2003elakremi Roussel045

ANALYSE DES VARIABLES MODRATRICES
ET MDIATRICES PAR LES MTHODES DQUATIONS

STRUCTURELLES: APPLICATIONS EN GRH
EL AKREMI ASSAD*, R OUSSEL PATRICE**
Rsum. Le dveloppement continu et novateur des thories en GRH rvle un intrt

croissant pour les variables intermdiaires, mdiatrices et modratrices. La dtection et lestimation des effets de ces variables de spcification ont souvent but sur les lacunes et les
difficults des mthodes existantes. Les mthodes dquations structurelles, dont lutilisation en GRH ne cesse de se dvelopper, offrent des dmarches pertinentes, rigoureuses et
flexibles pour lanalyse des variables intermdiaires. Lobjectif de cette communication est
de clarifier les concepts de variables mdiatrices et modratrices, didentifier les mthodes
dexistantes pour leur analyse, et de prsenter deux dmarches destimation bases sur les
travaux de Baron et Kenny (1986), Kenny et Judd (1984) et Ping (1995). Deux illustrations
utilisant les mthodes dquations structurelles sont exposes. Les recommandations pour
lanalyse des effets mdiateurs et modrateurs sont enfin formules.
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
EL AKREMI ASSAD, ROUSSEL PATRICE
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-
ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES
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
Lapport des mthodes dquations structurelles semble indniable dans la mesure o

leurs rigueur et performances statistiques sont appropries pour dtecter et mesurer des
effets aussi complexes et insaisissables (Zedeck, 1971) que ceux des effets modrateurs. Ces mthodes sont particulirement adaptes aux variables intermdiaires
latentes, construits thoriques non directement mesurables. La convivialit croissante
des logiciels et leur perfectionnement continu encouragent les chercheurs en GRH
recourir ces mthodes.
Lanalyse des variables intermdiaires, surtout modratrices, par les mthodes
dquations structurelles a connu un dveloppement soutenu depuis la publication de
larticle de Kenny et Judd en 1984. Le modle de Kenny et Judd propose une
dmarche danalyse des effets dinteraction entre des variables latentes mesures par des
indicateurs observs. Il est lorigine de plusieurs autres dmarches spcifiques aux
effets modrateurs pour ces variables non directement observables et mesurables. Pour
les effets mdiateurs, Baron et Kenny (1986) et Kenny et al. (1998) proposent une
dmarche squentielle qui est trs adapte une analyse par les mthodes dquations
structurelles. Les dmarches danalyse des variables intermdiaires par les mthodes
dquations structurelles se sont multiplies et amliores (Collins et al. 1998; Cortina
et al., 2001 ; Moulder et Algina, 2002 ; Schumacker et Marcoulides, 1998).
Nanmoins, ces dmarches restent peu utilises en sciences sociales en gnral et en gestion des ressources humaines en particulier. Diverses raisons peuvent expliquer la faible
utilisation de ces mthodes avances danalyse en dpit de limportance croissante des
variables mdiatrices et modratrices dans les modles de recherche. Celles-ci semblent
tre encore peu connues par les chercheurs en GRH. Malgr la convivialit croissante
des logiciels de mthodes dquations structurelles, certaines mthodes demeurent
complexes et trs difficiles mettre en uvre, surtout pour le test des effets non
linaires, titre dexemple par la mthode de Jreskog et Yang (1996). Face la multiplication des mthodes, le chercheur en GRH ne dispose pas de critres pour choisir la
mthode adapte son tude. La persistance de confusions conceptuelles et thoriques
renforce aussi les difficults mthodologiques dans lanalyse des variables mdiatrices et
modratrices. Force est de rappeler que quelles que soient la sophistication et la performance des mthodes statistiques, la clart et la rigueur conceptuelles et thoriques
sont primordiales.
Cette communication a-t-elle ainsi plusieurs objectifs. Le premier consiste clarifier les notions de variables mdiatrices et modratrices, mettre laccent sur leurs diffrences et exposer leurs diffrents types. cet gard, les dfinitions et les typologies
proposes par Baron et Kenny (1986) et par Sharma et al., (1981) seront prsentes. Le
deuxime objectif est de rappeler les principales dmarches mthodologiques utilises
pour lanalyse des variables mdiatrices (effets linaires) et des variables modratrices
(effets non linaires). Les dmarches ayant recours aux mthodes dquations structurelles sont succinctement prsentes et compares sur la base de travaux rcents
(Cortina et al., 2001; MacKinnon et al. 2002; Moulder et Algina, 2002). Le troisime
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
Modle 2 : Effet modrateur de Z

Y
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
Statistiquement, il y a mdiation parfaite lorsque le lien entre XP et Y, prcdemment

significatif, ne lest plus en contrlant les effets (a) et (b). Selon MacKinnon et al.
(1995), leffet mdiateur indirect est obtenu en calculant le produit (a * b) :
c c = a * b
Mdiation parfaite: c = 0 et c = ab
Une mdiation parfaite signifie lexistence dune seule variable intermdiaire
dominante. Or, en GRH, il y a souvent plusieurs variables qui interviennent en mme
temps pour expliquer comment et pourquoi une variable explique une autre. La mdiation partielle est donc plus frquente (Baron et Kenny, 1986; MacKinnon et al., 2002).
La prsence derreurs de mesure explique aussi la frquence des mdiations partielles
tant donn que lerreur de mesure rduit leffet de la variable mdiatrice et favorise leffet de la variable indpendante principale (Ambler, 1998). Dans ce cas, lintroduction
dune variable mdiatrice X M dans le modle rduit le lien (c) entre XP et Y, sans pour
autant lannuler compltement. Si la mdiation est partielle (MacKinnon et al. 1995),
leffet (c) doit tre infrieur leffet initial (c) obtenu en labsence de la variable mdiatrice :
c c = a * b > 0
Mdiation partielle: c 0 et c > c
Sharma et al. (1981) ont prsent un cadre conceptuel et mthodologique qui
permet de distinguer les diffrents types de variables modratrices. La typologie par ces
auteurs permet de dpasser la distinction base sur la nature dichotomique ou continue
de la variable modratrice (Arnold, 1982; Baron et Kenny, 1986). Elle est base sur
deux critres: (1) lexistence ou non dune relation entre la variable modratrice Z et la
variable dpendante Y ; (2) lexistence ou non dune interaction entre la variable indpendante principale X P et la variable modratrice Z. La typologie permet-elle ainsi de
distinguer quatre types de variables dont trois sont modratrices (Figure2).
Figure2
TYPOLOGIE DES VARIABLES MODRATRICES
Source : Adapt de Sharma et al. (1981, p. 292).
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
BARON ET KENNY POUR LANALYSE DES VARIABLES MDIATRICES
Etape1 : Rgression de Y sur XP

(c) significatif
Y
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
Illustration de la dmarche danalyse de Baron et Kenny pour les effets mdiateurs

Lexemple prsent permet une application de la dmarche de Baron et Kenny (1986)
lanalyse du rle mdiateur de la confiance organisationnelle dans la relation entre les
pratiques dempouvoirement (empowerment) et lengagement affectif. Selon Nyhan
(1999), le sentiment de confiance lgard de lorganisation et de son management
peut positivement influencer lengagement affectif des salaris. Lidentification des
antcdents de la confiance est aussi essentielle car elle permet de connatre les pratiques
managriales ncessaires au dveloppement de ce sentiment chez les salaris. Butler
(1991) a montr que le lien, entre la perception des caractristiques du travail et la
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).
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).
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
Le test de Sobel a t calcul pour tester la significativit de leffet mdiateur de la

confiance organisationnelle. En utilisant les coefficients de rgression et les termes derreurs8, les rsultats du test indiquent que leffet mdiateur de la confiance organisationnelle est statistiquement significatif pour les liens entre lempouvoirement et lengagement affectif (Z=5.19 ; p=0,0002).
Figure 5
RSULTATS DU TEST DU RLE MDIATEUR DU SENTIMENT DE CONFIANCE ORGANISATIONNELLE
Dmarches danalyse des effets modrateurs :

la dmarche de Ping (1995; 1998)
Nombre de recherches ont montr que le rle modrateur dune variable correspond
un effet non linaire dinteraction entre la variable indpendante principale et la
variable modratrice (Aiken et West, 1991; Jaccard et al, 1990; Kenny et Judd, 1984;
Saunders, 1956; Zedeck, 1971). Linteraction entre les variables indpendante et
modratrice gnre une modification de lintensit ou/et de la forme de la relation entre
la variable indpendante et la variable dpendante. Plusieurs mthodes sont utilises
pour tester du rle modrateur dune variable. Il sagit essentiellement des analyses de
variance ANOVA, des analyses multi-groupes et des rgressions multiples hirarchiques
(Aiken et West, 1991). Lanalyse de variance est gnralement utilise lorsque les
variables indpendante et modratrice sont catgoriques, surtout dichotomiques avec
deux modalits telles que le sexe. Cette mthode a lavantage dtre simple et prouve.
Nanmoins, elle a deux limites: elle ne permet de tester quun seul lien la fois; elle ne
tient pas compte des erreurs de mesure et nest donc pas adapte aux variables latentes;
et elle nest pas adapte aux variables ordinales et continues (Aguinis, 1995; Baron et
Kenny, 1986).
__________
8. Le test de Sobel est ralis directement sur le site http://quantrm2.psy.ohiostate.edu/kris/sobel/sobel.htm partir des rsultats de lanalyse, en utilisant les coefficients
de rgression et les erreurs standardises destimation.
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
Lestimation des effets modrateurs est gnralement un processus long et complexe.

La dmarche propose par (Ping, 1995; 1998) est relativement simple par rapport aux
autres procdures existantes. La rigueur et lefficacit de cette dmarche sont prouves
et satisfaisantes (Cortina et al., 2001; Moulder et Algina, 2002). Afin de mettre en
uvre la dmarche de Ping (1995), le chercheur doit se familiariser avec les logiciels
dquations structurelles. Un exemple dillustration sur des donnes dune enqute sur
lengagement organisationnel permet de mieux clarifier le recours cette dmarche
dans les recherches en GRH.
Illustration de la dmarche de Ping (1995) pour les effets modrateurs
Le modle tridimensionnel de lengagement organisationnel distingue trois dimensions
diffrentes dans le lien entre lindividu et lorganisation: affective, calcule et normative (Allen et Meyer, 1990). Ces dimensions ont gnralement des antcdents et de
consquences distincts (Allen et Meyer, 1996). Plusieurs recherches ont dtect des
effets dinteraction entre les trois dimensions de lengagement (Jaros, 1997; Randall et
al., 1990; Somers, 1995). Leffet modrateur de lengagement normatif sur le lien entre
dune part lengagement affectif et lengagement calcul et dautre part lintention de
dpart est rcemment mis en vidence dans nombre dtudes (Chen et Francesco,
1083
2003; Cheng et Stockdale, 2003; Snape et Redman, 2003). Largumentation de cet

effet modrateur trouve son origine dans lide selon laquelle limpact dune dimension
de lengagement sur les comportements des salaris est plus fort lorsque les autres
dimensions de lengagement sont faibles. Les comportements sont-ils ainsi influencs
par un profil dengagement que par une influence indpendante des composantes de
lengagement (Meyer et Allen, 1997; Meyer et Herscovitch, 2001). Un niveau lev
dengagement sur lune des trois dimensions semble tre suffisant pour influencer les
comportements et renforcer lattachement lorganisation. Il existerait alors un effet de
substitution entre les trois formes dengagement (Snape et Redman, 2003). Laccent est
surtout mis sur leffet modrateur de lengagement normatif des impacts des engagements affectif et calcul sur lintention de dpart, labsentisme et la performance
(Chen et Francesco, 2003; Cheng et Stockdale, 2003; Jaros, 1997; Somers, 1995).
Lengagement normatif semble rduire le lien ngatif entre lengagement affectif ou calcul et lintention de dpart. Lexplication du rle modrateur de lengagement normatif peut tre base sur lenracinement de cette forme dengagement dans les expriences
de socialisation. Limportance des valeurs sociales de loyaut et de reconnaissance, surtout dans les cultures collectivistes, peut alors influencer lobligation morale chez le
salari en rduisant son intention de quitter lentreprise quels que soient les niveaux de
son engagement affectif ou calcul (Vanderberghe, 2003). Lhypothse suivante peut
tre formule (Figure 7)
Hypothse2 : Lengagement normatif a un rle modrateur sur la relation entre dune
part lengagement affectif et lengagement calcul et dautre part lintention de
dpart.
Figure 7
ILLUSTRATION DUNE ANALYSE DES EFFETS MODRATEURS DE LENGAGEMENT NORMATIF
Engagements
affectif et
calcul
Intention de
dpart
Engagement
normatif
Ligne en pointill : Effet modrateur
1084
Afin de tester le modle de la figure 7, une enqute par questionnaire a t ralise

auprs de 303 salaris dune entreprise industrielle tunisienne. Les dimensions de lengagement organisationnel ont t mesures par les chelles dAllen et Meyer (1997).
Lintention de dpart a t mesure par quatre items dvelopps par Hom et al. (1984).
Pour simplifier lillustration, seule la partie relative linteraction entre lengagement
affectif et lengagement normatif est prsente en dtail. Le test des effets modrateurs
ou dinteraction doit tre prcd dune analyse de la normalit des donnes et de la fiabilit des construits.
Lanalyse de leffet modrateur selon la procdure de Ping (1995) est ralise
en plusieurs tapes :
1) Test de la normalit des donnes par les indicateurs de skewness et de kurtosis. Ces coefficients dasymtrie et daplatissement, obtenus par SPSS, doivent tre
infrieurs 3 en valeur absolue (Hair et al., 1998). Ce test permet de supprimer les
items ayant des distributions non normales. Les items utiliss dans cette tude ont
tous des coefficients skewness et kurtosis acceptables, variant entre -3 et 3.
2) Examen de la fiabilit et de la validit des variables latentes tudies. Suite
une analyse en composantes principales et une analyse de la fiabilit, les coefficients alpha de Cronbach sont respectivement de 0,90 pour lengagement affectif (4
items), 0,89 pour lengagement calcul (4 items), 0,93 pour lengagement normatif
(4 items) et 0,80 pour lintention de dpart (4 items). Cet examen de la fiabilit est
complt par une analyse de la validit convergente et discriminante qui a entran
une rduction du nombre des items (Fornell et Larcker, 1981). La fiabilit des
variables tudies doit tre la plus leve possible tant donn que la fiabilit de leffet modrateur (terme multiplicatif: engagement affectif x engagement normatif )
dpend de la fiabilit des deux variables en interaction (Aguinis, 1995)12.
3) Toutes les donnes brutes sont centres en y retranchant leurs moyennes, avant
de calculer le terme multiplicatif (engagement affectif x engagement normatif),
reprsentant leffet modrateur. Ceci est ncessaire pour rduire la multicolinarit
entre le terme multiplicatif et les variables en interaction. Les moyennes sont calcules et retranches des donnes brutes en utilisant SPSS.
4) Pour lapplication de la dmarche de Ping (1995) pour le test de leffet dinteraction une premire tape consiste raliser une analyse factorielle confirmatoire sur les variables du modle. La formulation de lanalyse sous Simplis est prsente en annexe. Cette analyse permet de sassurer de la validit des construits et dobtenir les coefficients ncessaires pour calculer la contribution factorielle (loading) et
__________
12. La fiabilit de linteraction est plus ou moins gale au produit des fiabilits des deux
variables en interaction. Si par exemple, ces fiabilits sont au seuil prconis de 0,70 et si la
corrlation entre les deux variables est nulle, la fiabilit de linteraction ne serait que de (0,7
* 0,7) soit seulement 0,49. Dans le cas de cette tude, la fiabilit de linteraction est accep table en tant gale (0,93 * 0,90) soit 0,83.
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
IV. RECOMMANDATIONS POUR LANALYSE DES VARIABLES MDIATRICES

ET MODRATRICES
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
robuste danalyse causale et squentielle des effets mdiateurs. La dmarche de Ping

(1995) reprsente une dmarche relativement simple et rigoureuse danalyse des effets
modrateurs sous forme dinteraction entre les variables. Les deux dmarches prsentes peuvent tre utilises avec tous les logiciels disponibles tels que Lisrel, Amos et
EQS.
Lexamen des limites des mthodes classiques danalyse des effets mdiateurs et
modrateurs, telles que les rgressions hirarchiques, les analyses multi-groupes, les
rgressions multiples modres, permet de mettre laccent sur limportance de la pertinence du cadre thorique et de la congruence du design de la recherche. cet gard, la
dfinition rigoureuse des construits est essentielle dans la mesure o elle influence par
la suite la qualit de la mesure. La fiabilit leve (alpha de Cronbach 0,80) semble
tre ncessaire pour assurer la puissance statistique des mthodes danalyse des effets
intermdiaires (Aguinis, 1995; Aguinis et Stone-Romero, 1994).
Les mthodes destimation des effets intermdiaires sont souvent exigeantes en
termes de taille dchantillon. Lorsque le modle thorique tudi comporte des
variables mdiatrices et surtout modratrices, des tailles dchantillons importantes
semblent tre ncessaires (N 300 voire 500). Selon MacKinnon et al. (2002), plus
leffet dtect est faible, plus la taille de lchantillon doit tre leve.
Afin de rduire la multicolinarit entre les variables indpendantes principales et
les variables mdiatrices et modratrices, il semble utile de centrer toutes les variables
mesures en y retranchant la moyenne (Aiken et West, 1991; Jaccard et al. 1990 ;
Cortina et al. 2001).
Lanalyse des effets non linaires dinteraction entrane gnralement une dtrioration des indices dajustement. Le choix de seuils acceptables et souples doit toutefois
tre expliqu par rapport aux caractristiques de chaque indice (Roussel et al. 2002).
La dtection des effets mdiateurs et modrateurs ne doit jamais dcouler de la
seule analyse statistique. La pertinence de largumentation thorique est la principale
garantie de lavancement de la recherche sur les variables intermdiaires.
La sophistication progressive des thories en sciences sociales sest accompagne dun
intrt accru pour les variables dites intermdiaires ou intervenantes ou de spcification.
Lexistence de variables intermdiaires signifie que la relation entre la variable explicative et
celle explique dpend, quant son existence, sa forme ou sa force, dune troisime variable
(Baron et Kenny, 1986; James et Brett, 1984; Sharma et al. 1981). Les mthodes danalyse existantes se sont amliores mme si leur mise en uvre reste souvent complexe et lourde. Lidentification et la comprhension des rles des variables sont trs utiles en regard de
la pratique professionnelle en GRH. La prise de conscience de lexistence des variables
mdiatrices et modratrices permet au professionnel des ressources humaines dviter lillusion dun succs garanti de la mise en place des pratiques de GRH et de leur impact direct
sur les comportements et les attitudes des salaris.
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
Moderating Effect of Outcome Favorability. Administrative Science Quarterly, Vol. 42,

pp. 558-583.
Butler J.K. (1991), Toward understanding and measuring conditions of Trust: evolution
of a conditions of trust inventory, Journal of Management, Vol. 17, n 3, pp. 643-663.
Chen Z.X., Francesco A.M. (2003), The relationship between the three components of
commitment and employee performance in China, Journal of Vocational Behavior, 62,
pp. 490-510.
Cheng Y., Stockdale M.S. (2003), The validity of the Three-component model of organizational commitment in a chinese context, Journal of Vocational Behavior, 62, pp. 465489.
Collins L.M., Graham J.W., Flaherty B.P. (1998), An Alternative Framework for Defining
Mediation, Multivariate Behavioral Research, Vol. 33 (2), pp. 295 312.
Cortina J.M. (1993), Interaction, nonlinearity and multicollinearity: Implications for
multiple regression, Journal of Management, vol. 19, pp. 915-922.
Cortina J.M, Chen G. et Dunlap W.P (2001), Testing Interaction Effects in LISREL :
Examination and Illustration of available procedures, Organizational Research Methods,
4, 4, pp. 324-360.
Cronbach L.J. (1987), Statistical Tests for Moderator Variables: Flaws in Analysis recently Proposed. Psychological Bulletin, 102, pp. 414-417.
Deltour F., (2000), Linnovation dans lorganisation, Les cahiers de la recherche du CLA REE, Centre Lillois dAnalyse et de Recherche sur lEvolution des entreprises, Lille.
Fornell C., Larcker D.F. (1981), Evaluating structural equations models with unobservable variables and measurement error, Journal of Marketing Research, n 18, pp. 3950.
Hair J.F Jr., Anderson R.E., Tatham R.L., Black W.C. (1998), Multivariate Data Analysis,
New York : Macmillan.
Holmbeck G.N. (1997), Toward Terminological, Conceptual and Statistical Clarity in the
Study of Mediators and Moderators, Journal of Consulting and Clinical Psychology, vol.
65 (4), pp. 599-610.
Hom P., Griffeth R., Sellaro L., (1984), The validity of Mobleys (1977) model of
employee turnover, Organizational Behavior and Human Performance, Vol. 34, p. 141174.
Jaccard J., Turrisi R., Wan CK. (1990), Interaction Effects in Multiple Regression, Newbury
Park, CA: SAGE Publications.
Jaccard J., Wan CK. (1995), Measurement Error in the Analysis of Interaction Effects
Between Continuous Predictors Using Multiple Regression: Multiple Indicator and
Structural Equation Approaches, Psychological Bulletin, 117 (2), pp. 348-357.
James L.R., Brett J.M (1984), Mediators, Moderators and Tests for Mediation, Journal of
Applied Psychology, vol 69, pp. 307-321.
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
Meyer J.P., Hersovitch L. (2001), Commitment in the workplace: Toward a general

model, Human Resource Management Review, Vol. 11, pp. 299-326.
Meyer J.P., Smith C.A. (2000), HRM Practices and Organizational Commitment : Test of
a Mediation Model, Canadian Journal of Administrative Sciences, 17 (4), p. 319-331.
Meyer J.P., Stanley D.J., Herscovitch L., Topolnytsky L. (2002), Affective, Continuance
and Normative commitment to the Organization, Journal of Vocational Behavior, 61,
pp. 20-52.
Micceri T., (1989), The unicorn, the normal curve, and other improbable creatures.
Psychological Bulletin, 105 (1), pp. 156-166.
Mishra A. K. & Spreitzer G. M. (1998) Explaining how survivors respond to downsizing :
The role of trust, empowerment, justice, and work redesign, The Academy of
Management Review, Vol. 23, 3, pp. 567-588.
Moosbruger H., Schermelleh-Engel K. et Klein A. (1997), Methodological Problems of
Estimating Latent Interaction Effects, Methods of Psychological research Online, 2, 2, pp.
95-111.
Moulder B.C. et Algina J. (2002), Comparison of Methods for Estimating and Testing
Latent Variable Interactions, Structural Equation modeling, 9, (1), pp. 1-19.
Nyhan R.C. (1999), Increasing affective organizational commitment in public organizations. Review of Public Personnel Administration, Summer, pp. 58-70.
Nyhan R.C., Marlowe H.A. (1997), Development and psychometric properties of the
organizational trust inventory, Evaluation Review, Vol. 21, N5, pp. 614-635.
Ping R. (1995), A Parsimonious Estimating Technique for Interaction and Quadratic
Latent Variables. The Journal of Marketing Research, 32, pp. 336-347.
Ping R. (1996a), Latent Variable Interaction and Quadratic Effect Estimation: A TwoStep Technique Using Structural Equation Analysis The Psychological Bulletin, 119,
pp. 166-175.
Ping R. (1996b), Latent Variable Regression: A Technique for Estimating Interaction and
Quadratic Coefficients. Multivariate Behavioral Research, 31 (1), pp. 95-120.
Ping R. (1996c), Estimating Latent Variable Interactions and Quadratics : The State of
this Art. Journal of Management, 22 (1), pp. 163-183.
Ping R.A. Jr. (1998), EQS and LISREL Examples Using Survey Data, in R.E.
Schumacker et G.A. Marcoulides (Eds), Interaction and Nonlinear Effects in Structural
Equation Modeling, London, Lawrence Erlbaum Associates, pp. 63-100.
Randall D.M., Fedor D.B., Longnecker C.O. (1990), The behavioral expression of organizational commitment, Journal of Vocational Behavior, 36, pp. 210-224.
Rigdon E.E., Schumacker R.E., Wothke W. (1998), A Comparative Review of Interaction
and Nonlinear Modeling, in R.E. Schumacker et G.A. Marcoulides (Eds), Interaction
and Nonlinear Effects in Structural Equation Modeling, London, Lawrence Erlbaum
Associates, pp. 1-16.
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
Structural model Mediators step 2 Empouvoirement - Confiance
Observed Variables: confia1 confia2 confia3 empower1 empower2 empower3
Sample Size=305
Latent Variables : TRUST EMPOWER
Relationships :
confia1=1*TRUST
confia2 confia3=TRUST
empower1=1*EMPOWER
TRUST=EMPOWER
Path Diagram
End of Problem
Structural model step3 Empouvoirement Confiance Engagement
Observed Variables: engaff1 engaff2 engaff3 engaff4 confia1 confia2 confia3 empower1 empower2
empower3
Sample Size=305
Latent Variables: AFFECT TRUST EMPOWER
Relationships :
engaff1=1*AFFECT
1095
engaff2 engaff3 engaff4=AFFECT

confia1=1*TRUST
confia2 confia3=TRUST
empower1=1*EMPOWER
TRUST=EMPOWER
AFFECT=TRUST
Set the Error Covariance between confia1 and confia2 Free
Path Diagram
End of Problem
Test de leffet modrateur selon la dmarche de Ping 1995
Measurement Model AFC Engagements Intention de dpar t
Observed Variables: engaff1 engaff2 engcal1 engcal2 engnor1 engnor2 intdep1 intdep2 intdep3
Covariance Matrix from File C:\lisrel850\COM\AFCGF.cov
Sample Size=303
Latent Variables: ENGAFFECT ENGCALCUL ENGNORMA INTDEP
Relationships :
engaff1=1*ENGAFFECT
engaff2=ENGAFFECT
engcal1=1*ENGCALCUL
engcal2=ENGCALCUL
engnor1=1*ENGNORMA
engnor2=ENGNORMA
intdep1=1*INTDEP
intdep2 intdep3=INTDEP
Set the Error Covariance between intdep1 and intdep3 Free
Path Diagram
End of Problem
Structural Model Interaction entre les engagements
Observed Variables: engaff1 engaff2 engcal1 engcal2 engnor1 engnor2 interac1 interac2 intdep1 intdep2
intdep3
Covariance Matrix from File C:\lisrel850\COM\COMC1.cov
Sample Size=303
Latent Variables: ENGAFFECT ENGCALCUL ENGNORMA AFFXNORM CALXNORM INTDEP
Relationships :
engaff1=1*ENGAFFECT
engaff2=ENGAFFECT
engcal1=1*ENGCALCUL
engcal2=ENGCALCUL
engnor1=1*ENGNORMA
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
Path Diagram
End of Problem

2003elakremi Roussel045

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2003elakremi Roussel045

Transféré par

Droits d'auteur :

Formats disponibles

ANALYSE DES VARIABLES MODRATRICES

ET MDIATRICES PAR LES MTHODES DQUATIONS

Rsum. Le dveloppement continu et novateur des thories en GRH rvle un intrt

EL AKREMI ASSAD, ROUSSEL PATRICE

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

EL AKREMI ASSAD, ROUSSEL PATRICE

Lapport des mthodes dquations structurelles semble indniable dans la mesure o

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

EL AKREMI ASSAD, ROUSSEL PATRICE

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

Modle 2 : Effet modrateur de Z

EL AKREMI ASSAD, ROUSSEL PATRICE

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

Statistiquement, il y a mdiation parfaite lorsque le lien entre XP et Y, prcdemment

Source : Adapt de Sharma et al. (1981, p. 292).

EL AKREMI ASSAD, ROUSSEL PATRICE

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

EL AKREMI ASSAD, ROUSSEL PATRICE

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

BARON ET KENNY POUR LANALYSE DES VARIABLES MDIATRICES

Etape1 : Rgression de Y sur XP

Illustration de la dmarche danalyse de Baron et Kenny pour les effets mdiateurs

EL AKREMI ASSAD, ROUSSEL PATRICE

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

EL AKREMI ASSAD, ROUSSEL PATRICE

Le test de Sobel a t calcul pour tester la significativit de leffet mdiateur de la

Dmarches danalyse des effets modrateurs :

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

EL AKREMI ASSAD, ROUSSEL PATRICE

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

EL AKREMI ASSAD, ROUSSEL PATRICE

Lestimation des effets modrateurs est gnralement un processus long et complexe.

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

2003; Cheng et Stockdale, 2003; Snape et Redman, 2003). Largumentation de cet

EL AKREMI ASSAD, ROUSSEL PATRICE

Afin de tester le modle de la figure 7, une enqute par questionnaire a t ralise

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

EL AKREMI ASSAD, ROUSSEL PATRICE

IV. RECOMMANDATIONS POUR LANALYSE DES VARIABLES MDIATRICES

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

robuste danalyse causale et squentielle des effets mdiateurs. La dmarche de Ping

EL AKREMI ASSAD, ROUSSEL PATRICE

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

Moderating Effect of Outcome Favorability. Administrative Science Quarterly, Vol. 42,

EL AKREMI ASSAD, ROUSSEL PATRICE

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

Meyer J.P., Hersovitch L. (2001), Commitment in the workplace: Toward a general

EL AKREMI ASSAD, ROUSSEL PATRICE

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

EL AKREMI ASSAD, ROUSSEL PATRICE

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

engaff2 engaff3 engaff4=AFFECT

EL AKREMI ASSAD, ROUSSEL PATRICE

Vous aimerez peut-être aussi