II-3-2-2- La Validité discriminante
La validité discriminante est déterminée
en démontrant qu'une mesure n'est pas fortement corrélée
à une mesure avec quoi elle devrait être différente. Il
s'agit d'un type de validité qui précise dans quelle mesure un
concept (construit) diffère d'autres concepts (construit).
Concrètement, il s'agit de vérifier q'un construit donné
voit sa variance mieux expliquée par ses indicateurs de mesure que par
toute autre construit.
Une approche de la validité discriminnate a
été proposée par Fornell et Larcker (1981)169
mesurent qui consiste à vérifier si la variance moyenne extraite
par chacun de deux construits (par exemple 1 et 2) est plus grande que le
carré du lien structurel (4122.
II-3-2-3- La Validité nomologique
La validité nomologique désigne le degré
de similarité entre les résultats observés quant à
la relation entre les mesures et ceux des travaux passés. Pour estimer
la validité nomologique nous allons comparer les modèles de
corrélations observées avec les modèles de
corrélations attendues générées par la
théorie et confirmées par les travaux passés.
II-4- Les indices d'adéquation des échelles
de mesure aux données
D'une manière générale, il est à
noter que le recours aux équations structurelles dans
l'évaluation des indices de validation des échelles est
désormais une pratique courante. Aussi nous avons retenu les
modèles d'équations structurelles parmi l'ensemble des
possibilités d'analyse des effets de causalité. De nombreux
indices permettent d'évaluer la validité, la qualité et la
pertinence d'un modèle de mesure et/ou d'un modèle structurel.
Nous avons choisi de réaliser nos examens statistiques avec le module
Graphics du logiciel AMOS 4.0. Plusieurs indices sont proposés dans la
littérature, de même pour leurs normes. Nous avons retenu les plus
utilisés.
169 C.Fornell and D.F.Larcker ( 1981) ;Op
cit.
Tableau 8 - Indicateurs retenus et leurs normes
indicatives
|
Indices
|
Normes indicatives
|
|
RMSEA
|
<0,10 de preference [0,05 ; 0,08]
|
|
GFI
|
>0,90
|
|
AGFI
|
>0,90
|
|
RFI
|
>0,95
|
|
TLI
|
>0,90
|
|
CFI
|
>0,90
|
Conclusion
Dans ce chapitre nous avons précisé
l'échantillon choisi pour l'enquête et notre modèle
conceptuel qui met en évidence l'impact des facteurs environnementaux
sur l'intention de créer une start-up en nouvelles technologies. Ensuite
nous avons présenté notre instrument de recherche, les taux de
retour de questionnaire selon les différentes méthodes de
collecte des données et la représentativité de notre
échantillon. Enfin, nous avons traité les différents
critères de qualité des instruments de mesure qui peuvent
être résumés comme suit :
Tableau 9- Les différents critères de
qualité des instruments de mesure
|
Indicateurs
|
Nature
|
Moyen
|
|
Fiabilité
|
La fiabilité représente le degré suivant
lequel
l'instrument de recherche utilisé mesure de façon
constante le construit étudié.
|
a de Cronbach
(>0,70)
|
|
Validité convergente
|
C'est la capacité à fournir des items d'un
instrument de mesure à converger vers le même trait.
|
Variance moyenne extraite
(VME>0,50)
|
|
Validité discriminante
|
C'est la capacité d'un instrument de mesure à
fournir des résultats différents de mesures d'autres traits.
|
VME > (corr.) 2
|
|
Validité nomologique
|
Elle vise à confirmer empiriquement les liens
établis théoriquement entre le concept testé et
d'autres.
|
Indices
d'adéquation des
modèles aux
données.
|
Nous utiliserons ces critères sur nos données dans
le prochain chapitre.
| 
