L’objectif du cours est de donner une culture quantitative élargie aux étudiants, leur laissant le soin d’approfondir les méthodes qui pourraient être utilisées dans le cadre de leurs projets de recherche.Il est aussi de le donner le sens critique nécessaire pour évaluer les protocoles employés dans la littérature courante de gestion. Il est dispensé aux étudiants du Master Management de l’Innovation parcours MOPP et GDO.
L’environnement est le langage r avec le package Rcmdr et rstudio qui sont à installer au préalable. On trouvera un manuel d’initiation ici et pour la culture générale on encourage à suivre r-blogger.
On travaillera d’abord sur un cas issu du mémoire de Master Marketing de Pauline Vautrot qui a fait l’objet d’une publication. Il porte sur l’effet des preuves de transparence sur l’évaluation d’un moteur de recommandation. Les éléments se trouve sur le dossier google drive.
On utilisera surtout un échantillon de données (n=~35000) de la base European Social Survey ( vague 8) en particulier les questions relative au bien-être, à la confiance, et aux valeurs ( Schwartz) . Les éléments de travail se trouvent ici. Les résultats sont publiés sur cette page, d’autres éléments sur la confiance en France sont aussi disponibles et illustre ce qui est possible de faire avec ces outils.
C’est l’occasion d’introduire, ou de rappeler, les méthodes statistiques suivantes :
- Analyse univariée avec r
- Analyse bivariée : Test du khi², analyse de variance, corrélations, …
- Analyse factorielle (ACP, fa, … analyse confirmation, cronbach)
- Classification automatique ( ward, Kmeans)
- Régressions (simple, multiple, logit, multiniveaux)
- Structural Equation Modeling
On explorera les principes d’analyses textuelles avec le cas des hôtels de Tahiti et le blog tex2r
Evaluation : au choix : une étude statistique menée avec r, ou l’exposé synthétique d’une méthode (en 4 pages). C’est un travail individuel. A rendre pour le 30 Janvier 2019.
Quelques idées de sujet :
- Analyse conjointe et modèle de choix ()
- Modèle de croissance ( SEM)
- Méthode de la différence des différences (causalité)
- Modèle de régression avec variable instrumentale ( causalité)
- Modèles VAR ( économétrie, causalité) : avec une belle application pour l’analyse des effets croisés des médias sur les ventes.
- Modèle linéaire hiérarchique et analyse multi-niveaux ( économétrie)
- Mesure des attitudes implicites (Échelle), en se concentrant sur les travaux du Project Implicit
- Machine learning et catégorisation de document en explorant les solutions proposées par MonkeyLearn pour la catégorisation.
- Analyse des rendements anormaux (finance) ou event Analysis. Une application à l’effet des surprises ( positives ou négatives) est un très bon point de départ.
- Régression avec auto-corrélation spatiale ( économétrie). Pour une introduction cette application en marketing en donne une très bonne idée.
- Modélisation multi-agent appliquée au sciences sociales en passant par l’étude des modèles standard de Netlogo.
- Analyse des réseaux sociaux ( Réseaux)
- Data visualisation : de la grammaire des graphes à l’inventaire des solutions créatives en passant par l’ergonomie ou la psychologie.
- Tests d’équivalence structurelle et comparaison inter-culturelle
- ….
Des lectures en voici un florilège.
Les séances ont lieu les mardi de 18h00 à 20h30 à l’Ecole des Mines de Paris (Luxembourg) – Pour poursuivre voir aussi l’Atelier Doctoral.
