AFE

Étiquettes

Fichiers et médias 4AFE.pdf

URL

AFE : Validation de l’échelle mesure, la validation du questionnaire, la

multicolinéarité

Composante : Ensemble de variables qui mesurent la même chose

Mesures Réflectives et formatives

Mesure réflective : La suppression d’un item ne change pas ou n’affecte pas la
nature sous jacente du construit

Ex : 7 7 7 7 7 7 7 7 9 on supprimer le 9

Mesure formative : Les indicateurs sont complémentaires, on ne peut pas

supprimer un construit

Ex: Composants d’un pc

Analyse factorielle exploratoire (AFE)

Elle est utilisée pour décrire les données en un nombre restreint de facteurs, elle a
pour objectif de résumer et réduire les données (factorisation)

La méthode d’extraction utilisée est l’analyse en composantes principales (ACP)

Elle permet de valider nos échelles de mesure en retirant les items qui ne sont pas
conformes et qui nuisent la validité du questionnaire en analysant composante par
composante

Elle répond à la question quels items retenir et quels items supprimer ?

Conditions de l’analyse factorielle exploratoire :

Taille d’échantillon nécessaire ≥ 50

Observation par composant ≥ 5 Observations

AFE 1
 Adéquation des données
Les données sont factorisables

MSA (Measure of sampling adequacy )

KMO (Kaiser Mayer Ohlin) > 0,7 c’est une donnée factorisable

Test de sphéricité de Barlette <α

Variance totale > 50% : ma composante me permet combien de tirer

d’informations

Communalité > 0,5 :

Coefficient structurelle > 0,6

➡ Ces deux derniers : Quels éléments garder et retirer

Valeur Propre > 1 : si elle est <1 elle contient des éléments hétérogènes , il ne
s’agit pas d’une composante

AFE 2
 Validation d’une échelle de mesure
Une échelle de mesure est un ensemble de gradations permettant d’attribuer une
valeur attendue à une question.

L’utilisation d’une échelle de mesure oriente le répondant sur les nuances

souhaitées à sa réponse et permet d’avoir une information facile à traiter

Le diapositif de recherche doit être :

Valide :

Validité interne : on mesure ce qu’on cherche à mesurer

➞Validité convergente : Tous les items mesurent la même chose et appartient à la

même composante
➞Validité discriminante : S’assurer que les items n’appartient à une seule et qu’une
seule composante, si elle appartient à plusieurs composantes , on est censé les
retirer (supprimer les variables corrélées à 2 composantes à la fois )

Tous les éléments mesurent la même chose et appartient à la même composante ,

c’est à dire supprimer les variables corrélées à 2 composantes à la fois

Validité externe : Tous les éléments doivent être pris en considération en

répondant aux questionnaires

Fiable : La mesure doit être régulière (donner le même résultat à chaque fois qu’elle
est refaite)

Précis : c’est à dire sensible aux variations

Validation non-croisée : On divise l’échantillon de taille n en deux sous-échantillons :

le premier dit d’apprentissage (communément supérieur à 60% de l’échantillon) et
le second dit de validation ou test

Le modèle est bâti sur l’échantillon d’apprentissage et validé sur l’échantillon test

AFE 3