Analyse conjointe

L’analyse conjointe est une application particulière de l'analyse de régression. Il n'y a pas de définition exacte de cette dernière. Souvent, deux ou trois des propriétés suivantes sont applicables :

• les données sont collectées parmi plusieurs personnes (répondants) ; parce qu’il y a de multiples points de données pour chaque individu, ceci en fait un modèle à plusieurs niveaux
• la variable à expliquer reflète un choix ou une situation de compromis
• les variables explicatives sont qualitatives, par conséquent codées comme des nombres binaires (0 et 1)

L’analyse conjointe requiert des participants qui devront faire une série de choix. L’analyse de ces choix va révéler l’importance relative des attributs constitutifs.

Pour améliorer les capacités prédictives de l’analyse, les participants doivent être regroupés en segments similaires basés sur des objectifs, des valeurs et/ou d’autres facteurs.

Cet exercice peut être administré aux répondants de l’enquête de nombreuses façons. Traditionnellement, il est administré comme un exercice de préférence et parfois comme un exercice de notation (où les répondants affectent à chaque scénario de compromis un score indiquant leur attractivité).

Récemment, cela est devenu une pratique courante de présenter les compromis comme un exercice de choix (où le répondant indique simplement sa préférence parmi une sélection de possibilités – méthode utilisée surtout lorsque l’on simule les choix d’un consommateur) ou comme un exercice d’attribution de valeurs (méthode utilisée surtout en étude de marché pharmaceutique, où des médecins indiquent le pourcentage de prescription probable d’un concept thérapeutique où chaque alternative est décrite, qu’elle soit hypothétique ou réelle.

L’analyse est en général menée avec une certaine forme de régression multiple, mais plus récemment, l’utilisation de l’analyse hiérarchique Bayésienne s’est répandue, permettant de mettre au point des modèles statistiques assez robustes décrivant la décision du comportement des répondants.

Quand il y a beaucoup d’attributs, les observations avec l’analyse conjointe prennent en compte les problèmes de surcharge d’informations qui affectent la validité de certaines expérimentations. L’impact de ces problèmes peut être évité ou réduit en utilisant la classification hiérarchique d’informations (aussi nommée clusterisation).

Un promoteur immobilier veut construire un immeuble d’habitation près d’une université Ivy League dans une zone urbaine. Pour assurer le succès de ce projet, une entreprise d’étude de marché est engagée pour constituer des groupes types d’étudiants. Ces étudiants sont segmentés par niveau d’étude (1^re année de licence, 3^e année de licence, 2^e année de Master) et par le montant des aides financières perçues.

Les participants de l’étude donnent leur avis sur une série de projets. Chaque projet contient six attributs pour décrire le projet de construction : la proximité du campus, le montant du loyer, l’équipement de télécommunication, la laverie, l’agencement intérieur et la sécurité. Le coût estimé pour construire l’immeuble décrit sur chaque projet est équivalent.

Le participant doit classer les projets dans l’ordre de ses préférences. Cet exercice de classement permet de révéler indirectement les priorités et les préférences des participants. Par la suite, une analyse de régression multiple est utilisée pour déterminer la solidité des préférences croisées avec les segments de marchés ciblés.