La démarche de la régression dynamique permet donc le développement de modèles qui combinent la dynamique des modèles type séries chronologiques et qui permettent de prendre en compte des variables explicatives ou des indicateurs avancés. Le modèle classique de régression est amélioré par la possibilité de prise en compte d’un terme d’erreur autorégressif (type Cochrane-Orcutt), et par l’utilisation de variables explicatives décalées.

Méthode complexe mais …….

La régression dynamique peut être utilisée quand (1) les données sont suffisamment longues et stables pour supporter un modèle de corrélation (2) l’introduction de variables explicatives se traduit par une amélioration significative de la précision du modèle et (3) des prévisions valides sont disponibles pour les variables explicatives. Si certaines entreprises, qui ont les moyens d’utiliser des modèles de régression dynamique, sont parfois réticentes à utiliser cette démarche de modélisation, c’est qu’elles savent par l’expérience que les modèles complexes produisent souvent des prévisions qui sont moins bonnes que des modèles plus simples, même s’ils ajustent mieux les données observées.

Contrairement aux modèles de prévision de séries chronologiques univariées (lissage exponentiel, Box & Jenkins, ….), la régression dynamique est une technique de prévision qui permet de mettre en évidence les effets dynamiques et de causalité entre les variables explicatives et les variables décalées dans le temps.

Néanmoins, comme le modèle de Box-Jenkins,  Le modèle de régression dynamique présente un certain niveau de sophistication et a jusqu’ici été difficile à identifier et très long à construire. Ceci a réduit son utilisation dans les prévisions dans les entreprises.

….. Désormais facilement implémentable grâce aux algorithmes d’automatisation   

Les algorithmes d’automatisation sont désormais inclus dans plusieurs logiciels de prévision notamment dans le logiciel de prévision « Forecast Pro ». Ils permettent désormais aux prévisionnistes de construire rapidement et plus facilement des modèles de régression dynamique adaptables et plus facilement opérationnels. Il en est résulté une plus grande utilisation de ce type de modèles. 

Une description détaillée

Une description détaillée du modèle de régression dynamique, utilisée dans la formation « La prévision des ventes » proposée par PREDICONSULT, est disponible ici.