# A tibble: 2 × 5
term estimate std.error statistic p.value
<chr> <dbl> <dbl> <dbl> <dbl>
1 promotionoui 45977. 7638. 6.02 0.000000292
2 prix_moyen -4805. 1690. -2.84 0.00668 Capsule 2 - Régression conditionnelle
MQT-2101 - Analyse et modélisation des données
Pourquoi ça compte
Une prévision avec promotion ou prix est toujours liée aux hypothèses retenues.
Que permet réellement un coefficient de promotion?
Le coefficient d’une variable externe décrit une association conditionnelle aux autres variables du modèle. Il ne prouve pas à lui seul un effet causal.
Objectifs de la capsule
- Ajuster une régression temporelle avec prédicteurs externes.
- Employer un langage conditionnel et non causal.
- Formuler une interprétation conditionnelle et non causale.
Promotion oui n’est pas une expérience aléatoire
Comparer « promotion oui » et « promotion non » dans un modèle observationnel ne reproduit pas une expérimentation aléatoire.
Le coefficient dépend du scénario et du modèle
- Le modèle combine tendance, calendrier et prédicteurs.
- Les coefficients dépendent des autres variables incluses.
- Les prédictions sont conditionnelles au scénario.
Ajuster une régression conditionnelle
Association estimée n’est pas effet causal
Transformer une association estimée en promesse d’effet causal peut produire une recommandation injustifiée.
À retenir
1
Les coefficients sont conditionnels au modèle.
2
Une question causale exige un autre plan d’étude.
3
La décision reste liée aux données disponibles.
Production autonome 9.2
Expliquez pourquoi deux prévisions sous des niveaux de promotion différents ne prouvent pas automatiquement un effet causal.
Auto-vérification
- Toutes les méthodes utilisent la même période de validation.
- J’ai interprété l’erreur dans son unité.
- J’ai relié le résultat à une décision et à une limite.
