II.3. Tests explicatifs
Nous allons procéder par la corrélation entre
les variables et en suite par la régression linéaire simple.
L'analyse de corrélation sera effectuée pour vérifier la
liaison entre les deux variables, et le test de la régression linaire
donnera la pertinence de cette liaison.
Pour ce qui est de test de corrélation, il sera fait
dans le but de déterminer la significativité de la relation entre
la peur de l'échec et l'intention entrepreneuriale des étudiants
de la faculté d'économie de l'UOB. La corrélation prouve
qu'il y a ou non une association entre variables sans préciser quelle
variable est la cause de l'autre. A cet effet, pour combler le gap
laissé par la corrélation, celle-ci sera complétée
par la régression linéaire simple.
16
La régression simple étudie la relation qui
existe entre une seule variable explicative et la variable à expliquer
(Foucart, 2006). L'intention entrepreneuriale sera régressée sur
la variable indépendante « peur de l'échec ».
Pour calculer la régression linéaire simple, on
notera y, la variable aléatoire à expliquer (variable
endogène, dépendante ou réponse) et x la variable
explicative ou effet fixe (exogène). Le modèle suppose
implicitement une notion préalable de causalité dans le sens ou Y
dépend de X car le modèle n'est pas symétrique.
On se sert de l'équation Y = I + I??x + E
pour la régression linéaire où y est la variable
dépendante, I et I?? sont des coefficients (ordonnée à
l'origine et pente), x est la variable indépendante ou explicative et E
est une erreur aléatoire.
Le calcul du déterminant se fait automatiquement sous
SPSS. Il suffit, lorsque nous voulons faire une ACP, de le préciser dans
l'option « descriptive ». Il est de même pour le test de
sphéricité de Bartlett et les KMO. Les KMO des variables se
lisent sur la diagonale de l'anti image de la matrice des corrélations
(Foucart, 2006).
17
| 
