Pour plus de détails, merci de consulter

 la thèse 1 page 246

 la thèse 2 193

Table des matières

1. Analyses préliminaires des données de l’échantillon final...........................................................2
a. Epuration des échelles de mesure : évaluation de la fiabilité interne et de l’unidimensionnalité
des échelles........................................................................................................................................2
b. Analyse statistique univariée......................................................................................................3
i. Analyse descriptive de la variable latente « dimension X» (pour les 3 dimensions)..................3
2. Deuxième étape : Analyse Confirmatoire.....................................................................................4
a. Spécification du modèle de mesure de la « dimension fournisseurs ».......................................4
b. Spécification du modèle de mesure de la « dimension interne »».............................................4
c. Spécification du modèle de mesure de la « dimension clients».................................................4
d. Vérification de la fiabilité et de la validité des échelles..............................................................5
i. La validité convergente...............................................................................................................5
ii. La validité discriminante.............................................................................................................5
3. Évaluation du modèle structurel (avec PLS) (thèse 2 page 193)...................................................6
a. Analyse du modèle structurel de la dimension fournisseurs......................................................6
b. Analyse du modèle structurel de la dimension interne..............................................................6
c. Analyse du modèle structurel de la dimension clients...............................................................6
 1. Analyses préliminaires des données de l’échantillon final

a. Epuration des échelles de mesure : évaluation de la fiabilité interne et de

l’unidimensionnalité des échelles

Il sera calculé, dans un premier temps. L’alpha de Cronbach pour toutes les échelles. Il est question d’identifier les items
ayant la plus faible consistance interne en observant la valeur de l’alpha sans l’item concerné. Cependant, nous n’éliminerons
pas directement les items ayant une faible contribution car ils pourraient appartenir à une dimension mise en évidence par
l’analyse factorielle. Si le coefficient de corrélation est élevé, les échelles ne seront pas suffisamment divergentes entre elles
et on pourrait supposer qu’elles mesurent le même phénomène

Objectif global : supprimer des items selon la proposition de SPSS après un premier calcul d’indice Cronbach et de
faire une ACP pour confirmer que la suppression est effectivement possible
(LE CAS AU CAS)

1.1.1.Le calcul de l’alpha de Cronbach de l’échelle de Dimension fournisseurs, dimension

interne et dimension clients

Variable Scale Mean if Item Scale Variance if Item Corrected Item-Total Cronbach's Alpha if Item
s Deleted Deleted Correlation Deleted

1.1.2.Résultats de l’ACP réalisée sur l’échelle des 3 dimensions

Extraction Sums of
Initial Eigenvalues Squared Loadings
Cu
mu
lati
% of Cumulati % of ve
Total Variance ve % Total Variance %
1
2
 Variables Component

3
4
5
6
7
9
Extraction Method: Principal Component Analysis

1.1.3.résultats de la deuxième ACP réalisée sur l’échelle/ dimensions (après suppression

d’un item)

 même tableau /observation des résultats…

b. Analyse statistique univariée

Variables Observations Obs. avec Obs. sans Min Max Médiane Moyenne Écart-
données données type
manquantes manquantes
63
63
63
63

Si on peut les catégoriser suivant les 3 critéres ( médiane/moyenne/ecart type)

EXEMPLE SUR 4 catégories ( SINON JE LE FAIS MANUELLEMENT)

Catégorie Médiane Moyenne Écart-type Nombre de

variables
1 5 >4 0,88 et 1,07 ?
2 4 > 3,5 0,86 et 1,17 ?
3 4 < 3,5 1,06 et 1,17 ?
4 3 < 3,5 0,97 et 1,22 ?

i. Analyse descriptive de la variable latente « dimension X» (pour

les 3 dimensions)
Std.
Variables asscociés Minimum Mean Deviation Skewness Kurtosis
  L’étape " exploratoire " d’épuration des échelles a été effectuée. L’Alpha de Cronbach a
été utilisé comme indicateur de la cohérence interne et des ACP afin de vérifier la
dimensionnalité.
 L’analyse descriptive a été aussi effectuée

2. Deuxième étape : Analyse Confirmatoire

Des analyses factorielles confirmatoires sous le logiciel AMOS. Ce logiciel fournit des tests
statistiques sur les relations causales et sur la qualité du modèle.

a. Spécification du modèle de mesure de la « dimension fournisseurs »

b. Spécification du modèle de mesure de la « dimension interne »»
c. Spécification du modèle de mesure de la « dimension clients»

Objectif est d’exécuter les propositions de corrélation de logiciel pour améliorer la qualité du
modèle
Le but est de : (pour les 3 dimensions/variables latentes et au cas de besoins aussi pour les
variables derivées de la variable latente)

 proposer des Indicateurs d’ajustement du modèle de mesure de la variable dimension

(tableau ci-dessous) ;

 Modèle de mesure retenu de la variable (schéma ci-dessous)

Exemple d’une thèse : Pour améliorer la qualité du modèle, le logiciel nous suggère de corréler
certaines erreurs de mesure, notamment celles des items 7, 8, 11 et 12. L’exécution de cette
opération améliore sensiblement la valeur des indicateurs d’ajustement du modèle avec des
loading satisfaisants pour tous les items.

Indices valeur de référence modèle 1 (sans modèle 2

corrélation d’erreur après corrélation des
de mesure) erreurs de mesure
Absolus p sup à 0,05 00 0,31
GFI >0,9 0,9 0,96
AGFI >0,9 0,79 0,90
SRMR Le plus proche de 0 (<0,08 pour 0,06 0,04
un ajustement acceptable)
 RMSEA 0,08 et si possible <0,06 0,14 0,04
Incrémentaux NFI >0,9 0,93 0,97
CFI >0,9 0,96 1
parcimonie χ²/DDL <<1 -seuil cible 13.79/12 13.79/12
<2 -seuil généralement admis
<3 -seuil acceptable
PNFI Le plus proche de 1 possible 0,56 0,61

d. Vérification de la fiabilité et de la validité des échelles

i. La validité convergente

Construit Rhô de Jöreskog

Dimension fournisseurs
Dimensions interne
Dimensions clients

D’après le tableau ci-dessus, les indicateurs Rhô de Jöreskog calculés pour l’ensemble des
construits sont supérieurs aux seuils recommandés ; la validité convergente des construits de nos
modèles de recherche est ainsi vérifiée

Un seuil de 0,7 du Rhô de Jöreskog témoigne d’une fidélité acceptable, quoique similairement à
l’alpha de Cronbach

ii. La validité discriminante

Le complément méthodologique traditionnel à la validité convergente est celui de la validité

discriminante. Elle représente l’étendu par lequel les indicateurs de mesure attribués aux
variables latentes diffèrent aux autres mesures des autres construits du modèle. Autrement dit,
elle indique dans quelle mesure chaque construit du modèle de recherche est à la fois unique et
différent des autres. Dans le contexte du PLS, le seul critère adéquat à la validité discriminante est
que le construit doit plutôt partager la plus grande variance avec ses indicateurs de mesure
qu’avec les autres construits du modèle donné (Hulland J. 1999). Pour appliquer la validité
discriminante, Fornell et Larcker (1981) suggèrent l’utilisation de “Average Variance Extracted” (la
variance moyenne partagée entre le construit et ses indicateurs de mesure).

Evaluation de la validité discriminante et corrélations entre les construits

Dimension Dimension Dimension

fournisseurs Interne fournisseurs
Composite Reliability ( CR) et l’Average Variance
Extracted ( AVE)
CR
 AVE
Matrice de corrélation et la racine carrée de l’AVE
Dimension 0.64
fournisseurs
Dimension 0.75
Interne
Dimension 0.70
Clients
Les corrélations entre tous les construits démontrent qu’ils sont empiriquement distincts ( valeur
gris supérieur à 0,5)

3. Évaluation du modèle structurel (avec PLS) (thèse 2 page

193)
a. Analyse du modèle structurel de la dimension fournisseurs
b. Analyse du modèle structurel de la dimension interne
c. Analyse du modèle structurel de la dimension clients

Exemple ( thése 2) on doit faire la meme chose pour les 3 dimensions pour avoir des équations
structurelles et tester la qualité du modéle
a. Analyse du modèle structurel de la dimension fournisseurs

Dimension Corrélation Path Corrélation Contribution %

fournisseurs coefficient * au R² (%) cumulé
coefficient
Sélection des X
fournisseurs
Intégration des Y
fournisseurs
Stratégie Z
d’approvisionnemen
t
Tableau : Coefficients structurels et le pourcentage de contribution au R2 de la dimension
fournisseurs

L’équation structurelle de la dimension fournisseurs peut s’écrire ainsi :

Dimension fournisseurs = X *sélection des fournisseurs +Y*intégration des fournisseurs+ Z*Stratégie
d’approvisionnement

Qualité du modèle relatif à la dimension fournisseurs

Indice Compl 1
Q² cum
R²Y cum
R²X cum
 Exemple : Aussi, l’analyse du Q² cumulé, du R²Y cumulé et du R²X cumulé, dont les mesures globales
de la qualité d’ajustement, de la qualité prédictive et de la stabilité du modèle, mais aussi des
coefficients de détermination des variables latentes endogènes et exogènes, montre respectivement
des indices de 0,994, de 0,994 et de 0,794 pour la première composante, ce qui est donc très proche
de 1, et prouve que le modèle a une bonne qualité d’ajustement et de prédiction, ainsi qu’une
stabilité correcte.