Titre original :
Improving the Marriage of Modeling and Theory for Accurate Forecasts of Outcomes
Contenu du livre :
Ce volume de la série a de grands objectifs : décrire les mauvaises pratiques scientifiques actuellement utilisées dans la plupart des études sur la stratégie marketing interentreprises et décrire un véritable changement de paradigme vers de bonnes pratiques scientifiques en remplaçant l'approche linéaire-symétrique du test de l'hypothèse nulle (NHST) basée sur les variables dans la construction et le test de la théorie - par des modèles asymétriques basés sur des cas avec des tests de résultats quelque peu précis (SPOT). Qu'il s'agisse d'un succès ou d'un échec, les dirigeants avisés se demandent comment nous en sommes arrivés là. Que nous réserve la prochaine décennie ? Malheureusement, la majorité des articles scientifiques qui examinent les causes de la réussite et de l'échec n'offrent que peu d'informations utiles permettant de prévoir avec précision les résultats d'une stratégie de réussite ou d'échec. La majorité des études sur les résultats des stratégies se concentrent sur les relations entre les variables et les tests de directionnalité (relations positives ou négatives) et l'ampleur de l'effet des relations - en utilisant l'analyse de régression multiple et la modélisation des équations structurelles (MRA/SEM) à l'aide de tests statistiques de l'hypothèse nulle (NHST). Les recherches sur la valeur des tests statistiques de l'hypothèse nulle indiquent que ces études sont loin d'être inutiles : elles ne se concentrent pas sur des résultats basés sur des cas concrets et l'obtention d'une relation statistiquement significative dépend fortement de la taille de l'échantillon d'entreprises dans les études.
Les chercheurs qui utilisent les TVNH répondent aux mauvaises questions lorsqu'ils examinent les effets nets des variables indépendantes sur la variable dépendante qui les intéresse (par exemple, le bénéfice net par chiffre d'affaires). Voici les bonnes questions à poser. Quelles configurations de conditions antécédentes se combinent pour générer des résultats positifs pour notre entreprise et des entreprises similaires ? Quelles configurations de conditions antécédentes se combinent pour générer des résultats négatifs pour les entreprises de notre secteur ? Un raisonnement solide et des preuves empiriques confirment la sagesse des dirigeants d'entreprise qui ignorent la littérature empirique savante sur la prévision des stratégies de gestion réussies ou non à l'aide du NHST de la taille et de la directionnalité des relations. Les bonnes pratiques scientifiques s'appuient sur les principes de la théorie de la complexité abordés dans les chapitres de ce volume. Les bonnes pratiques scientifiques consistent à faire correspondre la théorie axée sur le cas avec des outils d'analyse de données axés sur le cas et à utiliser des tests de résultats quelque peu précis (SPOT) pour les modèles asymétriques. Les bonnes pratiques scientifiques permettent d'obtenir la variété nécessaire à une explication et une description approfondies, ainsi qu'à une prédiction précise. La crainte d'un rejet de la demande est une autre raison de rejeter la modélisation asymétrique basée sur les cas et les SPOT. Surmontez cette crainte en apprenant à appliquer les principes de la théorie de la complexité, en construisant des modèles distincts, basés sur des cas et de portée moyenne, de résultats réussis ou non, et en testant la précision par le biais de SPOT.
Ce volume fournit les outils nécessaires à l'accomplissement de cette tâche.
Autres informations sur le livre :
| ISBN : | 9781786351227 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2018 |
| Nombre de pages : | 256 |
Achat:
Actuellement disponible, en stock.
