SECTION III : METHODE DE TRAITEMENT DES DONNEES ET DE
VALIDATION DES HYPOTHESES
Les données
recueillies à l'aide du questionnaire n'ayant pas de signification en
elles-mêmes, ne peuvent servir qu'après traitement. Aussi
présenterons-nous la méthode d'analyse des données et de
validation des hypothèses.
III-1. Méthode d'analyses des
données
Notre analyse des
données a commencé par un traitement préalable sous Excel
en utilisant la méthode de Tri à plat qui consiste à
rassembler les valeurs prises par une variable de manière à
pouvoir construire les tableaux de fréquences issues des pourcentages
réalisés, variable par variable. Ensuite, nous procédons
à un second traitement grâce à un logiciel
spécialisé appelé Predictive Analytic Software Statistics
de SPSS dans sa version 18.0, sous environnement Windows. Elle permet de
mesurer jusqu'à quel point deux ou plusieurs variables sont
reliées entre elles. Les techniques utilisées pour mesurer
l'intensité d'une telle relation sont appelées des mesures
d'association, tandis que les valeurs numériques qui leurs sont
assignées sont des coefficients d'association. La corrélation
bivariée de Pearson est utilisée à ce niveau pour tester
les hypothèses relatives au lien entre les pratiques de GRH et la
performance sociale. Elle permettra de vérifier le degré de
pertinence des liens entre les variables des pratiques RH et chacun des
indicateurs de la performance sociale d'une part et d'autre part, entre les
différentes variables des pratiques de GRH et la performance sociale
prise globalement.
III-2. Méthode de validation des
hypothèses
Les analyses descriptives nous permettent de vérifier
la pertinence des pratiques RH. Les pratiques de GRH les plus pertinentes dans
l'entreprise sont celles qui ont des pourcentages cumulés croissants
correspondant au code 3 « pas d'avis » inférieur ou
égal à 90%.
Le coefficient de corrélation linéaire que l'on
appelle encore « r » de Pearson permet de mesurer
l'intensité entre deux variables. Il indique la force de la relation
existant entre les variables, de même que la direction de cette relation.
Variant entre -1 et +1, ce dernier indique la relation positive parfaite. La
valeur (0) montre que les variables ne sont pas du tout associées et
(-1) indique une relation négative parfaite.
Pour valider nos hypothèses, nous retiendrons les
corrélations qui présentent un signe positif. Ainsi, une
corrélation peut être, soit positive, soit positive et
significative. Elle est positive, lorsqu'elle présente simplement un
signe positif. Elle est positive et significative lorsque l'indicateur de
corrélation est suivi d'un ou de deux astérisques. Lorsque le
coefficient est suivi d'un astérisque on dit que la corrélation
est significative au seuil de 5%, (P<0.05). Par contre lorsqu'elle
présente deux astérisques, elle l'est à 1% (p<0.01),
exprimant le degré de corrélation le plus élevé.
| 
