L'Analyse Conjointe

  • Politique de produit - Analyse conjointe [4.5]

1.                               # Plan dexperience complet des niveaux dattributs

2.                               dd <- data.frame(a = gl(2,12), b = gl(4,3,24), c=gl(3,1,24)) # balanced 3-way

3.                               dd

4.                               # Modèle de préférence individuelle

5.                               mm<-model.matrix(~ 0+ a + b + c, dd)

6.                               pref<-order(runif(24))

7.                               df<-data.frame(cbind(pref,mm))

8.                               colnames(df)<-c("ordre", "a1", "a2", "b2", "b3", "b4", "c2", "c3")

9.                               df

10.                             #Utilités partielles

11.                             attach(df)

12.                             conj.lm<-lm(df$ordre~ 0 + df$a1+ df$a2 + df$b2 + df$b3 + df$b4 + df$c2 + df$c3)

13.                             conj.lm[[1]]

Plan d'expériences complet

Ordre de preference en fonction des niveaux des attributs

  a b c
1 1 1 1
2 1 1 2
3 1 1 3
4 1 2 1
5 1 2 2
6 1 2 3
7 1 3 1
8 1 3 2
9 1 3 3
10 1 4 1
11 1 4 2
12 1 4 3
13 2 1 1
14 2 1 2
15 2 1 3
16 2 2 1
17 2 2 2
18 2 2 3
19 2 3 1
20 2 3 2
21 2 3 3
22 2 4 1
23 2 4 2
24 2 4 3
  ordre a1 a2 b2 b3 b4 c2 c3
1   17 1 0 0 0 0 0 0
2   4 1 0 0 0 0 1 0
3   21 1 0 0 0 0 0 1
4   22 1 0 1 0 0 0 0
5   1 1 0 1 0 0 1 0
6   14 1 0 1 0 0 0 1
7   6 1 0 0 1 0 0 0
8   24 1 0 0 1 0 1 0
9   2 1 0 0 1 0 0 1
10  16 1 0 0 0 1 0 0
11  18 1 0 0 0 1 1 0
12   5 1 0 0 0 1 0 1
13  10 0 1 0 0 0 0 0
14   3 0 1 0 0 0 1 0
15  12 0 1 0 0 0 0 1
16  20 0 1 1 0 0 0 0
17  23 0 1 1 0 0 1 0
18  15 0 1 1 0 0 0 1
19   7 0 1 0 1 0 0 0
20  13 0 1 0 1 0 1 0
21   8 0 1 0 1 0 0 1
22  19 0 1 0 0 1 0 0
23   9 0 1 0 0 1 1 0
24  11 0 1 0 0 1 0 1
    df$a1     df$a2     df$b2     df$b3     df$b4     df$c2     df$c3 
13.291667 13.291667  4.666667 -1.166667  1.833333 -2.750000 -3.625000 
  • Politique de produit - Ventes espérées suivant la durée de la garantie[4.6]

1.                               a=35

2.                               b=-2

3.                               c=1

4.                               d=-4

5.                               x<-seq(0,5,1)

6.                               y<-a*(1/(1+exp(-b-c*(x))))+d

7.                               profit<-0.7*y-x

8.                               df=data.frame(PerGarantie=x, Ventes=y, Profit=profit)

9.                               df

10.                             matplot(x, df[,2:3], pch = 1:2, type = "o", col = 1:2,xlab="Valeurs de x", ylab="Ventes et/ou Profits")

11.                             legend(1, max(df[,2:3]),names(df)[2:3], lwd=3, col=1:2, pch=1:2)

Michel Calciu calciu@iae.univ-lille1.fr; - Cours IAE de Lille 2004 - -