Méthodos

23 janvier 2023

Blog

#Modélisation

#EquationsStructurelles

#AnalyseDeDonnées

La modélisation par équations structurelles est une méthode d’analyse de données utilisée pour représenter les hypothèses d’un modèle conceptuel complexe car composé de deux sous-modèles regroupant chacun une multitude de variables appelées manifestes (items prenant la forme carrée dans le schéma ci-dessous) ou latentes (format rond). Alors que les premières peuvent être mesurées directement, les secondes ne le sont qu’à travers les variables, dites manifestes.
Le premier sous-modèle appelé externe relie les variables latentes aux variables manifestes qui les mesurent ; le second, appelé interne, relie les variables latentes entre elles comme le montre le schéma suivant :

Les techniques de calcul des équations structurelles sont basées sur l’analyse de la covariance ou des moindres carrés partiels. Le choix de l’approche adaptée tient compte du type d’étude réalisée (prédictive, visant à former une théorie ou confirmatoire), de la taille de l’échantillon (plus ou moins de 100) et de la nature des modèles testés (formatifs ou réflectifs [1]). Selon Gefen et al. (2000), l’approche des moindres carrés, appelée également approche PLS est adaptée aux études prédictives ou visant à former des théories, menées sur des échantillons de petite taille et des modèles mixtes, à la fois formatifs et réflectifs.

Les résultats de la modélisation par équations structurelles sont évalués au regard de la variance expliquée, du score de concordance qui indique la qualité de l’ajustement entre les modèles interne et externe et du coefficient de détermination R² rendant compte de l’exhaustivité des variables latentes étudiées. L’Alpha de Cronbach, quant à lui, mesure la fiabilité et la convergence des mesures ; il est à considérer en premier lieu.

 

Application

Dans une étude sur les outils électroniques d’achat public (Boughzala, 2010), il est demandé aux répondants d’indiquer leur niveau d’accord sur 40 items relatifs à la problématique de l’adoption des applications informatiques. Ces items manifestent 8 variables latentes comme le montre le schéma ci-dessous :

Modèle conceptuel testé

Modèle conceptuel testé

En raison de la visée de l’étude (formation d’une théorie) et de la nature du modèle testé (formatif et réflectif à la fois), l’approche PLS pour la modélisation par équations structurelles est retenue. Son application donne les résultats suivants :

Valeur de l’Alpha de Cronbach des variables latentes

Valeur de l’Alpha de Cronbach des variables latentes

Les valeurs des alphas de Cronbach, supérieures à 0.6 montrent que les mesures convergent pour chaque variable latente, ce qui dénote de leur validité. Les équations du modèle peuvent donc être interprétées.

Equations issues de la modélisation PLS

Equations issues de la modélisation PLS

Le modèle montre que l’adoption est expliquée de façon quasi-égale par l’utilité et la facilité d’utilisation perçues (coefficients de régression proches, 0.34 et 0.37 respectivement).

A leur tour, ces variables sont influencées par la qualité du système (1er facteur), par la confiance dans l’interaction (2ème facteur), par les actions managériales d’accompagnement et de pilotage (3ème facteur) et par la réceptivité aux TIC (dernier facteur).

La somme des coefficients de régression de l’équation de l’adoption (0.34 pour l’utilité perçue + 0.37 pour la facilité d’utilisation perçue <> 1) montre que ces deux critères sont loin d’apporter une explication exhaustive. Ce qui se confirme à travers la moyenne de la variance expliquée obtenue (voir tableau ci-dessous).

Indicateurs de validation du modèle

Indicateurs de validation du modèle

Le modèle explique en moyenne 51% de la variance, ce qui est jugé comme acceptable dans le domaine de recherche dans lequel s’inscrit cette étude. Par ailleurs, la concordance, de 0.83 en moyenne, indique un bon ajustement entre les modèles interne et externe. Enfin, le coefficient de détermination, de 0.41 en moyenne laisse entrevoir l’existence d’autres facteurs pouvant influencer l’adoption des outils électroniques.

Pour finir, la méthode de la modélisation par équations structurelles est utilisée principalement dans les recherches académiques mais elle est parfaitement transposable aux études professionnelles portant notamment sur la satisfaction. Leur mobilisation permettra d’appréhender avec précision les facteurs d’influence et de les hiérarchiser afin d’apporter les améliorations nécessaires au maintien d’un bon niveau de service.


[1] Dans un modèle formatif, l’agrégation de plusieurs indicateurs conduit à l’élaboration d’une variable, l’évolution de l’un d’entre eux se répercute sur la variable en question. Par exemple, l’éducation, le revenu, la profession et la résidence d’un individu forment son statut socio-économique, si l’un des indicateurs change, le statut suit (Gefen et al., 2000).

Dans un modèle réflectif, la variable se reflète dans ses indicateurs et ceux-ci expriment le même aspect de la variable. Par exemple, l’intelligence algébrique d’un individu se reflète dans sa capacité à faire des additions, des soustractions, des divisions et des multiplications, si la valeur de la variable change, les valeurs des indicateurs changent également (Diamantopoulos et Winklhofer, 2001).

Haut de la page