2.3.3. Traitement et d'analyse des données
Dans le cadre de ce travail, quatre méthodes d'analyse
et d'interprétation des résultats ont été mises en
marche. Il s'agit de la méthode descriptive, de la méthode
analytique, de la méthode statistique et de la méthode
comparative.
La méthode descriptive a permis de présenter et
de décrire les données relatives à l'équilibre
entre la vie privée et la vie professionnelle et à la performance
des agents au travail. La méthode analytique, quant à elle, a
facilité l'analyse systématique des données en se
focalisant à la fois sur l'analyse des données et des
résultats dans l'ensemble et sur chaque cas. Par contre, la
méthode statistique a permis de dégager les mesures aussi de
position que de dispersion comme les tests de significativité ont
été ressortis. La méthode comparative a facilité
les confrontations des groupes d'agents suivant certaines variables afin
d'apprécier les niveaux d'équilibre vie privée - vie
professionnelle et de performance.
53
Le traitement des données a consisté dans un
premier temps en une analyse descriptive des données. Ensuite, il
était question d'une analyse factorielle exploratoire. En fin, quelques
tests statistiques ont été effectué afin d'évaluer
le lien entre différentes variables.
La description des variables qualitatives a consisté
à présenter les effectifs, c'est-à-dire le nombre
d'individus de l'échantillon pour chaque modalité de la variable,
et les fréquences, c'est- à-dire le nombre de réponses
associées aux modalités de la variable étudiée.
Pour ce qui est la description des variables quantitatives, elles ont
été décrites sur base des mesures de tendance centrale
(moyenne, médiane, mode), des mesures de dispersion (écart-type,
coefficient de variation, étendue). Au-delà de cette statistique
descriptive uni variée, certaines variables ont été
analysées deux à deux au moyen des tableaux croisés.
L'analyse factorielle a servi à identifier les
dimensions de la structure et à déterminer dans quelle mesure
chaque variable peut expliquer chaque dimension en poursuivant deux objectifs
majeurs : résumer les données et réduire les
données. Cette analyse factorielle exploratoire en composantes
principales s'est déroulée en cinq étapes : la
validité de l'échelle de mesure, l'extraction des facteurs, la
rotation des facteurs, l'épuration de l'échelle de mesure et la
fiabilité de l'échelle de mesure.
La validité de l'échelle de mesure
employée a été mesurée par les deux
éléments suivants :
- Le test de Sphéricité de Bartlett : a permis
d'examiner la matrice de corrélation et ressortir la probabilité
de l'hypothèse nulle selon laquelle toutes les corrélations sont
de zéro. Si l'hypothèse nulle est acceptée, il est
difficile d'effectuer une analyse factorielle. Le test devait donc être
significatif, avec une valeur de significativité (en
abrégé « Sig. ») inférieure à 0,05 pour
nous permettre de rejeter l'hypothèse nulle.
- L'indice Kaiser-Meyer-Olkin (KMO) : pour vérifier
dans quelle proportion les variables retenues forment un ensemble
cohérent et mesurent de manière adéquat le concept
étudié. Des valeurs de KMO comprises entre 0,3 et 0,7
représentent des solutions factorielles acceptables, fortes si entre
0,80 et 0,89.
La méthode d'extraction employée est l'analyse
en composantes principales (ACP). Elle avait pour objet de synthétiser
les données en construisant un petit nombre de variables nouvelles, les
composantes principales. Deux critères nous ont permis d'extraire les
facteurs
Pour s'assurer de la fiabilité de l'échelle
construite, le coefficient alpha de Cronbach a été calculé
afin de mesurer la cohérence interne de l'ensemble d'items.
C'est-à-dire le degré
54
:
- La règle des valeurs propres ou « eigenvalue
» ou règle de Kaiser-Guttman : qui représente la
quantité d'information capturée par une composante. Seules les
composantes ayant une valeur propre supérieure à 1 ont
été retenues, car un facteur qui aurait une valeur propre
inférieure à 1 représenterait moins d'informations qu'un
simple item.
- Le critère du pourcentage de variance : il s'agissait
d'observer les pourcentages cumulés de la variance extraite par les
facteurs successifs. L'objectif était de s'assurer qu'un facteur
explique une quantité significative de variance. L'extraction a
été arrêté lorsque 60 % de la variance
expliquée est extraite.
Afin de pouvoir interpréter les facteurs, il
était nécessaire de réaliser une rotation. Celle-ci permet
d'identifier des groupes de variables fortement liés les uns aux autres.
La rotation fait en sorte que chaque item ne soit fortement lié
qu'à un seul facteur. Cette étude a fait recours à la
rotation de type « varimax ». Celle-ci permet de minimiser le nombre
de variables ayant de fortes corrélations sur chaque facteur et
simplifie alors l'interprétation des facteurs.
L'épuration de l'échelle s'est faite en deux
temps :
- D'une part, les coefficients structurels : fixés en
fonction de la taille de l'échantillon. La taille de
l'échantillon des agents de régies à Goma étant
comprise entre 150 et 199 (inclus), le seuil retenu est de 0,45. Ainsi,
avons-nous procédé à l'élimination des items dont
le poids factoriel était supérieur à 0,45 sur deux ou
plusieurs composantes ou alors ceux dont le poids factoriel inférieur
était inférieur à 0,5 sur la composante principale
identifiée.
- D'autre part, les communalités : il s'agit de la part
de variance qui est expliquée par
l'item.
Elle devait être supérieure à 0,5 (qui
représente le seuil recommandé).
Ce processus d'épuration a été
répété jusqu'à l'obtention des items satisfaisant
aux critères ci- dessus, après quoi, il ne restait qu'à
s'assurer de la fiabilité de l'échelle retenue.
55
avec lequel les instruments utilisés mesurent de
façon constante le construit étudié à partir d'un
ensemble d'items. Il était alors question d'éliminer les items
qui diminuent le score, et de conserver ceux qui contribuent à augmenter
l'alpha. Le seuil d'acceptabilité de l'alpha varie selon l'objectif de
la recherche. Pour une étude exploratoire comme celle-ci, un coefficient
plus faible est acceptable (0,6) alors que dans le cadre d'une recherche
fondamentale, il doit être plus élevé (> 0,8).
Les niveaux de globaux ont été
dégagés en fonction des items et dimensions significatifs
extraits de l'analyse factorielle en composantes principales. Pour chaque
dimension, un score moyen a été calculé. Afin de trouver
l'indice global du concept en étude, il a été question de
pondéré le score moyen de la dimension à son poids dans
l'explication du concept. L'indice ainsi calculé a été
à son tour divisé par le niveau de l'échelle (5 pour la
performance et 4 pour l'équilibre vie privée - vie
professionnelle) afin de l'exprimer en pourcentage.
Statistiquement, les résultats de comparaison
algébrique des indices dégagés ne seraient pas valables.
En effet, en cas de différence entre les niveaux d'équilibre vie
privée - vie professionnelle et de performance des agents de la TMK, une
étude de significativité de cette différence s'impose.
C'est pourquoi, nous avons fait recours au test t d'égalité des
moyennes de des niveaux inter agents du point de vue genre (Homme et Femme).
Pour que le test t soit faisable, le critère
d'homogénéité des variances s'est imposé. Ce
critère est vérifié grâce au test de Levene. Pour
toutes les valeurs significatives au test de Levene (Probabilité y
attaché est inférieure à 0,05), la première ligne
du test a été lue. La lecture de la seconde ligne reposait sur le
critère selon lequel la probabilité au test Levene est
supérieure à 0,05. L'hypothèse nulle suppose qu'il n'y a
pas de différence entre les moyennes des groupes d'agents Hommes et
Femmes. En d'autres termes, la différence entre les deux moyennes est de
0. L'hypothèse alternative soutient qu'il y a une différence
entre les deux moyennes.
Par ailleurs, lorsqu'il s'agissait de déterminer
l'influence des variables quantitatives sur une variable quantitative, la
régression a été appliquée. En effet, la
régression sert à analyser la relation entre une variable
dépendante quantitative et plusieurs variables indépendantes
quantitatives. Chaque variable indépendante a été
évaluée par la procédure de régression de
56
façon à maximiser la prédiction de la
variable expliquée. Pour notre cas, il s'agit ici de tester l'influence
de l'équilibre entre la vie privée et la vie professionnelle sur
la performance individuelle des agents au travail.
En somme, l'analyse descriptive, l'analyse factorielle
exploratoire en composantes principales, la comparaison des moyennes et la
régression ont été facilitées par le logiciel
SPSS.23.0. Le Microsoft Office Excel 2016 est intervenue dans le retraitement
des données issues du Serveur KoBoToolBox, avant leur exportation vers
le staticiel SPSS.23.0.
57
| 
