Académique Documents
Professionnel Documents
Culture Documents
Analyse Des Donnees
Analyse Des Donnees
Une variable modratrice est une variable qui module le sens et/ou la force de l'effet de X sur
Y. Ainsi, la relation X-Y peut tre :
ou encore, elle peut tre fort prononce dans un groupe et faible, voire inexistante,
dans un autre.
Un effet modrateur
peut se remarquer :
Dceler la prsence d'un effet modrateur peut tre crucial dans certains
cas, comme lorsque dans les diffrents sous-groupes dune population, la
relation X-Y est significative, mais de sens opposs, ce qui rend trs difficile
lindentification de la prsence dun modrateur, car pour la population
totale: la relation entre X et Y est non significative. ( cause des sens
opposs).
ues
ma
rq
Les chelles au moins intervalle : renvoie aux mesures mtriques, cest--dire aux
chelles intervalle (ou cardinales faibles) et de ratio (ou cardinales fortes) ;
1
1
Propritsde Technique Dmarche
mesuredes utilise
variables
Rgression
Les variables X, Y Y= a+ bX+ dZ+ cXZ+ erreur(a)
multiple
et Z sont au
moins intervalle Lquation (a) est ajuste comme telle par le biais dune analyse de rgression multiple.
La variable Rgression Mme dmarche que lorsque Z est moins quintervalle et que X est au moins intervalle
indpendante X est multiple
mesure au moyen avec
variables
dchelle moins
muettes
quintervalle
Analyse par sous-
Les sous-groupes sont les diffrentes modalits de la variable modratrice suppose (exemple : hommes versus femmes).
alors que la
Il sagit de rgresser Y sur X pour chacun des sous-groupes, plutt que de traiter les donnes par une analyse de rgression avec variables
groupes
variable
muettes. Les rsultats mneront des conclusions tout fait identiques.
modratrice Z est
au moins Il s'agit ensuite de tester l'existence d'une diffrence significative au plan des coefficients de rgression (non standardiss) des groupes
(Baron et Kenny, 1986). En d'autres termes, il faut tester le caractre significatif du test t suivant (quation (c)).
intervalle
Sil y a plus de deux sous-groupes diffrents comme dans le cas de limplication faible/modre/ forte, il sagit de calculer
lquation (c) pour chaque groupe compar deux deux (implication faible versus modre ; implication faible versus forte ;
implication modre versus forte), et montrer que le rsultat de cette dernire est significatif dans un cas au moins.
1
muettesmultipleavec
X est au moins Par exemple, si Z est une variable discrte 3 niveaux (exemple : implication forte, modre et faible), il convient dajuster le
Rgression
variables
intervalle et Z est modle (b) :
moins Y=a+bX+d1Z1+d2Z2+c1XZ1+c2XZ2+erreur(b)
quintervalle .
Ainsi, pour reprsenter 3 niveaux, il suffit de crer deux variables binaires : Z1 et Z2 (Z1 = 0 et Z2 = 0 est la base de
rfrence, par exemple faible implication ; Z1 = 1 et Z2 = 0 reprsente l'implication modre et Z1 = 0 et Z2 = 1
reprsente l'implication forte). Si c1 et/ou c2 sont significatifs, la variable Z est un modrateur de l'influence de X sur
Y.
Rgression
X et Z sont toutes multiple Par exemple, si Z est une variable 3 niveaux (exemple : implication forte, modre et faible) et X une
les deux moins avec variable deux niveaux (exemple : bonne humeur versus mauvaise humeur), le mme modle que le modle
quintervalles. (b) sera ajust mais l'interprtation de la variable X sera diffrente. Il s'agira d'une variable binaire. Elle sera
gale 0 si l'on est de mauvaise humeur (niveau de rfrence) et gale 1 si l'on est de bonne humeur.
variables
muettes
Si, par contre, la variable indpendante X a trois niveaux, il conviendra dajuster le modle (d) :
Y= a+ b1X1+ b2X2+ d1Z1+ d2Z2+ c1X1Z1+ c2X1Z2+ c3X2Z1+ c4X2Z2+ erreur (d)
Si l'un ou plusieurs des ci est significatif, la variable Z est un modrateur de l'influence de X sur Y.
ANOVA
En effet, il est plus simple et plus direct de procder une analyse ANOVA plutt que de transformer manuellement les
variables en variables muettes et de les traiter par une analyse de rgression avec variables muettes. nouveau, il faut
souligner que les rsultats conduiront des conclusions identiques quelle que soit la technique danalyse choisie.
(*) Soulignons galement lexistence, dans la littrature, de certains travaux qui afin de retomber dans le cas simple de
l'analyse ANOVA transforment les variables au moins intervalle en variables catgoriques. Il existe diffrentes techniques pour
ce faire, mais elles sont gnralement trs arbitraires et conduisent systmatiquement une perte de finesse dans l'information (par
exemple, dcouper l'chantillon selon la mdiane (median-split)). Ce genre de pratique nest gure conseill.
1
Mme si lanalyste nest intress que par le caractre significatif ou non
de linteraction entre les variables X et Z, il nest pas correct de rgresser
la variable dpendante uniquement sur le produit des deux variables. Il faut
toujours galement inclure les deux variables X et Z dans le modle de
rgression, sans quoi leffet de linteraction sur la variable dpendante sera
confondu avec leffet simple des deux variables.
Pour les rgressions pas pas (stepwise), il faut toujours veiller entrer le
Rec
tion
nda
om
ma
produit des deux variables (effet dinteraction) aprs les deux variables et
s
ne jamais enlever les deux variables du modle final mme si les
coefficients de ces variables ne sont pas significatifs.
La manire dont les variables muettes sont cres influence les rsultats
des analyses de rgression modre (cest--dire modle avec terme
multiplicatif). En effet, Irwin et McClelland (2001) mettent en vidence
que coderles variables de manire binaire (0,1) ou en utilisant des
contrastes ( 1, 1) a un impact sur les coefficients des variables dans la
rgression ainsi que sur les coefficients de corrlation entre variables dans
le modle de rgression modre.
Le processus mdiateur :
1
1
Un mdiateur est une variable qui permet d'expliquer la manire, le processus par lequel la
variable X influence la variable Y. Les processus mdiateurs comment, pourquoi l'effet X-
Y existe. La variable mdiatrice revt donc le statut de variable dpendante ou de variable
indpendante selon l'angle sous lequel elle est observe.
Lorsqu'une variable est mdiateur de la relation X-Y, on dit que la variable X a un effet indirect
sur la variable Y. c'est--dire quau moins une partie de l'influence de X sur Y passe par la
variable mdiatrice. Ds lors, si l'influence de la variable mdiatrice est contrle
statistiquement, deux cas se prsentent :
Reprsentationconventionnelledunemdiationpartielle:
Variable mdiatrice M
Variable X Variable Y
Mdiationpardeuxvariables:
Variable mdiatrice M
Variable X Variable Y
Variable
mdiatrice M
non mesure.
1
1
Intitul de la mthode Comment lappliquer ?
successives les Condition 1 : La variable X doit avoir un impact significatif sur la variable Y. Il s'agit donc de rgresser Y sur X et de montrer que le
coefficient b1 dans l'quation de rgression (e) est significatif. Y= a1+ b1X+ erreur1(e)
conditions de
mdiation de b1reprsente l'effettotalde X sur Y. Lorsque X varie d'une unit, Y varie de b1 units. Il est gal la somme des effets direct et indirect
(mdiatis).
Baron et Kenny
Condition2 : La variable X doit avoir un effet significatif sur M. Il s'agit donc de rgresser M sur X et de montrer que le coefficient b2
(1986) dans la rgression (f) est significatif. M= a2+ b2X+ erreur2(f)
Condition3 : La variable mdiatrice suppose M doit significativement influencer la variable Y, lorsque l'influence de la variable X sur
Y est contrle. Il s'agit donc de rgresser Y sur X et M et de montrer dans l'quation (g) que le coefficient b4 est significatif.
Les coefficients b2 de l'quation (f) et b4 de l'quation (g) permettent d'valuer l'effet indirect de X sur Y, cest--dire l'influence de X qui est
transmise par M. Cet effetindirectest gal b2 b4. Lorsque X varie d'une unit, M varie de b1 units. Et, lorsque M varie d'une unit et que
X est maintenu constant, Y varie de b4 units (b4 indique le changement au niveau de Y associ M et indpendant de l'effet direct de X sur Y).
Condition4 : L'influence significative de la variable X sur Y doit disparatre lorsque l'effet de M sur Y est contrl statistiquement. Il
s'agit donc de montrer que le coefficient b3 est non significatif (quat (g)).
b3rend compte de l'effetdirectde X sur Y. Lorsqu'il y a mdiation complte, l'effet total de X sur Y est entirement produit de manire
indirecte. b1 = b3 + b2 b4 b1 = b2 b4 (car b1 est non significativement diffrent de 0 )
Si toutes les conditions sont rencontres l'exceptiondelacondition4, il y a mdiationpartielle,cest--dire que l'effet de X sur Y se produit
la fois demanire directe et de manire indirecte.
Rgressions multiples l'instar des variables modratrices, aucune contrainte ne pse sur la nature de la variable mdiatrice, elle peut tre qualitative ou quantitative,
avec variables muettes catgorique ou non. Il suffit de transformer les variables qui ne sont pas au moins intervalle en variables muettes.
Test du caractre La part de l'effet de X sur Y qui est mdiatis par M cest--dire l'effet indirect correspond b1-b3. Et cette diffrence de coefficients est
exactement gale au produit de l'influence de X sur M et de l'influence de M sur Y, cest--dire b2 b4. Lorsque l'effet de X sur Y est au moins
significatif de leffet partiellement mdiatis, b2 b4 est significativement diffrent de 0. Le test qui permet de vrifier directement que l'effet indirect de X sur Y via
indirect M cest--dire b2 b4 est significativement diffrent de 0 est repris.
1
Remarque
importante: cas
de la suppression
A ct des cas de mdiations cits, il existe galement des cas dits de suppression. Il y a
suppression lorsque b3 est de signe oppos b2 b4. Prenons l'exemple des cadeaux que les
entreprises offrent leurs clients (par exemple, points bonus, pourcentages de rduction,
tickets de cinma). Plus une entreprise offre des cadeaux ses clients, plus ces derniers seront
en principe satisfaits et, par consquent, plus les revenus de l'entreprise devraient tre
levs (cest--dire b2 > 0 ; b4 > 0 ; b2 b4 > 0). L'impact indirectde la quantit de cadeaux
offerts sur les revenus est donc positif. Cependant, la quantit de cadeaux offerts a
vraisemblablement un impact ngatifdirectsur les revenus de l'entreprise (b3 < 0). Si l'effet
direct et leffet indirect sont de la mme taille (en valeur absolue), l'effet total de X sur Y sera
non significativement diffrent de 0 . Dans ce cas de figure, la condition 1 de l'analyse de
mdiation ne sera pas vrifie alors que les conditions 2 et 3 le seront. Dans les cas de
suppression, l'effet (total) de la variable indpendante sur la variable dpendante est rduit,
voire camoufl, annul par la prsence de la variable suppressive. L'influence de la
variable indpendante sur la variable dpendante peut, ds lors, n'apparatre que lorsque l'on
contrle l'influence de la variable suppressive.
LA MODRATION MDIATISE
1
1
Le processus de modrationmdiatise reflte le fait que l'effet interactif de la variable
dpendante X avec le modrateur Z sur la variable dpendante Y est mdiatis par une
quatrime variable (M).
1
1
M= a2+ b4X+ b5Z+ b6(X Z) + erreur2(j)
LA MDIATION MODRE
L'existence d'un mdiateurmodrreflte le fait que le processus de mdiation dpend du
niveau d'une quatrime variable (le modrateur).
Afin de tester lexistence dune mdiation modre, il suffit d'effectuer une rgression
supplmentaire par rapport au cas de modration mdiatise, qui incorpore le terme
d'interaction entre le mdiateur (M) et le modrateur (Z) (voir quation l), et de tester si cet
effet d'interaction est significatif.
Si l'effet X Z sur Y reste inchang (cest--dire non significatif) et que le coefficient b15 est
non significatif, on peut dire que le rle jou par M en tant que mdiateur ne varie pas en
fonction du niveau du modrateur Z. Autrement dit, M n'est pas un mdiateur modr.
1
1