• Aucun résultat trouvé

Ce paragraphe a pour ambition de fournir un outil fiable et valide de la perception du rock. Pour ce faire, une nouvelle collecte de données est effectuée, lesquelles sont ensuite analysées au travers d’une analyse factorielle confirmatoire. Des tests de fiabilité et de validité de l’outil sont alors pratiqués.

3.1.4.1 – Préconisations

A ce stade, nous travaillons sur l’ensemble de nos variables latentes, c'est-à-dire sur les variables que nous pouvons observer directement à travers des indicateurs de mesure. Dans ce paragraphe, nous cherchons à valider notre échelle de mesure, à l’aide d’une analyse factorielle confirmatoire, que nous précéderons d’une analyse factorielle exploratoire. Pour cette dernière, nous procédons de la même manière que précédemment, nous vérifions la

structure factorielle de l’échelle (à l’aide du logiciel SPSS) et nous calculons les alphas de Cronbach pour vérifier la consistance interne de chaque dimension. Ensuite, nous procédons à une analyse factorielle confirmatoire afin de proposer la meilleure structure du modèle, celle dont la représentation est la plus acceptable. En réalité, la structure de notre modèle sera comparée à un modèle hypothétique optimal, c'est-à-dire que nous allons confronter deux matrices :

La matrice S qui est la matrice de covariances ou de corrélations des variables observées Et la matrice ∑ qui est la matrice de covariances ou de corrélations théoriques, en d’autres

termes, il s’agit d’une matrice établie à partir d’estimations des covariances supposées par le modèle testé.

Nous devons donc nous poser la question suivante : notre modèle est-il conforme au modèle hypothétique ? On se demande ainsi si nos données représentent bien le modèle. L’analyse confirmatoire doit alors nous aider à tester la théorie. Par ailleurs, le logiciel Amos 18 nous fournit des outputs qui vont nous permettre de vérifier la validité convergente et la validité discriminante de notre modèle, conditions préalables au test du modèle à l’aide d’équations structurelles.

Ainsi, trois étapes doivent être respectées dans la démarche de l’analyse factorielle confirmatoire :

L’examen de la fiabilité de l’échelle L’examen de la validité de l’échelle

La vérification de la pertinence de la représentation du modèle

Dans un premier temps, nous devons examiner la fiabilité de notre mesure. La fiabilité d’un instrument de mesure indique que ce dernier, s’il est appliqué plusieurs fois à un même phénomène donnera les mêmes résultats (Evrard et al., 2003). Celle-ci est évaluée à l’aide des indices alpha de Cronbach et Rhô de Jöreskog. La sensibilité de ce dernier est moins grande au nombre d’items retenus que les alphas de Cronbach (Didellon et Valette-Florence, 1996). Le Rhô de Jöreskog est donc une alternative intéressante à l’alpha de Cronbach. Le seuil retenu pour cet indicateur est supérieur à 0,7. Cet indicateur intègre de façon explicite les différents termes d’erreurs.

Ensuite, nous devons vérifier la validité de notre outil de mesure. On souhaite s’interroger sur sa capacité à appréhender de la meilleure des façons le phénomène que l’on cherche à mesurer

(Evrard et al., 2003). Nous procédons à une validation psychométrique, cette dernière consiste à certifier la cohérence interne (validité convergente) et la validité discriminante des composantes de l’échelle.

La validité convergente et évaluée au niveau du construit. Elle permet de vérifier si différents indicateurs qui sont censés mesurer le même phénomène sont corrélés entre eux (Evrard et al., 2003). La validité convergente peut être vérifiée par plusieurs conditions (Roussel et al., 2002)60 :

1) Il faut vérifier que les paramètres estimés par la méthode du maximum de vraisemblance (Maximum Likelihood ou ML) sont tous significatifs. Le test t associé à chacune des contributions factorielles doit donc être significatif, c’est-à-dire supérieur à 1,96 ;

2) Chaque indicateur doit partager plus de variance avec son construit qu’avec l’erreur de mesure qui lui est associée. En d’autres termes les loadings des items (notés λ) doivent être significativement non nuls et leurs R² supérieurs à 0,5 ;

3) On peut associer un troisième critère, qui est celui de la variance moyenne extraite ou du rhô (ρ) de validité convergente de Fornell et Larcker (1981). La valeur de la variance moyenne extraite pour chaque facteur doit compter au moins pour 0,50 de la variance totale, c’est à dire que la variance du construit doit être davantage expliquée par les items qui le mesurent que par l’erreur. Cette condition est vérifiée par le calcul du ρ(vc), ou AVE (Average Variance Extracted), qui doit être supérieur à 0,5 ; La validité convergente est ainsi évaluée à l’aide du Rhô de Fornell et Larker (1981) (on va distinguer la vraie variance d’une mesure et la variance due à l’erreur aléatoire ou systématique, si les résultats de l’AFC montrent que la variance issue du modèle de mesure est supérieure à la variance due aux erreurs de mesures, alors, on peut dire qu’il y a validité convergente. La validité convergente est satisfaite quand la variable latente partage plus de 50% de sa variance avec ses mesures). En fait, on vérifie si les items qui sont censés mesurer le même phénomène sont effectivement corrélés. Le seuil retenu pour ce facteur est supérieur à 0,5.

Quant à la validité discriminante, elle permet de juger que chaque dimension du construit se distingue bien des autres en contrôlant que les corrélations entre les indicateurs censés mesurer des phénomènes différents sont faibles (Evrard et al., 2003). Elle signifie que deux construits différents théoriquement sont également distincts dans la pratique En d’autres

60

termes, la comparaison de la variance moyenne extraite de chaque variable latente avec le carré de la corrélation qu’il partage avec les autres variables latentes (Fornell et Larcker, 1981) va permettre d’établir la condition de validité discriminante. Ainsi, le carré de la corrélation entre les variables latentes doit être inférieur aux variances moyennes extraites correspondantes à chaque dimension (ρ (vc)).

Dans un troisième temps, il nous faudra tester notre modèle ; il faudra donc vérifier la pertinence de la représentation de notre modèle en utilisant des indices de bonnes représentations globales (Overall Goodness-of-fit) qui nous permettront de juger de l’adéquation des données empiriques aux données estimées. Ces indices peuvent être calculés à l’aide du logiciel Amos 18. Parmi ces indices, nous retiendrons les mesures de représentations absolues (Measures of Absolute Fit), les mesures de représentations incrémentales (Incremental Fit Measures) et les mesures de parcimonie ajustée (Parsimony Adjusted Measures)61. Il est préconisé d’examiner la qualité des indices d’ajustement dans leur ensemble (un petit groupe d’indices) et pas de s’attarder sur chacun des indices. Korchia (2001) explique que c’est le comportement général de plusieurs indices qui est important et qui permettra de juger de la qualité du modèle.

3.1.4.2 – Collecte de données et validation de l’échelle

Dans un troisième temps, une nouvelle collecte de donnée a été réalisée. En effet, il est d’usage d’effectuer l’analyse factorielle exploratoire et l’analyse factorielle confirmatoire sur deux échantillons différents. Pour se faire, le questionnaire a été envoyé, par e-mail, en mai 2009, auprès de l’ensemble de notre carnet d’adresses (mail), le questionnaire a donc été envoyé à des étudiants, à des anciens festivaliers du Rock dans tous ses Etats, des Francofolies de la Rochelle, ainsi qu’à nos proches… Il était demandé aux personnes contactées de faire passer ce questionnaire à leur carnet d’adresses. Au total, par effet boule de neige, nous avons reçu 311 réponses ; seuls 286 questionnaires ont été gardés car, comme précédemment, les questionnaires incomplets ont été sortis de l’analyse.

A l’instar des autres études, tous les items étaient formulés selon les échelles de Likert en 5 points.

Les résultats de l’analyse factorielle sont fournis dans le tableau 3.5 ci-après.

61

Tableau 3.5 : Analyse factorielle exploratoire portant sur les quatre dimensions de la perception du rock Dimension 1 (Sociale) Dimension 2 (Intellectuelle) Dimension 3 (Affective) Dimension 4 (Esthétique) SOC9 0,720 HIST7 0,696 SOC15 0,677 SOC7 0,656 SOC10 0,637 SOC3 0,583 SOC14 0,581 SOC1 0,544 SOC4 0,510 SOC12 0,503 HIST3 0,806 EST3 0,767 FONC9 0,680 EST5 0,571 AFF6 0,786 AFF7 0,775 AFF4 0,678 AFF3 0,500 EST9 0,776 EST14 0,733 EST1 0,542 AFF1 0,514 Variance expliquée 18,198% 13,436% 10,945% 9,358% Alpha de Cronbach 0,840 0,748 0,748 0,651

Pour tester la fiabilité des dimensions de notre échelle, nous utilisons une fois de plus le coefficient alpha de Cronbach. Notons que pour une étude confirmatoire, une valeur > à 0,8 est recommandée pour l’alpha. Dans le tableau ci-dessus, nous pouvons voir que seul l’alpha de la dimension 1 est supérieur à 0,8 car il est égal à 0,840, ce qui est satisfaisant. Par contre, les alphas des dimensions 2, 3 et 4 sont sous le seuil recommandé dans le cadre d’une étude confirmatoire, car leurs valeurs sont respectivement de 0,748 ; 0,748 et 0,651. Cependant, nous décidons de garder ces différents items et par conséquent, ces dimensions qui expliquent chacune plus de 9% de la variance. Par ailleurs, selon Darpy (2003)62, « on ne peut pas conclure qu’une échelle est mauvaise même si une de ces dimensions a un alpha faible ».

62

Notons que l’item SOC13 a été retiré de l’échelle du fait de ses faibles qualités psychométriques. L’échelle que nous testerons dans notre modèle global contient donc 22 items.

Nous procédons ensuite à une analyse factorielle confirmatoire (AFC). Pour cela, nous utilisons le logiciel Amos 18. Nous devons tester notre modèle de mesure. Notons que théoriquement, un modèle de mesure spécifie les règles de correspondance entre des variables latentes et des indicateurs. En passant de l’analyse factorielle exploratoire à l’analyse factorielle confirmatoire, nous passons d’une analyse dans laquelle nous ne contrôlons pas les variables qui décrivent les facteurs, à une analyse dans laquelle nous caractérisons chaque variable pour définir chaque construit. L’AFC confirme l’existence d’une échelle de mesure de la perception du style musical rock à 4 dimensions, comprenant 22 items. La fiabilité et la validité (convergente et discriminante) de l’échelle, ainsi que les indices de représentations statistiques sont présentés dans les quatre tableaux ci-après.

Tableau 3.6 : Fiabilité et validité convergente de l’échelle de mesure de perception du rock

Dimensions de l’échelle Fiabilité (Rhô de Jôreskog) Fiabilité (Alpha de Cronbach) Validité convergente (Rhô de Fornell et Lacker) Sociale (10 items) 0,909 0,840 0,507 Intellectuelle (4 items) 0,698 0,748 0,374 Affective (4 items) 0,849 0,748 0,590 Esthétique (4 items) 0,905 0,651 0,729

On remarque que la cohérence interne est faible pour un facteur, à savoir la dimension intellectuelle, de même pour la validité convergente. Nous ne devrions pas retenir cette dimension, cependant, Didellon et Valette-Florence (1996) préconisent de recourir à un autre critère afin d’analyser le caractère significatif du lien entre les variables observées et les variables latentes issues du modèle. Ceci pour s’assurer de la validité convergente de l’échelle de mesure. Il faut pour cela examiner les tests « z » qui doivent être supérieurs à 1,96 (pour un risque d’erreur de 5%) pour signifier que les poids des relations entre les mesures observables et leurs facteurs latents sont statistiquement différents de zéro. Le tableau suivant montre que les t sont tous supérieurs à 1,96, nous pouvons donc admettre le fait que la validité convergente de notre échelle est acceptable, de même pour sa fiabilité.

Tableau 3.7 : Test de validité convergente (Test z)

Dimensions Critical ratio / Test z

Intellectuelle 8,361 < t < 14,727 Affective 8,588 < t < 10,397 Esthétique 5,116 < t < 6,431

Sociale 6,714 < t < 9,434

La validité discriminante est quant à elle étudiée à l’aide de la comparaison du carré de la corrélation entre les facteurs latents et le rapport Rhôvc (Rhô de validité convergente). Rappelons que la validité discriminante vise à vérifier que chaque dimension du construit se distingue bien des autres en contrôlant que les corrélations entre les indicateurs censés mesurer des phénomènes différents sont faibles. Si tel est le cas, alors, les indicateurs permettent réellement de discriminer les phénomènes entre eux.

Le tableau ci-dessous nous fournit les mesures permettant de comparer le carré de la corrélation entre les facteurs latents et le rapport Rhôvc.

Notre instrument de mesure présentera une validité discriminante satisfaisante si la variance partagée entre une variable latente et ses mesures (Rhôvc) est supérieure à la variance partagée entre celle-ci et les autres facteurs latents.

Tableau 3.8 : Test de la validité discriminante de l’échelle de mesure de la perception du rock (comparaison du carré de la corrélation entre les facteurs latents et Rhôvc)

Rhôvc Intellectuelle Affective Esthétique Sociale Intellectuelle 0,507 1,000 0,107 0,094 0,142

Affective 0,374 0,327 1,000 0,129 0,195

Esthétique 0,590 0,306 0,359 1,000 0,171

Sociale 0,729 0,377 0,442 0,414 1,000

Dans tous les cas, le rapport Rhôvc est supérieur au carré de corrélation entre les différents facteurs. Ceci montre bien que la variance partagée entre un facteur et ses mesures est supérieure à la variance partagée entre celui-ci et les autres facteurs latents. Ceci satisfait alors au critère de validité discriminante.

Tableau 3.9 : Indices d’ajustement de l’analyse factorielle confirmatoire de l’échelle de mesure de perception du rock

Chi² Chi²/df RMSEA RMSEA (intervalle) RMSR NFI CFI GFI AGFI

599,047 2,922 0,082 0,075 – 0,09 0,098 0,767 0,831 0,835 0,795

Quant aux indices d’ajustement, ils s’avèrent satisfaisants au regard des seuils indicatifs prescrits si l’on regarde ces indices dans leur ensemble. Les 22 items que nous retenons pour notre échelle de la perception du rock sont reproduits dans le tableau 3.10 ci-dessous.

Tableau 3.10 : Echelle de mesure de la perception du rock

Dimensions Items Libellés

AFF1 On reconnaît un spectacle rock à l'énergie exprimée par le groupe sur scène

EST14 Le rock est une musique qui s'écoute fort

EST1 Ecouter du rock nous met dans une ambiance particulière

Esthétique

EST9 Le rock se joue forcément avec une sonorisation importante

AFF3 Les artistes rock ont une attitude personnelle originale

AFF4 Les leaders des groupes de rock ont des personnalités exceptionnelles

AFF6 Les artistes rock ont un look particulier

Affective

AFF7 On reconnaît les artistes rock grâce à leur style vestimentaire

FONC9 Les textes des groupes de rock sont bien écrits

EST5 Les groupes de rock ne sont pas plus créatifs que les artistes de variété

EST3 C'est dans les musiques rock qu'on entend le plus de choses originales ou

nouvelles

Intellectuelle

HIST3 Les groupes de rock sont inventifs

SOC7 Le rock est une musique qui défend la liberté

SOC9 C'est en période de crise sociale que le rock se développe le plus

SOC12 Les artistes rock n'ont pas la volonté de faire passer des messages

SOC4 Le rock se base sur des idées contestataires

SOC14 Les artistes rock ne sont pas plus engagés que les autres artistes

HIST7 Le rock exprime des avis sur la société et sur l'époque

SOC10 Les groupes de rock prônent un monde plus juste

SOC1 Le rock accompagne les grands changements de société

SOC15 Les groupes de rock essaient de transmettre à leur public des idées sociales /

politiques

Sociale

SOC3 Les artistes rock sont les premiers à s'engager pour des idées sociales ou

politiques

Par la suite, il faudrait procéder à la validation nomologique et à la validation prédictive de notre échelle. La validité nomologique consiste à analyser si des liens existent entre notre construit et d’autres construits proches de celui-ci. A notre connaissance, il n’y a pas de construit se rapprochant du nôtre, nous ne pourrons donc pas tester cette validation nomologique. Enfin, pour tester la validation prédictive, il est nécessaire d’appliquer notre échelle auprès de populations que l’on peut considérer comme sensibles à l’une ou l’autre des formes de perception du rock et ainsi de vérifier ses propriétés sur ces populations. C’est ce

que nous ferons lors de notre enquête finale qui s’adressera à des spectateurs de différents festivals rock.

Cette échelle de la perception du rock n’est pas une échelle globalisante. En effet, elle n’est pas adaptable à d’autres types de musique. Comme nous étudions le rock, il était nécessaire de créer un instrument prenant en compte les caractéristiques distinctives des musiques rock. Chaque type de musique se caractérisant par rapport à ses spécificités propres, nous ne pourrons pas utiliser cette échelle pour étudier d’autres genres musicaux, même si certains items de l’échelle pourraient l’être, comme par exemple « Ecouter du rock nous met dans une ambiance particulière » ou « Les artistes rock ont un look particulier ». Cependant, comme nous le voyons dans les items de l’échelle, le rock ce n’est pas qu’une musique ou des stars, c’est aussi un mouvement social, et un processus de création spécifique. Nous ne sommes pas sur une musique de répertoire dont les partitions datent des siècles précédents (cas, par exemple, de la musique classique), nous ne sommes pas non plus sur une musique créée par des paroliers et des spécialistes des « tubes » (cas de la variété), nous sommes face à une musique qui vit avec son temps, dont les artistes placent au centre de leur travail la création, et qui, forcément repose sur des aspects esthétiques relatifs à la scène et à l’artiste.

SECTION 3.2 : ELABORATION DU CADRE CONCEPTUEL

Les chapitres précédents, consacrés à une revue de la littérature des différents concepts que nous souhaitons mettre en œuvre dans notre modèle, et à la phase qualitative exploratoire, permettent de mettre en évidence les questions et objectifs de cette recherche. Cette section se consacre à la présentation de notre problématique, des questions de recherche qui en découlent, et des objectifs qui animent ce travail.