Le mécanisme de modération, de médiation et les modèles de la macro Process de Hayes

3.2.1 Le mécanisme de médiation et les modèles avec médiation

Pour rappel, une médiation correspond au fait qu‟une variable intermédiaire, médiatrice, notée M, intervient dans une relation de causalité entre une variable indépendante, X et la variable dépendante, notée Y (Jolibert et Jourdan, 2006). Elle permet ainsi d‟expliquer plus précisément l‟effet de X sur Y (Chumpitaz Caceres et Vanhamme, 2003). La figure 4.2 présente une médiation selon Baron et Kenny (1986). Selon ces auteurs, pour qu‟il y ait une médiation, il était d‟abord nécessaire d‟avoir un effet direct significatif de X vers Y. Or, Zhao, Lynch et Chen (2010), s‟appuyant sur les conclusions de Preacher et Hayes (2004) proposent que seule la significativité de l‟effet indirect de a x b est nécessaire pour conclure à une médiation.

Figure 4.2 Test d‟un effet médiateur selon Baron et Kenny (1986).

Une autre manière de comprendre la médiation est d‟observer les équations testées pour une médiation, via des régressions (cf. Iacobucci, Saldanha et Deng, 2007) :

1) M = 1 + aX + 1 2) Y =2 + cX + 2 3) Y =3 + c‟X + bM + 3

Contrairement à ce que proposaient Baron et Kenny, la médiation pourra être prise en compte même sans effet significatif concernant la deuxième équation. Il est d‟ailleurs à noter que les médiations recherchées par la macro Process de Hayes se révèleront significatives, même sans effet direct de la variable indépendante sur la variable dépendante. Zhao, Lynch et Chen (2010) ont mis au point un arbre de décision permettant de caractériser la médiation quand celle-ci existe, qui peut permettre de définir le type de médiation trouvée.

Figure 4.3 L‟arbre de décision du type de médiation, selon Zhao, Lynch et Chen (2010).

Comme décrit dans la figure 4.3, trois types de médiation sont possibles à partir du moment où l‟effet indirect a x b est significatif : 1) la médiation complémentaire si l‟effet direct de X sur Y existe et que l‟effet indirect et l‟effet direct vont dans le même sens, 2) la médiation concurrente, quand l‟effet direct existe mais que le sens entre l‟effet direct et l‟effet indirect est opposé, 3) la médiation seulement si l‟effet direct n‟est pas significatif.

Aussi, la démarche proposée par Zhao, Lynch et Chen (2010) est celle qui a été retenue dans ce travail pour tester les effets médiateurs présents dans le modèle (e.g., Balbo, 2011 ; Berthaud,

a x b est-il significatif ? Oui Non c est-il significatif ? a x b x c est-il positif ? Médiation complémentaire Oui Non Médiation concurrente Médiation seulement Oui Non c est-il significatif ? Seulement direct (pas de médiation)

Pas d’effet (pas de médiation) Preuve pour : Le médiateur en question Un médiateur oublié Non Oui OUI PROBABLE OUI PROBABLE OUI PEU PROBABLE NON PROBABLE NON PEU PROBABLE

Le cadre théorique parait incomplet. Le médiateur identifié est pertinent avec le cadre théorique mobilisé. Néanmoins, un médiateur semble avoir été probablement oublié.

Le médiateur identifié est en accord avec le cadre théorique mobilisé

Le cadre théorique mobilisé apparaît problématique. Un médiateur a été omis.

Il n‟y a aucun effet, ni direct ni indirect. Le cadre théorique n‟est pas approprié.

Le modèle 4 de la macro Process de Hayes propose de tester un effet médiateur d‟une variable

M sur la relation entre X et Y. Cependant, le modèle propose jusqu‟à dix médiateurs en parallèle, aussi il permet de tester une médiation simple ou plusieurs en parallèle. Ces médiateurs sont indépendants les uns des autres (« multiple mediation »), Preacher et Hayes, 2008). La figure 4.4 expose une représentation de deux médiateurs en parallèle et la figure 4.5 présente le modèle 4 de la macro Process de Hayes.

Figure 4.4 Représentation de deux médiateurs en parallèle (Hayes, Preacher et Myers, 2011).

Figure 4.5 Représentation du modèle 4, diagramme statistique et conceptuel, de la macro Process de Hayes

Il est à noter que dans le cas où plusieurs médiateurs sont considérés en parallèle, il est important de les tester ensemble et non séparément, ce que permet donc le modèle 4, analysant l‟effet direct de X sur Y, ainsi que les effets indirects via chacune des variables médiatrices (a1 x b1, a2 x b2),

dans le cas de deux médiateurs en parallèle et l‟effet indirect total de X sur Y. Les effets indirects sont testés via la procédure de « bootstrap ». Si l‟intervalle de confiance (estimé à 95%) du « bootstrap » exclut la valeur 0, alors l‟effet de médiation est différent de la valeur zéro, il n‟est pas nul et existe bien.

Le modèle 6 de la macro Process de Hayes permet, lui, de tester des médiations en série. Dans

cette configuration, la variable X influence une première variable médiatrice, M1, qui en influence une deuxième, M2, et ainsi de suite, jusqu‟à la variable dépendante, Y (« multiple-step

mediation », Taylor, MacKinnon et Tein, 2008). La figure 4.6 représente le modèle avec deux

médiateurs en série, cependant, elle permet également de tester jusqu‟à quatre médiateurs en série.

3.2.2 Le mécanisme de modération et les modèles avec modération et médiation modérée

Une modération correspond au fait qu‟une variable modératrice, nommée M, W ou V selon les cas, va modérer la relation de X sur Y. En modérant la relation, elle en modifie le sens et/ou la force (Baron et Kenny, 1986 ; Chumpitaz, Caceres et Vabhamme, 2003). Il est également possible de parler d‟interaction. La figure 4.7 représente deux modélisations possibles d‟une modération.

Figure 4.7 Les deux modélisations possibles d‟une modération.

Il est à noter qu‟il est nécessaire de tester les effets directs de X sur Y et de W sur Y pour tester l‟effet d‟interaction de XW sur Y (Irwin et McClelland, 2002). Cependant, il n‟est pas nécessaire que l‟un des effets directs soient significatifs, il suffit que l‟interaction le soit.

L‟équation correspondant au modèle de régression testé pour une modération est la suivante : (cf. Irwin et McClelland, 2002) :

1) Y = a + bX+ cW + dXW + 

Le modèle 1 de la macro Process de Hayes correspond à une interaction (ou modération)

simple. La figure 4.8 représente le modèle conceptuel et statistique du modèle 1 de la macro Process de Hayes. Y W X Y W X

Figure 4.8 Représentation du modèle 1, diagramme statistique et conceptuel, de la macro Process de Hayes.

Le modèle 1 de la macro Process de Hayes permet, en cochant une option, d‟obtenir, en plus de la significativité de la modération, la significativité pour plusieurs valeurs focales ou signifiantes du modérateur. Ceci correspond à l‟analyse « spotlight ». Aussi, une fois la modération établie comme étant significative, l‟analyse permet d‟aller observer si la modération est significative pour toutes les valeurs de la variable modératrice ou seulement pour certaines valeurs : faible, moyenne ou élevée. La méthode est présentée par exemple par Cadario et Parguel (2014).

Les modèles 7 et 11 de la macro Process de Hayes sont plus complexes car ils permettent de

tester à la fois des effets de modération et de médiation. Ils correspondent à des médiations modérées.

Le modèle 7 correspond à une analyse de médiation modérée, la modération se faisant par une seule variable. Une médiation est calculée, celle de la variable M mais elle médiatise la relation de X sur Y, mais aussi de W sur Y et de XW sur Y (cf. figure 4.9).

Figure 4.9 Représentation du modèle 7, diagramme statistique et conceptuel, de la macro Process de Hayes.

Le modèle 11 correspond à une analyse de médiation modérée mais la modération est plus complexe car il s‟agit en fait d‟une triple interaction entre X, Z et W. Une médiation est calculée, celle de la variable M mais les effets directs sont observés, comme les effets d‟interaction des variables deux à deux et l‟effet de triple interaction sur la variable M, puis l‟effet de M sur Y et les effets indirects (cf. figure 4.10).

Figure 4.10 Représentation du modèle 7, diagramme statistique et conceptuel, de la macro Process de Hayes.

L‟avantage d‟utiliser la macro Process de Hayes sous SPSS est d‟abord son utilisation simple à partir des bases de données de SPSS, mais aussi la précision qu‟elle apporte. En effet, pour chaque interaction, il sera possible d‟observer la significativité pour différentes données des variables utilisées dans l‟interaction, de façon comparable à la méthode de « Spotlight » (Cadario et Parguel, 2014 ; Jongmans, Jolibert et Irwin, 2014), i.e. que même quand l‟interaction est significative, elle ne l‟est pas forcément en tout point, et la macro Process de Hayes permet de regarder la significativité de manière plus poussée, ce qui permet un résultat plus précis et une meilleure interprétation.