III.2.3. Intention de
switch : l'analyse approfondie et la présentation des
données de l'analyse factorielle
À présent, l'intention de switch après
avoir capté l'appréciation des services au sein de la COOPEC
AKIBA YETU. L'analyse approfondie part du même principe de purification
à procédés itératifs.
III.2.3.1. Recherche de la solution optimale
Comme c'était le cas pour la variable
« appréciation des services », à ce niveau
est présentée la solution optimale de l'analyse factorielle et
les items qui ont été mis de côté, démarche
photo à celle de la première variable explicitée au point
3.2.2.1.La même question que celle posée au niveau de
l'appréciation des services réapparait : Mais peut-on dire
que tous les 56 items permettent de mesurer l'intention de switch avec
fiabilité ? une question qui trouve des réponses dans la
solution optimale ici présentée.
S'agissant d'un procédé itératif, qui
consiste à supprimer les items expliquant la variance de plus d'une
composante et ayant une communalité inférieure à 0,5 les
itérations continuent donc, de la même façon,
jusqu'à atteindre le niveau optimal, où chacun des items a une
communalité supérieure à 0,5 et n'explique qu'une seule
composante. Après toutes les itérations effectuées (6 au
total), les tableaux suivants présentent la solution optimale
d'intention de switch.
Tableau n°3.6.1 Solution optimale de l'analyse
factorielle de l'intention de switch : KMO et test de Bartlett
Indice de Kaiser-Meyer-Olkin pour la mesure de la
qualité d'échantillonnage.
|
0,876
|
Test de sphéricité de Bartlett
|
Khi-deux approx.
|
3083,908
|
Ddl
|
378
|
Signification
|
0,000
|
Source : Méthode d'extraction (Analyse en
composantes principales)
Les statistiques reprises dans le tableau n°3.6.1
démontrent que les résultats de cette analyse factorielle sont
bons, un KMO de 0,876. Le test de sphéricité de Bartlett indique
que la matrice est factorisable (la signification associée au test est
de 0,000 soit 0,0% inférieure au seuil de 0,05 soit 5%). À ce
niveau donc, il s'avère judicieux de chercher les composantes
principales de cette solution. Et celles-ci sont mises en évidence dans
le tableau suivant :
Tableau n°3.6.2. Structure factorielle après
rotation : intention de switch
N°
|
Composantes/dimensions
|
Items significatifs
|
Principales composantes
|
Communalités
|
1
|
2
|
3
|
4
|
5
|
6
|
|
1
|
Services offerts vis-à-vis des attentes
(á=0,881 et n=9)
|
SW10SERVICES
|
0,754
|
|
|
|
|
|
0,680
|
SW5SERVICES
|
0,730
|
|
|
|
|
|
0,674
|
SW9SERVICES
|
0,724
|
|
|
|
|
|
0,688
|
SW6SERVICES
|
0,718
|
|
|
|
|
|
0,616
|
SW7SERVICES
|
0,700
|
|
|
|
|
|
0,538
|
SW8SERVICES
|
0,673
|
|
|
|
|
|
0,604
|
SW3SERVICES
|
0,626
|
|
|
|
|
|
0,579
|
SW11SERVICES
|
0,616
|
|
|
|
|
|
0,572
|
SW14SERVICES
|
0,610
|
|
|
|
|
|
0,568
|
2
|
Réponse aux besoins spécifiques des
membres : satisfaction
(á=0,901 et n=7)
|
SW1SATISF
|
|
0,811
|
|
|
|
|
0,724
|
SW3SATISF
|
|
0,746
|
|
|
|
|
0,724
|
SW1REPONSE
|
|
0,732
|
|
|
|
|
0,667
|
SW2CONV
|
|
0,724
|
|
|
|
|
0,710
|
SW2REPONSE
|
|
0,702
|
|
|
|
|
0,656
|
SW2SATISF
|
|
0,690
|
|
|
|
|
0,674
|
SW10CONV
|
|
0,592
|
|
|
|
|
0,610
|
3
|
Concurrence publicitaire (á=0,846 et n=5)
|
SW3CONCPUB
|
|
|
0,782
|
|
|
|
0,725
|
SW1CONCPUB
|
|
|
0,759
|
|
|
|
0,674
|
SW2CONCPUB
|
|
|
0,718
|
|
|
|
0,727
|
SW4CONCPUB
|
|
|
0,671
|
|
|
|
0,606
|
SW5CONCPUB
|
|
|
0,657
|
|
|
|
0,644
|
4
|
Switch involontaire
(á=0,848 et n=3)
|
SW2ENVIEINVOL
|
|
|
|
0,868
|
|
|
0,779
|
SW1ENVIEINVOL
|
|
|
|
0,868
|
|
|
0,759
|
SW3ENVIEINVOL
|
|
|
|
0,856
|
|
|
0,764
|
5
|
Canal de distribution et qualité de services
(á=0,402 et n=2)
|
SW3CONV
|
|
|
|
|
0,688
|
|
0,506
|
SW15SERV
|
|
|
|
|
0,599
|
|
0,534
|
6
|
Stabilité et changement de services
(á=0,415 et n=2)
|
SW6CONV
|
|
|
|
|
|
0,845
|
0,744
|
SW3REPUT
|
|
|
|
|
|
0,582
|
0,501
|
Variance totale expliquée
|
34,019%
|
43,011%
|
50,026%
|
56,140%
|
60,911%
|
65,127%
|
|
Alpha de Cranach (fiabilité globale de
l'échelle)
|
á=0,923
|
|
Source : Méthode d'extraction (Analyse en
composantes principales)
Après purification de l'échelle de mesure de
l'intention de switch, 28 items sont retenus à optimum, répartis
sur 6 dimensions fiables à 0,881 ; 0,901 ; 0,846 ;
0,846 ; 0,848 ; 0,402 ; et 0,415.
Les deux dernières dimensions sont moins fiables, le
canal de distribution et qualité de services d'une part et d'autre la
stabilité et changement de service. Ce qui est évident est que la
Microfinance en RDC, apparait comme une routine, les produits que propose
l'institution financière X sont identiques et homogènes à
ceux offerts par l'institution financière Y. ce qui les distingue c'est
juste le vocabulaire (la forme, l'apparence mais le fond est le même
partout). Un membre ne peut, à la limite, prétendre
adhérer dans une institution et espérer être satisfait car
l'institution est innovante.
De même lorsqu'un client/membre abandonne une
institution, il risque de retrouver les mêmes difficultés
là où il va. Ce que plusieurs membres ignorent jusqu'aujourd'hui
est que le secteur financier est interconnecté. Ainsi, si une
institution va mal, certes tout le circuit court à sa chute imminente.De
toutes les itérations, nous pouvons, sans doute, dire que l'intention de
switch ne comprend que six dimensions au lieu de dix, à savoir Services
offerts vis-à-vis des attentes et besoins des membres, Réponses
aux besoins spécifiques des membres, Concurrence publicitaire, Switch
involontaire, Canal de distribution et qualité de services (avec 2
items) en enfin Stabilité et changement de services.
Le niveau de fiabilité de
l'échelle de mesure en supprimant tour à tour chacun des items
purifiés ne s'améliore guère. Et dans tout le cas, la
suppression d'aucun élément ne peut améliorer le
coefficient Alpha de Cronbach ou dire aucun élément de ces 28.
Cette échelle présente une fiabilité de cohérence
interne très bonne (á=0,923). Il n'est donc pas possible
d'améliorer le coefficient Alpha de Cronbach en éliminant un ou
plusieurs items. En définitive nous gardons ces 28 items pour mesurer
l'intention de switch dont les statistiques descriptives sont reprises dans le
tableau n°3.7.1 suivant.
|
|