Académique Documents
Professionnel Documents
Culture Documents
2003elakremi Roussel045
2003elakremi Roussel045
INTRODUCTION
En gestion des ressources humaines, plusieurs recherches rcentes montrent lintrt
dintgrer des variables mdiatrices et modratrices dans les dveloppements thoriques
et empiriques. titre dexemple, Meyer et Smith (2000) ont montr que la justice procdurale et le soutien des suprieurs hirarchiques, jouent un rle mdiateur entre lvaluation des pratiques de GRH par les salaris et leur engagement affectif et normatif.
Aryee et al. (2002) ont considr la confiance comme variable mdiatrice entre la per__________
* Universit Catholique de Louvain, IAG-REHU, Place des Doyens 1,
B. 1348 Louvain-la-Neuve, Belgique. Tl. : 00 32 10 47 85 12 / 00 32 4 74 54 21 75.
1064
ception de lquit des pratiques et les comportements de citoyennet organisationnelle. Bing et Burroughs (2001) ont tudi le rle modrateur de la sensibilit lquit
sur la relation entre les caractristiques personnelles et la performance au travail. Selon
Lam et al. (2002), limpact des pratiques de GRH sur les attitudes et les comportements des salaris serait modr par leurs diffrences individuelles et culturelles.
Nombre dautres recherches soulignent la pertinence du recours des variables intermdiaires pour ltude des liens entre les pratiques de GRH et les attitudes et les comportements des salaris (Meyer et al. 2002; Snell et Dean, 1994). Le recours aux
variables intermdiaires est utile pour dvelopper et tester des thories qui refltent
mieux la complexit des phnomnes individuels et organisationnels tudis. Les chercheurs en GRH ne se limitent plus ltude des effets principaux des variables explicatives sur les variables expliques. Ils examinent de plus en plus le rle des variables
mdiatrices ou modratrices pour mieux comprendre la dcomposition des mcanismes
dinfluence entre les variables tudies. Le progrs des tudes en GRH dpendrait aussi
du dveloppement continu de nouvelles mthodes de recherche. Si linnovation peut
tre dfinie comme toute ide ou pratique perue comme nouvelle par lunit danalyse qui ladopte (Deltour, 2000), linnovation mthodologique en sciences de gestion
semble courante mme si elle reste souvent relative. Ladoption et lamlioration des
mthodes de recherche existantes et utilises dans dautres domaines tels que la psychologie ou le marketing constitueraient ainsi des innovations mthodologiques en
GRH.
cet gard, les mthodes danalyse des variables intermdiaires ont connu un dveloppement considrable. Les innovations mthodologiques dans ce domaine se sont
accrues au cours des vingt dernires annes. Les dmarches de dtection et destimation
des effets mdiateurs et modrateurs se sont multiplies, amliores et sont devenues
plus accessibles aux chercheurs en sciences sociales (Aiken et West, 1991; Baron et
Kenny, 1986; Bobko et Russell, 1994; Collins et al. 1998; Cortina et al., 2001; Kenny
et Judd, 1984; MacKinnon et al., 1995; Ping, 1996c). Le recours ces mthodes
connat une forte progression. Larticle fondateur de Baron et Kenny (1986) qui propose une dmarche systmatique danalyse des variables mdiatrices et modratrices a
t cit plus de 2000 fois selon le Social Science Citation Index (MacKinnon et al.,
2002). Le dveloppement de nouvelles mthodes danalyse est aussi grandissant grce
surtout aux mthodes dquations structurelles (Schumacker, 2002; Schumacker et
Marcoulides, 1998; Shrout et Bolger, 2002). En dpit de la prolifration des mthodes
danalyse des variables mdiatrices et modratrices, nombre dauteurs continuent soulever de multiples problmes terminologiques, conceptuels et statistiques dans ltude
de ces variables en sciences sociales (Aguinis, 1995; Holmbeck, 1997; McClelland et
Judd, 1993; Moosbrugger et al., 1997). cet gard, certaines confusions terminologiques persistent compte tenu de la diversit des termes utiliss pour dsigner le rle
mdiateur (effet indirect, effet intermdiaire, effet de substitution, effet de processus)
et le rle modrateur (effet dinteraction, effet multiplicatif, effets quadratique et poly-
1065
nomial, effet dhomognisation, effet non linaire) (MacKinnon et al. 2002; Sharma
et al., 1981). Les erreurs conceptuelles rsultent surtout de lambigut et du chevauchement des rles des variables intermdiaires. Certains auteurs en sciences sociales
confondent et utilisent, tort, de manire quivalente les termes mdiation et modration (Holmbeck, 1997). Les effets intermdiaires sont aussi complexes et combins
tels que les effets mdiateurs modrs et les effets modrateurs mdiatiss (Baron et
Kenny, 1986). Ce chevauchement peut rendre trs difficiles la dtection et lestimation
des rles des variables intermdiaires. Les mthodes classiques danalyse de ces variables
prsentent diverses limites statistiques tels que des erreurs du type I1 leves et un faible
pouvoir statistique 2. Ces limites statistiques sont principalement dues la non normalit des distributions des variables tudies, aux erreurs de mesure, lexistence de liens
non linaires pour les effets modrateurs, la faiblesse des tailles dchantillons, la
nature des chelles de mesure ordinales, et la multicolinarit entre les variables tudies (Aguinis, 1995; Busemeyer et Jones, 1983; Cortina, 1993; MacKinnon et al.
2002; Moosbrugger et al., 1997).
Selon nombre dauteurs (Cortina et al ., 2001; Holmbeck, 1997; Jaccard et Wan,
1995; Moulder et Algina, 2002; Shrout et Bolger, 2002), les mthodes dquations
structurelles amliorent lanalyse des rles des variables mdiatrices et modratrices en
dtournant les problmes lis aux erreurs de mesure, la multicolinarit et aux liens
non linaires. Elles rduisent aussi les problmes rsultant de la non normalit des distributions et de la nature des chelles de mesure utilises. Il est certes trs rare davoir
des distributions normales dans les recherches en sciences sociales (Micceri, 1989), la
normalit est donc une condition trs souvent non respecte. Nanmoins, les mthodes
destimation utilises, telles que la mthode de maximum de vraisemblance, sont
robustes face la non normalit des distributions (Roussel et al., 2002). En intgrant
les erreurs de mesure dans lestimation du modle tudi, les mthodes dquations
structurelles permettent dobtenir des coefficients moins biaiss. Jreskog et Yang
(1996), et Yang Jonsson (1998) ont dvelopp une dmarche danalyse directe des effets
non linaires par Lisrel 8. Afin de tenir compte des problmes de multicolinarit, de
la nature des chelles et de la taille de lchantillon, certains auteurs utilisent les
mthodes dquations structurelles (procdure par bootstrap) pour une meilleure estimation des effets mdiateurs (Lockwood et MacKinnon, 1998; Shrout et Bolger,
2002). Schermelleh-Engel et al. (1998) proposent aussi une procdure dquations
structurelles adapte la non normalit des distributions des variables analyses.
__________
1. Il sagit pour simplifier du risque de conclure lexistence dun effet mdiateur ou modrateur qui est en ralit fallacieux et faux (erreur de premire espce). Le risque nominal
accept est gnralement de 5 %.
2. Une mthode qui a un faible pouvoir statistique (ou puissance) choue frquemment
dtecter des effets mdiateurs et modrateurs qui existent rellement dans la population tudie.
1066
1067
objectif est dexposer de manire dtaille deux mthodes danalyse: (1) la dmarche
danalyse des variables mdiatrices propose par Baron et Kenny (1986) et mise jour
par Kenny et al. (1998) ; (2) la dmarche danalyse des variables modratrices et des
effets dinteraction propose par Ping (1995; 1998). Les dmarches proposes semblent
tre trs adaptes aux recherches en GRH tant donn leur relative simplicit, leur
rigueur et leur performance quivalentes celles des autres dmarches existantes
(Cortina et al., 2001; MacKinnon et al., 2002). Le quatrime objectif est de proposer
une application des deux dmarches retenues une tude en gestion des ressources
humaines. Lapplication est prsente de manire schmatique et simplifie.
Lillustration est prsente directement aprs lexpos de la dmarche mthodologique.
Deux exemples sont analyss. Le premier concerne le rle mdiateur de la confiance
entre dune part la pratique de responsabilisation ou dempouvoirement et dautre part
lengagement affectif lgard de lorganisation (Brockner et al., 1997; Nyhan, 1999).
Le second exemple concerne les effets dinteraction entre les diffrentes formes dengagement organisationnel. Lengagement normatif semble avoir un rle modrateur des
effets de lengagement affectif et de lengagement calcul sur lintention de dpart
(Chen et Francesco, 2003; Jaros, 1997; Somers, 1995).
I. D FINITION DES EFFETS MDIATEURS ET MODRATEURS
En sciences sociales, les tudes de terrain, quelles soient bases sur lexprimentation, le
test des corrlations, les entretiens ou les questionnaires, apportent beaucoup plus que de
montrer la simple existence des phnomnes. Elles fournissent un aperu trs utile des
contextes dans lesquels ces phnomnes interviennent; elles donnent une estimation de la
force de ces phnomnes et des liens entre les variables; elles permettent de dtecter les effets
mdiateurs; et elles sont trs importantes pour identifier les variables individuelles et contex tuelles qui ont des effets modrateurs sur les phnomnes tudis (Taylor, 1998, p. 84). En
GRH, les variables mdiatrices et modratrices peuvent tre trs utiles pour analyser
limpact des pratiques gestionnaires sur les perceptions, les attitudes et les comportements des salaris. Ces variables intermdiaires amliorent la comprhension des processus liant les variables indpendantes ou explicatives (exp. Une nouvelle pratique de
rmunration) et les variables dpendantes ou expliques (exp. Comportements performants au travail). Au sein des variables intermdiaires ou intervenantes, la distinction entre les variables mdiatrices et les modratrices nest pas toujours nette. Certaines
recherches comportent des confusions entre les effets mdiateurs et modrateurs
(Holmbeck, 1997). Bien quils rsultent toujours de variables intermdiaires qui interviennent entre une variable indpendante et une variable dpendante, les effets mdiateurs doivent tre conceptuellement et analytiquement distingus des effets modrateurs. Baron et Kenny (1986) ont apport une contribution majeure la distinction
entre variables modratrices et variables mdiatrices. Dautres auteurs (Ambler, 1998;
1068
Arnold, 1982; James et Brett, 1984; MacKinnon, 2002; Sharma et al., 1981) ont aussi
particip la clarification de ces notions. Quelle que soit la mthode danalyse adopte, la dcision de considrer une variable comme tant mdiatrice ou modratrice doit
tre essentiellement base sur la pertinence des arguments conceptuels et la rigueur des
cadres thoriques.
Une variable modratrice est une variable qui agit essentiellement sur la relation
entre deux autres variables. Il sagit dune variable qui modifie systmatiquement la
grandeur, lintensit, le sens et/ou la forme de leffet de la variable indpendante sur la
variable dpendante (Sharma et al., 1981). Autrement dit, le lien observ entre les deux
variables sera diffrent en fonction des diffrents niveaux dune troisime variable dite
modratrice. Ce lien peut devenir plus fort ou plus faible; ou devenir ngatif alors quil
tait positif sans lintervention de la variable modratrice. titre dexemple, Fox et al.
(2001) ont montr que lanxit renforce le lien entre les facteurs de stress et les comportements productifs au travail. Allen et Griffeth (2001) ont constat que le lien entre
la performance perue et la satisfaction au travail passe du positif au ngatif selon que
les rcompenses sont contingentes ou non. Selon Baron et Kenny (1986, p. 1174), une
variable modratrice est une variable qualitative (exp. sexe, race, classe sociale) ou quan titative (exp. niveau de rcompense) qui influe sur la direction et/ou la force de la relation
entre la variable indpendante et la variable dpendante () Un effet modrateur lmen taire peut tre reprsent par une interaction entre une variable indpendante principale et
un facteur qui spcifie les conditions appropries de son impact sur la variable dpendante
() . Une variable modratrice est donc une variable de spcification qui dtermine
les conditions sous lesquelles leffet dune autre variable indpendante opre.
Gnralement, la variable modratrice interagit avec la variable indpendante pour
influencer la variable dpendante; par exemple linteraction entre la comptence et la
motivation dtermine le niveau de performance.
Si la variable modratrice spcifie quand et sous quelles conditions une relation entre
deux variables a-t-elle lieu, une variable mdiatrice spcifie comment et selon quel mca nisme une variable indpendante influence-t-elle une variable dpendante. Un effet
mdiateur lmentaire reprsente une squence causale hypothtique dans laquelle
une premire variable indpendante influe sur une seconde variable intermdiaire qui
influe son tour sur une variable dpendante. La variable mdiatrice permet-elle ainsi
dexpliquer comment sopre la relation entre la variable indpendante et la variable
dpendante, en dcomposant cette relation en effet direct et en effet indirect mdiatis (MacKinnon et al. 2002). Il sagit dune variable de processus qui transmet, compltement ou partiellement, limpact dune variable indpendante initiale sur une variable
dpendante. titre dexemple, Aryee et al. (2002) ont montr que les sentiments de
justice influent positivement la confiance lgard de lorganisation qui agit son tour
sur lengagement organisationnel. Selon Baron et Kenny (1986, p. 1173-1176), une
variable mdiatrice dfinit un mcanisme gnratif travers lequel une variable ind pendante principale est capable dinfluencer une variable dpendante donne () Une
1069
variable agit en tant que mdiatrice dans la mesure o elle rend compte de la relation entre
une variable indpendante et une variable dpendante () Alors que les variables modra trices spcifient quand certains effets interviennent, les variables mdiatrices dterminent
comment et pourquoi ces effets se produisent . Pour clarifier la diffrence entre les effets
mdiateurs et modrateurs (Figure1), Ambler (1998) a recours une mtaphore de systme de plomberie. La tuyauterie originale permet un passage direct (c) de leau entre
XP (variable indpendante principale) et Y (variable dpendante). Si lintroduction
dune nouvelle tuyauterie gnre le passage de leau par un point XM en deux chemins
(a) et (b) et plus par (c), XM est alors mdiatrice. Enfin si Z fonctionne comme une
valve qui rgule le flux deau entre XP et Y, alors Z est considre comme une variable
modratrice.
Figure1
LES EFFETS DES VARIABLES MDIATRICES ET MODRATRICES
Modle 1 : Effet mdiateur de XM
XP
Y
c
XP
XM
Y
c
XP
+
-
Le rle mdiateur dune variable XM gnre une dcomposition de leffet total (c) de la
variable indpendante XP sur la variable Y en un effet direct (c) et un effet indirect (ab).
tant donn que la variable mdiatrice ne peut pas vraisemblablement inverser le sens
de la relation entre XP et Y, (c) et (c) devraient toujours tre de mme signe; ou (c)
1070
devrait tre nul (Ambler, 1998; MacKinnon et al. 1995). En influant sur la direction
ou la forme de la relation entre X P et Y, le rle modrateur de la variable Z correspond
un effet dinteraction reprsent gnralement par le produit (XP * Z) qui devrait
avoir un effet significatif sur Y (Saunders, 1956; Zedeck, 1971). ce niveau, il importe dindiquer quil existe plusieurs types de variables mdiatrices et de variables modratrices. La prcision des diffrences entre ces types permet une meilleure comprhension conceptuelle et analytique des effets de variables intermdiaires. Ces diffrences
sont dautant importantes quelles requirent des dmarches danalyse statistiques distinctes.
II. TYPOLOGIE DES VARIABLES MDIATRICES ET MODRATRICES
Les variables intermdiaires constituent un ensemble vari de variables de spcification
ayant des effets distincts et des liens htrognes avec les autres variables indpendantes
et dpendantes. Les variables mdiatrices peuvent intervenir de manire intgrale ou
partielle pour transmettre limpact dune variable indpendante sur une variable dpendante (Baron et Kenny, 1986). Les variables modratrices peuvent diffrer dune part
selon limportance de leur interaction avec la variable indpendante, et dautre part
selon la nature de leur lien avec la variable dpendante (Sharma et al., 1981). Il existe
dautres effets hybrides et complexes tels que la mdiation modre dans laquelle une
quatrime variable W viendrait le lien entre la variable mdiatrice XM et la variable Y ;
ou la modration mdiatise dans laquelle la modration de la relation entre XP et Y
par la variable Z est mdiatise par une quatrime variable W (Ambler, 1998; Baron et
Kenny, 1986)3. Deux typologies sont retenues dans cette recherche: la typologie des
variables mdiatrices selon Baron et Kenny (1986) et la typologie des variables modratrices de Sharma et al. (1981).
Baron et Kenny (1986) distinguent deux types de mdiation: la mdiation par faite et la mdiation partielle. Dune manire gnrale et selon la figure1, leffet mdiateur existe lorsque la fois les variations du niveau de la variable dpendante influent
significativement les variations de la variable mdiatrice (a), et les variations du niveau
de celle-ci influent significativement sur la variable dpendante (b). Une variable
mdiatrice parfaite ou pure est une variable qui transmet intgralement limpact de la
variable indpendante sur la variable dpendante. Dans ce cas, leffet direct (c) sannule compltement avec lintroduction de la variable mdiatrice XM dans le modle.
__________
3. Lexpos et lanalyse de ces effets hybrides dpassent le cadre de cette recherche. Baron et
Kenny (1986) prsentent les dmarches analytiques adaptes lestimation de ces effets.
Dave MacKinnon prsente sur son site consacr aux variables mdiatrices des travaux
rcents et de nouvelles mthodes pour lanalyse des effets hybrides :
http://www.public.asu.edu/~davidpm/ripl/mediate.htm
1071
La variable dhomognisation est une variable modratrice qui influe sur lin-
1072
tensit de la relation entre XP et Y. Elle nest pas significativement relie aucune de ces
variables et, elle ninteragit pas avec XP. Elle affecte la force de la relation entre XP et Y
via le terme derreur: plus le terme derreur est grand, plus la relation est faible et vice versa.
Elle permet de subdiviser lchantillon total en sous-groupes homognes selon la variance
de lerreur; la validit prdictive reprsente par R2 est alors diffrente selon les sousgroupes (Zedeck, 1971). Une variable quasi-modratrice est une variable qui la fois influe
sur la variable dpendante Y (b2 non nul et significatif)4 et interagit avec la variable indpendante principale XP (b3 significatif ). Une variable modratrice pure ne doit avoir aucun
lien direct avec la variable dpendante Y. Elle interagit seulement avec la variable indpendante principale XP (Ambler, 1998 ; Baron et Kenny, 1986; Sauer et Dick, 1993). Les
variables quasi-modratrices et modratrices pures modifient surtout la forme de la relation
entre les variables XP et Y. La diversit des effets mdiateurs et modrateurs suppose une
adaptation continue des mthodes danalyse et destimation de ces effets.
III. D MARCHES DANALYSE DES VARIABLES MDIATRICES ET MODRATRICES
Nombre de dmarches mthodologiques ont t dveloppes pour la dtection et lestimation des effets mdiateurs et modrateurs. Les mthodes dquations structurelles
ont favoris le perfectionnement des procdures prouves et lmergence de nouvelles
procdures danalyse (Collins et al., 1998; Cortina et al., 2001; Li et al., 1998 ;
Moulder et Algina, 2002; Shrout et Bolger, 2002; Schumacker et Marcoulides, 1998).
Les apports de ces mthodes ltude des variables intermdiaires sont multiples :
Les variables mdiatrices et modratrices sont gnralement des construits hypothtiques, de nature psychologique, qui interviennent dans les relations entre dautres
variables. Il sagit donc de variables latentes dont le traitement est plus appropri par les
mthodes dquations structurelles (Roussel et al., 2002).
Plusieurs liens mdiateurs et modrateurs peuvent tre simultanment tests grce
aux mthodes dquations structurelles contrairement aux mthodes classiques de
rgression et danalyse de la variance (MacKinnon et al., 2002).
Les biais destimation, rsultant des erreurs de mesure, de la multicolinarit des
variables, des chelles de mesure ordinales, et parfois de la non normalit des distributions, sont rduits dans la mesure o les mthodes dquations structurelles intgrent
ces problmes dans lestimation (Jaccard et Wan, 1995; Kenny et al., 1998).
Les effets modrateurs, correspondant des liens non linaires, peuvent tre directement estims par des mthodes spcifiques, complexes mais trs fiables, dquations
structurelles (Jreskog et Yang, 1996 ; Yang Jonsson, 1998).
__________
4. Les thories psychomtriques ne considrent pas ce type de variable comme modratrice
partir du moment o elles ont un lien significatif avec la variable dpendante. Il nexiste
donc pour ces thories que des variables modratrices pures.
1073
Les tests de significativit et les infrences statistiques sont amliors grce aux
mthodes dquations structurelles qui permettent aussi de construire par bootstrap des
intervalles de confiance pour les effets mdiateurs et modrateurs estims (Shrout et
Bolger, 2002; Sobel, 1996).
Dmarches danalyse des effets mdiateurs: le modle de Baron et Kenny
MacKinnon et al. (2002) ont numr et compar quatorze mthodes danalyse des
effets mdiateurs. Ces auteurs distinguent trois grandes dmarches danalyse: (1) les
mthodes causales bases sur une srie de tests des liens dinfluence entre les diffrentes variables; (2) les mthodes de diffrences des coefficients qui consistent
comparer les coefficients de rgression avant et aprs lintroduction de la variable
mdiatrice; et (3) les mthodes de produit des coefficients qui permettent de
dcomposer et tester les effets direct et indirect. En dpit du dveloppement de nouvelles dmarches danalyse (Collins et al., 1998), les mthodes causalesrestent parmi
les plus utilises pour le test des effets mdiateurs. Elles reposent sur le modle propos par Baron et Kenny (1986)5 et renouvel par Kenny et al. (1998). Ce modle a
lavantage dexposer une dmarche simple, claire et suffisamment large pour intgrer les
autres mthodes de diffrences et produits des coefficients. En dpit des critiques relatives la faiblesse du pouvoir statistique de ce modle (MacKinnon et al., 2002), il reste
fortement recommand par les spcialistes des mthodes dquations structurelles
(Kline, 1998).
Baron et Kenny (1986) et Kenny et al., (1998) prsente une srie de quatre tests successifs et ncessaires pour tester leffet mdiateur dune variable XM dans le processus
dimpact de la variable indpendante XP sur la variable dpendante Y (Figure3) :
tape 1. Montrer que le lien entre la variable indpendante XP sur la variable dpendante Y est significatif afin de sassurer de lexistence dun impact mdiatiser. Dans la rgression de Y sur XP, le coefficient (c) doit tre donc significatif (Test de Student 1,96 ; p = 0,05).
tape 2. Montrer que la variable indpendante XP a un impact significatif sur la
variable mdiatrice XM considre alors comme une variable expliquer dans
une analyse de rgression de XM sur XP. Le coefficient (a) doit tre significatif.
tape 3. Montrer que le lien entre la variable mdiatrice XM et la variable dpendante
Y est significatif. Il sagit de faire une rgression de Y sur la fois XM et X P.
En contrlant X P, le coefficient (b) entre XM et Y doit rester significatif.
__________
5. La dmarche danalyse a t prsente au dpart pour les tudes exprimentales par C.M.
Judd et D.A. Kenny (1981), Process analysis: Estimating mediation in treatment evaluations, Evaluation Review, Vol. 5, pp. 602-619. Le site de David Kenny est consulter
ladresse suivante http://users.rcn.com/dakenny/mediate.htm
1074
tape 4. Pour tablir lexistence dune mdiation complte par XM, le coefficient (c)
liant X P et Y devenir nul, en contrlant XM. Il sagit de vrifier que c=0 en
prsence de X M, sinon la mdiation est partielle.
Selon Kenny et al. (1998 : 260), les quatre tapes doivent tre successivement assures
afin de montrer lexistence dun rle mdiateur intgral dune variable. Si seulement les
trois premires tapes sont vrifies, le rle mdiateur nest que partiel. Selon certains
auteurs (MacKinnon et al., 1995; 2002), la premire tape nest pas ncessaire tant
donn que leffet indirect est gal au produit (a*b) :
c c = ab 0 si a 0 et b 0
Les tapes 2 et 3 sont donc essentielles pour sassurer de lexistence du rle mdiateur.
Elles doivent tre compltes toutefois par une estimation du pourcentage de leffet de
mdiation et par des tests dinfrence et de signification statistique de cet effet. Selon
Ambler (1998), le pourcentage de leffet mdiateur par rapport leffet total est obtenu par le ratio ci-dessous, gal 100 % si la mdiation est totale (c=0) :
100 * ab / (ab + c) soit aussi 100 * ab / c
Afin de sassurer de la significativit de leffet mdiateur et de vrifier que les coefficients (a) et (b), Kenny et al. (1998) recommandent lutilisation du test de Sobel (1996)
afin de calculer lerreur standardise (sab) de leffet indirect (ab). Lerreur sab est obtenue
partir des erreurs standardises des coefficients (a) et (b), notes sa et s b. Il sinterprte selon la distribution dune loi normale. Le test est trs simple6 raliser et permet de
sassurer de la significativit du rle mdiateur.
Selon Kenny et al. (1998) numrent plusieurs difficults que le chercheur doit prendre
en considration dans lanalyse des effets mdiateurs7. Les principales difficults sont
lies la multicolinarit entre les variables indpendantes et les variables mdiatrices,
les erreurs de mesure et lomission dautres variables explicatives. Face ces difficults,
la dmarche causale de Baron et Kenny (1986) est conseille. En la comparant aux
autres dmarches, MacKinnon et al. (2002) estiment que cette dmarche possde de
trs faibles taux derreurs de type I (risque de se tromper en affirmant lexistence dun
effet mdiateur qui est en ralit faux). Afin damliorer la puissance de cette dmarche,
__________
6. Le test de signification de leffet indirect est de plus en plus intgr dans les logiciels dquations structurelles. Il se calcule aussi trs facilement sur le site suivant :
http://quantrm2.psy.ohio-state.edu/kris/sobel/sobel.htm
7. Certaines difficults telles que la nature proximale ou distale de la variable mdiatrice, le
caractre multi-niveaux des variables (individuelles et organisationnelles) sont aussi considrer.
1075
nombre dauteurs recommandent une plus grande rigueur dans la fiabilit des mesures
utilises, le recours des chantillons larges et lutilisation systmatique des mthodes
dquations structurelles pour les variables latentes (Kenny et al., 2002; MacKinnon et
al., 1995; 2002; Shrout et Bolger, 2002). MacKinnon et al. (2002 : 93) ont montr
que pour des effets mdiateurs de valeur moyenne (de lordre de 0,3 0,5), la puissance de la dmarche causale estimer validement les effets modrateurs samliore trs
sensiblement avec laugmentation de la taille de lchantillon, en passant respectivement de 0,5 pour un chantillon de 200 0,88 pour un chantillon de 500.
Figure 3
MODLE
DE
XP
Etape2 : Rgression de XM sur XP
(a) significatif
XM
XP
Etape3 : Rgression de Y sur XM et XP
(a) significatif
XP
(b) significatif
XM
(c)
Etape4 : Vrifier c=0 ou c< c ; vrifier a*b*c > 0 ; calculer a*b/c ; raliser le test de Sobel
1076
confiance, est plus fort que celui entre les caractristiques personnelles et la confiance. A
cet gard, lempouvoirement consiste crer un environnement de travail dans lequel les
salaris ont plus de responsabilit et dautorit pour agir (Leana et Florkowski, 1992).
Engags dans une relation dchange, les salaris se sentiraient valoriss et libres pour
mettre en uvre leurs comptences. Lempouvoirement est considr comme une marque
de confiance et de soutien organisationnel (Rodwell et al., 1998). Selon Mishra et Spreitzer
(1998), les pratiques dempouvoirement et denrichissement des tches permettent une
amlioration du sentiment de confiance et de la loyaut des salaris. Le sentiment que lorganisation reconnat la valeur et la comptence du salari agirait alors sur lidentification et
lattachement lorganisation. La confiance est donc reconnue comme un antcdent de
lengagement affectif (Nyhan, 1999). Lhypothse suivante peut donc tre formule:
Hypothse1 : Le sentiment de confiance organisationnelle a un rle mdiateur entre les
pratiques dempouvoirement et lengagement affectif lgard de lorganisation
Afin de tester le modle de la figure 4, un questionnaire a t administr auprs dun
chantillon de 305 salaris. La variable dempouvoirement a t mesure par quatre
items proposs par Tremblay et al. (2000). La confiance organisationnelle a t mesure par quatre items proposs par Nyhan et Marlowe (1997). Lengagement affectif a
t mesur par six items proposs par Meyer et Allen (1997). Les chelles utilises sont
des chelles de Likert cinq points. Avant de procder au test de leffet mdiateur de la
confiance par Lisrel 8.5, une srie danalyses a t ralise pour sassurer de la fiabilit
et de la validit des construits.
Figure 4
RLE MDIATEUR DU SENTIMENT DE CONFIANCE ORGANISATIONNELLE
Pratiques
dempouvoirement
Sentiment de
confiance
organisationnelle
Engagement
affectif
Ces diffrentes analyses ont permis dliminer certains items faiblement relis leur
construit de base. Suite une analyse factorielle et une analyse de la fiabilit, lempouvoirement, mesur par trois items, a un alpha de Cronbach de 0,78. La confiance organisationnelle, mesure par quatre items, a un alpha de 0,79. Les six items sont retenus
pour lengagement organisationnel avec un alpha de 0,86. La fiabilit de tous les
construits est donc satisfaisante. Une analyse factorielle confirmatoire a permis en outre
de sassurer de la validit convergente et discriminante des ces construits (Fornell et
Larcker, 1981; Roussel et al., 2002).
1077
Pour lapplication des quatre tapes du modle de Baron et Kenny (1986), une
srie de rgressions est ralise sous Simplis de Lisrel 8.5.
1) Tester la relation entre dune part la variable indpendante dempouvoirement,
et dautre part la variable dpendante dengagement affectif. La formulation de lanalyse sous Simplis est prsente en annexe (tape1). Les rsultats de cette premire analyse montrent que lempouvoirement influence positivement lengagement affectif (coef ficient non standardis gamma=0,40 ; T de Student=5,65). Lajustement de ce modle est
acceptable avec un chi-deux=41,276 pour un degr de libert (ddl) de 13; un
CFI=0,97 ; un NNFI=0,96 ; et un RMSEA=0,08. Lutilisation des indices GFI et AGFI
est dconseille parce que ces indices sont sensiblement biaiss par la non normalit et
la multicolinarit (Jreskog et Yang, 1996).
2) Tester la relation entre dune part la variable indpendante dempouvoirement,
et dautre part la variable mdiatrice de confiance lgard de lorganisation. Les rsultats de cette deuxime analyse montrent que la confiance organisationnelle est positivement et significativement influence par les pratiques dempouvoirement
(gamma=0,62 ; T de Student=7,12). Lajustement de ce modle est satisfaisant avec un
chi-deux=35,56 pour un ddl=8 ; un CFI=0,96 ; un NNFI=0,94 ; et un RMSEA=0,09
avec un intervalle allant de 0,04 0,16. La formulation de lanalyse sous Simplis est
prsente en annexe (tape2).
3) Tester la relation entre dune part la variable indpendante dempouvoirement,
et dautre part la variable dpendante dengagement affectif, en ajoutant la variable
mdiatrice de confiance organisationnelle. La formulation de lanalyse sous Simplis est
prsente en annexe (tape 3). Les rsultats de cette troisime analyse sont prsents
dans la figure 5. Ils montrent que la variable indpendante dempouvoirement influence positivement la variable mdiatrice de confiance organisationnelle (coefficient non
standardis gamma=0,56 ; T de Student=6,86). La confiance influence positivement
son tour lengagement affectif (bta=0,57 ; T de Student=7,55). Les indices dajustement de ce modle sont trs satisfaisants avec un chi-deux=100,32 pour un ddl=32 ;
un CFI=0,96 ; un NNFI=0,94 ; et un RMSEA=0,08. Le rle mdiateur de la confiance organisationnelle est donc vrifi.
4) La dernire tape de la dmarche de Baron et Kenny permet de vrifier la nature partielle ou complte de la mdiation en examinant la significativit des liens directs
entre la variable indpendante dempouvoirement et celle dpendante dengagement
affectif. Il faut aussi sassurer de la significativit de leffet mdiateur en utilisant le test
de Sobel. La figure5 montre que le lien entre lempouvoirement et lengagement nest
plus significatif aprs lintroduction de la variable mdiatrice alors quil ltait lors de la
premire tape de la dmarche de Kenny et Baron (gamma tait de 0,40 avec T de
Student=5,65). La mdiation par la confiance organisationnelle est donc complte entre
lempouvoirement et lengagement affectif.
1078
1079
Lanalyse des effets modrateurs peut aussi tre ralise par des analyses multigroupes. Les groupes sont constitus selon les diffrents niveaux de la variable modratrice. Une analyse par rgression est alors applique chaque groupe. Si les estimations
des coefficients sont diffrentes entre les groupes, leffet modrateur est tabli
(MacKenzie et Spreng, 1992; Sharma et al., 1981). Le changement du coefficient de
dtermination R 2 selon lappartenance aux groupes suggre aussi la prsence dun effet
modrateur. La constitution des groupes en cas de variable dichotomique (binaire, exp.
sexe) est simple. Lorsque la variable modratrice est continue ou ordinale, la division
en groupes se fait par la transformation de cette variable en variable dichotomique selon
les ples extrmes, gnralement selon la valeur mdiane9 (exp. Groupe1: individus
faible implication, groupe 2: individus forte implication). Les analyses multi-groupes
ont lavantage dtre simples et robustes. Elles ont toutefois deux limites: (1) la dichotomisation des variables modratrices pour constituer les groupes gnre une perte dinformation importante; (2) le partage de lchantillon en sous-groupes rduit la taille de
lchantillon gnralement modeste dans les recherches en GRH (Russell et Bobko,
1992; Stone-Romero et Anderson, 1994). Ces mthodes sont surtout adaptes aux
variables modratrices nominales et mesures sans erreur. Le recours aux mthodes
dquations structurelles permet damliorer leur utilisation (Rigdon et al., 1998).
Afin de dpasser les limites des analyses multi-groupes classiques, certains auteurs
ont dvelopp une mthode de rgression multiple hirarchique, adapte lanalyse des
effets dinteraction et appele rgression multiple modre (Aiken et West, 1991 ;
Jaccard et al. 1990; Saunders, 1956; Zedeck, 1971). Afin danalyser leffet modrateur
dune variable Z sur la relation entre une variable indpendante XP et une variable
dpendante Y, le produit des deux variables (XP * Z), qui reprsente leffet non linaire dinteraction, est dabord calcul. Deux rgressions sont alors testes10. La premire
est un test des effets principaux de XP et Z sur Y. La seconde rgression est ralise aprs
lintroduction du terme multiplicatif (X P * Z).
Y = a + b1 XP + b2 Z
Y = a + b1 XP + b2 Z+ b3 XP * Z
Le rle modrateur de Z est tabli si le coefficient b3 est statistiquement significatif. Le coefficient de dtermination R2 de la seconde rgression devrait aussi tre
meilleur que celui de la premire rgression afin de montrer que lajout de leffet modrateur amliore la validit prdictive du modle (Aiken et West, 1991). En dpit de son
succs (Cortina, 1993), la rgression multiple modre peut avoir une faible puissance
__________
9. Une mthode moins arbitraire de transformation dune variable continue en variable catgorique est effectue laide du logiciel SPSS 11 (rubrique : Transformer / Discrtiser
variables).
10. Pour un objectif de simplicit, le terme (a) comprend la fois lintercept et lerreur de
rgression.
1080
pour dtecter et estimer leffet modrateur dans les cas suivants: faible fiabilit des
mesures, utilisation de variables dichotomiques, forte multicolinarit entre les
variables et faible taille de lchantillon tudi (Aguinis, 1995; Aguinis et StoneRomero, 1997; Busemeyer et Jones, 1983; Cortina, 1987; Russel et Bobko, 1992).
Pour dpasser les limites de la rgression multiple modre, certains auteurs (Jaccard et
Wan, 1995; McClelland et Judd, 1993) ont mis laccent sur lintrt dutiliser cette
dmarche multiplicative avec les mthodes dquations structurelles. Kenny et Judd
(1984) ont dvelopp un modle danalyse des effets non linaires dinteraction, inspir de la rgression multiple modre et, adapt aux variables latentes. Ce modle fondateur est bas sur la dmarche de produit des indicateurs des variables latentes en
interaction, savoir la variable explicative et la variable modratrice (Schumacker et
Marcoulides, 1998). Selon cette approche, lanalyse du rle modrateur est faite par
lajout dun effet dinteraction reprsent par une nouvelle variable latente mesure par
le produit des indicateurs des variables en interaction. La nouvelle variable (XP * Z) est
mesure par le produit des indicateurs de XP et Z. Si limpact de cette nouvelle variable
latente sur Y est significatif, leffet modrateur est dmontr.
partir du modle de Kenny et Judd (1984), plusieurs procdures danalyse des
effets dinteraction ont t dveloppes par les spcialistes des mthodes dquations
structurelles; chacune prsentant des forces et des faiblesses en termes de complexit et
de prcision (Cortina et al., 2001; Moulder et Algina, 2002; Schumacker et
Marcoulides, 1998). Les procdures les plus connues sont celle de Jaccard et Wan
(1995), celle de Jreskog et Yang (1996) et celles de Ping (1995, 1996b). En dpit de
leur grande rigueur, les deux premires procdures restent trs complexes. La prsence
de nombreuses contraintes non linaires dans ces procdures gnrent des problmes de
convergence des modles tests. Les procdures de Jaccard et Wan (1995) et de Jreskog
et Yang (1996) ne peuvent pas aussi tre utilises avec des logiciels conviviaux tels que
Simplis de Lisrel 8, Amos 4 et EQS 6, tant donn ces logiciels ne traitent que les relations linaires (Cortina et al., 2001; Schumacker et Marcoulides, 1998). La procdure
recommande dans cette recherche est base sur les travaux de Ping (1995, 1998). Cette
procdure prsente plusieurs avantages. Elle limite le nombre de paramtres estims en
mesurant leffet dinteraction (XP * Z) par un seul indicateur gal au produit des
sommes des indicateurs de XP et Z. Elle peut tre utilise avec tous les logiciels des
mthodes dquations structurelles, tant donn quelle remplace les contraintes non
linaires par des valeurs fixes partir des rsultats de lanalyse factorielle confirmatoire pralablement ralise 11. Outre sa simplicit relative, la procdure de Ping (1995) a
la mme rigueur que les autres dmarches danalyse des effets dinteraction (Cortina et
al., 2001).
__________
11. Robert Ping a dvelopp plusieurs mthodes danalyse des effets modrateurs. Lensemble
de ces mthodes est prsent sur son site: http://www.wright.edu/~robert.ping/research1.htm
1081
La mthode de Ping (1995, 1998) repose sur une dmarche danalyse en deux
tapes dAnderson et Gerbing (1988): la premire consiste en une analyse factorielle
confirmatoire permettant de sassurer de la validit du modle de mesure ; la seconde
consiste en un test des relations entre les variables latentes. Ping (1995) recommande
dutiliser les rsultats de lanalyse factorielle confirmatoire pour calculer lindicateur de
leffet dinteraction, ainsi que sa contribution factorielle et lerreur de variance. Les
valeurs obtenues sont fixes lors de la seconde tape destimation des liens entre les diffrentes variables (Figure 6). Lestimation des effets modrateurs par la procdure de
Ping (1995) consiste mettre en uvre les tapes suivantes:
tape 1. Raliser une analyse factorielle confirmatoire comportant les variables XP et Z,
ainsi que les autres variables du modle, afin de dterminer les contributions factorielles des diffrents indicateurs xi et zj, et les termes derreurs xi et zj. La
dmarche danalyse est itrative et sarrte lorsque les indices dajustement sont
acceptables, exemple CFI 0,90 ; RMSEA 0,08 (Roussel et al. 2002).
tape 2. Centrer tous les indicateurs des variables du modle, en soustrayant de chaque
valeur la moyenne de la variable. Cette opration permet de rduire la multicolinarit entre XP et Z et leur produit (XP * Z). Plusieurs auteurs ont montr que
pour limiter la multicolinarit entre les variables explicatives et leur produit,
toutes les variables doivent tre centres en retranchant leur moyenne des donnes brutes. (Aiken et West, 1991; Cortina et al. 2001; Jaccard et al. 1990).
tape 3. Calculer lindicateur du terme dinteraction (XP * Z). Lindicateur de leffet dinteraction, reprsentant le rle modrateur est obtenu en faisant le produit des
sommes des indicateurs de la variable explicative et de la variable modratrice (xi
* zj). La contribution factorielle xz et lerreur xz de leffet dinteraction sont calcules par les quations suivantes (quations 4 et 5 de Ping 1995), avec xi et zj les
loadings des indicateurs et, xi et zj leurs termes derreur (tape1) :
xz = xi * zj
2
xz = (xi) * VAR (x) * (zj) + ( zj)2 * VAR (z) * (xi) + ( xi) * ( zj).
tape 4. Tester le modle structurel permettant destimer les coefficients b1 et b 2, liant
XP et Z la variable dpendante Y : (Y = a + b1 XP + b2 Z).
tape 5. Tester le modle structurel en intgrant le produit (XP * Z), en fixant sa contribution factorielle xz et son erreur xz (tape3). Cette tape permet destimer
la significativit du coefficient b3 mesurant leffet modrateur (Y = a + b 1 XP +
b2 Z+ b3 XP * Z).
tape 6. Sassurer que lintgration du produit (XP * Z) ne dtriore lajustement du
modle, et plutt amliore son pouvoir prdictif (R2). Leffet modrateur est valu par la significativit et le signe du coefficient b3 (Schumacker et Marcoulides,
1998).
1082
Figure 6
PROCDURE DE PING (1995) POUR LANALYSE DES VARIABLES MODRATRICES
_xi
x2
y1
XP
b1
xi
z1
y2
yk
_zj
b2
z2
b3
Z
zj
XP * Z
_xz
(x1+x2+.+xi) * (z1+z2++zj)
_xz
1083
Intention de
dpart
Engagement
normatif
Ligne en pointill : Effet modrateur
1084
1085
lerreur de variance du terme multiplicatif (engagement affectif x engagement normatif). Les rsultats de cette analyse ont permis de retenir respectivement deux
items pour la mesure de chacune des dimensions de lengagement. Trois items,
mesurant lintention de dpart, ont t maintenus. Lajustement du modle de
mesure est acceptable avec un chi-deux=39,688 pour un ddl=20 ; un CFI=0,98 ; un
NNFI=0,97 ; et un RMSEA=0,05.
5) Selon Ping, leffet dinteraction (engagement affectif x engagement normatif) est
mesur par un seul indicateur qui est le produit des sommes respectives des indicateurs de la variable indpendante (engagement affectif) et de la variable modratrice (engagement normatif). partir des rsultats non standardiss de lanalyse factorielle confirmatoire prcdente (Schma 8), il est possible de calculer le loading jj
et lerreur jj du terme dinteraction selon les quations susmentionnes (tape3 de
la dmarche de Ping) 13 :
jj=4,097 et jj=6,741
6) Test du modle structurel comportant la variable indpendante (lengagement
affectif), la variable modratrice (engagement normatif), leffet dinteraction (engagement affectif x engagement normatif), et la variable dpendante (lintention de
dpart). Les termes calculs jj et jj sont fixs lors de cette analyse. La formulation de lanalyse sous Simplis est prsente en annexe. Les rsultats du test montrent
que lengagement affectif a un impact ngatif sur lintention de dpart (gamma=0,57 ; T de Student=-6,77). Lengagement calcul na pas dimpact direct significatif
sur cette intention de quitter lorganisation. Le produit (engagement affectif x engagement normatif) a un impact positif significatif sur lintention de dpart
(gamma=0,13 ; T de Student=2,29). Le produit (engagement calcul x engagement
normatif) ne semble pas avoir dimpact significatif. Lengagement normatif a aussi
un impact ngatif direct sur lintention de dpart (gamma=-0,19 ; T de Student=2,90), en plus de son effet modrateur de limpact de lengagement affectif. Selon la
typologie de Sharma et al. (1981), lengagement normatif peut tre considr
comme une variable quasi-modratrice. Lajustement du modle structurel est excellent avec un chi-deux=95,36 pour un ddl=35 ; un CFI=0,96 ; un NNFI=0,93 ; et
un RMSEA=0,075. Le coefficient de dtermination R2 pour lintention de dpart
est gal 0,52. Il est considr trs bon. Leffet modrateur de lengagement normatif sur la relation entre lengagement affectif et lintention de dpart est donc
vrifi dans cette tude. En examinant le signe positif du coefficient gamma, liant le
produit (engagement affectif x engagement normatif) et lintention de dpart, il
__________
13. Les loadings, les termes derreurs et les variances, utiliss pour le calcul de jj et jj sont
donns par les matrices Lambda X et Phi, dans loutput Lisrel. jj=(1+0,97) *
(1+1,08)=4,0976 ; j=(1+0,97)2 * 0,793 * (0,24+0,12) + (1+1,08) 2 * 0,755 * (0,21+0,26)
+ (1+0,97) * (1+1,08)=6,74074.
1086
semble que lengagement normatif rduise leffet ngatif de lengagement affectif sur
lintention de dpart, allant dans le sens dune relation de substitution dans le profil de lengagement. Mme si le coefficient semble faible (gamma=0,13), leffet
modrateur est accept 14.
Figure 8
RSULTATS DE LANALYSE DES EFFETS MDIATEURS ET MODRATEURS
Engagement
affectif
Engagement
normatif
E. Affectif
X
E. Normatif
-0,57
(0,064)
(T=-6,77)
-0,19
(0,053)
(T=-2,90)
Intention de
dpart
0,13
(0,033)
(T=2,29)
RMSEA = 0,075
CFI = 0,96
NNFI = 0,93
GFI = 0,94
Le dveloppement continu des thories en GRH suscite un intrt croissant pour les
rles des variables mdiatrices et modratrices. Lamlioration des mthodes danalyse
et destimation de ces variables semble ncessaire. La dtection exacte des effets mdiateurs et modrateurs a toujours t difficile et complexe (Zedeck, 1971). Les mthodes
dquations structurelles peuvent apporter une grande rigueur et flexibilit lanalyse
de ce type de variables (Kenny et al. 1998; McClelland et Judd, 1993; Schumacker et
Marcoulides, 1998). Afin de tirer avantage de cet apport, plusieurs prcautions doivent
tre prises en compte lors des analyses des effets mdiateurs et modrateurs :
Le choix dune dmarche danalyse est ncessaire compte tenu de la complexit
des effets tudis. Deux dmarches ont t prsentes et dtailles dans cette communication. Le modle de Baron et Kenny (1986) propose une dmarche rigoureuse et
__________
14. McClelland et Judd (1993) ont mis laccent sur la difficult de dtecter les effets dinteraction, dont la grandeur est souvent faible.
1087
1088
BIBLIOGRAPHIE
Aguinis H. (1995), Statistical Power Problems with Moderated Multiple Regression in
Management Research, Journal of Management, vol. 21 (6), pp. 1141-1158.
Aguinis H., Stone-Romero E.F. (1997), Methodological Artifacts in Moderated Multiple
Regression and their Effects on Statistical Power, Journal of Applied Psychology, 82, 1,
pp. 192-206.
Aiken L.S., West S.G. (1991), Multiple Regression : Testing and Interpreting Interactions,
Newbury Park, CA: SAGE Publications.
Allen D.G., Griffeth R.W. (2001), Test of a Mediated Performance-Turnover Relationship
Highlighting the Moderating Roles of Visibility and Reward Contingency, Journal of
Applied Psychology, vol. 86, pp. 1014-1021.
Allen N.J. & Meyer J.P. (1990), The measurement and antecedents of affective, continuance and normative commitment to the organization, Journal of Occupational
Psychology, Vol. 63, pp. 1-18.
Allen N.J. & Meyer J.P., (1996), Affective, continuance and normative commitment to
the organization: An examination of construct validity, Journal of Vocational Behavior,
Vol. 49, pp. 252-276.
Ambler T. (1998), Mediation and Moderation: Roles and Tests, PanAgra Workin Paper,
n 98-904, London Business School.
Anderson J.C., Gerbing D.W. (1988), , Structural Equation Modeling in Practice: A
Review and Recommended Two-Step Approach. Psychological Bulletin, 103, pp. 411423.
Arnold H.J. (1982), Moderator Variables: A clarification of conceptual, analytic and psychometric issues, Organizational Behavior and Human Performance, vol. 29, pp. 143174.
Ayree S., Budhwar P.S., Chen Z.X. (2002), Trust as a mediator of the relationship between
organizational justice and work outcomes, Journal of Organizational Behavior, 23,
pp. 267-285.
Baron R.M. et Kenny D.A. (1986), The Moderator-Mediator Variable Distinction in
Social psychological Research: Conceptual, Strategic, and Statistical Considerations,
Journal of Personality and Social Psychology, 51, 6, pp. 1173-1182.
Bing M.N., Burroughs S.M. (2001), The predictive and interactive effects of equity sensitivity in teamwork-oriented organizations, Journal of Organizational Behavior, 22,
pp. 271-290.
Busemeyer J.R., Jones L.E. (1983), Analysis of Multiplicative Combination Rules When
the Causal Variables are Measured With Error. Psychological Bulletin, 93, pp. 549-562.
Brockner J., Siegle P.A., Daly J.P., Tyler T. et Martin C. (1997), When Trust Matters : The
1089
1090
Jaros S.J. (1997), An assessment of Meyer and Allens (1991) three component model of
organizational commitment and turnover intentions, Journal of Vocational Behavior,
51, pp. 319-337.
Jreskog K.G. Yang F. (1996), Nonlinear Structural Equation Models : The Kenny and
Judd Model with Interaction Effects, G.A. Marcoulides, R.E. Schumacker, (Eds.),
Advances in Structural Equation Modeling Techniques, Hillsdale, NJ: LEA, pp. 57-88.
Jreskog K.G., Srbom D., Du Toit S. et Du Toit M. (1999), LISREL 8: New Statistical
Feature, Chicago, IL: Scientific Software International Inc.
Kenny D., Kashy D.A., Bolger N. (1998), Data Analysis in Social Psychology, In D.T.
Gilbert, S.T. Fiske, G. Gardner, The Handbook of Social Psychology, 4th ed., Boston,
Oxford University Press, pp. 233-265.
Kenny D., Judd Ch.M. (1984), Estimating the Nonlinear and Interactive Effects of Latent
Variables. Psychological Bulletin, 96, pp. 201-210.
Kline R.B. (1998), Principles and Practices of Structural Equation Modeling, New York,
Guilford.
Lam S.S., Schaubroeck J., Ayree S. (2002), Relationship between organizational justice
and employee work outcomes: a cross-national study, Journal of Organizational
Behavior, 23, pp. 1-18.
Leana C., Florkowski G., (1992), Employee Involvement Programs : Integrating
Psychological Theory and Management Pratice. Research in Personnel and Human
Ressources Management, Vol.10, pp. 233-270.
Li F., Harmer, P., Duncan T.E., Duncan S.C., Acock A., Boles S. (1998), Approaches to
Testing Interaction Effects Using Structural Equation Modeling Methodology,
Multivariate Behavioral Research, Vol. 33 (1), pp. 1 39.
Lockwood Ch.M., MacKinnon D.P. (1998), Bootstrapping the standard error of the
mediated effect, Working Paper, Annual Meeting, SAS Users Group International site.
MacKenzie S.B., Spreng R.A. (1992), How does Motivation Moderate the Impact of
Central and Peripheral Processing on Brand Attitudes and Intentions, Journal of
Consumer Research, 18, March, pp. 519-529.
MacKinnon D.P., Dwyer J.H. (1993), Estimating Mediated Effects in Prevention
Studies, Evaluation Review, 17, pp. 144-158.
MacKinnon D.P., Lockwood Ch.M., Hoffman, J.M, West S.G, Sheets V. (2002), A
Comparison of Methods to Test Mediation and Other Intervening Variable Effects,
Psychological Methods, vol. 7 (1), pp. 83-104.
MacKinnon D.P., Warsi, G.., Dwyer J.H. (1995), A Simulation Study of Mediated Effects
Measures, Multivariate Behavioral Research, vol 30 (1), pp. 41-62.
McClelland G. H., Judd C. M. (1993), Statistical Difficulties of Detecting Interactions
and Moderator Effects. Psychological Bulletin, 114 (2), pp. 376-390.
Meyer J.P., Allen N.J., (1997), The commitment in the workplace: Theory, research, and
application. London, Sage Pulications.
1091
1092
Rodwell J., Kienzle R., Shadur M. (1998), The Relationship Away Work Related
Perceptions, Employee Attitudes, and Employee Performance : The Integral Role of
Communication. Human Resource Management, 37, pp. 277-293.
Roussel P., Durrieu F., Campoy E., El Akremi A., (2002), Mthodes dquations structurelles:
recherches et application en gestion, Paris, Economica.
Russel C.J. Bobko P. (1992), Moderated Regression Analysis and Likert Scales: Too coarse for comfort, Journal of Applied Psychology, 77, 2, pp. 336-342.
Sauer P.L., Dick A. (1993), Using Moderator Variables in Structural Equation Models,
Advances in Consumer Research, vol. 20, pp. 637-640.
Saunders D.R. (1956), Moderator variables in prediction, Educational and Psychological
Measurement, vol. 16, pp. 209-222.
Schermelleh-Engel K., Klein A., Moosbrugger H. (1998), Estimating Nonlinear Effects
Using a Latent Moderated Structural Equations Approach. In R.E. Schumacker et
G.A. Marcoulides (Eds), Interaction and Nonlinear Effects in Structural Equation
Modeling, London, Lawrence Erlbaum Associates Publishers, pp. 203-238.
Schumacker R.E. (2002), Latent Variable Interaction Modeling, Structural Equation
modeling, 9, 1, pp. 40-54.
Schumacker R.E. et Marcoulides G.A. (1998), Interaction and Nonlinear Effects in
Structural Equation Modeling, London, Lawrence Erlbaum Associates.
Sharma S., Durand R.M. and Gur-Arie O. (1981), Identification and Analysis of
Moderator Variables, Journal of Marketing research, 18, August, pp. 291-300.
Shrout P.E., Bolger N. (2002), Mediation in Experimental and Nonexperimental Studies :
New Procedures and Recommendations, Psychological Methods, vol. 7, n 4, pp. 422445.
Snape E., Redman T., (2003), An Evaluation of a Three-Component Model of
Occupational Commitment : Dimensionality and Consequences Among United
Kingdom HRM Specialists, Journal of Applied Psychology, 88, 1, pp. 152-159.
Snell S.A., Dean J.W. (1994), Strategic Compensation for Integrated Manufacturing : The
moderating effects of jobs and organizational inertia, Academy of Management Journal,
37, pp. 1109-1140.
Sobel M.E. (1996), An Introduction to Causal Inference. Sociological Methods and
Research, 24, pp. 353-379.
Somers M.J. (1995), Organizational Commitment, turnover, and absenteeism: An examination of direct and interaction effects, Journal of Organizational Behavior, Vol. 16,
pp. 49-58.
Stone E.F., Hollenbeck J.R. (1989), Clarifying Some Contriversial Issues Surrounding
Statistical Procedures for Detecting Moderator Variables. Journal of Applied Psychology,
74, 1, pp. 3-10.
1093
Stone-Romero E.F., Anderson L.E. (1994), Relative Power of Moderated Regression and
Comparison of Subgroup Coefficients for Detecting Moderating Effects. Journal of
Applied Psychology, 79, 3, pp. 354-359.
Taylor S.E. (1998), The Social Being in Social Psychology, In D.T. Gilbert, S.T. Fiske,
G. Gardner, The Handbook of Social Psychology, 4th ed., Boston, Oxford University
Press, pp. 58-95.
Tremblay M., Guay P., Simard G. (2000), Organizational Commitment and Extra-behaviors : The Influence of Human Resource Practices, Working Paper Series #2000s-24,
CIRANO, Montreal, Canada, 24 p.
Vanderberghe, C. (2003), Application of the three-component model to China: Issues and
perspectives, Journal of Vocational Behavior, 62, p. 516-523.
Yang Jonsson F. (1998), Modeling Interaction and Nonlinear Effects: A step by step Lisrel
example, In R.E. Schumacker et G.A. Marcoulides (Eds), Interaction and Nonlinear
Effects in Structural Equation Modeling, London, Lawrence Erlbaum Associates, pp. 1742.
Yung Y.F., Bentler P.M. (1996), Bootstrapping techniques in analysis of mean and covariance structures, In G.A. Marcoulides et R.E. Schumacker (Eds.), Advanced Structural
Equation Modeling, Lawrence Erlbaum Associates, London, pp. 195-226.
Zedeck S. (1971), Problems with the use of moderator variables, Psychological Bulletin,
vol. 76, pp. 295-310.
1094
Annexes
PROGRAMMES SIMPLIS SOUS LISREL 8.5
Test des effets mdiateurs par la dmarche de Baron et Kenny (1986)
Etape (1) de la dmarche
Structural Model Mediators step 1 Empouvoirement - Engagement
Structural model step1 Empower Commitment
Observed Variables: engaff1 engaff2 engaff3 engaff4 empower1 empower2 empower3
Covariance Matrix from File C:\lisrel850\TRUST\MED5.cov
Sample Size=305
Latent Variables: AFFECT EMPOWER
Relationships :
engaff1=1*AFFECT
engaff2 engaff3 engaff4=AFFECT
empower1=1*EMPOWER
empower2 empower3=EMPOWER
AFFECT=EMPOWER
Options: ND=3 AD=OFF IT=100
Lisrel Output: SS SC SE RS TV EF MI FS MR
Path Diagram
End of Problem
Etape (2) de la dmarche
Structural model Mediators step 2 Empouvoirement - Confiance
Observed Variables: confia1 confia2 confia3 empower1 empower2 empower3
Covariance Matrix from File C:\lisrel850\TRUST\MED6.cov
Sample Size=305
Latent Variables : TRUST EMPOWER
Relationships :
confia1=1*TRUST
confia2 confia3=TRUST
empower1=1*EMPOWER
empower2 empower3=EMPOWER
TRUST=EMPOWER
Options: ND=3 AD=OFF IT=100
Lisrel Output: SS SC SE RS TV EF MI FS MR
Path Diagram
End of Problem
Etape (3) de la dmarche
Structural model step3 Empouvoirement Confiance Engagement
Observed Variables: engaff1 engaff2 engaff3 engaff4 confia1 confia2 confia3 empower1 empower2
empower3
Covariance Matrix from File C:\lisrel850\TRUST\MED7.cov
Sample Size=305
Latent Variables: AFFECT TRUST EMPOWER
Relationships :
engaff1=1*AFFECT
1095
1096
engnor2=ENGNORMA
interac1=4,097*AFFXNORM
interac2=3,848*CALXNORM
intdep1=1*INTDEP
intdep2 intdep3=INTDEP
INTDEP=ENGAFFECT ENGCALCUL ENGNORMA AFFXNORM CALXNORM
Set the Error Variance of interac1 Equal to 6,741
Set the Error Variance of interac2 Equal to 6,683
Set the Error Variance of engcal1 Equal to 0,05
Set the Error Covariance between intdep1 and intdep3 Free
Set the Correlation between AFFXNORM and ENGAFFECT Equal to 0
Set the Correlation between AFFXNORM and ENGNORMA Equal to 0
Set the Correlation between CALXNORM and ENGCALCUL Equal to 0
Set the Correlation between CALXNORM and ENGNORMA Equal to 0
Options: ND=3 AD=OFF IT=100
Lisrel Output: SS SC SE RS TV EF MI FS MR
Path Diagram
End of Problem