Influence de variables sur un prix (Comptabilité)

Bonjour,
Actuellement stagiaire informatique dans un cabinet comptable, je dois créer une application de devis et pour cela il me faut identifier les variables qui influent sur le prix d’un dossier.

Je possède plusieurs « outils » de devis sur Excel, qui consistent en des tableaux de variables (ex : Nombre de salariés de l’entreprise, Chiffre d’affaire de l’entreprise, …) et face à chaque critère se trouve un prix fixe ou à l’unité. Pour chaque outil j’ai un jeu de tests (qui sont en fait des vrais dossiers dont le prix a été estimé avec ces outils) qui varie de 5 à 60 dossiers.

Ma problématique actuelle est d’identifier les variables qui ont un poids dans le prix du dossier de façon « scientifique » mais les quelques notions de statistiques que j’ai s’arrêtent à modéliser des lois binomiales ou de poisson en python.

J’ai trouvé une méthode qui permettrait de déterminer la contribution de la variable x à l'explication de la variance de y (Scherrer, 1984) :
x = a * Covariance(y x) / Variance(y)
(Avec a le « coefficient de régression/corrélation »)

Le problème étant que je ne comprends pas vraiment cet aspect de régression même après avoir lu plusieurs articles sur le sujet, et si j’applique simplement la formule sans me poser de questions j’obtiens ce genre résultats (avec le poids en %) :



Pensez-vous que la méthode utilisée est la bonne dans mon cas ?
Si oui, ces résultats ont-ils une cohérence ? Si non, sauriez-vous m’indiquer une méthode adaptée ?

Merci !

(J’ai essayé d’être le plus précis possible mais la plupart des données utilisées et les variables elles sont confidentielles, mon patron a bien insisté là-dessus, si vous manquez d’informations je pourrai essayer de détailler encore un peu plus !)

Ca me fait plaisir de voir la référence au Scherrer, 1984. Je trouve ce bouquin bien fait.

Le paramètre a dont vous parlez est juste la pente de la régression. Inutile de calculer ceci "à la main". Tout logiciel de statistique (et Excel également) fait ceci pour vous.

Mais ca ne sert à rien de calculer des pentes ainsi, car ce ne dit pas si ces pentes sont significatives, i.e., si les variables auxquelles elles sont associées ont véritablement un effet.

Bref, vous êtes dans une problématique de régression, et c'est **LA** méthode vers laquelle devez vous diriger, et ce avec un logiciel qui sait calculer ceci correctement, avec l'arsenal statistique qui va avec.

Pour finir, la démarche que vous abordez est de prendre chaque variable explicative séparément, mais la meilleure prédiction du prix est peut-être à obtenir en combinant plusieurs variables explicatives ensemble. C'est encore un problème de régression mais ça se complique sensiblement.

Je vous invite donc à vous documenter sur la régression et ses développements. Il y a pas mal de sites web qui expliquent ça.

HTH, Eric.

Merci beaucoup pour cette réponse, je vais donc me documenter sur la régression !

Petite mise à jour :

Je pense avoir plutôt bien compris le fonctionnement de la régression après l'avoir étudiée ces 2 jours, mais mon tuteur de stage me parle d'une méthode qu'il utilisait lors de ses études, qui est une analyse discriminante .

De mon côté, je pense que cette analyse n'est pas adaptée au sujet mais ne maitrisant pas assez son fonctionnement je ne sais pas comment lui expliquer, sauriez-vous me résumer rapidement si oui ou non cette méthode est adaptée ?

Encore merci !

Il existe des liens en régression et analyse discriminante.

Cependant l'analyse discriminante, comme son nom l'indique, est fait pour "discriminer", c'est-à-dire pour trouver/identifier ce qui sépare deux ou plusieurs groupes d'observations sur la base de plusieurs variables. Dans votre question, il n'y a nulle part cette notion/volonté de séparer deux ou plusieurs groupes d'observations, il me semble.

Cordialement, Eric.

Merci beaucoup pour cette réponse !