Module 09 - Variables externes et autocorrélation
Les promotions, les prix et les indicateurs économiques peuvent améliorer une prévision, mais seulement si leur valeur future est connue ou peut être scénarisée au moment de prévoir. Les résidus doivent aussi être examinés dans leur ordre temporel : une dépendance restante indique que le modèle laisse de l’information exploitable.
Continuité du parcours
Le module 08 a modélisé tendance et calendrier à partir du passé de la série. Ici, vous ajoutez des prédicteurs externes, mais vous devez d’abord vérifier qu’ils seront réellement connus, prévus ou scénarisés au moment de la décision.
Les douze derniers mois servent à comparer les modèles sur un bloc de validation. Les démonstrations utilisant les prédicteurs observés sur ces mois mesurent une performance conditionnelle à ces valeurs. Pour une prévision réalisable à l’origine, fournissez un scénario disponible à cette date et signalez l’incertitude des prédicteurs futurs.
Résultat attendu
À la fin du module, vous pourrez :
- distinguer une variable future connue, scénarisée ou inconnue;
- construire une régression de ventes avec facteurs externes;
- interpréter un coefficient sans lui attribuer automatiquement une causalité;
- représenter et tester l’autocorrélation des résidus;
- comparer une régression ordinaire à une régression avec erreurs AR(1);
- formuler une prévision conditionnelle à un scénario.
Données
Le fichier ventes_promotions_quebec.csv contient 72 mois fictifs de ventes, promotions, prix moyen, budget marketing et indice de confiance.
Parcours
Trace finale
Comparez un modèle de régression avec variables externes et une version avec erreurs AR(1), sur les douze derniers mois. Incluez : justification des prédicteurs, statut de disponibilité future, diagnostic des résidus, MAE de validation, scénario de promotion et limite causale.
Auto-vérification
Lien avec l’évaluation
Ce module prépare les questions du final sur les variables externes, les diagnostics temporels et la validité d’une prévision conditionnelle.