Préparation des données

Les 24390 clients et prospects de la base de données sont organisés en deux échantillons, les premiers deux tiers forment l'échantillon d'estimation sur lequel les modèles seront calibres et le dernier tiers est mis à part comme l'échantillon test pour vérifier la performance prédictive des modèles

Listing 1

1. brabant <- read.table("C:/Documents and Settings/calciu/Mes documents/Collaborations/salerno/book_md/Brabant/Briant/Etude_tot/brabant24390.txt", header=TRUE, sep="", na.strings="NA", dec=".", strip.white=TRUE)
2. samp<-c(1:(nrow(brabant)*2/3)) # premiers 2/3 de la BD clients
3. dt<-brabant[samp,] # échantillon d'estimation
4. attach(dt)
5. table(if_cde97) # répondants et non-répondant dans l'échantillon d'estimation
6. mean(ca97[which(ca97>0)]) # montant moyen de commandes (échantillon d'estimation)
7. dt<-brabant[-samp,] # echantillons de validation
8. attach(dt)
9. table(if_cde97) # répondants et non-répondant dans l'échantillon de validation
10. mean(ca97[which(ca97>0)]) # montant moyen de commandes (échantillon de validation)
11. mean(brabant$ca97[which(brabant$ca97>0)]) # montant moyen de commandes (BD clients)

Tableau 1 - Descriptif de la BD clients et des échantillons d'estimation et validation

	Taille	Répondants	Non Répondants	Taux de réponse	Montant moyen
Échantillon d'estimation	16260	5534	10726	34,0%	378.37F
Échantillon de validation	8130	2808	5322	34,5%	384.91F
Total	24390	8342	16048	34,2%	380.57F

‘‘Conventionellement’’ le nombre d'acheteurs suggéré dans la littérature comme minimum pour calibrer un modèle significatif doit dépasser 500 acheteurs, voir même s'approcher de 1.000—(voir par exemple Nash 1993, p. 143).