Memoire Online - Analyse de l'efficacité des outils du contrôle de gestion à la mutuelle "le défi ".

Pour approfondir nos analyses, avons proposé une analyse factorielle. L'analyse factorielle est une collection de méthodes utilisées pour examiner comment les constructions sous-jacentes influencent les réponses sur un certain nombre de variables mesurées (Volle, 1985). L'analyse factorielle permet à partir de deux ou plusieurs facteurs, non observables directement, d'expliquer un phénomène (Fruchter, 1954). Elle permet de résumer l'information sans que la démarche soit à proprement parler descriptive puisqu'il existe un modèle sous-jacent (Peterson, 2017). Pour ce faire, il serait intéressant préalablement d'analyser la consistance interne des items et voir si ceux-ci peuvent mesurer le même phénomène.

Pour cela nous avions procédé au test de fiabilité dont les résultats sont dans le tableau suivant. D'après ce tableau, la valeur de l'alpha de Cronbach est de 0,898 en ce qui concerne les « variable identification des outils de contrôle de gestion et outils de contrôle et performance » se présentent comme suit :

Bien qu'il existe une absence de consensus sur le sujet, de nombreux auteurs conviennent qu'une valeur alpha supérieure à 0,7 est satisfaisante. La valeur dans le cadre de cette étude qui est de 0,898 est satisfaisante au regard du test de fiabilité. Ce résultat peut s'expliquer par le fait que les différentes affirmations sont en adéquation avec le concept fondamental. Avant de procéder à l'analyse factorielle, il est recommandé de vérifier par le test de Kaiser Meyer Olkin si les données sont adaptées. La valeur du KMO est de 0,616. Une variable pertinente pour l'analyse devrait obtenir un KMO supérieur à 0,5. (Kaiser, 1974) a proposé une échelle de valeur pour le KMO.

Indice KMO et test de Bartlett
Indice de Kaiser-Meyer-Olkin pour la mesure de la qualité d'échantillonnage.		,616
Test de sphéricité de Bartlett	Khi-deux approx.	36,074
	ddl	05
	Signification	,002

Nous avons ci-dessous le tableau d'appréciation des valeurs KMO qui nous permettrons de juger notre indice de KMO portant sur la qualité de l'échantillon. Ce tableau a été adapté du modèle de Ruben (2011).

Valeur	Appréciation
Inférieur à 0,5	Inacceptable
Entre 0,5 et 0,6	Moyen
Entre 0,7 et 0,8	Bien
Entre 0,8 et 0,9	Très Bien
Supérieur à 0,9	Excellent

Cette valeur est acceptable car elle est supérieure à 0,5. Il convient donc de dire qu'il existe une solution factorielle statistiquement acceptable qui représente les relations entre les variables. Afin d'obtenir une représentation factorielle plus simple, nous avons fait une rotation Varimax dont les résultats sont consignés dans le tableau XII. Il faut noter que les 6 items sont regroupés en 2 facteurs.

Items	Codification
Le pilotage de votre entité est organisé par le cycle plan - budget - analyse des résultats.	V1
Votre entreprise a un système de contrôle proactif.	V2
Vous utilisés des tableaux de bords prospectif pour piloter l'organisation dans son ensemble	V3
Votre contrôle de gestion est matérialisé par les outils de prévision (plan, budget), de suivi (Tableau de bord) et d'analyse (calcul des coûts).	V4
La technique budgétaire ne semble plus en mesure d'assurer l'efficacité des systèmes de mesure de la performance au sein de la mutuelle.	V5
Les outils de contrôle de gestion sont de deux catégories : l'analyse des coûts et des marges par produits (et par activité) et les méthodes de planification et de gestion budgétaire dans cette entreprise.	V6

Ce tableau nous permet de mieux comprendre la matrice des composantes après rotation qui met en exergue les facteurs retenus à la suite de l'analyse factorielle. Il est composé de 6 items de notre questionnaire d'enquête.

Rotation de la matrice des composantes^a
Items	Composante
Items	1	2
V1	,242	,745
V2	-,183	,867
V3	,683	-,242
V4	,850	,319
V5	,874	,242
V6	,547	,684
Méthode d'extraction : Analyse en composantes principales. Méthode de rotation : Varimax avec normalisation Kaiser.
a. Convergence de la rotation dans 3 itérations.

Cette rotation nous permet de préserver l'interdépendance entre les facteurs. Nous avons ensuite regroupé les valeurs des items et nous les avions nommés :

Le regroupement en deux composantes est important du fait qu'il nous montre à travers le tracé d'effondrement que les items expliquent ou donnent une réponse concrète en ce qui concerne les variables étudiées. La première composante traite en effet de la matérialité du contrôle de gestion par les outils reconnus. L'interdépendance des items est très remarquable au niveau de la variable codant pour l'identification des outils du contrôle de gestion c'est-à-dire composante 1 du graphique des valeurs propres. La deuxième composante retenue quant à elle permet de caractériser les outils identifiés par la première composante de ce même graphique. La valeur propre est assez grande (1,5) et permet de dire que les items traitent bien du sujet de la variable.

Statistiques de ratio pour V4 / V5
Groupe	Différentiel lié au prix	Coefficient de dispersion	Coefficient de variation
Groupe	Différentiel lié au prix	Coefficient de dispersion	Médiane centrée
Pas du tout d'accord	1,129	,429	63,8%
Pas d'accord	1,095	,208	28,5%
Indifférent	1,339	,380	60,4%
D'accord	1,150	,333	59,3%
Tout à fait d'accord	1,000	,000	-
Tous	1,190	,400	59,1%

Les statistiques de ce tableau nous révèle une cohérence absolue entre les réponses que nous ont fournis nos enquêtés. Les deux items étant réciproquement exclusives nous sommes parvenus à extraire un coefficient de dispersion intéressant 0,4 qui va asseoir nos résultats précédents sur l'efficacité des outils et la performance de l'entité. Cela est d'autant plus visible à travers le coefficient de variation égal à 59,1%.

Analyse de l'efficacité des outils du contrôle de gestion à la mutuelle "le défi ".

B. Présentation des résultats de l'analyse factorielle