Les coefficients seront estimés à l’aide de régressions logistiques multinomiales dont les principes généraux et les contraintes sont décrites plus précisément en annexe. Ces modèles imposent de raisonner en termes de probabilités relatives entre les différentes modalités de la variable endogène après avoir défini une modalité de référence. Dans notre cas, les résultats des estimations seront présentés en termes de probabilités relatives en utilisant la modalité ’innovation de produit&procédé’ comme référence. Deux vecteurs de coefficients seront donc estimés95 :
un pour Pr(y=produit)/Pr(y=produit&procédé) noté [1] qui représente la probabilité relative d’innover en produits plutôt qu’en produits & procédés ;
un pour Pr(y=procédé)/Pr(y=produit&procédé) noté [2] qui représente la probabilité relative d’innover en procédés plutôt qu’en produits & procédés.
Il en résulte que pour chaque variable exogène deux coefficients sont à estimer, un sur le vecteur [1] et l’autre sur le vecteur [2]. Pour faciliter l’interprétation des résultats un troisième vecteur de coefficient noté [3] (déduit des deux premiers96) représente les coefficients estimés associés à la probabilité relative d’innover en produits plutôt qu’en procédés : Pr(y=produit)/Pr(y=procédé). Il est ainsi possible de juger directement si la différence observée entre les deux premières probabilités relatives est significative ou non.
Concrètement les estimations ont été réalisées par la méthode du maximum de vraisemblance à l’aide des logiciels Stata v.6 (procédure SVYMLOG) et SAS v8 (procédure CATMOD). Dans les deux cas les coefficients de redressement ont été pris en compte. Les deux logiciels produisent des estimations similaires si tant est que les coefficients de redressement sont correctement pris en compte (en particulier emploi de coefficients de redressement normalisés sous SAS)97.
Il s’agit respectivement des colonnes 1 et 2 du tableau 21
Formellement pour un coefficient estimé quelconque noté ß : [3]ß=[1]ß-[2]ß