Attijari wafabank
Résumé Les processus modérateurs et médiateurs
Distinction conceptuelle, aspects analytiques et illustrations
Semestre 5 Matière ADD
(Analyse Des Données)
Brandon Heat Ecole Nationale de Commerce et de Gestion Tanger – 2009/2010
Modérateur Médiateur
Y = a + bX + dZ + cXZ + erreur « modération » = « effet d’interaction ». Une variable modératrice est une variable qui module le senset/ou la force de l’effet de X sur Y (positive/négative, forte/faible) Les processus modérateurs répondent donc à la question « quand, dans quelles circonstances » l’effet X-Y se produit. Il existe deux types de modérateurs : purs et quasimodérateurs.
exemple : Non-identification d’une relation entre deux variables -dans la population totale- en raison de la non-prise en compte d’un effetmodérateur (population féminine, et population masculine)
Aspects analytiques : Le choix du type d’analyse statistique dépend des catégories de mesures (de X et Z) : o Les échelles « au mo ins intervalle » : mesures métriques (ou cardinales fortes/faibles) ? Analyse de Régression Multiple ARM o Les échelles « mo ins qu’intervalle » mesures nominales et ordinales ? ARM muette ou par sous groupes, ou uneANOVA Rq : Il est important de souligner que les tests de modération peuvent être influe ncés par des problèmes de colinéarité entre variab les indépendantes. Dans ce cas on aura besoin d’un large échantillon.
Une variab le qui permet d’exp liquer la man ière, le processus par lequel la variable X influence la variable Y. Les processus médiateurs répondent donc à la question «comment, pourquoi» l’effet X-Y existe. X est un antécédent de la variable médiatrice et cette dernière est un antécédent de Y. Donc X a un effet indirect sur Y : une partie au mo ins de l’influence de X sur Y passe par la variable médiatrice. Rq : – le modérateur est systématiquement une variable indépendante. – L’analyse méd iatrice ne permet pas d’étudier la causalité (X-Y) – Il faut distinguer : o médi ati oncomplète : si l’influence de X sur Y disparaît totalement en présence de la variable supposée méd iatrice. o médi ati on partielle : Lorsque l’influence de X sur Y est simp lement réduite on dit que l’in fluence du médiateur potentiel est contrôlée. Exemple : une étude d’arguments théoriques à l’appui qui teste le modèle « non-confirmation des attentes (X) ? attitude envers la marque (M ) ?fidélité à la marque (Y)» dont les conditions de médiat ion sont respectées. Or on peut avoir une médiat isation complète (médiateur : fidélité à la marque) : X ? (M’=Y) ? (Y’=M ) Ce sont deux résultats contradictoires ? une autre variable médiatrice non mesurée et qui peut être ici « la satisfaction envers la marque » Méthodes utilisées (Aspects analytiques) :
1. Régressions successives, conditions 😕 La variable X doit avoir un impact significat if sur la variable Y. Y = a1 + b1X + erreur1 ? La variable X doit avoir un effet significatif sur M : M = a2 + b2 X + erreur2 ? La variable médiatrice supposée M doit significativement influencer la variab le Y lorsque l’influence de la variable X sur Y est contrôlée. Y = a3 + b3X + b4 M+ erreur3 ? L’influence significative de la variab le X sur Ydoit disparaître lorsque l’effet de M sur Y est contrôlé statistiquement
2. L’ARM avec variables muettes de l’effet de médiation
Aucune contrainte sur M (qualitative ou quantitative, catégorique ou non)
3. Test du caractère significatif de l’effet indirect
Tester directement l’existence d’une médiat ion au moins partielle de l’effet de X sur Y. Autrement, l’effet indirect qui correspond àla réduction de l’effet in itial de X sur Y).
4. Cas de suppression
Pour les cas de suppression, les mêmes conditions doivent être vérifiées que pour la méd iation, à l’exception de la première condi tion. L’impact de X sur Y sera réduit.
Exemple : Plus une entreprise offre des cadeaux à ses clients, plus ces derniers seront satisfaits et, par conséquent, plus les revenus de l’entreprise…