Analyses et test d’hypothèses

Les données recueillies ont été analysées suivant trois types de traitements : (1) une analyse descriptive des données ayant pour but de décrire les caractéristiques des utilisateurs du SIC et les dimensions ; (2) une analyse de variance (ANOVA); (3) une analyse confirmatoire pour vérifier la validité du modèle intégré.

5.8.1.1 Les Analyses descriptives

Les dimensions du modèle d’acceptabilité du SIC ont été mesurées sur une échelle de Likert à sept niveaux (1=Totalement en désaccord à 7=Totalement en accord). Ces analyses descriptives ont permis d’exprimer les paramètres de distribution (position et dispersion) tels que la moyenne, l’écart type, la médiane, le mode, le skewness et le kurtosis. Pour chaque dimension, une variable agrégée a été calculée (moyenne arithmétique des variables de la dimension concernée).

5.8.1.2. Les analyses de variances (ANOVA)

Un modèle d’ANOVA avec recherche d’interaction entre le site (HEGP - CHUS) et la profession (Médecin – Infirmière) a été réalisé. Nous cherchons dans ce type de modèle ANOVA à déterminer s'il existe une influence significative due à la profession, au site ou à l’interaction entre la profession et le site. Les variables dépendantes correspondent aux variables à expliquer, soit dans le cas du modèle d’acceptabilité du SIC, aux items des dimensions compatibilité, support aux utilisateurs, confirmation des attentes, utilité perçue, facilité d’utilisation, satisfaction et intention dont nous voulons expliquer la variabilité des variables manifestes et des index composite (mesure agrégée par dimension) par l'effet de la profession, du site et de profession*site (l'interaction). Le niveau maximum d’interaction a été fixé à deux dans StatView.

5.8.1.3 La méthode de régressions multiples

Compte tenu de la faible taille d’échantillon par profil en occurrence à l’HEGP (médecins (n=101) et infirmières (n=211), nous avons opté pour une technique de première génération pour tester les hypothèses du modèle d’acceptabilité du SIC par profession pour chaque site. La régression multiple a été utilisée à la manière de Gefen pour éprouver les hypothèses H1 à H21 par professionnels de la santé (médecins et infirmières) [Gefen 2000]. Les résultats pour le CHUS et l’HEGP sont présentés sous forme d’article scientifique soumis pour publication (Annexe B et C).

5.8.1.4 La méthode des équations structurelles

Nous avons utilisé le logiciel LISREL (Linear Structural Relationships) pour tester les structures causales du modèle d’acceptabilité du SIC par site, HEGP et CHUS. Le regroupement par site des médecins et des infirmières a permis d’augmenter la taille de l’échantillon nécessaire à l’application des techniques de deuxième génération (HEGP - N=312, et CHUS - N=513). La dimension caractéristique individuelle a été retirée du modèle initial afin de réduire la complexité du modèle et de permettre l’application des méthodes d’équations structurelles, par contre elle a été utilisée dans les analyses de régressions multiples par profession. Nous avons simultanément utilisé les logiciels Staview®, Stata® et Lisrel®. Pour l’application des méthodes d’équations structurelles, le chercheur doit analyser cinq étapes successives : (1) la construction du modèle, (2) la spécification du modèle,

(3) l’estimation du modèle (4) l’identification du modèle et (5) l’interprétation des résultats avec la possibilité de modifier ou respécifier le modèle.

5.8.1.4.1 Construction du modèle d’acceptabilité du SIC

L’élaboration d’un modèle théorique est préalable à l’application de LISREL, ainsi nous avons déjà abordé dans la revue des théories et modèles et dans la section 5.1 consacrée à la structure et à l’articulation des interactions entre les dimensions de notre modèle d’acceptabilité du SIC notre cadre théorique intégré. Sous LISREL, nous avons testé les relations linéaires hypothétiques entre les niveaux hiérarchiques de notre modèle (dimension indépendante, intermédiaire niveau 1, 2,3 et dépendante). Les liens de causalité ont été théoriquement élaborés à partir des théories et modèles issus du paradigme de l’acceptation des SI. Chaque relation testée est théoriquement articulée à une théorie ou un modèle issu du management des SI [Davis 1989 ; Battarachjree 2001a ; Rogers 1995 ; Goodhue 1995a,b ; Delone 2003 ; Compeau 1995]. Ce modèle est une explication cohérente et compréhensible de l’intention en post-adoption d’un SIC, dans lequel chaque relation entre dimensions est soutenue par une hypothèse (H1 à H21). Nous disposons donc d’un modèle théoriquement articulé pour lequel nous avons utilisé LISREL pour corroborer les hypothèses sur les données de l’HEGP et du CHUS. La figure 5.6 présente le modèle conceptuel du modèle d’acceptabilité avec le logiciel LISREL.

5.8.1.4.2 Spécification du modèle d’acceptabilité du SIC

La spécification du modèle renvoie à la formalisation du modèle d’analyse qui consiste à déterminer le modèle de mesure des variables latentes et le modèle structurel. La formalisation des modèles d’équations structurelles a été présentée sous forme de tableaux pour chaque site de même que les contributions factorielles des variables manifestes des différentes dimensions latentes. Le modèle d’analyse sous forme de schéma de relations linéaires (Path diagram) est présenté dans l’annexe N et les coefficients de corrélation entre les construits ont été reportés respectivement dans le modèle d’acceptabilité de l’HEGP et du CHUS.

5.8.1.4.3 Estimation du modèle d’acceptabilité du SIC

Au cours de cette étape, nous avons choisi la matrice de données à utiliser et fait le choix des procédures d’estimation du modèle d’acceptabilité. Une matrice de covariance a été retenue comme matrice de départ. La matrice de covariance est appropriée lorsque l’on veut tester une théorie ainsi que sa généralisation. Son utilisation est recommandée ou appropriée lorsqu’il s’agit de comparer des données entre différents échantillons. Avec LISREL, nous avons comparé les matrices de covariances observées avec les matrices de covariances estimées. Afin d’évaluer le modèle d’acceptabilité du SIC proposé, nous avons choisi la procédure de maximum de vraisemblance. Cette procédure nécessite que l’on respecte certaines contraintes de multinormatilité des variables observées. Bien que la multinormalité soit très difficile à tester, nous avons étudié les coefficients qui décrivent la forme de distribution de chaque variable afin de vérifier que les variables ont une distribution proche de la distribution gaussienne [Roussel 2002]. Le coefficient de symétrie (skewness ne devant pas dépasser /3/) et d’aplatissement (kurtosis accepté jusqu’à /8/) sont présentés dans l’annexe N. A la lecture de ces résultats, il semble qu'il n’y ait pas de preuve suffisante que le postulat de multinormalité des variables ait été violé. Les données manquantes ont été traitées par le mode de traitement (listwise deletion) qui exclut toutes les données manquantes de l’échantillon d’analyse. La taille finale de l’échantillon par site après élimination des données manquantes par la procédure était 225 et 476, respectivement pour l’HEGP et le CHUS, soit environ 27% et 7% des données manquantes.

5.8.1.4.3.1 Les critères d’ajustement du modèle d’acceptabilité du SIC

Le tableau 5.16 présente les critères ou indices retenus pour apprécier l’ajustement du modèle d’acceptabilité du SIC aux données empiriques recueillies en France (HEGP) et au Québec (CHUS La démarche d’ajustement du modèle a consisté à apprécier le niveau d’adéquation du phénomène d’acceptabilité d’un SIC décrit par le modèle théorique avec la caractérisation de ce phénomène par les données observées par site. Afin d’évaluer l’ajustement du modèle global, du modèle de mesure et du modèle structurel, nous avons choisi d’apprécier l’ajustement au travers des indices et les valeurs critiques communément admises dans la littérature [Roussel 2002]. L’annexe M présente l’ensemble des indices générés par le logiciel LISREL.

5.8.1.4.3.2 Evaluation des critères d’ajustement du modèle d’acceptabilité du SIC

Nous avons évalué et analysé les critères suivants (annexe N) [Roussel 2002] :

1. Chi², degrés de liberté (ddl) et niveau de probabilité (p) ; 2. Goodness of Fit Index (GFI) au seuil de 0,90 (≥ 0,90) ;

3. Les valeurs critiques du N (CN) de taille d’échantillon, valeur clé admise (>200) ; 4. Les valeurs de l’indice RMSEA au seuil admis (<0,08) ;

5. Les valeurs de l’indice de résidu standardisé (Standardized RMR) au seuil de 0,05 (≤ 0,05) ; 6. Les indices d’ajustement incrémental aux valeurs admises (≥ 0,90) :

a. L’ajustement normé (NFI) ; b. L’ajustement non normé (NNFI) ; c. L’ajustement comparatif (CFI) ;

L’annexe N présente les sorties de LISREL sur les indices d’ajustement du modèle pour l’HEGP et le CHUS.

Tableau 5.16: Les critères d’ajustement du modèle d’acceptabilité du SIC [Roussel 2002] Valeurs Recommandées

X² /df ≤ 3,00

Root Mean Square Error of Approximation (RMSEA) ≤ 0,08

Normed Fit Index (NFI) ≥ 0,90

Non-Normed Fit Index (NNFI) ≥ 0,90

Comparative Fit Index (CFI) ≥ 0,90

Standardized RMR ≤ 0,05

Figure 5.6 : Modèle conceptuel sous LISREL avec les différentes variables latentes et leurs variables manifestes