Processus modrateur :

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 :

ngative pour un groupe de consommateurs caractris par un certain niveau de la

variable modratrice et positive pour un autre groupe de consommateurs ;

ou encore, elle peut tre fort prononce dans un groupe et faible, voire inexistante,
dans un autre.

Les processus modrateurs rpondent donc la question quand, dans quelles

circonstances l'effet X-Y se produit.

Un effet modrateur
peut se remarquer :

Dans les tableaux de Dans les rsultats

corrlations simples :
corrlation entre X et Y plus
forte (ou de sens oppos)
pour les hommes que les
femmes.
d'analyses par
rgression :
Le coefficient de rgression
de la variable X dans les
rgressions de Y sur X pour
les deux sexes diffrent.
Par la prsence d'un
effet d'interaction
significatif dans une
analyse de variance.

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

Si Z est modrateur de la relation X-Y, d'un point de vue purement

Re

rq

statistique, il est galement correct de dire que X est modrateur de la

relation Z-Y. Ce n'est que le cadre conceptuel et les justifications du modle
thorique a priori qui dterminent laquelle de X ou de Z est la variable
modratrice ; au plan statistique il n'est gure possible de faire cette
distinction (X et Z sont toutes deux des variables indpendantes, elles sont
au mme niveau).

Il est important de souligner que les tests de modration peuvent tre

influencs par la colinarit entre variables indpendantes (cette dernire
accrot limprcision des coefficients de rgression des variables en cause et,
ainsi, augmente le risque de considrer tort ces coefficients comme non
significativement diffrents de zro (Lambin, 1994)). Il s'agit donc de vrifier
l'existence ventuelle de colinarit entre variables lorsque l'on procde ce
genre danalyse.
1
1
Un effet modrateur de Z sur la relation X-Y se caractrise par un effet d'interaction X Z
significatif. En d'autres termes, dans le cadre d'une relation X-Y linaire, le coefficient c de
l'quation (a) est significatif. Les coefficients b et d reprsentent, respectivement, les effets
simples de X et de Z sur Y.

Y= a+ bX+ dZ+ cXZ+ erreur(a)

La nature de la variable modratrice (Qualitative [le sexe du rpondant], Quantitative [attitude

envers lannonce], nominale ou ordinale), et celle de la variable indpendante va
dterminer le type d'analyse statistique permis. Diffrentes techniques statistiques peuvent
tre utilises afin de tester leffet dinteraction. Le choix du type danalyse statistique mettre
en uvre dpendra de la manire dont les variables ont t mesures. Deux grandes catgories
de mesure sont distinguer :

Les chelles au moins intervalle : renvoie aux mesures mtriques, cest--dire aux
chelles intervalle (ou cardinales faibles) et de ratio (ou cardinales fortes) ;

Les chelles moins quintervalle : renvoie aux mesures nominales et ordinales.

Techniques danalyse de leffet de modration en fonction des proprits de mesure des

variables indpendantes

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

O bsousgroupe 1 et bsousgroupe 2 sont les estimations des coefficients de rgression de la variable X,

pour les sous-groupes 1 (exemple : hommes) et 2 (exemple : femmes) ; s2 bsousgroupe 1 et s2
bsousgroupe 2 la variance de ces coefficients ; s21 et s22 , le SCR/n-k-1 pour chaque groupe (SCR est la
somme des carrs rsiduelle et SCR/n-k-1 correspond au carr moyen rsiduel) et k le nombre de
variables indpendantes. Le s2 agrg correspond lquation (c). N = n1 + n2.

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.

Illustrations de processus modrateurs :

Auteurs Illustration

Verhoef, L'anciennet de la relation entre un fournisseur et un acheteur est un modrateur de

Frances et l'influence positive de la satisfaction de l'acheteur par rapport sa relation vis--vis du
Hoekstra fournisseur sur le nombre de services achets : plus la relation d'affaires est longue, plus
(2002) l'effet positif de la satisfaction vis--vis de la relation sur le nombre de services achets
est fort
Dahl, La familiarit d'achat avec le produit est un modrateur de l'influence de la prsence
Manchanda sociale sur l'embarras prouv vis--vis de l'achat d'un produit embarrassant (exemple :
et Argo prservatifs).
(2001)
Schaninger Lie la personnalit cognitive des consommateurs : Pour les consommateurs qui ont
et Buss une capacit cognitive forte, plus la dcision d'achat est perue comme complexe et
(1984) risque, plus grande est la quantit d'informations qu'ils traitent. Et, cette relation est
inverse pour les consommateurs qui ont une capacit cognitive faible
Lichtl Concernant la couleur des annonces publicitaires : pour les annonces concernant
(2002) des chaussures, les couleurs les plus lumineuses sont les plus stimulantes alors que pour
les annonces concernant les parfums, les couleurs les moins lumineuses sont les plus
stimulantes.

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 :

L'influence de X sur Y disparat totalement en prsence de la variable suppose

mdiatrice la mdiation est dite complte.
Lorsque l'influence de X sur Y est simplement rduite, mais ne disparat pas
totalement, lorsque l'influence du mdiateur potentiel est contrle la mdiation
est dite partielle : seule une partie de l'effet de X sur Y s'exerce travers la variable
mdiatrice et l'autre partie de cet effet s'exerce directement sur la variable Y ou,
ventuellement, via une autre variable non prise en compte dans le modle.

Reprsentationconventionnelledunemdiationpartielle:

Variable mdiatrice M

Variable X Variable Y

Mdiationpardeuxvariables:

Variable mdiatrice M

Variable X Variable Y

Variable
mdiatrice M
non mesure.

Une fois encore, c'est le modle : thorique qui permettra de dterminer

Reprsentationduneassociationfallacieuse
sil y a mdiation partielle effective ouVariable
si la mdiation
M est complte mais
passe par plusieurs variables mdiatrices.

Il faut souligner que l'analyse de mdiation ne permet pas de vrifier si la

Variable X causale postule est exacte. Elle vrifie uniquement si, compte
squence
tenu d'un modle thorique causal dfini a priori, la variable suppose
Remarques
jouer le rle de variable mdiatriceVariable
remplit
Y bien les conditions de
:
mdiation.
1
Avant de dtailler ces diffrentes mthodes, il est important de souligner 1
que tout comme pour les analyses de modration les tests de
mdiation peuvent tre influencs par la colinarit entre variables
 La mthode habituellement utilise, dans les travaux en marketing, afin de vrifier
lexistence dun effet mdiateur complet ou partiel est la mthode des rgressions (simples et
multiples) successives propose par Baron et Kenny (1986). Si lensemble des variables
considres nest pas de nature au moins intervalle, des rgressions (simples et multiples)
avec variables muettes seront utilises. Enfin, si le but du chercheur est de tester lexistence
dun effet mdiateur au moins partiel, sans distinguer si leffet de mdiation est partiel ou
complet, le test du caractre significatif de leffet indirect pourra tre envisag.

1
1
Intitul de la mthode Comment lappliquer ?

Rgressions Quatre conditions doivent tre testes :

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.

Y= a3+ b3X+ b4M+ erreur3(g)

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.

H0 : b2 b4 = 0 (absence de mdiation) ; H1 : b2 b4 = 0 (prsence de mdiation au moins partielle)

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.

MODRATEURS VERSUS MDIATEURS : QUAND CHOISIR QUOI ?

Les processus modrateurs et mdiateurs ne sont pas dduits du type de variable utilise
(exemple : variable socio-dmographique, variable manipule), ni du type de collecte de
donnes (exemple : plan exprimental, enqute).

Un modrateur sera typiquement introduit dans un modle lorsque de faibles corrlations

entre la variable indpendante et la variable dpendante, voire des relations non constantes
(exemple : parfois ngatives, parfois positives), sont suspectes. Inversement, un mdiateur
sera gnralement introduit dans un modle lorsque de fortes relations entre les variables
d'intrt sont attendues.

L'identification de modrateurs et de mdiateurs peut galement dpendre du niveau de

connaissance dont on dispose propos du phnomne tudi.

Si un mdiateur est identifi, ct des processus modrateurs, l'existence d'une modration

mdiatise (mediated moderation) pourra galement tre envisage. La connaissance d'un
mdiateur peut aussi aider la dcouverte de modrateurs potentiels. En effet, l'on peut, par
exemple, tenter de dterminer s'il existe des circonstances lors desquelles l'effet de mdiation
est plus fort (le cas chant, l'on aura affaire un mdiateur modr (moderated mediator)

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).

Condition 1 : L'interaction X Z entre la variable indpendante et la variable

modratrice suppose doit avoir un impact significatif sur la variable dpendante Y,
cest--dire que le coefficient b3 dans l'quation dergression (i) est significatif ;

Y= a1+ b1X+ b2Z+ b3(X Z) + erreur1(i)

Condition 2 : L'interaction X Z doit avoir un impact significatif sur la variable

mdiatrice suppose M, cest--dire que le coefficient b6 dans l'quation de rgression
(j) est significatif ;

1
1
 M= a2+ b4X+ b5Z+ b6(X Z) + erreur2(j)

Condition 3 : La variable mdiatrice suppose M doit significativement influencer la

variable Y, lorsque l'influence de (X Z) est contrle, cest--dire que le coefficient
b7 de l'quation (k) est significatif ;

Y= a3+ b7M+ b8X+ b9Z+ b10(X Z) + erreur3(k)

Condition 4 : Pour une mdiation complte, l'influence significative de X Z doit

disparatre lorsque l'effet de M sur Y est contrl statistiquement, cest--dire que le
coefficient b10 de l'quation (j) est non significatif. Le cas chant, la variable Z est un
modrateur compltement mdiatis.

Remarquons que le mdiateur M pourrait galement la fois mdiatiser

l'effet simple de la variable indpendante X, en plus de l'effet de (X Z),
sur Y. Par ailleurs, tout comme pour la mdiation partielle, il peut exister
des cas de modration mdiatise partielle. Le cas chant, la quatrime
condition ne doit pas tre satisfaite.

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.

Y= a4+ b11M+ b12X+ b13Z+ b14(X Z) + b15(M Z) + erreur4(l)

1
1