Présentation_4 Questionnaire
Short Description
Download Présentation_4 Questionnaire...
Description
Philippe LUU M2 Recher Recherche che Année universitaire 2011-2012
Méthodes de recherche quantitatives quantitatives - M2 RSG RSG
Sommaire
1. Généralités sur la création d’un questionnaire
2. Le paradigme de Churchill
3. Introduction aux modèles d’équations structurelles
4. Analyse factorielle exploratoire
5. Analyse factorielle confirmatoire
6. Analyse du modèle final
Méthodes de recherche quantitatives quantitatives - M2 RSG RSG
Sommaire
1. Généralités sur la création d’un questionnaire
2. Le paradigme de Churchill
3. Introduction aux modèles d’équations structurelles
4. Analyse factorielle exploratoire
5. Analyse factorielle confirmatoire
6. Analyse du modèle final
Méthodes de recherche quantitatives quantitatives - M2 RSG RSG
1. Quelques généralités sur la construction d’un questionnaire
Méthodes de recherche quantitatives quantitatives - M2 RSG RSG
1. Généralités : Formulation des questions
Quelques généralités sur un questionnaire (Dussaix, (Duss aix, 1993, chapitre 6) :
Les questions questio ns doivent doivent être comprises comprises par pa r l’interviewé l’inter viewé L’interviewé doit être capable de répondre aux questions La formulation formul ation doit permettre perme ttre d’obtenir d’obtenir des réponses
sincères Ordre de présentatio présentation n des question questionss introduit un biais Longueur : 1h à domicile, 30 min par téléphone, 15 min dans la rue
Méthodes de recherche quantitatives - M2 RSG
1. Généralités : Taille de l’échantillon
Difficile de donner une règle globale : •
•
•
Taille peut dépendre du budget Effet à montrer et de la dispersion (calcul de puissance) Au minimum, avoir plus d’observation que de variables finales… Il est recommandé de réunir 15 fois plus d’observations que de variables
Méthodes de recherche quantitatives - M2 RSG
1. Généralités : Echelles de likert
Une échelle de Likert est une échelle d’attitude comprenant différents degrés par laquelle on demande à l’individu d’exprimer son degré d’accord ou désaccord relatif à une
affirmation réponses traitées comme des variables quantitatives privilégier le plus de degrés possible et un nombre de degrés impair (en général 5 ou 7) Ex : •
•
Méthodes de recherche quantitatives - M2 RSG
1. Généralités : questionnaire & institut de sondage Faire passer un questionnaire ne s’improvise pas Etude qualitative ou exploratoire (entretiens de groupe…) :
- définition et formulation du problème - identifier les dimensions pertinentes - élaborer des hypothèses - identifier un vocabulaire Rédaction d’un 1er questionnaire, puis prétest : indispensable pour vérifier la compréhension et la longueur Version définitive en tenant compte des remarques des enquêteurs et enquêtés
Méthodes de recherche quantitatives - M2 RSG
2. Le paradigme de Churchill est une recette à suivre
Méthodes de recherche quantitatives - M2 RSG
2. Le Paradigme de Churchill (1979)
Dans le milieu académique, il existe également une série d’étapes balisées : le paradigme de Churchill •
•
Démarche développée dans le domaine du Marketing avec la validation et l’utilisation d’échelles de mesure Mais la philosophie de la méthode s’applique dès qu’il s’agit
de construire un questionnaire ! En pratique, cette recette est à suivre : Pour faire passer un questionnaire quantitatif •
•
En vue de mettre en place un modèle d’équations
structurelles
Méthodes de recherche quantitatives - M2 RSG
2. Le Paradigme de Churchill (1979)
Exemple d’application en Audit
Chemingui, M. and B. Pigé (2004). "La qualité de l'audit: analyse critique et proposition d'une approche d'évaluation axée sur la nature des travaux d'audit réalisés."
Méthodes de recherche quantitatives - M2 RSG
2. Churchill (1979)
Exemple d’application en Marketing
Jolibert A., Jourdan P., (2006) « Marketing Research », DUNOD, p190
Méthodes de recherche quantitatives - M2 RSG
2. Le Paradigme de Churchill (1979)
En résumé 1. Revue de littérature : définition des concepts, revue des échelles de mesure utilisées, formulation d’hypothèses
2. 3. 4. 5.
Premier questionnaire + prétest Analyse factorielle exploratoire pour purifier les échelles Questionnaire modifié + échantillon final Utiliser un modèle d’équations structurelles pour faire
une analyse factorielle confirmatoire 6. Utiliser un modèle d’équations structurelles pour valider
le modèle final + réponses aux hypothèses
Méthodes de recherche quantitatives - M2 RSG
2. Churchill : Analogie avec le schéma d’un article Titre Introduction Revue littérature
- Problématique - Concepts - Traduction empirique des concepts - Hypothèses
Méthodologie
- Echantillonnage, méthodes, logiciels - Statistiques descriptives
Résultats Discussion
-Tableaux de synthèse - Résultats (paraphrase des tableaux)
Conclusion
- Limites - Pistes de développement
Méthodes de recherche quantitatives - M2 RSG
3. Introduction aux Modèles d’équations structurelles
Méthodes de recherche quantitatives - M2 RSG
3. Modèles d’équations structurelles : introduction Les modèles d’équations structurelles (Structural equation models ou SEMs) décrivent des relations entre variables
Ces modèles combinent des régressions multiples et des analyses factorielles Avantages : Gérer multicolinéarité Prendre en compte un éventuel manque de précision dans les réponses
Méthodes de recherche quantitatives - M2 RSG
3. Modèles d’équations structurelles : introduction
1. regression sans constante : a et b sont les coefficients - Value, Quality et Cost sont des variables mesurables - Error représente la différence entre les valeurs observées et prédites 2. modèle factoriel : décomposition de Value en 2 facteurs - Quality et Cost pourraient alors être considérées comme des variables latentes - l’erreur pourrait être un 3e facteur d’“uniqueness”
Méthodes de recherche quantitatives - M2 RSG
3. Modèles d’équations structurelles : introduction
2 types de variables dans un modèle d’équations structurelles Les variables mesurables peuvent être directement collectées (ex : taille, sexe, réponses sur échelle de likert). Dans un MES, les variables observées sont le plus souvent continues Les variables latentes ne sont pas directement observables. C’est souvent le cas de variables importantes en Marketing Pour étudier une variable latente, il faut construire une échelle de mesure : un modèle qui exprime la variable latente en termes de variables mesurables Ex : Satisfaction, qualité perçue, voire revenus d’un foyer •
•
Méthodes de recherche quantitatives - M2 RSG
3. Modèles d’équations structurelles : introduction •
•
•
L’erreur est considéré comme une variable latente les
erreurs sont estimées, non mesurées directement Lorsqu’une variable A influence une autre variable B, une flêche part de A vers B (rappel : l’influence est décidée par le chercheur et non par les données)
Lorsque 2 variables sont corrélées, une flêche double les relie
Méthodes de recherche quantitatives - M2 RSG
3. Modèles d’équations structurelles : introduction En pratique : Chaque question (ou item) d’un questionnaire
sont des variables mesurables Rappels et conventions graphiques : Variables mesurables (ou manifestes ou observées) :
Elles estiment une facette d’une variable latente Rectangle sur les schémas
Variable latente (ou construit ou dimension ou facteur) : concept non observé directement, non mesurable Ovale sur les schémas
Méthodes de recherche quantitatives - M2 RSG
3. Modèles d’équations structurelles : introduction Un modèle d’équations structurelles se scinde en 2 familles •
•
Plusieurs modèles de mesure : pour chaque variable latente, un modèle de mesure décrit les variables observées qui permettent de la « mesurer » Un modèle structurel limité aux relations entre construits
Méthodes de recherche quantitatives - M2 RSG
3. Modèles d’équations structurelles : introduction
La modélisation par équations structurelles cherche à mettre en évidence des relations de causalité entre variables. C’est une technique d’analyse globale. La régression linéaire en est un cas particulier. Remarques : - Les équations structurelles sont une des solutions possibles pour traiter un questionnaire. Ce n’est pas la seule.
- Importance cruciale de la revue de la littérature, de la définition des concepts… La méthode reste un outil
Méthodes de recherche quantitatives - M2 RSG
3. Modèles d’équations structurelles : introduction
Rappels :
Variable ou construit exogène n’est influencée par aucune des variables inclues dans le modèle Variable ou construit endogène est influencée par une autre variable du modèle. Il n’est en général pas parfaitement expliqué par la ou les variables supposées l’influencer. Il est donc affecté d’un terme d’erreur.
Méthodes de recherche quantitatives - M2 RSG
3. Modèles d’équations structurelles : introduction Dans un modèle d’équations structurelles, une variable peut
être à la fois exogène et endogène Exemple tiré de « Amos 16.0 User's Guide » : La variable ’67 Alienation’ est
à la fois exogène et endogène
Méthodes de recherche quantitatives - M2 RSG
3. Modèles d’équations structurelles : introduction Conditions initiales d’application
Comme avec tous les modèles paramétriques, l’utilisation d’un MES repose sur une série d’hypothèses de distribution. En général : normalité des variables exogènes nécessaire
MES publiés dans les revues académiques : - échantillon dont la taille varie entre 200 et 400 individus - 10 à 15 variables observées Partir sur un échantillon de taille 300 semble raisonnable pour un MES simple (ie nombre de variables raisonnable)
Méthodes de recherche quantitatives - M2 RSG
3. Modèles d’équations structurelles : introduction
Les logiciels :
AMOS (module SPSS)
LISREL
SEPATH
Il en existe d’autres !
Méthodes de recherche quantitatives - M2 RSG
4. Analyse Factorielle Exploratoire (EFA)
Méthodes de recherche quantitatives - M2 RSG
4. Introduction : AF exploratoire vs confirmatoire
L'analyse factorielle habituellement effectuée par les logiciels courants (XLSTAT, SPSS, SAS) comme l’ACP est
une analyse de type exploratoire (en vue de créer des échelles par exemple). En effet, elle ne permet pas de déterminer à l'avance quelles variables devraient être liées à quels facteurs.
L'analyse factorielle confirmatoire nécessite un logiciel spécifique d’équations structurelles. Elle permet de
déterminer le nombre de facteurs et l'appartenance de chaque variable à un ou plusieurs facteurs.
Méthodes de recherche quantitatives - M2 RSG
4. Analyse factorielle exploratoire
On veut vérifier que les échelles de mesure utilisées sont pertinentes - Bonne séparation des échelles - Éventuelles épurations (suppression de question) L’outil statistique utilisé à ce niveau est l’analyse de données
On peut utiliser :
l’ACP
ou le plus souvent en Marketing l’Analyse en Facteurs Communs (AFC)
Méthodes de recherche quantitatives - M2 RSG
4. ACP et AFC : points communs
Les 2 méthodes sont très proches : Les 2 méthodes cherchent à réduire un nombre important d'informations (variables) à quelques grandes dimensions Comme dans toute analyse statistique, on tente d'expliquer la plus forte proportion de la variance (de la covariance dans le cas de l'analyse factorielle) par un nombre aussi restreint que possible de nouvelles variables (appelées ici composantes ou facteurs)
Méthodes de recherche quantitatives - M2 RSG
4. ACP et AFC : points communs
Ou encore : Les 2 méthodes tentent de donner un sommaire des patrons de corrélations entre les variables Ou encore : Elles tentent de décomposer la structure de la matrice de corrélations pour l’expliquer par un nombre restreint de
dimensions
Méthodes de recherche quantitatives - M2 RSG
4. ACP et AFC : différences La différence entre les 2 méthodes est subtile… Si pas d’erreurs de mesure supposées ACP, sinon AFC La différence fondamentale entre l’ACP et l’analyse en
facteurs communs repose sur la nature des facteurs Cf Jolibert A., Jourdan P., « Marketing Research » P302 ACP Facteurs formatifs
AFC Facteurs réflectifs
Méthodes de recherche quantitatives - M2 RSG
4. ACP et AFC : Type de Rotation
Rotation orthogonale VARIMAX (ACP et AFC) - lorsque l'on croit qu'il est possible de déterminer des facteurs qui soient indépendants les uns des autres (solution orthogonale). Chaque facteur apporte une information unique, non partagée par un autre facteur. - rarement possible en sciences sociales puisque il existe en général des liens conceptuels entre les facteurs. Rotation oblique OBLIMIN (surtout avec l'AFC puisqu’elle
est conceptuellement plus appropriée car corrélation entre les facteurs possible). Plus proche de la réalité, elle est fréquemment utilisée en sciences sociales.
Méthodes de recherche quantitatives - M2 RSG
4. Analyse en Facteurs Communs avec Xlstat
Dans l’onglet option : Choisir le type de
rotation et le nombre de facteurs
Méthodes de recherche quantitatives - M2 RSG
4. EFA exemple : Fiorello (2011) Variables latentes
Concepts étudiés
Motivation intrinsèque
Variables observables (items)
Je trie pour le plaisir de participer à la protection de
l’environnement Je trie pour le plaisir que j’éprouve de faire une différence pour l’environnement sur le long terme. Je trie po ur le plaisir que j’éprouve à éviter les gaspillages. Je
trie car j’aime le sentiment d’avoir un style de vie durable (respectueux de l’environnement) Motivation intégrée
Motivation identifiée
l’item Motiv_intrinsq 1
Motiv_intrinsq 2 Motiv_intrinsq 3 Motiv_intrinsq 4
Motiv_integ1
Motiv_integ2
l’environnement. Il me semble raisonnable d'aider à préserver l’environnement en
Motiv_integ3 Motiv_integ4 Motiv_ident1 Motiv_ident2
triant mes déchets
Variable latente
Variables observables (items)
trie car je pense que c’est une bonne idée de trier ses déchets Trier mes déchets est le moyen que j'ai choisi afin de contribuer à
Code de l’item
Réactance
Trier mes déchets fait partie intégrante de ma vie. Il me semble naturel de trier mes déchets. tre conscient de l’environnement est une partie de qui je suis. Trier mes déchets fait partie de la façon dont j'ai choisi de vivre ma vie. Trier me semble être une stratégie raisonnable pour protéger
Code de
Plus
on va m’obliger à trier et moins j’aurai envie de le faire Je ne trie pas car je n’aime pas que l’on m’oblige à faire quelque
Reac1 Reac2
chose. ne trie pas car on m’impose trop de pression pour trier.
Reac3
Je ne trie pas car je pense que ce que je fais de mes déchets ne regarde que moi.
Reac4
Je
Modalité de réponse : échelle de Likert en 5 points Pas du tout d’accord/Pas d’accord/Ni d’accord ni pas d’accord/ D’accord/ Tout à fait d’accord
Je
Motiv_ident3
Motiv_ident4
la protection de l’environnement. Motivation introjectée
Motivation externe
Amotivation
Je trie car j'ai l'impression de mal agir lorsque je ne trie pas. Je trie car j'ai des remords quand je ne trie pas. Je trie car je me sentirais mal à l'aise si je ne triais pas. Je trie car je me sentirais coupable si je ne triais pas Je trie car mon entourage proche insiste pour que je trie. Je trie car les autres seront contrariés si je ne trie pas. Je trie pour éviter d'être critiqué(e). Je trie pour la reconnaissance que les autres auront envers moi. Je trie mais j'ai l'impression que je perds mon temps. Je trie mais je ne sais pas vraiment pourquoi, je ne vois pas ce que je retire du fait de trier mes déchets. Je ne vois pas comment mes efforts pour trier mes déchets améliorent la situation. Je me demande pourquoi je trie, la situation ne s'améliore pas.
Motiv_intro1
Motiv_intro2
Modalité de réponse : échelle de Likert en 5 points
Motiv_intro3 Motiv_intro4 Motiv_ext1 Motiv_ext2 Motiv_ext3 Motiv_ext4 Amotiv1 Amotiv2 Amotiv3 Amotiv4
Méthodes de recherche quantitatives - M2 RSG
4. EFA exemple : Fiorello (2011) Coor données fac tor ielles apr ès r otati on Obli mi n :
Motiv_intrinsq1 Motiv_intrinsq2 Motiv_intrinsq3 Motiv_intrinsq4 Motiv_integ1 Motiv_integ2 Motiv_integ3 Motiv_integ4 Motiv_ident1 Motiv_ident2 Motiv_ident3 Motiv_ident4 Motiv_intro1 Motiv_intro2 Motiv_intro3 Motiv_intro4 Motiv_ext1 Motiv_ext2 Motiv_ext3 Motiv_ext4 Amotiv1 Amotiv2 Amotiv3 Amotiv4 Reac1 Reac2 Reac3 Reac4
D1 0,700 0,529 0,466 0,578 0,680 0,753 0,665 0,727 0,660 0,766 0,694 0,725 0,060 -0,082 0,082 0,259 -0,035 0,131 -0,058 0,113 -0,061 -0,065 0,126 -0,135 -0,012 0,041 -0,071 -0,062
D2 0,040 0,047 -0,022 -0,054 -0,044 -0,038 -0,101 -0,077 0,134 0,028 0,016 0,091 0,062 0,001 0,047 0,033 0,746 0,601 0,770 0,552 0,101 0,106 -0,033 -0,017 -0,075 -0,020 0,042 0,151
Coor données f ac tor ielles apr ès r otati on Obli min : D3 0,018 0,033 0,069 0,129 -0,193 -0,114 0,130 -0,084 -0,160 0,053 0,065 -0,038 -0,021 -0,032 0,033 -0,015 -0,030 0,006 0,080 -0,026 0,503 0,696 0,751 0,750 0,129 0,036 -0,047 -0,009
D4 0,060 -0,023 0,005 0,045 -0,019 0,002 -0,071 0,099 -0,038 -0,168 -0,150 0,009 -0,018 -0,024 0,021 -0,050 -0,009 0,158 -0,038 0,033 0,154 0,046 -0,018 0,049 0,646 0,917 0,804 0,613
D5 -0,199 -0,214 -0,318 -0,258 -0,004 0,039 -0,113 0,009 0,033 0,116 0,018 -0,025 -0,815 -0,926 -0,684 -0,584 -0,037 - 0,027 0,007 -0,097 0,136 0,093 0,033 -0,088 0,010 0,052 -0,042 0,015
Motiv_intrinsq Motiv_intrinsq Motiv_intrinsq Motiv_intrinsq Motiv_integ1 Motiv_integ2 Motiv_integ3 Motiv_integ4 Motiv_ident1 Motiv_ident2 Motiv_ident3 Motiv_ident4 Motiv_intro1 Motiv_intro2 Motiv_intro3 Motiv_intro4 Motiv_ext1 Motiv_ext2 Motiv_ext3 Motiv_ext4 Amotiv1 Amotiv2 Amotiv3 Amotiv4 Reac1 Reac2 Reac3 Reac4
D1 0,700 0,529 0,466 0,578 0,680 0,753 0,665 0,727 0,660 0,766 0,694 0,725
D2
D3
D4
D5
-0,318
-0,815 -0,926 -0,684 -0,584 0,746 0,601 0,770 0,552 0,503 0,696 0,751 0,750 0,646 0,917 0,804 0,613
Méthodes de recherche quantitatives - M2 RSG
4. EFA exemple : Hosany S. (2007)
L’alpha de Cronbach
est une mesure de la fiabilité de l’échelle
Méthodes de recherche quantitatives quantitatives - M2 RSG RSG
4. EFA exemple : Lewis C.C. (2009)
Méthodes de recherche quantitatives quantitatives - M2 RSG RSG
4. Les notions de fiabilité et de validité Un questionnaire est une sorte d’instrument de mesure pour
un phénomène donné Deux concepts clés :
Fiabilité Consistance dans la mesure à faire après une EFA (calcul α de Cronbach) Validité Relation entre les l es concepts théoriques et ce qui est mesuré après une CF CFA A (validité (vali dité converg convergente ente + discriminante )
Méthodes de recherche quantitatives quantitatives - M2 RSG RSG
4. La fiabilité
La fiabilité dit si l'instrument est en soi un bon instrument Consistance dans la mesure : jusqu'à jusqu 'à quel point plusieurs plusi eurs mesures prises avec avec le même instrument inst rument donneront les mêmes résultats résultat s dans les mêmes mê mes circonstances Ex : questionnaire sur la motivation proposé 2 fois aux mêmes personnes à 2 semaines d'intervalle. Les résultats diffèrent. Est-ce que la motivation d'une personne per sonne peut changer si vite ou est-ce l'instrument qui n'est pas fiable ?
Méthodes de recherche quantitatives quantitatives - M2 RSG RSG
4. Mesure de la Fiabilité
test-retest : corrélation entre la l a mesure prise à un temps 1 et la mesure prise à un temps 2 (fidélité (f idélité dans le temps) "split-half" entre deux sous-ensembles : jusqu'à quel point deux sous-ensembles des items constituent deux mesures fidèles fidèl es du même concept concept fidélité fidél ité entre différentes formes : jusqu'à quel point deux ensembles ensembl es différents d'items peuvent peuvent mesurer le même concept consistance interne : jusqu'à jus qu'à quel point chacun des items constitue une mesure mesu re équivalente d'un même concept (alpha de Cronbach, rho de Jöreskog)
Méthodes de recherche quantitatives - M2 RSG
4. La validité
Validité : adéquation entre ce que mesure l'instrument et ce qu'il est supposé mesurer Exemple : Si j'utilise une série de questions censées mesurer la motivation et que je me rends compte que j'ai en fait mesuré la satisfaction, ma mesure est une mesure non valide de la motivation
Méthodes de recherche quantitatives - M2 RSG
4. Types de Validité
validité reliée au critère : relation entre l'instrument et ce à quoi il devrait théoriquement être relié validité de contenu : la mesure représente t-elle tous les aspects du construit ? Ceci implique que le domaine et les concepts doivent être bien définis validité de construit : relation entre l'instrument et d'autres instruments supposé mesurer des concepts reliés validité convergente et discriminante : jusqu'à quel point chaque indicateur constitue une mesure d'un et d'un seul concept (Jolibert, 2006, p 485)
Méthodes de recherche quantitatives - M2 RSG
4. Les notions de fiabilité et de validité
Picot (2009)
Méthodes de recherche quantitatives - M2 RSG
4. EFA exemple : Dowling N.M. (2010)
Transition vers Analyse Factorielle Confirmatoire (CFA)
Méthodes de recherche quantitatives - M2 RSG
5. Analyse Factorielle Confirmatoire (CFA)
Méthodes de recherche quantitatives - M2 RSG
5. Analyse Factorielle Confirmatoire (CFA) CFA effectuée avec un logiciel d’équations structurelles
Les items sont maintenant associés à une dimension 1. Il faut pouvoir valider le modèle confirmatoire en vérifiant les valeurs de nombreux indicateurs 2. Calculer la variance moyenne extraite à partir des saturations et vérifier la validité convergente 3. Comparer les corrélations entre les facteurs et la variance moyenne extraite pour vérifier la validité discriminante
Méthodes de recherche quantitatives - M2 RSG
5. Equations structurelles : Validation du modèle
De nombreux indices rentrent en jeu (Christophe Benavent) :
Méthodes de recherche quantitatives - M2 RSG
5. CFA exemple : Fiorello (2011)
Modèle confirmatoire :
,60
e1
Motiv_intrinsq1
e2
Motiv_intrinsq2
e3
Motiv_intrinsq4
,43 ,44 ,77
,53
,65
e4
Motiv_integ1
e5
Motiv_integ2
e6
Motiv_integ3
e7
Motiv_integ4 ,71 ,50 ,75
e8
Motiv_ident1
e9
Motiv_ident2
e10
Motiv_ident3
e11
Motiv_ident4
e12
Motiv_intro1
e13
Motiv_intro2
,66
,56
,73 ,75
,51 ,71
Motiv Indiv
,48 ,69
,56
,72 ,75
,52 ,61
,57
,79 ,07
,75
,87
,56
e14
Motiv_intro3
e15
Motiv_intro4
e16
Motiv_ext1
e17
Motiv_ext2
,89
,56
,75
Motiv Intro
,57
,34
,45 ,56
e18
Motiv_ext3
e19
Motiv_ext4
e20
Amotiv1,61
e21
Amotiv2,43
,36
,67
Motiv Ext
,75
,78
Amotiv4
,28
Amotiv
,65
e23
,48
Reac2,66
-,16
,17 ,62
Amotiv3,64 ,80
e25
-,14
,60
e22
Reac1,84
-,39
,76
,38
e24
-,36
,75
,45 ,69 ,91 ,81
React
Méthodes de recherche quantitatives - M2 RSG
5. CFA exemple : Fiorello (2011) Indices d’ajustement
Méthodes de recherche quantitatives - M2 RSG
5. CFA exemple : Fiorello (2011)
Eléments à utiliser pour Validité convergente et discriminante
Méthodes de recherche quantitatives - M2 RSG
6. Modèle final, validation
Méthodes de recherche quantitatives - M2 RSG
6. Modèle final Comme pour l’analyse factorielle confirmatoire, l’utilisation d’un logiciel spécifique est requis Il faut donc s’assurer que tous les indices d’ajustement
précédemment vus sont bons En général, on répond aux hypothèses grâce aux liens significatifs dans le modèle structurel
Méthodes de recherche quantitatives - M2 RSG
6. Modèle final exemple : Fiorello (2011)
Méthodes de recherche quantitatives - M2 RSG
6. Modèle final exemple : Kuo-Fang P. et ali, (2004)
Méthodes de recherche quantitatives - M2 RSG
Exemples articles
Méthodes de recherche quantitatives - M2 RSG
Exemple 1
Galan, J.-p. (2009). "Musique et réponses à la publicité : effets des caractéristiques, de l'appréciation et de la congruence musicales. (French)." Recherche et Applications en Marketing 24(4): 3-22.
Méthodes de recherche quantitatives - M2 RSG
Ex1 Galan (2009), échelle de congruence musicale
Méthodes de recherche quantitatives - M2 RSG
Ex1 Galan (2009), AF exploratoire et confirmatoire
Méthodes de recherche quantitatives - M2 RSG
Ex1 Galan (2009), modèle final
Méthodes de recherche quantitatives - M2 RSG
Ex1 Galan (2009), paramètres du modèle final
Méthodes de recherche quantitatives - M2 RSG
Exemple 2
Cissé-Depardon, K. and G. N'Goala (2009). "Les effets de la satisfaction, de la confiance et de l'engagement vis-à-vis d'une marque sur la participation des consommateurs à un boycott. (French)." Recherche et Applications en Marketing 24(1): 43-67.
Méthodes de recherche quantitatives - M2 RSG
Ex2 Cissé (2009), modèle conceptuel et hypothèses
Méthodes de recherche quantitatives - M2 RSG
Ex2 Cissé (2009), étapes
Méthodes de recherche quantitatives - M2 RSG
Ex2 Cissé (2009), analyse confirmatoire
Méthodes de recherche quantitatives - M2 RSG
Ex2 Cissé (2009), modèle final scénario 1
Méthodes de recherche quantitatives - M2 RSG
Ex2 Cissé (2009), modèle final scénario 2
Méthodes de recherche quantitatives - M2 RSG
Ex2 Cissé (2009), modèle final scénario 3
Méthodes de recherche quantitatives - M2 RSG
Exemple 3
Picot-Coupey, K. (2009). "Déterminants du choix d'un mode d'expansion internationale par un distributeur : modèle conceptuel et validation empirique. (French)." Recherche et Applications en Marketing 24(4): 23-55. Approche PLS
Méthodes de recherche quantitatives - M2 RSG
Ex3 Picot (2009), concepts et revue de la littérature
Méthodes de recherche quantitatives - M2 RSG
Ex3 Picot (2009), modèle conceptuel
Méthodes de recherche quantitatives - M2 RSG
Ex3 Picot (2009), modèle ajusté
Méthodes de recherche quantitatives - M2 RSG
Ex3 Picot (2009), validation des hypothèses
Méthodes de recherche quantitatives - M2 RSG
Exemple 4
Jung Wan, L. (2009). "RELATIONSHIP BETWEEN CONSUMER PERSONALITY AND BRAND PERSONALITY AS SELF-CONCEPT: FROM THE CASE OF KOREAN AUTOMOBILE BRANDS." Academy of Marketing Studies Journal 13(1): 25-44.
Méthodes de recherche quantitatives - M2 RSG
Ex4 Jung Wan, L. (2009)
Traduction empirique des concepts
Costa & McCrae Analyse factorielle exploratoire
Analyse factorielle confirmatoire
Aaker
Analyse factorielle VARIMAX, alpha de Cronbach Indicateurs d’ajustement issus d’une équation structurelle (GFI, AGFI, RMSEA, RMRS et χ2/ddl)
Fiabilité (alpha de Cronbach) Validité convergente (variance moyenne extraite de chaque dimension ρ vc > 0,5)
Méthodes de recherche quantitatives - M2 RSG
Ex4 Jung Wan, L. (2009), EFA personnalité client
Méthodes de recherche quantitatives - M2 RSG
Ex4 Jung Wan, L. (2009), EFA personnalité marque
Méthodes de recherche quantitatives - M2 RSG
Ex4 Jung Wan, L. (2009), modèle final
Méthodes de recherche quantitatives - M2 RSG
Autres exemples (actes de colloque)
Abbassi, W. and J.-L. Chandon (2007). Effet de la condition d'exposition à un événement sportif sur l'attitude envers les sponsors. XXIIIe Congrès International de l'AFM. Aix-les-Bains. Desse, S., P. Nicholson, et al. (2009). Attachement à l’enseigne et différenciation concurrentielle. 14èmes Journées de Recherche en Marketing de Bourgogne. Dijon. Fabi, B., L. Raymond, et al. (2006). PRATIQUES DE GRH POUR LE DÉVELOPPEMENT STRATÉGIQUE DES PME : UNE PERSPECTIVE DE CONFIGURATION. 23e Colloque annuel du Conseil canadien des PME et de l’entrepreneuriat. Trois-Rivières. Lunardo, R. (2008). Atmosphère du point de vente et comportement du consommateur : pour une approche fondée sur la dyade Motivation / Contrôle. XIe colloque Etienne THIL. La Rochelle. Stone, G., C. Montgomery, et al. (2008). "Do Consumer's Environmental Attitudes Translate into Actions: A Five Nation Cross-Cultural Analysis." Society for Marketing Advances Proceedings: 197-202.
Méthodes de recherche quantitatives - M2 RSG
Abbassi, W. and J.-L. Chandon (2007) Traduction empirique des concepts
Analyse factorielle exploratoire
Analyse factorielle confirmatoire
Echelle de mesure (attitude envers sponsors) de Didellon (1997) constituée de 3 dimensions : Compétitivité (4 items), Intérêt perçu (3 items), Hédonisme (4 items)
Elimination de 4 items
Indicateurs d’ajustement issus d’une équation structurelle (GFI, AGFI, RMSEA, RMRS et χ2/ddl) Fiabilité (alpha de Cronbach, ρ Joreskog)
Validité convergente (variance moyenne extraite de chaque dimension ρ vc > 0,5) Validité discriminante (comparaisons ρ vc et corrélations entre dimensions)
Méthodes de recherche quantitatives - M2 RSG
Desse, S., P. Nicholson, et al. (2009)
Attach. émotionnel : Thomson et al. Attach. à une enseigne : J.Lacoeuilhe
Traduction empirique des concepts
Gurviez et Korchia
?
Analyse factorielle exploratoire
Vérification du caractère unidimensionnel, élimination d’items, alpha de Cronbach
Méthodes de recherche quantitatives - M2 RSG
Fabi, B., L. Raymond, et al. (2006) Développement de produits (Bhattacharya et Bloch, 2004 ; Hadjimanolis, 2000) Développement de marchés (Kalantaridis, 2004) Développement de réseaux (Sohal, Perry et Pratt, •
• •
Traduction empirique des concepts
1998), du processus de fabrication (D’Amours,
Montreuil, Lefrançois et Soumis, 1999) et de la R&D (Yuan-Chieh, 2004) Développement des pratiques de GRH (?) Performance (Kaplan et Norton, 1992; Neely, Richards, Mills, Platts et Bourne; 1997) • •
Variables de contexte (taille et secteur d’activité)
•
Analyse factorielle exploratoire
Réduction du nombre de variables GRH par ACP
Méthodes de recherche quantitatives - M2 RSG
Lunardo, R. (2008) Echelles motivations utilitaires et contrôle perçu Orientations motivationnelles : échelle mono-item inspirée de Dawson et al. •
Contrôle : version en 4 items de l’échelle de réponse émotionnelle de dominance du PAD (Pleasure – Arousal – Dominance) de Mehrabian et Russell •
Traduction empirique des concepts
Plaisir et activation (ou stimulation) : tirées de l'échelle PAD, six items chacune Stress : échelle mono-item. •
• •
Satisfaction : échelle SAT d’Oliver
•
Intention de revenir en magasin : deux items
Analyse factorielle exploratoire
Analyse factorielle type ACP + alpha de Cronbach
Analyse factorielle confirmatoire
Validité convergente (variance moyenne extraite de chaque dimension ρ vc > 0,5) Validité discriminante (comparaisons ρ vc et corrélations entre dimensions)
Méthodes de recherche quantitatives - M2 RSG
Lunardo, R. (2008) EFA et CFA
Méthodes de recherche quantitatives - M2 RSG
Stone, G., C. Montgomery, et al. (2008) Environmental responsibility (Stone, Barnes and Traduction empirique des concepts
Montgomery 1995)
Suppression d’items : Analyse factorielle type APC,
Analyse factorielle exploratoire
Alpha de Cronbach
Analyse factorielle confirmatoire
Non fait (a priori)
View more...
Comments