Quel modèle choisir pour des ventes sur un navire?

Bonjour, bonsoir à tous,

Je suis tout nouveau ici alors désolé si je ne le fais pas de la bonne façon! Je suis actuellement embauché en tant que stagiaire dans une boite de transports maritime. Je suis actuellement en reprise d'étude après deux longues années de galère post master sans boulot. Se remettre dans le bain est violent mais progressivement je me remets à niveau.

Mon sujet est le suivant : "modéliser l'impact de la tarification des billets sur le volume de vente passager". Je suis seul et sans aide ici, aucun statisticien à l'horizon, on m'a pris "pour tester la solution stat/BI". Je me rend compte que des modèles "classiques" sont incompétents ici, or je n'ai jamais été spécialiste de l'économétrie et de ses modèles. J'ai déjà fait des recherches mais le volume de documents à lire est trop important, j'ai besoin d'aide pour me dire plus ou moins précisément où rechercher. Mes anciens prof ne savent pas m'aider, et je n'arrive pas à trouver d'études similaires sur le Web.

A savoir que ici le modèle de vente est spécial, il n'est pas continu puisqu'il s'agit de modéliser le volume de vente non pas au cours de l'année mais au sein de chaque traversée. Pour visualier, je n'ai donc pas "une courbe" mais exactement 2515 à modéliser avec beaucoup de paramètres.
Voici les variables que j'ai extraites et/ou construites:
- Nombre de places passagers vendues (variables à prédire) à ce jour
- Nombre de places passagers vendues (variables à prédire alternative) au total pour cette traversée jusqu'à ce jour
- Niveaux de ventes Passagers/vehicules/Installations Cabine de ce jour (c'est un système de classes hiérarchisées)
- Mois/Semaine de Départ
- Jour de la semaine de départ ('Samedi', "Dimanche", etc.)
- Nombre de jours restant par rapport au départ
- Origine / Destination de la traversée
- Un indicateur de prix par rapport à la concurrence.
- Autres
+ Les mêmes variables pour un jour similaire et une traversée similaire s'étant déroulée l'année dernière.

Voila tout j'espère que c'est clair et que je n'abuse pas trop mais je ne sais plus ou regarder.
Quelqu'un peut m'aider?

En vous remerciant très sincèrement.

Qu'appelez-vous "modèles classiques" ?

Sinon, vous êtes dans un problème classique (c'est le cas de le dire ici) de régression. Il faut expliquer une variable par d'autres. Le bout de phrase "mais au sein de chaque traversée" veut juste dire qu'il faut rajouter chaque traversée comme un variable explicative de plus, et éventuellement les interactions qui vont avec.
A cet égard, il serait utile de regrouper les traversées par type, et comparer les différentes types. Ca rendrait très probablement le modèle plus pertinent.

HTH, Eric.

Bonjour et merci pour votre réponse!

Par "modèles classiques" j'entend par abus de langage les modèle de régression multiple par MCO et ses transformations (log, etc.)

J'ai testé les modèles suivants (avec et sans transformations):
NB ventes du jour = f(temps restant avant départ, mois de départ, destination, jour de la semaine de départ, niveaux de tarifs du jours, concurrence du jour) (avec et sans interactions)

NB ventes du jour = f(NB ventes d'un jour comparable de l'année dernière, niveaux de tarifs du jours et différences par rapport au jour de vente comparable (+interactions), concurrence du jour et différence du jour comparable (+interactions), mois de départ / destination/ jour de la semaine de départ (pour des possibles interactions, encore))

Dans le premier cas j'obtiens au mieux 0.30 de R² ajusté (et des test GVLMA mauvais). Je pensais avec le deuxième modèle, obtenir des résultats plus concluants l'indicateur de ventes comparables aurait "absorbé" une grande partie de l'info mais non. Peut être m'y prend-je mal?

Ducoup, si je ne trouve pas d'autres solutions je vais devoir passer à l'indicateur à prédire "Total des ventes effectuées de l'ouverture jusqu'a ce jour sur cette traversée". A savoir qu'une regression du type total_passagers=f(total_passagers comparable de l'année dernière) entraine déjà un R² ajusté de 0.80. Cependant , dans ce cas les scores des jours passés influencent mon résultat et me fait rentrer dans des modèles de type AR/MA voir VAR si mes recherches sont bonnes (mais je n'ai pas ou peu de connaissances sur le sujet). Sinon, j'envisage aussi potentiellement la régression hiérarchisée (mais idem je n'ai pas de connaissance en le domaine)

Quand vous dites "il serait utile de regrouper les traversées par type, et comparer les différentes types" entendez vous par la que je doive au préalable moyenner les ventes selon ces critères de regroupement pour n'étudier et ne modéliser que le comportement moyen des regroupement de traversées?

Je vous remercie très sincèrement pour votre aide et ne manquerais pas de vous inclure parmi les autres remerciement de mon rapport.

Florent.

Plusieurs choses :

Un R2 de 0.3 c'est pas forcément médiocre. Ca dépend du nombre de régresseurs, ca dépend du nombre de points, etc. Parmi tout les régresseurs, il faudrait virer ceux qui ont le moins (ou pas) d'influence, en cherchant le modèle le plus parcimonieux.

Ce que je disais - et c'est votre remarque initiale qui m'a conduit à dire ceci - est qu'il faut je pense rajouter l'identification des traversées - ou de leur type - dans la liste des régresseurs (comme une variable explicative qualitative). Ca ne veut donc pas dire calculer des moyennes (le modèle le fera tout seul). Si vous attendez des variations entre (types de) traversées, il devient alors logique que, sans cette information, les R2 globaux soient faibles, et les choses s'arrangeront en rajoutant cette source possible de variation.

J'espère être plus clair à présent.

HTH, Eric.

Merci beaucoup,

J'ai tenté de rajouter l'ID des traversées mais cela bloque la modélisation car le fichier est trop volumineux à créer (10giga de modélisation sur R). C'est un autre problème auquel je vais tenter de trouver une solution. Je vais aussi me renseigner mieux sur la porté d'un R² faible.
Sinon, je pensais qu'en incorporant mois/semaine de départ+ destination+ nom du jour de départ cela équivaudrait à un indice de "type" comme vous le soulignez. Me trompe je?

En vous remerciant.
Cordialement,
Florent.

Il n'y a que vous qui pouvez savoir si le type est pertinent et ce que ceci signifie. Je ne travaille absolument pas dans ce domaine.. Je ne sais pas, ca pourrait être la taille du bateau, l'âge du capitaine, la phase de lune, ou n'importe quoi d'autre. A vous de voir.

Eric.