LANALYSE DES MODELES DE RELATIONS STRUCTURELLES PAR LA METHODE PLS : UNE APPROCHE EMERGENTE DANS LA RECHERCHE QUANTITATIVE EN GRH

Alain Lacroux, docteur en sciences de gestion, enseignant chercheur lUniversit du Sud Toulon Var IUT de Toulon ; Laboratoire ERMMES
Adresse : Alain Lacroux IUT de Draguignan Bd Lafourcade 83300 DRAGUIGNAN Mail : alain.lacroux@univ-tln.fr ; alain.lacroux@wanadoo.fr Tl : 06 24 55 08 37

Rsum : Les mthodes dquations structurelles (MES) sont aujourdhui largement employes dans la recherche quantitative en GRH, lorsquil sagit de tester des modles de causalit complexes, incorporant plusieurs variables latentes. La procdure habituelle destimation repose sur des techniques danalyse des relations de covariance entre les variables, mises en application dans les logiciels couramment utiliss dans les traitements de donnes issues des tudes empiriques (ex : Lisrel, Amos, EQS). Lobjectif de cette communication est de prsenter une mthode alternative destimation des modles structurels base sur la variance, mise au point depuis plus de 20 ans, mais jusqu prsent trs peu employe dans le domaine de la GRH : lanalyse Partial Least Squares (PLS). Nous verrons que cette mthode prsente un certain nombre de caractristiques qui en font un outil adapt au test de modles relationnels complexes, typiques des situations rencontres dans le domaine de la GRH. Aprs avoir prsent les traits essentiels de lapproche PLS, en la comparant notamment aux mthodes dquations structurelles bases sur lanalyse des covariances (Lisrel), nous proposons ensuite titre dillustration une application de cette mthode lestimation dun modle de recherche issu dune tude empirique mene sur les dterminants de limplication au travail des salaris en contrat dintrim. Cette tude mene sur un chantillon de 208 salaris nous a permis de mettre en vidence un impact indirect des caractristiques du contrat dintrim sur limplication organisationnelle des salaris concerns, travers le rle mdiateur dterminant de la prcarit perue.

Mots cls : mthodes dquations structurelles, Partial Least Squares (PLS), variables formatives, implication organisationnelle, intrim

Introduction
Les recherches empiriques fondes sur la collecte et le traitement statistique de donnes par des mthodes quantitatives demeurent aujourdhui encore majoritaires au niveau international dans le domaine des sciences de gestion. Cette domination, qui est souvent questionne (ex : Brabet 1993 ; Savall & Zardet 2004) repose sur certaines caractristiques propres ces mthodes : - Une prsomption de scientificit associe lobjectivit suppose provenant de lemploi de mthodes statistiques (Baumard & Ibert 1999, Savall & Zardet 2004 p. 86) - Lconomicit (Savall & Zardet 2004 p. 86), autrement dit la possibilit de gagner du temps par rapport aux mthodes dobservation plus gourmandes en temps que sont par exemple lobservation participante ou les mthode ethnosociologiques. - La possibilit dutiliser les proprits de linfrence statistique pour comparer les rsultats raliss sur diffrents chantillons avec les mmes outils de mesure, ce qui contribue un avancement de la connaissance par accumulation de rsultats collects dans des contextes diffrents. Dans les tudes bases sur une approche quantitative, la collecte des donnes seffectue presque toujours par le biais de questionnaires, qui comprennent des items susceptibles dtre agrgs et exploits par des mthodes statistiques : les chelles dintervalle de type Likert sont largement employes dans ce contexte. Lagrgation de plusieurs indicateurs permet de construire des outils de mesure permettant dvaluer des variables latentes, supposes reprsenter un phno mne sous-jacent non observable. Cette procdure est largement utilise en GRH, tout particulirement dans ltude des attitudes des agents (satisfaction, implication, sentiment de justice perue, etc). A partir du moment o les chercheurs souhaitent tester des hypothses de recherche refltant (ou approchant) la complexit des situations relles, ils sont amens construire des modles incorporant un grand nombre de variable, avec des rseaux dinteractions parfois complexes. Cest pour faire face ces exigences que lusage des mthodes de modlisation par quations structurelles avec variables latentes sest dvelopp de manire exponentielle depuis plus de 20 ans. Ces mthodes prsentent plusieurs avantages, compares aux approches statistiques classiques que sont lanalyse de rgression multiple, lanalyse discriminante, ou lanalyse de la variance (ex : Roussel & al 2002 ; Haenlein & Kaplan 2004 ; Kline 2005) : - Elles permettent de tester de manire simultane lexistence de relations causales entre plusie urs variables latentes explicatives et plusieurs variables latentes expliques. - Elles permettent de construire et de tester la validit et la fiabilit de construits latents, labors partir de la combinaison de plusieurs items (chelles de mesure) - Elles permettent dvaluer et de comparer de manire globale des modles de recherche complexes, en prenant en compte les erreurs de mesure. La technique la plus couramment choisie pour estimer les modles de relations structurelles repose sur l analyse des covariances ( covariance based structural equation modeling , ou CBSEM dans la suite de la communication). Elle est implmente dans les logiciels les plus utiliss dans la modlisation de relations structurelles (ex : Lisrel, Amos, EQS). Ces logiciels sont aujourdhui frquemment utiliss dans les recherches quantitatives en GRH, aussi bien dans les recherches anglo-saxonnes (ex : Morrow & Mc Elroy 1986 ; Cohen 1995 ; Blau 2001 ; Carmelli & Geffen 2005 ) que francophones (ex : Roussel 1996 ; Vautier & al 2005). 1

Lobjectif de cette communication est de prsenter une alternative lusage des CBSEM , encore trs peu employe en GRH, lapproche PLS (partial least square). Cette mthode, base sur lanalyse des variances, peut sappliquer au cas de certains modles structurels, pour lesquels les procdures classiques destimation peuvent se rvler dlicates utiliser : il sagit des modles structurels combinant des construits formatifs et rflexifs. Aprs avoir prsent rapidement les deux principales mthodes destimation des modles dquations structurelles, nous dvelopperons la distinction entre variables formatives et rflexives, et ses consquences pour la recherche. Nous prsenterons ensuite lapproche PLS, en distinguant ses avantages et inconvnients par rapport aux mthodes bases sur les analyses de covariances (CBSEM ). Lapplication de la mthode PLS lestimation dun modle structurel sera illustre dans la seconde partie de la communication par un exemple tir dune recherche empirique mene sur limplication organisationnelle des salaris en relation demploi flexible.

Premire partie : Lestimation des modles structurels avec variables latentes en sciences de gestion : les apports de lapproche PLS
1) Les mthodes destimation des modles dquations structurelles
1.1. Les mthodes dquations structurelles Les mthodes dquations structurelles ont t originellement dveloppes pour permettre dexaminer les relations causales multiples, puis leur usage sest progressivement tendu aux analyses de validit des construits latents (analyse factorielle confirmatoire), puis aux analyses multi groupes (ex : Ping 1995 ; El Akremi 2005) et aux tudes longitudinales (ex : Vandenberg 2002 ; Campoy & Dumas 2005). Dans le cadre de lestimation de modles relationnels thoriques, lapport principal de ces mthodes est de permettre une estimation simultane de plusieurs relations de dpendances, tout en prenant en compte les erreurs de mesure (Roussel & al 2002). Un modle dquations structurelles (figure 1) se compose traditionnellement de deux parties : le modle de mesure et le modle structurel .
Figure 1 : Modle dquations structurelles

Modle global
Id 21 Id 22
V2

Id 23

Id 11 Id 12 Id 13 Id 14
V1 V3

Id 31 Id 32 Id 33

Id 41

Modle structurel Modle de mesure

V4

Id 42 Id 43

Le modle de mesure est constitu de lensemble des relations entre les indicateurs (Id) et les variables ou construits latents quils contribuent mesurer (V). Le modle structurel comprend lensemble des relations entre les construits latents : il reprsente gnralement le rseau de relations de causalit que souhaite tablir le chercheur.

Le traitement des modles dquations structurelles comprends plusieurs tapes standardises (pour une prsentation dtaille, voir par exemple Kline 2005, p. 63 et suivantes) : - La spcification du modle (traduction des hypothses de recherche sous la forme dun diagramme relationnel) - Lidentification du modle (vrification de la possibilit thorique dobtenir une estimation pour tous les paramtres du modle) - Loprationnalisation des chelles de mesure, le recueil et la prparation des donnes - Lestimation du modle (calcul de la valeur des paramtres, puis valuation de la qualit dajustement du modle aux donnes empiriques) Un aspect important de la premire phase de la procdure (la spcification des modles de recherche ), qui semble souvent nglige par les chercheurs selon plusieurs spcialistes de lanalyse des donnes (ex : Diamantopoulos & Winklhofer 2001 ; Jarvis & al. - 2003), est lidentification du type de variables qui seront intgres dans le rseau de relations tester. Le chercheur doit tre particulirement vigilant dans la distinction entre variables latentes formatives et rflexives. Nous allons rapidement envisager cette distinction, car elle joue un rle-cl dans le cho ix entre les deux principales mthodes destimation. 1.2 Construits rflexifs et formatifs : une distinction importante pour la spcification des modles dquations structurelles 1.2.1 La distinction entre construits formatifs et rflexifs La distinction entre construits formatifs et rflexifs fait aujourdhui lobjet dun nombre dtudes consquent 1 . Plus prcisment, un certain nombre dauteurs ont entrepris de dmontrer le potentiel des construits formatifs pour la recherche en gestion (ex : Diamantopoulos & Winklhofer 2001 ; Jarvis & al. 2003 ; Venaik & al.- 2004), en plaidant pour une slection attentive des construits latents lors de la spcification des modles de mesure. Plusieurs chercheurs prconisent mme le rexamen des rsultats de certaines tudes, bties sur une spcification selon eux incorrecte des variables du modle de mesure (ex : Fornell & Bookstein 1992 ; Mc Kenzie & al. 2005 ; Diamantopoulos & Siguaw 2006). Un construit latent, par dfinition, nest pas directement observable : il ne peut tre apprhend qu travers une srie dindicateurs ou variables manifestes, supposs reprsenter le construit. Dans lapproche traditionnelle, inspire de la thorie classique des tests (ex : Nunally 1978 ; Churchill 1979), le construit latent est considr comme rflexif : les indicateurs sont supposs reprsenter linfluence du construit latent sous-jacent ; la relation de causalit est donc suppose oprer du construit vers ses indicateurs. Le construit reprsente la cause commune partage par tous les indicateurs : en consquence, ces indicateurs doivent tre significativement et positivement corrls, et toute variation dans le construit doit se manifester par la variation de tous les items de lchelle de mesure (Bollen & Lennox 1991). Dans le domaine de la GRH, les exemples-type de construits rflexifs sont les variables attitudinales (ex : implication dans lorganisation, bien-tre au travail, ambigut de rle, sentiment de justice peru).
1 On peut par exemple se rfrer au numro spcial du Journal of Business Research paru au dbut de lanne

2008

Plusieurs auteurs ont toutefois remarqu que certains construits latents ne correspondaient pas forcment au modle rflexif (ex : Blalock 1971 ; Bollen & Ting 2000) : il est possible en effet denvisager certains construits comme une combinaison dindicateurs, pas forcment corrls, qui contribuent former le construit latent. La relation de causalit pour ces construits formatifs est donc inverse : elle procde des indicateurs vers le construit. Lexemple traditionnellement propos est lchelle de mesure du statut socio-conomique dun individu (Hauser 1973), qui est driv de la combinaison de quatre indicateurs, pas forcment corrls : le niveau dducation, le revenu annuel, lemploi occup et le lieu de rsidence. Dans le domaine de la GRH un exemple typique de construit formatif serait le niveau de satisfaction globale au travail, qui comprend plusieurs facettes thoriquement indpendantes: satisfaction vis--vis de la rmunration, vis--vis des collgues, vis--vis des suprieurs, vis--vis des perspectives de carrire (Weiss & al 1967) En ce qui concerne leur formalisation, les construits rflexifs et formatifs donne nt lieu des modles de mesure trs diffrents (figure 2), et doivent donc tre valus selon des procdures diffrentes.
Figure 2 : Distinction entre Diamantopoulos & al. 2008) construits rflexifs et formatifs (daprs

Modle de mesure dun construit latent rflexif

Modle de mesure dun construit latent formatif

= construit latent xi = indicateurs = coefficient reprsentant leffet du construit sur lindicateur (loading) = indicateur de lerreur de mesure Le construit est la cause des indicateurs. Sur le plan formel, Chaque indicateur est li la variable latente par une quation de rgression simple du type :

= construit latent xi = indicateurs = coefficient reprsentant leffet de lindicateur sur le construit (coefficient de rgression) r = corrlations entre indicateurs = indicateur d erreur (distubance term)2 Les indicateurs sont la cause du construit. Sur le plan formel, le modle scrit comme une quation de rgression multiple :

2 Lindicateur derreur (disturbance term) rend compte du pourcentage de variation du construit du dautres

causes que les indicateurs (pour une analyse dtaille, voir Diamantopoulos & al. 2008 p.1211)

1.2.2. Les risques lis une mauvaise spcification des modles La raison majeure pour laquelle il convient de distinguer clairement les construits rflexifs et formatifs est que cette distinction influe sur la qualit du modle de mesure, et donc, indirectement, sur la validit des rsultats du modle structurel (Anderson & Gerbing 1982 ; Jarvis & al. 2003 ; Mc kenzie & al. 2005). Ltablissement de la validit et de la consistance des chelles de mesure est en effet trs diffrent selon que l on est en prsence dune variable rflexive ou formative (cf infra). Or, les procdures les plus couramment utilises pour la validation des chelles de mesure (ex : Churchill 1979 ; Spector 1992) reposent sur lhypothse implicite que lon est en prsence de construits rflexifs, dont les indicateurs doivent tre positivement corrls. Les procdures de vrification de lunidimensionnalit des construits (par analyse factorielle) et dpuration des chelles de mesure (visant maximiser lhomognit des chelles) conduisent au rejet tous les indicateurs dont la corrlation avec les autres est faible : si cette opration est parfaitement justifiable lorsque lon est en prsence dun construit rflexif elle devient totalement inapproprie dans le cas dun construit formatif, puisquelle conduit liminer des indicateurs qui peuvent tre pertinents. Selon Diamantopoulos & Siguaw (2006), les procdures utilisables pour valider les modles de mesure formatifs reposent au contraire sur la slection du plus grand nombre dindicateurs possibles (afin de minimiser la variance du construit non expliq ue par ses indicateurs). On voit donc aisment qu une spcification incorrecte du construit peut conduire des rsultats contre-productifs 3 : llimination abusive dindicateurs appauvrit la signification et le pouvoir prdictif des construits formatifs. Une mauvaise spcification des construits latents peut galement avoir un impact sur la qualit des rsultats obtenus sur les modles structurels, ce qui conduit des conclusions errones sur les relations entre construits. Il semblerait que les erreurs de spcification sur les variables latentes (improprement considres comme rflexives alors quelle sont formatives) conduisent par exemple une surestimation des coefficients structurels dans le cas de variables latentes explicatives, et donc la mise en vidence de relations en ralit non significatives (Jarvis & al. 2003 ; Mc Kenzie & al 2005). 1.3. Lestimation des modles : les diffrentes mthodes Lestimation des modles, autrement dit, ltablissement des liens entre les indicateurs et les construits latents associs (modle de mesure), ainsi que le calcul des coefficients structurels entre les construits (modle structurel) peut se raliser en recourant plusieurs types dalgorithmes. Deux procdures sont aujourdhui utilises dans le domaine des sciences de gestion (Chinn 1995) : la mthode la plus rpandue est base sur lanalyse des covariance (CBSEM) et la technique du maximum de vraisemblance (maximum likehood), souvent dnomme mthode Lisrel , en rfrence au principal outil logiciel dvelopp sur cette base (Jreskog & Srbom 1996). On trouve galement dans certaines tudes une autre mthode base sur lanalyse de la variance (VBSEM) et loptimisation du pouvoir explicatif des indicateurs, fonde sur un algorithme dit Partial least Square (PLS).

3 Ces erreurs de spcifications semblent trs rpandues : elles concerneraient environ le tiers des construits

figurant dans les articles publies dans les principales revues de marketing (Jarvis & al 2003) et pratiquement les deux tiers des construits figurant dans les tudes publies dans les principales revues de stratgie (Podsakoff & al. 2006)

Selon Chinn (1995), il est possible de distinguer les deux mthodes par analogie avec lanalyse factorielle. La diffrence entre lapproche Lisrel (CBSEM) et PLS (VBSEM) est du mme ordre que celle qui existe entre lanalyse factorielle classique en facteurs communs et spcifiques et lanalyse en composantes principales (ACP). La seconde ne prend pas en compte les erreurs de mesure, mais elle permet toujours dobtenir une solution. La mthode PLS est encore minoritaire en sciences de gestion, mais il faut remarquer quelle est trs communment employe dans dautres champs disciplinaires parfois connects la gestion (conomie, sociologie, ou psychologie par exemple). Si lon envisage plus prcisment le champ des sciences de gestion, on peut constater que les tudes incorporant des modles estimes par analyse PLS sont aujourdhui principalement utiliss en marketing (ex : Bruhn & al 2008 ; Coltman & al 2008 ; Gudergan & al - 2008), management stratgique (ex : Helm 2005 ; Venaik & al 2005), systmes dinformation (ex : Chinn & al. - 1996 ; Yi & Davies - 2003 ), mais que celles-ci sont encore peu rpandues en GRH. On peut mentionner des travaux portant sur le support psychologique (Waters 2004), ou le conflit famille-travail (Duxbury & Higgins 1991). Les recherche francophones sont rares : il existe quelques travaux portant sur lexpatriation des cadres (Jaussaud & al 2000 ), ou encore le stress et limplication (Lahmouz & Duyck 2008). Nous allons prsenter les traits essentiels de la mthode PLS dans le paragraphe suivant, en montrant que ses caractristiques peuvent aisment sadapter aux problmatiques de recherche dans le domaine de la GRH.

2) Prsentation de la mthode PLS

2.1. Elments essentiels On dsigne habituellement sous le nom de mthode PLS , lapplication des techniques et algorithmes de rgression en moindres carrs partiels (partial least squares) lestimation de modles dquations structurelles. La technique gnrale de la rgression PLS a t mise au point par S. Wold et ses collgues (ex : Wold - 1985), dans le but de dcrire les relations entre des groupes de variables indpendantes et dpendantes, dans des systmes de type entresortie comprenant de nombreuses variables. Initialement mise au point pour des applications dans le domaine de la chimie, la rgression PLS est aujourdhui couramment applique dans les sciences humaines et sociales, tout particulirement dans le domaine de lconomtrie. Lapplication de la rgression PLS au traitement de modles dquations structurelles a t originellement propose par Wold sous le nom de modlisation douce (soft modeling). Elle est aujourdhui disponible dans plusieurs logiciels : LVPLS (L hmoller 1984) ; PLSGraph (Chinn - 1993) ; Smart PLS (Ringle & al 2006). Une fois la spcification du modle thorique acheve, lestimation est ralise de manire itrative : dans le modle de mesure, les variables latentes sont estimes par des combinaisons linaires de leurs indicateurs pondrs 4 . Dans le modle structurel, les liens entre variables latentes (coefficients de rgression linaires) sont estims par des rgressions multiples entre les variables slectionnes 5 . Lobjectif est la maximisation de la variance explique des

4 La pondration des indicateurs est ralise de manire ce que la variance explique de la variable latente soit

maximise (autrement dit que le pouvoir explicatif des indicateurs pondrs et combins soit maximal). 5 Pour une prsentation dtaille, on peut se reporter Tennenhaus (1998, p ; 233 et suivantes )

variables dpendantes par les variables indpendantes, c'est--dire la maximisation de la covariance entre variable explicative et variable explique (cf. Sosik & al 2009). 2.2. Les avantages et les limites de la mthode PLS Tennenhaus (1998, p.233) rsume clairement les avantages principaux de la mthode PLS : Par contraste avec la mthode du maximum de vraisemblance (Lisrel), la mthode PLS est dune grande simplicit. Il y a peu dhypothses probabilistes. On modlise directement les donnes laide dune succession de rgressions simples ou multiples. Il ny a aucun problme didentification . Reprenons ces arguments successifs : - Une mthode simple : la modlisation structurelle par la mthode PLS apparat plus simple que les mthodes bases sur lanalyse des covariances, car elle permet de traiter des modles relationnels complexes, comportant un grand nombre de variables, avec lassurance dobtenir une solution admissible (le mme avantage est reconnu pour lACP par rapport lanalyse factorielle classique). Elle est gnralement utilise dans une optique prdictive, notamment des les modles conomtriques o il sagit dobtenir une prdiction correcte du niveau des variables indpendantes en fonction des variables dpendantes. - Peu dhypothses probabilistes : la mthode PLS ne ncessite pas la multinormalit des variables (qui est exige dans le cas de mthodes bases sur lanalyse des covariances). Elle peut fonctionner avec des variables nominales, dintervalle ou continues. Les contraintes de taille dchantillon sont galement plus souples : par opposition aux mthodes CBSEM, pour lesquelles un chantillon minimum de 200 observations est exig (Roussel & al 2002, p. 48), lestimation par la mthode PLS peut tre ralise sur de petits cha ntillons. Selon les recommandations de Chinn (1998), une rgle empirique simple consiste exiger que le nombre dobservations soit suprieur ou gal 10 fois le nombre dindicateurs de la variable formative la plus complexe, et/ou 10 fois le nombre de relations structurelles manant du construit central du modle structurel. Cette caractristique est intressante dans le domaine de la gestion, o il est parfois difficile de runir des chantillons suffisamment importants pour permettre une estimation par les mthodes type Lisrel. La mthode PLS se rvle donc bien adapte des analyses de type exploratoire, dans lesquelles le chercheur ne bnficie pas toujours dun chantillon important, ni dchelles de mesure largement prouves (Sosik & al 2009). - Aucun problme didentification : le principal avantage dans le domaine de la gestion est de permettre lestimation aise de modles structurels comportant la fois des construits formatifs et rflexifs. Il existe plusieurs solutions permettant thoriquement lestimation de modles incluant des construits formatifs en utilisant des mthodes bases sur lanalyse des covariances, mais celles-ci sont complexes, et ncessitent une configuration particulire du modle tester (pour une analyse dtaille, voir Diamantopoulos & al 2008 p 1231 et suiv.). La coexistence de construits formatifs et rflexifs pose en effet des problmes dlicats lorsque lon souhaite utiliser des techniques bases sur lanalyse des covariances : lestimation de tels modles peut tre entrave par des problmes dindtermination, ou lexistence de solutions inadmissible, comme par exemple lapparition de paramtres comportant des variances ngatives (Fornell & Bookstein 1982). La mthode PLS prsente toutefois un certain nombre de limites, qui pourraient contribuer expliquer sa diffusion encore restreinte dans le domaine des sciences de gestion. On peut en identifier quatre essentielles. - Premire limite : la non prise en compte des erreurs de mesure En utilisant lanalogie avec lanalyse factorielle, on peut remarque que la mthode PLS vis-vis des mthodes bases sur lanalyse des covariance souffre de la mme limitation que lACP 7

vis--vis de lanalyse factorielle classique , en axes principaux. Roussel (2005 p.258) remarque que lACP constitue une approximation de lanalyse factorielle classique, btie sur une prise en considration diffrente de la variance. Dans les analyses factorielles classiques , la variance est dcompose en trois parties : la variance commune (cause par les facteurs latents), la variance spcifique (assujettie aucun facteur) et la variance derreur. Lanalyse factorielle ne porte que sur la part de variance commune, et tente den extraire les facteurs sous-jacents. Dans lACP au contraire, aucune diffrence nest faite entre les trois types de variance, et lanalyse porte sur la variance totale : la solution factorielle obtenue peut se rvler plus facile interprter, mais elle incorpore une part derreur. - Deuxime limite : labsence dind ices dajustement des modles (fit indices ) Contrairement aux modles estims par les mthodes de type Lisrel, les chercheurs utilisant le mthode PLS ne disposent pas dindices dajustement (fit indices ) permettant de juger de lajustement du modle test aux donnes empiriques. Ces indices sont jugs trs utiles, car ils permettent la fois de juger de lajustement dun modle considr isolment, mais galement de comparer entre eux plusieurs modles alternatifs. Chinn (1998) remarque cependant que la plupart de ces indices reposent sur lanalyse des covariations entre indicateurs, et donc sur lhypothse sous-jacente que les construits tudis sont obligatoirement rflexifs. Limpossibilit dutiliser les indices dajustement habituellement mentionns (ex : Chi- Deux, GFI, RMSEA) ne signifie pas que les modles estims par la mthode PLS ne puissent pas tre valus : il existe plusieurs calculs, comme les contributions factorielles ou le coefficient de dtermination, et certaines procdures (bootstrap, jacknife) permettant de sassurer de la significativit des coefficients obtenus (voir plus loin). Cette absence dindices comparatifs constitue pourtant toujours un problme pouvant parfois conduire au rejet de certains articles incorporant des modles traits selon la mthode PLS (Chinn - 1998). - Troisime limite : limpossibilit de traiter les modles non rcursifs Contrairement lalgorithme la base de Lisrel, lalgorithme PLS, qui est fond sur des procdures de rgression multiple, ne perme t pas destimer les modles comportant des interactions bilatrales entre variables latentes (modles dits non rcursifs, ou modles en boucle ). Seuls les modles incorporant des relations de causalit univoques sont testables (Jreskog & Wold 1982). - Quatrime limite : le problme de la consistance Lestimation des paramtres des modles structurels par la mthode PLS nest quapproximativement exacte, en raison de la non prise en compte des erreurs de mesure. Les estimations ne deviennent donc asymptotiquement correctes que sous une double condition de consistance (voir Mc Donald 1996) : la taille de lchantillon doit tre trs grande, et le nombre dindicateurs par variable doit tre galement trs grand. Dans la pratique, ces conditions ne sont pratiquement jamais runies, ce qui a pour consquence une tendance la sous-estimation des relations structurelles et la surestimation des contributions des indicateurs aux construits (loadings). 2.3 Une comparaison Lisrel / PLS Le tableau suivant, inspir des prsentations de Jreskog & Wold (1982), Chinn (1995), Haenlein & Kaplan (2004) Sosik & al . (2009) permet de synthtiser les diffrentes caractristiques et usages des approches Lisrel et PLS. Il peut tre utilis comme aide la dcision lors du choix dune mthode destimation adapte. 8

Tableau 1 : Une comparaison Lisrel / PLS

PLS (VBSEM) Peu de conditions statistiques exiges sur les variables du modle (mthode adapte aux variables nominales, dintervalle ou continues)

Bien adapt aux analyses de type exploratoire, ou au test de modles partiels Compatible avec de petits chantillons et avec des modles relationnels complexes (jusqu plusieurs centaines de variables) Mthode souple, permettant de tester des modles comportant des variables formatives et rflexives Modle de mesure et modle structurel sont estims simultanment (les liens entre indicateurs et variables latentes dpendent des relations entre variables latentes). Rserv au test de modles rcursifs (la Permet de tester des modles rcursifs et non causalit entre les variables latente doit tre rcursifs. univoque)

Lisrel (CBSEM) Toutes les variables doivent en principe tre continues ou dintervalle, et distribues normalement (condition de multinormalit), pour utiliser les algorithmes bass sur le maximum de vraisemblance. Bien adapte au test de modles complets, fonds sur une thorie solidement tablie 6 Exige des chantillons de taille moyenne (200 observations au minimum), et des modles modrment complexes. Les modles formatifs/rflexifs ne sont identifiables (et testables) qu condition de prsenter certaines caractristiques. Lestimation et la validation du modle de mesure sont indpendantes de celle du modle structurel

En rsum, lusage de la mthode PLS parat bien adapt aux problmatiques rencontres dans les sciences de gestion, car, comme le remarquent Sosik & al (2009, p. 17) : La mthode PLS fonctionne mieux en pratique, parce que les donnes issues du terrain utilises dans la modlisation ne sont jamais parfaites, et sont souvent fortement corrles. En slectionnant la meilleure combinaison linaire pour prdire les variables dpendantes, elle fournit des coefficients structurels plus significatifs que les mthodes bases sur le maximum de vraisemblance (Lisrel). Les mthodes de type Lisrel donnent leur meilleurs rsultats lorsque les donnes sont obtenues en utilisant un design exprimental : or, ce type de design est rarement possible en pratique, surtout lorsque les donnes sont obtenues par questionnaire . Nous allons prsent proposer un exemple concret dutilisation de la mthode PLS dans le traitement des donnes issues dune enqute empirique sur les attitudes au travail de salaris en emplois flexibles.

6 Lalgorithme Lisrel est bas sur la comparaison entre la matrice des covariances prdites par le modle de

recherche et la matrice obtenue sur les donnes de lchantillon : en consquence, la spcification du modle de recherche est fondamentale ; celui-ci doit tre fond sur des analyses thoriques solides. En effet, un modle mal spcifi peut sajuster correctement aux donnes empiriques en utilisant la mthode du maximum de vraisemblance, alors quil repose sur des prsupposs douteux (voir par exemple Haenlein & Kaplan 2004)

Deuxime partie : un exemple dapplication de la mthode PLS dans le test partiel dun modle de recherche
1. Le contexte de la recherche : limpact des relations demplois atypiques sur limplication
1.1 Le contexte Le dveloppement des formes demploi atypiques (intrim, CDD, temps partiel) constitue lun des traits marquants de lvolution rcente du march du travail en France (l Horty 1999, Galtier & Gautier 2000). Ce dveloppement, qui rsulte en partie des besoins de flexibilit dans la gestion de la main duvre exprims par les entreprises, suscite des interrogations dans le champ de la gestion des ressources humaines. Les questions principales portent sur les impacts possibles de ces nouvelles relations demploi sur les attitudes et les comportements des salaris qui sy trouvent confronts : le problme de la gestion de la main duvre priphrique devient en effet aujourdhui une question de management importante, qui reste pourtant encore assez peu explore dans la recherche en gestion, au regard de limportance des enjeux (ex : Feldmann & al. 1994 ; Charles-Pauvert 2002 ; Connelly & Gallagher 2004). Notre travail porte plus spcifiquement sur les impacts des arrangements contractuels atypiques sur limplication organisationnelle des salaris. Le concept dimplication ou dengagement (Thvenet 2004 ; Meyer & Herscovich 2001), qui permet de dcrire la relation quun individu entretient avec les diffrents objets lis sa sphre professionnelle (travail en tant que tel, profession, organisation, groupe de collgues, syndicat, etc) apparat comme un prdicteur important des comportements au travail, et suscite un intrt toujours vif tant chez les chercheurs en gestion des ressources humaines que chez les praticiens. Ceci pos, la plupart des donnes empiriques dont nous disposons sur le sujet de limplication au travail ont t presque exclusivement obtenues en tudiant les salaris en situation demploi permanent. Il parat donc intressant de se demander si la remise en cause progressive de la no rme de travail typique a des impacts la fois thoriques et pratiques sur limplication des salaris, et, le cas chant, de dterminer quels sont ces impacts. Notre recherche a t mene auprs de salaris intrimaires, qui forment une population trs reprsentative des nouvelles formes demploi, et constituent un terrain dtude intressant, notamment en raison du fort dveloppement de ce type de contrats en France. Une revue de la littrature thorique sur limplication des salaris prcaires nous a conduit poser lhypothse que ceux-ci se trouvent dans une situation dinscurit qui nest pas favorable leur implication organisationnelle vis--vis de leur agence de travail temporaire et des clients auprs desquels ils exercent leurs missions. Une majorit dauteurs (ex : Beard & Edwards 1995 ; Evaere 1998 ; Liden & al. 2003) considrent quil existe un lien ngatif entre prcarit de la relation salariale et implication Le raisonnement est le suivant : les contrats temporaires engendrent une prcarit qui est perue comme injuste et qui est source de stress chez les intrimaires. Le stress et linjustice perue sont senss avoir des impacts ngatifs sur limplication, la satisfaction et le bientre au travail. Ces sentiments ngatifs peuvent leur tour engendrer des comportements prjudiciables la performance de lentreprise utilisatrice : absentisme, retards, ou abandon de poste, par exemple. 10

Les recherches empiriques menes sur ces catgories de salaris, conduisent paradoxalement des rsultats trs contrasts, qui ne permettent pas de valider sans rserve lhypothse de dpart. Les tudes empiriques disponibles sur le sujet apparaissent contradictoires. Les travaux ayant tent de comparer limplication des salaris temporaires celle de salaris permanents travaillant dans la mme organisation font apparatre des rsultats discordants, que lon peut classifier en trois groupes : les tudes qui concluent une implication plus limite des salaris temporaires, en accord avec les analyses thoriques prcdemment dveloppes (ex : Biggs & Swailes 2006) ; les tudes qui concluent labsence de diffrence entre les attitudes des salaris temporaires et permanents (ex : Charles-Pauvert 2002), et enfin les tudes qui concluent une plus forte implication des salaris temporaires (ex : Mc Donald & Makin 2000) 1.2. Questions de recherche et hypothses Ce manque dhomognit des rsultats indique que le lien entre forme demploi et implication nest sans doute pas direct, et que plusieurs variables intermdiaires entrent en jeu. Certains auteurs affirment quil nest pas pertinent de mettre en relation directe une forme particulire de relation demploi (le travail intrimaire), avec les attitudes des salaris qui y sont soumis. A titre dexemple, Feldman (1990) remarque que beaucoup de modles de causalit relient directement les variables dmographique et le statut demploi aux attitudes : il affirme que la situation est certainement plus complexe . Le travail temporaire nengendre sans doute pas naturellement et directement une faible implication chez les intrimaires. Comme le font remarquer Beard & Edwards (1995, p.112), si lon veut comprendre les effets de lemploi prcaire sur les employs, il nous faut prendre en compte lexprience psychologique associ ces emplois prcaires . Autrement dit, nous devons nous intresser au lien entre la prcarit objective lie au travail temporaire et la prcarit subjective , ressentie par les salaris. Plusieurs auteurs (Pearce 1998 ; Bssing 1999 ; De Witte & Naswll 2003) considrent en effet que les contrat temporaires portent en eux une inscurit objective , lie au caractre par dfinition limit de la dure demploi : les contrats dintrim crent donc une forme de prcarit indiscutable, qui rside dans le fait que les salaris ne bnficient daucune assurance de relation demploi long terme (leurs missions sont par essence temporaire, et lETT na pas la possibilit de garantir contractuellement un enchanement de mission pouvant sassimiler un emploi dure indtermine). Il apparat toutefois dans plusieurs tudes (ex : Faure-Guichard 2000 ; Manville 2005) que certains salaris intrimaires choisissent volontairement ce type de contrats, ce qui pourrait signifier quils ne considrent pas cette prcarit objective comme problmatique, et que dautres variables interviennent dans leur valuation. En pratique, pour mieux comprendre le lien entre forme demploi et attitudes au travail, il faut adopter une dmarche consistant isoler et slectionner un certain nombre de variables qui vont jouer un rle mdiateur et/ou modrateur entre les caractristiques propres du contrat de travail du salari et son implication au travail Nous avons donc t amens proposer un modle qui vise approfondir ltude du lien entre une forme demploi particulier (lintrim) et limplication organisationnelle, apte rendre compte de lhtrognit des rsultats empiriques. Ce modle est bas sur la distinction entre la prcarit objective lie la nature mme du contrat dintrim et la prcarit ou inscurit perue par les salaris concerns (De Witte & Naswl 2003) . Nous cherchons montrer que le statut demploi nest pas en lui- mme un obstacle limplication : tout dpend notamment de la manire dont les salaris intrimaires interprtent leur relation demploi, travers la notion de prcarit subjective, ou inscurit perue. Deux variables modratrices susceptibles dagir sur le lien prcarit objective / 11

implication organisationnelle des intrimaires ont t intgres au modle : il sagit du soutien organisationnel peru de la part de lagence et de lquit relative perue par lintrimaire vis-vis des salaris permanents durant ses missions. Le modle s e prsente sous la forme suivante (Figure 3) :
Figure 3 : Modle du lien intrim / implication

quit perue Contenu et usage du contrat temporaire (dterminent le niveau de

prcarit objective) :

Variables modratrices soutien organisationnel peru

Inscurit perue
(prcarit subjective)

Implication organisationnelle

A partir de ce modle, nous avons dcid de tester les hypothses suivantes 7 : H1 : La prcarit objective associe aux caractristiques du contrat temporaire agit sur linscurit perue par le salari H2 : Linscurit perue influe ngativement sur limplication organisationnelle affective du salari intrimaire H3 : : Linscurit perue mdiatise la relation entre prcarit objective du contrat temporaire et implication organisationnelle H4 : Le soutien organisationnel peru de la part de lagence de travail temporaire (ETT) intervient comme variable modratrice de la relation entre inscurit perue et implication organisationnelle H5 : Lquit relative perue vis vis des salaris permanents intervient comme variable modratrice de la relation entre prcarit objective et inscurit perue 1.3 Echantillonnage, oprationnalisation des variables et choix de la mthode destimation 1.3.1. Echantillon Les variables tester ont t incorpores dans un questionnaire plus large, destin mesurer les attitudes et attentes des salaris intrimaires vis--vis de leur ETT. Lchantillon denqute est constitu de 208 salaris appartenant quatre agences de travail temporaire du Sud Est de la France, invits remplir un questionnaire lors de leur passage dans leur agence. La majorit des rpondants sont de sexe masculin (59%), ils possdent un diplme infrieur au baccalaurat (57%). Lge moyen constat est de 30 ans, et plus des deux tiers des rpondants ont une anciennet dans lintrim infrieure ou gale deux ans. Notre chantillon reproduit globalement les caractristiques socio-dmographiques de la population intrimaire en France : le salari-type de cet chantillon est un homme, plutt jeune et peu qualifi. Le pourcentage de femmes et de salaris diplms dans notre chantillon est significativement suprieur la moyenne nationale, en raison de leffort fait pour diversifier les profils des rpondants.

7 Pour une justification dtaille du choix des hypothses de recherche et des outils de mesure, on peut se

reporter Lacroux (2008)

12

1.3.2. Oprationnalisation des variables - La prcarit objective est envisage comme une variable formative, mesure laide de trois indicateurs : la dure moyenne des missions, le temps dattente moyen entre deux missions et ladaptation des missions la qualification du salari. Les indicateurs sont valus grce des chelles (ex : la dure moyenne est value sur une chelle en 4 points chelonns de moins dune semaine plus de 6 mois ). - Linscurit perue (prcarit subjective) est envisage comme une variable formative multiplicative, selon le principe propos par Ashford & al. (1989), adapt par Fabre (1997) : elle est oprationnalise comme le produit de deux dimensions, reprsentes chacune par 4 items formatifs : une dimension affective traduisant limportance ou valence accorde par lintrimaire certaines caractristiques de sa relation demploi (qui permet dvaluer la gravit en cas de perte) et une dimension cognitive traduisant lvaluation par lintrimaire de la menace pesant sur la continuit de sa relation demploi. A titre dexemple, linscurit associe lenchanement des missions (item 1) est calcule comme le produit des deux indicateurs suivants : - indicateur dimportance : enchaner rgulirement des missions est pour moi (rponse sur une chelle en 4 points de sans importance trs important ) - indicateur de menace : dans lavenir, continuer enchaner rgulirement des missions me semble. (rponse sur une chelle en 4 points de trs improbable trs probable ) - Le soutien organisationnel peru est valu en utilisant la version rduite 6 items de lchelle de soutien peru propose par Eisenberger & al (1986). - Le sentiment dquit relative perue des salaris intrimaires vis--vis de leurs collgues de travail permanents rencontrs durant les missions dintrim, a t valu par une chelle en 4 items en nous inspirant de lanalyse dveloppe par Tansky, Gallagher & Wetzel (1997) pour les salaris temps partiel. - Limplication organisationnelle a t value sous langle affectif, en adaptant lchelle dimplication organisationnelle affective propose par J.P. Meyer & N. Allen (1991) aux particularismes du secteur de lintrim (5 items) . 1.3.3. Mthode destimation choisie Plusieurs caractristiques des donnes et des variables dont nous disposons plaident pour lemploi de la mthode PLS : nous nous situons dans une perspective exploratoire (les rsultats de la littrature sur le lien entre contrats flexibles et implication sont divergents) ; le modle tester combine des indicateurs formatifs et rflexifs ; notre chantillon nest pas trs important, et notre modle est partiel : il ne prtend pas rendre compte de la complexit des liens unissant les contrats temporaires et limplication des salaris. Nous nous limitons ici tud ier limpact indirect de la prcarit objective sur limplication organisationnelle affective, dans une logique prdictive (il sagit pour nous de savoir si le degr de prcarit du contrat est prdicteur dune faible implication) Il sagit donc dun test partiel, ne concernant quune partie dun modle de recherche plus complexe, dans lequel dautres variables doivent tre intgres (ex : lemployabilit du salari, ou le degr de prfrence pour lintrim). Dans cette situation, Sosik & al. (2009) recommandent lusage de la mthode PLS, qui sadapte bien au test de portions de modles, dans une optique exploratoire.

13

2. Le test modle de recherche

La procdure de test du modle est mene en suivant la mthodologie habituellement employe dans les tudes utilisant lapproche PLS. Nous nous baserons notamment sur les recommandations de Haenlein & Kaplan (2004), Brunhn & al. (2008), et Sosik & al (2009). La procdure de validation et destimation comprend trois parties : En premier lieu, il sagit dexaminer les caractristiques gnrales des variables du modle (statistiques descriptives, niveau et significativit des corrlations). Ceci nous permet de vrifier que les liens postuls entre les variables existent. - En second lieu, il faut sassurer de la validit du modle de mesure (qualit de la mesure des variables latentes), en utilisant des procdures de validation adaptes au type de variables du modle. - En troisime lieu, le modle structurel est test (mise lpreuve des hypothses formules). Pour la mise en pratique des analyses de rgression PLS, nous avons choisi dutiliser le logiciel Smart PLS (Ringle & al 2005), en raison de la convivialit de son interface et de la possibilit dobtenir des reprsentations graphiques des modles estims. 2.1. Examen des variables Le tableau suivant rsume les caractristiques essentielles des variables du modle :
Tableau 2 : Description des variables du modle Ecart Moyenne type Prcarit objective Inscurit perue Soutien peru Equit perue Implication orga. affective Prcarit objective 1 0,39** -0,20** -0,14* -0,29** 1 -0,27** -0,31** -0,43** 1 0,26** 0,67** 1 0,21** Corrlations Inscurit perue Soutien peru Equit perue

2,53 31,43 3,63 3,03 3,35

0,75 10,87 0,70 0,46 0,89

** Corrlations significatives au seuil de 1% ; * Corrlations significatives au seuil de 5%

Nous pouvons remarquer que les corrlations entre les variables supposes lies entre elles dans notre modle existent et sont significatives. 2.2. La validation du modle de mesure Dans les modles comportant les deux types de variables, il est crucial de ne pas employer la mme mthode de validation pour les construits rflexifs et formatifs. Nous avons vu que la procdure classique dpuration, adapte la validation des variables rflexives (Churchill 1979, Anderson Gerbing - 1988) se rvle n faste dans le cadre des variables formatives. Nous allons donc utiliser deux procdures distinctes. Dans tous les cas, la significativit des coefficients calculs sera value par une procdure de bootstraping (Efron & al 1983) : cette mthode consiste rpliquer lestimation du modle sur un grand nombre de souschantillons constitus alatoirement dans lchantillon principal (notre modle a par exemple 14

t test sur 700 chantillons de 200 observations). Si les coefficients sont significatifs (t de Student calcul sur la moyenne des chantillons > 1,968 ) sur lensemble des chantillons, il sagit dun indicateur de significativit des rsultats (voir par exemple Kline - 2005, p. 42). 2.2.1 La validation des construits rflexifs Tester la validit de construit dans une logique quantitative revient gnralement valuer la capacit des items dune chelle de mesure mesurer le construit latent (Drucker & al.. 1999) : il sagit pour le chercheur de sassurer de la cohrence interne, de la validit convergente et de la validit discriminante du construit. La mthode recommande pour mesurer la cohrence interne (appele aussi homognit ou consistance) des chelles de mesure est gnralement le calcul du coefficient Alpha de Cronbach (Cronbach 1951). Ce coefficient permet de vrifier si tous les items se rfrent des notions communes, autrement dit si chaque item prsente une cohrence avec lensemble des autres items de lchelle (Igalens & Roussel 1998, p141). La validit convergente est assure si lon peut v rifier que les noncs issus dune chelle et destins mesurer un construit particulier soient suffisamment corrls entre eux, et avec le construit. La validit discriminante est assure lorsque les items de lchelle se distinguent suffisamment des items censs mesurer dautres phnomnes voisins Dans le cadre de la mthode PLS, lhomognit des chelles est value par plusieurs indicateurs : lAlpha de Cronbach, et un indicateur de fiabilit composite dont le calcul est similaire au coefficient rh de Jreskog (Chinn - 2000) : Lambda = contribution factorielle (loading) F = construit Thta = variance derreur La validit convergente des chelles du modle de mesure est value en examinant tout dabord le niveau et la significativit des contributions factorielles (factor loadings ) gnrs par lalgorithme PLS (qui sont interprtables selon les mmes modalits quune ACP). Selon les rgles habituelles utilises dans lanalyse factorielle pour les modles dquations structurelles, les contributions doivent tre leves (> 0,5), et significatives (voir par exemple Roussel & al 2002). La validit convergente dun construit peut ensuite tre assure ds lors que chaque indicateur standardis partage plus de variance avec son construit latent quavec son erreur de mesure . On considre que cest le cas partir du moment o la moyenne des variances entre le construit et ses mesures est suprieure 0,5. La formule de calcul associe propose par Fornell & Larker (1981) correspond la variance moyenne extraite (Average variance extracted, ou AVE). La formule de calcul est la suivante : Lambda = contribution factorielle (loading) F = construit Thta = variance derreur La validit convergente des construits peut aussi svaluer en montrant que les items mesurant un construit sont plus fortement corrls ce construit quavec les autres construits du modle (Lahmouz & Duyck 2008). Les logiciels intgrant la mthode PLS proposent en gnral des tableaux de contributions croises (cross-loadings ) permettant de vrifier cette caractristique.
8 Lcart type de la valeur dun coefficient P calcul sur lensemble des chantillons donne lerreur standard

destimation (e*) pour le coefficient. Le rapport P/e* permet dobtenir le t de Student (n-1 degrs de libert). Le coefficient est jug significatif si t > 1,96, pour un seuil de risque de 5%.

15

Les tableaux de validation croiss permettent galement dvaluer la validit discriminante des construits, en vrifiant que les items rattachs un construit ne contribuent pas trop fortement sur les construits voisins. Sosik & al. (2009) conseillent galement de vrifier la validit discriminante en sassurant que la variance partage entre les construits latents (mesure par les corrlations entre construits) est infrieure la variance partage par un construit avec ses indicateurs (mesure par la racine carr de la variance moyenne extraite) Le tableau suivant rsume les rsultats des diffrentes procdures de validation des construits rflexifs du modle de mesure :
Tableau 3 : Analyse de la validit du modle de mesure contributions croises (cross loadings)* EQU1 EQU2 EQU3 EQU4 IOA1 IOA2 IOA3 IOA4 IOA5 SP1 SP2 SP3 SP4 SP5 SP6 Equit perue (items EQU) 0,79 0,74 0,77 0,64 0,23 0,16 0,20 0,19 0,15 0,25 0,14 0,20 0,28 0,24 0,19 Implication orga affective (items IOA) 0,17 0,17 0,21 0,08 0,82 0,88 0,78 0,82 0,83 0,54 0,42 0,37 0,38 0,56 0,61 Soutien peru (items SP) 0,27 0,23 0,20 0,05 0,48 0,55 0,61 0,48 0,50 0,92 0,61 0,64 0,72 0,84 0,86

*Toutes les contributions sont significatives : la procdure de bootstrap donne des valeurs de t> 1,96 pour tous les indicateurs.
Variance moyenne extraite Fiabilit composite Alpha de Cronbach

0,55 0,83 0,73

0,68 0,91 0,88

Implication orga affective

0,60 0,90 0,86

Corrlations entre construits et VME Equit perue Implication orga affective

Equit perue

Soutien peru

0,74* 0,23 0,82* 0,64 0,77*

0,28 Soutien peru *Racine carr de la variance moyenne extraite

Lanalyse du tableau nous permet de constater que les conditions requises pour assurer la validit des trois construits rflexifs sont assures : lhomognit des chelles est suffisante, la validit convergente (value par les contributions factorielles, et la variance moyenne extraite) ainsi que la validit discriminante (value par lexamen des corrlations entre construits et par les contributions croises) sont acceptables. 16

2.2.2. La validation des construits formatifs Nous avons vu que lune des principale diffrence entre construits formatifs et rflexifs est que, dans le premier cas, les indicateurs ne sont pas ncessairement positivement corrls. Ils ne sont pas supposs covarier : mme si cela peut arriver, il sagit dune exception et non dune condition (Bollen & Lennox, 1991). Vouloir sassurer de la fiabilit dun index formatif en utilisant des analyses dhomognit de type Alpha de Cronbach nest donc daucune utilit (Nunnally & Berstein 1994 p.489). Les travaux pionniers de certains auteurs (ex : Bollen 1984 ; Diamantopoulos & Winklhofer 2001), complts par des apports plus rcents (ex : Mc Kenzie & al. 2005 ; Gudergan & al. 2008) permettent aux chercheurs de disposer aujourdhui dune srie de procdures permettant de mieux sassurer de la validit des construits formatifs, dans le cadre de lutilisation de mthodes dquations structurelles. Le consensus nest cependant pas encore ralis dans ce domaine 9 : certains auteurs (ex : Rossiter 2005) considrent tout simplement que la seule mthode pour slectionner les items et sassurer de la validit dun construit formatif, repose sur le jugement du chercheur : la validit est donc limit la validit de contenu ou validit faciale. Dautres chercheurs (ex : Edwards & Bagozzi - 2000, Bollen 1989) considrent au contraire que la validit de construit ne se confond pas avec la validit de contenu, et que certaines procdures statistiques peuvent tre employes pour sassurer de la validit de trait des construits formatifs. Certaines de ces procdures sont spcifiquement destines tre utilises dans le cadre de modles dquation structurelles de type Lisrel, car elles reposent sur une estimation de la qualit des modles grce des indices dajustement (voir par exemple Diamantopoulos 2008). Dans le cadre de lanalyse PLS, il est toutefois possible dvaluer la pertinence des construits formatifs en suivant une dmarche en quatre tapes adapte de Diamantopoulos & Winkhofer (2001) : - Les tapes 1 et 2 consistent dfinir prcisment le domaine du construit tudi, puis sassurer que les indicateurs couvrent lensemble de ce construit. Cette dfinition peut sappuyer sur la littrature ou sur des entretiens exploratoires Ces tapes ont t ralises en nous basant sur la littrature disponible des entretiens exploratoires : nous avons pu nous assurer de la reprsentation suffisante des concepts tudis10 . - Ltape 3 correspond un stade de vrification : il sagit de sassurer statistiquement que les indicateurs contribuent significativement au construit formatif, (ce qui revient mesurer la significativit des coefficients de rgression gamma prsents dans la figure 2) et quils ne sont pas trop fortement corrls, afin de prvenir le risque de multi colinarit 11 . Lexamen de multicolinarit est ralis selon une procdure simple, recommande par Kline (2005, p. 57), et prenant appui sur lexamen de linverse de la matrice des corrlations : la diagonale de cette matrice comporte des ratios dnomms facteurs dinflation de variance (variance inflator factor ou VIF), qui signalent la part de variance dune variable explique par les autres variables : un ratio de VIF suprieur 10 indique une probable colinarit pour la variable examine. Le tableau 4 rsume les rsultats obtenus. - Ltape 4 consiste sassurer de la validit externe de lindex. Selon Bagozzi (1994, p 333) : tout ce que nous pouvons faire, cest dexaminer dans quelle mesure la variable composite
9 Il existe encore des controverses tenant la nature mme du concept de validit pour les indicateurs formatifs

(cf Rossiter - , Diamantopoulos & Siguaw 2006 ; Rossiter 2008) 10 Pour le dtail de ces oprations, voir Lacroux(2008) 11 La mesure des variables latentes formatives est en effet fonde sur le principe de la rgression multiple : le niveau de la variable formative dpend de la combinaison des indicateurs. Or, une trop forte corrlation entre ces indicateurs peut rendre les coefficients de rgression instables (Bollen & Lennox 1991)

17

est correctement relie aux autres variables : en dautres termes, il sagit de sassurer de la validit prdictive ou nomologique de ladite variable vis--vis dune ou plusieurs variables du modle de recherche. Cette tape correspond la dernire phase de la procdure : le test du modle complet.
Tableau 4 : Analyse de la validit des construits formatifs

Prcarit objective DUREE (PO1) LATENCE (PO2) ADQUA (PO3) Prcarit perue PP1 PP2 PP3 PP4 PP5 PP6

VIF 1,14 1,15 1,19 VIF 1,275 1,179 1,372 1,313 1,155 1,137

Contribution au construit (coeff. De rgression PLS) 0,098 0531 0,709 Contribution au construit (coeff. De rgression PLS) 0,435 0,458 0,277 0,248 0,008 0,036

Significativit (valeur de T) 0,56 3,92 5,27 Significativit (valeur de T) 3,98 3,22 2,27 2,00 0,06 0,26

Aucun problme de multicolinarit napparat dans les rsultats. Par contre, nous pouvons constater que, suite la vrification de la significativit par la procdure de bootstrap 12 , trois indicateurs (PO1, PP5, PP6) prsentent des contributions non significatives par rapport leurs construits (t < 1,96). Nous choisissons donc de les retirer. 2.3. Le test des hypothses (estimation du modle structure l) Le test des hypothses passe par lestimation dun modle structurel reproduisant les relations supposes entre les construits latents. La validation des hypothses dpend de limportance et de la significativit des relations structurelles obtenues. Dans le cadre de la mthode PLS, la qualit du modle global peut tre estime en observant les coefficients de dtermination (R2 ), qui rendent compte de la variance explique des variables endognes, et en sassurant de la validit et de lampleur des coefficients structurels, qui valuent limportance des effets. Falk & Miller (1992) suggrent quun bon modle obtenu par rgression PLS doit prsenter des coefficients de dtermination suprieurs 0,1. Pour les coefficients structurels, Chinn (1998) considre que les coefficients structurels standardiss devraient tre au minimum gaux 0,20, et, idalement, suprieurs 0,3 pour pouvoir tre considrs comme significatifs . Dans le cas prsent, la significativit des coefficients a t estime par une procdure de bootstrap 13 . 2.3.1. Le test de leffet mdiateur (hypothse H1 H3) La mthode de test des effets mdiateurs dans les modles PLS est adapte de lanalyse classique de Baron & Kenny (1988) par Cohen (2003). La reprsentation habituelle dun effet mdiateur met en jeu trois variables : la variable indpendante (X), la variable dpendante (Y) et la variable mdiatrice (M). Les relations sont mesures par les coefficients structurels de rgression. Une analyse en cinq tapes doit tre mene pour affirmer lexistence dun effet de mdiation de la variable M sur le lien entre la variable indpendante et la variable dpendante
12 Echantillon de 200 observations, avec 700 rplications

18

Etape
1. Effectuer une rgression de Y sur X 2. Effectuer une rgression de M sur X 3. Effectuer une rgression multiple de Y sur M et X 4. Vrifier que le lien entre X et Y devient nul (mdiation totale) ou faible (mdiation partielle) 5. Estimer lampleur et la signification de leffet mdiateur

Test associ
Le coef. de rgression C0 doit tre significatif Le coef. de rgression C2 doit tre significatif Le coefficient de rgression C3 doit tre significatif Le coefficient de rgression C1 de Y sur X doit devenir non significatif en prsence de M - Leffet mdiateur est partiel partir du moment o le coefficient C1 demeure significatif

Les rsultats des tests sont les suivants :

Tableau 5 : Analyse du rle mdiateur de la prcarit perue

Rgressions

Coefficients. de rgression (+ valeur du test T)

Hypothses

Effet de X sur Y C0 = -0,38 ; t = 6,56 prcarit objective implication orga affective Effet de X sur M C2 = 0,37 ; t = 5,89 prcarit objective prcarit perue Effet de M sur Y (rgression multiple) C3 = 0,23 ; t = 3,53 prcarit objective + prcarit perue C1 = -0,14 ; t = 2,34 implication organisationnelle affective Effet mdiateur C0 > C1 : leffet mdiateur est tabli C1 est faible mais significatif : la mdiation est partielle

H1 valide H2 valide

H3 valide

2.3.2. Le test des effets modrateurs (hypothses H4 & H5) La procdure de test des effets modrateurs est inspire de la mthode de rgression multiple modre (Sharma & al. 1981), adapte aux modle de rgression PLS par Chin , Marcolin & Newsted (1996), et disponible dans le logiciel Smart PLS. Si lon cherche mesurer leffet modrateur dune variable Z sur la relation entre une variable indpendante X et une variable dpendante Y, il est recommand de construire une variable multiplicative (X Z) reprsentant leffet dinteraction entre la variable indpendante et la variable modratrice. Deux quations de rgressions sont alors testes : (1) Y = a + b1.X + b2.Z (2) Y = a + b1.X + b2.Z + b3. (X Z) Si le coefficient de rgression b3 est significatif et si le coefficient de dtermination (R2 ) de la seconde rgression est suprieur celui de la premire, alors leffet modrateur est tabli. Si b2 demeure significatif, nous sommes en prsence dun effet quasi- modrateur. Deux variables multiplicatives ont donc t construites, afin de reprsenter leffet modrateur de lquit perue sur la prcarit perue et du soutien peru sur limplication organisationnelle affective. Les rsultats suivants ont t obtenus : Test de lhypothse H4 : effet modrateur du soutien peru
Equations testes Y = a + b1.X + b2.Z Y : implication ; X : inscurit Z : soutien peru Y= a + b1.X+ b2.Z+ b3. (X Z) Coefficients de rgression PLS (+ significativit) b1 = - 0,30 t = 4,82 b2 = 0,56 t = 11,88 b1 = 0,28 t = 4,59 b2 = 0,53 t = 9,07 b3 = 0,12 (non significatif t = 0,82) R2 0,49 Dcision Rejet de H4 Le soutien peru est une variable indpendante

0,50

19

Test de lhypothse H5 : effet modrateur de lquit perue

Equations testes Y = a + b1.X + b2.Z Y : prcarit perue X : prcarit objective Z : quit perue Y= a + b1.X+ b2.Z+ b3. (X Z) Coefficients de rgression PLS (+ significativit) b1 = 0,37 t = 4,98 b2 = -0,26 t = 3,42 b1 = 0,38 t = 6,07 b2 = 0,24 t = 3,78 b3 = 0,05 (non significatif t = 0,34) R2 0,24 Dcision Rejet de H5 Lquit perue est une variable indpendante

0,24

3. Rsultats
Le modle final, tenant compte des rsultats des tests dhypothses se prsente donc comme suit :
Figure 4 : Modle de recherche ajust

- 0,263

R2 0,24 0,373 - 0,252

0,536

- 0,112

R2 0,50

Ce modle appelle plusieurs commentaires. En premier lieu, la confirmation du rle mdiateur de la prcarit perue confirme lintrt de cette notion lorsquon tudie limpact des contrats prcaires sur les attitudes des salaris. Il est aussi intressant de remarquer que le soutien peru de la part de lagence joue un rle important dans limplication des salaris prcaires, comme cest le cas pour les salaris permanents. Ces deux rsultats viennent appuyer les conclusions dtudes rcentes sur la question de limplication des salaris prcaires (ex : De Witte et Naswl 2003 ; Galois - 2006). En ce qui concerne les effets modrateurs, nous navons pu en mettre aucun en vidence : ce rsultat nest pas isol (voir par exemple Fabre 1997), et est sans doute en partie imputable des difficults dordre statistique. Il semble que le rejet hypothses portant sur des effets modrateurs soit trs frquent, en raison de la faible puissance de ce type de tests statistiques (Aguinis 1995 , p.142). La puissance dun test correspond la probabilit de pouvoir mettre en vidence un effet tudi : une faible puissance empche donc de savoir si leffet que lon souhaite mesurer existe rellement, et entrane donc le risque de rejeter tort lhypothse modratrice. Ce risque de rejet erron dune hypothse modratrice est particulirement lev 20

lorsque les variables en question sont des construits latents (qui, par dfinition, incorporent des erreurs de mesure), et lorsque lchantillon est rduit. Il est donc possible que la non dtection deffets modrateurs soit lie la faible puissance statistique du test . Nous pouvons enfin constater que les liens entre les variables ne sont pas trs forts : les effets mis en lumire sont donc gnralement limits. Ce type de rsultat nest pas inhabituel dans les recherches quantitatives fondes sur des modles attitudinaux. Dans le domaine de linscurit, les liens tablis entre inscurit perue et implication organisationnelle sont gnralement limits : une mta analyse mene par Sverke & al. (2002) rapporte par exemple une corrlatio n moyenne de -0.29 entre ces deux variables.

Conclusion
Lutilisation de la mthode PLS sest rvle bien adapte la problmatique de cette tude : elle nous a permis dvaluer la qualit dun modle exploratoire, intgrant des construits formatifs, des variables mdiatrices et modratrices, le tout sur un chantillon relativement petit. Cette configuration est relativement courante les tudes quantitatives en GRH, ce qui plaide pour un usage plus frquent de lapproche PLS dans lestimation des modles d quations structurelles. Il faut toutefois tenir compte de certaines limites. Limites thoriques et mthodologiques Les limites thoriques et mthodologiques de notre tude renvoient tout dabord aux limitations inhrentes la mthode PLS elle- mme (voir par exemple Sosik & al 2009) : le fait que cette approche soit base sur une maximisation du pouvoir explicatif des variables indpendantes et ne tienne pas compte des erreurs de mesure rend peu aise le jugement sur les qualits dajustement dun modle aux donnes empiriques, et la comparaison entre modles (il est relativement difficile de comparer la qualit de plusieurs modles concurrents, en raison de labsence dindices dajustement). Les rsultats des estimations PLS sont donc difficilement falsifiables au sens de Popper. La prsence de variables formatives dans notre analyse ajoute une srie de difficults supplmentaires. La mesure des construits formatifs na pas ce jour donn lieu au mme consensus que celui qui existe pour les construits rflexifs : en consquence, nous ne disposons pas de procdures prouves et communment admises dans le domaine. Si lon se base sur lexemple de notre modle, deux problmes restent en suspens. En premier lieu, la notion mme de validit convergente et discriminante des construits formatifs reste lobjet de dbats encore vifs : il existe un rel dsaccord sur la pertinence, voire la ncessit des procdures de validation (Bagozzi 1994 ; Mc Kenzie & al 2005 ; Rossiter 2005) . En second lieu, la prsence de construits formatifs comme variables endognes dans un modle pose un problme redoutable : Wiley (2005) affirme par exemple quil nexiste aucun mcanisme plausible permettant de modliser linfluence dune variable quelconque sur un construit formatif, car celui devrait dpendre exclusivement de la combinaison de ses indicateurs (voir Diamantopoulos & al. 2008, p.1216) Perspectives de recherche Lusage de la mthode PLS dans le cadre de modles dquations structurelles constitue une procdure mergente dans le domaine de la GRH. Malgr ses limites, elle ouvre donc de relles perspectives de recherche, car e l s modles tests en GRH possdent souvent des caractristiques sajustant bien avec lusage de cette mthode. Ils intgrent de plus parfois des construits thoriques qui ont jusquici t traits comme des variables rflexives : il semble indispensable aujourdhui de poursuivre dans le domaine de la GRH le chantier ouvert par 21

certains chercheurs (ex : Diamantopoulos & Siguaw - 2006 ; Mc Kenzie & al - 2005), qui ont entrepris de rechercher et corriger les ventuelles erreurs de spcifications de variables dans le domaine du marketing et de la stratgie. Certains construits multidimensionnels couramment utiliss dans le domaine, comme limplication organisationnelle tri-dimensionnelle (Meyer & Herscovich 2001), linscur it perue (Ashford & al. ( 1989) ou les comportements de citoyennet organisationnelle (Moorman & Harland 2002) pourraient ainsi tre rexamins comme des construits formatifs dits de second ordre.

Rfrences
Aguinis, H.. (1995) : Statistical Power Problems with Moderated Multiple Regression in Management Research - Journal of Management, Vol. 21(6), p1141- 1159 Anderson, J.C. and Gerbing, D.W. (1988). Structural Equation Modeling in Practice: A Review and Recommended Two-Step Approach - Psychological Bulletin , 103(3), 411-423. Ashford S. , Lee C. & Bobko P. (1989) : Content, causes and consequences of job insecurity : a theory-based measure and substantive test Academy of management review vol. 32 n 4 p 803829 Auer P. & Cazes S. (2000) : L'emploi durable persiste dans les pays industrialiss. - Revue internationale du travail, volume 139, n 4 Bagozzi RP. (1994) Structural equation models in marketing research: basic principles. In: Bagozzi RP, editor. Principles of marketing research . Oxford: Blackwell; p. 31785. Baron, R.M. & Kenny D.A. (1986) : The ModeratorMediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations - Journal of Personality and Social Psychology 51(6): 117382. Baumard P. & Ibert J. (1999) : Quelles approches avec quelles donnes ? in Mthodes de recherche en management R.A. Thitart (ed.) Paris, Dunod p. 81-103 Beard, K.M. & Edwards J.R. (1995) Employees at Risk: Contingent Work and the Psychological Experience of Contingent Workers, pp. 10926 in C.I. Cooper and D.M. Rousseau (eds) Trends in Organizational Behavior, Vol. 2. Oxford: John Wiley. Biggs, D., & Swailes, S. (2006). Relations, commitment and satisfaction in agency workers and permanent workers. Employee Relations, 28(2), 130-143. Blalock HM. (1971) Causal models involving unobserved variables in stimulus response situations. In: Blalock HM, editor. Causal models in the social sciences. Chicago: Aldine; p 33547. Blau G. (2001) On assessing the construct validity of two multidimensional constructs. occupational commitment and occupational entrenchment. Human Resource Management Review 11, 279298 Bollen K, Lennox R. (1991) Conventional wisdom on measurement: a structural equation perspective. Psychogical Bulletin ;110(2):30514. Bollen K, Ting K. (2000)A tetrad test for causal indicators. Psychological Methods ;5(1): 322. Bollen K. (1989) Structural equations with latent variables. New York: Wiley. Brabet J. (coord. ) (1993) : Repenser la gestion des ressources humaines ? Paris, Economica Bruhn M, Georgi D, Hadwich K. (2008) Customer equity management as a formative second-order construct. Journal of Business Research ;61:1292301. Bussing A. (1999) : Can Control at Work and Social Support Moderate Psychological Consequences of Job Insecurity? Results from a Quasi-experimental Study in the Steel Industry. European Journal of Work & Organizational Psychology , Vol. 8 (2), 219-242

22

Campoy E. & Dumas M. ( 2005) : Etudes longitudinales et comparaisons entre groupes par les mthodes dquations structurelles in Management des ressources humaines, mthodes de recherches en sciences humaines et sociales ; sous la direction de Roussel P. & Wacheux F. Bruxelles, De Boeck Carmelli A. & Geffen D. (2005) : The relationship between work commitment models and employee withdrawal intentions. Journal of Managerial Psychology, 20(2), 63-86 Charles Pauvert B. (2002) Salaris en relation demploi flexible et implication organisationnelle : des pratiques de GRH spcifiques ? - extrait de Limplication au travail Vuibert 2002 Chin, W. W. (1993-2003). PLS Graph Version 3.0. Soft Modeling Inc. Chin, W. W. (1995). Partial Least Squares Is To LISREL As Principal Components Analysis Is To Common Factor Analysis. Technology Studies. Technology Studies, 2, 2, 315-319 Chin, W. W., (2000). Frequently Asked Questions Partial Least Squares & PLS-Graph. Home Page.[On-line]. Disponible ladresse suivante : http://disc-nt.cba.uh.edu/chin/plsfaq.htm Chin, W. W., Marcolin, B. L., and Newsted, P. R. (1996). A partial least squares latent variable modeling approach for measuring interaction effects: Results from a Monte Carlo Simulation Study and Voice Mail Emotion/Adoption Study. Proceedings of the 17th International Conference on Information Systems, Cleveland, Ohio. Chin W.W. (1998) : The partial least squares approach to structural equation modeling. In G. A. Marcoulides (Ed.), Modern methods for business research (pp. 295-336). Mahwah, NJ: Lawrence Erlbaum. Churchill GA (1979) A paradigm for developing better measures of marketing constructs. Journal of Marketing Research ;16, 6473. Cohen A. (1995) : An Examination of the Relationships Between Work Commitment and Nonwork Domains. Human Relations, 48(3), 239-264. Cohen J. & Cohen P. (1983) : Applied multiple regression/correlation analysis for the behavioral sciences Hillsdale NJ - Lawrence Erlbaum Coltman, T, Devinney, TM, Midgley, DF & Veniak, S (2008), Formative versus reflective measurement models: Two applications of formative measurement, Journal of Business Research , 61(12), 1250-1262 Connelly, C.E. & Gallagher D.G. (2004) : Emerging Trends in Contingent Work Research, Journal of Management 30(6): 95983. Cronbach (1951) : Coefficient Alpha and the internal structure of tests, Psychometrika, Vol. 16, p. 297-334 De Witte, H. & Nswall K. (2003) : Objective versus Subjective Job Insecurity: Consequences of Temporary Work for Job Satisfaction and Organizational Commitment in Four European Countries, Economic and Industrial Democracy 24(2) ; 14988. Diamantopoulos A., Riefler P. & Ross K.P. (2008) : Advancing formative measurements Journal of Business Research, 2008, vol 61/12, p1203-1218 Diamantopoulos A, Siguaw J. (2006) Formative versus reflective indicators in organizational measure development:. British Journal of Management;17(4):26382. Diamantopoulos , A., & Winklhofer, H. (2001). Index Construction with Formative Indicators: An Alternative to Scale Development. Journal of Marketing Research , 38(2), 269-277. Drucker C., Godard C., Ehlinger S. & Grenier C. (1999) : Validit et fiabilit de la recherche in Mthodes de recherche en management R.A. Thitart (ed.) Paris, Dunod p 257-287

23

Duxbury, R. M., & Higgins, C. A. (1991). Gender differences in work-family conflict. Journal of Applied Psychology, 76, 60-74. Edwards JR, Bagozzi R. (2000) On the nature and direction of relationships between constructs and measures. Psychological Methods ;5(2):15574. Efron, B. and Gong, G. (1983). A Leisurely Look at the Bootstrap, the Jackknife, and CrossValidation ; The American Statistician , 37(1), 36-48. Eisenberger, R., Huntington, R.. & Sowa, D. (1986) Perceived organizational support, Journal of Applied Psychology, 71(3), 500-507. El Akremi A. (2005) : Analyse des variables mdiatrices et modratrices par des mthodes dquations structurelles - in Management des ressources humaines, mthodes de recherche en sciences humaines et sociales , P. Roussel & F. Wacheux (dir.) Bruxelles, De Boeck Ellingson, J.E., M.L. Gruys & P.R. Sackett (1998) Factors Related to the Satisfaction and Performance of Temporary Employees, Journal of Applied Psychology 83: 91321. Everaere C. (1999) : Emploi, travail et efficacit de lentreprise : les effets pervers de la flexibilit quantitative Revue franaise de gestion - juin luillet pp. 5-21 Fabre C. (1997) : Les consquences humaines des restructurations LHarmattan collection dynamiques dentreprises . Falk, R. F., & Miller, N. B. (1992). A primer for soft modeling. Akron, OH: University of Akron Press. Faure-Guichard C. (2000) Lemploi intrimaire, trajectoires et identits Presses universitaires de Rennes. Feldman, D.C. (1990). Reconceptualizing the nature and consequences of part-time work. Academy of Management Review, 15, 103-112. .. Feldman, D.C., H.I. Doerpinghaus & W.H. Turnley (1994) Managing Temporary Workers: A Permanent HRM Challenge , Organizational Dynamics 23: 4963. Fornell C, Larcker DF. (1981) Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research ;18:3950. Fornell, C., and Bookstein, F. (1982). Two Structural Equation Models: LISREL and PLS Applied to Consumer Exit-Voice Theory, Journal of Marketing Research, 19, 440-452. Galois I. (2006) : La fidlit des intrimaires l'Entreprise de Travail Temporaire : une approche par la thorie de l'change social thse de doctorat sciences de gestion IAE de Lyon (28/11/2006) Galtier B. & Gautier J. (2000) : Employment protection and labour market policies : tradeoffs or complementarities : the case of France Rapport pour le compte du BIT Paris, novembre. Gudergan SP, Ringle CM, Wende S, Will A. (2008) Confirmatory tetrad analysis for evaluating the mode of measurement models in PLS path modeling. Journal of Business Research ;61:123849 Haenlein M. & Kaplan A.M. (2004) : A Beginners Guide to Partial Least Squares Analysis Understanding Statistics, 3(4), 283297 Hauser RM. (1973) Diaggregating a social-psychological model of educational attainment. In: Goldberger AS, Duncan OD, editors. Structural equation models in the social sciences. San Diego: Academic Press; p. 25589. Helm S. (2005) Designing a formative measure for corporate reputation. Corporate Reputation Review 8(2):95109. Igalens J. & Roussel P. (1998) : Mthodes de recherche en gestion des ressources humaines Paris, Economica

24

Jarvis C, MacKenzie S, Podsakoff PA. (2003) Critical review of construct indicators and measurement model misspecification in marketing research. Journal of Consumer Research 2003;30(2):199218. Jaussaud J. Schaaper J. & Zhang Z.Y. (2000) : Gestion internationale des ressources humaines :pratiques dexpatriation et contrle des filiales au sein des groupes multinationaux Gestion des ressources humaines n38, novembre. Jreskog, K.G. and Wold , H. (1982). The ML and PLS Techniques For Modeling with Latent Variables: Historical and Comparative Aspects, in H. Wold and K. Jreskog (Eds.), Systems Under Indirect Observation: Causality, Structure, Prediction (Vol. I), Amsterdam: North-Holland, 263270. Jreskog & Sorborm (1996) : LISREL 8: Structural Equation Modeling . Chicago: Scientific Software International Kline R.B. (2005) : Principle and practice of structural equation modelling New York Guilford press. LHorty Y. (1999) : lemploi prcaire en France Regards sur lactualit n249, p.15 Lahmouz K. & Duyck J.P. (2008) : Implication organisationnelle et stress professionnel, rle de lauto-efficacit , Communication au 29 me congrs de lAGRH, Dakar (Sngal). Liden R, Wayne S, Kraimer & M, Sparrowe R (2003) : the dual commitment of contingent workers : an examination of contingents commitment to the agency and the organization - Journal of organizational behaviour , 24 , 609-625 Lohmller, J.B (1984) LVPLS Program Manual, Cologne: Zentralarchiv fr Empirische Sozialforschung, Universitt zu Kln, 1984 Mc, Donald D., & Makin, P. (2000). The Psychological Contract, Organizational Commitment and Job Satisfaction of Temporary Staff. Leadership and Organization Development Journal, 21(March), 84-91. Mc Donald, R. P. (1996). Path analysis with composite variables. Multivariate Behavioral Research , 31,239270. Mc Kenzie S, Podsakoff P, Jarvis C. (2005) The problem of measurement model misspecification in behavioural and organizational research and some recommended solutions. Journal o f Applied Psychology ; 90(4), 71030. Manville C (2005) Perceptions de justice et implication organisationnelle : le cas des salaris contingents ; Thse de doctorat en sciences de gestion Universit Montpellier II, Meyer J.P. & Herscovich L. (2001) : Commitment in the workplace : toward a general model - Human resource management review 11(2001) 299-326 Meyer, J.P. & Allen, N. J. (1991). A three-component conceptualization of organizational commitment - Human Resource Management Review, 1, p.61-89. Moorman R & Harland L (2002) : temporary employees as good citizens : factors influencing their OCB performance Journal ob business and psychology ; 17 ( 2) 171-187 Morrow P. & Mc Elroy J. (1986) : On assessing measures of work commitment. Journal of Occupational Behavior, 7(2), p.139-145. Nunnally JC, Bernstein IH. (1994) Psychometric theory. 3rd edition. New York: McGraw-Hill. Nunnally JC. (1978) Psychometric theory. 2nd edition. New York: McGraw-Hill. Pearce, J.L. (1998). Job insecurity is important, but not for the reason you might think: the example of contingent workers. In C. L. Cooper & D. M. Rousseau (Eds.), Trends in Organizational Behavior (31-46). New York: Wiley.

25

Ping R. (1995) : A parsimonious estimating technique for interaction and quadratic latent variables Journal of Marketing Research, 32 , 336-347 Ringle, C. M., Wende, S., and Will, A. (2005). SmartPLS Version 2.0 . Universitat Hamburg, Hamburg. Rossiter J. (2005) : Reminder : a horse is a horse International Journal of Research in Marketing 22 2325 Roussel P., Durrieu F., Campoy E. & El Akremi A. (2002) : Mthodes dquations structurelles : recherche et applications en gestion Paris, Economica coll. Gestion Roussel (2005) : Mthodes de dveloppement dchelles pour questionnaires denqute in Management des ressources humaines, mthodes de recherches en sciences humaines et sociales ; sous la direction de Roussel P. & Wacheux F. Bruxelles, De Boeck Savall H & Zardet V. (2004) : Recherche en sciences de gestion : approche qualimtrique Paris ; Economica. Sharma, S, Durand R.M & Gur-Arie O. (1981) : Identification and Analysis of Moderator Variables Journal of Marketing Research, 18, 291-300 Sosik, J., Kahai, S., & Piovoso, M. (2009). Silver Bullet or Voodoo Statistics? A Primer for Using the Partial Least Squares Data Analytic Technique in Group and Organization Research. Group & Organization Management, 34(1), 5-36. Spector PE. (1992) Summated rating scale construction: an introduction. Series: quantitative applications in the social sciences. CA: Sage Publications. Sverke M., Hellgren J. & Nswall K. : No Security: A Metaanalysis and Review of Job Insecurity and its Consequences - Journal of Occupational Health Psychology , 7;3, 242-264 Tansky J.W. Gallagher D. & Wetzel K. (1997) : The effect of demographics, work status, and relative equity on organizational commitment : looking around part-time workers Revue canadienne des sciences de ladministration vol 14 n 3 pp 315-326 Tennenhaus M. (1998) : La rgression PLS, thorie et pratique Paris Technip Thvenet M.. (2004) : Le plaisir de travailler 2me dition Paris - Editions dorganisation Vandenberg R.J. (2002) : Toward a further understanding of an improvement in measurement invariance methods and procedures Organizational research methods , 5, 139-158 Vautier S., Roussel, P. & Jmel, S. (2005) . Modliser les diffrences individuelles avec l'analyse factorielle : l'exemple de la satisfaction au travail. In : Roussel, P. et Wacheux, F.(dir), Management des ressources humaines : Mthodes de Recherche en Sciences Humaines et Sociales (pp. 277-296). Editions De Boeck Universit Venaik S, Midgley DF, Devinney TM. (2004) A new perspective on the integration responsiveness pressures confronting multinational firms. Management International Review;44, p1548. Waters L. (2004) : Protgmentor agreement about the provision of psychosocial support: The mentoring relationship, personality, and workload - Journal of Vocational Behavior 65, 519532 Weiss, D.J., Dawis, R.V., England, G.W. and Lofquist, L.H. (1967), Manual for the Minnesota Satisfaction Questionnaire , Industrial Relations Center, University of Minnesota, Minneapolis, MN. Wold, H. (1985). Partial Least Squares, in S. Kotz and N. L. Johnson (Eds.), Encyclopedia of Statistical Sciences (Vol. 6), New York: Wiley, 581-591. Yi MY, Davis FD. (2003) Developing and validating an observational learning model of computer software training and skill acquisition. Information Systems Research ; 14(2), 14669.

26