ANOVA

Bonjour tout le monde,

Je prépare mon mémoire de fin d'études et je dois "quantifier" l'impact sur le chiffre d'affaire de l'affichage sur prospectus promotionnelles des produits en promotion,
la variable CPROM a deux modalité ( TRACT et SR ) tandis que la variable chiffre d'affaire est quantitative

J'ai pensé à utiliser une anova à un facteur :

Code:

> resultat = lm(histo3ans$CAISS_CA_TTC~factor(histo3ans$CPROM))
> resultat

Call:
lm(formula = histo3ans$CAISS_CA_TTC ~ factor(histo3ans$CPROM))

Coefficients:
                (Intercept)  factor(histo3ans$CPROM)Tract  
                      13368                          3887

> anova(resultat)
Analysis of Variance Table

Response: histo3ans$CAISS_CA_TTC
                          Df     Sum Sq    Mean Sq F value    Pr(>F)    
factor(histo3ans$CPROM)     1 4.1577e+10 4.1577e+10  56.629 5.621e-14 ***
Residuals               12563 9.2238e+12 7.3420e+08                      
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Quelqu'un pourrait-il m'aider à comprendre les résultats de R s'il vous plait (lecture des résultats, et comment évaluer l'impact de chacune des modalités SR et TRACT), pour que je puisse compléter mon étude en intégrant d'autres facteurs

Merci.

Je conseille d'utiliser plutôt la fonction glm() que lm(), qui est plus souple, surtout lorsqu'il s'agira d'ANOVA plus elaborées.

Rapidement, Le facteur a deux modalités "SR" et "TRACT". En classant ces deux modalités par ordre alphabétique (c'est comme ça que R travaille par défaut), la première modalité (ici "SR") tient lieu de référence, et c'est contre cette référence que l’effet "TRACT" est testé.

Ainsi, l'intercept donne la moyenne pour la référence "SR" et l'effet de l'autre modalité "TRACT" donne l'augmentation de moyenne correspondante. Ceci, c'est le tableau "coefficients". Le tableau d'ANOVA donne quant à lui le test statistique correspondant. Il y a un très fort effet du mode d'affichage. "TRACT" augmente le chiffre d’affaire de 3887 et c'est très fortement significatif.

Je vous invite à voir des documents de base sur l'ANOVA. Il y en a plein le web.

HTH, Eric.

Merci Eric pour votre retour,

Je vais chercher des document sur l'ANOVA et switcher vert la régression multiple ( glm() )

NALI

glm() fait des ANOVA.

Vous allez "switcher vert"? Pourquoi cette couleur?

je vous prie de m'excuser, c'était vers*

glm : Generalized linear model ( le m était pour model et non pas pour multiple )

Pour aller plus loin comme récupérer les moyennes associées à chaque niveau, rechercher les différences significatives et entre quels niveaux (plus de 2 pour le facteur) ou déterminer des groupes homogènes de niveaux, etc. il faut faire des tests post-hoc. Deux packages (entre autres) le permettent à partir de lm ou glm : lsmeans et multcomp.

Une petite remarque concernant l'écriture des formules. Les procédures d'analyse (et pas seulement lm et glm) ont toutes un argument data qui permet de spécifier le data.frame des données. L'utiliser allège l'écriture :

Code:

res <- lm( donnees$Y ~ donnees$X)
# equivalent
res <- lm( Y ~ X, data=donnees)


Ici data= est inutile puisque cet argument est le second de la fonction. De plus, cette seconde écriture facilite l'utilisation des autres arguments de la fonction réalisant l'analyse si le besoin s'en fait sentir.