observations dun mme fichier de donnes proviennentdun mme sujet. Lexemple suivant spcifie que la variable ID provenant du fichier rugranks.savdoit tre utilise en tant quidentificateur du sujet.

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/SCORE=SCORE1 TO SCORE22 /SUBJECT=ID.

14

Chapitre 4

Sous-commande FACTORS

La sous-commande FACTORS vous permet de spcifier le modle dcrivant la relation attendueentre les facteurs et les classements ou scores. Si vous ne spcifiez aucun modle de facteur, lacommande CONJOINT suppose un modle discret. Vous pouvez spcifier lun des quatre modlessuivants :

DISCRETE. Le modle DISCRETE indique que les niveaux de facteurs sont catgoriques etquaucune hypothse nest faite propos des relations entre le facteur et les scores ou classements.Il sagit de la valeur par dfaut.

LINEAR. Le modle LINEAR indique une relation linaire attendue entre le facteur et les scoresou classements. Vous pouvez spcifier la direction attendue de la relation linaire avec les motscls MORE et LESS. MORE indique quon sattend ce que des niveaux plus levs dun facteursoient prfrs, alors que LESS indique quon sattend ce que des niveaux plus bas dun facteursoient prfrs. La spcification des mots cls MORE ou LESSnaffecte en rien lestimation desoutils. Ces mots-cls sont utiliss simplement pour identifier les sujets dont les estimations necorrespondent pas la direction attendue.

IDEAL. Le modle IDEAL indique une relation quadratique attendue entre les scores ou classementset le facteur. Il est suppos quil existe un niveau idal pour le facteur et plus la distance versce point idal est grande (dans nimporte quelle direction) moins la prfrence est leve. Lesfacteurs dcrits dans ce modle doivent prsenter au moins trois niveaux.

ANTIIDEAL. Le modle ANTIIDEAL indique une relation quadratique attendue entre les scoresou classements et le facteur. Il est suppos quil existe un niveau idal pour le facteur et plus ladistance vers ce point idal est grande (dans nimporte quelle direction) plus la prfrence estleve. Les facteurs dcrits dans ce modle doivent prsenter au moins trois niveaux.

La syntaxe de commande suivante fournit un exemple utilisant la sous-commande FACTORS :

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22 /SUBJECT=ID/FACTORS=PACKAGE BRAND (DISCRETE) PRICE (LINEAR LESS)

SEAL (LINEAR MORE) MONEY (LINEAR MORE).

Notez que le conditionnement et la marque sont tous deux modliss en tant que valeursdiscrtes.

Sous-commande PRINT

La sous-commande PRINT vous permet de contrler le contenu du tableau de rsultats. Parexemple, si vous disposez dun grand nombre de sujets, vous pouvez choisir de limiter lersultat au rsum des rsultats, en omettant les dtails pour chaque sujet, comme illustr danslexemple suivant :

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22 /SUBJECT=ID/PRINT=SUMMARYONLY.

Vous pouvez galement choisir dinclure lanalyse des donnes exprimentales, les rsultats desobservations de simulation dans le fichier de plan, les deux la fois ou aucun des deux dansle rsultat. Les observations de simulation ne sont pas notes par les sujets mais reprsentent

15

Excution dune analyse conjointe

des profils de produits intressants. La procdure conjointe utilise lanalyse des donnesexprimentales pour effectuer des prvisions sur la prfrence relative correspondant chaqueprofil de simulation. Dans lexemple qui suit, le rsultat dtaill de chaque sujet est supprim et lersultat est limit aux rsultats des simulations :

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22 /SUBJECT=ID/PRINT=SIMULATION SUMMARYONLY.

Sous-commande PLOT

La sous-commande PLOT contrle linsertion des diagrammes dans le rsultat. De la mmemanire que pour le tableau de rsultats (sous-commande PRINT ), vous pouvez dcider de limiterle rsultat au rsum des rsultats ou dinclure les rsultats de chaque sujet. Par dfaut, aucundiagramme nest gnr. Dans lexemple qui suit, le rsultat inclut les diagrammes disponibles :

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22 /SUBJECT=ID/PLOT=ALL.

Sous-commande UTILITY

La sous-commande UTILITY crit un fichier de donnes au format IBM SPSS Statisticscontenant des informations dtailles pour chaque sujet. Elle inclut les outils des facteursDISCRETE, la pente et les fonctions quadratiques des facteurs LINEAR, IDEAL et ANTIIDEAL, laconstante de rgression et les estimations des scores de prfrence. Ces valeurs peuvent ensuitetre utilises dans dautres analyses ou pour la cration dautres diagrammes dans dautresprocdures. Lexemple qui suit cre un fichier utilitaire portant le nom rugutil.sav :

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22 /SUBJECT=ID/UTILITY='RUGUTIL.SAV'.

Partie II:Exemples

Chapitre

5Utilisation de lanalyse conjointepour le modle Prfrence de lashampouineuse

Dans un exemple courant danalyse conjointe (Green et Wind, 1973), une socit intressepar la commercialisation dune nouvelle shampouineuse souhaite examiner linfluence de cinqcritres sur la prfrence du consommateur : la conception du conditionnement, la marque, leprix, une tiquette Economique et une garantie satisfait ou rembours . Il existe trois niveauxde critre pour la conception du conditionnement, suivant lemplacement de lapplicateur, troismarques (K2R, Glory et Bissell), trois niveaux de prix et deux niveaux (non ou oui) pour chacundes deux derniers critres. Le tableau suivant indique les variables utilises dans ltude sur lashampouineuse, ainsi que les valeurs et tiquettes correspondantes.Table 5-1Variables dans ltude sur la shampouineuse

Nom de variable ltiquette Variable Etiquette de valeurconditionnement conception du conditionnement A*, B*, C*marque nom de marque K2R, Glory, Bissellprix prix $1.19, $1.39, $1.59tiquette Etiquette Economique non, ouiargent garantie Satisfait ou rembours non, oui

Il peut y avoir dautres facteurs et niveaux de facteurs pour caractriser les shampouineuses,mais ceux-ci sont les seuls qui intressent la direction. Il sagit dun point important dans lesanalyses conjointes. Vous voulez choisir uniquement les facteurs (variables indpendantes) dontvous pensez quils influencent le plus les prfrences du sujet (la variable dpendante). A laidede lanalyse conjointe, vous allez dvelopper un modle des prfrences clients en fonctionde ces cinq facteurs.Cet exemple utilise les informations des fichiers de donnes suivants : carpet_prefs.sav contient

les donnes collectes dans les sujets, carpet_plan.sav contient les profils des produits ayant ttudis et conjoint.sps contient la syntaxe de commande ncessaire lexcution de lanalyse.Pour plus dinformations, reportez-vous la section Fichiers dexemple dans lannexe A dansIBM SPSS Conjoint 19.


18

Chapitre 5

Gnration dun plan orthogonal

La premire tape dune analyse conjointe est de crer les combinaisons de niveaux de facteursqui sont prsents aux sujets comme les profils des produits. Puisque mme un petit nombre defacteurs et quelques niveaux pour chaque facteur gnrent un nombre ingrable de profils deproduits potentiels, vous devez gnrer un sous-ensemble reprsentatif connu sous le nom detableau orthogonal.La procdure de gnration de plan orthogonal cre un tableau orthogonalgalement nomm

plan orthogonalet stocke les informations dans un fichier de donnes. Contrairement auxprocdures, un fichier de travail nest pas requis avant lexcution de la procdure de gnrationde plan orthogonal. Si vous navez pas de fichier de travail, vous pouvez en crer un en gnrantdes noms de variables, des tiquettes de variables et des tiquettes de valeurs partir des optionsque vous slectionnez dans les botes de dialogue. Si vous avez dj un fichier de travail, vouspouvez le remplacer ou enregistrer le plan orthogonal comme fichier de donnes distinct.

Pour gnrer un plan orthogonal :

E A partir des menus, slectionnez :Donnes > Plan orthogonal > Gnrer...

Figure 5-1Bote de dialogue Gnrer plan orthogonal

E Entrez conditionnement dans la zone de texte Nom facteur et conception du conditionnement dansla zone de texte Etiquette facteur.

E Cliquez sur Ajouter.

Vous crez ainsi un lment avec ltiquette conditionnement conception du conditionnement(?). Slectionnez cet lment.

19

Utilisation de lanalyse conjointe pour le modle Prfrence de la shampouineuse

E Cliquez sur Dfinir les valeurs.

Figure 5-2Bote de dialogue Gnrer plan orthogonal : Dfinir les valeurs

E Saisissez les valeurs 1, 2, et 3 pour reprsenter la conception du conditionnementA*, B*, et C*.Entrez galement les tiquettes A*, B* et C*.

E Cliquez sur Poursuivre.

Vous allez maintenant rpter ce processus pour les facteurs restants marque, prix, tiquette etargent. Utilisez les valeurs et les tiquettes du tableau suivant, qui comprennent les valeurs quevous avez dj entres pour conditionnement.

Nom du facteur Etiquette du facteur Valeurs Etiquettesconditionnement conception du

conditionnement1, 2, 3 A*, B*, C*

marque nom de marque 1, 2, 3 K2R, Glory, Bissellprix prix 1.19, 1.39, 1.59 $1.19, $1.39, $1.59tiquette Etiquette Economique 1, 2 non, ouiargent garantie Satisfait ou

rembours1, 2 non, oui

Une fois que vous avez termin de spcifier les facteurs :

E Dans le groupe Fichiers de donnes, laissez la valeur par dfaut de Crer un nouvel ensemble dedonnes et entrez un nouveau nom densemble de donnes. Le plan gnr sera sauvegard dansun nouvel ensemble de donnes dans la session en cours avec un nom spcifi.

E Slectionnez Rinitialiser le gnrateur du nombre alatoire sur et entrez la valeur 2000000.

20

Chapitre 5

La gnration dun plan orthogonal requiert un ensemble de nombres alatoires. Pour dupliquerun plan, dans ce cas, le plan utilis pour ltude de cas, vous devez dfinir la valeur du gnrateuravant de gnrer votre plan et rinitialiser le gnrateur sur cette valeur chaque gnration devotre plan. Le plan utilis pour cette tude de cas a t gnr avec une valeur de gnrateur de2000000.

E Cliquez sur Options.

Figure 5-3Bote de dialogue Gnrer plan orthogonal : Options

E Dans la zone de texte Nombre minimum dobservations gnrer, tapez 18.

Par dfaut, le nombre minimum dobservations ncessaires un tableau orthogonal est gnr.La procdure dtermine le nombre dobservations devant tre administres pour permettre uneestimation des outils. Vous pouvez galement indiquer un nombre minimum dobservations gnrer, comme vous venez de le faire. Vous souhaitez peut-tre faire ceci car le nombre pardfaut dobservations minimum est trop petit pour tre utile ou parce que vous envisagez un planexprimental qui requiert un certain nombre dobservations minimum.

E Slectionnez Nombre dobservations traites et tapez 4.

Les observations traites sont values par sujets, mais ne sont pas utilises par lanalyseconjointe pour valuer les outils. Elles sont utilises pour vrifier la validit des outils estims.Les observations traites sont gnres partir dun autre plan alatoire et non partir du planexprimental orthogonal.

E Cliquez sur Continuer dans la bote de dialogue Gnrer plan orthogonal : Options.

E Cliquez sur OK dans la bote de dialogue Gnrer plan orthogonal.

21


Figure 5-4Plan orthogonal pour lexemple de la shampouineuse

Le plan orthogonal est affich dans lditeur de donnes et pour optimiser son affichage, affichezles tiquettes de valeurs plutt que les valeurs de donnes actuelles. Pour ce faire, choisissezEtiquettes de valeurs dans le menu Afficher.Les variables dans le fichier de donnes sont les facteurs utiliss pour spcifier le plan. Chaque

observation reprsente un profil de produit du plan. Notez que deux variables supplmentaires,CARD_ et STATUS_, apparaissent dans le fichier de donnes. CARD_ attribue un numrosquentiel chaque profil utilis pour identifier le profil. STATUS_ indique si un profil fait partiedu plan exprimental (les 18 premires observations), une observation traite (les 4 derniresobservations) ou une observation de simulation (qui sera aborde dans une rubrique ultrieurede cette tude de cas).Le plan orthogonal est une saisie requise pour lanalyse des donnes. Vous allez donc enregistrer

votre plan dans un fichier de donnes. Dans un souci de commodit, le plan actuel a t enregistrdans carpet_plan.sav (les plans orthogonaux sont galement appels simplement des plans).

Cration de stimuli exprimentaux : Affichage du plan

Une fois que vous avez cr un plan orthogonal, vous allez lutiliser pour crer les profils desproduits devant tre valus par les sujets. Vous pouvez obtenir une liste des profils dans un seultableau ou afficher chaque profil dans un tableau distinct.

Pour afficher un plan orthogonal :

E A partir des menus, slectionnez :Donnes > Plan orthogonal > Afficher...

22

Chapitre 5

Figure 5-5Bote de dialogue Afficher plan orthogonal

E Slectionnez conditionnement, marque, prix, tiquette et argent comme facteurs.

Les informations contenues dans les variables STATUS_ et CARD_ sont automatiquement inclusesdans les rsultats, il ny a donc pas besoin de les slectionner.

E Slectionnez Liste pour lexprimentateur dans le groupe Format. Cette opration affiche tout leplan orthogonal dans un simple tableau.

E Cliquez sur OK.

Figure 5-6Affichage dun plan orthogonal : Prsentation en tableau simple

23


Les rsultats ressemblent un plan orthogonal comme indiqu dans lditeur de donnes, uneligne pour chaque profil avec les facteurs comme colonnes. Notez cependant que les en-ttes decolonnes sont les tiquettes de variables et non les noms de variables que vous affichez dans Dataeditor. Notez galement que les observations traites sont identifies par une note de bas de page.Ceci est intressant pour les exprimentateurs, mais vous ne voulez pas que les sujets puissentconnatre les observations qui ont t traites.En fonction de la manire dont vous crez et distribuez vos profils de produits finaux, vous

souhaitez peut-tre enregistrer ce tableau en tant que fichier HTML, Word/RTF, Excel ouPowerPoint. Ceci est facile accomplir, il suffit de slectionner le tableau dans lEditeur dersultats, de cliquer sur le bouton droit de la souris et de slectionner Exporter. De plus, si vousutilisez la version exporte pour crer les profils du produit final, assurez-vous de modifier lesnotes de bas de page pour les observations traites.La gnration dun tableau distinct pour chaque profil de produit est peut-tre plus adapte

aux besoins de votre enqute. Ce choix permet de faciliter lexport vers PowerPoint car chaquetableau (profil de produit) est plac sur une diapositive PowerPoint distincte.

Pour afficher chaque profil dans un tableau distinct :

E Cliquez sur le bouton Rappeler bote de dialogue et slectionnez Afficher plan orthogonal.

E Dslectionnez Liste pour lexprimentateur et slectionnez Profils exprimentaux appliqus auxsujets.

E Cliquez sur OK.Figure 5-7Affichage dun plan orthogonal : Prsentation multitableau

Les informations pour chaque profil de produit sont affiches dans un tableau distinct. En outre,il est impossible de distinguer les observations traites du reste des observations, il ny a doncaucun problme supprimer des identificateurs dobservations traites, la diffrence duneprsentation en tableau simple.

Excution de lanalyseVous avez gnr un plan orthogonal et appris comment afficher les profils de produits associs.Vous pouvez maintenant apprendre excuter une analyse conjointe.

24

Chapitre 5

Figure 5-8Donnes de prfrence pour lexemple de la shampouineuse

Les donnes de prfrence fournies par les sujets sont stockes dans carpet_prefs.sav. Cesdonnes se composent de rponses de 10 sujets, chacun tant identifi par une valeur unique de lavariable ID. On a demand aux sujets de classer les 22 profils de produits du prfr au moinsintressant. Les variables allant de PREF1 PREF22 contiennent les ID des profils de produitsassocis, cest--dire les ID de carte de carpet_plan.sav. Le sujet 1, par exemple, a prfr leprofil 13 aux autres, donc PREF1 prend la valeur 13.Lanalyse des donnes est une tche qui requiert lutilisation de syntaxe de commande, plus

particulirement la commande CONJOINT. La syntaxe de commande ncessaire a t fourniedans le fichier conjoint.sps.

CONJOINT PLAN='file specification'/DATA='file specification'/SEQUENCE=PREF1 TO PREF22/SUBJECT=ID/FACTORS=PACKAGE BRAND (DISCRETE)PRICE (LINEAR LESS)SEAL (LINEAR MORE) MONEY (LINEAR MORE)

/PRINT=SUMMARYONLY.

La sous-commande PLAN indique le fichier contenant le plan orthogonal ; dans cet exemple ilsagit de carpet_plan.sav.

La sous-commande DATA indique le fichier contenant les donnes de prfrencedans cetexemple, il sagit de carpet_prefs.sav. Si vous choisissez les donnes de prfrence commefichier de travail, vous pouvez remplacer la spcification de fichier par un astrisque (*),sans les parenthses.

La sous-commande SEQUENCE spcifie que chaque point de donnes des donnes deprfrence est un numro de profil, en commenant par le profil prfr et en terminant parle moins intressant.

La sous-commande SUBJECT spcifie que la variable ID identifie les sujets. La sous-commande FACTORS spcifie un modle dcrivant la relation attendue entre les

donnes de prfrence et les niveaux de facteur. Les facteurs spcifis rfrent des variablesdfinies dans le fichier de plan nomm dans la sous-commande PLAN.

Le mot-cl DISCRETE est utilis lorsque les niveaux de facteur sont qualitatifs et quaucunehypothse nest faite sur la relation entre les niveaux et les donnes. Cest le cas pour lesfacteurs conditionnement et marque qui reprsentent la conception du conditionnement etle nom de marque respectivement. DISCRETE est considr si un facteur nest pas tiquet

25


de lune des quatre alternatives (DISCRETE, LINEAR, IDEAL, ANTIIDEAL) ou nest pasinclus dans la sous-commande FACTORS.

Le mot-cl LINEAR, utilis pour les facteurs restants, indique que les donnes doiventtre lies linairement au facteur. Par exemple, la prfrence doit habituellement tre lielinairement au prix. Vous pouvez galement spcifier les modles quadratiques (qui ne sontpas utiliss dans cet exemple) avec les mots-cls IDEAL et ANTIIDEAL.

Les mots-cls MORE et LESS suivant LINEAR indique une direction attendue de cette relation.Puisque nous attendons que les prfrences soient plus leves pour des prix plus bas, lemot-cl LESS est utilis pour prix. Cependant, nous attendons des prfrences leves pourune tiquette dapprobation Economique ou une garantie Satisfait ou rembours, ainsi lemot-cl MORE est utilis pour tiquette et argent (souvenez-vous que les niveaux de ces deuxfacteurs taient dfinis 1 pour non et 2 pour oui).Spcifier MORE ou LESS ne change pas les signes des coefficients ou naffecte pas lesestimations des outils. Ces mots-cls sont utiliss simplement pour identifier les sujets dontles estimations ne correspondent pas la direction attendue. De mme, le choix IDEAL laplace dANTIIDEAL, et vice versa, naffecte pas les coefficients ou outils.

La sous-commande PRINT spcifie que les rsultats contiennent des informations pour legroupe de sujets uniquement en tant quensemble (mot-cl SUMMARYONLY). Les informationspour chaque sujet sparment sont supprimes.

Essayez dexcuter cette syntaxe de commande. Vrifiez que vous avez inclus des chemins daccsvalides aux fichiers carpet_prefs.sav et carpet_plan.sav. Pour obtenir une description complte detoutes les options, reportez-vous la commande CONJOINT dans Command Syntax Reference.

Scores des outilsFigure 5-9Scores des outils

Ce tableau montre les scores des outils (valeur de partie) ainsi que leurs erreurs standard pourchaque niveau de facteur. Les valeurs doutils suprieures indiquent une prfrence leve.Conformment ce qui tait attendu, il existe une relation inverse entre le prix et lutilitaire, avecdes prix suprieurs pour un utilitaire infrieur (des valeurs ngatives importantes indiquent un

26

Chapitre 5

utilitaire infrieur). La prsence dune tiquette dapprobation ou dune garantie Satisfait ourembours correspond un utilitaire suprieur, comme prvu.Puisque tous les outils sont exprims dans une mme unit, ils peuvent tre additionns pour

donner lutilitaire total dune combinaison. Par exemple, lutilitaire total dune shampouineuseavec la conception du conditionnement B*, la marque K2R, le prix 0,95 et aucune tiquettedapprobation ou de garantie Satisfait ou rembours est :

utilitaire(conditionnement B*) + utilitaire(K2R) + utilitaire(0,95 )+ utilitaire(aucune tiquette) + utilitaire(aucune garantie Satisfait ou rembours) + constante

ou

1.867 + 0.367 + (6.595) + 2.000 + 1.250 + 12.870 = 11.759

Si la shampouineuse avait une conception du conditionnement C*, une marque Bissell, un prix0,95 , une tiquette dapprobation et une garantie Satisfait ou rembours, lutilitaire total serait :

0.367 + (0.017) + (8.811) + 4.000 + 2.500 + 12.870 = 10.909

Coefficients

Figure 5-10Coefficients

Ce tableau affiche les coefficients de rgression linaire pour les facteurs spcifis en tant queLINEAR (pour les modles IDEAL et ANTIIDEAL, il y aura galement un terme quadratique).Lutilitaire pour un niveau de facteur particulier est dtermin en multipliant le niveau par lecoefficient. Par exemple, lutilitaire estim pour un prix de 0,95 a t rpertori en tant que6,595 dans le tableau des outils. Il sagit simplement de la valeur du niveau de prix, 0,95multipli par le coefficient du prix, 5,542.

Importance relative

La plage des valeurs dutilitaire (plus lev moins lev) pour chaque facteur fournit une mesurede limportance du facteur dans la prfrence gnrale. Les facteurs avec des plages doutilssuprieures tiennent un rle plus important que ceux avec des plages plus petites.

27


Figure 5-11Valeurs dimportance

Ce tableau fournit une mesure de limportance relative de chaque facteur, appele score ou valeurdimportance. Les valeurs sont calcules en prenant la plage dutilitaire de chaque facteursparment et en la divisant par la somme des plages dutiliaires pour tous les facteurs. Lesvaleurs reprsentent donc des pourcentages et ont la particularit de produire une somme de 100lorsquelles sont toutes additionnes. Ces calculs, il faut le noter, sont effectus sparment pourchaque sujet et les rsultats sont ensuite considrs par leur moyenne pour tous les sujets.Notez que les outils gnraux ou rcapitulatifs et les coefficients de rgression des plans

orthogonaux sont les mmes avec ou sans une sous-commande SUBJECT, les importances sonten gnral diffrentes. Pour des rsultats rcapitulatifs sans la sous-commande SUBJECT, lesimportances peuvent tre calcules directement partir des outils rcapitulatifs, de la mmemanire que pour des sujets individuels. Cependant, lorsquune sous-commande SUBJECT estutilise, les importances pour les sujets individuels sont considres par leur moyenne et lesmoyennes des importances ne correspondent pas en gnral celles calcules laide des outilsrcapitulatifs.Les rsultats indiquent que la conception du conditionnement est celle qui, parmi toutes

les prfrences, a le plus dinfluence. Ceci signifie quil y a une diffrence importante deprfrence entre les profils de produits avec le conditionnement le plus attractif et ceux avec leconditionnement le moins attractif. Les rsultats indiquent galement que la garantie Satisfaitou rembours tient le rle le moins important dans la dtermination de la prfrence gnrale.Le prix joue un rle important mais pas autant que la conception du conditionnement. Ceci estpeut-tre d au fait que la plage des prix nest pas assez tendue.

CorrlationsFigure 5-12Coefficients de corrlation

Ce tableau affiche deux statistiques, R de Pearson et tau de Kendall, qui fournissent des mesuresde la corrlation entre les prfrences observes et celles estimes.Le tableau affiche galement le tau de Kendall uniquement pour les profils traits.

Souvenez-vous que les profils traits (quatre dans lexemple prcdent) ont t valus par sujetsmais ne sont pas utiliss par la procdure Conjointe pour les outils estims. En fait, la procdure

28

Chapitre 5

conjointe calcule les corrlations entre les rangs observs et ceux estims pour ces profils pourvrifier la validit des outils.Dans de nombreuses analyses conjointes, le nombre de paramtres est proche du nombre de

profils valus, ce qui augmente de manire artificielle la corrlation entre les rsultats observset ceux estims. Dans ces observations, les corrlations des profils traits peuvent donner unemeilleure indication de lajustement dun modle. Gardez lesprit cependant que les lmentstraits produisent des coefficients de corrlation plus bas.

Inversements

En spcifiant des modles LINEAR pour prix, tiquette et argent, nous choisissons une directionattendue (LESS ou MORE) pour la relation linaire entre la valeur de la variable la prfrence pourcette valeur. La procdure conjointe garde une trace du nombre de sujets dont les prfrencesont indiqu le contraire de la relation attenduepar exemple, une prfrence suprieure pourdes prix levs ou une prfrence infrieure pour une garantie satisfait ou rembours . Cesobservations sont appeles des inversements.

Figure 5-13Nombre dinversements par facteur et sujet

Ce tableau affiche le nombre dinversements pour chaque facteur et pour chaque sujet. Parexemple, trois sujets indiquent un inversement pour prix. En fait, ils prfrent les profils deproduits avec des prix levs.

Excution de simulations

Le vritable avantage de lanalyse conjointe est de pouvoir prvoir la prfrence des profils deproduits qui nont pas t valus par les sujets. Ces observations sont appeles des observationsde simulation. Les observations de simulation sont incluses dans le plan avec les profils duplan orthogonal et les profils traits.La manire la plus simple dentrer des observations de simulation est dutiliser Data Editor, en

utilisant les tiquettes de valeurs cres lorsque vous gnrez le plan exprimental.

29


Pour entrer une observation de simulation dans le fichier de plan :

E Dans une nouvelle ligne de la fentre de lditeur de donnes, slectionnez une cellule puis lavaleur souhaite dans la liste (les tiquettes de valeurs peuvent tre affiches en slectionnantEtiquettes de valeurs dans le menu Afficher). Rptez cette opration pour toutes les variables(facteurs).

E Slectionnez Simulation pour la valeur de la variable STATUS_.

E Entrez une valeur entire utiliser comme identificateur de la valeur CARD_. Les observations desimulation devraient tre numrotes sparment des autres observations.Figure 5-14Donnes de la shampouineuse incluant des observations de simultation

Ce schma illustre une partie du fichier de plan pour ltude sur la shampouineuse avec deuxobservations de simulation ajoutes. Dans un souci de commodit, ces dernires ont t inclusesdans carpet_plan.sav.Lanalyse des observations de simulation est accomplie avec la mme syntaxe de commande que

celle utilise prcdemment, cest--dire la syntaxe du fichier conjoint.sps. En fait, si vous avezexcut la syntaxe dcrite prcdemment, vous avez remarqu que les rsultats incluent galementles rsultats pour les observations de simulation car elles sont incluses dans carpet_plan.sav.Vous pouvez choisir dexcuter les simulations avec votre analyse initiale, comme cest le cas

ici, ou dexcuter les simulations plus tard simplement en incluant des observations de simulationdans votre fichier de plan et dexcuter nouveau CONJOINT. Pour obtenir plus dinformations,reportez-vous la commande CONJOINT dans Command Syntax Reference.

Probabilits des prfrences des simulationsFigure 5-15Rsultats de simulation

Ce tableau donne les probabilits prvues de choisir chacune des observations de simulationcomme tant lobservation prfre, en fonction de trois modles diffrents de probabilit dechoix. Le modle utilitaire maximum dtermine la probabilit en divisant le nombre derpondants dont on prvoit quils choisiront le profil par le nombre total de rpondants. Pourchaque rpondant, le choix prvu est simplement le profil avec le plus grand utilitaire total. Le

30

Chapitre 5

modle BTL (Bradley-Terry-Luce) dtermine la probabilit comme le rapport de lutilitaire duprofil par rapport celui de tous les profils de simulation, considre comme moyenne entre tousles rpondants. Le modle logit est semblable BTL mais utilise le log nprien des outils laplace des outils. Parmi les 10 sujets de cette tude, les trois modles ont indiqu que le profil desimulation 2 tait prfr.

Annexe

AFichiers dexemple

Les fichiers dexemple installs avec le produit figurent dans le sous-rpertoire Echantillons durpertoire dinstallation. Il existe un dossier distinct au sein du sous-rpertoire Echantillons pourchacune des langues suivantes : Anglais, Franais, Allemand, Italien, Japonais, Coren, Polonais,Russe, Chinois simplifi, Espangol et Chinois traditionnel.

Seuls quelques fichiers dexemples sont disponibles dans toutes les langues. Si un fichierdexemple nest pas disponible dans une langue, le dossier de langue contient la version anglaisedu fichier dexemple.

Descriptions

Voici de brves descriptions des fichiers dexemple utiliss dans divers exemples travers ladocumentation. accidents.sav.Ce fichier de donnes dhypothse concerne une socit dassurance qui tudie

les facteurs de risque lis lge et au sexe dans les accidents de la route survenant dans unergion donne. Chaque observation correspond une classification croise de la catgoriedge et du sexe.

adl.sav. Ce fichier de donnes dhypothse concerne les mesures entreprises pour identifier lesavantages dun type de thrapie propos aux patients qui ont subi une attaque cardiaque. Lesmdecins ont assign de manire alatoire les patients du sexe fminin ayant subi une attaquecardiaque un groupe parmi deux groupes possibles. Le premier groupe a fait lobjet de lathrapie standard tandis que le second a bnfici en plus dune thrapie motionnelle. Troismois aprs les traitements, les capacits de chaque patient effectuer les tches ordinaires dela vie quotidienne ont t notes en tant que variables ordinales.

advert.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprend undtaillant pour examiner la relation existant entre largent dpens dans la publicit et lesventes rsultantes. Pour ce faire, il collecte les chiffres des ventes passes et les cots associs la publicit.

aflatoxin.sav. Ce fichier de donnes dhypothse concerne le test de laflatoxine dans desrcoltes de mas. La concentration de ce poison varie largement dune rcolte lautre et ausein de chaque rcolte. Un processeur de grain a reu 16 chantillons issus de 8 rcoltes demas et a mesur les niveaux dalfatoxine en parties par milliard (PPB).

aflatoxin20.sav. Ce fichier de donnes contient les mesures daflatoxine de chacun des16 chantillons des rcoltes 4 et 8 du fichier de donnes aflatoxin.sav.

anorectic.sav. En cherchant dvelopper une symptomatologie standardise du comportementanorexique/boulimique, des chercheurs(Van der Ham, Meulman, Van Strien, et Van Engeland,1997) ont examin 55 adolescents souffrant de troubles alimentaires. Chaque patient a t


32

Annexe A

observ quatre fois sur une priode de quatre annes, soit un total de 220 observations. Achaque observation, les patients ont t nots pour chacun des 16 symptmes. En raison delabsence de scores de symptme pour le patient 71/visite 2, le patient 76/visite 2 et le patient47/visite 3, le nombre dobservations valides est de 217.

autoaccidents.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprendun analyste en assurances pour modliser le nombre daccidents de la route par conducteurtout en prenant en compte lge et le sexe du conducteur. Chaque observation reprsente unconducteur distinct et enregistre son sexe, son ge et le nombre daccidents de la route aucours des cinq dernires annes.

band.sav. Ce fichier de donnes contient les chiffres de ventes hebdomadaires hypothtiquesde CD musicaux dun groupe. Les donnes relatives trois variables explicatives possiblessont galement incluses.

bankloan.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprend unebanque pour rduire le taux de dfaut de paiement. Il contient des informations financireset dmographiques sur 850 clients existants et ventuels. Les premires 700 observationsconcernent des clients auxquels des prts ont t octroys. Les 150 dernires observationscorrespondant aux clients ventuels que la banque doit classer comme bons ou mauvaisrisques de crdit.

bankloan_binning.sav. Ce fichier de donnes dhypothse concerne des informationsfinancires et dmographiques sur 5 000 clients existants.

behavior.sav. Dans un exemple classique (Price et Bouffard, 1974), on a demand 52 tudiants de noter les combinaisons tablies partir de 15 situations et de 15 comportementssur une chelle de 0 9, o 0 = extrmement appropri et 9 = extrmement inappropri .En effectuant la moyenne des rsultats de lensemble des individus, on constate une certainediffrence entre les valeurs.

behavior_ini.sav. Ce fichier de donnes contient la configuration initiale dune solutionbidimensionnelle pour behavior.sav.

brakes.sav. Ce fichier de donnes dhypothse concerne le contrle qualit effectu dansune usine qui fabrique des freins disque pour des voitures haut de gamme. Le fichier dedonnes contient les mesures de diamtre de 16 disques de 8 machines de production. Lediamtre cible des freins est de 322 millimtres.

breakfast.sav. Au cours dune tude classique (Green et Rao, 1972), on a demand 21 tudiants en MBA (Master of Business Administration) de lcole de Wharton et leursconjoints de classer 15 aliments du petit-djeuner selon leurs prfrences, de 1= alimentprfr 15= aliment le moins apprci . Leurs prfrences ont t enregistres dans sixscnarios diffrents, allant de Prfrence gnrale En-cas avec boisson uniquement .

breakfast-overall.sav. Ce fichier de donnes contient les prfrences de petit-djeuner dupremier scnario uniquement, Prfrence gnrale .

broadband_1.sav. Ce fichier de donnes dhypothse concerne le nombre dabonns, parrgion, un service haut dbit. Le fichier de donnes contient le nombre dabonns mensuelsde 85 rgions sur une priode de quatre ans.

broadband_2.sav. Ce fichier de donnes est identique au fichier broadband_1.sav mais contientles donnes relatives trois mois supplmentaires.

33

Fichiers dexemple

car_insurance_claims.sav. Il sagit dun ensemble de donnes prsent et analys ailleurs(McCullagh et Nelder, 1989) qui concerne des actions en indemnisation pour des voitures.Le montant daction en indemnisation moyen peut tre model comme prsentant unedistribution gamma, laide dune fonction de lien inverse pour associer la moyenne de lavariable dpendante une combinaison linaire de lge de lassur, du type de vhicule etde lge du vhicule. Le nombre dactions entreprises peut tre utilis comme pondrationde positionnement.

car_sales.sav. Ce fichier de donnes contient des estimations de ventes hypothtiques, desbarmes de prix et des spcifications physiques concernant divers modles et marques devhicule. Les barmes de prix et les spcifications physiques proviennent tour tour deedmunds.com et des sites des constructeurs.

car_sales_uprepared.sav. Il sagit dune version modifie de car_sales.sav qui ninclut aucuneversion transforme des champs.

carpet.sav. Dans un exemple courant (Green et Wind, 1973), une socit intresse par lacommercialisation dun nouveau nettoyeur de tapis souhaite examiner linfluence de cinqcritres sur la prfrence du consommateur : la conception du conditionnement, la marque, leprix, une tiquette Economique et une garantie satisfait ou rembours. Il existe trois niveauxde critre pour la conception du conditionnement, suivant lemplacement de lapplicateur,trois marques (K2R, Glory et Bissell), trois niveaux de prix et deux niveaux (non ou oui) pourchacun des deux derniers critres. Dix consommateurs classent 22 profils dfinis par cescritres. La variable Prfrence indique le classement des rangs moyens de chaque profil.Un rang faible correspond une prfrence leve. Cette variable reflte une mesure globalede prfrence pour chaque profil.

carpet_prefs.sav. Ce fichier de donnes repose sur le mme exemple que celui dcrit pourcarpet.sav, mais contient les classements rels issus de chacun des 10 clients. On a demandaux consommateurs de classer les 22 profils de produits, du prfr au moins intressant. Lesvariables PREF1 PREF22 contiennent les identificateurs des profils associs, tels quilssont dfinis dans carpet_plan.sav.

catalog.sav. Ce fichier de donnes contient des chiffres de ventes mensuelles hypothtiquesrelatifs trois produits vendus par une entreprise de vente par correspondance. Les donnesrelatives cinq variables explicatives possibles sont galement incluses.

catalog_seasfac.sav. Ce fichier de donnes est identique catalog.sav mais contient en plusun ensemble de facteurs saisonniers calculs partir de la procdure de dsaisonnalisation,ainsi que les variables de date correspondantes.

cellular.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprend unoprateur tlphonique pour rduire les taux de dsabonnement. Des scores de propension audsabonnement sont attribus aux comptes, de 0 100. Les comptes ayant une note gale ousuprieure 50 sont susceptibles de changer de fournisseur.

ceramics.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprend unfabricant pour dterminer si un nouvel alliage haute qualit rsiste mieux la chaleur quunalliage standard. Chaque observation reprsente un test spar de lun des deux alliages ; ledegr de chaleur auquel lalliage ne rsiste pas est enregistr.

34

Annexe A

cereal.sav. Ce fichier de donnes dhypothse concerne un sondage de 880 personnesinterroges sur leurs prfrences de petit-djeuner et sur leur ge, leur sexe, leur situationfamiliale et leur mode de vie (actif ou non actif, selon quelles pratiquent une activit physiqueau moins deux fois par semaine). Chaque observation correspond un rpondant distinct.

clothing_defects.sav. Ce fichier de donnes dhypothse concerne le processus de contrlequalit observ dans une usine de textile. Dans chaque lot produit lusine, les inspecteursprlvent un chantillon de vtements et comptent le nombre de vtements qui ne sont pasacceptables.

coffee.sav. Ce fichier de donnes concerne limage perue de six marques de caf frapp(Kennedy, Riquier, et Sharp, 1996). Pour chacun des 23 attributs dimage de caf frapp,les personnes sollicites ont slectionn toutes les marques dcrites par lattribut. Les sixmarques sont appeles AA, BB, CC, DD, EE et FF des fins de confidentialit.

contacts.sav. Ce fichier de donnes dhypothse concerne les listes de contacts dun groupede reprsentants en informatique dentreprise. Chaque contact est class selon le service delentreprise o il travaille et le classement de son entreprise. Sont galement enregistrs lemontant de la dernire vente effectue, le temps pass depuis la dernire vente et la taillede lentreprise du contact.

creditpromo.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprend ungrand magasin pour valuer lefficacit dune promotion rcente de carte de crdit. A cettefin, 500 dtenteurs de carte ont t slectionns au hasard. La moiti a reu une publicitfaisant la promotion dun taux dintrt rduit sur les achats effectus dans les trois mois venir. Lautre moiti a reu une publicit saisonnire standard.

customer_dbase.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprendune socit pour utiliser les informations figurant dans sa banque de donnes et proposer desoffres spciales aux clients susceptibles dtre intresss. Un sous-groupe de la base declients a t slectionn au hasard et a reu des offres spciales. Les rponses des clientsont t enregistres.

customer_information.sav. Un fichier de donnes dhypothse qui contient les informationspostales du client, telles que le nom et ladresse.

customer_subset.sav. Un sous-ensemble de 80 observations de customer_dbase.sav. customers_model.sav. Ce fichier de donnes dhypothse concerne les personnes cibles par

une campagne de marketing. Ces donnes incluent des informations dmographiques, unrcapitulatif de lhistorique dachat et indiquent si chaque personne a rpondu ou non lacampagne. Chaque observation reprsente une personne distincte.

customers_new.sav. Ce fichier de donnes dhypothse concerne les personnes constituant descibles potentielles pour une campagne de marketing. Ces donnes incluent des informationsdmographiques et un rcapitulatif de lhistorique dachat pour chaque personne. Chaqueobservation reprsente une personne distincte.

debate.sav. Ce fichier de donnes dhypothse concerne des rponses apparies une enqutedonne aux participants un dbat politique avant et aprs le dbat. Chaque observationreprsente un rpondant distinct.

debate_aggregate.sav. Il sagit dun fichier de donnes dhypothse qui rassemble les rponsesdans le fichier debate.sav. Chaque observation correspond une classification croise deprfrence avant et aprs le dbat.

35

Fichiers dexemple

demo.sav. Ce fichier de donnes dhypothse concerne une base de donnes clients achete envue de diffuser des offres mensuelles. Les donnes indiquent si le client a rpondu ou non loffre et contiennent diverses informations dmographiques.

demo_cs_1.sav. Ce fichier de donnes dhypothse concerne la premire mesure entreprisepar une socit pour compiler une base de donnes contenant des informations denqute.Chaque observation correspond une ville diffrente. La rgion, la province, le quartieret la ville sont enregistrs.

demo_cs_2.sav. Ce fichier de donnes dhypothse concerne la seconde mesure entreprise parune socit pour compiler une base de donnes contenant des informations denqute. Chaqueobservation correspond un mnage diffrent issu des villes slectionnes la premiretape. La rgion, la province, le quartier, la ville, la sous-division et lidentification sontenregistrs. Les informations dchantillonnage des deux premires tapes de la conceptionsont galement incluses.

demo_cs.sav. Ce fichier de donnes dhypothse concerne des informations denqutecollectes via une mthode complexe dchantillonnage. Chaque observation correspond un mnage diffrent et diverses informations gographiques et dchantillonnage sontenregistres.

dmdata.sav. Ceci est un fichier de donnes dhypothse qui contient des informationsdmographiques et des informations concernant les achats pour une entreprise de marketingdirect. dmdata2.sav contient les informations pour un sous-ensemble de contacts qui ont reuun envoi dessai, et dmdata3.sav contient des informations sur les contacts restants qui nontpas reu lenvoi dessai.

dietstudy.sav. Ce fichier de donnes dhypothse contient les rsultats dune tude portant surle rgime de Stillman(Rickman, Mitchell, Dingman, et Dalen, 1974). Chaque observationcorrespond un sujet distinct et enregistre son poids en livres avant et aprs le rgime, ainsique ses niveaux de triglycrides en mg/100 ml.

dvdplayer.sav. Ce fichier de donnes dhypothse concerne le dveloppement dun nouveaulecteur DVD. A laide dun prototype, lquipe de marketing a collect des donnes degroupes spcifiques. Chaque observation correspond un utilisateur interrog et enregistredes informations dmographiques sur cet utilisateur, ainsi que ses rponses aux questionsportant sur le prototype.

german_credit.sav. Ce fichier de donnes provient de lensemble de donnes Germancredit figurant dans le rfrentiel Machine Learning Databases (Blake et Merz, 1998) deluniversit de Californie, Irvine.

grocery_1month.sav. Ce fichier de donnes dhypothse est le fichier de donnesgrocery_coupons.sav dans lequel les achats hebdomadaires sont organiss par client distinct.Certaines variables qui changeaient toutes les semaines disparaissent. En outre, le montantdpens enregistr est prsent la somme des montants dpenss au cours des quatresemaines de lenqute.

grocery_coupons.sav. Il sagit dun fichier de donnes dhypothse qui contient des donnesdenqute collectes par une chane de magasins dalimentation qui chercher dterminer leshabitudes de consommation de ses clients. Chaque client est suivi pendant quatre semaineset chaque observation correspond une semaine distincte. Les informations enregistresconcernent les endroits o le client effectue ses achats, la manire dont il les effectue, ainsique les sommes dpenses en provisions au cours de cette semaine.

36

Annexe A

guttman.sav. Bell (Bell, 1961) a prsent un tableau pour illustrer les groupes sociauxpossibles. Guttman (Guttman, 1968) a utilis une partie de ce tableau, dans lequel cinqvariables dcrivant des lments tels que linteraction sociale, le sentiment dappartenance un groupe, la proximit physique des membres et la formalit de la relation, ont t croisesavec sept groupes sociaux thoriques, dont les foules (par exemple, le public dun match defootball), laudience (par exemple, au cinma ou dans une salle de classe), le public (parexemple, les journaux ou la tlvision), les bandes (proche dune foule, mais qui seraitcaractrise par une interaction beaucoup plus intense), les groupes primaires (intimes), lesgroupes secondaires (volontaires) et la communaut moderne (groupement lche issu duneforte proximit physique et dun besoin de services spcialiss).

health_funding.sav. Ce fichier de donnes dhypothse concerne des donnes sur lefinancement des soins de sant (montant par groupe de 100 individus), les taux de maladie(taux par groupe de 10 000 individus) et les visites chez les prestataires de soins de sant (tauxpar groupe de 10 000 individus). Chaque observation reprsente une ville diffrente.

hivassay.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprend unlaboratoire pharmaceutique pour dvelopper une analyse rapide de dtection dinfection HIV.Lanalyse a pour rsultat huit nuances de rouge, les nuances les plus marques indiquant uneplus forte probabilit dinfection. Un test en laboratoire a t effectu sur 2 000 chantillons desang, la moiti de ces chantillons tant infecte par le virus HIV et lautre moiti tant saine.

hourlywagedata.sav. Ce fichier de donnes dhypothse concerne les salaires horairesdinfirmires occupant des postes administratifs et dans les services de soins, et affichantdivers niveaux dexprience.

insurance_claims.sav. Il sagit dun fichier de donnes hypothtiques qui concerne unecompagnie dassurance souhaitant dvelopper un modle pour signaler des rclamationssuspectes, potentiellement frauduleuses. Chaque observation correspond une rclamationdistincte.

insure.sav. Ce fichier de donnes dhypothse concerne une compagnie dassurance qui tudieles facteurs de risque indiquant si un client sera amen dclarer un incident au cours duncontrat dassurance vie dune dure de 10 ans. Chaque observation figurant dans le fichierde donnes reprsente deux contrats, lun ayant enregistr une rclamation et lautre non,apparis par ge et sexe.

judges.sav. Ce fichier de donnes dhypothse concerne les scores attribus par des jugesexpriments (plus un juge enthousiaste) 300 performances de gymnastique. Chaque lignereprsente une performance distincte ; les juges ont examin les mmes performances.

kinship_dat.sav. Rosenberg et Kim (Rosenberg et Kim, 1975) se sont lancs dans lanalysede 15 termes de parent (cousin/cousine, fille, fils, frre, grand-mre, grand-pre, mre,neveu, nice, oncle, pre, petite-fille, petit-fils, sur, tante). Ils ont demand quatre groupesdtudiants (deux groupes de femmes et deux groupes dhommes) de trier ces termes enfonction des similarits. Deux groupes (un groupe de femmes et un groupe dhommes) ont tinvits effectuer deux tris, en basant le second sur un autre critre que le premier. Ainsi, untotal de six sources a t obtenu. Chaque source correspond une matrice de proximit

, dont le nombre de cellules est gal au nombre de personnes dans une source moins lenombre de fois o les objets ont t partitionns dans cette source.

kinship_ini.sav. Ce fichier de donnes contient une configuration initiale dune solutiontridimensionnelle pour kinship_dat.sav.

37

Fichiers dexemple

kinship_var.sav. Ce fichier de donnes contient les variables indpendantes sexe, gnr(ation)et degr (de sparation) permettant dinterprter les dimensions dune solution pourkinship_dat.sav. Elles permettent en particulier de rduire lespace de la solution unecombinaison linaire de ces variables.

marketvalues.sav. Ce fichier de donnes concerne les ventes de maisons dans un nouvelensemble Algonquin (Illinois) au cours des annes 19992000. Ces ventes relvent desarchives publiques.

nhis2000_subset.sav.Le NHIS (National Health Interview Survey) est une enqute degrande envergure concernant la population des Etats-Unis. Des entretiens ont lieu avecun chantillon de mnages reprsentatifs de la population amricaine. Des informationsdmographiques et des observations sur ltat de sant et le comportement sanitaire sontrecueillies auprs des membres de chaque mnage. Ce fichier de donnes contient unsous-groupe dinformations issues de lenqute de 2000. National Center for Health Statistics.National Health Interview Survey, 2000. Fichier de donnes et documentation dusage public.ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/Datasets/NHIS/2000/. Accs en 2003.

ozone.sav. Les donnes incluent 330 observations portant sur six variables mtorologiquespour prvoir la concentration dozone partir des variables restantes. Des chercheursprcdents (Breiman et Friedman, 1985), (Hastie et Tibshirani, 1990), ont dcel parmi cesvariables des non-linarits qui pnalisent les approches standard de la rgression.

pain_medication.sav. Ce fichier de donnes dhypothse contient les rsultats dun essaiclinique dun remde anti-inflammatoire traitant les douleurs de larthrite chronique. Oncherche notamment dterminer le temps ncessaire au mdicament pour agir et les rsultatsquil permet dobtenir par rapport un mdicament existant.

patient_los.sav. Ce fichier de donnes dhypothse contient les dossiers mdicaux de patientsadmis lhpital pour suspicion dinfarctus du myocarde suspect (ou attaque cardiaque ).Chaque observation correspond un patient distinct et enregistre de nombreuses variableslies son sjour lhpital.

patlos_sample.sav. Ce fichier de donnes dhypothse contient les dossiers mdicaux dunchantillon de patients sous traitement thrombolytique aprs un infarctus du myocarde.Chaque observation correspond un patient distinct et enregistre de nombreuses variableslies son sjour lhpital.

polishing.sav. Il sagit du fichier de donnes du Nambeware Polishing Times de la Dataand Story Library. Il concerne les mesures quentreprend un fabricant de vaisselle en mtal(Nambe Mills, Santa Fe, Nouveau-Mexique) pour planifier sa production. Chaque observationreprsente un article diffrent de la gamme de produits. Le diamtre, le temps de polissage, leprix et le type de produit sont enregistrs pour chaque article.

poll_cs.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprend unenquteur pour dterminer le niveau de soutien du public pour un projet de loi avantlgislature. Les observations correspondent des lecteurs enregistrs. Chaque observationenregistre le comt, la ville et le quartier o habite llecteur.

poll_cs_sample.sav. Ce fichier de donnes dhypothse contient un chantillon des lecteursrpertoris dans le fichier poll_cs.sav. Lchantillon a t prlev selon le plan spcifi dans lefichier de plan poll.csplan et ce fichier de donnes enregistre les probabilits dinclusion et lespondrations dchantillon. Toutefois, ce plan faisant appel une mthode dchantillonnagede probabilit proportionnelle la taille (PPS Probability-Proportional-to-Size), il existe

38

Annexe A

galement un fichier contenant les probabilits de slection conjointes (poll_jointprob.sav).Les variables supplmentaires correspondant la rpartition dmographique des lecteurs et leur opinion sur le projet de loi propos ont t collectes et ajoutes au fichier de donnesune fois lchantillon prlev.

property_assess.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprendun contrleur au niveau du comt pour maintenir les valuations de valeur de proprit joursur des ressources limites. Les observations correspondent des proprits vendues dans lecomt au cours de lanne prcdente. Chaque observation du fichier de donnes enregistrela ville o se trouve la proprit, lvaluateur ayant visit la proprit pour la dernire fois,le temps coul depuis cette valuation, lvaluation effectue ce moment-l et la valeurde vente de la proprit.

property_assess_cs.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprendun contrleur du gouvernement pour maintenir les valuations de valeur de proprit joursur des ressources limites. Les observations correspondent des proprits de ltat. Chaqueobservation du fichier de donnes enregistre le comt, la ville et le quartier o se trouve laproprit, le temps coul depuis la dernire valuation et lvaluation alors effectue.

property_assess_cs_sample.sav. Ce fichier de donnes dhypothse contient un chantillondes proprits rpertories dans le fichier property_assess_cs.sav. Lchantillon a tprlev selon le plan spcifi dans le fichier de plan property_assess.csplan et ce fichier dedonnes enregistre les probabilits dinclusion et les pondrations dchantillon. La variablesupplmentaire Valeur courante a t collecte et ajoute au fichier de donnes une foislchantillon prlev.

recidivism.sav. Ce fichier de donnes dhypothse concerne les mesures quentreprend uneagence administrative dapplication de la loi pour interprter les taux de rcidive dans lajuridiction. Chaque observation correspond un rcidiviste et enregistre les informationsdmographiques qui lui sont propres, certains dtails sur le premier dlit commis, ainsi quele temps coul jusqu la seconde arrestation si elle sest produite dans les deux annessuivant la premire.

recidivism_cs_sample.sav. Ce fichier de donnes dhypothse concerne les mesuresquentreprend une agence administrative dapplication de la loi pour interprter les taux dercidive dans la juridiction. Chaque observation correspond un rcidiviste libr suite la premire arrestation en juin 2003 et enregistre les informations dmographiques quilui sont propres, certains dtails sur le premier dlit commis et les donnes relatives laseconde arrestation, si elle a eu lieu avant fin juin 2006. Les rcidivistes ont t choisis dansplusieurs dpartements chantillonns conformment au plan dchantillonnage spcifi dansrecidivism_cs.csplan. Ce plan faisant appel une mthode dchantillonnage de probabilitproportionnelle la taille (PPS - Probability proportional to size), il existe galement unfichier contenant les probabilits de slection conjointes (recidivism_cs_jointprob.sav).

rfm_transactions.sav.Un fichier de donnes dhypothse qui contient les donnes de transactiondachat, y compris la date dachat, le/les lment(s) achet(s) et le montant montaire pourchaque transaction.

salesperformance.sav. Ce fichier de donnes dhypothse concerne lvaluation de deuxnouveaux cours de formation en vente. Soixante employs, diviss en trois groupes, reoiventchacun une formation standard. En outre, le groupe 2 suit une formation technique et legroupe 3 un didacticiel pratique. A lissue du cours de formation, chaque employ est test et

39

Fichiers dexemple

sa note enregistre. Chaque observation du fichier de donnes reprsente un stagiaire distinctet enregistre le groupe auquel il a t assign et la note quil a obtenue au test.

satisf.sav. Il sagit dun fichier de donnes dhypothse portant sur une enqute de satisfactioneffectue par une socit de vente au dtail au niveau de quatre magasins. Un total de582 clients ont t interrogs et chaque observation reprsente la rponse dun seul client.

screws.sav.Ce fichier de donnes contient des informations sur les descriptives des vis, desboulons, des crous et des cl

IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/French... · Séminaires de...

Documents

Transcript of IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/French... · Séminaires de...

SPSS Survey Tips - » SPSS Predictive Analytics

IBM SPSS Missing Values 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/Traditional... · 序 IBM®SPSS®Statistics為分析資料的強大系統。遺漏值的選用性附加模組能提供其

Introduction to SPSS 19 - medarbejdere.au.dkmedarbejdere.au.dk/.../SPSS/Intro_to_SPSS_19.pdf · · 2015-05-29Introduction to SPSS 19.0 Analytics Group Introduction to SPSS 19.0

IBM SPSS Statistics 19 Core System 使用手冊 - szit.bme.hukela/SPSSStatistics (E)/Documentation/Traditional... · 序 IBM SPSS Statistics IBM®SPSS®Statistics為分析資料的強大系統。SPSSStatistics可以從幾乎所有的檔

Méthodologie et organisation de séminaires, d’ateliers et ...archive.ecml.at/documents/pub142F2002.pdf · Méthodologie et organisation de séminaires, d’ateliers et de conférences

Catalogue Evotion : Animations, ateliers, séminaires et concepts robotiques

SPSS statistics - get help using SPSS

SPSS statistics help - how to use SPSS

Evénements / Formations / Séminaires / Recrutement par Arrow Group en avril et mai 2015

IBM SPSS Forecasting 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/Italian... · quote di mercato di un prodotto può essere costituita dalle quote di mercato settimanali

SPSS statistics - how to use SPSS

Getting your Data into SPSS S11 - University of Guelph ... your Data into SPSS ..... 0 SPSS availability ..... 3 Data for SPSS ... Exercise: Open a text data file The previous SPSS

introduction to spss - Arizona State Universityeagle/spssworkshop/Introduction-to-SPSS.pdf · Introduction to SPSS ... Start / All Programs / SPSS Inc / SPSS 16.0 / SPSS ... SPSS

Statistical Package for Social Science ). SPSS. SPSS SPSS ...window.edu.ru/resource/133/28133/files/nsu012.pdf · ментация spss по регрессионному анализу

SÉMINAIRES RÉGIONAUX 2015

IBM SPSS Statistics: What’s New - SPSS Schweiz heisst ... · IBM SPSS Statistics: What’s New ... Added in IBM SPSS Statistics 20 ... in SPSS Custom Tables • Interactive Model

Guida rapida di IBM SPSS Statistics 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/Italian... · Offre inoltre un’ampia varietà di tecniche di riduzione, classiﬁcazione

Introductions Overview of SPSS - University of Floridamedia.news.health.ufl.edu/misc/bolt/Intro/SPSS/SPSSTutorials.pdf · Introductions – Overview of SPSS Welcome to our SPSS tutorials.

SPSS Statistics Base 17.0 User’s Guide - Harvard University SPSS Manuals... · Preface SPSS Statistics 17.0 SPSS Statistics 17.0 is a comprehensive system for analyzing data. SPSS

SPSS Base 14.0 User’s Guide - manuals.its.virginia.edumanuals.its.virginia.edu/spss/manuals/v14/spss base user's guide 14... · ... the SPSS Base 14.0 User’s Guide, ... system