Epuration de la mesure

Cette section décrit l’épuration de la mesure de la procrastination du consommateur à partir de l’ensemble d’items retenus par les experts. La méthode d’analyse utilisée pour interpréter les données issues des trois collectes des études 1, 2 et 3 est l’analyse factorielle. Nous proposons donc de présenter dans cette section premièrement les principes d’analyse retenus et ensuite les résultats étude par étude.

2.1. Méthodologie des analyses d’épuration

Les analyses factorielles de cette recherche ont été conduites à l’aide du logiciel SPSS 7.5.

2.1.1. Adéquation de la méthode aux données à analyser

Avant de mener une analyse factorielle sur un ensemble de données il est préférable de s'assurer que l'opération est possible.

1. D'une part, le test de Kaiser Meyer et Olkin qui permet d'examiner la faisabilité d'une analyse factorielle est suffisamment élevé pour considérer la méthode comme appropriée (le KMO doit alors avoir valeur comprise entre 0.5 et 1).

2. D'autre part, le test de Barlett permet de rejeter l'hypothèse d'une matrice des covariances égale à une matrice identité.

En conséquence, l'analyse factorielle peut être réalisée.

2.1.2. Type d’analyse

Nous retenons l'analyse en composantes principales pour conduire notre analyse factorielle. Cette méthode est recommandée quand l'objectif est d'extraire le minimum de facteurs en maximisant la variance expliquée.

L'extraction des facteurs se fait à partir de la matrice des covariances, étant donné que toutes les variables sont mesurées selon le même format. Dans le cadre d'un développement d'échelle, il est préférable de traiter cette dernière, car la variance simultanée des énoncés, notamment aux valeurs extrêmes, met mieux en évidence les items faisant réagir le sujet, alors que les corrélations qui centrent et réduisent les données, uniformisent trop fortement les énoncés autour de moins de dimensions.

2.1.3. Principes d’analyse

(a) Lorsque presque tous les items ont des corrélations élevées avec tous les facteurs, il est utile de réaliser une rotation des axes en vue de simplifier la complexité factorielle de certaines variables. Nous instruisons donc le logiciel SPSS 7.5 afin de réaliser une rotation oblique selon la méthode oblimin direct. Nous choisissons cette méthode plutôt qu'une rotation orthogonale car les composantes de la procrastination peuvent être corrélées au niveau conceptuel.

(b) Pour analyser la matrice des composantes, nous avons fixé a priori certains seuils de lecture des données. Ainsi 0.5 est le seuil minimum d’acceptation pour la saturation des items sur les facteurs (Evrard et al, 1993) ; 0.4 est la différence minimum de saturation entre la saturation sur le facteur principal et tout autre facteur (Greenleaf et Lehmann, 1995). Naturellement, ces seuils ne sont que des guides et il conviendra également de juger qualitativement les zones limites.

2.2. Etude 1 : étude exploratoire de la structure factorielle

Le premier questionnaire est ainsi prêt pour l’administration. Nous présentons dans cette section les objectifs de ce test, les conditions de collectes de données, l’analyse des données

en fonction des objectifs cités plus tôt et nous concluons sur des recommandations pour le deuxième test.

2.2.1. Objectifs du premier test

• Dégager les dimensions sous-jacentes au concept de Procrastination du consommateur, sans a priori, à partir des items retenus par les experts et en fonction de notre définition.

• Epurer et retenir les dimensions de manifestations générales du phénomène observé. • Proposer un ensemble d’énoncés destinés à être testés dans le cadre d’un deuxième test.

2.2.2. Collecte de données

Le premier questionnaire soumis à 190 répondants comprend les 29 items retenus suite au jugement des experts, ainsi que l’échelle d’estime de soi dans sa plus récente traduction (Zouaghi, 1996), l’échelle de procrastination comportementale de Lay (1986), l’échelle de procrastination décisionnelle de Mann (1982) et l’échelle abrégée de l’orientation attente vs action de Kuhl (1986). Ces trois dernières échelles sont à notre connaissance traduites pour la première fois en français1.

Les données ont été récoltées auprès d’un échantillon de convenance. Alors que les échelles de procrastination utilisées dans les recherches en psychologie ont été exclusivement développées et validées sur des échantillons d’étudiants, nous avons choisi d’interroger des étudiants, mais aussi des consommateurs plus âgés membres d’une crèche parentale francilienne, et d’un cycle d’éducation permanente d’une université lyonnaise. L’âge moyen de notre échantillon se situe à 27,5 ans. Nous avons préféré un échantillon hétérogène mêlant jeunes consommateurs et familles pour bien prendre en compte l’expérience de la consommation qui s’acquiert naturellement avec l’âge et les responsabilités familiales. Enfin 52,1% des répondants sont des femmes alors que 47,9% sont de sexe masculin.

Les valeurs manquantes de certains questionnaires conduisent à éliminer six individus de l’échantillon. Les résultats portent donc sur 184 sujets.

2.2.3. Analyse factorielle exploratoire du premier test

Une analyse factorielle exploratoire est recommandée dans une première étape d’épuration (Churchill, 1979, 1995 ; DeVellis, 1991). En utilisant la méthode d’extraction par composantes principales d’après la matrice des covariances on a fait apparaître dix facteurs significatifs totalisant 64% de variance d’après le critère de Kaiser (Valeur propre supérieure à 1.0), alors que le critère du coude ne signale pas d’inflexion marquée. Cette grande dispersion peut surprendre, mais les recherches précédentes ont fait également ressortir 10 dimensions causales du report d’achat en captant 61% de variance (Greenleaf et Lehmann, 1995); par ailleurs, nous avons soumis à notre échantillon une traduction de l'échelle de Lay (1986) reconnue pour sa fiabilité dans les recherches en psychologie et supposée unidimensionnelle : la dimension générale de procrastination ne capte que 28% de variance.

Tableau 5-1. : Variance totale expliquée par les 29 items retenus par les experts

15,479 15,627 15,627 4,471 15,417 15,417 2,805 9,673 9,673 10,120 10,217 25,843 2,777 9,576 24,994 2,273 7,837 17,509 6,503 6,565 32,408 1,929 6,653 31,646 2,193 7,561 25,070 5,623 5,677 38,085 1,619 5,582 37,229 1,967 6,782 31,852 5,302 5,353 43,438 1,466 5,055 42,284 1,849 6,376 38,229 4,756 4,801 48,239 1,317 4,542 46,826 1,486 5,124 43,353 4,453 4,495 52,734 1,230 4,241 51,067 1,454 5,014 48,367 3,981 4,019 56,754 1,126 3,882 54,949 1,393 4,804 53,171 3,684 3,719 60,472 1,068 3,684 58,633 1,378 4,751 57,922 3,433 3,466 63,938 1,099 3,790 62,423 1,305 4,501 62,423 1 2 3 4 5 6 7 8 9 10 Total % de la variance == % cumulés Total % de la variance == % cumulés Total % de la variance == % cumulés Valeurs propres initiales^a Sommes des carrés chargées

Somme des carrés pour la rotation

Variance expliquée totale

Méthode d'extraction : Analyse des principaux composants.

Lors de l'analyse d'une matrice de covariance, les valeurs propres initiales des solutions directe et centrée sont les mêmes.

a.

Pour mener l’épuration, nous devons effectuer une rotation des axes afin de renforcer la saturation de chaque item sur un seul facteur. La difficulté d’interprétation du graphique du coude nous conduit à extraire la matrice des composantes à partir du critère de Kaiser (valeurs propres supérieures à 1). Dix facteurs sont ainsi extraits. Une rotation oblimin a ensuite été réalisée sur la matrice des composantes pour améliorer la lisibilité.

Tableau 5-2. : Structure factorielle des 29 items retenus par les experts ,683 ,278 -,186 -,138 ,142 ,156 -,129 ,156 ,664 ,274 -,268 ,227 ,266 ,179 -,200 -,132 ,658 ,200 -,320 ,118 -,137 -,266 ,167 ,598 ,133 -,283 ,468 ,158 ,580 -,217 ,147 ,315 -,224 ,579 ,257 -,230 -,140 ,115 ,303 ,134 -,448 ,257 ,884 ,155 -,141 ,107 ,132 ,813 -,228 ,149 ,107 ,138 ,118 ,511 ,101 -,218 ,197 -,767 ,105 -,124 ,220 ,141 -,696 -,124 ,167 ,159 ,126 -,669 -,106 -,122 -,107 -,292 -,811 -,160 -,154 ,761 ,251 -,310 ,370 ,284 -,120 -,504 ,196 ,174 ,262 -,234 ,900 -,119 ,156 ,365 -,118 ,104 ,785 ,263 -,122 ,154 ,142 -,131 -,529 ,206 -,125 ,106 -,395 -,262 -,168 ,425 -,463 ,461 -,135 -,370 -,322 ,718 -,102 ,130 ,111 ,684 -,175 -,168 ,126 ,152 -,196 ,624 -,420 ,254 -,326 -,241 -,123 ,567 ,458 -,156 -,202 ,361 ,190 -,121 -,312 ,182 ,217 ,753 -,182 -,148 ,311 -,162 ,559 ,110 ,108 -,107 ,162 -,848 ,308 -,196 -,174 ,409 -,105 ,350 -,141 -,599 -,186 -,151 ,112 -,140 ,742 ,122 ,386 ,194 ,553 EPC17 EPC24 EPC21 EPC20 EPC22 EPC25 EPC15 EPC18 EPC27 EPC07 EPC09 EPC08 EPC16 EPC03 EPC04 EPC26 EPC23 EPC01 EPC10 EPC02 EPC13 EPC12 EPC06 EPC05 EPC28 EPC14 EPC11 EPC29 EPC19 1 2 3 4 5 6 7 8 9 10 Composante Redimensionné Matrice de structure

Méthode d'extraction : Analyse en composantes principales. Méthode de rotation : Oblimin avec normalisation de Kaiser.

Nous avons alors interprété ces facteurs.

1. Dimensions 1 (EPC17, 20, 21, 22, 24, 25). Les énoncés rassemblés par ce facteur traduisent l’idée d’ajournement. C’est la procrastination dans sa composante comportementale. Nous appelons cette dimension RETARD CHRONIQUE. Tous ces items traduisent donc bien le caractère chronique de la procrastination. Le sens de ces items rapproche cette dimension de l’échelle de procrastination développée par Lay (1986), qui a trait au comportement retardataire. Les items EPC 20 (« Même après avoir décidé d’acheter je ne le fais pas toujours ») et EPC 25 (« Je me retrouve toujours plus en retard

que je ne le souhaiterais quand il s’agit d’acheter un produit nouveau ») sont limites selon le critère de saturation différentielle entre les axes que nous retenons. Cependant, dans la perspective d’une construction d’échelle nous préférons retenir les items limites dont le sens est pertinent à la dimension. D’autre part, tous les items contribuent positivement à la fiabilité du facteur (Alpha = 0.74).

2. Dimension 2 (EPC15, 18, 27). Ce facteur rassemble naturellement les deux énoncés relatifs à Noël. Nous qualifions ce facteur de TENDANCE A REPORTER LES COURSES DE NOËL. L'item EPC27 traduit l'idée des courses désagréables. Cependant l'inclusion de cet item dans cette dimension diminue fortement la fiabilité de la dimension (le coefficient de fiabilité passe de 0,65 à 0,76 lorsque EPC27 est retiré). Toutefois, malgré une très bonne fiabilité (0.76) il ne nous semble pas a posteriori judicieux de retenir ces items, car ils apparaissent très situationnels.

3. Dimension 3 (EPC07, 08, 09). Ce troisième facteur regroupe des variables traduisant

l’action par opposition à l’évitement ou l’attente. Tous les items de cette dimension sont

analysés après inversion de leur score. L'item EPC 24 (« Je me dis toujours, je l’achèterai demain ») aide à la caractérisation de cette composante : tous les items reflètent l’affectivité, le rejet de l’action désagréable. Nous appellerons donc cette dimension EVITEMENT, en cohérence avec les dimensions a priori du construit. Sur ce même facteur, on peut observer de nombreuses corrélations secondaires avec les autres items saturant principalement sur les première (RETARD CHRONIQUE) et deuxième dimensions. Cette observation est cohérente avec le concept : il est naturel de concevoir que l’évitement mène à un comportement de retard chronique. On notera toutefois une interdépendance entre la première dimension et la troisième dimension qui nous conduira peut-être à des modifications lors de prochaines collectes de données. Ce facteur traduit par ailleurs la dimension de la procrastination mise en avant par Mann (1982). La fiabilité globale de cette dimension est acceptable (0.64).

4. Dimension 4. (EPC03, 04, et 16). Le rassemblement de ces trois items ne semble pas cohérent. Il nous est impossible de nommer cet axe. Les items 3 et 4 sont relatifs aux achats superflus, ils n’expliquent rien par rapport au concept analysé.