Gainchart

Tableau 12 – Tableau des gains d’un modèle de choix continu (le modèle de régression linéaire)

Décile		Réponses réelles					Rentabilité		Réponses prédites
lim.	Cum.	no.	cum.	revenus	cum.	Prc.	Profit	Cum.	Revenus	Cum
(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)	(10)	(11)
249	1221	737	737	354	354	31,0%	30969	30969	362	362
180	2442	585	1322	211	564	50,0%	13510	44479	211	573
140	3663	469	1791	140	704	62,0%	4861	49341	158	731
113	4884	430	2221	118	822	73,0%	2209	51550	126	857
81	6105	323	2544	74	896	79,0%	-3151	48399	98	956
50	7326	245	2789	66	963	85,0%	-4108	44291	64	1020
38	8547	162	2951	54	1017	90,0%	-5584	38707	42	1062
34	9768	174	3125	57	1074	95,0%	-5249	33459	36	1098
32	10989	150	3275	34	1108	98,0%	-8095	25364	33	1131
7	12210	136	3411	26	1133	100,0%	-9071	16293	30	1162

Le profit cumulé maximum est atteint au niveau du quatrième décile.

10%*(822*1221)- 4*1221*10F = 51550F

C'est un profit supérieur aux profits calculés pour les modèles de choix discrets. Le bon ajustement du modèle linéaire et la nature des données analysés place les performances prédictives de ce modèle au même niveau que celui des autres modèles de choix continu qui sont présentés par la suite. Ce résultat dans le cas particulier du modèle linéaire est différent de celui obtenu par Levin et Zahavi (1998) qui observent des faibles performances prédictives du modèle et les attribuent aux nonlinéarités qui caractérisaient leurs données. Il est évident que d’un point de vue théorique le modèle linéaire est moins adapté pour représenter les situations de choix continu pour de nombreuses raisons dont quelques-unes ont été évoquées auparavant.