4.1.1. Le tri à plat
Le tri à plat consiste à calculer les
pourcentages de chaque question afin de construire les tableaux de
fréquence. Il permet d'observer la structure d'une variable dans ce sens
qu'il montre la distribution des observations dans les
différentesmodalités d'une variable.
4.1.2. L'analyse en composante principale (ACP)
L'analyse factorielle permet d'analyser les items permettant
de capter une variable afin de retenir celui qui explique au mieux la variable.
En effet, cette analyse consiste à réduire les items permettant
de capter une variable afin d'obtenir une composante principale. L'objectif de
cette analyse purement descriptive est d'explorer un ensemble d'observation
rassemblée sous forme de tableau de données montrant pour chaque
unité statistique les valeurs observées d'un certain nombre de
variable quantitative.
L'analyse factorielle en composante principale est
fondée sur le calcul des moyennes, variances et coefficients de
corrélationlinéaire des données quantitatives
discrètes ou ordinales. Cette phase de traitement a pour objectif de
préparer les données pour la vérification des
hypothèses de recherche. Elle est très importante au regard du
nombre important de variable retenues pour opérationnaliser le
construit. Les résultats obtenus nous permettent de procéder
facilement aux analyses et interprétations. A cet effet, nous avons
mené deux types d'analyses à savoir d'abord évalué
la fiabilité des mesures au moyen de l'alpha de Cronbach de façon
à ne retenir que les variables qui maximisent la consistance factorielle
qui permet de réduire les variables en un plus petit nombre
appelé facteurs.
4.2- L'analyse bi variée et
multivariée
Ici, nous avons fait appel au
tri-croisé comme analyse bi variée et à la
régression logistique et linéaire comme analyse multi
variée.
| 
