Professional Documents
Culture Documents
FORMATION
Etudes quantitatives sur SPSS
Rdaction darticles
scientifiques en anglais
PRSENTE PAR
M. Marco CARAMELLI
PRSENTE PAR
Mme Margaret HAUGH
Contenu:
1 : Introduction aux mthodes de recherche en managementp.1
2 : Les diffrents types de recherche en management..p.13
3 : La problmatique de recherche.p.26
4 : La revue de littrature et les hypothses de recherche (tudes quanti)p.34
5 : Ltude qualitative : les entretiens semi-directifs et lanalyse de contenu thmatiquep.42
6: Introduction aux tudes quantitatives : les principes de construction dun
questionnairep.61
7 : Validit et fiabilit des mesuresp.82
8 : Lanalyse des donnes quantitatives et le test des hypothses de recherchep.101
Bibliographie
Chaque individu a des croyances propres dans diffrents domaines, qui sont le fruit de son
histoire et de ses expriences personnelles. Afin daller au-del de ces subjectivits
individuelles, et dapporter de la connaissance la plus objective possible, des mthodes
spcifiques ont t dveloppes.
Selon les auteurs, les objectifs, les moyens financiers disponibles, le temps et les comptences
disponibles, les mthodes utilises peuvent tre plus ou moins sophistiques.
Par exemple, les tudes ralises au sein des entreprises commerciales, utilisent le plus souvent
des mthodes moins rigoureuses et sophistiques que les tudes ralises dans le cadre de
recherches scientifiques.
Ltude de la naissance des entreprises est une discipline que lon appelle lentrepreneuriat.
Elle vise expliquer, par exemple, quels sont les facteurs de succs de la cration dune
entreprise, et par la suite, ses facteurs de survie et de dveloppement.
Enfin, lentreprise doit attirer des talents puis les retenir, et lorsquils sont dans lentreprise,
faire en sorte quils soient satisfaits et motivs et quils souhaitent cooprer, travailler dur, quils
soient fiers dappartenir lentreprise
Le DRH doit comprendre le comportement des salaris : que faire pour que ceux-ci soient
motivs ? Quils soient fiers dtre dans lentreprise ? Quils soient panouis ? Quils ne partent
pas chez le concurrent ? Ainsi la Gestion des Ressources Humaines est la discipline qui tudie
le comportement du salari, et les moyens de linfluencer.
Lentrepreneur ou le manager doivent en fait sans cesse comprendre les mcanismes rgissant
une multitude de processus qui se droulent dans lentreprise et dans son environnement.
Ils ont en effet toujours besoin danticiper des situations lies lactivit de lentreprise et
dagir sur celle-ci afin de modifier le cours des choses.
Sur quoi le manager se base-t-il pour prvoir les vnements, et savoir quelles actions mettre
en uvre pour les modifier dans un sens qui sera favorable ses intrts ?
Lorsquil prend une dcision, le manager se base sur des lois ou rgles dans lesquelles il croit,
et qui drivent de son exprience et ventuellement de sa formation.
Par exemple, chaque manager sexprimant rgulirement en public a ses propres croyances
concernant la manire dattirer lattention, se faire comprendre, susciter ladhsion
Le mdecin qui dtecte une maladie et propose un traitement, se base sur son exprience
des cas semblables auxquels il a t confront et sur ses cours de mdecine.
Face une situation donne, toute personne met un diagnostic, et met en uvre des mesures
qui lui sont dictes par son exprience et sa formation (N.B. la formation est un type
dexprience, bien videmment).
Lexprience est lensemble de tout ce quune personne a vcu, observ, lu, ou qui lui a t
rapport par des tiers lors de discussions.
Chaque individu fait inconsciemment une synthse de cet ensemble dlments, et cette
synthse cre des croyances sur le fonctionnement des choses et sur les actions ncessaires
pour modifier les choses dans le sens souhait.
Par exemple, certains managers pensent quun management autoritaire est plus efficace, alors
que dautres ont une prfrence pour un management plus participatif.
Comme suggr prcdemment, ces croyances sont subjectives, et risquent parfois dtre
errones.
En mdecine, par exemple, les mdecins out pendant longtemps pltr les entorses de chevilles
et prn du repos en cas de lombalgies, avant que des tudes ne montrent quil tait prfrable
de ne pas pltrer les entorses, et que lactivit tait prfrable au repos en cas de lombalgie.
La ralisation dtudes, enqutes ou recherches (on pourra utiliser les trois termes comme
synonymes) revient finalement dvelopper de lexprience mais dune manire acclre, et
en essayant de limiter au maximum la subjectivit.
Les mthodes permettant de limiter la subjectivit vont jouer sur deux paramtres principaux :
Par exemple, si nous voulons savoir quelles sont les attentes des jeunes diplms en termes de
conditions de travail, il faudra en interroger un nombre suffisant, reprsentant une certaine
diversit de profils et dune manire qui nous assure quils diront rellement ce quils pensent.
Si ces rgles mthodologiques ne sont pas respectes, le rsultat obtenu sera faux, cest--dire
quil napportera pas linformation quil tait cens apporter.
Un cours de culture gnrale car, en tant que citoyen, nous sommes tous confronts
quotidiennement des rsultats dtudes et denqutes qui peuvent agit sur nos
croyances et donc notre comportement.
Ces tudes et enqutes ntant pas rglementes par la loi, elles peuvent tre
ralises par des personnes incomptentes et dans lirrespect des rgles de lart. Il
est ainsi important de connatre ces rgles afin dtre en mesure de distinguer une
tude valide dune tude biaise.
Un cours fondamental car vous serez tous amens plus ou moins directement
utiliser les principes du cours, soit pour raliser vous-mme des tudes ou diffrentes
analyses, soit en tant amen commander des tudes auprs dinstituts spcialiss
ou en interne.
Comme suggr prcdemment, les moyens intellectuels, financiers et temporels ne sont pas
les mmes lorsquune tude est ralise dans le but dtre publie dans une revue scientifique
ou si elle est luvre dun cabinet dtudes.
La recherche scientifique dans les sciences de lentreprise est trs mconnue du grand public
en comparaison des autres domaines scientifiques.
Cest pourquoi, il est important pour vous den avoir quelques notions.
Ce qui distingue lenseignement suprieur de lenseignement primaire et secondaire, est que les
tablissements denseignement suprieur doivent simultanment transmettre et crer des
connaissances.
Ainsi, tous les professeurs de lenseignement suprieur (hors intervenants vacataires et
teaching professors ) sont galement chercheurs, cest--dire quils doivent raliser des
recherches dans diffrents domaines et russir les publier dans des revues scientifiques.
En France, la seule exception concerne le CNRS o les chercheurs nenseignent pas.
Le prestige des universits est directement li leurs publications scientifiques qui ncessitent
des moyens financiers et intellectuels considrables. Ainsi, il nest pas tonnant quen France,
les institutions les plus productives en termes de recherche acadmique en gestion sont les
principales grandes coles : INSEAD, HEC, lESSEC, lEDHEC, lESCP-Europe et lEM
Lyon.
Par exemple, les trois premires business schools mondiales pour la production scientifiques
sont :
:http://jindal.utdallas.edu/the-utd-top-100-business-school-research-
rankings/worldRankings#20092013
De mme quun mdecin ou un chimiste dentreprise na pas le temps de lire toutes les
publications scientifiques paraissant chaque mois dans son domaine (il y en a des centaines) les
managers dentreprises ne lisent pas les articles de recherche des revues scientifiques.
La diffusion de ces connaissances se fait de manire indirecte travers notamment des cours
dispenss aux tudiants et les magazines de vulgarisation scientifique.
On trouve souvent dans certains magazines papier ou web, des articles faisant tat de rsultats
de recherches scientifiques.
Les professeurs lisent les articles de recherche et en intgrent les rsultats leurs cours ou dans
les manuels de cours dont ils sont les auteurs. Les tudiants devenus de futurs managers,
appliquent ensuite ces connaissances dans les entreprises. De nombreux professeurs de
Business School diffusent galement les rsultats des recherches travers leur activit de
conseil lorsquils en ont une.
Certaines confrences et autres workshops ont vocation crer des rencontres entre chercheurs
et professionnels dentreprises. Les premiers viennent prsenter les rsultats de leurs travaux
aux seconds et des changes voire des collaborations de recherche font suite ce type de
rencontres.
Certains canaux de diffusion sont par contre spcialement destins au monde acadmique.
Seules les publications dans ces revues sont considres comme de la recherche scientifique.
En effet, chaque article propos une revue est valu par deux ou trois valuateurs. Environ
90% des articles sont rejets, et les 10% restants font lobjet dun long processus de
modifications avant acceptation et publication.
Ces revues font lobjet de classements qui dtermine leur prestige et leur niveau de slectivit.
Il existe des revues spcialises par discipline (Journal of Marketing Research, Human
Resource Management Journal) ou des Revues Gnralistes (Revue Franaise de Gestion,
Academy of Management Journal etc).
La carrire et le salaire des professeurs dpend gnralement de leur capacit publier des
articles de recherche.
Ils se constituent gnralement dun ensemble darticles de recherche portant sur un mme
thme. Le processus de slection est moins contraignant que pour les revues.
Rappelons que lobjectif est de dcrire la ralit de la manire la plus objective possible.
Pour information, sachez quil existe galement de la recherche dite normative qui ne
sintresse pas comment sont les choses, mais comment elles devraient tre. Il sagit donc
dune recherche plus conceptuelle, alors que la recherche positive se base le plus souvent sur
des observations de la ralit.
Une thorie (du grec theorein qui signifie contempler, observer, examiner ) peut proposer
une explication un phnomne donn, ou prsenter des relations de cause effet entre une
action et un rsultat.
Par exemple, en conomie le fait de considrer quaugmenter les taux directeurs baisse
linflation est une thorie montaire.
Mais les thories peuvent galement montrer le quand, comment ou pourquoi de diffrents
phnomnes.
Par exemple, les thories du plafond de verre apportent des explications la raison pour
laquelle on trouve plus dhommes que de femmes dans les postes hirarchiques levs.
Points importants
Dans les sciences dites dures , les thories ou lois proposes ont un caractre
dterministe cest--dire que ce quelles prvoient est cens se produire chaque
fois.
En revanche, dans les sciences humaines et sociales, les thories ne se vrifient pas toujours,
mais avec des probabilits plus ou moins importantes.
Par exemple, la thorie selon laquelle les enfants tendent avoir le mme mtier que les parents
ne signifie pas que cela se vrifie tous les coups, mais seulement quun fils de mdecin a dix
fois plus de chance de devenir lui-mme mdecin, quun fils davocat.
Dans le langage courant les termes de thorie et thorique sont utiliss pour
dsigner des ides ou des penses ayant un caractre idal, mais loignes de la
ralit, et mme parfois pour dsigner quelque chose de faux.
Cette conception du langage courant est fausse, car une thorie peut parfaitement reprsenter la
ralit et avoir une forte implication pratique.
On comprend bien, partir de cette distinction, que thorie et pratique sont des concepts trs
diffrents et incomparables.
On peut ainsi faire quelque chose en ignorant la thorie sous-jacente, et connatre la thorie
sans tre capable de lappliquer.
Par exemple, on peut expliquer partir de la physique et la chimie, pourquoi tel ou tel ingrdient
est ncessaire llaboration dun plat, ou pourquoi tel assemblage daliments aboutit un
rsultat si particulier.
Ainsi, on peut parfaitement tre un excellent cuisinier grce la pratique, mais sans comprendre
le pourquoi des choses.
Lavantage de la thorie, est quelle facilite les innovations et le progrs, alors que le manque
de thorie conduit souvent raliser les choses de manire dogmatique et donc perptuer les
traditions.
Par exemple, un ouvrier du secteur des travaux publics est amen faire du ciment sans
forcment comprends les mcanismes chimiques sous-jacents. Un chimiste, au contraire, qui
connat la thorie la base du ciment, sera en mesure de proposer une nouvelle formule pour
des besoins spcifiques justement grce ses connaissances thoriques.
Par exemple, nous savons tous que certains individus sont de meilleurs commerciaux que
dautres, cest--dire quen pratique, ils ralisent- toutes choses gales par ailleurs - des ventes
moyennes suprieures aux autres.
Les Modles
La recherche produit galement des modles qui peuvent se dfinir comme des
reprsentations simplifies de la ralit.
Le plus souvent, les modles sont des reprsentations schmatiques de relations entre variables.
Les variables sont des caractristiques qui varient dun individu un autre ou dune entreprise
une autre.
On reprsente gnralement les variables par des ovales, et leurs relations rciproques par des
flches.
Exemple :
+
Prestige
du
Salaire
Ce schma montre la relation entre 2 variables ; il sagit bien de caractristiques dun individu
(le prestige de son diplme et son salaire) et il sagit bien de caractristiques qui peuvent varier
(diplme plus ou moins prestigieux, salaire plus ou moins important).
La flche est le + , signifient que lon sattend ce que le prestige du diplme ait un effet
positif sur le salaire peru. On pourrait dire galement que le salaire peru est positivement
dtermin par le prestige du diplme.
Il est ensuite possible de complexifier le modle en ajoutant des variables qui dterminent, ou
des variables qui sont dtermines par dautres. Les premires sont gnralement appeles
variables explicatives et les autres variables expliques.
+
+
Prestige
du
Exprienc
e
Salaire
Satisfactio
n
Plus gnralement, les variables que lon souhaite expliquer sont des variables de rsultat ou
de performance, et les variables explicatives sont des variables daction.
Variables dAction
Variables de Rsultat
Marketing
Management
Primes, Style de leadership, Travail en Motivation,
quipe, communication interne
Implication
Satisfaction,
Absentisme, Productivit
Finance
Diversification,
analyse
titrisation
Ainsi, lorsque vous dveloppez un modle, ayez en tte quil doit comporter ces deux types de
variables.
tant donn que la recherche consiste rendre compte de et expliquer la ralit, il va sagir
un moment donn dobserver cette ralit, et de rendre compte de ces observations.
Ainsi, quelle que soit la discipline, la recherche comporte gnralement deux volets :
- La premire consiste faire ltat des connaissances existantes/ncessaires llaboration
dune problmatique intressante et la comprhension des observations de terrain.
- La deuxime consiste observer soi-mme la ralit, afin dapporter une contribution
nouvelle aux connaissances existantes.
Collecte
Analyse
Rsultats
Interprtation
Recos
Si jinsiste sur ce point, cest parce que certains tudiants oublient rgulirement de
prsenter une section Rsultats dans leur mmoire, alors que lobjectif final dune
tude est dobtenir des rsultats !
Sil est aussi important de bien sparer chaque partie, cest parce que chacune apporte
une information spcifique que le lecteur peut souhaiter consulter spcifiquement.
Dans cette partie, on doit faire figurer quelles donnes ont t utilises dans ltude et
comment elles ont t collectes.
Si une tude se base sur des donnes de mauvaise qualit ou insuffisantes, il est inutile
de lire la suite
Cette partie nous informe en quelque sorte sur la crdibilit des rsultats.
Ce que lon souhaite savoir en lisant cette partie, cest comment les donnes ont t
analyses. Quelle(s) mthode(s) ont t utilises pour obtenir les rsultats.
Ici aussi, une mauvaise analyse peut rendre les rsultats faut et donc inutiles.
Cette partie complte donc la prcdente pour informer le lecteur sur la qualit des
rsultats obtenus.
Partie Rsultats
Les hommes ont un salaire moyen de 2350 euros, les femmes de 1750.
Les fils davocats ont 3 fois plus de chances que les autres de devenir leur tour
avocats
Les principales raisons qui poussent un individu crer son entreprise sont ()
Les rsultats sont la consquence de lanalyse des donnes collectes sur le terrain.
Ils sont neutres et objectifs si la collecte et lanalyse ont t ralises dans les rgles de lart.
Partie interprtation
La plupart du temps, un rsultat na pas de sens en lui-mme : il faut linterprter pour lui
en donner un. On entre donc dans une phase subjective ; par exemple, nous avons observ que
les tudiants dcole de commerce mettaient en moyenne x mois pour trouver un CDI, alors que
les tudiants dUniversits mettaient en moyenne y mois ; que pouvons-nous en conclure ? Estce un rsultat attendu ? tonnant ?
La diffrence observe est-elle forte ? Faible ? En diminution par rapport au pass ? Diffrente
des pays voisins ?
Il sagit de mettre en perspective un rsultat qui na pas forcment de sens en soi.
Un trs bon exemple de ce principe est illustr par un type dtude que vous connaissez tous :
ltude de votre sang lorsque vous faites des analyses .
Le laboratoire commence par vous faire une prise de sang, qui reprsente la collecte de
donnes .
Ces donnes peuvent faire lobjet de diffrents types danalyse.
Dans lexemple ci-dessus, 6 analyses sont ralises, dont lobjectif de chacune est de mesurer
la quantit de certains lments prsents dans le sang.
Cest pourquoi, nous avons une deuxime colonne qui reprsente linterprtation du rsultat :
sommes-nous dans la norme ou pas ?
Partie recommandations
Si lon ralise des tudes, cest dans lobjectif de pouvoir prendre les dcisions les plus
pertinentes possibles dans un contexte donn.
Il est donc normal de proposer des recommandations en fin de rapport dtudes.
Ces recommandations doivent tre prcises, directement lies aux rsultats obtenus, et ralistes
considrant les moyens de lorganisation laquelle on les propose.
Maintenant que nous avons prcis la logique globale dune tude terrain, nous allons
approfondir davantage chaque tape.
Les donnes sont des informations provenant directement du sujet que lon souhaite tudier
et qui permettent de rpondre une problmatique de la manire la plus objective et concrte
possible.
Comme le suggrent les exemples ci-dessus, il existe plusieurs types de donnes qui se
collectent et peuvent sanalyser de manires diffrentes.
Une premire typologie distingue les donnes qui sont cres pour les besoins de ltude (qui
nexistaient donc pas avant), des donnes qui existaient dj avant quon dcide de raliser
une tude.
On parle gnralement de donnes primaires pour les donnes cres ad hoc, et de donnes
secondaires pour les donnes prexistantes.
Par exemple, les donnes collectes en interrogeant des individus sont des donnes
primaires, car ces donnes nexistaient pas avant que ces individus ne soient interrogs.
Au contraire, il peut arriver, dans le cadre dune tude, dutiliser des bases de donnes dj
existantes que lon appelle donnes secondaires. Un fichier de ventes, par exemple, est un
fichier de donnes secondaires sil est utilis par quelquun dautre que celui qui a constitu le
fichier.
Certaines donnes correspondent des mots ou des phrases ou des images, voire des sons ou
des odeurs, alors que dautres correspondent des chiffres et renseignent sur des quantits.
On parle dans le premier cas de donnes qualitatives et dans le deuxime cas de donnes
quantitatives.
De par leurs caractristiques diffrentes, les donnes qualitatives et quantitatives sont soumises
des principes mthodologiques diffrents.
Autrement dit, il existe des mthodes de collecte et danalyse qui sont propres chaque grande
famille de donnes.
Types de Donnes
Primaires
Secondaires
Qualitatives
Entretiens
Logos,
Observations
Publicits,
Questionnaires,
Exprimentations,
Observations
Les donnes qualitatives primaires sont collectes surtout par entretien individuel ou de
groupe, en face face ou online.
Les donnes qualitatives secondaires concernent le plus souvent des documents dentreprises,
des affiches, des publicits, des descriptifs doffres demploi, les discours des dirigeants
Avec lavnement du web 2.0, ce que les internautes crivent sur des pages Facebook, blogs,
forums etc., est de plus en plus utilis comme donnes dans des tudes.
Les donnes quantitatives primaires sont essentiellement collectes par questionnaires, mais
galement par exprimentation. Nous en reparlerons par la suite.
Les donnes quantitatives secondaires sont des bases de donnes quantitatives existantes
comme des relevs de vente, des informations comptables et financires, un fichier de notes
dexamens etc.
Une tude, peut combiner des donnes primaires et secondaires et des donnes qualitatives ou
quantitatives.
Exemple : je souhaite raliser une tude sur les dterminants de la rmunration des diplms
de lINSEEC.
Pour cela, je dois collecter des donnes les concernant.
Certaines donnes doivent minformer sur les salaires des diplms. Pour collecter cette
information, je peux par exemple les interroger par email ou tlphone pour leur demander
quelle est leur rmunration. Les donnes rcoltes seront des donnes primaires. Si, par contre,
ces donnes taient dj disponibles car collectes auparavant par un autre service de lcole,
alors il sagira de donnes secondaires.
On peut aussi remarquer que, pour des raisons de praticit, le type de collecte des donnes peut
varier et influencer la qualit des donnes.
Par exemple, si lon collecte les donnes concernant la moyenne et le niveau danglais des
tudiants en consultant leur dossier scolaire, elles seront de meilleure qualit (plus prcises) que
si on les collecte par questionnaire auprs de ces derniers.
Individu
Sexe
Majeure
Prpa
Moyenne Niveau
Profil
Salaire
globale
danglais
international
CDI
MO
Oui
12.3
27000
MS
Non
14.6
32000
ACG
Non
13.2
23000
FM
Non
12.8
37000
IMAP
Non
10.44
19000
RH
Oui
13.2
28000
DD
Oui
13.6
21000
On remarque galement que certaines donnes renseignent sur des quantits (salaire,
moyennes), alors que dautres ne renseignent pas sur des quantits (le sexe, la prpa, la
majeure).
1er
Comme vu prcdemment, lorsque les donnes sont collectes et stockes dans une base de
donnes, elles sont encore au stade de donnes brutes. Elles ne nous apprennent encore rien.
Lanalyse que lon fait subir des donnes va dpendre de lobjectif, exactement comme pour
les analyses de sang ; on ne fait pas les mmes analyses si lon recherche un virus ou si lon
souhaite mesurer le sucre dans le sang
Lorsque les donnes analyses sont quantitatives, les analyses ralises sont des analyses
statistiques.
Lorsque les donnes analyses sont qualitatives, les analyses peuvent tre qualitatives ou
quantitatives.
Pour simplifier, disons quil existe deux types dtudes selon que lon utilise surtout des
donnes qualitatives ou surtout des donnes quantitatives.
Les objectifs :
Elles cherchent dterminer les attentes, les valeurs, les croyances des individus
A la diffrence des tudes quantitatives pour lesquelles on vise des chantillons importants,
reprsentatifs de la population tudie, les tudes qualitatives se contentent dchantillons
rduits. En effet, lexprience montre que lon obtient rapidement une redondance, une
saturation dans les donnes recueillies.
On cherche donc davantage la diversit des profils que la reprsentativit.
Il y en a de diffrents types, mais la plus utilise est lanalyse de contenu thmatique, qui
consiste dcouper le discours par thmes voqus et les rorganiser afin den extraire le
sens.
Lanalyse lexicale se focalise davantage sur les mots employs (types de verbes, adjectifs
etc....).
Pas de chiffres !
Mme si lon peut quantifier loccurrence des mots ainsi que dautres paramtres dans certains
cas, lesprit-mme dune tude qualitative est ailleurs.
Les rsultats prennent donc surtout la forme de texte qui prsente le fruit des dcouvertes
ralises en interrogeant les individus. Ces rsultats sont dans lidal rsums par des schmas
rcapitulatifs qui aident la comprhension par les lecteurs.
Il existe une multitude de manires de raliser une tude qualitative avec utilisation simultane
ou pas de donnes primaires et secondaires.
Pour simplifier, sachez que selon la problmatique, il peut tre ncessaire et plus pertinent de
se placer plutt du point de vue de lentreprise en interrogeant ceux qui sont lorigine dune
pratique, ou plutt du point de vue du salari/consommateur, si lon souhaite tudier lefficacit
dune pratique.
Par exemple, si lon souhaite tudier pourquoi les entreprises mettent en place telle pratique,
et comment elles la mettent en place, il est plus pertinent dinterroger des managers ou des
consultants, alors que si lon souhaite tudier les perceptions et les ractions des consommateurs
ou des salaris face une pratique de RH ou une politique marketing, il sera plus pertinent
interroger ces derniers.
Les objectifs :
Lidal est de travailler sur des chantillons reprsentatifs de la population tudie. Pour des
questions de temps, de moyens et daccs aux donnes, cette exigence nest pas toujours
respecte. Il faut en tenir compte dans linterprtation des rsultats.
Selon le type hypothse, le rsultat pourra prendre la forme dune diffrence entre deux ou
plusieurs moyennes, de corrlations, ou de tests de significativit statistique.
Une tude quantitative peut se baser exclusivement sur des donnes primaires ou secondaires,
ou sur un mix des deux.
En ce qui concerne les donnes primaires, elles peuvent tre collectes par questionnaire, par
exprimentation, ou un mix des deux.
Lexprimentation a 2 avantages :
Cest la seule qui permet dtablir une causalit entre une variable daction et une
variable de rsultat.
Il faut savoir que le principe-mme dune tude quantitative est dtudier leffet dune variable
daction sur une variable de rsultat.
Couleur
Niveau de
gamme
peru
Par exemple, imaginons que lon souhaite savoir si la couleur dun produit a un effet sur la
perception de son niveau de gamme par les consommateurs.
Le fait de mettre en place une exprience consistera concevoir le mme produit en diffrentes
couleurs, de les prsenter des chantillons de consommateurs semblables, et demander
chaque groupe dindividus dvaluer le niveau de gamme du produit.
On observera ainsi quelle couleur aura obtenu la meilleure note.
Quelles sont les diffrences entre exprimentation (ou exprience) et enqute par
questionnaire classique ?
* Dans lenqute, on observe des phnomnes tels quils se prsentent naturellement sans les
influencer, alors que dans lexprience, on provoque, on manipule les phnomnes auxquels
on sintresse en matrisant certains facteurs extrieurs.
* Lautre diffrence importante est que dans lenqute classique, on demande aux rpondants
dimaginer la variable explicative (variable daction), alors que dans lexprimentation cette
variable est matrialise.
Exemple : Imaginons que lon soit un fabricant de biscuits, et que lon souhaite savoir quelle
est la quantit de sucre prfre des consommateurs.
Quantit
Sucre
Plaisir
ressenti
On peut par exemple utiliser 4 types de gteaux contenant diffrentes quantits de sucre, et les
faire goter quatre chantillons dindividus en leur demandant dvaluer le got.
Pas sucr
Eval got 1
Peu sucr
Eval got 2
Moy Sucr
Eval got 3
Trs sucr
Eval got 4
Si lon utilise des groupes dindividus bien homognes, on pourra dterminer avec prcision
quelle est la quantit de sucre la mieux note en moyenne par les consommateurs.
De mme, il est possible de tester des combinaisons intgrant dautres variables comme la
couleur, la taille, la forme
Par exemple :
Rouge
Bleu
Vert
Trs petit
Petit
Rouge petit
Bleu petit
Vert petit
Moyen
Rouge moyen
Bleu moyen
Vert moyen
Grand
Rouge grand
Bleu grand
Vert grand
On peut considrer quil existe quatre types dobjectifs principaux dans une recherche en
gestion :
Dans certains cas, lorsque des pratiques nouvelles apparaissent, il peut tre intressant de les
observer et den rendre compte dans un rapport dtude.
Exemples :
- Comment se passe la conception et le lancement dune application pour Smartphone ? (sousentendu, quelles sont les spcificits par rapport la conception et au lancement dautres
produits ?)
- Comment les entreprises multinationales intgrent-elles les diffrences culturelles dans le
marketing-mix ?
- Quelles sont les nouvelles tendances en termes de pratiques de recrutement ? Dorganisation
du travail ?
- Quels sont les critres de choix dun employeur de la part des candidats ?
- Sur quoi se basent les investisseurs pour choisir leurs options dinvestissement ?
- Quest-ce qui dtermine la volont dentreprendre dun crateur dentreprise ?
Les entreprises mettent en uvre un certain nombre de pratiques nouvelles dans diffrents
domaines : commercial, RH, stratgique, financier et il est typiquement intressant dtudier
lefficacit de ces pratiques.
tant donn que lon tudie typiquement ici leffet de A sur B, le type dtude appropri est
ltude quantitative.
Un quatrime type de problmatique est plus rare car plus global et plus adapt la recherche
scientifique.
Toute activit des entreprises est sanctionne par des indicateurs de performance, rsultat
ou de succs.
Au lieu dtudier les effets dune pratique sur certains indicateurs de performance, on peut
souhaiter directement tudier les dterminants de ces indicateurs, afin de mieux pouvoir les
matriser.
Par exemple, le bien-tre au travail peut tre considr comme un indicateur de performance
RH, de mme que la loyaut lentreprise.
On peut donc vouloir tudier quels sont les dterminants de la loyaut des salaris envers leur
entreprise.
Ce type de problmatique ncessite une tude qualitative lorsque les dterminants ne sont pas
connus et que lon souhaite les dcouvrir, ou une tude quantitative lorsque les dterminants
sont contenus mais que lon souhaite en valuer limportance respective.
Il faut trouver un sujet dtude intressant, cest dire qui rponde, si possible, un problme
que les entreprises se posent ou justement quelles devraient se poser qui.
Demandez-vous, par exemple, qui serait prt payer pour obtenir les rsultats de votre tude,
ce que les rsultats apporteraient aux entreprises etc...
Sachant que nous faisons de la recherche positive , nous souhaitons rendre compte de la
ralit.
Pour cela, nous allons devoir, dune manire ou dune autre observer cette ralit.
Par exemple, il est impossible dtudier Quel est lavenir de car, par dfinition, lavenir
nest pas observable. Par contre, on peut tudier ce que certains individus attendent de lavenir,
car les attentes sont quelque chose de concret
Caractristique 3 : Vous devez tre en mesure de vous procurer les donnes ncessaires.
Il est inutile de vouloir traiter une problmatique dont vous ne pourrez pas vous procurer les
donnes ncessaires. Ainsi, au moment de choisir une problmatique dtude, il faut dabord se
demander sur quelles donnes on se basera pour la traiter, et si on a une raison de penser quon
pourra se procurer les donnes ncessaires.
Par exemple, si lon souhaite tudier la personnalit des PDG du CAC 40, il faudra avoir
conscience quon ne pourra pas les interviewer, et quon ne disposera au mieux que dventuels
discours trouvs dans la presse, ou de biographies
Dans le cadre dun mmoire, il est demand de traiter une problmatique qui intresse plusieurs
entreprises, pas une seule.
Par exemple, Pourquoi les salaris de la socit X sont-ils mcontents ? est une question
qui ne concerne que la socit X. Cest davantage une problmatique de consultant que de
charg dtudes.
Par contre, il est possible dtudier Les dterminants du mcontentement des salaris en
entreprise , car les rsultats intresseront de nombreuses entreprises.
Les sportifs de haut niveau, le luxe, lautomobile, les nouvelles technologies, la publicit etc
sont des terrains dtudes, pas des problmatiques.
La question quil faut se poser est Que souhaite-t-on tudier chez les sportifs de haut niveau
qui soit intressant (pourquoi ? pour qui ?), observable et dont les donnes seront accessibles ?
Il sagit dune confusion frquente chez les tudiants novices sur les questions dtudes et de
recherche.
Pour bien saisir la diffrence, imaginez que nous soyons en mdecine : les problmatiques
traites par ceux qui travaillent dans les laboratoires sont des problmatiques de recherche,
alors que les problmatiques traites par les praticiens (gnralistes ou spcialistes) sont des
problmatiques de conseil.
Les chercheurs crent de la connaissance nouvelle, alors que les praticiens appliquent cette
connaissance.
Il est important dtre capable de bien comprendre le lien entre une connaissance et son
application.
Exemple 1 :
Question managriale : Mes salaris sont mcontents, jai envie de faire baisser leur
mcontentement.
Exemple 2 :
Question managriale : Mes ventes ont chut, que dois-je faire pour les relancer ?
Exemple 3 :
Question managriale : Le cours de bourse de mon entreprise a baiss ; comment faire pour le
faire remonter ?
Lobjectif de cette tude est de voir dans quelle mesure les entreprises prennent en compte
les problmatiques interculturelles lors des fusions-acquisitions. Il sagit notamment de voir si
les managers ont conscience des problmatiques interculturelles et si, ventuellement, les
entreprises mettent en place des pratiques spcifiques.
Lobjectif de cette tude est dtablir quelles sont les mthodes et les outils utiliss par les
traders dans leur activit.
Lobjectif de cette tude est dtablir une typologie de crateurs dentreprises selon leurs
motivations entreprendre.
Lobjectif principal de cette tude est danalyser en dtail chaque tape de la gestion des
expatris, c'est--dire du recrutement, en passant par la gestion, pour finir sur la repatriation,
afin den dgager les problmes majeurs. Lintrt de dfinir chaque tape de lexpatriation va
permettre davoir une rflexion totale sur le sujet et de comprendre pour quelles raisons
certaines missions dexpatriation chouent.
Lobjectif de cette tude est de comprendre les raisons pour lesquelles les chefs de produits
font appel davantage aux tudes de marchs quantitatives plutt quaux qualitatives.
Cette recherche aura pour objectif de comprendre les dterminants du comportement des
investisseurs lors des priodes de crise boursire.
Cette tude aura pour objectif de comprendre quelle est la perception des jeunes par les
managers des entreprises franaises, et de comparer ces perceptions celles de managers
anglo-saxons.
Lobjectif de cette tude est de voir si la transparence financire des entreprises a volu
avec lapplication de la norme comptable internationale, lIFRS 7
Cette tude aura pour objectif dtudier limpact de loctroi de stock-options aux dirigeants
dentreprise sur la performance financire.
Lobjectif de cette tude est de voir dans quelle mesure les pratiques de mobilit interne dans
lentreprise ont un effet positif sur la fidlisation des salaris.
Dans cette recherche, nous allons tenter de voir dans quelle mesure l'image de marque d'une
marque de luxe reste intacte auprs des consommateurs aprs que cette marque se soit associe
avec une marque grand public.
Il sagit de lensemble des connaissances existantes qui nous permettent de bien apprhender le
sujet dtude et dapporter un dbut de rponse logique notre problmatique de recherche.
- des manuels
Prenons lexemple de la problmatique suivante : Quels sont les effets du Made In sur
limage de marque.
Made In
Image de
Marque
Ici, la variable explique (variable de rsultat) est limage de marque, et lon souhaite savoir si
et dans quelle mesure le made in (variable explicative daction) peut avoir un effet sur cette
image.
Nous devons dmarrer notre recherche par une revue de littrature : comment faire ?
Erreur classique
Monsieur, il ny a rien sur mon sujet, je ne peux pas faire de revue de littrature !
Quel que soit le sujet que vous traitez, il rentre toujours dans une problmatique plus large pour
laquelle il existe dj un corpus de connaissances et ce sont ces connaissances quil faut
sapproprier et utiliser dans la revue de littrature.
La question quil faut se poser est quest-ce quune application mobile ? De la communication ?
Un service ? etc... Il existe donc des connaissances sur la communication et les services qui
pourront tre utiliss pour tudier les applications mobiles....
Lerreur classique est donc de nutiliser que applications mobiles comme mots cls dans sa
recherche bibliographique, alors quil faut largir le champ de recherche, et se demander questce quune application mobile.
Les articles de presse ou de magazines ou dinternet ont une vocation surtout descriptive et
permettent de se faire une ide des actualits, des pratiques, et des dbats existants sur un sujet
ou dans un domaine particulier.
Ces articles sont crits le plus souvent par des journalistes, voire des professionnels
dentreprises ou des bloggers, et nont donc pas de valeur scientifique, car ils ne sont pas
valus. Ils doivent tre considrs comme les opinions de leurs auteurs.
Les manuels sont des ouvrages de rfrence sur un domaine spcifique, qui rsument les
connaissances principales dans une discipline donne.
Les manuels sont raliss par des Professeurs dUniversit ou dcoles de Commerce partir
de travaux de recherche, dautres manuels, darticles de presse, et de leur exprience
personnelle.
Leur contenu est plus ou moins contrl par la communaut scientifique, ce qui leur confre
un gage de trs grande qualit. Le contenu dun manuel nest pas cens tre lexpression de
lavis de lauteur, mais faire davantage une synthse des connaissances existantes.
Les articles de recherche prsentent les rsultats dune recherche spcifique (qui peut tre
seulement bibliographique, ou galement empirique). Ils sont raliss par des professeurs
dUniversits ou dcoles de Commerce, et sont soumis des valuations draconiennes.
Ils sont publis dans des revues scientifiques, dont certaines sont spcialises dans les grandes
disciplines du management ou peuvent tre plus gnralistes.
Gestion des Ressources Humaines : Human Resource Management Journal, Journal of Applied
Psychology, Journal of Organizational Behavior, Personnel Psychology, Human Relations,
Revue de GRH
Cest essentiellement en lisant des articles de recherche que vous comprendrez comment
prsenter une revue de littrature.
Plus gnralement, il sagit de faire une dmonstration, de se dire quon va utiliser le matriau
collect pour apporter un dbut de rponse la problmatique et pour illustrer limportance de
raliser une tude pour combler un gap de connaissances.
Point Important : Les titres des parties de la revue de littrature doivent avoir du sens i.e.
quils doivent donner une ide du contenu de chaque section.
Exemple :
Ces relations que lon souhaite tester au moyen dtudes quantitatives sappellent des
hypothses de recherche.
Les hypothses de recherche sont des relations attendues entre deux variables que lon teste
dans une tude quantitative
Les hypothses sont dduites si elles se basent sur des thories/connaissances existantes, et
induites lorsquelles se basent sur lobservation de la ralit.
En gnral, on utilise un mlange des deux pour mettre des hypothses, c'est--dire quon se
base sur une revue de littrature et sur une tude qualitative.
Une variable est une caractristique dune unit dtude (individu, entreprise, produits)
qui varie dun individu un autre.
- On appelle variables explicatives celles qui sont censes avoir un effet sur une ou plusieurs
autres variables. Ce sont souvent des variables daction.
- On appelle variables expliques celles dont on tudie les dterminants. Ce sont souvent des
variables de rsultat.
- On appelle variables modratrices, celles qui ont un effet sur la force ou le sens dune
relation entre deux autres variables.
tant donn quelles influencent une relation, leur flche est dirige vers une autre flche, et
non vers une autre variable.
Exemples :
Le degr destime quun salari a pour son suprieur (V1) a un effet positif sur le bien-tre
du salari au travail (V2)
Exemples :
Le sexe du salari (V1) a un effet sur le salaire reu (V2) de telle sorte que les hommes ont
un salaire suprieur aux femmes.
Le secteur dactivit (V1) a un effet sur le risque des entreprises (V2) : le secteur financier est
plus risqu que lindustrie
Intention
dAchat
Prix
Salaire
Dans le cas ci-dessus, nous faisons lhypothse selon laquelle le prix a un effet ngatif sur
lintention dachat.
Cependant, on peut considrer que plus les gens ont un salaire lev, et moins le prix aura un
effet ngatif sur lintention dachat. On considre que le salaire modre la relation entre prix
et intention dachat.
Le prix a un effet ngatif sur lintention dachat, modr par le salaire, de sorte que plus le
salaire est lev et moins le prix a un effet ngatif sur lintention dachat.
Afin de donner une image densemble de ltude, il est courant de prsenter lensemble des
hypothses de ltude dans un modle global.
Une tude qualitative est ncessaire pour rpondre des questions de type qui, pourquoi,
comment, quand, o.
Plus gnralement, elle permet dtudier des processus ou des logiques sous-jacentes et
explorer un domaine spcifique.
Comment les socits sassurent-t-elles contre les risques lis leurs activits internationales ?
Les tudes qualitatives sont dabord utilises lorsquon souhaite comprendre des processus ou
des mcanismes.
Exemples :
Quelles sont les raisons de lchec de certains expatris ? Comment sont-ils recruts ? Sont-ils
forms ? De quelle manire ?
Les tudes qualitatives sont souvent qualifies d exploratoires , car elles permettent de
dcouvrir des univers sans avoir dides prconues.
Exemple : Aprs laffaire Kerviel, on sest pos des questions sur le travail des traders :
Plusieurs questions se sont poses : quels types dindividus souhaitent faire ce mtier ? Pour
quelles raisons ? Quont-ils comme diplmes ? Travaillent-ils seuls ou en quipe ? Avec quelles
personnes interagissent-ils ? Par qui sont-ils contrls ? Quelle est leur rmunration ?
Comment est-elle calcule ?
Il est courant de raliser une tude qualitative exploratoire avant de raliser une tude
quantitative par questionnaire.
Par exemple, imaginons que lon souhaite faire une tude quantitative des diffrentes
motivations lies la pratique de la lecture.
La revue de littrature va nous indiquer quil existe 3 motivations principales :
- La lecture de loisir (pour passer le temps)
- La lecture didactique (pour apprendre des choses)
- La lecture esthtique (pour le plaisir de lesthtique littraire).
Une tude qualitative peut permettre de faire ressortir une 4me motivation qui vient enrichir la
connaissance existante, par exemple la lecture de paratre .
Ainsi, ltude quantitative ralise sera plus pertinente et complte grce ltude qualitive
prliminaire.
Il existe deux moyens principaux de collecter des donnes qualitatives primaires: il sagit des
entretiens et des observations.
3. L Entretien Semi-Directif
Les entretiens sont des discussions que lenquteur mne avec des individus dont la fonction,
ou la nature sont importantes pour le sujet trait, et qui ont pour objectif de comprendre ce qui
se passe dans la tte des individus : des croyances, valeurs, attitudes, logiques.
Cependant, il a en tte une liste pr-tablie de thmes sur lesquels il souhaite obtenir des
informations. Il faut donc quil oriente la discussion afin que linterview lui fournisse
linformation ncessaire.
La premire tape fondamentale pralable la ralisation dentretiens est davoir une ide claire
de ce que lon cherche savoir.
Cela peut paratre vident, mais lexprience montre que les novices ne savent pas toujours ce
quils cherchent exactement lorsquils ralisent des entretiens.
La meilleure manire de sen assurer et de lcrire noir sur blanc : quest-ce que je cherche
savoir exactement ? Pourquoi ? Cette rflexion donnera lieu llaboration dun guide
dentretien dont on parlera plus loin.
Qui interroger ?
Lchantillonnage dans les tudes qualitatives se base davantage sur la diversit des profils que
sur leur reprsentativit.
Cependant, il faut aussi veiller slectionner les bons profils par rapport aux objectifs e ltude.
LErreur classique consiste privilgier les praticiens du marketing plutt que les
consommateurs, ou les managers plutt que les salaris.
- Si vous souhaitez savoir comment les consommateurs oprent certains choix, il faut interroger
les consommateurs, pas les professionnels
- Si lon interroge des professionnels, cest pour comprendre leurs propres logiques et
raisonnements, pas ceux des autres !
Ex : Par exemple, si lon tudie le mal-tre au travail, il faut interroger des salaris travaillant
dans diffrents secteurs et avec des niveaux hirarchiques diffrents, mais galement des
consultants, des syndicalistes, des mdecins etc.
En thorie, il faudrait continuer les entretiens jusqu ce que lon aboutisse saturation, i.e.
jusqu ce que les interviews ne nous apprennent plus rien de nouveau.
En pratique, lexprience montre quavec 5-10 personnes par catgorie dindividus, on arrive
rapidement saturation.
Par exemple : une dizaine de consommateurs, 5/10 vendeuses en boutique, 5/10 responsables
marketing, donnent une ide globale de ce que lon peut souhaiter savoir sur un nouveau
concept ou produit.
Le guide dentretien contient la liste des thmes que lon souhaite aborder
lors des entretiens.
Autrement dit, la liste de ce que lon souhaite dcouvrir lors des entretiens.
Erreur classique : Un guide dentretien nest pas une liste de questions que lon
pose aux interviews !
Il ne faut donc pas confondre le guide dentretien, et les questions que lon va poser rellement
linterview lors de lentretien.
En effet, principe de non directivit oblige, tout lart de lentretien consiste obtenir
linformation souhaite, en lobtenant de manire dtourne, indirecte, sans que linterview se
rende compte de ce que vous souhaitiez savoir.
Nous allons voir dans la suite quelques techniques permettant de ne pas biaiser les rponses.
Afin de vous aider prparer vos entretiens, vous pouvez construire un tableau deux colonnes,
avec gauche les lments et thmes du guide dentretien, et droite la manire dont vous
pourrez, le moment venu, aborder les thmes en restant neutres.
Utilise-t-il du parfum ?
quil
faut
faire
cest
obtenir
Est-ce quil utilise le mme parfum pour tous Erreur classique : Utilisez-vous le mme
les jours et pour sortir le soir ?
4 : La Conduite de lEntretien :
La dure de lentretien
En gnral, il faut prvoir une dure dentretien denviron une heure minimum.
En effet, il faut un minimum de temps pour que lentretien entre dans le vif, et que
linterview se laisse aller et commence vaincre ou oublier les mcanismes de dfense
quil met en place
En effet, les interviews commencent souvent par donner une rponse banale, politiquement
correcte, ou la rponse quils pensent que linterviewer attend, ou dont ils pensent quelle les
mettra le plus en valeur.
Ce nest quau bout de 10-15 minutes quils se laissent aller, quils oublient quils sont
tudis , et quils commencent dire vraiment ce quils pensent
Le Lieu de lentretien
Lidal est que lentretien ait lieu dans un contexte o la personne peut sexprimer librement
et o elle nest pas trop drange, afin quelle puisse bien rentrer dans lentretien et se
concentrer. Il faut donc viter absolument les lieux bruyants, ou la prsence dun collgue de
travail.
Lentretien tlphonique est possible, mme sil ne permet pas de voir la communication non
verbale comme les mimiques, la gne ventuelle face une question etc, mais la pratique
montre quil sagit dune option qui donne des rsultats corrects.
Afin de limiter les rticences des personnes vous livrer des informations profondes et
personnelles, il est important de sadapter vos interlocuteurs.
Il sagit notamment dadapter son langage et sa tenue vestimentaire.
Par exemple, pas de costume/cravate pour interroger des stylistes de mode ou des
adolescents
Le Cadre Contractuel
3 points importants :
- Dites qui vous tes et ce que vous allez faire des entretiens (un mmoire de recherche)
- Nvoquez pas la problmatique du mmoire, restez vague pour ne pas biaiser les
rponses !
Par exemple, si vous travaillez sur le harclement moral au travail, ne le dites surtout pas ! Dites
que vous travaillez sur la motivation au travail, la place des managers dans lentreprise
Si linterview souhaite obtenir les rsultats de ltude, vous lui expliquerez a posteriori que
vous aviez t oblig docculter un peu la vraie problmatique
- Rassurez linterview sur le respect de son anonymat afin quil puisse sexprimer de la
manire la plus libre possible.
Dans le rapport dtude, on ne mentionne donc que les informations gnrales des interviews
(ge, fonction etc...), et surtout pas leurs noms et prnoms.
On se contente de prciser ventuellement le type dentreprise dans laquelle il travaille, mais
sans en donner non plus le nom.
LOuverture
Il est conseill de dmarrer sur une question gnrale et vague car le rpondant aura tendance
commencer par voquer des lments superficiels, des clichs ou vous parler de ce quil
pense que vous souhaitez entendre.
Par exemple, si lon travaille sur lutilisation des jeux vidos, on peut commencer par
demander la personne de parler de ce quil fait durant son temps libre.
Si lon traite dun sujet de RH avec un salari, on peut commencer par lui demander de nous
parler de son parcours scolaire.
Aprs lintroduction, lorsque linterview est en confiance, on peut passer lvocation des
thmes principaux du guide.
Pour chaque thme, il est important dapprofondir le plus possible au moyen de relances, de
demandes de prcisions, dexemples Vous verrez que les interviews ont du mal prciser
leurs penses et rester dans le vague et labstrait. Il faut les pousser se livrer et dtailler
le plus possible chaque point du guide et transformer les lments abstraits en lments
concrets.
La Conclusion
Lorsque vous sentez que lentretien arrive sa fin, il existe une technique qui permet de
relancer les dbats et qui fournit souvent des lments trs intressants.
Il sagit de conclure en disant : coutez, en ce qui me concerne, nous avons abord tous les
thmes que je souhaitais aborder. Y-a-t-il quelque chose qui vous parat important, quelque
chose que vous tenez me dire et que nous naurions pas abord ?
La plupart du temps, la personne va rpondre non, je pense que nous avons fait le tour de la
question et juste aprs avoir termin cette phrase elle commencera vous parler de quelque
chose et vous pouvez tre certain ce moment l dtre en prsence de donnes de trs grande
qualit car toutes les barrires sont gnralement tombes ce stade.
Vous avez en effet signal que vous aviez fait le tour de la question : la personne ne se sent plus
sous le coup dune question et cest elle qui dcide de continuer ; il ny a donc plus besoin de
mettre en uvre des mcanismes de dfense.
La conclusion est galement le moment o lon peut proposer linterview de recevoir les
rsultats de ltude et de maintenir aussi le contact, surtout sil sagit dun professionnel
dentreprise qui peut savrer prcieux pour votre avenir professionnel
Il ny a pas dentretien efficace sans relances. En effet, les rponses des interviews aux
questions de lenquteur sont souvent courtes et confuses.
Les relances permettent linterview de drouler sa pense et de relcher ses mcanismes de
dfense.
Parfois, linterview na pas conscience des choses quon lui demande, et les relances sont l
pour le faire parler, et ainsi pouvoir en dduire sa pense.
Encore une fois, la difficult pour linterviewer est celle de rester neutre, et de ne pas influencer
les rponses, ainsi que de ne pas rester sur des considrations superficielles, mais au contraire
dapprofondir la pense de linterview.
Exemple 1, la relance simple: Vous reprenez la dernire phrase de linterview avec un ton
interrogatif :
Interview : Jaurais aim pouvoir nouer un accord avec cet industriel mais je nen avais
pas alors les moyens
Chercheur : Vous nen aviez pas les moyens ?
Exemple 2 : la relance diffre : Vous revenez sur un point voqu prcdemment par votre
interlocuteur en demandant directement des prcisions :
Interview : Les objectifs de lactionnariat des salaris cest la participation des salaris
aux fruits de lexpansion de lentreprise () il y a un deuxime point qui me semble important,
cest quune entreprise qui dispose dun actionnariat salari fort est une entreprise qui
performe mieux comme a tendance le montrer lIndice de lAS. Ce sont les deux principales
raisons pour lesquelles une entreprise va investir des sommes consquentes dans des
oprations de ce type.
Interviewer : Vous dites que ce sont les deux principales raisons, quelles sont les autres ?
Exemple 3 : La relance interprtative sert sassurer que lon a bien compris le raisonnement
de linterview :
Interview : Je prends un autre exemple : dans la presse quand on parle de Lafarge, mon
mari me dit tiens regarde, ils parlent de Lafarge dans le canard etc... je ne suis pas sre
quil laurait relev et quil me laurait fait remarquer si on ntait pas aussi actionnaires, en
tout cas sur certains articles qui parlent de lvolution du titre, il ne les aurait pas remarqus
de la mme manire.
Plus gnralement, utilisez des questions simples et neutres pour les relances :
Pourquoi ? Pouvez-vous mexpliquer ? Comment ? O ?
Comme suggr prcdemment, les interviews ont tendance utiliser des termes abstraits et
confus : il est impratif de leur faire traduire ces termes en lments concrets. Une bonne
technique est ici de demander de fournir des exemples.
Exemples :
Je nachte pas telle marque parce que ce nest pas mon style
On est sur une considration abstraite quil faudra faire prciser : C'est--dire ? Vous pouvez
prciser ? et on continue les relances jusqu stre assur davoir bien saisi la pense de
linterview.
Ici aussi, intressant est un terme abstrait quil va falloir faire spcifier : Ce nest pas
intressant quel niveau ?
IMPORTANT :
Rappelez-vous quil ne faut intervenir aucun moment dans la pense des individus.
Les techniques projectives sont trs utiles, voire fondamentales dans les tudes qualitatives.
Cette technique a comme vertu de limiter certains freins aux rponses de peur dtre jug ou
de donner une mauvaise image, et de faire remonter la surface des lments inconscients que
linterview ne pouvait donc pas voquer parce quil nen avait justement pas conscience.
Il existe diffrents types de tests que je vous invite aller dcouvrir dans des manuels ou sur le
net.
Celui que je vous invite absolument utiliser dans toute tude par entretien, concerne ce que
lon appelle les tests de la troisime personne , et les portraits damateurs et de
dtracteurs .
Dans ces cas, les lments qui viendront spontanment lesprit de linterview ne seront pas
anodins, condition davoir bien laiss le temps la personne de se plonger dans le personnage
imagin.
Le deuxime type de test projectif consiste demander aux personnes dimaginer et de dcrire
un amateur et/ou un dtracteur dun produit ou dune marque ou dun individu :
Imaginez quelquun qui vient de crer son entreprise... puis dcrivez-le : ge, sexe, qua-t-il
fait comme tudes, comment est-il habill...
Imaginez quelquun qui rentre dans un concessionnaire Renault. Il souhaite acheter une
Mgane... dcrivez-le...
Ce type de technique permet dtudier efficacement limage que les individus ont dune marque,
dun produit ou dune situation...
lenquteur doit distinguer instantanment ce qui est important de ce qui ne lest pas,
alors quun tel travail demande de la rflexion et une forte concentration.
Lorsquon rassure linterview sur le respect de lanonymat, il est gnralement facile quil
accepte que les propos soient enregistrs.
Pour ceux qui souhaitent approfondir ce point, il existe diverses sources bibliographiques
comme par exemple :
http://www.escpeap.net/conferences/marketing/2005_cp/Materiali/Paper/Fr/ANDREANI_CO
NCHON.pdf
http://www.lesphinx-developpement.fr/public/upload/_FRANCE/pdf/Support/Articles-etpublications/AnalyseDonneesQualitatives.pdf
http://www.recherchequalitative.qc.ca/documents/files/revue/hors_serie/hors_serie_v3/Wanlin2.pdf
Lide est dextraire du texte les ides importantes lies la problmatique, puis de les classer
autour dune structure qui permette de faire ressortir clairement ce que nous ont appris les
entretiens.
Le Concept de Codage
Le codage consiste dcouper des morceaux de texte voquant un thme ou une ide
particulire et de les mettre dans une case (ou une rubrique) dans laquelle on mettra tous les
extraits abordant le mme thme ou la mme ide.
Ces cases ou catgories peuvent concerner des concepts plus ou moins larges comme
pouvoir , hirarchie , segment , stratgie etc
Par exemple, tout mot, phrase ou paragraphe faisant rfrence la conception de la hirarchie
dans une entreprise sera plac sous la catgorie hirarchie .
Si le nombre dentretiens est important, il est conseill de restructurer les thmes tous les 2 ou
3 entretiens afin de ne pas multiplier inutilement les thmes et sous thmes.
On saperoit en fait que des doublons apparaissent, et il est prfrable de les liminer.
Ici encore, on peut rorganiser les catgories et sous catgories si on saperoit que la structure
peut tre amliore.
IMPORTANT
tant donn que nous travaillons sur de petits chantillons (15-20 individus) il nest pas trs
pertinent de raliser des quantifications, surtout en termes de % dindividus qui ont dit ceci ou
cela.
Typiquement, il nest pas pertinent de dire que 20% des individus ont dit ceci et 10% ont dit
cela.
Les ventuelles quantifications, ne peuvent concerner que la rcurrence de mots ou de thmes
dans lensemble du corpus des retranscriptions.
Ce qui est important ce sont les ides qui mergent des entretiens. Si vraiment une tendance
semble se dgager, il est possible de le mentionner mais en utilisant des pincettes : on peut par
exemple dire : Une majorit de rpondant semblent saccorder sur .
Les Schmas
Afin de faire ressortir vos rsultats et de permettre au lecteur den avoir une image globale, il
est important de les synthtiser au moyen de schmas rcapitulatifs.
Rappel : Les tudes quantitatives peuvent se baser sur des donnes secondaires ou des donnes
primaires.
Les donnes primaires sont le plus souvent collectes laide dun questionnaire et
ventuellement dune exprimentation.
Dans cette section nous allons voir les principes de construction dun questionnaire.
Lensemble des individus qui nous intressent est appel la population mre. Par
exemple, si on tudie la bourse franaise, la population mre seront toutes les socits
cotes franaises, alors que si lon sintresse la bourse mondiale, la population mre
pourra tre lensemble des socits cotes, ou lensemble des indices boursiers
mondiaux.
Lorsque la population mre est constitue dun nombre trs important dindividus, il
nest pas souhaitable de tous les tudier ; on en tudie gnralement on chantillon que
lon souhaite le plus reprsentatif possible de la population mre.
Nous nallons pas aborder ici les techniques dchantillonnage, je vous renvoie
dautres supports pour cela.
3- Enfin, chaque individu faisant partie de lchantillon tudi a un certain score ou une
certaine valeur pour chaque variable tudie : au croisement des individus et des
variables on trouve ce que lon appelle des donnes.
Donnes
Variable 1
Variable2
Ex : Nom
Ex : Secteur Ex
dactivit
Variable3
.....
:
Capitalisation
boursire
Individu 1
BNP Paribas
Banques
& 53
...
Assurances
Individu 2
EDF-GDF
Energie
49
...
....
...
....
...
...
Nous allons voir maintenant en dtail comment collecter des donnes par questionnaire.
Une variable est une caractristique des individus tudis, et qui varie
dun individu un autre.
Exemples
Quelles peuvent tre les caractristiques des entreprises qui varient dune entreprise une
autre ?
- Le nom
- La nationalit
- La taille (nombre de salaris, capitalisation boursire, chiffre daffaires...)
- Le secteur dactivit
- La forme juridique...
Quelles peuvent tre les caractristiques des humains qui varient dun humain un autre ?
- Taille
- Poids
- Couleur des yeux
- Sympathie
- Intelligence
- Rendement
- Risque
- Composition sil sagit d un fonds...
Avec ces quelques exemples, nous voyons quil existe divers types de variables.
Ces diffrences entre types de variables sont trs importantes, car chaque type de variable
ncessitera un type danalyse spcifique.
Peut-on tre plus ou moins grand ? Oui. Donc la taille est une variable quantitative.
Peut-on tre plus ou moins intelligent ? Oui. Donc lintelligence est une variable
quantitative.
Peut-on tre plus ou moins bien lev ? Oui. Donc le niveau dducation est une variable
quantitative.
Peut-on tre plus ou moins bavard ? Oui. Donc la tendance bavarder est une variable
quantitative.
Peut-on tre plus ou moins averse au risque ? Oui, donc laversion au risque est une
variable quantitative.
Peut-on tre plus ou moins Jacques ? Non, donc le prnom nest pas une variable
quantitative.
Peut-on tre plus ou moins dans le secteur bancaire ? Si lon parle de secteurs
dactivits, on y est ou pas, donc ce nest pas une quantit.
Existe-t-il, pour une variable donne, une valeur objective et indiscutable que lon peut
attribuer chaque individu ?
Pour la variable ge et pour un individu donn, existe-il une valeur objective et indiscutable ?
Oui, vous avez par exemple 23 ans.
Pour la variable montant sur votre compte en banque existe-il une valeur objective et
indiscutable ? Oui, si vous disposez de 2350 euros, par exemple, cette somme est objective et
indiscutable.
Idem pour la variable nombre dannes dtudes suprieures effectues etc...
Dans tous ces cas, nous avons affaire des variables dites manifestes.
Dans les autres cas, nous avons affaire des variables dites abstraites .
Par exemple, pour la variable niveau de gamme que vous attribuez la marque Marc
Jacobs, y a-t-il un score objectif et indiscutable ? Non.
Pour la variable motivation dans votre travail, existe-t-il un score objectif et indiscutable ?
Non.
Idem pour les variables tendance manger des sucreries, attachement dun salari son
entreprise, propension au risque, got du jeu etc...
Dans tous ces cas, nous avons affaire des variables ABSTRAITES (ou latentes).
Pour rsumer, en croisant les deux principales distinctions, il existe 4 types de variables :
Le questionnaire est le principal outil de collecte de donnes primaires dans une tude
quantitative.
Il sert, pour les variables que lon souhaite tudier, attribuer une valeur chaque rpondant.
Concevoir un bon questionnaire est une activit extrmement complexe et trs fragile, cest
dire quil est trs facile dobtenir des donnes non valides, cest dire qui ne reprsentent pas
linformation que lon recherche.
Ceci est trs grave, car avec des donnes de mauvaise qualit, on aboutit des rsultats faux
donc trompeurs !
Les tapes suivantes servent maximiser les chances dobtenir des donnes de bonne qualit
avec un questionnaire.
tant donn quun questionnaire sert attribuer des valeurs des individus par rapport
diffrentes variables, il faut donc commencer par lister les variables que lon souhaite tudier.
En principe, votre revue de littrature et ventuellement votre tude qualitative vous ont conduit
proposer des hypothses de recherche.
Ces hypothses prvoient des relations entre variables, et votre tude quantitative servira tester
ces hypothses.
Les variables cls de votre tude seront donc contenues dans les hypothses de recherche.
La qualit du casting dun film a un effet positif sur lenvie des spectateurs de le voir .
Il faudra donc tudier ces 2 variables travers le questionnaire (ou une exprimentations).
Par exemple : leffet de la publicit sur la notorit nest pas une variable mais la relation
entre 2 variables (publicit et notorit).
Il faut mesurer chacune des variables, et cest une analyse statistique qui nous dira sil existe
une relation ou pas entre les deux (on ne le demande pas aux rpondants...).
Pour tre certain de bien savoir ce que lon tudie, il est important de dfinir clairement chaque
variable.
Par exemple : Lesprit dentreprise est dfini comme la tendance dun individu souhaiter
crer une entreprise.
Mais on pourrait aussi vouloir dfinir comme esprit dentreprise le fait de crer rellement des
entreprises. Un choix justifi doit donc tre effectu.
Remarque : pour certaines variables manifestes, la dfinition est vidente (ge, sexe, etc). Il
est dont inutile den fournir une.
Pour ne pas vous tromper, qualifiez chaque variable : Nominale ou Quantitative ? Manifeste ou
Abstraite ?
Prciser ensuite les modalits de variation : cela permet de comprendre rellement ce que vous
allez mesurer. En effet, pour une mme variable on peut avoir des modalits de variation
diffrentes.
Par exemple, pour le quotient intellectuel, on peut utiliser les mesures classiques allant de 50
150, ou les modalits suivantes :
1= trs bas
2= bas
3= moyen
4= lev
5= trs lev
3- Adulte
4- ....
Les items sont les questions qui vont tre utilises pour attribuer chaque individu une
valeur pour chaque variable tudie.
En gnral, 1 item est suffisant pour les variables manifestes, alors que plusieurs items sont
ncessaires pour les variables abstraites quantitatives.
Lidal est de partir ditems dj utiliss dans des tudes existantes (que vous aurez dj lus
dans votre revue de littrature ou rechercher sur EBSCO et Google Scholar).
Les items peuvent videmment tre adapts au contexte de votre tude.
Parfois, pour des exigences de recherche acadmique, des chercheurs peuvent tre amens
utiliser un nombre important ditems pour mesurer des variables abstraites.
Pour les besoins de votre mmoire, limitez-vous 3-4 items par variable abstraite.
Pour crer soi-mme des items, il est important de bien matriser les principes gnraux de
psychomtrie que nous verrons par la suite.
Comme suggr plus haut, chaque item sert mesurer une variable : il faut donc
plusieurs modalits de rponse pour pouvoir capter la variation de cette variable.
- Parfois les modalits de rponse dcoulent de la variable elle mme (Sexe = hommes
et femmes)
- Parfois cest vous de dcider quelles seront les modalits, selon la prcision que vous
souhaitez obtenir. En gnral, plus on a de modalits et plus on obtient des donnes
prcises.
Lexemple que vous connaissez bien est celui des notes aux examens :
Dans certains pays vous avez 5 modalits (A F) dans dautres pays des notes sur 10, ou sur
20
Dans un questionnaire, des choix doivent tre faits selon les types de variables.
Variables Nominales
Elles permettent de comparer des groupes sur des scores de variables quantitatives :
-
Y a-t-il une diffrence entre garons et filles sur les notes au mmoire de recherche ?
Les chelles de variables nominales ne posent donc pas de problmes, si ce nest celui de
sassurer que la catgorisation est bien pertinente.
Attention : Les entreprises ne sont pas toutes organises de la mme manire. Il est donc
important de bien se renseigner avant de crer une variable nominale dans un questionnaire.
En effet, si jamais une catgorie est oublie, toute ltude est biaise.
Remarque : pour les variables nominales, la codification en chiffres est arbitraire (2 nest pas
le double de 1, ni suprieur 1): elle ne sert qu crer des groupes.
Les variables ordinales se situent mi-chemin entre variable nominale et variable quantitative.
En effet, on peut les considrer comme quantitatives, car elles reprsentent des quantits en
quelque sorte, et parce quune modalit reprsente un attribut suprieur ou infrieur une autre
modalit.
Cependant, ce ne sont pas de vraies variables quantitatives car il est impossible dadditionner
ou de multiplier les modalits de rponse.
Par exemple le niveau hirarchique dans une entreprise est une variable ordinale.
En effet, imaginons quil y ait 5 niveaux (donc 5 modalits):
5. Direction gnrale
4. Cadres suprieurs
3. Cadre moyens
2. Employs
1. Ouvriers
On a bien une relation quantitative entre les niveaux. Cependant, ce ne sont pas de vritables
quantits et dailleurs, les chiffres utiliss sont arbitraires, je pourrais utiliser 10 pour DG et 1
pour ouvriers.
Du coup, je ne peux pas dire par exemple, que Direction Gnrale (5) = Cadres suprieurs (4)
+ Ouvriers (1).
Les variables mtriques sont les vraies variables quantitatives, car elles concernent de vraies
quantits : taille, poids, salaire, chiffre daffaires
Ainsi, la diffrence des variables ordinales, je peux dire que 200kg = 2*100 kg, et il existe
aussi un zro qui nexiste pas pour les variables ordinales.
Pour les variables mtriques, on peut utiliser deux types ditems : soit on utilise un item qui
demande la vraie valeur, soit on utilise des catgories.
Option 1 : Vous laissez un espace dans lequel la personne doit crire son ge
Option 2 : Vous proposez des catgories et le rpondant coche celle laquelle il appartient :
1
2
3
4
5
Moins de 10
entre 10 et 20
entre 20 et 30
entre 30 et 40
Plus de 40
Lavantage de loption 2 est que le rpondant se contente de cocher, alors que pour loption 1
il doit crire, ce qui prend plus de temps.
Remarque : Lidal lorsquon cre ce genre de catgories, est quil y ait la mme distance entre
chaque modalit, ce qui nest pas le cas ci-dessus.
Les variables quantitatives abstraites mesurent le plus souvent des valeurs, des prfrences, des
attitudes, des traits de personnalit etc
Pour ce type de variables, les modalits de rponse les plus adaptes prennent la forme
dchelles de Likert 5 ou 7 points.
On demande aux rpondants dtre plus ou moins daccord avec une affirmation, ou
daccorder une importante plus ou moins forte telle ou telle chose.
Exemples :
Pour des raisons qui me sont personnelles, je ne donne plus le meilleur de moi-mme
Pas du tout
Tout fait
daccord
daccord
Depuis que vous occupez ce poste, (quand vous rflchissez tous les changements
Beaucoup
Beaucoup
Diminu
Augment
que vous avez connus), avez-vous le sentiment que le niveau dintensit de vos efforts
a:
Pas du tout
Important
1
2
Extrmement
Important
3
4
5
La question nest pas tranche, mais les donnes issues dchelles de likert sont le plus souvent
considres comme mtriques.
On peut en effet considrer que les rpondants rpondent une chelle de likert de la mme
manire quils attribuent une note /10 un film, un livre ou une personne.
La seconde question est de savoir sil faut utiliser ou pas un point neutre (ne se
prononce pas) ou sil faut carrment supprimer le point central.
partir du moment o on considre que lon est en train dattribuer un score des individus
sur une variable quantitative, le point neutre na aucun sens, et fausse mme les rsultats.
Lui attribuer une valeur de type ne se prononce pas est conceptuellement faux.
Pour des raisons que nous verrons plus tard, les variables abstraites ncessitent dans lidal
plusieurs (au moins 3) items, chaque item tant un indicateur de la variable abstraite.
On sait bien, par exemple, que les mesures de quotient intellectuel sont calcules partir dune
multitude de tests et non pas en rpondant une seule question (et encore moins la question :
quel est votre QI ? ou quelle est votre intelligence ?).
Un indicateur est un outil qui permet de capter des caractristiques abstraites des individus.
Par exemple, nous savons que les individus sont plus ou moins averses au risque (variable
abstraite).
Pour quantifier laversion au risque des individus, il va falloir trouver des questions qui
permettent dvaluer cette aversion.
Par exemple, quelquun qui prfre placer ses conomies sur un livret A plutt quen bourse
fait preuve dune grande aversion au risque.
Indiquez votre accord avec laffirmation suivante : Lorsque je parviens faire des conomies,
je prfre les placer sur mon livret A plutt quen bourse.
1= Tout fait daccord
De mme, quelquun qui prfre un CDD mieux rmunr un CDI moins rmunr fait preuve
dune forte aversion au risque.
Indiquez votre accord avec laffirmation suivante : Je prfre un CDD rmunr 2000 euros
par mois quun CDI rmunr 1700 euros par mois
1= Tout fait daccord
Il est aussi courant dutiliser, parmi les 3-4 items, un item plus direct du type :
Indiquez votre accord avec laffirmation suivante : Je pense tre quelquun qui aime bien
prendre des risques.
1= Tout fait daccord
La manire la plus rigoureuse est de raliser des entretiens semi directifs auprs dun
chantillon dindividus de la mme population que celle laquelle le questionnaire sera
administr, pour dterminer quels sont, dans leur esprit, les indicateurs concrets du
concept abstrait que lon souhaite mesurer.
Une autre manire de procder est dutiliser des items dj utiliss dans des articles de
recherche.
Cependant, ces items doivent tre traduits en franais et adapts la population de
ltude. De mme, dans le cadre de recherches scientifiques, on est souvent amens
utiliser plus de 3 items pour la mme variable abstraite, ce qui peut conduire des
questionnaires dont ladministration est lourde.
Limitez-vous 3-4 items par variable pour votre mmoire.
Exemple :
Imaginons que lon souhaite mesurer lattractivit dentreprises pour des tudiants dcole
de Commerce afin den tudier les dterminants.
On pourrait appeler cette variable : attractivit dune socit sur le march du travail et
notamment auprs des jeunes diplms.
Comment mesurer cette attractivit par le biais dun questionnaire ? Comment savoir quels
sont les indicateurs de lattractivit des entreprises pour des tudiants ?
Si lon dcidait de se baser sur une tude qualitative pour tablir une liste ditems, on pourrait
par exemple demander des tudiants dans quelle entreprise ils aimeraient travailler, et leur
demander ensuite pour quelle raison : on obtiendrait ainsi une liste dindicateurs concrets dun
concept abstrait !
En ralisant des entretiens, on dcouvrirait par exemple que les principaux indicateurs
dattractivit sont les suivants :
-
la politique salariale
Pas du tout
daccord
1
2
Tout fait
daccord
4
5
Pas du tout
daccord
1
2
1
2
3
3
Tout fait
daccord
4
5
4
5
Il sagit de la manire dont le questionnaire que vous soumettez aux rpondants doit tre
conu et prsent.
Exemple :
Madame, Monsieur,
Nous ralisons une enqute sur les salaris au travail.
Les informations recueillies dans ce questionnaire sont strictement anonymes et confidentielles.
Cest votre opinion qui nous intresse. Aussi, veuillez rpondre de la manire la plus libre et la
plus sincre possible.
Il ny a pas de bonne ou de mauvaise rponse. Seul votre avis compte.
Merci de rpondre toutes les questions mme si vous ntes pas compltement sr(e) de votre
rponse, mme si certaines questions paraissent redondantes ou rptitives.
Remplir ce questionnaire ne vous prendra que 15 minutes environ.
Le questionnaire proprement parler est ensuite organis par thmes gnraux avec des
phrases de transition qui guident le rpondant :
Nous allons maintenant parler de vos relations avec les subordonns et suprieurs au sein
de votre entreprise
Il est conseill de ne pas mettre les items mesurant la mme variable abstraite les uns la suite
des autres afin que le rpondant, sapercevant de la ressemblance des items, ne soit tent de
rpondre machinalement la mme chose sans rflchir.
Certains items utiliss dans des articles de recherche pour mesurer des variables abstraites
peuvent tre inverss pour sassurer que les rpondants taient bien attentifs en rpondant (ce
procd est dconseill depuis quelques annes).
Par exemple :
Jaimerais vraiment pouvoir travailler dans la socit X
Devient
Je naimerais vraiment pas travailler dans la socit X
Les scores sont alors inverss car ici 1= forte attractivit et 6= faible attractivit.
Si vous utilisez des items inverss, il ne faut pas oublier de remettre les scores dans le bon sens
avant lanalyse des donnes.
Point important :
Afin de ne pas obtenir des rsultats biaiss, il est important de rassurer le rpondant sur la
prservation de lanonymat des rponses.
Ainsi, il ne faut pas demander le nom du rpondant ni des informations permettant de
lidentifier.
A lissue dune collecte de donnes par questionnaires, on obtient une base de donnes (sur
excel gnralement si on opte pour ladministration web) avec les rpondants en ligne et la
rponse chaque item en colonne.
La figure ci-dessous montre une base de donnes telle quelle apparat dans le logiciel
danalyses de donnes SPSS.
La base de donnes analyse dans une tude quantitative contient donc linformation pour
chaque individu de lchantillon, concernant chacune variable de ltude.
Comme le montre le tableau ci-dessous, nous avons chaque individu en lignes, les variables
tudies en colonnes, et les caractristiques de chaque individu aux croisements des deux : les
donnes.
V1
V2
V3
V4
V5
Donne 1V1
...
...
...
...
Donne 2V1
Donne2V2
...
...
...
3....
...
...
...
...
...
Variables
Individus
81
Limportante question qui se pose ici est la suivante : comment obtenir des donnes de bonne
qualit, cest--dire qui refltent bien les caractristiques de chaque individu quelles sont
censes dcrire ?
Comme nous allons le voir, La qualit des donnes utilises dans une tude quantitative
svalue en termes de validit et de fiabilit.
Mais la qualit des rsultats dune tude quantitative dpend aussi de la qualit de lchantillon
sur lequel ltude se base : plus lchantillon est reprsentatif de la population tudie, plus les
rsultats obtenus seront gnralisables.
Qualit des
rsultats
dune tude
quanti
Qualit
(Reprsentativit
) de lchantillon
Qualit (Validit
et fiabilit) des
donnes utilises
Je vous renvoie des manuels dtude marketing pour revoir les questions relatives aux
techniques dchantillonnage.
Nous allons ici nous focaliser sur les principes et les tests qui concernent la qualit des donnes
utilises.
Tout individu a une position prcise pour chaque variable que lon peut imaginer.
Par exemple, la variable Taille , tout individu dispose dun nombre de centimtres prcis.
Par exemple, pour la variable taille , Lucie se positionne 169 centimtres.
Cependant, selon les types de variables, il est plus ou moins facile dattribuer des scores des
individus.
82
Par exemple, il est plus ais dobtenir des donnes de bonne qualit pour les variables
manifestes que pour les variables latentes (abstraites).
Pour comprendre ce principe, il faut imaginer que pour chaque individu, il existe une
information relle et une information mesure qui sera celle quon aura collecte lors
de ltude.
On comprend facilement que plus la valeur mesure est proche de la valeur relle , plus
on considrera que les donnes collectes sont de bonne qualit.
Par exemple, si le poids rel dun individu est de 178 kg et que la balance qui mesure son poids
indique 178 kg, on dira que la balance fonctionne bien, quelle est prcise.
Si, au contraire, la balance indique 23 kg ou 2345 kg, on dira quelle est casse et on nattribuera
aucune valeur au score affich.
La question que nous allons nous poser est celle de la qualit des donnes collectes par
questionnaire.
En gnral, on sait que linformation collecte sur des variables manifestes est dassez bonne
qualit, i.e. quelle ressemble beaucoup linformation relle, car les rpondants connaissent
bien cette information, et qu moins davoir une bonne raison de mentir, ils donnent
linformation relle.
Pour quune information collecte par questionnaire soit de bonne qualit, trois premires
conditions ncessaires (mais pas suffisantes) doivent tre runies :
1- Le rpondant doit comprendre la question (de quelle variable il sagit)
2- Le rpondant doit connatre linformation
3- Il doit souhaiter la communiquer
Exemples :
Combien de temps avez-vous pass au tlphone durant les derniers 30 jours ?
Personne ne connat la rponse !
83
Ces premires considrations nous poussent tablir une distinction importante entre deux
types de variables : les variables manifestes et les variables abstraites.
Pour rappel, une variable manifeste concerne une caractristique que lon peut qualifier de
manire objective et indiscutable.
La couleur, la taille, le nom, le sexe etc sont des variables pour lesquelles on peut attribuer
chaque individu une valeur objective et indiscutable.
Au contraire, pour les variables abstraites, il nexiste pas de valeur objective et indiscutable.
Par exemple, les individus apprcient plus ou moins tre soumis un management autoritaire,
ou ont un intrt plus ou moins grand pour lactualit.
Les intrts, attitudes, valeurs, gots, prfrences des individus sont des variables trs
importantes des tudes, mais il nexiste pas de valeurs objectives et indiscutables qui puissent
tre attribues des individus pour dcrire ces variables.
Cest justement pour mesurer les variables abstraites que les principaux problmes de validit
se rencontrent En effet, pour ce type de variables, il nexiste par de score rel, les rpondants
ne connaissent donc pas linformation que lon souhaite obtenir deux.
84
Comment maximiser la qualit des donnes collectes par questionnaire pour des
variables abstraites ?
Il existe 2 tapes qui permettent de maximiser la qualit des donnes collectes par
questionnaires :
a) Comment crer a priori de bons items pour mesurer des variables abstraites ?
Faible
Forte
Ce que lon cherche faire lorsquon cre des items pour mesurer ce genre de variable est de
faire en sorte dattribuer aux individus tudis des scores, forcment subjectifs, mais qui
refltent au mieux la variable tudie, cest--dire que les individus qui accordent une forte
importance une alimentation saine obtiennent un score lev et ceux qui accordent une
importance faible une alimentation saine obtiennent un score faible.
Comme expliqu prcdemment, on utilise gnralement 2 types ditems pour mesurer des
variables abstraites :
Des items qui valuent des indicateurs de la variable mesurer (items plutt indirects)
Des items qui demandent au rpondant dvaluer directement la variable (items plutt
directs).
85
Exemple.
Variable : Attachement lentreprise pour laquelle on travaille
Autre exemple, si je souhaite mesurer laversion au risque (concept abstrait), je peux utiliser
des items directs, ou des items plutt indirects qui font rfrence lune des manifestations
concrtes (indicateurs) de laversion au risque :
En gnral, je suis quelquun qui aime prendre des risques. (item invers)
1= tout fait daccord
Au choix, je prfre un emploi sr lUniversit plutt quun contrat de droit priv mieux
rmunr dans une cole de Commerce
1= tout fait daccord
Si lon voulait tre vraiment rigoureux, il faudrait raliser des entretiens auprs dindividus de
la population cible de ltude, pour dterminer les manifestations de la variable abstraite
86
tudier et crer ainsi des items (comme par exemple, le choix dun contrat de travail de droit
priv vs. Fonction publique).
Dans les tudes acadmiques, la procdure de cration de mesures de variables abstraites
prvoit, en plus des entretiens, de demander des juges dvaluer les items par rapport leur
pertinence faciale cest--dire, dans quelle mesure un item semble tre un bon indicateur de
la variable quil est cens mesur. Cest ce que lon appelle la validit faciale.
Lorsque des variables abstraites sont utilises de manire rgulire, il est plus simple de les
rutiliser, en les adaptant ventuellement au contexte de la nouvelle tude.
Cependant, la pratique montre que des items qui semblent bons peuvent ne pas ltre pour
diffrentes raisons.
La validit faciale (se documenter sur les indicateurs dune variable abstraite et demander
des juges dvaluer les items crs) reprsente un niveau de rigueur moyen dans la cration des
mesures de variables abstraites.
En effet, la pratique montre que des items qui semblaient tre de bons indicateurs, savrent au
final ne pas ltre et ce, pour diffrentes raisons :
Ainsi, si lon souhaite tre plus rigoureux, on peut vrifier statistiquement la validit des items
a posteriori, cest dire aprs que le questionnaire ait t administr auprs dun chantillon de
la population cible (on appellera cela un pr-test) ou de la population entire si on na pas la
possibilit deffectuer un pr-test.
87
Rappel :
1- lobjectif des tudes est de donner une image la plus fidle possible de la ralit
2- les tudes quantitatives tudient des variables
3- les variables sont les diffrentes caractristiques des individus tudis dans le cadre de
ltude quantitative.
4- Durant la collecte des donnes, afin que ltude offre une bonne image de la ralit, je dois
attribuer chaque individu pour chaque variable, une valeur qui soit le plus fidle possible la
ralit.
Cette valeur que je vais attribuer chaque individu doit non seulement montrer les diffrences
entre individus, mais galement lampleur de la diffrence entre individus.
Ainsi, si je souhaite mesurer laversion au risque dindividus, il faut que si lindividu A a une
aversion au risque relle suprieure lindividu B, mon questionnaire me conduise attribuer
un score daversion au risque suprieur lindividu A par rapport B, et que la diffrence de
scores entre A et B soit important, si effectivement il y a une forte diffrence daversion au
risque entre ces deux individus.
tant donn que chaque item est cens capter la mme variable, on sattend ce quils
aboutissent des scores semblables. Si tel est le cas, on considrera que ce sont de bons items,
88
et on fera la moyenne de ces 3 scores et lon pourra considrer que ce score global donne une
bonne valuation du concept que lon souhaite mesurer.
La qualit de votre mmoire ou grand oral, peut tre considre comme une variable
abstraite, car la note que lon vous donne est arbitraire.
Pour noter un mmoire ou un grand oral, on pourrait nutiliser dun seul valuateur, mais
en gnral, sil y a plusieurs valuateurs, on a davantage confiance dans la qualit de la note
obtenue
Dans ce cas, on peut considrer que le 12 nest pas une bonne mesure de la qualit du mmoire
et ne retenir que les 2 autres notes et attribuer donc un 16.25 ltudiant.
89
Autre exemple : remplaons les items dun questionnaire censs mesurer laversion au
risque par 3 balances censes mesurer le poids.
Nous avons bien le mme cas de figure : 3 indicateurs (mesures) de la mme variable, cest
dire le poids.
Imaginons que lon demande 100 personnes de passer sur chacune des balances et que
lon enregistre les 3 mesures.
Imaginons que les poids moyens enregistrs au final soient les suivants :
Balance A
Balance B
Balance C
78kg
77.6kg
56kg
- On estimera dabord que la balance C ne fonctionne pas bien (sinon elle indiquerait 78 kg)
Imaginons maintenant que lon utilise 3 items pour mesurer laversion au risque :
1= tout fait daccord, 5= pas du tout daccord
1- Je prfre mettre des conomies dans un livret A plutt que de les placer en bourse
2- Je prfre un CDI un CDD mieux rmunr
3- En gnral, je suis quelquun qui aime bien prendre des risques
90
Aprs que 100 individus aient rpondu aux trois questions, on en arrive aux scores moyens
suivants :
Item 1 : 2.45
Item 2 : 2.67
Item 3 : 3.87
On va en dduire que litem 3 est problmatique et quil ne faut pas tenir compte de son
score (on considrera la moyenne des Items 1 et 2).
Pourquoi est-il problmatique ? Cela dpend des cas, mais dans lexemple, on remarque
que cest le seul item qui ne se base pas sur un indicateur concret mais qui reste dans
labstraction... cela peut tre une explication.
Lanalyse factorielle est un type danalyse statistique qui permet de regrouper les items
ayant des scores similaires (un peu comme la segmentation en marketing).
Remarque : Lorsquon utilise plusieurs items pour mesurer une variable abstraite, lensemble
de ces items est appel chelle de mesure .
Exemple : chelle de mesure de la motivation au travail= lensemble des items utiliss pour
mesurer la motivation au travail.
Si lon souhaite tre encore plus rigoureux, on peut souhaiter galement vrifier que chaque
item mesure bien une variable et une seule.
Cest ce que lon appelle un test de validit discriminante.
Le principe est le suivant : chaque item ne doit tre corrl quaux items de la mme variable
et non aux items des autres variables.
Si la validit discriminante nest pas tablie, cest que litem en question nest pas assez clair,
il ne discrimine par assez entre une variable et une autre.
91
Pour bien comprendre les principes de validit convergente et discriminante, imaginons que
lon mesure des vitesses et des tempratures, et que lon dispose de 3 thermomtres (T1, T2,
T3) et de 3 instruments de mesure de la vitesse (V1, V2, V3).
Si nous disposons dinstruments PARFAITS, les corrlations entre les valeurs relles et les
valeurs mesures sont les suivantes :
Validit
convergente
Temprature
Vitesse
T1
T2
T3
V1
V2
V3
Validit
Discriminant
e
Nous utilisons exactement le mme principe pour valuer la validit ditems mesurant des
concepts abstraits par questionnaire SAUF que, comme on mesure des variables moins dures
que des vitesses et des tempratures, on naura pas , dans la matrice ci-dessus des 1 et des 0,
mais des valeurs qui vont tendre vers 1 et vers 0.
Il ny a pas de problmes de validit convergente si les items devant mesurer une variable ont
au moins une corrlation de 0.5 avec celle-ci
92
ATTENTION : avant de commencer, assurez-vous que tous les items mesurent leur variable
dans le mme sens, i.e. quun score lev = quantit leve de la variable.
On trouve en effet des items inverss dans les tudes existantes quil faut remettre dans le
bon sens.
Exemple : Mesure de laversion au risque
Item 1 : Mme si le ski est un sport dangereux, cela vaut la peine den faire parce quon samuse
beaucoup.
Item 2 : Avec la conjoncture actuelle, il est important de dpenser le moins dargent possible.
Ces deux items mesurent laversion au risque mais de manire inverse. Il faut donc remettre
les scores de litem 1 dans le bon sens.
Comment ?
Transformer> Recoder des variables> On slection litem 1 dans la liste > Ancienne et
nouvelles valeurs > Ancienne valeur =1 / Nouvelle valeur =5 > Ajouter > Ancienne valeur =2
/ Nouvelle valeur =4 etc...
Remarque : si lon souhaite valuer la validit convergente et discriminante, tous les items de
toutes les variables abstraites doivent tre analyss simultanment.
Dans la liste des variables ( gauche) on slectionne tous les items correspondant des variables
latentes puis on clique sur OK
93
Si lon avait prvu 4 variables abstraites (chacune reprsente par 4 items par exemple), on
entre 16 items dans lanalyse, et on espre que le logiciel remettra les items mesurant la mme
variable dans les mmes paquets.
Dans les rsultats de lanalyse factorielle, diffrents tableaux apparaissent, mais cest le tableau
appel Variance totale explique qui va nous intresser en particulier.
Dans lexemple ci-dessous 9 items on t analyss reprsentant 3 variables abstraites :
La rgle pour dterminer le nombre de groupes ditems est la suivante : il faut que chaque
paquet ditems ait une valeur propre > 1 pour tre retenu.
Les valeurs propres reprsentent la quantit dinformation (de variance) contenue dans chaque
paquet ditems.
Cette rgle est programme par dfaut dans SPSS.
Dans notre exemple, le logiciel suggre de retenir 3 groupes ditems quil appelle
composantes (ce qui est une bonne nouvelle, car nos 9 items taient bien censs reprsenter
3 variables abstraites.
tape 3 : Chaque item est-il bien corrl avec les items censs mesurer la mme variable que
lui, et avec eux seuls ?
Pour le savoir, on va regarder les coefficients de corrlation des items avec chaque variable
abstraite. Mais avant cela, on va standardiser ces coefficients :
94
On se retrouve nouveau avec plusieurs tableaux, cest la Matrice des Composantes Aprs
Rotation qui nous intresse ici :
Elle nous indique quelle est la corrlation entre chaque item et chaque paquet (variable
abstraite), comme dans mon exemple de la temprature et de la vitesse.
Ce tableau tant plutt illisible, nous allons donc retourner dans les options de lanalyse
factorielle, et cocher classement des variables par taille et supprimer les faibles
coefficients .
SPSS considre par dfaut comme faibles des coefficients < 0.1.
Cependant, lorsquon travaille sur de petits chantillons (autour de 100 individus), on peut
considrer que les coefficients < 0.3 sont faibles car non significatifs ( modifier donc dans
les options).
La matrice devient ainsi plus claire : nous avons bien ici les 3 items de chaque variable abstraite
tant corrls des paquets diffrents et faiblement corrls aux autres paquets .
95
Nous pouvons dire que les validits convergente et discriminante sont tablies.
Si un item est trop faiblement corrl la variable quil est cens mesurer (<0.5) ou, pire encore,
sil est plus fortement corrl une autre variable, alors il doit tre retir de lanalyse.
Il peut aussi arriver que lon ait des items censs mesurer 3 variables abstraites et que le logiciel
trouve 4 paquets au lieu de 3.
Ceci peut arriver lorsquon a beaucoup ditems par variable latente i.e. surtout dans les tudes
acadmiques, cela ne devrait pas vous arriver avec 3 ou 4 items par variable abstraite.
Rappel : la validit discriminante est tablie si la corrlation dun item avec la bonne variable
est dau moins 0.3 suprieure la corrlation entre un item et dautres variables, et que la
corrlation dun item avec une mauvaise variable soit >0.3.
96
Exemple :
1 (AR)
2 (Motivation)
0.82
0.45
0.78
0.3
Item 3 : Motivation
0.3
0.89
Item 4 : Motivation
0.3
0.81
Dans lexemple ci-dessus, on peut considrer que lon a un problme de validit discriminante
avec litem 1 qui est trop corrl la variable MOTIVATION
Lorsque la validit est tablie par lanalyse factorielle, on va ensuite valuer la fiabilit.
La fiabilit peut se dfinir comme la prcision de la mesure, c'est--dire lcart entre le score
mesur et score rel.
Encore une fois, comme il nexiste pas de scores rels pour les variables abstraites, on va
calculer lcart moyen entre les scores mesurs.
Pour reprendre lexemple des notes attribues par des professeurs, imaginons les 2 cas suivants :
On va considrer que la premire note est plus fiable que la deuxime, car le consensus entre
les 3 professeurs est suprieur.
Le coefficient de fiabilit le plus utilis pour les donnes collectes par questionnaire est lalpha
de Cronbach. Il value lintercorrlation entre les scores des diffrents indicateurs utiliss,
pondrs par le nombre dindicateurs utiliss, de sorte que pour une intercorrlation donne,
plus il y a dindicateurs, plus le coefficient sera lev.
Analyse> Echelle> Analyse de la Fiabilit> pour chaque variable latente, on slectionne les
items correspondants retenus aprs lanalyse factorielle> OK
Sa valeur varie thoriquement entre 0 et 1 (aucune corrlation entre items nest jamais parfaite).
En pratique on considre que des coefficients de 0.7 sont acceptables et partir de 0.8 on
considre que la fiabilit est bonne.
Lorsquon calcule un coefficient alpha et quil savre tre trop faible, il est parfois possible de
laugmenter en liminant un ou plusieurs items qui ne sont pas eux-mmes suffisamment bons.
Ceci est possible avec au moins 4 items par variable.
Pour les dtecter, il est possible daller dans :
Statistiques (de la fentre de lAlpha) > cliquer sur Echelle sans llment > Ok
Dans le cas ci dessus, on voit que la suppression de litem Inf 1 fait monter lAlpha 0.695.
Cest donc lui qui pose un problme et qui doit tre supprim.
NB : La statistique ne doit pas tre utilise de manire aveugle et dogmatique. Il faut toujours
se demander pourquoi un item na pas fonctionn et prsenter une explication dans le
mmoire.
De mme, les indicateurs ne doivent pas tre utiliss de manire trop dogmatique. Ici un alpha
de 0.695 est trs proche de 0.7, donc sera considr comme acceptable.
98
Et si lalpha est < 0.7 et quon ne peut pas lamliorer en supprimant des items ?
Lorsque les tests de validit et de fiabilit ont t raliss et que certains items ont t supprims,
nous connaissons la qualit des mesures obtenues avec le questionnaire.
On doit ensuite calculer un score global pour chaque variable latente, car cest ce score global
qui nous intresse et qui permettra de tester les hypothses de recherche.
Ce score global est gal la moyenne des scores des diffrents items qui le composent.
Transformer> Calculer la variable > Variable cible : on donne un nom la Variable globale>
Dans groupe de fonctions on slectionne Tous , puis on recherche Mean (moyenne
en anglais) et on la slectionne> On obtient la formule suivante Mean (?;?) > On remplace
les ? par les items formant la variable latente (spars par des ;)> Ok > Une nouvelle variable
est cre dans le tableau des donnes.
99
Lexemple ci-dessus concerne une mesure de la Motivation au Travail pour laquelle 4 items
ont t utiliss (Mot 1, Mot 2, Mot 3 et Mot 4) et un score global calcul.
100
En effet, la plupart des phnomnes qui nous entourent ne sont pas perceptibles lil nu :
En fait, la plupart des principes que nous connaissons, ne peuvent tre observs qu travers
une tude quantitative.
Ltre humain tendance dvelopper des croyances partir de ses observations personnelles
de la ralit, donc partir dun nombre limit de cas particuliers, quil va gnraliser
lensemble de la population, aboutissant souvent des croyances errones.
Cest pour cette raison que la sagesse populaire conseille de ne pas gnraliser .
Lorsque les scientifiques disent que manger des fruits et des lgumes est bon pour la sant ,
il sagit dune rgle qui ne se vrifie que sur les grands nombres.
Il faut donc mettre en place des exprimentations sur un nombre important dindividus et en
respectant un protocole particulier, pour pouvoir montrer que la consommation rgulire de
certaines quantits de fruits et de lgumes a un effet positif significatif sur certains indicateurs
de la sant des individus.
101
Pour pouvoir tablir lexistence dun phnomne comme une relation entre variables, et tablir
la force de cette relation, il faut donc :
Ce nest qu ces conditions que lon peut dire quun phnomne existe, ou quune relation
entre variables existe.
Je naborde pas ici les questions relatives aux techniques dchantillonnage que vous avez vues
par ailleurs, (vous pouvez aussi vous reporter des ouvrages dtudes marketing pour un
rappel).
Je vais au contraire mattarder sur les analyses statistiques ncessaires au test des principales
hypothses de recherche.
102
Pour les variables quantitatives, on sintresse souvent des indices de tendance centrale
comme la moyenne arithmtique ou la mdiane, et des indices de dispersion comme lcart
type.
Il est galement conseill de prsenter une matrice des corrlations des variables quantitatives,
qui montre les corrlations existant entre toutes les variables de ltude ainsi que la moyenne et
lcart type.
Table 1 Means, standard deviations and intercorrelations among variables
Variables
M
SD
1
2
3
1 Seniority in stock ownership
5.09 1.12
2 Perceived past returns
4.46 0.82 .20**
3 Compensation
4.36 1.12 -.03
.04**
4 Gender
1.08 0.27 -.16** -.14** -.14**
5 Age
6.88 0.86 .36**
.11**
.07*
6 Education level
2.99 2.19 -.14** -.05
.52**
7 Hierarchical level
4.49 1.16 .07*
.07*
.60**
8 Philosophical commitment to EO
3.54 0.84 .07*
.18**
.24**
*
**
9 Commitment
3.52 0.82 .09
.10
.07*
**
**
10 Preference for EO
3.89 0.70 .20
.30
.24**
11 Uncertainty avoidance
2.04 0.60 .09**
-.02
-.17**
12 Information
3.82 0.74 .08*
.19**
.14**
13 Turnover Intention
2.01 0.78 -.10** -.19** .01
-0.06
14 Participation in decision-making
2.29 0.89 -.01
.11**
Notes: *p < 0.05; **p < 0.01; ***p < 0.001; all other correlations are insignificant.
10
11
12
13
-,35**
.02
-.16**
.05
-.02
-.04
-.01
-.10**
.11**
.02
-.11**
.13**
-.04
.06
.00
.06
.08*
-.19**
-.04
.34**
.07
-.10**
.02
-.06
.06
.20**
.05
.15**
.10**
.17**
-.18**
.13**
-.04
.03
.41**
.39**
-.10**
.25**
-.22**
.32**
.28**
-.17**
.22**
-.55**
.24**
-.09**
.31**
-.17**
.17**
.11**
.01
-.02
-.15**
.23**
-.10**
Sur le logiciel SPSS, ces statistiques descriptives sont trs simples raliser :
103
Les mthodes statistiques explicatives vont plus loin quune simple description des donnes.
Elles sutilisent lorsque lon a, dans une recherche, une ou plusieurs variables expliquer
dont on souhaite comprendre et analyser les variations, et une ou plusieurs variables dites
explicatives qui sont prsumes expliquer les variations des variables expliques.
Variables
Expliques
(rsultats)
Variables
explicatives
(actions)
Variable Explique
Nominale
Quantitative
du Khi 2
Rgressions
Rgressions
Logistiques
Linaires
Quantitatives
Rgressions
Rgressions
et Nominales
Logistiques
Linaires
Variable Explicative
Quantitative
104
Les rgressions logistiques ne seront pas abordes dans ce cours car leur utilisation est
complexe et les cas dutilisation moins courants.
Les tudiants ayant besoin de les utiliser sont invits se documenter et demander conseil
des professeurs.
Ce test donne la probabilit que la relation entre les variables ne soit pas significative, cest
dire quelle nexiste pas dans la population mre
Ainsi, les tests de significativ (ou signification) nous indiquent quelle est la probabilit , quil
ny a en fait aucune relation dans la population mre.
Cet se lit sur les tables statistiques, et est donn automatiquement par certains logiciels.
En gnral, on considre quun seuil (appel aussi p. ou sig. ) < 0.05 est acceptable en
sciences humaines. Autrement dit, on accepte jusqu 5% de probabilits derreur.
On dira donc quune relation entre variables est significative, si la probabilit quelle ne
le soit pas est infrieure ou gale 5%.
Si p>5%, alors on dira que la relation nest pas significative, i.e. quelle est trop faible pour
pouvoir tre considre comme non fortuite.
Plus p est faible et plus la relation entre les variables est forte.
106
Selon que les variables soient quantitatives ou nominales, explicatives ou expliques, les
analyses statistiques ne sont pas les mmes.
Exemples dhypothses :
Ex1 : Le sexe a un effet sur la taille des individus, de telle sorte que les hommes sont plus grands
que les femmes.
Ex2 : Le fait davoir une sparation des fonctions de prsident du conseil dadministration et
de directeur gnral a un effet sur le risque de lentreprise, de telle sorte que les entreprises
ayant une sparation des fonctions sont moins risques que les autres.
Remarque : dans ce type dhypothses nous sommes obligs de spcifier quel groupe est cens
avoir la moyenne la plus leve.
Pour valider ce type dhypothse, on calcule deux moyennes (groupe 1 vs groupe 2) puis on
regarde quelle est la diffrence de moyennes.
Le test statistique dterminera si la diffrence entre les deux moyennes est suffisamment
importante, tant donn la taille de lchantillon, pour quelle soit significative, donc quon
puisse considrer quelle a du sens.
Lorsque 2 groupes sont compars, le test statistique le plus courant est le t de Student.
Il y a ici trois options. Les deux qui vont nous intresser sont les suivantes:
Test t pour chantillons indpendants : comparaison des moyennes du groupe A et du groupe
B
Test t pour chantillons apparis : comparaison des moyennes du groupe A entre t1 et t2 (ex :
avant et aprs vu une publicit, bu du Redbull etc...)
Le logiciel vous demande quel est le groupe 1 et quel est le groupe 2 comparer. Si la variable
explicative na que deux modalits on prcise Groupe 1=1 et groupe 2= 2.
Si la variable explicative a trois modalits (ou plus) et que lon souhaite comparer les groupes
3 et 4, on prcisera : Groupe 1=3 et groupe 2= 4.
108
Cas 2 : Effet dune variable nominale au moins 3 modalits sur une variable
quantitative : Comparaisons de Moyennes avec lANOVA
Sous SPSS :
Dans lexemple ci dessous, la variable explicative est la fonction dans lentreprise et la variable
explique le salaire.
109
Comme prcdemment, la sig de 0.000 montre que la fonction a un effet trs significatif sur le
salaire.
Ici, le T de Student est remplac par le F de Fischer, mais la signification sinterprte de la
mme manire.
Vous remarquerez que les moyennes de chaque groupe ne sont pas indiques, comme ctait le
cas pour le T de Student. Pour les obtenir, ainsi que pour obtenir des diffrences de moyennes
pour tous les groupes deux par deux, il faut raliser un test postriori.
Il existe plusieurs options, je vous conseille le test LSD (Least Significant Difference).
110
Cas 3 : Effet dune variable nominale sur une autre variable nominale : Le test
dindpendance du Khi2
Exemple : Y-a-t-il une relation entre le sexe des tudiants de lINSEEC et la majeure quils
choisissent ?
Dans SPSS :
Analyse>Statistiques descriptives>tableaux croiss> Slection des variables (Ici, que lon mette
une variable en ligne ou en colonne ne change rien> statistiques> cocher le Chi 2
111
Lorsque lon souhaite tudier leffet de plusieurs variables explicatives quantitatives sur une
variable quantitative, lanalyse la plus courante est la rgression linaire multiple.
Les rgressions peuvent galement tre utilises pour prdire la valeur de la variable explique,
connaissant la valeur des variables explicatives.
Par exemple, imaginons que lon souhaite tudier les dterminants des entres un film de
cinma. Une tude qualitative a montr que les principaux dterminants sont :
- le budget de communication
- le casting
- le buzz sur internet
La variable casting est value partir du cachet moyen des acteurs, et le buzz par le nombre
de fois dont on a parl du film sur la toile le mois prcdant la sortie.
En termes mathmatiques, les rgressions se prsentent sous forme dune fonction linaire.
Y = a + bX
112
y = a + b1x1+b2x2+ b3x3 + e
Sous SPSS :
113
La variable dpendante est la variable explique, les variables indpendantes sont les variables
explicatives.
114
Dans lexemple ci-dessus, nous avons le salaire comme variable explique et lanciennet, la
fonction, le niveau hirarchique, le niveau dtudes et lge comme variables explicatives.
Les rsultats montrent dabord que toutes les variables explicatives ont un effet significatif sur
la variable explique.
En ce qui concerne la force des effets, on voit que la variable qui explique le mieux le salaire
est le niveau hirarchique (=0.45), suivie du niveau dtudes (=0.28) puis de lge (=0.17).
A noter le bta ngatif pour lanciennet, qui montre (tonnamment) que lanciennet a un effet
ngatif sur le salaire.
Remarque 2 : on trouve parfois des variables explicatives nominales deux modalits dans des
rgressions multiples, typiquement la variable Sexe.
Ceci est possible, mais seule la significativit doit tre interprte.
115
Rsum
Nous dcrivons une procdure qui permet
de dvelopper et tester des chelles de
mesure dans le contexte de recherches
comparatives inter-culturelles en management. Cette procdure englobe des principes de conception des items dans le cas de
cration dchelles, ou dadaptation, en cas
dutilisation dinstruments existants, ainsi
que des analyses statistiques (et notamment lanalyse factorielle confirmatoire
multigroupes) pour tester la pertinence des
chelles dans tous les groupes. Cette procdure est illustre dans une tude de lesprit de comptition auprs de salaris
franais, mexicains, amricains et italiens
travaillant dans des entreprises multinationales.
Mots cls: recherche comparative, quivalence de mesure, procdure de cration
dchelles de mesure
Abstract
A procedure for developing and testing
measurement scales for use in cross-cultural comparative management research is
described. The procedure emphasizes the
combination of adequate instrument design
if a new instrument is used or adequate
adaptation procedures if working with an
existing instrument and state-of-the-art statistical analyses (notably multigroup confirmatory factor analysis) to test the
adequacy of the scales in all groups. The
procedure is illustrated in a study of competitive orientation among French,
Mexican, US and Italian employees of
multinational corporations.
Keywords: comparative research, measurement equivalence, scale development procedure
omparative organizational research consists of the systematic detection, identification, measurement and interpretation of similarities and differences of organizational
behavior among employees of different cultural groups (Adler,
1983; Boddewyn, 1965). During the past decades, there has
been a growing body of literature addressing the specific
methodological problems of this type of research, such as
the equivalence of constructs, samples, and measurement
instruments. Meaningful cross-group comparisons presuppose
that the measurement instruments used to assess attitudes,
values or behaviors, operate in an equivalent way across
groups (i.e., that they measure the same thing in the same
way). This is usually called measurement equivalence. If
measures are not equivalent, interpretations of differences
in mean levels or in the pattern of correlation of the measures
are potentially artifactual and may yield misleading or even
incorrect results (Mullen, 1995). In case of severe lack of
measurement invariance, substantive comparisons cannot
be performed, possibly even requiring the collection of new
data (Vandenberg, 2002).
Prior to a further description of the present article, a
word on terminology is needed. The field of comparative
studies uses a set of terms such as equivalence in multiple
Resumen
En este articulo, se describe un procedimiento para desarrollar y probar escalas de
medida, en el contexto de la investigacin
comparativa transcultural en gestin. Este
procedimiento incluye los principios de
elaboracin en el caso de creacin de escalas, o los principios de adaptacin, en caso
de uso de instrumentos existentes, y anlisis
estadsticos (incluyendo el anlisis factorial
confirmatorio multigrupo) para poner a
prueba la pertinencia de las escalas en todos
los grupos. Este procedimiento se ilustra en
un estudio sobre el espritu competitivo
aplicado a una muestra de empleados franceses, mexicanos, italianos y americanos de
empresas multinacionales.
Palabras claves: investigacin comparativa
intercultural, la equivalencia de medicin,
elaboracin de escalas de medicin
ways (e.g., Johnson, 1998). In order to avoid terminological confusion, we define two key terms here. Measurement
equivalence refers here to scales and to the issues related
to designing and examining whether instruments work the
same way in different cultures, whereas measurement
invariance is narrower and refers here to the statistical tests
designed to verify the measurement equivalence of scales.
Issues regarding measurement equivalence are getting
more and more popular in organizational research after the
publication of several state-of-the art articles on the topic
(e.g., Cavusgil & Das, 1997; Hui & Triandis, 1985; A. W.
Meade & Lautenschlager, 2004a; Peng, Peterson, & Shyi,
1991; Reise et al., 1993; Schaffer & Riordan, 2003; Singh,
1995; Steenkamp & Baumgartner, 1998; Vandenberg,
2002; Vandenberg & Lance, 2000). However, those articles
focus principally on the statistical methods and procedures
for assessing measurement invariance, rather than on how
to develop multigroup equivalent measures. The approach
described in the present article incorporates equivalence
issues in the scale development process. Our aim is to
describe a step-by-step procedure for developing measures
that are more likely to provide comparable scores in crossgroup comparisons. All the steps of scale development
procedures are addressed from the perspective of ensuring
72
the equivalence of the concept to be measured; recommendations on how to deal with invariance problems are
discussed.
We extend extant work in three ways. First, we integrate measurement equivalence issues in each step of classical scale development procedures whereas previous work
mainly described some of the steps implied in scale development and validation. Second, we suggest that invariance
issues could be addressed on theoretical grounds, whereas
existing research often proceeded in a data-driven fashion.
Third, we explain how to deal with invariance problems,
whereas the existing literature focuses more on the identification of these problems.
In the first section, we briefly present the conceptual
background of cross-cultural measurement equivalence. In
the second section, we describe a scale development procedure that can be useful both in the context of a derived-etic
approach (the researcher needs to develop a measurement
scale in the context of a comparative study) and in the context of an etic approach (the researcher decides to use an
existing scale for a cross-group comparison and wants to
assess whether the scale is suitable for all the groups under
study).
Conceptual Background
Validity, Reliability, and Measurement Equivalence
Measurement is a vital concern for all researchers in social
sciences. The quality of a measure is generally assessed by
its validity and reliability. The validity of a measure has
been defined as the extent to which an operationalization
measures the concept it is supposed to measure (Bagozzi,
Yi, & Phillips, 1991: 421), whereas reliability is the proportion of variance of the obtained score attributable to the true
score of a latent variable (De Vellis, 2003). Hence, the goal
of our procedure is to develop measures which are equally
valid and reliable for all the populations under study. Two
measures applied to different groups are fully equivalent if
the relationships between the observed score and the true
score are identical for all groups. This essentially implies
that the concept involves the same domain in all groups
(true scores), and that the items composing the scale are
equally appropriate in measuring the construct (observed
scores).
When is Measurement Equivalence an Issue?
In which cases are group comparisons most likely to be
threatened by a lack of measurement equivalence? Existing
articles on measurement equivalence do not clearly address
this issue. Vandenberg and Lance (2000) suggest that equivalence tests should be performed when comparing different populations or groups, whereas other authors refer
to cultural groups, cultural samples (e.g., Schaffer &
Towards a Comprehensive Procedure for Developing Measurement Scales for Cross-Cultural Management Research
73
74
are seen as evidence of translation problems. The procedure can be iteratively repeated for several rounds and a
final target-language questionnaire is discussed and prepared by the researcher and the two translators (Brislin,
1986; Usunier, 1998; Van de Vijver & Leung, 1997). The
back-translation technique has many advantages: it is less
likely that the preliminary version is contaminated by
one single person and no language is the dominant frame
of reference (Brislin, 1986). However, some limitations
of the back-translation technique have been observed. For
instance, good back translators might automatically compensate for poorly translated texts and thus mask problems
(Brislin, 1986; Harkness, 2003). Also, Van de Vijver and
Leung (1997) point out that the procedure can produce a
stilted language that does not approach the naturalness of
the text in the original version. As a consequence, the use
of back-translation seems to be less and less recommended
by psychometric experts (Byrne & Campbell, 1999). A
second technique, called blind parallel translation, consists
of having several translators translate independently from
the source language into the target language. The different target versions are then discussed and a final version
is compiled (Harkness, 2003; Usunier, 1998). In cross-cultural research, we often need to develop surveys in more
than two languages. We propose here a modified version of
the blind parallel translation technique that may be better
suited for such multilingual studies. Suppose that a study
involves English, Italian, and Spanish participants and that
the mother tongue of the principal investigator is English. A
first step involves two bilingual English-Spanish translators
and two English-Italian translators proposing a translation
of the first English version separately. After this step, we
have two Spanish and two Italian versions of the questionnaire. The two pairs of translators then compare and discuss
their translations until they agree on a common version.
Particular attention should be paid in the translation
process to equivalence of response formats, because inadequate translation will lead to systematic cross-cultural differences. Likert scales are the most widely used response
scale in organizational research (Hinkin, 1995). Existing
evidence shows that difficulties can occur in determining
lexical equivalents in different languages of verbal descriptions for the scale and that it is difficult to ensure that the
distances between scale points are equivalent in all the languages (Usunier, 1998). Several solutions have been proposed to increase the equivalence of response scales; these
include the substitution of verbal anchors with numerical
scales and the use of local wordings based on scales developed by local researchers (Smith, 2003; Usunier, 1998).
The first option seems preferable because numbers are
more likely to operate equivalently than words; yet, the
distinction becomes very subtle or non-existent when the
numbers have to be described in words in the introduction
to the participant.
Towards a Comprehensive Procedure for Developing Measurement Scales for Cross-Cultural Management Research
75
from a large number of items derived from qualitative techniques (Worthington & Whittaker, 2006). Retain all factors
with eigenvalues greater than 1.0 and perform a scree test,
are still fairly common in determining how many factors
to extract, despite the growing evidence that the Velicers
MAP criteria, and parallel analysis are more accurate
(Osborne & Costello, 2009; OConnor; 2000). Scales are
formed by taking all items together that load at least moderately on the same factor (e.g., having a standardized loading with an absolute value of at least .4) and do not load as
high on other factors (Gerbing & Anderson, 1996; Hair Jr.,
Black, Babin, Anderson, & Tatham, 2006). Items that do
not show this convergent and discriminant validity are usually dropped (Campbell & Fiske, 1959).
The validation phase typically ends with a confirmatory
factor analysis to establish the final version of the scales
(Hinkin, 1995). It is generally recommended to collect new
data so that the exploratory and confirmatory factor analyses are based on different data (Churchill, 1979; De Vellis,
2003). However, because of the difficulty of data collection
in organizational settings, authors often randomly split their
sample into two halves and perform exploratory analyses
on the first half and confirmatory analyses on the second
half. When validity is established, reliability is generally
assessed by computing coefficient alpha. Again, when possible, authors usually delete some poorly performing items
to increase coefficient alpha (Hinkin, 1995). Note that the
use of coefficient alpha has been criticized on the grounds
that it is not a measure of internal consistency (Sijtsma,
2009). Therefore, it is preferable to use other measures of
reliability such as the Mc Donalds omega (Mc Donald,
1970) which is computed from the standardized parameter
estimates (Zinbarg, Revelle, Yovel, & Li, 2005).
By factor analyzing the items for each group separately,
one can check whether the same factors appear and if the
items load on the same factors for all groups. Items failing
to show cross-group convergent and discriminant validities
can be eliminated from the cross-cultural comparison; yet,
these may contain interesting information about cross-cultural differences in that they show very different patterns
of loadings.
Although CFA is far more flexible that EFA due to its
integration to the overarching SEM framework, it is still
limited by the inherent independent cluster model that arbitrarily constrains all cross loadings to 0, resulting in inflated
factor correlations when cross-loadings even minor ones
are present. For this reason, an Exploratory Structural
Equation Model approach, combining EFA, CFA and
SEM, has recently been developed and implemented in the
Mplus statistical packages (Asparouhov & Muthn, 2009,
Marsh et al. 2011). Further studies are needed to determine
whether this approach can live up to its theoretical potential
and what its pros and cons are.
76
Towards a Comprehensive Procedure for Developing Measurement Scales for Cross-Cultural Management Research
77
The same three outcomes can be found (complete support, partial support, and complete lack of scalar invariance)
as in the previous analysis. Again, quality and quantity have
to be taken into account. If the measurement intercepts of
different items consistently point to deviances in one or
the same small sets of groups, it is important to check for
consistencies of the bias across groups. If the bias is not
consistently pointing to a single group, it is more likely
that the bias is due to item specific issues like inadequate
translations. If there is more consistency, then systematic
sources of bias, such as social desirability or acquiescence,
may play a role.
If the test of scalar invariance indicates that differences
in item intercepts are not consistent across items, anomalies
can be examined by removing the items from the cross-cultural comparison. Another approach is to evaluate the influence of the biased items on the cross-cultural differences;
a simple way is to compare the difference in size of the
means on the original instruments with the difference on
the instruments from which all biased items are removed.
Although the differences can be very large in theory, the
removal of biased items may not have major implications
for their size and the implications for the interpretation
of the cross-cultural differences may be minimal (e.g.,
Meiring, Van de Vijver, & Rothmann, 2006). Finally, the
size of the intercept differences and the cross-groups mean
differences should be taken into account when interpreting
lack of scalar invariance. Again, if the mean difference of
two variables between two groups is small, a lack of full
scalar invariance would have more serious implications
than in the case of a large difference of means.
Other tests can concern factor variance equivalence and
error variance equivalence (Vandenberg & Lance, 2000).
However, we consider that metric and scalar invariance are
sufficient for establishing that measurement equivalence
conditions exist and that invariance of unique variances
is not an issue when differences in measurement error are
taken into account as it is the case in SEM (Byrne, 2004;
Meade & Bauer, 2007; Steenkamp & Baumgartner, 1998).
However, when other statistical analyses are used to inspect
correlations and mean differences, such as regressions and
ANOVAs, invariance of errors must be addressed because
errors can inflate or deflate relations and means (Millsap,
2011).
A further issue concerns the selection of an item as
the referent indicator for identification purposes (Little,
Slegers, & Card, 2006). Typical practice is simply to select
an item and fix its loading to the value of 1 and its intercept
value to the value of zero. This way, all latent variances and
means can be freely estimated. However, this practice can
lead to biased results if the researcher inadvertently selects
as the referent indicator an item that is not metrically invariant (Little et al., 2006; Vandenberg, 2002). In order to avoid
such an issue, researchers can inspect the item loadings from
the EFA and select, as the referent indicator, the one whose
78
Table 1
Scale of Competition (US English Version)
Example
The scale used in this example is a measure of competitive orientation, defined as the extent to which individuals
perceive competition as something positive and desirable,
which was used in a previous study performed by the first
author. The sample comprises 368 French, 138 Mexican,
246 US, and 276 Italian employees of 3 French multinational corporations. The survey was developed in English
and then translated into French, Spanish, and Italian using
the blind parallel translation procedure described above.
Table1 presents the US English version of this 5-item scale.
Exploratory factor analysis and coefficient omega.
Principal axis factoring was used to determine the selected
items factor structure for each group separately (Hair Jr. et
al., 2006). We used the Velicers Minimum Average Partial
(MAP) Test and Parallel Analysis routines as presented in
OConnor (2000), to determine the number of components
for each group. In the MAP test, factors are retained as long
as the variance in the correlation matrix represents more
Table 2
Exploratory Factor Analysis,
Coefficients Alpha and Omega
Items
France Italy
.73
.68
.68
.68
.82
.81
.76
.78
.75
.69
.74
.68
.83
.80
.80
.67
.79
.78
.77
.80
Alpha
.84
.80
.80
.77
Omega .82
.77
.78
.78
Towards a Comprehensive Procedure for Developing Measurement Scales for Cross-Cultural Management Research
79
7.76
36.66
11.25
39.16
20.03
4.82
3-Italy
5-United States
7-Mexico
62.04
96.37
77.93
129.05
101.64
91.93
9- Metric Equivalence
10-Scalar Equivalence
41.89
8- Configural Equivalence
Multigroup Analyses
30.10
1-France
Monogroup Analyses
Model Description
46
49
52
37
40
28
16
df
.954
.947
.922
.959
.943
.966
.974
.931
.852
.973
.882
.989
.925
CFI
.960
.957
.940
.955
.943
.951
.935
.827
.705
.933
.764
.972
.849
TLI
.044
.048
.051
.040
.037
.045
.023
.027
.048
.048
.036
.071
.023
.050
SRMS
.041
.043
.050
.043
.049
.045
.052
0.00
.164
.214
.110
.206
.079
.184
RMSEA
Table 3
12
15
12
12
DF
14
23.71*
51.12***
15.89*
34.33***
20.15
-.005
-.012
-.037
-.007
-.023
-.008
CFI
-.002
-.007
-.002
.004
-.007
RMSEA
80
Management international / International Management / Gestin Internacional, 17 (2)
81
Towards a Comprehensive Procedure for Developing Measurement Scales for Cross-Cultural Management Research
Table 4
Unstandardized Factor Loadings () and Intercepts () for France, Italy, the United States and Mexico
France
Italy
United States
Mexico
Items
Item 1
.73
2.95
.58
2.60
.57
2.89
.50
3.70
Item 2
.67
3.22
.66
2.81
.56
3.03
.62
3.94
Item 3
.53
3.47
.50
3.28
.58
3.42
.42
4.34
Item 4
.78
3.63
.86
3.23
.78
3.35
.44
4.30
Item 5
.62
3.82
.82
3.44
.67
3.71
.52
4.34
Conclusion
Comparing the attitudes and behaviors of different groups
of employees or consumers is one of the most common
aims of organizational research. However, meaningful
cross-group comparisons presuppose that the measurement
82
Byrne, B. M. (2001). Structural equation modeling with AMOS Basic concepts, applications, and programming. Mahwah, NJ,
USA: Lawrence Erlbaum Associates.
Bibliographie
Cheung, G. W., & Rensvold, R. B. (2002). Evaluating goodnessof-fit indexes for testing measurement invariance. Structural
Equation Modeling, Vol.9, No.2, pp.233-255.
Cheung, F. M., van de Vijver, F. J. R., & Leong, F. T. L. (2011).
Toward a new approach to the study of personality in culture.
American Psychologist. Advance online publication.
Churchill, G. A. (1979). A paradigm for developing better measures of marketing constructs. Journal of Marketing Research,
Vol. 16, No. 1, pp. 64-73.
Davidson, A. R., Jaccard, J. J., Triandis, H. C., Morales, M. L.,
& Diaz-Guerrero, R. (1976). Cross-cultural model testing:
Toward a solution of the etic-emic dilemma. International
Journal of Psychology, Vol. 11, No. 1, pp. 1-13.
Dawis, R. V. (1987). Scale construction. Journal of Counselling
Psychology, Vol. 34, No.4, pp. 481-489.
De Vellis, R. F. (2003). Scale development, theory and applications (Vol. 26). Thousand Oaks, CA: Sage.
De Winter, J., Dodou, D., & Wieringa, P. (2009). Exploratory
factor analysis with small sample sizes. Multivariate
Behavioral Research, Vol.44, pp.147181.
Gerbing, D. W., & Anderson, J. C. (1996). An updated paradigm
for scale development incorporating unidimensionality and its
assessment. Journal of Marketing Research, Vol. 25, No.5,
pp.186-192.
Hair Jr., J. F., Black, W. C., Babin, B. J., Anderson, R. E., &
Tatham, R. L. (2006). Multivariate data analysis (6th ed.).
Upper Saddle River, NJ: Pearson.
Hambleton, R. K. (2001). The next generation of the ITC test
translation and adaptation guidelines. European Journal of
Psychological Assessment, Vol. 17, No. 3, pp. 164-172.
Towards a Comprehensive Procedure for Developing Measurement Scales for Cross-Cultural Management Research
83
84