ANALYSE FACTORIELLE EXPERTISE 

Indice KMO et test de Bartlett

Indice de Kaiser-Meyer-Olkin pour la mesure de la qualité ,724
d'échantillonnage.
Test de sphéricité de Khi-carré approx. 151,077
Bartlett ddl 3
Signification ,000

L’indice KMO de 0,72 peut être qualifié de bien. Il nous indique que les corrélations entre les items
de la variable expertise sont de bonne qualité, autrement dit, l'échantillon est adéquat pour une
analyse ACP. Ensuite, le résultat du test de sphéricité de Bartlett est significatif (p < 0,0005). Nous
pouvons donc dire que les corrélations ne sont donc pas toutes égales à zéro et poursuivre notre
analyse.

Variance totale expliquée

Valeurs propres initiales Sommes extraites du carré des chargements
Composante % de la % de la
Total % cumulé Total % cumulé
variance variance
1 2,321 77,357 77,357 2,321 77,357 77,357
2 ,397 13,236 90,594
3 ,282 9,406 100,000
Méthode d'extraction : Analyse en composantes principales.

Nous devons ensuite choisir le nombre de facteurs à extraire. Pour ce faire, nous analysons le tableau
de la variance totale expliquée. En regardant la deuxième colonne, nous constatons qu'un seul
facteur (ou composante) a une valeur propre plus élevée que 1. Nous le conservons donc pour
l’analyse. Le premier facteur explique à lui seul 77,36% de la variance totale des items de la variable
expertise, autrement dit, cette composante contient un degré d’informations important dans la base
de données initiale. Comme les facteurs 2 et 3 n’expliquent pas suffisamment de variance, ils ne sont
pas retenus.

Matrice des composantesa

Composante
1
Vous jugez l'influenceuse comme une personne experte, quand ,898
 elle : Est compétente dans son domaine
Vous jugez l'influenceuse comme une personne experte, quand ,854
elle : [Est diplômée dans son domaine]
Vous jugez l'influenceuse comme une personne experte, quand ,886
elle : [A des expériences dans son domaine]
Méthode d'extraction : Analyse en composantes principales.
a. 1 composantes extraites.

Nous remarquons qu’il y a une seule composante est retenue qui représente la variable expertise,
dont l’ensemble des items ont un coefficient qui est au-dessus de 0.8, ce qui prouve qu’ils présentent
un degré d’information important expliqué par le nouveau facteur synthétique.

TEST DE CORRELATION PEARSON : EXPERTISE vs IMAGE DE MARQUE

Corrélations
VAR_EXPER VAR_IMAGE
TISE _DE_MARQU
E
VAR_EXPERTISE Corrélation de Pearson 1 ,537**
Sig. (bilatérale) ,000
N 115 115
VAR_IMAGE_DE_MARQ Corrélation de Pearson ,537 **
1
UE Sig. (bilatérale) ,000
N 115 115
**. La corrélation est significative au niveau 0.01 (bilatéral).

Nous pouvons voir que le test de corrélation est significatif ( P-Value du test < 0.05 ),

Dans la case présentant le croisement de deux variables « Expertise » et « image de marque », nous
constatons que la corrélation est positive avec un coefficient égal à 0.537, ce qui nous permet de
rejeter H0 et confirmer l’hypothèse stipulant que l’expertise de l’influenceur a un impact positif sur
l’image de la marque Yves Rocher