1.2.3.3 Analyse du modèle de mesure
Les données ont été analysées par la
technique de modélisation des chemins par moindres carrés
partiels (PLS-SEM) à l'aide du logiciel SmartPLS 3.0. En tant
qu'approche de modélisation basée sur les composants, PLS est
souvent préférée aux approches basées sur la
covariance, telles que la modélisation par équations
structurelles (CB- SEM) et la régression multiple lors de l'estimation
d'un modèle complexe avec moins de 250 cas (Chin, 1998 ; Reinartz et
al., 2009). Des études récentes montrent que PLS pourrait
également être une méthode d'analyse appropriée pour
les études expérimentales, en remplissant l'objectif d'examiner
l'effet de la variable indépendante sur la variable dépendante
ainsi qu'en fournissant des informations statistiques supplémentaires,
telles que, les résultats du test de l'ensemble du modèle
théorique en une seule fois, l'ajustement du modèle, l'AFC et les
tests de variables multiples, qui ne sont pas calculables par l'ANOVA
traditionnelle (Breitsohl, 2019). PLS et d'autres modèles à
indicateurs multiples et causes multiples (MIMIC) sont également
suggérés pour résoudre le biais d'erreur de mesure en
modélisant explicitement les erreurs de mesure (Breitsohl, 2019). Ainsi,
dans le cadre de cette étude, une procédure de «
bootstrapping » non paramétrique (1000 échantillons) a
été menée pour tester la significativité des
coefficients de chemin. Le modèle structurel a été
évalué à l'aide des coefficients de détermination
R2 des variables endogènes. Comme le montre le tableau 3, le R2 des
variables endogènes a dépassé le niveau minimum de 0,1
(Falk et Miller, 1992). En outre, le résidu quadratique moyen
normalisé (SRMR) de notre modèle, qui est souvent utilisé
pour évaluer la qualité de l'ajustement pour PLS-SEM (Henseler et
al., 2009), était inférieur à la valeur maximale de 0,08,
ce qui indique un bon ajustement.
25
L'impact du storytelling sur l'intention d'achat dans le
secteur de la mode de seconde main en ligne.
26
L'impact du storytelling sur l'intention d'achat dans le
secteur de la mode de seconde main en ligne.
Tableau 2: Mesure des attributs.
Les résultats des coefficients de chemin sont
résumés dans la figure 1 et le tableau 4. L'analyse
révèle que l'historique du produit influence significativement la
confiance envers l'utilisation du service de mode circulaire (13 = 0,518 ; p
< 0,001), bénéfice hédonique (13 = 0,472 ; p <
0,001), bénéfice social (13 = 0,453 ; p < 0,001) et
bénéfice économique (13 = 0,411 ; p < 0,001), soutenant
H1, H2, H3 et H4. Parmi ces variables, la confiance (13 = 0,341 ; p < 0,05)
et le bénéfice hédonique (13 = 0,484 ; p < 0,001) ont
eu un effet significatif sur les attitudes des consommateurs envers le service
de mode circulaire ; par conséquent, H5 et H6 ont été
soutenus. En revanche, le bénéfice social (13 = - 0,081 ; p >
0,05) et le bénéfice économique (13 = 0,159 ; p > 0,05)
n'ont pas eu
27
L'impact du storytelling sur l'intention d'achat dans le
secteur de la mode de seconde main en ligne.
d'influence significative sur l'attitude. Ainsi, H7 et H8 n'ont
pas été soutenus. Enfin, il a été confirmé
que l'attitude des consommateurs à l'égard des plateformes de
mode de seconde main avait un impact significatif sur leur intention
d'utilisation (13 = 0,875 ; p < 0,001), soutenant H9. En plus de tester les
relations proposées, nous avons également testé les effets
des avantages perçus sur les intentions d'utilisation au cas où
ces variables influenceraient directement l'intention. Nous avons
constaté que si l'avantage hédonique avait une influence
significative sur l'attitude puis finalement sur l'intention (H6), il
n'influençait pas directement l'intention d'utilisation (13 = 0,054, p =
0,684). Le bénéfice social n'a pas influencé l'attitude
(H7) mais a montré un effet direct sur l'intention (13 = 0,238, p <
0,05). L'avantage économique n'a pas influencé l'attitude (H8) ni
l'intention (13 = -0,103, p = 0,362).
| 
