Memoire Online - La responsabilité sociale de l'entreprise et l'accès au financement par les PME de la ville de Bukavu.

Lorsque l'on mesure une grandeur, on souhaite que les résultats soient utiles et reflètent bien les concepts qu'elle représente. À cet effet, on a deux préoccupations : Le dispositif de recherche doit être valide et la mesure doit être fiable.⁵⁷

Ainsi donc, la validité d'une échelle de mesure désigne sa capacité à appréhender un phénomène. Nous avons eu à utiliser la validité faciale ou de contenu pour savoir la relation entre les concepts à mesurer, l'instrument utilisé et si la mesure capture les différents aspects du phénomène étudié.

La fiabilité correspond au degré avec lequel les instruments utilisés mesurent de façon constante le construit étudié. Plusieurs outils sont disponibles pour évaluer la fidélité d'un

ensemble de variables. La procédure positionnement-analyse de fiabilité de SPSS a été analysée pour nous permettre d'examiner les informations pertinentes⁵⁸.

Pour s'assurer de la fiabilité de l'échelle construite, le coefficient alpha de Cronbach a été calculé pour mesurer sa cohérence interne c'est-à-dire le degré avec lequel les instruments utilisés mesurent de façon constante le construit étudié à partir d'un ensemble d'items. La pratique consiste à réduire un grand nombre d'items initiaux dans un processus itératif de conservation/élimination des items en fonction de la valeur du coefficient alpha, qui varie entre 0 et 1. Plus la valeur de l'alpha est proche de 1, plus la cohérence interne de l'échelle (sa fiabilité) est forte. On élimine donc les items qui diminuent le score, et on conserve ceux qui contribuent à augmenter l'alpha dont le seuil varie en fonction de l'objectif de la recherche.⁵⁹

L'analyse en composantes principales inspirée de Carricano et Poujol⁶⁰ a été utilisée
comme méthode d'extraction, nous permettant ainsi, de synthétiser les données en

construisant un petit nombre des nouvelles variables. L'analyse est faite sur une matrice de corrélation avec rotation varimax pour minimiser le nombre des variables ayant de fortes corrélations sur chaque facteur et obtenir une structure factorielle plus claire.

Pour s'assurer de la cohérence des données, l'adéquation a été fournie par les indicateurs suivants :

? Le test de Sphéricité de Bartlett⁶¹ : pour examiner la matrice de corrélation et ressortir la probabilité de l'hypothèse nulle selon laquelle toutes les corrélations sont de zéro. Le test doit donc être significatif (la probabilité d'obtenir la valeur du test doit être plus petite que .05), avec une valeur de significativité (en abrégé Sig) inférieure à 0,05 pour nous permettre de rejeter l'hypothèse nulle. Dans ce dernier cas, la validité convergente de l'échelle serait approuvée. Cette validité est donc établie lorsque les mesures d'un même construit sont corrélées entre elles.⁶²

⁵⁸ C. Durand, L'analyse factorielle et l'analyse de fidélité. Montréal: Université de Montréal, 2003, p19.

⁶⁰M. Carricano, F. Poujol, & L. Bertrandias, Analyse de données dans SPSS, collection syntex, 2008, p143.

⁶¹ D. Desbois, Une introduction à l'Analyse en Composantes Principales avec SPSS pour Windows. Paris: Cedex, n.d, p9.

? La « Measure of Sampling Adequacy » (MSA) ou Kaiser-Meyer-Olkin (KMO) : pour

vérifier dans quelle proportion les variables retenues forment un ensemble cohérent et mesurent de manière adéquat les concepts RSE et accès au financement.

Un KMO élevé indique qu'il existe une solution factorielle statistiquement acceptable qui représente les relations entre les variables. Ainsi, des valeurs de KMO comprises entre 0,3 et 0,7 représentent des solutions factorielles acceptables. Une valeur de KMO comprise entre 0,80 et 0,89 est dite de grande validité. Elle est dite de très grande validité pour une valeur au-delà de 0,9. Elle sert aussi pour la mesure de la qualité d'échantillonnage⁶³.

Deux critères nous ont permis d'extraire les facteurs notamment de L'« eigenvalue », ou règle des valeurs propres qui représente la quantité d'information capturée par une composante. Seules les composantes ayant une valeur propre supérieure à 1 ont été retenues ; et le critère du pourcentage de variance avec lequel l'extraction est imposée à au moins 60% de la variance expliquée pour s'assurer que les facteurs expliquent une quantité significative de la variance.

L'épuration de l'échelle est faite en deux temps : Le seuil du coefficient structurel d'une part, qui est fonction de la taille de l'échantillon, a été fixé à 0,40. Ainsi donc, a été éliminé de l'échelle, tout item dont le poids factoriel est supérieur à 0,39 sur plusieurs facteurs et celui n'ayant aucune contribution supérieure ou égale à 0,50 sur l'une des composantes principales identifiées et la part de la variance expliquée (communalité) d'autres part, pour chaque item; devrait être supérieure ou égale à 0,5.

Comme déjà expliqué dans la partie précédente, avant d'effectuer l'analyse factorielle dans une recherche, les données doivent être soumises au test de validité. Ainsi, dans le tableau ci-après nous avons testé la validité de nos instruments de mesures.

De ce tableau, il ressort que pour les items retenus pour mesurer la responsabilité sociale de l'entreprise, réunies sont valides soit un test de Kaiser-Meyer-Olkin (KMO) de 74%. De son côté le test de KMO pour la variable accès à l'information est de 70%. Toutefois, il s'observe que pour les deux variables (RSE et ACCFIN) le Test de spécificité de Bartlett sont significatifs au seuil de 0,000 car sont inférieurs à 0,05.

Ces tests étant vérifiés soit supérieur au minimum de 30 à 70% dans une recherche exploratoire pour le test de KMO et la significativité approuvée, nous pouvons passer à l'analyse de la matrice de corrélation pour vérifier le poids factoriel de chaque item dans les dimensions (la communalité). La variance de chaque dimension dans la variable RSE d'une part et ACCFIN de l'autre part.

Notons que l'analyse en composante principale (ACP) a été retenue dans cette recherche comme méthode d'extraction car elle est la plus employée dans une analyse factorielle exploratoire. Avec cette méthode, les données seront synthétisées et des nouvelles composantes seront ressorties pour la suite d'analyses et tout item ayant une faible communalité soit <0,50 a été éliminée dans la suite des analyses. En plus la règle de la valeur propre « Eigenvalue » a été vérifiée pour l'ensemble de construits.

Items retenus après rotation	Les Dimensions
Items retenus après rotation	SOET	ECO	BES	ENV	LEG
Nous avons déjà passé au recyclage dans notre entreprise	,789
Notre entreprise évacue le travail des enfants de nos fournisseurs	,708
Notre entreprise lutte contre la corruption, la tricherie et la fraude	,644
Nos actionnaires sont rémunérés de façon responsable	,506
Notre entreprise a déjà trouvé un fournisseur d'énergie renouvelable		,610
Notre entreprise favorise les circuits courts		,878
Nous sommes flexibles dans la gestion des congés de salariés dans notre entreprise		,781
Nous avons optimisé notre consommation d'énergie grâce à un plan de réduction du gaspillage d'énergie			,819
Nous oeuvrons pour favoriser l'emploi des jeunes et des séniors			,740
Nous avons déjà passé à un mécanisme de réduction de la consommation des papiers				,800
Nous avons un système de management environnemental efficient				,780
Nous avons déjà passé à l'optimisation de notre flotte de véhicules				,613
Notre entreprise est Fiscalement responsable					,826
Cette entreprise s'acquitte de ses obligations envers l'Etat					,753
Eigen values	3,743	2,302	2,066	1,460	1,19
Variance extraite	24,95	15,34	13,77	9,730	7,97
Cumul	24,95	40,29	54,07	63,80	71,77

Il ressort de cette matrice que les cinq dimensions de départ pour mesurer la Responsabilité Sociale de l'Entreprise ont été retenues après rotation. Ainsi, après rotations ces dimensions ont été rangées comme suit :

Contrairement à notre confection de départ, la première dimension est la dimension Social et éthique, la deuxième dimension est la dimension Economique, la troisième dimension est le Bien-être des salariés, la quatrième dimension est maintenant la dimension Environnement dans la RSE et en fin la cinquième dimension dans la variable RSE est la dimension Légale.

Il ressort de ces résultats que quatre items sont retenus pour la dimension Social et Ethique ; ces items expliquent 24,960% de variance total extraite dans la variable RSE avec une valeur propre de 3,743 >1.

La deuxième dimension Economique : trois items sont rattachés à cette dimension et expliquent 15,347% de variance dans la responsabilité sociale de l'entreprise. La règle de la valeur propre est de 2,302 >1.

Apres rotation, la troisième dimension pour expliquer la RSE est le bien-être des salariés, pour cette dimension deux items ont été retenus après extraction, et ces items expliquent pour leur part 13,775 de variance dans la RSE et présente une valeur propres supérieur à 1 soit de 2,066. Constatons en suite que la quatrième dimension pour la variable RSE est devenue l'aspect environnemental, après extraction trois items ont été rattachée à cette dimension, ces items représentent 9,730% de variance total dans la variable RSE et une valeur propres de 1,460 qui est supérieur à 1.

Enfin, la dernière dimension dans la RSE est l'aspect Légale, avec deux items retenus après extraction, elles expliquent 7,975% de variance dans la RSE avec une valeur propre de 1,196 supérieure à 1.

Rappelons cependant comme déjà dit dans la première partie de cette analyse factorielle, que les items sont groupés sur les composantes en fonction de leurs poids factoriel. Pour le cas de cette étude une valeur de 0,50 a été retenue pour l'extraction et tout item dont la communalité a été inférieure à 0,50 a été exclu dans l'analyse et le reste d'items ont été pris sur les dimensions en fonction de leur importance dans la dimension. C'est ainsi que nous trouvons une permutation des divers items autour de nos cinq items.

D'une manière globale, contrairement à 48 items de départ pour expliquer la RSE regroupées autour de cinq dimensions, 15items ont été retenus après extraction et ces items expliquent globalement 71,7% de variance dans la Responsabilité sociale de l'Entreprise.

Tableau N°5 : Matrice de composante après rotation pour la variable ACCIFIN

Items retenus après rotation	Les Dimensions
Items retenus après rotation	ENEX T	SF	VOPR	COPR
L'image nous donné par nos clients nous permet d'accéder au financement	,852
C'est notre capacité de faire face à nos conçurent qui nous permet d'accéder aux financements de notre PME	,672
La bonne relation avec nos clients compte pour notre PME pour avoir le financement	,817
Malgré la multiplication des concurrents, nous sommes toujours servis en cas de demande de financement grâce à notre capacité de remboursement		,651
Le respect de normes environnementales par notre PME nous permet d'accéder au financement bancaire		,792
Grace à l'image fidèle de notre PME envers de l'administration fiscale, nous accédons aux financements		,764
Nous ne pouvons recourir à la banque que lorsque les procédures de crédit sont flexibles et des conditions favorables de remboursement			,819
Notre capacité à exploiter les opportunités qui se présente dans le milieu nous permet d'accéder au financement			,756
Notre capacité à faire face aux menaces des autres PME concurrents nous permet à accéder au financement			,603
Peu importe le risque, nous ne pouvons pas faire recours au financement bancaire dans notre entreprise				,912
Nous ne sommes pas intéressés au financement bancaire pour financer les activités de cette entreprise				,740
Eigen values	2,851	1,915	1,474	1,427
Variance extraite	25,919	17,409	13,399	12,973
Cumul	25,919	43,329	56,728	69,701

La matrice ci-haut explique les dimensions retenues pour expliquer la variable accès au financement (ACCFIN).

Le résultat de ce tableau démontre que les quatre dimensions de départ de mesure de l'ACCFIN sont vraies mais il s'est observé une plus grande rotation des items sur ces dimensions. Ainsi, la première dimension est devenue l'Environnement externe de la PME (ENEXT). Apres extraction, trois items ont été retenus et ces items expliquent 25,919% de variance total dans la variable ACCFIN. Il s'observe que la règle de la valeur propre est très bonne soit de 2,851 >1. La deuxième dimension pour l'ACCFIN est la structure financière (SF), avec les trois items y rattachées, elles expliquent 17,409% et une valeur propres de 1,915 >1.

Pour sa part, la troisième dimension qui est la volonté du propriétaire de dirigeant (VOPR) expliquent 13,399% de variance extraite dans la variable ACCFIN avec une valeur propre de 1,474>1.

Enfin, la dernière dimension (comportement du propriétaire/dirigeant) regroupe deux items, ces items expliquent 12,973% de variance dans la variable ACCFIN et une valeur propre supérieure de 1,427 à 1.

Globalement, il est observé que les items retenus pour mesurer l'ACCFIN ont été groupés autour de quatre dimensions, ces items expliquent d'une manière globale 69,70% de variance totale.

Pour rappel, les items ici retenus ont fait preuve d'une communalité forte supérieure ou égale 0,50 et tous les items en deçà du seuil ont été éliminés.

Avant de continuer avec les analyses, nous avons fait un test de fiabilité de nos instruments de mesures.

Il ressort de ce tableau un bon score pour le coefficient d'Alpha de Cronbach pour la variable RSE soit de 0,753 et 0,701 pour la variable ACCFIN. En n'est point douter, les 15 items avec lesquelles nous mesurons la RSE sont fiables à 75,3% soit un bon coefficient de fiabilité pour une analyse exploratoire comme celle-ci.

En second lieu, il ressort que les 11 items avec lesquelles nous avons mesuré l'ACCFIN présentent un coefficient de fiabilité de 70,1% qui est un aussi un bon score.

Globalement, il est à constater que les 26 items avec lesquelles nous avons mesuré la RSE et ACCFIN montrent un degré de fiabilité de notre recherche de 86,6%.

Avant d'être analysées, les données recueillies provenant des questionnaires sont codifiées à des fins d'analyse statistique. Elles ont été compilées à l'aide du logiciel statistique SPSS, selon une organisation des données en lien entre les stratégies et les résultats obtenus. Les variables ont été capturées comme des variables quantitatives pour faciliter l'analyse et le traitement des données. Ensuite, les deux axes de l'analyse quantitative seront suivis dont l'analyse de corrélation et de régression.

La corrélation est une autre manière d'évaluer le rapport entre les variables. Pour être plus précise, elle mesure l'ampleur de la correspondance entre commande de deux variables aléatoires c'est-à-dire les méthodes statistiques destinées à quantifier et tester la liaison entre deux variables quantitatives⁶⁴. Dans cette étude, Nous nous servons du coefficient de corrélation linéaire simple, aussi connu en tant que coefficient de corrélation de Bravais-Pearson, pour établir si nos deux variables mesurées sur le même ensemble d'observations varient de façon analogue ou non.⁶⁵Ce coefficient est généralement employé quand les variables sont de nature quantitative. Lorsqu'on veut tester si un coefficient est significatif, on pose en fait l'hypothèse nulle que le coefficient est zéro.⁶⁶Nous aurons à déterminer la covariance afin de quantifier la liaison entre deux variables X et Y (Responsabilité Sociale de l'Entreprise et accès au financement), en vue d'une mise en évidence du sens de la liaison et de son intensité. Sa définition est égale à l'espérance du produit des variables centrées c'est-à-dire : ?????? (X, Y) = E {[X - E(X)] [Y - E(Y)]} et/ou ?????? (X, Y) = E [XY] - E[X] E [Y].

Le coefficient de corrélation de Pearson est dénoté par r et est défini par la covariance divisée par le produit des écarts types de x et y : r = ??????????/???? ????. Cette corrélation

⁶⁴Rakotomalala, Analyse de corrélation : Étude des dépendances - Variables quantitatives, 2017.

⁶⁶PSY, Corrélation et régression, Techniques d'analyses en psychologie, 2012, p8.

correspond également au coefficient de régression (f.?) divisé par l'écart type de la variable

La valeur de ?? se trouve toujours entre -1 et 1 inclus, c'est-à-dire -1 = ?? = 1: Si Y augmente quand X augmente, nous disons qu'il y a corrélation positive ou directe entre eux. Par contre, si Y diminue quand X augmente (ou inversement, nous pouvons dire qu'ils sont négativement ou inversement corrélés. Le lecteur doit ne doit pas perdre de vue ici, il doit avoir toujours présent à l'esprit que « directe » et « inverse » sont des termes qui sont employés dans le contexte de la variation ou de la proportionnalité.

A partir du moment où les tests de diagnostic et de validation sont concluants dans l'étude de corrélation, le signe et la valeur des coefficients fournis par la régression seront interprétés suivant les critères économétriques.⁶⁸Ainsi donc, dans cette étude, nous avons utilisé le modèle de régression linéaire simple afin de mettre en avant une relation de dépendance entre les variables de notre étude. L'accès au financement est la variable que l'on cherche à expliquer (à prédire), on parle de variable endogène (dépendante) ; la RSE est la variable explicative (prédictive), on parle de variable exogène (indépendante). Le modèle de régression linéaire simple s'écrit : ???? = oc + j????? + ???.

oc et f.? étant les paramètres (les coefficients) du modèle. Dans le cas spécifique de la régression simple, j? est la pente, a la constante. Le terme aléatoire åi, que l'on appelle l'erreur du modèle va nous permettre de résumer toute l'information qui n'est pas prise en compte dans la relation linéaire que l'on cherche à établir entre la RSE et l'accès au financement.

En plus, nous avons passé au principe de l'ajustement des moindres carrés ordinaires afin de déterminer les valeurs de oc et j? en utilisant les informations apportées par l'échantillon en visant que l'estimation soit la meilleure possible.

⁶⁸P. A. Dahoui, Efficacite des depenses publiques en capital humain au Benin. Université Cheikh Anta DIOP de Dakar, 2000 p65.

La responsabilité sociale de l'entreprise et l'accès au financement par les PME de la ville de Bukavu.

II.2. Le traitement des données