Essec\Faculty\Model\Contribution {#2233 ▼
#_index: "academ_contributions"
#_id: "15472"
#_source: array:26 [
"id" => "15472"
"slug" => "15472-quantification-des-relations-entre-variables-categorielles-ordinales-application-aux-metriques-suivies-par-les-barometres-de-satisfaction 
15472-quantification-des-relations-entre-variables-categorielles-ordinales-application-aux-metriques "
"yearMonth" => "2025-02"
"year" => "2025"
"title" => "Quantification des relations entre variables catégorielles ordinales Application aux métriques suivies par les baromètres de satisfaction Quantification des relations entre variables catégorielles ordinales Application aux métriques suivi "
"description" => "BULTEZ, A., LAURENT, G. et LEMAY, L. (2025). Quantification des relations entre variables catégorielles ordinales Application aux métriques suivies par les baromètres de satisfaction. <i>Recherche et Applications en Marketing</i>, In press. BULTEZ, A., LAURENT, G. et LEMAY, L. (2025). Quantification des relations entre variables catégoriel "
"authors" => array:3 [
0 => array:3 [
"name" => "LAURENT Gilles"
"bid" => "B00770447"
"slug" => "laurent-gilles"
]
1 => array:1 [
"name" => "Bultez Alain"
]
2 => array:1 [
"name" => "Lemay Laurent"
]
]
"ouvrage" => ""
"keywords" => []
"updatedAt" => "2025-03-07 01:00:49"
"publicationUrl" => "https://doi.org/10.1177/07673701241305467"
"publicationInfo" => array:3 [
"pages" => ""
"volume" => "In press"
"number" => ""
]
"type" => array:2 [
"fr" => "Articles"
"en" => "Journal articles"
]
"support_type" => array:2 [
"fr" => "Revue scientifique"
"en" => "Scientific journal"
]
"countries" => array:2 [
"fr" => null
"en" => null
]
"abstract" => array:2 [
"fr" => """
Perceptions, attitudes, intentions, . . ., sont, à des fins de segmentation des marchés, de suivi ou de prévision des réactions des consommateurs, régulièrement étudiées. Ces composantes cognitives, affectives, ou comportementales, sont le plus souvent mesurées par les réponses à des questions à choix multiples : modalités prenant la forme d’un nombre limité de classes ordonnées, avec points d’ancrage, mais pas toujours toutes sémantiquement différenciées. L’analyse statistique de telles données, qualitatives, dites catégorielles ordinales, conduit généralement à les encoder numériquement et à les considérer quantitatives. Ce faisant, on leur attribue alors des propriétés dont elles ne sont pas dotées, avec pour conséquence des risques de biais. Pour les traiter correctement nous proposons une paramétrisation économétrique des relations entre de telles variables, respectant strictement leur contenu informatif.\n Perceptions, attitudes, intentions, . . ., sont, à des fins de segmentation des marchés, de suivi ou
Alliant techniques de régression multinomiale cumulative et monotone, ainsi que de rééchantillonnage aléatoire, notre méthodologie permet de tester rigoureusement si des métriques de feedback de nature catégorielle ordinale pourraient être assimilées à des mesures d’intervalles. Nous l’expérimentons de manière concluante sur deux grands échantillons résultant des baromètres de satisfaction des clients de deux opérateurs de télécommunications, concurrents. Ainsi, nous montrons combien la disposition de leurs clients à les recommander s’explique par les satisfactions procurées par leurs produits-services. Subsidiairement, cette double étude de cas invalide le très populaire Net Promoter Score (NPS) censé synthétiser des distributions de degrés de vraisemblance d’une participation des consommateurs à la promotion de leurs marques favorites par bouche-à-oreille. Alliant techniques de régression multinomiale cumulative et monotone, ainsi que de rééchantillonnage
"""
"en" => """
Perceptions, attitudes, intentions, . . ., sont, à des fins de segmentation des marchés, de suivi ou de prévision des réactions des consommateurs, régulièrement étudiées. Ces composantes cognitives, affectives, ou comportementales, sont le plus souvent mesurées par les réponses à des questions à choix multiples : modalités prenant la forme d’un nombre limité de classes ordonnées, avec points d’ancrage, mais pas toujours toutes sémantiquement différenciées. L’analyse statistique de telles données, qualitatives, dites catégorielles ordinales, conduit généralement à les encoder numériquement et à les considérer quantitatives. Ce faisant, on leur attribue alors des propriétés dont elles ne sont pas dotées, avec pour conséquence des risques de biais. Pour les traiter correctement nous proposons une paramétrisation économétrique des relations entre de telles variables, respectant strictement leur contenu informatif.\n Perceptions, attitudes, intentions, . . ., sont, à des fins de segmentation des marchés, de suivi ou
Alliant techniques de régression multinomiale cumulative et monotone, ainsi que de rééchantillonnage aléatoire, notre méthodologie permet de tester rigoureusement si des métriques de feedback de nature catégorielle ordinale pourraient être assimilées à des mesures d’intervalles. Nous l’expérimentons de manière concluante sur deux grands échantillons résultant des baromètres de satisfaction des clients de deux opérateurs de télécommunications, concurrents. Ainsi, nous montrons combien la disposition de leurs clients à les recommander s’explique par les satisfactions procurées par leurs produits-services. Subsidiairement, cette double étude de cas invalide le très populaire Net Promoter Score (NPS) censé synthétiser des distributions de degrés de vraisemblance d’une participation des consommateurs à la promotion de leurs marques favorites par bouche-à-oreille. Alliant techniques de régression multinomiale cumulative et monotone, ainsi que de rééchantillonnage
"""
]
"authors_fields" => array:2 [
"fr" => "Marketing"
"en" => "Marketing"
]
"indexedAt" => "2025-04-11T05:21:39.000Z"
"docTitle" => "Quantification des relations entre variables catégorielles ordinales Application aux métriques suivies par les baromètres de satisfaction Quantification des relations entre variables catégorielles ordinales Application aux métriques suivi "
"docSurtitle" => "Articles"
"authorNames" => "<a href="/cv/laurent-gilles">LAURENT Gilles</a>, Bultez Alain, Lemay Laurent"
"docDescription" => "<span class="document-property-authors">LAURENT Gilles, Bultez Alain, Lemay Laurent</span><br><span class="document-property-authors_fields">Marketing</span> | <span class="document-property-year">2025</span> <span class="document-property-authors">LAURENT Gilles, Bultez Alain, Lemay Laurent</span><br><span "
"keywordList" => ""
"docPreview" => "<b>Quantification des relations entre variables catégorielles ordinales Application aux métriques suivies par les baromètres de satisfaction</b><br><span>2025-02 | Articles </span> <b>Quantification des relations entre variables catégorielles ordinales Application aux métriques su "
"docType" => "research"
"publicationLink" => "<a href="https://doi.org/10.1177/07673701241305467" target="_blank">Quantification des relations entre variables catégorielles ordinales Application aux métriques suivies par les baromètres de satisfaction</a> <a href="https://doi.org/10.1177/07673701241305467" target="_blank">Quantification des relations ent "
]
+lang: "fr"
+"_type": "_doc"
+"_score": 8.832236
+"parent": null
}
