WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

La communication interne comme pilier de la performance d'une organisation. Cas de la Caritas, développement UVIRA.

( Télécharger le fichier original )
par Joseph Shabani
Université Evangélique en Afrique - Licence 2015
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

4) Estimation

Le logit multinomial/conditionnel s'estime par la méthode du maximum de vraisemblance. La vraisemblance du modèle s'écrit de la manière suivante. D'abord, la probabilité que l'individu i, étant donné ses caractéristiques et celles des différents choix offerts, fasse le choix j est égale à :

Où, rappelons- le, yij = 1 si i a choisi j, 0 sinon. C'est la contribution de i à la vraisemblance. Ensuite, en supposant que chaque individu a fait un choix indépendamment des choix effectués par les autres, la probabilité que les n individus de l'échantillon aient fait les choix observés est le produit des probabilités :

37

En prenant le logarithme de cette quantité, le log -vraisemblance est finalement égale à :

 

(7)

Ensuite, la transformation de variable dépendante en une fonction de probabilité, est due par le fait que la valeur prédite doit donc se situer entre 0 et1.

Cette log -vraisemblance dépend des paramètres de la forme fonctionnelle de P (j/xi). Une propriété générale du maximum de vraisemblance est que, sous réserve que P (j/xi) soit

correctement spécifiée, maximisant est un estimateur convergent de .

Dans un modèle multinomial, la part observée des individus appartenant à la catégorie j est égale à la moyenne empirique des probabilités prédites d'appartenance des individus à la catégorie j. En ce sens, le modèle prédit exactement la répartition des individus par catégorie.

? Spécification du model à estimer

En nous servant du modèle empirique de logit multinomial, nous cherchons à estimer la performance par l'atteint de l'objectif sur trois plans, à savoir :

1. Sur le plan social,

2. Sur le plan économique,

3. Sur tous les deux plans.

Le choix de la catégorie de référence étant arbitraire nous décidons ici que, celle qui va nous servir à la comparaison est l'atteinte de l'objectif sur les deux plans, (j=3). Ceci nous permet à décomposer le modèle selon le type de l'objectif que nous voulons atteindre parce que la conséquence de cela est que le modèle cherche à mesurer l'effet d'une variable explicative sur le rapport entre la probabilité d'atteindre la performance sur le plan déterminé et la probabilité d'atteindre la performance sur le plan de référence.

- Nous aurons pour le premier plan : ln [P(j=1)/P(j=3)]= âj0 + âj1FC + âj2AI+ âj3DI+ âj4TI+ âj5IPD+ âj6MI.

- Pour le deuxième plan nous avons : ln [P (j=2) / P (j=3)] = âj0 + âj1FC+ âj2AI+ âj3DI + âj4TI+ âj5IPD+ âj6MI.

38

A priori, trois types de variables peuvent figurer dans la liste des explicatives :

· Des variables continues ;

· Des variables binaires ;

· Des variables qualitatives ayant plus de deux modalités.

Les premières ne posent pas de problème particulier. On peut traiter les variables binaires comme des variables continues à condition de les coder en 0 et 1. En revanche, les variables qualitatives ayant plus de deux modalités doivent recevoir un traitement particulier. Plus précisément, une variable, dont les modalités sont 1, 2, ..., M, sera remplacée par M variables binaires : la mième vaut 1 si l'individu a la modalité m, 0 si non. Ces M variables binaires sont colinéaires puisque leur somme vaut toujours 1. Comme avec tout autre modèle économétrique (modèle linéaire ou autre) il faut alors en exclure une du modèle, sinon les paramètres qui leur sont attachés ne pourraient être estimés. La modalité exclue est appelée modalité de référence de la variable explicative. Selon que les variables sont continues, binaires ou polytomiques, les paramètres du modèle n'ont pas la même interprétation, et on ne calcule pas de la même manière les effets des variables sur les probabilités d'appartenance aux différentes catégories.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"L'imagination est plus importante que le savoir"   Albert Einstein