Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

2-2- Les préalables à l’analyse des données quantitatives Avant tout traitement

2-2- Les préalables à l’analyse des données quantitatives Avant tout traitement statistique, nous devons procéder à la préparation des données ainsi recueillies. Celle-ci passe notamment par la vérification de la lisibilité (le questionnaire doit être lisible pour pouvoir être facilement codé), de la complétude (il s’agit de données manquantes qui déterminent la qualité de l’enquête) et de la cohérence. Une fois les données codifiées et regroupées dans un tableau, on peut dès lors procéder aux différentes mesures. 2-2-A- Le processus de mesure : définition et schéma général Mesurer c’est établir une relation entre l’objet étudié (produit, individu, phénomène) et un symbole le représentant. De façon générale, les symboles utilisés seront le plus souvent des chiffres et la mesure peut être définie comme « les règles d’attribution de nombres à des caractéristiques des objets » (Nunnally, 1967). Il s’agit donc de mettre en correspondance l’univers réel sur lequel porte l’étude avec un système symbolique représenté par des chiffres ; les règles définissent la façon dont doit être effectuée la mesure, c’est-à-dire son opérationnalisation. La mesure établit donc une correspondance entre un niveau théorique (définition conceptuelle du phénomène étudié) et un niveau empirique (définition des indicateurs représentant ce phénomène et sur lesquels portent les opérations concrètes de mesure) (Evrard al., 2003) . Le schéma général du processus de mesure est illustré dans la figure ci-après : 1 LE COMPORTEMENT STRATEGIQUE DES PME DANS UN ENVIRONNEMENT INCERTAIN Figure 17: Schéma général de la mesure Relation théorique Relation empirique On distingue sur ce schéma trois types de relations : -Relation théorique : il s'agit de la relation entre concepts non observables ; il faut souligner qu'il s'agit du cœur de l'étude. -Relation empirique : il s'agit des relations entre les mesures, dont l'estimation fera l'objet du traitement des données ; la relation empirique (liaison statistique entre la réponse à deux questions) doit être considérée comme un moyen d'estimer la relation théorique entre les phénomènes non observables. On peut déjà souligner que, si chaque concept non observable n'est opérationnalisé que par une seule variable, il y aura identité entre niveau empirique et niveau théorique, et donc pas de moyen de distinguer le phénomène étudié et son opérationnalisation, c'est-à-dire qu'on ne pourra pas cerner la qualité de la mesure ; 2 ξ η Plan théorique Relation épistémique (non observable ) (règle de correspondance ) Plan empirique X1 X2 Y1 Y2 -Relation épistémique (ou règles de correspondance entre un phénomène et sa/ses mesures) : c’est le type de relation, qui s'établit entre le niveau non observable et le niveau empirique et qui va être au cœur de l'évaluation des mesures et de l'amélioration de leur qualité. A chaque phénomène non observable étudié, on peut en effet associer plusieurs façons de le mesurer (ou indicateurs résultant d'un processus d'opérationnalisation) ; il est essentiel de percevoir que le résultat d’une mesure n’est pas le phénomène lui-même, mais un indicateur reflétant ce phénomène. 2-2-B- La procédure de construction des mesures : le paradigme de Churchill Churchill (1979) a proposé un cadre notoire afin de développer des outils de mesure en marketing. La démarche méthodologique développée connue sous le nom de « paradigme de Churchill » vise à intégrer les connaissances concernant la théorie de la mesure ainsi que les techniques appropriées pour l’améliorer dans une procédure systématique (Evrard et al., 2003). Pour développer les mesures on peut directement tester les indicateurs ou items en utilisant le paradigme de Churchill, (1979) ou alors on peut récupérer les mesures ou items à partir de la revue de la littérature proposée par les chercheurs du domaine ou éventuellement choisir les mesures adaptées à partir des surveys lorsqu’elles existent. S’il est vrai que la plupart de nos items sont tirés de la littérature et des surveys, il n’en demeure pas moins vrai que tout au long de notre travail nous nous sommes appuyés sur le paradigme de Churchill dont le schéma est le suivant : Figure 18: Représentation du paradigme de Churchill (1979) 3 LE COMPORTEMENT STRATEGIQUE DES PME DANS UN ENVIRONNEMENT INCERTAIN 2-2-C- La théorie de la mesure : le « modèle de la vraie valeur » Le modèle de la vraie valeur (ou True Score Model) consiste à décomposer le résultat d'une mesure en ses différents éléments : la vraie valeur (censée représenter théoriquement la mesure parfaite) et les termes d'erreur (l'erreur aléatoire et l'erreur systématique). Ce modèle peut se résumer par la formule suivante (voir Evrard, Pras et Roux, 1993 : 277-279) : M = V + Es + Ea 4 Mesure = Vraie + Erreur + Erreur Obtenue valeur systématique aléatoire -La vraie valeur : c'est la mesure « idéale », c'est-à-dire celle qui correspondrait parfaitement au phénomène étudié ; elle est, le plus souvent, impossible à atteindre directement et constitue l' « horizon » de la mesure empirique ; -L'erreur systématique (ou biais) : ce type d'erreur provient du fait que l'instrument de mesure peut avoir un écart systématique avec le phénomène étudié ; -L'erreur aléatoire : le phénomène mesuré par un même instrument peut être sujet à des aléas tels que les circonstances, l'humeur des personnes interrogées... 2-2-C-1- Les principes de l’analyse L’analyse statistique a pour rôle d’aider l’utilisateur à « lire » la matrice des données recueillies. La gamme des méthodes disponibles est très vaste. On discerne cependant quelques principes généraux qui contribuent à guider le chercheur dans le choix et l’application d’une méthode. Le premier objectif de l’analyse des données est de réduire le volume des données disponibles de façon à l’amener à un format assimilable pour l’interprétation. Cette recherche est guidée par l’objectif de l’analyse : il ne s’agit pas d’extraire un petit nombre de données au hasard, mais de mettre en évidence les faits et les relations les plus importants. Le choix d’une méthode est la synthèse d’un objectif (ce qu’on cherche) et d’une contrainte (les propriétés de mesure des variables étudiées). Nous exposerons à la suite la logique du nombre de variables incluses dans le traitement, qui permet de classer les méthodes selon qu’elles concernent une variable (univariée), ou davantage (multivariée) en considérant l’analyse qui correspond aux objectifs du chercheur (description et /ou inférence) et la logique inférentielle qui se traduit dans l’application des tests statistiques. 2-2-C-1-1- L’analyse univariée Elle consiste à examiner la distribution des modalités de réponse pour une variable, c’est-à-dire une colonne de la matrice des données (par exemple, dans le cas d’une variable nominale, il s’agit d’un tri à plat, c’est-à-dire du dénombrement des observations correspondant à chaque modalité de la variable). Deux types de problèmes sont abordés par l’analyse univariée : la description des données (abordée sous deux aspects dont la tendance 5 LE COMPORTEMENT STRATEGIQUE DES PME DANS UN ENVIRONNEMENT INCERTAIN centrale et la dispersion) et l’inférence. Toutefois, les méthodes applicables dans cette analyse dépendent des propriétés de mesure de la variable étudiée. On distingue sur ce point trois niveaux : nominal, ordinal et métrique (terme générique que nous utilisons pour désigner les échelles de proportion et les échelles d’intervalle).  Le cas d’une variable nominale C’est celle qui possède le moins de propriétés mathématiques. On peut simplement compter le nombre d’observations appartenant à chaque catégorie (ou modalité) de la variable, c’est-à-dire effectuer une tabulation simple (ou tri à plat). Notons que dans le cas de l’analyse bivariée on fera plutôt des tris croisés. La tendance centrale est représentée par le mode qui est la modalité pour laquelle les observations sont les plus nombreuses. La dispersion est indiquée par les fréquences. Une statistique inférentielle applicable aux variables nominales est le test du Chi-deux qui consiste à comparer la distribution observée des nombres d’observations par modalité à une distribution prédéterminée. Dans le cas de l’analyse bivariée le test du Chi-deux est calculé par la formule suivante : Avec : : Chi-deux : le nombre d’éléments de l’échantillon répondant simultanément à la modalité i de la variable X (i = 1 ......., r) et à la modalité j de la variable Y (j = 1 ......., c) ; : l’effectif théorique « théorique » de la case (i, j). On démontre que cette quantité suit une loi du à (r – 1) (c – 1) degrés de liberté ; la consultation de la table fournit la réponse. Si observé théorique, à un certain seuil de signification, on peut alors rejeter l’hypothèse nulle. Le cas d’une variable ordinale Il s’agit ici d’une variable qualitative dont les modalités sont ordonnées. Pour une variable ordinale, la tendance centrale est représentée par la médiane, qui est la valeur qui divise la population étudiée en deux parties égales. La dispersion est indiquée par les fractiles 6 (qui partagent la population en catégories d’effectifs égaux). Les plus usuels sont les quartiles et les déciles. L’inférence consiste à comparer la répartition des réponses obtenue à une répartition définie à priori ; elle peut être certifiée par le test de Kolmogorov-Smirnov. Le cas d’une variable métrique Dans ce cas, la tendance centrale est la moyenne dont la formule de calcul est la suivante : Avec : = uploads/Management/ churchill.pdf