La communication interne comme pilier de la performance d'une organisation. Cas de la Caritas, développement UVIRA.

5) La technique d'analyse

La technique d'analyse que nous avions utilisée est la statistique, qui est un instrument par excellence qu'utilise tout scientifique dans les travaux de recherche, surtout si ces derniers comportent des données chiffrées. Cette technique nous a été utile par le fait qu'après avoir collecté les données et le copulées, nous avions besoin de les décrire et les prédire afin de faciliter la lecture et la visualisation des données par l'utilisation de représentations graphiques ou sous forme des tableaux adaptés.

6) Indicateurs de la qualité de l'ajustement du modèle aux données

Plusieurs indicateurs ont été construits avec le log -vraisemblance pour juger la qualité de l'ajustement du modèle aux données avec l'idée d'en faire des équivalents du coefficient de détermination empirique R² du modèle linéaire classique. McFadden (1973) a ainsi défini le coefficient p², appelé parfois pseudo-R², égal à :

(8)

39

Où L, est la valeur de la vraisemblance du modèle et L_o la valeur de la vraisemblance du modèle réduit aux seuls termes constants, c'est-à-dire sans variable explicative. Puisque chaque P (j/xi) est inférieur ou égal à 1, son logarithme est négatif, si bien que ln L < 0. Comme le modèle avec variables explicatives est plus vraisemblable que le modèle sans variable, ln L_o< ln L. Par conséquent, 0 < p²<1.

L'inconvénient de p² est qu'il n'est pas, en réalité, l'analogue du coefficient de détermination R2 du modèle linéaire, car il n'en possède pas plusieurs propriétés. En particulier, ses valeurs ne couvrent pas l'intervalle]0,1[et restent toujours faibles. Pour pallier ce défaut, Estrella (1998) a proposé un autre indicateur qui possède les propriétés statistiques du R². On souhaite notamment que la valeur 0 de l'indicateur corresponde à une absence totale d'ajustement et la valeur 1 à un ajustement «parfait». L'indicateur d'Estrella est égal à :

(9)

Où n est, rappelons- le, la taille de l'échantillon.

Ces deux indicateurs peuvent être améliorés. Ben-Akiva et Lerman (1985) ont souligné que le « R²de McFadden » ne prend pas en considération l'idée de parcimonie qui peut être une qualité recherchée d'un modèle. Rapidement dit, c'est la capacité du modèle à mieux expliquer la réalité avec le minimum de variables explicatives. Or, lorsqu'on ajoute une variable au modèle, le coefficient p² augmente automatiquement. Ben-Akiva et Lerman ont

alors proposé pour faire au coefficient de détermination ajusté d'un modèle linéaire, le

coefficient construit sur le rapport des vraisemblances, corrigé du nombre de paramètres

à estimer :

(10)

(11)

Estrella a aussi proposé un indicateur ajusté :

40

Toutefois, la correction apportée par la prise en compte du nombre de paramètres est sensible lorsque la taille de l'échantillon est relativement faible. Dans le cas contraire, elle est négligeable.