Research & Evidence

Rechercher une méthode

Recherchez parmi les titres, les questions, les territoires et les identifiants MSC.

    ← Toutes les méthodes
    FICHE MÉTHODEMSC-P-022Science des prixDossier scientifique vérifié

    Comment estimer une élasticité-prix et son incertitude ?

    Dans un modèle log-log, le coefficient du logarithme du prix est une élasticité constante conditionnelle aux variables incluses. Sans design crédible, elle reste associative et peut être biaisée par l’endogénéité du prix.

    Rédaction scientifique : Marketing Science Center

    Réponse directe

    Estimer une sensibilité conditionnelle avec intervalle et diagnostics.

    Dans un modèle log-log, le coefficient du logarithme du prix est une élasticité constante conditionnelle aux variables incluses. Sans design crédible, elle reste associative et peut être biaisée par l’endogénéité du prix.

    Tellis, 1988

    01

    Réponse directe

    Dans une régression log-log, le coefficient du logarithme du prix estime une élasticité constante conditionnelle aux variables incluses. Sur MSC-001, le modèle avec saisonnalité donne −2,4586 ; il s’agit d’une association, pas d’un effet causal du prix.

    02

    Question scientifique

    Dans le produit, le marché et la période observés, quelle variation relative de quantité est associée à 1 % de variation de prix, avec quelle incertitude et sur quel support ?

    03

    Population, unité et horizon

    L’unité est la semaine produit-marché. Le jeu comporte 24 semaines, des prix de 10 à 11 euros et aucune promotion. L’horizon de simulation doit rester proche de ce support.

    04

    Cible statistique

    La cible par défaut est β dans E[ln(Q)|ln(P),S]=α+βln(P)+γS. Une demande contrefactuelle Q(p) exige séparément un design d’identification crédible.

    05

    Données nécessaires

    Quantité et prix strictement positifs, identifiant temporel, promotions, saisonnalité, prix concurrents, disponibilité, distribution et tout facteur commun affectant prix et demande. Le statut de chaque variable doit être prétraitement ou post-traitement.

    06

    Hypothèses

    Forme log-log adéquate, erreurs compatibles avec l’inférence choisie, pas de rupture non modélisée et, pour une lecture causale, absence de confusion résiduelle ou variation exogène justifiée. Ces hypothèses ne sont pas prouvées par R².

    07

    Modèle

    Le modèle simple est ln(Q)=α+βln(P)+ε. Le modèle de référence ajoute l’indice saisonnier S. La promotion est constante à zéro et doit être exclue pour éviter une colonne sans variation.

    08

    Calcul reproductible

    Vérifier les 24 lignes, transformer prix et quantité en logarithmes, estimer les deux spécifications par OLS, calculer l’erreur-type résiduelle, l’IC95 et la variation exacte (1,05)^β−1. Le script échoue si le support attendu est absent.

    09

    Résultats

    Modèle simple : β=−2,4107, SE=0,1198. Avec saisonnalité : β=−2,4586, SE=0,0251, IC95 [−2,5078 ; −2,4093]. Sous élasticité constante, +5 % de prix correspond à −11,3039 % de volume conditionnel.

    MSC-001 · log-log OLS
    SpécificationβSEIC à 95 %
    ln(P)−2,4106830,119794—
    ln(P) + S−2,4585720,025131[−2,507828 ; −2,409317]

    10

    Incertitude

    L’IC conventionnel est conditionnel au modèle et aux 24 observations. Il n’intègre ni erreur de forme fonctionnelle, ni endogénéité, ni incertitude sur un changement de régime. Une série temporelle réelle exige une variance compatible avec l’autocorrélation.

    11

    Endogénéité du prix

    Les managers peuvent modifier le prix en réponse à une demande anticipée non observée. Prix et erreur deviennent corrélés ; l’OLS est alors associatif et potentiellement biaisé. MSC-P-020 traite l’identification par variable instrumentale.

    12

    Diagnostics

    Tracer résidus et ajustements, comparer spécifications, inspecter levier et influence, tester stabilité temporelle, autocorrélation et colinéarité, documenter support des scénarios et rechercher la règle de fixation du prix.

    13

    Erreurs fréquentes

    Présenter β comme causal sans design, interpréter −2,46 comme −2,46 unités, appliquer β à une forte variation sans transformation exponentielle, contrôler une variable post-prix, ignorer les zéros ou extrapoler hors support.

    14

    Interprétation

    L’estimation décrit une demande très sensible dans ce petit jeu construit. Sa précision étroite reflète la régularité artificielle des données ; elle ne constitue ni benchmark sectoriel ni garantie de réponse réelle.

    15

    Décision possible

    Utiliser l’estimation associative pour comparer des scénarios proches, montrer la sensibilité de volume sous hypothèses et décider quelles données ou expériences supplémentaires sont nécessaires.

    16

    Décision impossible

    Ne pas fixer un prix optimal, promettre une variation de ventes, transporter β vers un autre marché ou attribuer causalement la baisse de volume au prix sans identification et contraintes économiques.

    17

    Implémentation

    Le CSV CC0 et le script Python MIT exécutent un OLS sans dépendance externe, échouent sur prix ou quantités non positifs et publient les deux spécifications, l’IC et le scénario +5 %.

    18

    Livrable attendu

    Question, unité, support, statut associatif/causal, spécification, variables, coefficient, SE, IC, diagnostics, sensibilité, scénario borné, décision possible/impossible et fichiers reproductibles.

    19

    Sources scientifiques

    Tellis définit l’élasticité, relie le coefficient log-log à l’élasticité et documente les biais de spécification. Villas-Boas et Winer montrent pourquoi l’endogénéité du prix peut biaiser les paramètres. Aucune source ne valide MSC-001 comme marché réel.

    1. Tellis (1988) ↗Texte intégral vérifié
    2. Villas-Boas & Winer (1999) ↗Texte intégral vérifié

    Dataset · Outil

    Dataset · MSC-001Élasticité-prix synthétique→Outil · MSC-T04Impact prix-volume→

    Connexions méthodologiques

    Territoire parentScience des prix : relier prix, demande et contribution

    À lire ensuite

    MSC-P-018Régression prédictive ou causale : qu’essaye-t-on d’estimer ?→MSC-P-019Comment diagnostiquer une régression marketing avant de l’interpréter ?→MSC-P-003Comment exprimer l’incertitude d’un résultat marketing ?→