Analyses factorielles confirmatoires

Dans le prolongement des analyses factorielles exploratoires, les analyses factorielles confirmatoires s’intéressent à la fois à la fiabilité et à la validité des mesures. Nous avons utilisé le logiciel LISREL pour effectuer ces analyses séparément pour chaque ensemble de données (condition ESG et condition DS).

Fiabilité et validité convergente

Pour apprécier la cohérence interne des construits, nous avons calculé le rhô de Jöreskog. Ce coefficient s’interprète de la même manière que l’alpha de Cronbach : la fiabilité du construit est bonne si l’indice est supérieur au seuil critique de 0,7. Toutefois, le rhô de Jöreskog diffère de l’alpha de Cronbach dans la mesure où il intègre dans son calcul les termes d’erreurs et s’avère insensible au nombre d’items utilisés. Les résultats, présentés dans le tableau 22, indiquent une bonne cohérence interne entre les items dans les deux ensembles de données, dans la mesure où les rhôs des échelles sont tous supérieurs à 0,70.

Construits Rhô de Jöreskog Validité conv. Rhô de Jöreskog Validité conv.

Condition DS Condition ESG

Environnement du service 0,97 0,91 0,96 0,90

Qualité des interactions 0,99 0,92 0,99 0,92

Empathie 0,98 0,93 0,98 0,92

Fiabilité 0,98 0,93 0,97 0,91

Satisfaction globale 0,97 0,92 0,81 0,81

Intention de fidélité 0,98 0,94 0,84 0,84

Intention de bouche-à-oreille 0,84 0,84 0,97 0,92

Validité conv. : variance moyenne extraite

Tableau 23. Indicateurs de fiabilité et de validité convergente des construits

L’appréciation de la validité convergente consiste à vérifier que les items ou les indicateurs d’un même construit sont corrélés entre eux. Elle est confirmée lorsque les tests de Student associés à chaque contribution factorielle sont significatifs (Fornell et Larcker, 1981). Un autre moyen de s’assurer de la validité convergente d’une mesure est de vérifier que la moyenne des variances extraites partagées entre le construit et ses mesures est supérieure à 0,50. Le rhô de validité convergente est l’indicateur employé à cet effet. Les résultats

Test de l’ESG comme outil de mesure de la satisfaction client Chapitre 4

indiquent que dans les deux conditions, d’une part tous les items ont des contributions factorielles significatives supérieures à 0,70 et d’autre part, chaque construit partage plus de variance avec ses mesures qu’avec l’erreur. En effet, tous les rhôs de validité convergente sont supérieurs à 0,5. Les résultats attestent de la validité convergente des échelles de mesure (tableau 22).

Validité discriminante

Pour apprécier la validité discriminante de nos deux modèles de mesure, nous avons comparé plusieurs modèles nichés comportant de manières séparée ou agrégée les mesures des différents construits. L’objectif de cette démarche est de préciser, sur la base d’une série de tests de différence de Khi-deux, les qualités d’ajustement de nos modèles de mesure et en conséquence, la validité des construits utilisés. Nous avons cherché à nous assurer que les différents construits du modèle sont bien distincts les uns des autres. Compte tenu de la faible taille de l’échantillon effectif, nous avons opté pour le test de la validité discriminante et du modèle étape par étape (Hair & al., 2006 ; Roussel et Wacheux, 2005). Il a donc fallu opérer des choix. Pour nous aider à faire un choix quant aux variables à combiner et aux modèles à tester, nous nous sommes appuyés, d’une part, sur les corrélations existant entre les variables en question, et d’autre part, sur leur proximité conceptuelle. Nous avons ainsi testé la validité discriminante entre les construits de qualité perçue et de satisfaction d’une part, et entre l’intention de bouche-à-oreille et l’intention de fidélité d’autre part.

Le premier volet concerné par ces analyses se rapporte la qualité perçue et à la satisfaction globale. En opérant des choix quant aux construits à combiner, nous avons mis en concurrence trois modèles. Le détail de la composition de ces modèles et les indices d’ajustements qui leur sont associés figurent dans le tableau 23. Dans les deux ensembles de données, c’est le premier modèle qui présente les meilleurs indices d’ajustement. Nous retenons donc la solution distinguant une variable du second ordre de la qualité perçue combinant les quatre dimensions proposées par Karatepe et ses collègues (Karatepe, Yavas et Babakus) et la satisfaction globale. Ce modèle est significativement meilleur que les deux autres puisque, la différence des Khi-deux rapportée à la différence des degrés de liberté est significative à p> 0,001.

Modèles χ2 ddl Δχ2 Δddl AIC RMSEA CFI GFI Condition DS Modèle 1 345,271** 157 - - 441,271 0,093 0,941 0.822 Modèle 2 424,450 160 79,18** 3 524,450 0,102 0,924 0.789 Modèle 3 1161,360 170 736,91** 10 1241,360 0,192 0,727 0.578 Condition ESG Modèle 1 352,815** 157 - - 458,809 0,090 0,940 0,812 Modèle 2 464,218 160 111,403** 3 564,208 0,112 0,908 0,766 Modèle 3 916,792 170 452,574** 10 996,792 0,170 0,775 0,624

- Modèle 1 : Distinction entre une variable du second ordre de qualité perçue combinant les quatre dimensions proposées par Karatepe et ses collègues (Karatepe, Yavas et Babakus) et la satisfaction globale.

- Modèle 2 : Distinction entre les quatre composantes de la qualité perçue (environnement du service, qualité des interactions, empathie et fiabilité) et la satisfaction globale.

- Modèle 3 : Les construits de qualité perçue et de satisfaction globale sont confondus de manière à ne former qu’un seul construit.

Tableau 24. Indices d’ajustement pour les modèles alternatifs testés entre la satisfaction globale et qualité perçue

Le deuxième volet concerné par ces analyses se rapporte aux intentions de fidélité et de bouche-à-oreille. Pour vérifier que ces deux variables dépendantes correspondaient bien à deux construits distincts, nous avons mis en concurrence deux modèles. Le détail de la composition de ces modèles et les indices d’ajustement qui leur sont associés figurent dans le tableau 24. Dans les deux ensembles de données, c’est le premier modèle qui présente les meilleurs indices d’ajustement. Nous retenons donc la solution envisageant les intentions de fidélité comme un construit distinct des intentions de bouche-à-oreille (modèle 1). Ce modèle est significativement meilleur que le second puisque la différence des Khi-deux rapportée à la différence des degrés de liberté est significative à p> 0,001.

Modèles χ2 ddl Δχ2 Δddl AIC RMSEA CFI GFI

Condition DS Modèle 1 11,452** 7 - - 41,452 0,076 0,995 0.977 Modèle 2 172,839 9 161,387** 2 196,839 0,338 0,852 0.734 Condition ESG Modèle 1 12,040** 7 - - 40,040 0,069 0,996 0,974 Modèle 2 110,864 9 98,824** 2 134,864 0,273 0,920 0,804

- Modèle 1 : Les construits d’intention de fidélité et d’intention de bouche-à-oreille sont distincts. - Modèle 2 : Les construits d’intention de fidélité et d’intention de bouche-à-oreille sont confondus.

Tableau 25. Indices d’ajustement pour les modèles alternatifs testés entre les intentions de fidélité et les intentions de bouche-à-oreille

Test de l’ESG comme outil de mesure de la satisfaction client Chapitre 4