Vous êtes sur la page 1sur 34

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

XM

XP

Y c

Modle 2 : Effet modrateur de Z 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

EL AKREMI ASSAD, ROUSSEL PATRICE

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

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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.

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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.

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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 XP Etape2 : Rgression de XM sur XP (a) significatif XP Etape3 : Rgression de Y sur XM et XP (a) significatif XP XM (c) Etape4 : Vrifier c=0 ou c< c ; vrifier a*b*c > 0 ; calculer a*b/c ; raliser le test de Sobel (b) significatif Y XM Y

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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).

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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.

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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 * VAR (x) * ( ) + ( zj)2 * VAR (z) * ( ) + ( xi) * ( zj). xz = (xi) zj xi 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

EL AKREMI ASSAD, ROUSSEL PATRICE

Figure 6 PROCDURE DE PING (1995) POUR LANALYSE DES VARIABLES MODRATRICES

_xi
x2

XP b1
xi

y1

y2

z1 z2

yk

_zj b2 Z b3

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,

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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.

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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

-0,57 (0,064) (T=-6,77) -0,19 (0,053) (T=-2,90)

Engagement normatif

Intention de dpart

E. Affectif X E. Normatif

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.

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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.

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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.

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES

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

EL AKREMI ASSAD, ROUSSEL PATRICE

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

ANALYSE DES VARIABLES MODRATRICES ET MDIATRICES engaff2 engaff3 engaff4=AFFECT confia1=1*TRUST confia2 confia3=TRUST empower1=1*EMPOWER empower2 empower3=EMPOWER TRUST=EMPOWER AFFECT=TRUST Set the Error Covariance between confia1 and confia2 Free Options: ND=3 AD=OFF IT=100 Lisrel Output: SS SC SE RS TV EF MI FS MR Path Diagram End of Problem Test de leffet modrateur selon la dmarche de Ping 1995 Etape (1) de la dmarche 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 Options: ND=3 AD=OFF IT=100 Lisrel Output: SS SC SE RS TV EF MI FS MR Path Diagram End of Problem

1095

Etape (2) de la dmarche 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

EL AKREMI ASSAD, ROUSSEL PATRICE

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