Professional Documents
Culture Documents
Une variable modratrice est une variable qui module le sens et/ou la force de l'effet de X sur Y. Ainsi, la relation X-Y peut tre :
ngative pour un groupe de consommateurs caractris par un certain niveau de la
dans un autre. Les processus modrateurs rpondent donc la question quand, dans quelles circonstances l'effet X-Y se produit.
Par la prsence d'un effet d'interaction significatif dans une analyse de variance.
Remarques!
Dceler la prsence d'un effet modrateur peut tre crucial dans certains cas, comme lorsque dans les diffrents sous-groupes dune population, la relation X-Y est significative, mais de sens opposs, ce qui rend trs difficile lindentification de la prsence dun modrateur, car pour la population totale: la relation entre X et Y est non significative. ( cause des sens opposs). Si Z est modrateur de la relation X-Y, d'un point de vue purement statistique, il est galement correct de dire que X est modrateur de la relation Z-Y. Ce n'est que le cadre conceptuel et les justifications du modle thorique a priori qui dterminent laquelle de X ou de Z est la variable modratrice ; au plan statistique il n'est gure possible de faire cette distinction (X et Z sont toutes deux des variables indpendantes, elles sont au mme niveau). Il est important de souligner que les tests de modration peuvent tre influencs par la colinarit entre variables indpendantes (cette dernire accrot limprcision des coefficients de rgression des variables en cause et, ainsi, augmente le risque de considrer tort ces coefficients comme non significativement diffrents de zro (Lambin, 1994)). Il s'agit donc de vrifier l'existence ventuelle de colinarit entre variables lorsque l'on procde ce genre danalyse.
1 1
Un effet modrateur de Z sur la relation X-Y se caractrise par un effet d'interaction X Z significatif. En d'autres termes, dans le cadre d'une relation X-Y linaire, le coefficient c de l'quation (a) est significatif. Les coefficients b et d reprsentent, respectivement, les effets simples de X et de Z sur Y. Y= a+ bX+ dZ+ cXZ+ erreur(a) La nature de la variable modratrice (Qualitative [le sexe du rpondant], Quantitative [attitude envers lannonce], nominale ou ordinale), et celle de la variable indpendante va dterminer le type d'analyse statistique permis. Diffrentes techniques statistiques peuvent tre utilises afin de tester leffet dinteraction. Le choix du type danalyse statistique mettre en uvre dpendra de la manire dont les variables ont t mesures. Deux grandes catgories de mesure sont distinguer :
Les chelles au moins intervalle : renvoie aux mesures mtriques, cest--dire aux
Techniques danalyse de leffet de modration en fonction des proprits de mesure des variables indpendantes
1 1
Dmarche
Y= a+ bX+ dZ+ cXZ+ erreur(a) Lquation (a) est ajuste comme telle par le biais dune analyse de rgression multiple. Mme dmarche que lorsque Z est moins quintervalle et que X est au moins intervalle
1 1
Les sous-groupes sont les diffrentes modalits de la variable modratrice suppose (exemple : hommes versus femmes).
Il sagit de rgresser Y sur X pour chacun des sous-groupes, plutt que de traiter les donnes par une analyse de rgression avec variables
muettes. Les rsultats mneront des conclusions tout fait identiques.
Il s'agit ensuite de tester l'existence d'une diffrence significative au plan des coefficients de rgression (non standardiss) des groupes
(Baron et Kenny, 1986). En d'autres termes, il faut tester le caractre significatif du test t suivant (quation (c)).
O bsousgroupe 1 et bsousgroupe 2 sont les estimations des coefficients de rgression de la variable X, pour les sous-groupes 1 (exemple : hommes) et 2 (exemple : femmes) ; s2 bsousgroupe 1 et s2 bsousgroupe 2 la variance de ces coefficients ; s21 et s22 , le SCR/n-k-1 pour chaque groupe (SCR est la somme des carrs rsiduelle et SCR/n-k-1 correspond au carr moyen rsiduel) et k le nombre de variables indpendantes. Le s2 agrg correspond lquation (c). N = n1 + n2. Sil y a plus de deux sous-groupes diffrents comme dans le cas de limplication faible/modre/ forte, il sagit de calculer lquation (c) pour chaque groupe compar deux deux (implication faible versus modre ; implication faible versus forte ; implication modre versus forte), et montrer que le rsultat de cette dernire est significatif dans un cas au moins.
Rgressionmultipleavec variablesmuettes
Par exemple, si Z est une variable discrte 3 niveaux (exemple : implication forte, modre et faible), il convient dajuster le modle (b) :
Y=a+bX+d1Z1+d2Z2+c1XZ1+c2XZ2+erreur(b)
Ainsi, pour reprsenter 3 niveaux, il suffit de crer deux variables binaires : Z1 et Z2 (Z1 = 0 et Z2 = 0 est la base de rfrence, par exemple faible implication ; Z1 = 1 et Z2 = 0 reprsente l'implication modre et Z1 = 0 et Z2 = 1 reprsente l'implication forte). Si c1 et/ou c2 sont significatifs, la variable Z est un modrateur de l'influence de X sur Y.
1 1
Rgressionmultipleavec variablesmuettes
Par exemple, si Z est une variable 3 niveaux (exemple : implication forte, modre et faible) et X une variable deux niveaux (exemple : bonne humeur versus mauvaise humeur), le mme modle que le modle (b) sera ajust mais l'interprtation de la variable X sera diffrente. Il s'agira d'une variable binaire. Elle sera gale 0 si l'on est de mauvaise humeur (niveau de rfrence) et gale 1 si l'on est de bonne humeur. Si, par contre, la variable indpendante X a trois niveaux, il conviendra dajuster le modle (d) : Y= a+ b1X1+ b2X2+ d1Z1+ d2Z2+ c1X1Z1+ c2X1Z2+ c3X2Z1+ c4X2Z2+ erreur (d)
Si l'un ou plusieurs des ci est significatif, la variable Z est un modrateur de l'influence de X sur Y.
En effet, il est plus simple et plus direct de procder une analyse ANOVA plutt que de transformer manuellement les variables en variables muettes et de les traiter par une analyse de rgression avec variables muettes. nouveau, il faut souligner que les rsultats conduiront des conclusions identiques quelle que soit la technique danalyse choisie.
(*) Soulignons galement lexistence, dans la littrature, de certains travaux qui afin de retomber dans le cas simple de l'analyse ANOVA transforment les variables au moins intervalle en variables catgoriques. Il existe diffrentes techniques pour ce faire, mais elles sont gnralement trs arbitraires et conduisent systmatiquement une perte de finesse dans l'information (par exemple, dcouper l'chantillon selon la mdiane (median-split)). Ce genre de pratique nest gure conseill.
ANOVA
1 1
Recommandatio ns
Auteurs Verhoef, Frances et Hoekstra (2002)
Dahl, Manchanda et Argo (2001)
Mme si lanalyste nest intress que par le caractre significatif ou non de linteraction entre les variables X et Z, il nest pas correct de rgresser la variable dpendante uniquement sur le produit des deux variables. Il faut toujours galement inclure les deux variables X et Z dans le modle de rgression, sans quoi leffet de linteraction sur la variable dpendante sera confondu avec leffet simple des deux variables.
Pour les rgressions pas pas (stepwise), il faut toujours veiller entrer le produit des deux variables (effet dinteraction) aprs les deux variables et ne jamais enlever les deux variables du modle final mme si les coefficients de ces variables ne sont pas significatifs.
La manire dont les variables muettes sont cres influence les rsultats des analyses de rgression modre (cest--dire modle avec terme multiplicatif). En effet, Irwin et McClelland (2001) mettent en vidence que coderles variables de manire binaire (0,1) ou en utilisant des contrastes ( 1, 1) a un impact sur les coefficients des variables dans la rgression ainsi que sur les coefficients de corrlation entre variables dans le modle de rgression modre.
Schaninger Lie la personnalit cognitive des consommateurs : Pour les consommateurs qui ont une capacit cognitive forte, plus la dcision d'achat est perue comme complexe et et Buss risque, plus grande est la quantit d'informations qu'ils traitent. Et, cette relation est (1984) Lichtl (2002)
inverse pour les consommateurs qui ont une capacit cognitive faible Concernant la couleur des annonces publicitaires : pour les annonces concernant des chaussures, les couleurs les plus lumineuses sont les plus stimulantes alors que pour les annonces concernant les parfums, les couleurs les moins lumineuses sont les plus stimulantes.
Le processus mdiateur :
1 1
Un mdiateur est une variable qui permet d'expliquer la manire, le processus par lequel la variable X influence la variable Y. Les processus mdiateurs comment, pourquoi l'effet XY existe. La variable mdiatrice revt donc le statut de variable dpendante ou de variable indpendante selon l'angle sous lequel elle est observe. Lorsqu'une variable est mdiateur de la relation X-Y, on dit que la variable X a un effet indirect sur la variable Y. c'est--dire quau moins une partie de l'influence de X sur Y passe par la variable mdiatrice. Ds lors, si l'influence de la variable mdiatrice est contrle statistiquement, deux cas se prsentent :
L'influence de X sur Y disparat totalement en prsence de la variable suppose
mdiatrice la mdiation est dite complte. Lorsque l'influence de X sur Y est simplement rduite, mais ne disparat pas totalement, lorsque l'influence du mdiateur potentiel est contrle la mdiation est dite partielle : seule une partie de l'effet de X sur Y s'exerce travers la variable mdiatrice et l'autre partie de cet effet s'exerce directement sur la variable Y ou, ventuellement, via une autre variable non prise en compte dans le modle. Reprsentationconventionnelledunemdiationpartielle : Variable mdiatrice M
Variable X
Variable Y
Variable X
Variable Y
Variable mdiatrice M Une fois encore, c'est non mesure. le modle thorique qui permettra de dterminer sil y a mdiation partielle effective ou si la mdiation est complte mais passe par plusieurs variables mdiatrices. Reprsentationduneassociationfallacieuse : Il faut souligner que l'analyse de mdiation ne permet pas de vrifier si la squence causale postule est exacte. Elle vrifie uniquement si, compte tenu d'un modle thorique causal dfini a priori, la variable suppose Variable jouer le Xrle de variable mdiatrice remplit bien les conditions de Remarques mdiation. Avant de dtailler ces diffrentes mthodes, il est important de souligner 1 que tout comme pour les analyses de modration les tests de 1 mdiation peuvent tre influencs par la colinarit entre variables indpendantes (notons qu'une manire de contourner les problmes lis la colinarit est de disposer d'un chantillon suffisamment grand.
Variable M
Variable Y
La mthode habituellement utilise, dans les travaux en marketing, afin de vrifier lexistence dun effet mdiateur complet ou partiel est la mthode des rgressions (simples et multiples) successives propose par Baron et Kenny (1986). Si lensemble des variables considres nest pas de nature au moins intervalle, des rgressions (simples et multiples) avec variables muettes seront utilises. Enfin, si le but du chercheur est de tester lexistence dun effet mdiateur au moins partiel, sans distinguer si leffet de mdiation est partiel ou complet, le test du caractre significatif de leffet indirect pourra tre envisag.
1 1
Intitul de la mthode
Comment lappliquer ?
Quatre conditions doivent tre testes :
Condition 1 : La variable X doit avoir un impact significatif sur la variable Y. Il s'agit donc de rgresser Y sur X et de montrer que le
coefficient b1 dans l'quation de rgression (e) est significatif. Y= a1+ b1X+ erreur1(e) b1reprsente l'effettotalde X sur Y. Lorsque X varie d'une unit, Y varie de b1 units. Il est gal la somme des effets direct et indirect (mdiatis).
Condition2 : La variable X doit avoir un effet significatif sur M. Il s'agit donc de rgresser M sur X et de montrer que le coefficient b2
dans la rgression (f) est significatif. M= a2+ b2X+ erreur2(f)
Condition3 : La variable mdiatrice suppose M doit significativement influencer la variable Y, lorsque l'influence de la variable X sur
Y est contrle. Il s'agit donc de rgresser Y sur X et M et de montrer dans l'quation (g) que le coefficient b4 est significatif. Y= a3+ b3X+ b4M+ erreur3(g) Les coefficients b2 de l'quation (f) et b4 de l'quation (g) permettent d'valuer l'effet indirect de X sur Y, cest--dire l'influence de X qui est transmise par M. Cet effetindirectest gal b2 b4. Lorsque X varie d'une unit, M varie de b1 units. Et, lorsque M varie d'une unit et que X est maintenu constant, Y varie de b4 units (b4 indique le changement au niveau de Y associ M et indpendant de l'effet direct de X sur Y).
Condition4 : L'influence significative de la variable X sur Y doit disparatre lorsque l'effet de M sur Y est contrl statistiquement. Il
s'agit donc de montrer que le coefficient b3 est non significatif (quat (g)). b3rend compte de l'effetdirectde X sur Y. Lorsqu'il y a mdiation complte, l'effet total de X sur Y est entirement produit de manire indirecte. b1 = b3 + b2 b4 b1 = b2 b4 (car b1 est non significativement diffrent de 0 ) Si toutes les conditions sont rencontres l'exceptiondelacondition4, il y a mdiationpartielle,cest--dire que l'effet de X sur Y se produit la fois demanire directe et de manire indirecte. l'instar des variables modratrices, aucune contrainte ne pse sur la nature de la variable mdiatrice, elle peut tre qualitative ou quantitative, catgorique ou non. Il suffit de transformer les variables qui ne sont pas au moins intervalle en variables muettes. La part de l'effet de X sur Y qui est mdiatis par M cest--dire l'effet indirect correspond b1-b3. Et cette diffrence de coefficients est exactement gale au produit de l'influence de X sur M et de l'influence de M sur Y, cest--dire b2 b4. Lorsque l'effet de X sur Y est au moins partiellement mdiatis, b2 b4 est significativement diffrent de 0. Le test qui permet de vrifier directement que l'effet indirect de X sur Y via M cest--dire b2 b4 est significativement diffrent de 0 est repris. H0 : b2 b4 = 0 (absence de mdiation) ; H1 : b2 b4 = 0 (prsence de mdiation au moins partielle)
1 1
LA MODRATION MDIATISE
1 1
Le processus de modrationmdiatise reflte le fait que l'effet interactif de la variable dpendante X avec le modrateur Z sur la variable dpendante Y est mdiatis par une quatrime variable (M).
modratrice suppose doit avoir un impact significatif sur la variable dpendante Y, cest--dire que le coefficient b3 dans l'quation dergression (i) est significatif ; Y= a1+ b1X+ b2Z+ b3(X Z) + erreur1(i)
Condition 2 : L'interaction X Z doit avoir un impact significatif sur la variable
mdiatrice suppose M, cest--dire que le coefficient b6 dans l'quation de rgression (j) est significatif ; 1 1
variable Y, lorsque l'influence de (X Z) est contrle, cest--dire que le coefficient b7 de l'quation (k) est significatif ; Y= a3+ b7M+ b8X+ b9Z+ b10(X Z) + erreur3(k)
Condition 4 : Pour une mdiation complte, l'influence significative de X Z doit
disparatre lorsque l'effet de M sur Y est contrl statistiquement, cest--dire que le coefficient b10 de l'quation (j) est non significatif. Le cas chant, la variable Z est un modrateur compltement mdiatis. Remarquons que le mdiateur M pourrait galement la fois mdiatiser l'effet simple de la variable indpendante X, en plus de l'effet de (X Z), sur Y. Par ailleurs, tout comme pour la mdiation partielle, il peut exister des cas de modration mdiatise partielle. Le cas chant, la quatrime condition ne doit pas tre satisfaite.
LA MDIATION MODRE
L'existence d'un mdiateurmodrreflte le fait que le processus de mdiation dpend du niveau d'une quatrime variable (le modrateur). Afin de tester lexistence dune mdiation modre, il suffit d'effectuer une rgression supplmentaire par rapport au cas de modration mdiatise, qui incorpore le terme d'interaction entre le mdiateur (M) et le modrateur (Z) (voir quation l), et de tester si cet effet d'interaction est significatif. Si l'effet X Z sur Y reste inchang (cest--dire non significatif) et que le coefficient b15 est non significatif, on peut dire que le rle jou par M en tant que mdiateur ne varie pas en fonction du niveau du modrateur Z. Autrement dit, M n'est pas un mdiateur modr. Y= a4+ b11M+ b12X+ b13Z+ b14(X Z) + b15(M Z) + erreur4(l)
1 1