Variables dépendantes : Freins à l’innovation ouverte

On s’intéresse ensuite aux variables dépendantes manque-connaissance, manque-implication,

manque-moyen et manque-competence qui correspondent aux variables issues de l’ACP sur

les freins s’opposant à l’innovation ouverte. La partie du modèle conceptuel nous intéressant est donc celle présente dans la figure 4.9.

Figure 4.9 Modèle conceptuel pour le concept "Freins à l’innovation ouverte"

Les résultats de la régression principale sont représentés dans la figure 4.5. Comme ces quatres variables ne sont pas corrélées, et que le test de Breusch-Pagan donne un résultat non signi- ficatif, nous employons une méthode mvreg. Pour cette régression, l’étude porte donc sur :

— Quatre variables dépendantes : manque-competence, manque-moyen, manque-implication et manque-connaissance.

— Neuf variables indépendantes : culture-direction, orientation-interne, direction-agile,

performance-interne, controle-tech, orientation-externe, ouverture, diminution-rd et satisfaction.

— Quatre variables de contrôle : taille-ent, automobile, importance-pratique-IO et pays Pour essayer d’ajouter de la significativité et voir les facteurs qui pourraient avoir de l’in- fluence, nous avons introduit des cofacteurs. Ces cofacteurs ont pour but de souligner les influences respectives. Nous en avons ajouté six :

— Entre la variable de contrôle pays et la variable indépendante ouverture : pays-ouverture — Entre la variable de contrôle pays et la variable indépendante diminution-rd : pays-rd

3

— Entre la variable de contrôle pays et la variable indépendante culture-direction : pays-

culture 3

— Entre la variable de contrôle pays et la variable indépendante satisfaction : pays-satis — Entre la variable de contrôle taille-ent et la variable indépendante diminution-rd :

— Entre la variable de contrôle taille-ent et la variable indépendante ouverture : taille-

ouv

— Entre la variable de contrôle automobile et la variable indépendante ouverture :

automobile-ouv3

Les résultats des régressions sont montrés dans les figures 4.10, 4.11, 4.12 et 4.13.

Figure 4.10 Résultats de la régression 1.1 pour la variable dépendante manque-competence

Pour la régression sur manque-competence, seule la variable de contrôle taille-ent est signifi- cative et robuste. Elle devient lorsque des cofacteurs sur celle-ci sont introduits. Cela semble indiquer un effet contraire des variables diminution-rd et ouverture sur la variable taille-ent. Concernant les cofacteurs, celui portant sur la variable de contrôle pays et la variable ou-

verture, pays-ouverture, est très intéressant : il est significatif, robuste et rend significatif la

variable de contrôle pays et la variable indépendante ouverture. Il y a donc un effet croisé des 3. non présent dans les tableaux pour résultats car non significatif et cela permet d’alléger la lecture des tableaux

deux variables sur la variable dépendante manque-competence.

Figure 4.11 Résultats de la régression 1.1 pour la variable dépendante manque-moyen

Concernant la variable dépendante manque-moyen, la régression donne plusieurs résultats si- gnificatifs et robustes. Tout d’abord, les variables indépendantes culture-direction et orientation-

externe ont un impact sur manque-moyen. Ensuite, cette relation est modifiée par les variables

de contrôle automobile et taille-ent. On note également que la variable diminution-rd est à la limite de la significativité. Dans un second temps, les cofacteurs permettent d’éclairer certains points :

— Le cofacteur pays-ouverture est à la limite de la significativé, il a un impact sur ou-

verture mais n’a pas d’effet sur pays. Nous ne le considèrerons pas.

— Le cofacteur pays-satis est significatif et rend pays et satisfaction significatifs. Un effet croisé est présent.

— Le cofacteur taille-rd est significatif et rend diminution-rd et taille-ent significatifs. Le cofacteur nous indique donc un effet croisé entre les deux variables.

— Pour le cofacteur taille-ouv, qui est à la limite de la significativité, il amène ouverture à la limite de la significativité mais à l’effet inverse sur taille-ent.

Figure 4.12 Résultats de la régression 1.1 pour la variable dépendante manque-implication

Ensuite, pour la variable dépendante manque-implication, la régression donne plusieurs ré- sultats significatifs et robustes. Tout d’abord, les variables indépendantes culture-direction,

controle-tech et orientation-externe ont un impact sur manque-implication. Ensuite, cette

relation est modifiée par les variables de contrôle automobile et pays. On note également que la variable direction-agile est à la limite de la significativité. Dans un second temps, les cofacteurs permettent d’éclairer certains points :

— Les cofacteurs pays-ouverture, pays-satis et taille-ouv n’apportent rien.

— Le cofacteur taille-rd est significatif et rend diminution-rd et taille-ent significatifs. Le cofacteur nous indique donc un effet croisé entre les deux variables. De plus, il rend la variable direction-agile significative. Toutefois, celle-ci oscillant autour de la significativité, l’effet est minime.

Figure 4.13 Résultats de la régression 1.1 pour la variable dépendante manque-connaissance

Enfin, pour la régression sur la variable dépendante manque-connaissance, seules la variable de contrôle automobile et la variable culture-direction sont significatives et robustes.

On peut alors vérifier la cohérence de certaines de nos hypothèses :

— H4 est partiellement vérifiée : ouverture est significative et positive (avec le cofac- teur pays-ouverture). L’hypothèse est réfutée pour les freins liés au facteur humain (manque-implication) : diminution-rd est significative et négative (avec le cofacteur

taille-rd)

— H10a est partiellement vérifiée : culture-direction(orientée positivement pour l’IO) est significative et négative, orientation-externe(orientée négativement pour l’IO) est significative et positive. Toutefois, controle-tech(orientée négativement pour l’IO) est significative et négative (contraire à ce qui est attendu).

— H11 est partiellement validée : satisfaction est significative et négative (avec le cofac- teur pays-satis

On note la significativité positive de la taille de l’entreprise (qui implique qu’une grande entreprise a plus de difficulté à adopter l’innovation ouverte) et la significativité négative de la part d’activité de l’automobile : plus l’industrie automobile est importante pour l’unité, plus les risques sont réduits.