1. Modèle I : Y=f(PRIN1, ..., PRIN10, lnCAHT92, SEC1, ..., SEC23)

Tableau 99 : Coefficients estimés du modèle I : Y=f(PRIN1, ..., PRIN10, lnCAHT92, SEC1, ..., SEC23)
Régression logistique multinomiale à trois niveaux sur données pondérées par le taux de sondage.
Estimation du maximum de vraisemblance.
Variable endogène Y={innovation de produit, innovation de procédé, innovation de produit & procédé}
- P(Iprod)/ P(Iprod&proc)= probabilité relative d’innover en produit par rapport à celle d’innover en produit&procédé,
- P(Iproc)/ P(Iprod&proc)= probabilité relative d’innover en procédé par rapport à celle d’innover en produit&procédé,
- P(Iprod)/ P(Iproc)= probabilité relative d’innover en produit par rapport à celle d’innover en procédé.
: significatif à 10 %, à 5%, à 1%, à 0,1%
Intitulé Nom P(Iprod/Iprodoc) [1] P(Iproc/Iprodoc) [2] P(Iprod/Iproc) [3]
Constante _cons 0,906 6,025 -5,119
Axe 1 : l’optimisation de la production (questions sur les moyens) PRIN1 -0,313 -0,162 -0,151
Axe 2 : la conquête de nouveaux marchés (questions sur les fins) PRIN2 0,209 -0,744 0,952
Axe 3 : Relance des produits existants PRIN3 0,103 -0,084 0,187
Axe 4 : Amélioration des caractéristiques organiques vs mécaniques du processus productif PRIN4 -0,26 0,027 -0,287*
Axe 5 : Amélioration de la qualité des produits existants vs. remplacement des produits obsolètes. PRIN5 0,008 -0,088 0,096
Axe 6 : Diversification vs. nouveaux espaces géographiques PRIN6 0,023 -0,494 0,518
Axe 7 : Réduction du cycle de conception des produits PRIN7 0,046 -0,025 0,071
Axe 8 : Flexibilité vs. réduction de la consommations d’énergie PRIN8 0,036 -0,112 0,149
Axe 9 : Réduction des coûts salariaux vs. réduction des consommations de matériaux PRIN9 -0,136 -0,107 -0,029
Axe 10 : Réduction de rebut des produits vs. réduction des consommations de matériaux PRIN10 -0,159 -0,256 0,098
Log(CAHT92) lnCAHT92 -0,245 -0,486 0,241
Autres industries extractives s14 1,183 -0,635 1,818
Industrie textile s17 1,066 -1,479 2,545
Industrie de l’habillement et des fourrures s18 2,027 -0,596 2,623
Industrie du cuir et de la chaussure s19 1,175 -0,203 1,378
Travail du bois et fabrication d’articles en bois s20 0,952 -1,495 2,446
Industrie du papier et du carton s21 1,266 -1,417 2,683
Edition, imprimerie, reproduction s22 0,837 0,053 0,784
Cokéfaction, raffinage, industries nucléaires s23 1,581 -2,244 3,825
Industrie chimique s24 1,618 -2,023 3,641*
Pharmacie s244 1,509 -1,249 2,758
Industrie du caoutchouc et des plastiques s25 0,597 -2,761* 3,358***
Fabrication d’autres produits minéraux non métalliques s26 1,3 -1,748* 3,048
Métallurgie s27 1,047 -0,495 1,542
Travail des métaux s28 1,09 -1,315 2,406
Fabrication de machines et équipements s29 1,684 -2,013 3,697
Fabrication de machines de bureau et de matériel informatique s31 1,556 -3,457 5,013
Fabrication de machines et appareils électriques s32 1,771 -1,495 3,266*
Fabrication d’équipements de radio, télévision et communication s33 1,551 -4,106 5,657
Fabrication d’instruments médicaux, de précision, d’optique et d’horloge s34 1,732 -1,819* 3,551*
Industrie automobile s35 1,723 -1,442 3,164
Fabrication d’autres matériels de transport s353 -0,031 -1,165 1,134
Aéronaut s36 1,062 -1,839 2,901

Nombre d’observations 1648
Somme des pondérations 9010.9369
L0 (Log vraisemblance initiale) -9648,9373
L1 (Log vraisemblance finale) -7673,0931
Pseudo R² (1-L1/L0) 0,2048
NB : le secteur 261 a été retranché afin de permettre l’estimation d’une constante
Source : SESSI CIS1, INSEE EAE1992

Tableau 100 : Tests du chi2 et de Wald sur le modèle I
Test du Chi² sur l’ensemble du modèle :
LRchi2(66)=3951,69
Prob> ;chi2=0.0000
Test de Wald sur le Modèle complet (1)
F(66;1582)=6,62
Prob> ;F=0.0000
Test de Wald sur Produit / produit&procédé (2)
F(33;1615)=4,56
Prob> ;F=0.0000
Test de Wald sur Procédé / Produit&procédé (3)
F(33;1615)=7,45
Prob> ;F=0.0000
Test de Wald sur Produit / procédé (4)
F(33;1615)=8,24
Prob> ;F=0.0000
(1) Test l’hypothèse de nullité simultanée de l’ensemble des coefficients estimés du modèle
(2) Test l’hypothèse de nullité simultanée de l’ensemble des coefficients estimés agissant sur la probabilité relative d’innover en produit plutôt qu’en produit & procédé.
(3) Test l’hypothèse de nullité simultanée de l’ensemble des coefficients estimés agissant sur la probabilité relative d’innover en procédé plutôt qu’en produit & procédé.
(4) Test l’hypothèse de nullité simultanée de l’ensemble des coefficients estimés agissant sur la probabilité relative d’innover en produit plutôt qu’en procédé.
Source : Tests effectués sur le modèle I

Tableau 101 : Tests de Wald pour les principaux coefficients estimés du modèle I
Test PRIN1=0
F(2 ; 1646)=36,3
Prob> ;F=0.0000
Test PRIN2=0
F(2 ; 1646)=72,44
Prob> ;F=0.0000
Test PRIN3=0
F(2 ; 1646)=2,43
Prob> ;F=0,0884
Test PRIN4=0
F(2 ; 1646)=6,96
Prob> ;F=0,001
Test PRIN5=0
F(2 ; 1646)=0,66
Prob> ;F=0,5172

Test PRIN6=0
F(2 ; 1646)=15,02
Prob> ;F=0.0000
Test PRIN7=0
F(2 ; 1646)=0,27
Prob> ;F=0,7633
Test PRIN8=0
F(2 ; 1646)=0,89
Prob> ;F=0,4113
Test PRIN9=0
F(2 ; 1646)=1,26
Prob> ;F=0,2833
Test PRIN10=0
F(2 ; 1646)=3,16
Prob> ;F=0,0429
lnCAHT92=0
F(2 ; 1646)=29,82
Prob> ;F=0.0000
Nb. : Tests de la nullité des coefficients estimés pour l’ensemble du modèle (i.e. pour les probabilités relatives P(Iprod)/ P(Iprod&proc) et P(Iproc)/ P(Iprod&proc)).

Tableau 102 : Tableau de classification des observations pour le modèle I (données brutes)
Observation \ Prédiction Produit Procédé Produit & procédé Total
Produit
216 47 219 482
44,81 9,75 45,44 100
55,67 14,83 23,22 29,25
Procédé
49 191 116 356
13,76 53,65 32,58 100
12,63 60,25 12,3 21,6
Produit & procédé
123 79 608 810
15,19 9,75 75,06 100
31,7 24,92 64,48 49,15
Total
388 317 943 1648
23,54 19,24 57,22 100
100 100 100 100
Taux de bonne prédiction : 61,59%
Tableau de classification réalisé sur données brutes. La règle de classification est la suivante : Le type de comportement innovant prédit est celui qui correspond à la probabilité estimée maximum parmi les trois probabilités estimées suivantes p(Innovation de produit), p(Innovation de procédé), p(innovation de produit & procédé).

Tableau 103 : Tableau de classification des observations pour le modèle I (données brutes)
Observation \ Prédiction Produit Procédé Produit & procédé Total
Produit 1391,89 308,67 1116,98 2817,54
0,49 0,11 0,4 1
0,56 0,15 0,25 0,31
Procédé 332,1 1300,28 604,59 2236,98
0,15 0,58 0,27 1
0,13 0,61 0,14 0,25
Produit & procédé 774,43 507,98 2674,01 3956,42
0,13 0,68 1
0,24 0,61 0,44
Total 2498,42 2116,93 4395,58 9010,94
0,28 0,23 0,49 1
1 1 1 1
Taux de bonne prédiction : 59,55%
Tableau de classification réalisé sur données brutes. La règle de classification est la suivante : Le type de comportement innovant prédit est celui qui correspond à la probabilité estimée maximum parmi les trois probabilités estimées suivantes p(Innovation de produit), p(Innovation de procédé), p(innovation de produit & procédé).

Tableau 104 : Score de Brière pour le modèle I
Somme Std
Brière total (B t ) 2861,329 49,03593
Brière produit (B prod ) 1614,013 49,07805
Brière procédé (B proc ) 407,0631 22,059
Brière produit & procédé (B prodoc ) 840,2534 27,04721
Score de Brière total = Max en cas de prédiction systématiquement erronnée=2*9010,38=18021
Référence en cas de prédiction en fonction d’une règle d’équi-répartition=6006
Référence en cas de prédiction en fonction des fréquences observées=10091
En cas de prédiction parfaite le score est à 0

Tableau 99 : Coefficients estimés du modèle I : Y=f(PRIN1, ..., PRIN10, lnCAHT92, SEC1, ..., SEC23)
Régression logistique multinomiale à trois niveaux sur données pondérées par le taux de sondage. Estimation du maximum de vraisemblance. Variable endogène Y={innovation de produit, innovation de procédé, innovation de produit & procédé} - P(Iprod)/ P(Iprod&proc)= probabilité relative d’innover en produit par rapport à celle d’innover en produit&procédé, - P(Iproc)/ P(Iprod&proc)= probabilité relative d’innover en procédé par rapport à celle d’innover en produit&procédé, - P(Iprod)/ P(Iproc)= probabilité relative d’innover en produit par rapport à celle d’innover en procédé.
: significatif à 10 %, * à 5%, * à 1%, ** à 0,1% Intitulé	Nom	P(Iprod/Iprodoc) [1]	P(Iproc/Iprodoc) [2]	P(Iprod/Iproc) [3]
Constante	_cons	0,906	6,025****	-5,119****
Axe 1 : l’optimisation de la production (questions sur les moyens)	PRIN1	-0,313****	-0,162****	-0,151****
Axe 2 : la conquête de nouveaux marchés (questions sur les fins)	PRIN2	0,209****	-0,744****	0,952****
Axe 3 : Relance des produits existants	PRIN3	0,103	-0,084	0,187**
Axe 4 : Amélioration des caractéristiques organiques vs mécaniques du processus productif	PRIN4	-0,26****	0,027	-0,287***
Axe 5 : Amélioration de la qualité des produits existants vs. remplacement des produits obsolètes.	PRIN5	0,008	-0,088	0,096
Axe 6 : Diversification vs. nouveaux espaces géographiques	PRIN6	0,023	-0,494****	0,518****
Axe 7 : Réduction du cycle de conception des produits	PRIN7	0,046	-0,025	0,071
Axe 8 : Flexibilité vs. réduction de la consommations d’énergie	PRIN8	0,036	-0,112	0,149
Axe 9 : Réduction des coûts salariaux vs. réduction des consommations de matériaux	PRIN9	-0,136	-0,107	-0,029
Axe 10 : Réduction de rebut des produits vs. réduction des consommations de matériaux	PRIN10	-0,159	-0,256**	0,098
Log(CAHT92)	lnCAHT92	-0,245****	-0,486****	0,241****
Autres industries extractives	s14	1,183	-0,635	1,818
Industrie textile	s17	1,066	-1,479	2,545**
Industrie de l’habillement et des fourrures	s18	2,027	-0,596	2,623**
Industrie du cuir et de la chaussure	s19	1,175	-0,203	1,378
Travail du bois et fabrication d’articles en bois	s20	0,952	-1,495	2,446**
Industrie du papier et du carton	s21	1,266	-1,417	2,683**
Edition, imprimerie, reproduction	s22	0,837	0,053	0,784
Cokéfaction, raffinage, industries nucléaires	s23	1,581	-2,244	3,825**
Industrie chimique	s24	1,618	-2,023**	3,641***
Pharmacie	s244	1,509	-1,249	2,758**
Industrie du caoutchouc et des plastiques	s25	0,597	-2,761***	3,358***
Fabrication d’autres produits minéraux non métalliques	s26	1,3	-1,748*	3,048**
Métallurgie	s27	1,047	-0,495	1,542
Travail des métaux	s28	1,09	-1,315	2,406**
Fabrication de machines et équipements	s29	1,684	-2,013**	3,697****
Fabrication de machines de bureau et de matériel informatique	s31	1,556	-3,457****	5,013****
Fabrication de machines et appareils électriques	s32	1,771	-1,495	3,266***
Fabrication d’équipements de radio, télévision et communication	s33	1,551	-4,106****	5,657****
Fabrication d’instruments médicaux, de précision, d’optique et d’horloge	s34	1,732	-1,819*	3,551***
Industrie automobile	s35	1,723	-1,442	3,164**
Fabrication d’autres matériels de transport	s353	-0,031	-1,165	1,134
Aéronaut	s36	1,062	-1,839**	2,901**

Nombre d’observations	1648
Somme des pondérations	9010.9369
L0 (Log vraisemblance initiale)	-9648,9373
L1 (Log vraisemblance finale)	-7673,0931
Pseudo R² (1-L1/L0)	0,2048
NB : le secteur 261 a été retranché afin de permettre l’estimation d’une constante Source : SESSI CIS1, INSEE EAE1992

Tableau 100 : Tests du chi2 et de Wald sur le modèle I
Test du Chi² sur l’ensemble du modèle :
	LRchi2(66)=3951,69
	Prob> ;chi2=0.0000
Test de Wald sur le Modèle complet (1)
	F(66;1582)=6,62
	Prob> ;F=0.0000
Test de Wald sur Produit / produit&procédé (2)
	F(33;1615)=4,56
	Prob> ;F=0.0000
Test de Wald sur Procédé / Produit&procédé (3)
	F(33;1615)=7,45
	Prob> ;F=0.0000
Test de Wald sur Produit / procédé (4)
	F(33;1615)=8,24
	Prob> ;F=0.0000
(1) Test l’hypothèse de nullité simultanée de l’ensemble des coefficients estimés du modèle (2) Test l’hypothèse de nullité simultanée de l’ensemble des coefficients estimés agissant sur la probabilité relative d’innover en produit plutôt qu’en produit & procédé. (3) Test l’hypothèse de nullité simultanée de l’ensemble des coefficients estimés agissant sur la probabilité relative d’innover en procédé plutôt qu’en produit & procédé. (4) Test l’hypothèse de nullité simultanée de l’ensemble des coefficients estimés agissant sur la probabilité relative d’innover en produit plutôt qu’en procédé. Source : Tests effectués sur le modèle I

Tableau 102 : Tableau de classification des observations pour le modèle I (données brutes)
Observation \ Prédiction	Produit	Procédé	Produit & procédé	Total
Produit	216	47	219	482
44,81	9,75	45,44	100
55,67	14,83	23,22	29,25
Procédé	49	191	116	356
13,76	53,65	32,58	100
12,63	60,25	12,3	21,6
Produit & procédé	123	79	608	810
15,19	9,75	75,06	100
31,7	24,92	64,48	49,15
Total	388	317	943	1648
23,54	19,24	57,22	100
100	100	100	100
Taux de bonne prédiction :	61,59%
Tableau de classification réalisé sur données brutes. La règle de classification est la suivante : Le type de comportement innovant prédit est celui qui correspond à la probabilité estimée maximum parmi les trois probabilités estimées suivantes p(Innovation de produit), p(Innovation de procédé), p(innovation de produit & procédé).

Tableau 103 : Tableau de classification des observations pour le modèle I (données brutes)
Observation \ Prédiction	Produit	Procédé	Produit & procédé	Total
Produit	1391,89	308,67	1116,98	2817,54
0,49	0,11	0,4	1
0,56	0,15	0,25	0,31
Procédé	332,1	1300,28	604,59	2236,98
0,15	0,58	0,27	1
0,13	0,61	0,14	0,25
Produit & procédé	774,43	507,98	2674,01	3956,42
0,13	0,68	1
0,24	0,61	0,44
Total	2498,42	2116,93	4395,58	9010,94
0,28	0,23	0,49	1
1	1	1	1
Taux de bonne prédiction :	59,55%
Tableau de classification réalisé sur données brutes. La règle de classification est la suivante : Le type de comportement innovant prédit est celui qui correspond à la probabilité estimée maximum parmi les trois probabilités estimées suivantes p(Innovation de produit), p(Innovation de procédé), p(innovation de produit & procédé).

Tableau 104 : Score de Brière pour le modèle I
	Somme	Std
Brière total (B t )	2861,329	49,03593
Brière produit (B prod )	1614,013	49,07805
Brière procédé (B proc )	407,0631	22,059
Brière produit & procédé (B prodoc )	840,2534	27,04721
Score de Brière total = Max en cas de prédiction systématiquement erronnée=2*9010,38=18021 Référence en cas de prédiction en fonction d’une règle d’équi-répartition=6006 Référence en cas de prédiction en fonction des fréquences observées=10091 En cas de prédiction parfaite le score est à 0

Notes

232.

Le score de Brière sert à évaluer la finesse de l’ajustement du modèle aux données. Si nous disposons de n observations faisant éventuellement l’objet d’une pondération par un coefficient f et que la variable y à modéliser comporte r niveaux alors le score de Brirère pour l’ensemble du modèle (Bt) s’écrit :

On peut de la même façon évaluer la qualité prédictive du modèle pour chacun des r niveaux de la variable endogène y en calculant des Bk :

En cas de prédiction parfaite le score de Brière=0. La prédiction la plus mauvaise possible donne un score maximum égal à

Test PRIN1=0
	F(2 ; 1646)=36,3
	Prob> ;F=0.0000
Test PRIN2=0
	F(2 ; 1646)=72,44
	Prob> ;F=0.0000
Test PRIN3=0
	F(2 ; 1646)=2,43
	Prob> ;F=0,0884
Test PRIN4=0
	F(2 ; 1646)=6,96
	Prob> ;F=0,001
Test PRIN5=0
	F(2 ; 1646)=0,66
	Prob> ;F=0,5172

Test PRIN6=0
	F(2 ; 1646)=15,02
	Prob> ;F=0.0000
Test PRIN7=0
	F(2 ; 1646)=0,27
	Prob> ;F=0,7633
Test PRIN8=0
	F(2 ; 1646)=0,89
	Prob> ;F=0,4113
Test PRIN9=0
	F(2 ; 1646)=1,26
	Prob> ;F=0,2833
Test PRIN10=0
	F(2 ; 1646)=3,16
	Prob> ;F=0,0429
lnCAHT92=0
	F(2 ; 1646)=29,82
	Prob> ;F=0.0000
Nb. : Tests de la nullité des coefficients estimés pour l’ensemble du modèle (i.e. pour les probabilités relatives P(Iprod)/ P(Iprod&proc) et P(Iproc)/ P(Iprod&proc)).