1/ Objectif de l’étude : L'objectif de cette étude est d'analyser l'utilisation des connaissances
en marketing dans le contexte du marché boursier de Téhéran. Elle vise à examiner la raison
pour laquelle les institutions financières ne tirent pas pleinement parti de ces connaissances et
propose des pistes d'amélioration pour optimiser les investissements dans ce marché
particulier.
2/ Utilité de l’étude : La conclusion de cette étude met en évidence l'importance capitale du
marketing dans le contexte du marché boursier de Téhéran. En adoptant une perspective
alignée sur la logique dominante des services, elle souligne que le marketing financier doit
être perçu comme un moyen de créer de la valeur ajoutée pour la Bourse de Téhéran. En
intégrant les indicateurs marketing aux côtés des indicateurs financiers, elle propose une
approche holistique pour évaluer le fonctionnement des institutions financières, en particulier
les sociétés de courtage. La conclusion insiste sur la nécessité pour ces institutions de se
spécialiser dans des domaines spécifiques de l'industrie boursière et d'adopter des stratégies
marketing axées non seulement sur les revenus, mais aussi sur les coûts et le capital. Cela met
en évidence l'importance d'une approche marketing stratégique pour assurer la prospérité à
long terme des entreprises. En définitive, cette étude est utile car elle guide les institutions
financières et les acteurs du marché boursier de Téhéran vers des pratiques marketing plus
efficaces, favorisant ainsi la croissance et le développement durables de ce marché.
3/ La régression estimée : L'équation estimée indique que l'investissement dans le marché
financier de l'Iran dépend de plusieurs facteurs. Par exemple, une augmentation d'une unité
dans les dépenses de promotion (X1) entraîne une augmentation de 0,263 dans les
investissements (Y). De même, une augmentation d'une unité dans les ressources humaines
(X2) ou les installations physiques (X3) entraîne une augmentation de 0,201 et 0,188
respectivement dans les investissements.
Equation estimée : Investment in Financial Market of Iran = 0.144 + 0.263*Promotion +
0.201*personnel + 0.188*physical facilities + 0.126*price +0.162*distribution + 0.
097*process + 0.054*product
4/ Interpréter les résultats de la régression : Cependant, certaines variables ont des effets
inverses. Par exemple, une augmentation d'une unité dans le prix (X4) ou dans le lieu (X5)
entraîne une baisse de 0,126 et 0,162 respectivement dans les investissements. Les variables
du processus (X6) et du produit (X7) ont également des effets positifs sur les investissements,
mais le coefficient du processus n'est pas significatif.
Le coefficient de détermination R2 indique que les variations dans les variables indépendantes
expliquent 75,95% des variations dans les investissements. Cela suggère une bonne
adéquation du modèle de régression.
Les tests statistiques, tels que le test de student et le test de Fisher, confirment la significativité
du modèle de régression. Il n'y a pas de problème de multicolinéarité, ce qui signifie que les
variables indépendantes ne sont pas fortement corrélées entre elles.
a=constante=0.144, c'est la moyenne a long terme de Y (investissements). La constante est
signficative car sa p-value(Sig)=0.044<5%.
Si X1 (promotion) augmente d'une unite alors Y (Investissement) augmente de 0.263. Ce
coefficient est significatif car sa p-value(Sig)=0.000<5%.
Si X2 (Personnel) augmente d'une unite alors Y (investissements) augmente de 0.201. Ce
coefficient est significatif car sa p-value(Sig)=0.000<5%.
Si X3 (Physical Facilities) augmente d'une unite alors Y (investissements) augmente de
0.188. Ce coefficient est significatif car sa p-value(Sig)=0.000<5%.
Si X4 (Price) augmente d'une unite alors Y (investissements) baisse de 0.126. Ce coefficient
est significatif car sa p-value(Sig)=0.018<5%.
Si X5 (Place) augmente d'une unite alors Y (investissements) baisse de 0.162. Ce coefficient
est significatif car sa p-value(Sig)=0.003<5%.
Si X6 (Process) augmente d'une unite alors Y (investissements) augmente de 0.097. Ce
coefficient n’est pas significatif car sa p-value(Sig)=0.16>5%=0.05.
Si X7 (Product) augmente d'une unite alors Y (investissements) augmente de 0.054. Ce
coefficient est significatif car sa p-value(Sig)=0.027<5%=0.05.
Coefficient de determination R2:
R2=75.95%, les variations dans les Xs expliquent 75.95% des variations dans Y.
Teste de student :
L’ensemble des X procède Des P-value est < 5% on n’a pas de problème du multi colinéarité
donc on rejette H0 et on Accepte l’hypothèse H1 on a au moins Des X est différents de 0.
Test Fisher (p-value=0.000<5%)
H0 : b1=b2=...=bn=0 (modèle de régression non significatif)
H1 : au moins un des b est diffèrent de zéro. (Modelé de regression significatif)
Décision : On rejette H0 et on accepte H1 car (p-value=0.000<5%).
Donc, Modelé de régression significatif.
5/ Effectuer des tests de diagnostics :
Test d'autocorrélation des erreurs : Vérifiez s'il y a une corrélation sérielle dans les résidus du
modèle. Cela peut être fait à l'aide du test de Durbin-Watson ou en examinant le graphe des
résidus par rapport à l'ordre des observations.
Test d'hétéroscédasticité : Vérifiez si la variance des résidus est constante à travers les
différentes valeurs des variables indépendantes. Vous pouvez utiliser le test de Breusch-Pagan
ou White pour détecter l'hétéroscédasticité.
Test de normalité des résidus : Assurez-vous que les résidus du modèle suivent une
distribution normale. Vous pouvez utiliser des tests statistiques tels que le test de Shapiro-
Wilk ou simplement visualiser l'histogramme des résidus.
Analyse des leviers et des points d'influence : Identifiez les observations qui ont un impact
disproportionné sur les résultats du modèle. Cela peut être fait en examinant les leviers, les
résidus studentisés et les statistiques de Cook's distance.
Test de spécification : Assurez-vous que le modèle est correctement spécifié en vérifiant si
toutes les variables pertinentes sont incluses et si la forme fonctionnelle est appropriée. Vous
pouvez utiliser des tests tels que le test de RESET (Regression Specification Error Test) pour
cela.
Test de stabilité du modèle : Vérifiez si les coefficients du modèle sont stables sur différentes
sous-périodes de vos données. Cela peut être réalisé en divisant vos données en sous-
échantillons et en comparant les coefficients estimés.
Conclusion:
En résumé, l'étude souligne l'importance du marketing financier dans le marché boursier de
Téhéran et propose des recommandations pour améliorer les pratiques marketing des
institutions financières. Les résultats de l'analyse de régression indiquent l'impact significatif
de certaines variables sur les investissements, tandis que d'autres variables peuvent avoir des
effets inverses.