Académique Documents
Professionnel Documents
Culture Documents
Revue Systematique
Revue Systematique
Sous la direction de
Patrice LAROCHE
La méta-analyse
Méthodes et applications
en sciences sociales
La méta-analyse
La collection Méthodes & Recherches poursuit un double objectif :
• présenter en langue française des états de l’art complets sur des thèmes de recherches
contemporains mais également pratiques, d’intérêt et de niveau international.
• réunir des auteurs et des lecteurs de divers champs disciplinaires (économistes, gestion-
naires, psychologues et sociologues…) et les aider à communiquer entre eux.
Rico Baldegger, avec la collaboration de Marilyne Pasquier, Le management dans un envi-
ronnement dynamique. Concepts, méthodes et outils pour une approche systémique
Christophe Assens, Le management des réseaux. Tisser du lien social pour le bien-être éco-
nomique
Rémi Barré, Bastiaan de Laat, Jacques Theys (sous la direction de), Management de
la recherche. Enjeux et perspectives
Nicole Barthe, Jean-Jacques Rosé (sous la direction de), RSE. Entre globalisation et déve-
loppement durable
Emmanuel Bayle, Jean-Claude Dupuis (sous la direction de), Management des
entreprises de l’économie sociale et solidaire. Identités plurielles et spécificités
Maxime Bellego, Patrick Légeron, Hubert Ribéreau-Gayon (sous la direction de),
Les risques psychosociaux au travail. Les difficultés des entreprises à mettre en place des
actions de prévention
Soumaya Ben Letaifa, Anne Gratacap, Thierry Isckia (Éd.), Understanding Business
Ecosystems. How Firms Succeed in the New World of Convergence?
Michelle Bergadaà, Marine Le Gall-Ely, Bertrand Urien (sous la direction de),
Don et pratiques caritatives
Jean-Pierre Bouchez, L’économie du savoir. Construction, enjeux et perspectives
Denis Cristol, Catherine Laizé, Miruna Radu Lefebvre (sous la direction de),
Leadership et management. Être leader, ça s’apprend !
Nathalie Delobbe, Olivier Herrbach, Delphine Lacaze, Karim Mignonac
(sous la direction de), Comportement organisationnel - Vol. 1. Contrat
psychologique, émotions au travail, socialisation organisationnelle
Xavier Deroy (sous la direction de), Formes de l'agir stratégique
Michel Dion (sous la direction de), La criminalité financière. Prévention, gouvernance et
influences culturelles
Jean-Claude Dupuis, Économie et comptabilité de l’immatériel
Assâad El Akremi, Sylvie Guerrero, Jean-Pierre Neveu (sous la direction de), Comportement
organisationnel - Vol. 2. Justice organisationnelle, enjeux
de carrière et épuisement professionnel
Alain Finet (sous la direction de), Gouvernance d’entreprise. Nouveaux défis financiers et
non financiers
Anne Gratacap, Alice Le Flanchec (sous la direction de), La confiance en gestion.
Un regard pluridisciplinaire
Denis Guiot, Bertrand Urien (sous la direction de), Comprendre le consommateur âgé.
Nouveaux enjeux et perspectives
Thomas Lagoarde-Segot, La finance solidaire. Un humanisme économique
Patrice Laroche (sous la direction de), La méta-analyse. Méthodes et applications en
sciences sociales
Alain Maes, Le management intégrateur. Fondements, méthodes et applications
Denis Monneuse, Le surprésentéisme. Travailler malgré la maladie
Jean-Jacques Rosé (sous la direction de), Responsabilité sociale de l'entreprise.
Pour un nouveau contrat social
Jacques Rojot, Patrice Roussel, Christian Vandenberghe (sous la direction de),
Comportement organisationnel - Vol. 3. Théories des organisations, motivation au travail,
engagement organisationnel
Patrice Roussel, Frédéric Wacheux (sous la direction de), Management des ressources
humaines. Méthodes de recherche en sciences humaines et sociales
Sylvie Saint-Onge, Victor Haines (sous la direction de), Gestion des performances au travail.
Bilan des connaissances
Laurent Taskin et Matthieu de Nanteuil (sous la direction de), Perspectives critiques en
management. Pour une gestion citoyenne
Sylvie Trosa, La crise du management public. Comment conduire le changement ?
Bénédicte Vidaillet, Véronique d'Estaintot, Philippe Abecassis (sous la direction de),
La décision. Une approche pluridisciplinaire des processus de choix
Saïd Yami, Frédéric Le Roy (sous la direction de), Stratégies de coopétition. Rivaliser
et coopérer simultanément
Sous la direction de
Patrice LAROCHE
La méta-analyse
Méthodes et applications
en sciences sociales
Pour toute information sur notre fonds et les nouveautés dans votre
domaine de spécialisation, consultez notre site web : www.deboeck.com
Imprimé en Belgique
Dépôt légal :
Bibliothèque nationale, Paris : janvier 2015 ISSN 1781-4944
Bibliothèque royale de Belgique, Bruxelles : 2015/0074/021 ISBN 978-2-8041-9009-5
Sommaire
Introduction.................................................................................................. 7
Partie 1
Théories et méthodologies
Chapitre 1
Introduction à la méthodologie méta-analytique................................................ 17
Chapitre 2
La recherche des variables modératrices à l’aide de la méta-analyse...................... 59
Chapitre 3
La méta-analyse de régression : propriétés et utilisation...................................... 77
Chapitre 4
L’exploration du biais de publication : une description des techniques existantes. ...... 89
Partie 2
Applications en sciences humaines et sociales
Chapitre 5
La méta-analyse en sciences de gestion : deux cas illustratifs en management. ... 119
Chapitre 6
Une analyse systématique du biais de sélection sur le test de Feldstein et Horioka....... 135
Chapitre 7
La méta-analyse en psychologie organisationnelle de la santé :
définition et illustration. ................................................................................... 169
6 La méta-analyse
Chapitre 8
L’impact du contact tactile sur l’acceptation d’une requête :
une illustration de l’intérêt de la méta-analyse en sciences du comportement...... 191
Conclusion
Apports et limites de la méta-analyse. ................................................................. 209
“Scientists have known for centuries that a single study will not resolve a major issue.
Indeed, a small sample study will not even resolve minor issue. Thus, the foundation
of science is the cumulation of knowledge from the results of many studies.”
Hunter, Schmidt et Jackson, 1982, p. 10
1 Certains documents renvoient même à un ouvrage publié à l’usage des astronomes en 1861 par
la British Astronomer Royal, qui développe les travaux statistiques de Gauss et Laplace, au fonde-
ment des techniques statistiques aujourd’hui utilisées dans les méta-analyses (Airy G.B., “On the
Algebrical and Numerical Theory of error of Observations and the Combination of Observations”, Lon-
don: MacMillan, 1861).
2 La mesure de l’intensité de la relation entre deux variables d’intérêt est appelée indifféremment
« grandeur d’effet », « taille de l’effet » ou « importance de l’effet » (“effect size” pour les anglo-saxons).
Introduction 9
1 Document du SAS Institute, “Interpreting Results through Meta-Analytic Review Using SAS
Software”, disponible sur http://support.sas.com/publishing/pubcat/chaps/55810.pdf
2 On visitera avec intérêt les pages réalisées par Michel Cucherat sur le site de l’Université de
Lyon 1 et consacrées aux procédures méta-analytiques appliquées aux essais thérapeutiques.
3 Voir le site très complet de cette fondation sur http://www.cochrane.org/admin/index.htm
10 La méta-analyse
800
Ebsco (1982-2013)
Nombre de méta-analyses publiées
700
EconLit (1982-2013)
600
ISI Web of Science (Sciences sociales, 1991-2013)
500
400
300
200
100
0
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Année de publication
1 Le recensement des méta-analyses a été réalisé sur la base de données Ebsco (Business Source
Complete & EconLit) à partir des critères de recherche suivants : présence du mot « méta-analyse »
dans le titre ou dans le résumé de l’article, publication dans une revue académique (en sciences
sociales) internationale (en toutes langues) et à comité de lecture.
Introduction 11
Bibliographie
Birge, R.T. (1932). The calculation of error by the method of least squares. Physical
Review, 40, 207‑227.
Cochran, W.G. (1937). Problems ariser in the analysis of a series of similar experi-
ments. Journal of the Royal Statistical Society, 4, 102‑118.
Cochran, W.G. (1954). The combination of estimates from different experiments. Bio-
metrics, 10, 101‑129.
Cohen, J. (1962). The statistical power of abnormal-social psychological research: a
review. Journal of Abnormal and Social Psychology, 65(3), 145‑153.
Introduction 13
Théories
et méthodologies
Sommaire
Introduction à la méthodologie
méta-analytique
Patrice Laroche*
Sommaire
1. La préparation de la méta-analyse 20
8. Conclusion 54
• Définitions :
La taille de l’effet ou grandeur d’effet est une mesure de l’intensité de la relation entre
deux variables d’intérêt. Les méthodes les plus répandues pour calculer les tailles de l’ef-
fet sont : le coefficient de corrélation de Pearson, le d de Cohen qui mesure la diffé-
rence standardisée entre deux moyennes et le rapport de cote (odds ratio) qui compare
la probabilité d’un événement dans deux groupes. Le choix de l’une ou l’autre méthode
dépendra des domaines de recherche et de la nature des données collectées et de leurs
traitements statistiques.
La puissance statistique d’une étude mesure sa capacité à mettre en évidence l’effet
d’une variable d’intérêt si cet effet existe. En d’autres termes, la puissance statistique d’un
test est son aptitude (en termes de probabilité) à obtenir un résultat statistiquement signi-
ficatif si l’effet mesuré est réel. La puissance est égale à 1 – b, où b est le risque de
deuxième espèce, celui de ne pas mettre en évidence un effet qui existe pourtant. La
puissance d’un test augmente notamment avec la taille de l’échantillon et l’importance
de l’effet recherché.
L’erreur ou la fluctuation d’échantillonnage découle du fait que le chercheur n’observe
qu’une partie, au lieu de la totalité de la population. Ainsi, toutes les estimations calcu-
lées à partir d’un échantillon sont exposées à l’erreur d’échantillonnage.
L’erreur de mesure correspond à l’erreur faite sur les mesures qui ont conduit aux résul-
tats. Elle dépend de la qualité et de la justesse d’un outil de mesure à donner une valeur
proche de la valeur vraie.
Introduction à la méthodologie méta-analytique 19
• Principes fondamentaux :
Le principe général de la méta-analyse repose sur l’hypothèse que l’importance du lien
entre deux variables (ou grandeur d’effet) est une constante et que chaque étude
consacrée à ce lien mesure cette constante. Les différences de résultats observées entre
les études individuelles ne proviendraient donc que des fluctuations d’échantillonnage. La
valeur réelle de la grandeur d’effet reste inconnue, les études existantes ne donnant que
des estimations soumises à l’erreur de mesure et à l’erreur d’échantillonnage. Par consé-
quent, la méta-analyse cherche à obtenir la meilleure estimation possible de la grandeur
d’effet commune.
La démarche méta-analytique s’appuie alors sur trois grands principes :
–– une recherche exhaustive des études existantes ;
–– une sélection rigoureuse et argumentée des études ;
–– une estimation de la taille de l’effet commun.
Les éléments à considérer, pour ceux qui veulent entreprendre une méta-
analyse ou simplement en interpréter les résultats, sont maintenant développés, à
travers une description plus détaillée des différentes étapes.
1. La préparation de la méta-analyse
Cette première phase de la méta-analyse consiste à recenser l’ensemble des
études existantes s’intéressant à la même question de recherche afin d’obtenir une
base pour les traitements statistiques. Elle nécessite de définir précisément l’objec-
tif de la recherche envisagée (1.1.), de faire une recherche exhaustive des études
existantes (1.2.) puis d’établir des critères d’exclusion et d’inclusion des études dans
la méta-analyse (1.3.).
Introduction à la méthodologie méta-analytique 21
L’étape suivante consiste à faire une recherche la plus exhaustive possible des
études existantes sur le domaine investigué. Les bases de données bibliographiques
informatisées telles qu’ABI Inform/Proquest, Jstor, Ebsco, Science Direct, Emerald,
Cairn, Springer Link ou Wiley-Blackwell – pour n’en citer que quelques-unes – offrent
la possibilité d’accéder à de nombreux travaux de recherche et sont devenus incon-
tournables aujourd’hui dans le domaine scientifique. Elles fournissent un accès direct
à de nombreuses revues en sciences sociales et à leurs articles téléchargeables direc-
tement sous format PDF. Par ailleurs, d’autres bases telles que Social Science Citation
Index (SSCI), EconLit, Doge, Current Contents, Management Contents, Journal of Eco-
nomic Literature offrent des accès plus limités (en proposant seulement des résumés
des études), mais peuvent constituer un moyen d’identifier des travaux qu’il convien-
dra de collecter par la suite. Enfin, une recherche complémentaire peut être effectuée
sur les moteurs de recherche Internet tels Google Scholar, Google Books, EconPapers
ou SSRN (Social Science Research Network) (Laroche et Soulez, 2012). Une recherche
sur les seules bases de données informatisées ne suffit pas à recenser l’ensemble
des références bibliographiques et à rendre le corpus exhaustif. Une fois les articles,
extraits d’ouvrages et documents sélectionnés, il convient également d’explorer l’en-
semble des bibliographies de chaque étude jusqu’à « saturation ». À partir du moment
où plus aucune étude non déjà identifiée n’apparaît dans une bibliographie nouvelle
et/ou récente, c’est que le niveau de saturation est atteint. Le méta-analyste peut
compléter sa recherche manuelle par une exploration des revues de littérature narra-
tives ayant déjà identifié au préalable les études empiriques existantes dans le champ
de recherche. Il peut également examiner directement les revues académiques consi-
dérées comme majeures dans son champ de recherche afin d’identifier les études non
publiées ou à paraître. Enfin, il est parfois recommandé de contacter les auteurs iden-
tifiés dans les bases de données, mais dont les études ne sont pas téléchargeables
sous format électronique ni disponibles sous format papier.
22 Théories et méthodologies
1 Une variable est une information dont on observe la valeur sur chaque individu. On parle de
variable, car cette valeur diffère d’un individu à l’autre.
Introduction à la méthodologie méta-analytique 23
1 Il est inapproprié de combiner les grandeurs d’effet, mais il n’est pas impossible de combiner
les résultats. En effet, certains méta-analystes proposent une approche de type “vote counting” où
il s’agit de distinguer les études selon qu’elles obtiennent des résultats négatifs, non significatifs
et positifs – codés respectivement 0, 1 et 2 – puis de mener une méta-analyse de régression des
probits ordonnés (voir par exemple, Koetze et al., 2009 ; Waldorf & Byun, 2005).
24 Théories et méthodologies
hétérogènes qui diffèrent sur quatre ou cinq aspects importants demandera de col-
lecter au moins vingt études, avec suffisamment de différences entre elles. Il n’y a
donc pas de règles strictes en la matière, mais il convient de souligner deux points
importants s’agissant de l’intégration de résultats issus d’études individuelles. Tout
d’abord, il y a souvent moins d’études disponibles qu’envisagé au départ de la méta-
analyse. Il ne faut donc pas se décourager si l’on ne récupère qu’une douzaine
d’études empiriques plus ou moins comparables. Ensuite, on dispose souvent de
plusieurs estimations issues d’une même étude (parce que les chercheurs ont testé
différents modèles) et, par conséquent, on recueille un nombre d’estimateurs de l’ef-
fet supérieur au nombre d’études identifiées initialement. Cette situation engendre
d’autres difficultés méthodologiques (notamment un problème de dépendance des
effets) qui sont néanmoins relativement aisées à contourner à l’aide d’outils statis-
tiques adaptés (cf. infra).
1 Par exemple, Doucouliagos et Laroche (2013) s’appuient sur des enquêtes internationales ou
des classements (World Value Survey, Index of Economic Freedom, Fraser Institute Ranking, etc.) pour
introduire des informations complémentaires permettant d’expliquer l’hétérogénéité des résultats
des études empiriques qui font l’objet de la méta-analyse.
Introduction à la méthodologie méta-analytique 25
Les modérateurs potentiels sont de plusieurs natures. Il peut s’agir de façon non exhaus-
tive (1) des caractéristiques distinctives des études (2) de la nature de la population étu-
diée, (3) des variables d’intérêt retenues, (4) de la méthodologie de recherche adoptée,
(5) de la période couverte par les études, (6) du type de publication, etc.
CARACTÉRISTIQUES DE L’ÉCHANTILLON
Période couverte par l’étude
Âge, sexe des répondants
Secteur d’activité
Niveau d’analyse (établissement, entreprise, secteur…)
CARACTÉRISTIQUES MÉTHODOLOGIQUES
Taille de l’échantillon
Caractéristique du groupe de contrôle
Type d’approche économétrique (MCO, DMC…)
Type de données (en coupe, longitudinale, de panel)
Nature des variables de contrôle
N.B. Le coefficient de corrélation partielle r est ici la grandeur d’effet standardisé et il a été calculé par
les auteurs à partir des statistiques disponibles dans les études (cf. infra).
1 En médecine, les méta-analystes utilisent parfois l’indice de Glass qui ne retient au dénomi-
nateur que l’écart-type du groupe de contrôle qui est considéré comme plus fiable que celui du
groupe expérimental.
MÉTHODE EXPÉRIMENTALE : présence de données expérimentales
Taille de l’échantillon de contrôle
28
NC = 1 NC = 2 NC > 2
d de Cohen d de Cohen ou g de Hedges
E C E C
Y – Y Y – Y
d= d ou g =
SD SDpooled
VE + VC avec
NE = 1
avec SD = E
2 (N – 1)V E + (N C – 1)V C
SDpooled =
(N E – 1) + (N C – 1)
Théories et méthodologies
avec avec
NE = 2
E
d de Hedges E
(N – 1)V E + (N C – 1)V C E C (N – 1)V E + (N C – 1)V C
SDpooled = Y – Y SDpooled =
(N E – 1) + (N C – 1) g= (N E – 1) + (N C – 1)
SDpooled
d de Hedges avec puis correcteur d’échantillonnage
E C E E C C 3
Y – Y (N – 1)V + (N – 1)V g
NE > 2
SDpooled = d = 1 –
(N E – 1) + (N C – 1) 4 N – 9
puis correcteur d’échantillonnage
3
d = 1 – g
4 N – 9
MÉTHODE EXPÉRIMENTALE : présence de données corrélationnelles (t de Student)
Taille de l’échantillon de contrôle
NC = 1 NC = 2 NC > 2
d de Cohen d de Hedges
2t t (N E + N C )
d= d=
N
(N E + N C – 2)(N E N C )
avec N = NE + NC d de Hedges
NE = 1
Si échantillons égaux
2t
d=
ddl
d de Hedges d de Hedges
avec ddl = N – 2
E C 2t
t (N + N ) d= Si échantillons non égaux
d=
ddl
NE = 2
(N E + N C – 2)(N E N C ) d de Hedges
avec ddl = N – 2 t (N E + N C )
d=
d de Hedges (N E + N C – 2)(N E N C )
NE > 2
(N E + N C – 2)(N E N C )
Y E = moyenne du groupe expérimental ; Y C = moyenne du groupe de contrôle ; SD = écart-type (standard deviation) ; SDpooled = écart-type agrégé intragroupe (standard
deviation pooled) ; V E = variance du groupe expérimental ; V C = variance du groupe de contrôle ; N E = taille du groupe expérimental ; N C = taille du groupe de
contrôle ; N = taille du groupe expérimental + taille du groupe de contrôle ; t = t de Student ; ddl = degrés de liberté ; p = proportion de l’échantillon N E dans l’échantillon
total N soit N E/N ; q = proportion de l’échantillon N C dans l’échantillon total N soit N C/N
Introduction à la méthodologie méta-analytique
Tableau 1.3 — Les principales métriques pour l’estimation de la grandeur d’effet à partir de données expérimentales
(source : Revelli, 2011)
29
30 Théories et méthodologies
On notera par ailleurs qu’Hedges et Olkin (1985) ont proposé une correction
de l’indice g, lorsque les méta-analystes travaillent sur de petits échantillons, qui
se calcule de la manière suivante :
3g
gadj = g –
4(n1 + n2 ) – 9
t2
r =
(t 2 + ddl)
avec ddl = N – 2
F
r =
F + ddl
avec ddl = N – 2
1 Le principe est de retirer de rxy le double effet des corrélations qu’entretiennent X et Y avec Z.
Si ce double effet est minime, on retombe sur un coefficient de corrélation partielle égal à la cor-
rélation de Pearson. Autrement dit, on cherche une corrélation entre les résidus d’une régression
de X sur Z et une régression d’Y sur Z.
Introduction à la méthodologie méta-analytique 31
1 1 1 1
SEln(OR ) = + + +
n00 n01 n10 n11
Encadré 3 : Une illustration des modes de calcul des grandeurs d’effet standardisées
(d’après Laroche et Soulez, 2012)
Pour les résultats issus de recherches expérimentales, la taille de l’effet est souvent
exprimée par le g de Hedges. L’importance de l’effet dans chaque étude est ainsi cal-
culée selon la formule : E C
Y –Y
g=
s
où Y E est la moyenne du groupe expérimental, Y C est la moyenne du groupe de contrôle
et s est la variance agrégée intragroupe. La variance est calculée comme suit :
(nE – 1)(s E )2 + (nC – 1)(s C ) 2
s=
nE + nC – 2
où nE et sE représentent la taille et l’écart-type du groupe expérimental et nc et sc la taille
et l’écart-type du groupe de contrôle. Cela étant, la métrique g est un estimateur biaisé,
surtout pour les échantillons de petite taille. Il convient alors d’utiliser un estimateur sans
biais d qui se calcule de la manière suivante :
3
d = 1– g
4N – 9
Exemple 1 : Dans une étude portant sur l’âge et la sensibilité à une marque, la moyenne
d’âge des consommateurs dans le groupe de contrôle est YC = 41 ans avec un écart-type
de 4,5 ans. Dans le groupe expérimental (constitué de gens sensibles à une marque don-
née) YE = 38 et sE = 4. La taille du groupe de contrôle est nC = 158 et celle du groupe
expérimental nE = 155. L’estimation de l’écart-type commun s’obtient de la manière suivante :
(155 – 1)42 + (158 – 1)4,52
s= = 4,26
158 + 155 – 2
La taille de l’effet est estimée en utilisant les formules précédentes :
38 – 41 3
g= = – 0,70 d = 1 – (– 0,70) = – 0,69
4,26 4 313 – 9
Pour les résultats issus de recherches de type corrélationnel, les coefficients de régression,
les coefficients de corrélation de Pearson ou bien encore les élasticités estimés dans chaque
étude peuvent être transformés en coefficients de corrélation partielle r (Wolf, 1986, p. 35).
34 Théories et méthodologies
1 La fiabilité fait référence à l’uniformité des mesures ou sa fidélité (obtient-on le même résul-
tat si on répète la procédure ?). La validité porte sur les conclusions que nous pouvons tirer des
résultats obtenus (nos résultats correspondent-ils à la véritable nature du phénomène étudié ?).
Introduction à la méthodologie méta-analytique 35
1
wi =
SEi2
où SEi représente l’écart-type de l’estimation de la taille de l’effet de l’étude i.
Cette pondération doit être calculée pour toutes les estimations issues de
chaque étude collectée. On notera à ce stade que l’on peut aussi, tout simplement,
substituer à wi la valeur de la taille de l’échantillon N, afin de pondérer les estima-
tions de la taille de l’effet.
Il n’est possible d’envisager une méta-analyse que si l’on considère un ensemble d’estima-
teurs de l’effet totalement indépendants. En effet, l’hypothèse de base de la statistique infé-
rentielle est l’indépendance des observations, autrement dit chaque observation doit être
issue d’un échantillon unique tiré aléatoirement à partir d’une population donnée. Concrète-
ment, cette condition est respectée si chaque étude retenue dans la méta-analyse fournit une
seule grandeur d’effet. Or, en réalité, il arrive fréquemment que cette hypothèse soit violée,
car les études existantes peuvent fournir plusieurs estimateurs de l’effet que les méta-analystes
sont tentés d’exploiter, créant ainsi un problème de dépendance des effets. Plusieurs options
sont proposées aux méta-analystes afin de résoudre ce problème de dépendance des effets.
Une première option consiste à ne retenir qu’un seul estimateur de l’effet par étude. Il arrive
ainsi que l’auteur de l’étude, lui-même, indique le modèle qui lui semble le plus robuste,
permettant ainsi au méta-analyste de retenir le « meilleur » estimateur de l’effet. À défaut,
la pratique la plus courante, revient à calculer une moyenne de l’ensemble des multiples
grandeurs d’effet et d’utiliser cette moyenne comme la grandeur d’effet de l’étude concer-
née. Toutefois, cette approche réduit la puissance statistique de la méta-analyse en dimi-
nuant le nombre d’observations. Une deuxième approche, proposée par Bijmolt et Pieters
(2001), consiste à pondérer chaque étude par l’inverse du nombre d’estimations de l’étude
(wms = M/MsS où M représente le nombre total d’estimations, Ms, le nombre d’estima-
tions issues de l’étude s et S, le nombre d’études introduites dans la méta-analyse). Enfin,
une troisième option, plus fréquente en économie appliquée, consiste à mobiliser des outils
économétriques sophistiqués afin de contrôler ce type de biais dans des modèles de méta-
régression. Ainsi, Stanley et Doucouliagos (2012, page 68‑70) proposent de mener des
méta-analyses multi-niveaux qui tiennent compte de la dépendance des effets.
mêmes des études existantes, qui est d’ordre contextuel ou méthodologique. Il s’agit de répondre
alors à la question suivante : quels sont les facteurs contextuels et/ou les particularités méthodolo-
giques des études empiriques qui expliquent cette hétérogénéité des résultats ?
38 Théories et méthodologies
La procédure de Hunter, Schmidt et Jackson (1982) vise, dans un premier temps, à éva-
luer la part de la variance des effets liée aux erreurs d’échantillonnage. Ainsi, pour déter-
miner dans la population la variance des grandeurs d’effets, on calcule la somme des
différences au carré entre chaque grandeur d’effet et la grandeur d’effet estimée dans
la population. On pondère ensuite chaque différence en fonction de la taille des échan-
tillons de chaque étude. Celle-ci correspond à la variance observée de la population.
k
Ni (ri – r )2
2 i =1
S =
r k
[Variance observée]
Ni
i =1
On calcule ensuite la part de la variance des effets liée aux erreurs d’échantillonnage
comme suit :
k(1 – r 2 )2
Ser2 = k [Variance liée à l’erreur d’échantillonnage]
Ni
i =1
Grandeur d’effet
de la population, θ
Étude 1
Étude 2
Étude 3
Étude 4
Étude 5
Grandeur d’effet
de la population, μ
Étude 1
Étude 2
Étude 3
τ
Étude 4
Étude 5
di = grandeur de l’effet de l’étude i ; wi = coefficient de pondération correspondant à l’inverse de la variance associée à l’étude i ;
ri = grandeur de l’effet de l’étude i ; Ni = taille de l’échantillon de l’étude i ; N = taille de l’échantillon total ; k = nombre d’études ;
w*i = coefficient de pondération correspondant à l’inverse de la variance associée à l’étude i et issu du modèle à effets aléatoires.
Figure 1.3 — Estimation de la grandeur d’effet commune et évaluation de l’hétérogénéité des grandeurs d’effet (Revelli, 2011)
Introduction à la méthodologie méta-analytique 41
1 Cf. chapitre 4 sur la recherche des effets modérateurs (Aguinis & Pierce).
42 Théories et méthodologies
1 Pour une description des méthodes d’équations structurelles, consulter Kline (2011) et/ou
Roussel et al. (2002).
2 On régresse Y (la variable à expliquer) sur X (la variable explicative).
44 Théories et méthodologies
Path diagram:
1.0*
b0 =.420**
Interc* Zr*
0*
Mplus Syntax:
1
TITLE: Fixed-effects mean
DATA: File is Table 1_2014.txt;
VARIABLE: NAMES N r Zr W interc;
USEVARIABLES ARE Zr interc;
DEFINE: w2 = SQRT(W);
Zr = w2 * Zr;
Interc = w2 * interc;
MODEL:
[Zr@0.0]; ! Fixes intercept at 0
Zr@1.0; ! Fixes variance at 1
Zr ON X1 X2 X3 D_Genre interc; ! Regress transformed Zr
on transformed moderators
OUTPUT:
Path diagram:
X1*
b1 = .423*
X2*
b2 = .058
X3*
b3 = .148*
D_Genre*
1.0*
b4 = –.015
0*
Mplus Syntax: 1
Modérateurs
Échantillon Études Études Secteur
total États-Unis britanniques industriel U.S.
Anderson (1992)
Andrew (1987)
Bart (2003)
Johns (1995)
Johnson (2002)
Stewart (2008)
Wilson (1994)
Wright (2011)
-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8
1 http://www.hendrix.edu/maer-network/
Introduction à la méthodologie méta-analytique 49
Sommaire. ....................................................................................................... 5
Introduction.................................................................................................. 7
Partie 1
Théories et méthodologies
Chapitre 1
Introduction à la méthodologie méta-analytique. ................................ 17
1. La préparation de la méta-analyse......................................................... 20
1.1 La formulation de la question de recherche......................................... 21
1.2 La recherche des études existantes...................................................... 21
1.3 Les critères d’inclusion et d’exclusion des études. ............................... 22
2. Le codage des études individuelles. ...................................................... 24
2.1 L’identification des modérateurs potentiels.......................................... 24
2.2 Le codage et sa vérification................................................................. 25
3. Le choix et la combinaison des tailles de l’effet................................. 26
3.1 Le choix d’une métrique commune (ou grandeur d’effet « standardisée »)..... 27
3.1.1 Le cas des recherches expérimentales........................................... 27
3.1.2 Le cas des recherches de type corrélationnel................................ 30
3.1.3 Le cas du rapport de cote ou odds ratio (OR)............................. 32
3.2 La correction des grandeurs d’effet « standardisées »........................... 34
3.3 Le biais de publication......................................................................... 35
3.4 La combinaison des grandeurs d’effet « standardisées »....................... 35
3.4.1 La pondération des résultats. ...................................................... 35
3.4.2 Effets fixes vs effets aléatoires.................................................... 36
218 La méta-analyse
Chapitre 2
La recherche des variables modératrices à l’aide
de la méta-analyse........................................................................................ 59
1. L’approche méta-analytique de Hedges et Olkin (HO)......................... 60
1.1 Arguments en faveur de l’utilisation de la statistique d’homogénéité Q.... 61
2. Mettre en œuvre des corrections au niveau des études
dans la méta-analyse. ................................................................................... 62
2.1 Arguments en faveur de l’introduction de corrections.......................... 63
3. Introduire une correction intra-étude dans la procédure
de Hedges et Olkin : une procédure en trois étapes................................ 65
3.1. Étape 1............................................................................................... 66
3.2. Étape 2............................................................................................... 67
3.3. Étape 3............................................................................................... 69
4. Une illustration de l’utilisation de la procédure en trois étapes....... 70
4.1. Étape 1............................................................................................... 70
4.2. Étape 2............................................................................................... 71
4.3. Étape 3............................................................................................... 72
5. Synthèse et conclusion............................................................................ 73
Chapitre 3
La méta-analyse de régression : propriétés et utilisation. ..................... 77
1. Le problème de la spécification............................................................. 79
2. La méta-analyse : la combinaison des résultats................................... 79
3. La méta-analyse de régression (MAR).................................................... 80
4. Propriétés économétriques et taille de l’effet. ..................................... 82
5. L’analyse de méta-régression : opportunités méthodologiques.......... 84
Table des matières 219
Chapitre 4
L’exploration du biais de publication :
une description des techniques existantes............................................... 89
1. Les outils d’investigations graphiques du biais de publication.......... 91
1.1. Les graphiques en entonnoir ou « funnel graphs ».............................. 91
1.2 La représentation radiaire de Galbraith (1988) et la publication
sélective de type II. ................................................................................... 95
2. La méta-régression et l’analyse du biais de publication..................... 96
2.1. Test d’asymétrie et correction du biais de publication. ...................... 96
2.2. Le test de méta-significativité ou MST (Meta-Significance Testing). .... 102
2.3. La méta-analyse de régression explicative
(MRA – Meta-Regression Analysis)................................................................ 106
3. L’investigation des études manquantes dans la méta-analyse :
le calcul du nombre d’études dans le tiroir (Fail-Safe N)......................... 109
4. Conclusion................................................................................................. 111
Partie 2
Applications en sciences humaines et sociales
Chapitre 5
La méta-analyse en sciences de gestion :
deux cas illustratifs en management........................................................ 119
1. Collecte de l’ensemble des études existantes sur la question
de recherche................................................................................................... 120
2. Choix des études et contrôle des biais de sélection........................... 122
3. Analyse des résultats............................................................................... 124
3.1 Mesure des grandeurs d’effet................................................................ 124
3.2 Contrôle des biais de publication......................................................... 126
3.3 Mesure de la grandeur d’effet commune et évaluation
de l’hétérogénéité des grandeurs d’effet..................................................... 127
4. Conclusion................................................................................................. 133
Chapitre 6
Une analyse systématique du biais de sélection sur le test
de Feldstein et Horioka............................................................................... 135
1. Le paradoxe de Feldstein-Horioka.......................................................... 137
2. Bases de données..................................................................................... 141
3. Détection du biais de publication.......................................................... 145
3.1 Analyse graphique................................................................................ 145
3.2 Évaluation économétrique du biais de publication............................... 148
220 La méta-analyse
Chapitre 7
La méta-analyse en psychologie organisationnelle de la santé :
définition et illustration. ............................................................................ 169
1. Un exemple de méta-analyse : l’étude du burn-out
en situation de travail.................................................................................. 174
1.1 Méthodologie et stratégie d’analyse..................................................... 175
1.2 Procédure............................................................................................. 176
1.3 Population............................................................................................ 176
2. Résultats.................................................................................................... 176
2.1 Métacorrélations des variables organisationnelles
et/ou individuelles avec la dimension de l’épuisement émotionnel. ........... 176
2.2 Métacorrélations des variables organisationnelles
et/ou individuelles avec la dimension dépersonnalisation.......................... 179
2.3 Métacorrélations des variables organisationnelles
et/ou individuelles avec la dimension d’accomplissement personnel........... 182
3. Conclusion................................................................................................. 185
4. Limites de l’étude. ................................................................................... 185
Chapitre 8
L’impact du contact tactile sur l’acceptation d’une requête :
une illustration de l’intérêt de la méta-analyse en sciences
du comportement......................................................................................... 191
1. L’influence du toucher sur l’acceptation de requêtes.......................... 192
2. Méthode..................................................................................................... 193
2.1 Principe de la méta-analyse................................................................. 193
2.2 La recherche documentaire. ................................................................. 193
2.3 L’indicateur de l’importance de l’effet.................................................. 194
3. Résultats : mesure de l’importance de l’effet du toucher. .................. 195
3.1 Culture et contact tactile..................................................................... 199
3.2 Genre et contact tactile....................................................................... 201
4. Discussion générale.................................................................................. 203
5. Conclusion................................................................................................. 205
Table des matières 221
Conclusion
Apports et limites de la méta-analyse........................................................ 209
Patrice LAROCHE
Docteur et agrégé des Universités en sciences de gestion, Patrice
Laroche est professeur de gestion des ressources humaines à ESCP-
Europe et membre honoraire de l’Institut Universitaire de France.
Ses domaines d’enseignements et de recherche sont la gestion des
ressources humaines, les relations professionnelles et les méthodes
de recherche. Spécialiste des approches méta-analytiques, il
a publié une série d’études dont l’outil d’investigation est la méta-analyse et
des travaux d’essence plus méthodologique consacrés à cette procédure de
recherche. Il est également l’auteur de deux ouvrages consacrés aux relations
sociales en entreprise.
METANA
ISBN 978-2-8041-9009-5
ISSN 1781-4944 www.deboeck.com