4-2 : Test de la relation de contingence entre la
participation budgétaire et la performance organisationnelle à
travers la variable modératrice
« compétitivité »: hypothèses H2, H3
et H4
Il s'agit mesurer l'effet de la variable modératrice
« intensité de la compétitivité » sur
la relation entre la participation budgétaire et la performance
organisationnelle, dans l'hypothèse 2 on prendra comme variable
indépendante le score globale de la variable participation
budgétaire (analyse globale), dans l'hypothèse3 et 4 on
procède par une analyse dimensionnelle de la variable participation
budgétaire (dimension implication et dimension influence).
4-2-1:
Vérifications des hypothèses de la régression (MRA) :
Ces hypothèses sont inspirées de l'étude de
Makridakis et Weelwright (1983) :
Hypothèse 1 : Le modèle doit
être linéaire : La relation entre la variable
dépendante et chaque variable indépendante doit être
linéaire. Cette hypothèse peut être vérifiée
soit graphiquement (vérifier si la majorité des points ont une
tendance de former une droite) soit numériquement (vérifier si
l'écart type de la variable à expliquer dépasse celui des
résidus non standardisés).
Hypothèse 2 : La variable
dépendante doit être normalement distribuée :
le graphe de normalité suivant confirme cette
hypothèse :
Hypothèse 3 : Le nombre d'observations
doit être supérieur au nombre de variables :
Cette hypothèse est vérifiée car le nombre de variables
est de 3 qui est inférieur au nombre d'observations qui
s'élève à 61.
Hypothèse 4 : Les variables
indépendantes ne doivent pas être
colinéaires : Les variables explicatives doivent
être linéairement indépendantes c'est-à-dire
qu'elles ne doivent pas expliquer la même chose, auquel cas il serait
inutile de les considérer toutes les deux. Le test de cette
hypothèse est assuré par l'examen de la tolérance et du
facteur d'inflation de la variance (VIF).
|
Modèle
|
Statistiques de colinéarité
|
|
Tolérance
|
VIF
|
|
PB
COMP
INTERACTION (PB*COMP)
|
0.952
0.909
0.947
|
1.051
1.100
1.056
|
La règle du test consiste en : plus les
tolérances sont proches de 1 plus l'absence de colinéarité
parait évidente. Aussi une valeur de VIF inférieure à 2
indique l'absence de la colinéarité. En appliquant cette
règle de décision, nous pouvons confirmer l'absence du
problème de colinéarité dans notre modèle.
| 
