Beruflich Dokumente
Kultur Dokumente
Fiabilit
1: Le processus de Mesure
2 :
Qualit des instruments de
mesure
3: Le processus de construction des
chelles de mesure .
Le processus de mesure
Quest ce que mesurer ?
La mesure est une relation de
caractristiques
Obje
t
de Lobjet
Que mesure t on ?
Les phnomnes directement observables:
Les comportements sont conceptuellement
observables (exemple ,Faire du sport, aller au
cinma, regarder la tlvision )
Les phnomnes non observables : il sagit
de processus mentaux, par exemple les opinions
( image de marque dune socit), les
attitudes lgard des loisirs, satisfaction .
Confiance , Engagement etc
Ces phnomnes nont pas de manifestation
physique, mais ils peuvent tre apprhends par
leurs verbalisations .
Le processus de mesure
La mesure tabli une correspondance entre un niveau
thorique ( identification conceptuelle du phnomne
tudi ) et un niveau empirique ( dfinition des
indicateurs reprsentant ce phnomne et sur les
quelle portent les oprations concrtes de mesure )
Benavent Christophe
Thorie de la mesure
par lerreur
alatoire . En effet un
instrument est fiable si son utilisation
rptitive donne les mmes rsultats .
2. Le problme de la validit dpend de
lensemble des termes derreurs cest--dire
lcart entre la mesure obtenue et la mesure
idale.
mesurer
le
mme
phnomne , mais avec des formulations
diffrentes, ces questions peuvent tre disperses
dans le questionnaire .
Sujets
Moment
Test retest
Mme
Mme
Diffrent
Split Half
Mme
diffrent
Mme
Mme
Mme
Formes
alternatives
diffrente
Exemple :
On dcide de mesurer le concept Satisfaction Globale not SG
en utilisant trois items (SG1, SG2 et SG3) et on
administrant le questionnaire a plusieurs sujets.
SG1:
SG1= SG + erreur1
SG2= SG + erreur2
SG3= SG + erreur3
Question :
Comment mesurer globalement la fiabilit de linstrument de
mesure ?
Cest dire le niveau dhomognit dun bloc
de variables xi positivement corrles entre elles ?
Rponse :
Utilisation du Alpha de Cronbach
18
Le modle
xi ei , i 1,..., p
o :
vraie mesure
xi item n i
ei erreur de mesure
avec les ei et indpendants.
19
Dfinition du de Cronbach
Score H
x
i 1
de Cronbach = Cor 2 ( H , )
Formule de calcul du de Cronbach
Cov( x , x )
i j
Var ( H )
Var ( x )
i
Var ( H )
20
1
r
Cor ( x j , xk )
p( p 1) j k
21
Statistique de Lalpha de
Cronbach
Paradigme de Churchill
1
Dfinition du domaine du
conceptuel
Phase exploratoire
(Purification )
-Gnration dun ensemble
ditems
-Purification de la mesure
(alpha de Cronbach ,AFE)
Phase confirmatoire
Validation sur de nouvelles
donnes
29
description
solution unique
explique la variance
orient individus
modle
indtermination
explique les corrlations
orient variables
Analyse
Factorielle
L'analyse en composantes principales (Principal components analysis)
chercheunesolutionqui(a)maximiselavarianceexpliqueet(b)avec
descomposantesorthogonales(c'estdireindpendantesentreelles).
X1 Xp
F1 F2
F1(i)
x1i xpi
F1i F2i
Le plan factoriel
Cor(Xj,F2)
0
Facteurs centrs-rduits
Tableau
des donnes rsumant les donnes
Xj
Cor(Xj,F1)
Fh j1 u hjX j
p
33
1 n 2
1 n 2
1 n 2
d ( Mi,0) d ( H i ,0) d ( M i , H i )
n i 1
n i 1
n i 1
Inertie totale = p
Inertie rsiduelle
Minimiser
34
34
Analyse ACP
Modle Factoriel
La prise en compte des erreurs de
mesure
Xp = p1Y1 + + pmYm +
ep :
o :
Hypothses
xi centrs (rduits) , Yj centrs rduits
indpendants entre eux
ei centrs indpendants entre eux V(ei)= i
38
X1 = 11Y1 + + 1mYm + e1
..
.
Le modle
Xi = i1Y1 + + imYm + ei
..
.
Xp = p1Y1 + + pmYm + ep
scrit aussi X 1
11 L 1m
M
M
X p p1 L pm
{ 1 4 4 2 4 43
Y1
M
Ym
{
e1
M
em
{
X =Y + e
39
Dcomposition de la variance
dune variable
La variance d'une variable originale peut tre
dcompose
en une part commune aux autres
variables, explique par les facteurs, nomme
communaut de la variable (communality), et en
une part spcifique, nomme variance spcifique
(specific variance).
Calcul des spcificits i
Xi = i1Y1 + + imYm + ei
Var(X i ) 1
ij
j1
hi 2 =
communaut
i
Var(ei) =
spcificit
Formule gnrale
1 Cor(X1 , X 2 ) L
1
L
11 12
22
21
M M
p1 p2
1 4 4 42
Cor(X1 , X p )
Cor(X 2 , X p )
M
1m 11 21
L 2m 12 22
M M
M
M
L pm 1m 2m
4 4 4 3 1 4 4 44 2
L
p1
1 0
L p2
0 2
M M M M
L pm
0
0
4 4 4 43 1 4 4 4 2
L
'
0
0 0
O
M
L p
4 4 43
0
R = +
41
R = +
Les ij sont les saturations et les i les spcificits.
Mthodes usuelles dextraction des saturations :
42
Analyse Factorielle
(Option analyse en composantes
principales)
Les donnes
Exemple
Rponses motionnelles :
Plaisir
Stimulation
Ambiance
musicale
Ractions comportementales
Montant dpens
Temps pass
Achats impulsifs
Vitesse de circulation
Type
Volume
Tempo
Evaluation de
latmosphre du
magasin.
Rponses cognitives
Malheureux
heureux
contrarie
content
insatisfait
satisfait
Triste
Gai
Dsespr
optimiste
hi2
j1
j1
ij
Dcomposition de la
variance totale
Qualit de la dcomposition
Var(Xi ) p
i 1
Variance
totale
i1 ...
i
Variance
explique
par Y1 ( = 1)
im
i
Variance
Variance
rsiduelle
explique
par Ym ( = m)
50
Exemple 2
plaisir
stimulation
Heureux / Malheureux
Content / Contrarie
Eveill / Endormi
Satisfait / Insatisfait
Gaie / Triste
Optimiste / Dsespr
Mesure de stimulation
Composant Qualit de
Alpha de
e
reprsentatio Cronbach en cas
n
de suppression
1
de l'lment
,855
endormi - veill
,872
,828
Valeur propre
% de variance explique
Alpha du facteur
2,176
72,535
0,81
,731
,734
,760
,703
,685
,773
Exemple 3
Veuillez indiquer votre degr d'accord avec les affirmations suivantes :
Pas du tout
Pas daccord
Moyennent daccord
daccord
daccord
Avec ces conditions musicales(style classique, volume faible et rythme lent), latmosphre du supermarch sera
Plaisante
stimulante
dsagrable
endormante
agressive
relaxante
sympathique
dynamisante
Rsultats final
Matrice des composantes aprs rotationa
Composante
1
Qualit de reprsentation
2
atmosphre plaisante
,336
,767
,701
atmosphre stimulante
,157
,797
,660
,821
-,129
,691
atmosphre relaxante
,786
,152
atmosphre sympathique
,681
,371
atmosphre dynamisante
-,015
,761
,606
,260
32,31
29,24
,736
,711
,642
,602
,580
,435