LA CLASSIFICATION DES PERSONNES SELON LEUR COMPORTEMENT CONCERNANT L ASSURANCE D UN TRANSPORT ECOLOGIQUE

Transcription

1 ANALELE ŞTIINŢIFICE ALE UNIVERSITĂŢII ALEXANDRU IOAN CUZA DIN IAŞI Tomul LII/LIII Ştiinţe Economice 2005/2006 LA CLASSIFICATION DES PERSONNES SELON LEUR COMPORTEMENT CONCERNANT L ASSURANCE D UN TRANSPORT ECOLOGIQUE ELISABETA JABA ELENA-DANIELA VIORICĂ CHRISTIANA BRIGITTE BALAN Résumé La recherche réalisée a pour but, d une part d identifier les groupes des pèlerins conscients, respectivement indifférents, concernant un transport écologique et civilisé dans un espace étroit, à l occasion des événements comme le pèlerinage à Iasi, Lourdes, Rome, et d autre part de souligner les facteurs qui contribuent à la compréhension et la sensibilisation de la population sur l importance de réduire la pollution. La méthode utilisée est l analyse discriminante. Les données ont été enregistrées sur un échantillon aléatoire de 400 personnes, tiré de la population des pèlerins arrivés à l occasion des fêtes de Iasi. Mots clés: analyse des données, analyse discriminante, échantillon, pèlerins, environnement, pollution. Introduction Le travail actuel présente les résultats d une campagne publicitaire, organisée dans le projet TAPESTRY (), dans le but de faire les voyageurs comprendre la gravité des problèmes créés par l utilisation excessive de la voiture dans un espace étroit (la pollution, l amplification de l effet de serre, l agglomération et la congestion du trafique). Chaque année dans le dernier temps, pendant dix jours, plus d un million de personnes participent aux fêtes de Iasi et de la Sainte Pieuse Parascheva. Pendant ces jours, les facteurs de décision doivent faire face à deux catégories importantes de problèmes: d une part, d assurer les meilleures conditions de recevoir et transporter le pèlerin et, d autre part, de protéger l environnement. Pendant le pèlerinage à la Sainte Pieuse Parascheva à Iasi, et aussi dans le cas des pèlerinages à Rome, Lourdes etc., l utilisation excessive des moyens de transport polluants dans un espace étroit a des effets sur les monuments et l environnement. La compréhension du danger de pollution due à l utilisation des voitures dans des espaces agglomérés est devenue une priorité pour chaque société, en exigeant l organisation de plus efficientes actions. Professeur docteur, Département de Statistique, Faculté d Economie et d Administration des Affaires, Université Alexandru Ioan Cuza Iaşi, ejaba@uaic.ro Assistent doctorant, Département de Statistique, Faculté d Economie et d Administration des Affaires, Université Alexandru Ioan Cuza Iaşi, dana.viorica@gmail.com Doctorant, Département de Statistique, Faculté d Economie et d Administration des Affaires, Université Alexandru Ioan Cuza Iaşi, itte7@yahoo.com

2 368 ELISABETA JABA, ELENA-DANIELA VIORICĂ, CHRISTIANA BRIGITTE BALAN La campagne TAPESTRY de promotion du transport publique et de l éducation des pèlerins a été réalisée pendant les fêtes de Iasi et de la Sainte Pieuse Parascheva, dans deux années consécutives. Pendant la campagne ont été réalisés deux sondages: un sondage avant le déroulement de la campagne, réalisé pour évaluer le niveau d information et de compréhension des problèmes dues à l utilisation des voitures au détriment du transport publique, et un sondage réalisé après le déroulement de la campagne, au but d évaluer son efficience et d identifier les meilleures pratiques dans le marketing des services de transport publique. 2 La méthode et les variables utilisées La recherche réalisée a pour but d identifier les groupes des sujets conscients, respectivement indifférents, d un transport écologique et civilisé et de souligner les facteurs qui contribuent à la compréhension et la sensibilisation sur l importance de réduire la pollution. On a utilisé la méthode AD (l analyse discriminante) pour choisir les variables discriminatoires, tester l homogénéité des matrices de covariance, calculer les coefficients discriminants et les coefficients de structure et classifier les sujets en deux groupes: conscients et indifférents de la gravité de la pollution, en utilisant le logiciel SPSS. Les données pour les variables considérées dans l analyse sont enregistrées sur un échantillon aléatoire de 400 personnes, tiré de la population des pèlerins arrivés à Iasi et à la Sainte Pieuse Parascheva. Dans l étude réalisée on a utilisé comme variables discriminatoires, nommées aussi variables prédicteurs, les suivantes variables indépendantes: X l importance de protéger l environnement, X 2 l autobus protège l environnement, X 3 la voiture protège l environnement et X 4 la nécessité de réduire le nombre des voitures pendant cette période. Les variantes de la variable indépendante X ont été codifiées tel que: -pas du tout important, 2-peu important, 3-indifférent, 4-assez important, 5-très important. Les valeurs des variables X 2, X 3, X 4 ont été codifiées tel que: -fortement d accord, 2-d accord, 3- incertain(e), 4-en désaccord, 5-totalement en désaccord. La variable de groupement, c'est-à-dire la variable qui fait l objet de la classification, c est la compréhension de la pollution. On considère pour cette variable deux variantes, codifiées tel que: 0 pour le cas où les personnes sont conscientes de la gravitée de la pollution et pour le cas où les personnes ne sont pas conscientes de ce fait. Par conséquent, les deux groupes parmi lesquels vont discriminer les variables indépendantes sont: le groupe des personnes conscientes de la gravitée de la pollution et le groupe des personnes qui ne sont pas conscientes de la gravitée de la pollution. 3 Résultats 3. La sélection des variables discriminatoires et le test de l homogénéité des matrices de covariance Pour identifier les variables qui contribuent significativement à la différence entre les groupes on a utilisé le test F pour Wilks s lambda. Les résultats ANOVA sont présentés dans le Tableau. La valeur du test F est significative pour les trois premières variables (les valeurs du Sig. sont plus petites que 0,05 pour les deux premières variables et que 0, pour la troisième). La quatrième variable dont le Sig. = devrait être éliminée du modèle.

3 La classification des personnes selon leur comportement concernant l assurance d un transport ecologique Variable l importance de protéger l environnement la voiture protège l environnement l autobus protège l environnement la nécessité de réduire le nombre des voitures pendant cette période Wilks Lambda Tableau no. Le test d égalité des moyennes v v 2 degrés degrés Niveau de F de de signification liberté liberté Par conséquence, les facteurs qui influencent la compréhension sur la gravitée de la pollution de l environnement sont liés à l impact de la pollution due a l utilisation des voitures personnelles. Par conséquence s imposeraient l utilisation des moyennes de transport publique et la compréhension à l importance accordée à ce phénomène. Pour vérifier si les matrices de covariance sont similaires pour les groupes définies par la variable de groupement on a appliquée le test Box s M. Le résultat du test est présenté dans le Tableau 2. Tableau no. 2 Le test de l homogénéité des variances Box M F Aprox. v v 2 Degré de signification On peut observer que Sig. est plus grand que 0,05, donc on peut affirmer que les groupes ne diffèrent pas en ce que concerne les matrices de covariance. 3.2 Estimation de la fonction discriminante L analyse discriminante a été réalisée pour deux groupes et on a obtenu une seule fonction discriminante et, par conséquence, une seule valeur propre. La valeur propre qui correspond à la fonction discriminante, Variation inter - groupes λ =, montre un pouvoir de discrimination réduit de la fonction Variation intra - groupes (0,033, voir Tableau 3). Le coefficient de corrélation canonique, λ Variation inter - groupes R C = =, par lequel on mesure l intensité de la relation + λ Variation totale entre les coordonnées des facteurs discriminants et la variable de groupement, montre que le pourcentage de la variation totale expliquée par les différences entre les deux groupes est seulement 3%, c'est-à-dire (Rc = 0,80) 2, comme on peut voir dans le Tableau 3. Tableau no. 3 Les valeurs propres Valeur Le poids Les poids Coefficient de corrélation Fonction propre de la variance cumulés canonique

4 370 ELISABETA JABA, ELENA-DANIELA VIORICĂ, CHRISTIANA BRIGITTE BALAN Les variables prédicteurs considérées dans notre étude sont exprimées en unités de mesures différentes, par conséquence on a calculé les coefficients standardisés de la fonction discriminante, présentés dans le Tableau 4. Tableau no.4 Coefficients standardisés de la fonction discriminante Variable Fonction la nécessité de réduire le nombre des voiture pendant cette période l importance de protéger l environnement l autobus protège l environnement la voiture protège l environnement La fonction discriminante pour l échantillon observé est: D = 0,523Z + 0,487Z 2 + 0,663Z 3 0,93Z 4, où les variables Z, Z 2, Z 3 şi Z 4 sont les variables X, X 2, X 3 şi X 4 standardisées. La grandeur des coefficients indiquant le pouvoir de discrimination des variables prédicteurs montre que les variables l impact de l utilisation des voitures sur l environnement (X 3 ), l importance de protéger l environnement (X ) et l impact de l utilisation des moyennes de transport publique sur l environnement (X 2 ) discriminent les groupes des personnes conscientes, respectivement indifférents du péril de la pollution. Les coefficients de la matrice de structure montrent qu il y a une corrélation entre chaque variable prédicteur et la fonction discriminante. Les valeurs des coefficients de structure obtenus sont présentées dans le Tableau 5. Tableau 5: Les coefficients de structure Variable Fonction la voiture protège l environnement l importance de protéger l environnement l autobus protège l environnement la nécessité de réduire le nombre des voiture pendant cette période On peut observer que ces coefficients ont des valeurs élevées pour les trois premières variables ce que signifie que ces variables discriminent le mieux entre les sujets des deux groupes. La valeur négative du coefficient pour la quatrième variable reflète un comportement des sujets, en rapport avec cette variable, contraire au comportement des sujets concernant les autres variables. Par conséquent, les sujets qui considèrent que la voiture ne pollue pas l environnement n ont pas considéré qu il est nécessaire de réduire le nombre de voitures pendant la période du pèlerinage. 3.3 L'efficacité de la fonction discriminante Pour chaque sujet on a calculé le score discriminant en utilisant les coefficients de la fonction discriminante. Dans l étude réalisée, la fonction discriminante classifie correctement seulement 56,5% de tous les sujets, c'est-à-dire (02+24)/400. Un sujet est considéré être correctement classifié s il est inclus, par son score de la fonction discriminante, dans le groupe où il appartient en réalité.

5 Group original La classification des personnes selon leur comportement concernant l assurance d un transport ecologique 37 Tableau 6: Résultats de la classification Compréhension Group prédit Total de la pollution conscient indifférent Nombre conscient indifférent % conscient indifférent Dans le cas des groupes aux effectifs égaux, une méthode de répartition purement aléatoire permettra d obtenir 50% de classifications correctes. La différence entre le pourcentage des classifications correctes obtenu par AD et le pourcentage de 50% mesure la qualité du modèle. La signification de cette différence est vérifiée à l aide du test z: /2 z = (p 0,5)/[(0,5 0,5)/n], où n représente le nombre des sujets [Calciu Michel, Benavent Christophe]. (0,565 0,5) 0,065 La valeur calculée du test z, z = = = 2, 6, est supérieure à,96. 0,5 0,5 0, Ce résultat signifie que le modèle AD a réalisé, en considérant une confiance de 95%, une classification significativement différente d un processus purement aléatoire. Parce que le coefficient de classification correcte (56,5%) obtenu est plus grand que le pourcentage (50%) qui s obtiendrait par la méthode de répartition pur aléatoire, on pourrait considérer que la classification par AD est meilleure que celle obtenue par un processus purement aléatoire. 4. Conclusions Pour identifier les personnes qui considèrent la pollution un problème grave par rapport aux personnes qui ne considèrent pas que ce phénomène est si important, dans les conditions de l agglomération urbaine comme celle de la période des fêtes de Iasi et de la Sainte Pieuse Parascheva, la méthode utilisée, l analyse discriminante s est révélée utile. En même temps, l analyse discriminante offre la possibilité de calculer les scores de l importance des variables qui influencent un comportement de sorte qu elle aide à identifier les groupes d intérêt, c'est-à-dire à prédire le groupe auquel appartient une personne. Si une nouvelle personne répondait au même questionnaire, elle serait classifiée, par les coefficients de la fonction discriminante estimés, dans le groupe des personnes conscientes sur la gravitée de la pollution ou le groupe des personnes indifférentes, selon les réponses offertes aux questions concernant l importance de protéger l environnement. Ces résultats soutiennent les facteurs de décision à appuyer sur des bases solides leurs actions de créer un transport écologique et donc de réduire la pollution. Bibliographie Calciu, M., Benavent, C,, L analyse discriminante - note pédagogique, la adresa accesat la 3 martie Fisher, R. A., The use of multiple measurements in taxonomic problems, Annals of Eugenics No.7, 936.

6 372 ELISABETA JABA, ELENA-DANIELA VIORICĂ, CHRISTIANA BRIGITTE BALAN Huberty, C. J., Applied discriminant analysis, Wiley-Interscience, 994, la adresa accesat la 0 martie Jaba, E., Grama, A., Analiza statistică cu SPSS sub Windows, Editura Polirom, Iaşi, Jaba, E., Statistica, Ediţia a treia, Editura Economică, Bucureşti, Jaba, E.; Şerban; D., Viorică, D.; Balan, C., Testarea semnificaţiei influenţei campaniei TAPESTRY de promovare a transportului public, în Revista Română de Statistică, INS, Nr. 3/2005. Klecka, W. R., Discriminant Analysis. Quantitative Applications in the Social Sciences Series, No. 9. Thousand Oaks, CA: Sage Publications, 980 Lachenbruch, P. A., Discriminant Analysis, Hafner, NY, 975 Saporta, G., L analyse discriminante la adresa saporta /discriminante.pdf, accesat la 3 martie *** College of Humanities and Social Sciencies, la www2.chass.ncsu.edu/garson/ pa765/discrim.htm, accesat la 8 ianuarie *** StatSoft la accesat la 0 februarie Notes. Le Projet de recherche TAPESTRY, financé par la Commission Européenne pour Transport et Energie, s est déroulé pendant la période et a eu comme objectif la soutenance de la stratégie de transport durable en Europe par des campagnes d information et publicité, joignant douze pays européens. Le projet manager pour Iasi a été madame professeur docteur Elisabeta Jaba.