Utilisez la modélisation par équations structurelles (SEM) pour tester les théories causales et analyser les relations entre les variables observées et les construits latents sous-jacents. La SEM combine les principes de l'analyse factorielle, qui identifie les facteurs à partir des variables observées, et de l'analyse de régression multiple, qui évalue les relations entre les variables.
Modélisation par équations structurelles
Remarque : La modélisation par équations structurelles (SEM) offre un cadre permettant de réaliser un large éventail d’analyses multivariées, notamment l’analyse de médiation, l’analyse de cheminement, l’analyse factorielle confirmatoire et l’analyse des courbes de croissance latente. Ce guide illustre l’une d’entre elles : l’analyse de médiation. Cette technique est utilisée pour tester une hypothèse causale selon laquelle un prédicteur est supposé influencer un résultat par son action sur un médiateur. L’analyse de médiation permet d’étudier les mécanismes par lesquels une variable influence un résultat grâce à des tests statistiques et à l’estimation des effets indirects.
- À partir d'une table de données JMP ® ouverte, sélectionnez Analyser > Méthodes multivariées > Modèles d'équations structurelles .
- Sélectionnez les variables numériques du modèle. Cliquez sur D'ACCORD . Le rapport interactif SEM s'ouvrira.
- À partir du triangle rouge des raccourcis du modèle en bas, sélectionnez Transversal (classiques) > Analyse de médiation .
- Sélectionnez une variable comme variable causale (ici, « Leadership_Avg »), une variable comme médiateur (« Conflict_Avg ») et une variable pour le résultat (« Satisfaction_Avg »). Ces rôles définissent un modèle décrivant l'effet du « Leadership » sur la « Satisfaction au travail » via son effet sur les « Conflits ». Cliquez sur « D'ACCORD » . Le diagramme de cheminement sera ajouté.
- Cliquez sur « Exécuter » pour ajuster le modèle. Les coefficients du modèle seront ajoutés au diagramme de chemin, et un tableau des estimations des paramètres et des tests statistiques sera généré.
Job Satisfaction.jmp (Help > Sample Data Folder)Satisfaction au travail.jmp (Aide > Dossier de données d'exemple)
Interprétation:
• Pour une augmentation d'une unité du leadership, les conflits diminuent de 0,59 unité tandis que la satisfaction augmente de 0,47 unité.
• Les conflits ont un effet négatif sur la satisfaction, de sorte qu'une augmentation d'une unité du premier entraîne une diminution de 0,35 de la seconde.
L’effet indirect du leadership sur la satisfaction, via la gestion des conflits, est positif et statistiquement significatif (b = 0,21, SE = 0,04). Ainsi, le leadership a un impact positif sur la satisfaction grâce à son influence sur la gestion des conflits.
- D'autres modèles peuvent être ajustés et comparés dans le même rapport via le tableau de comparaison des modèles (par exemple, un modèle sans l'effet direct du leadership sur la satisfaction pour tester si l'effet du leadership sur la satisfaction est totalement ou partiellement médiatisé par le conflit).
- Le menu triangulaire rouge du modèle ajusté propose des options pour afficher les effets totaux et indirects ainsi que leurs erreurs standard. Le bootstrap pour les erreurs standard est également disponible dans ce menu.
Visit Méthodes multivariées > Modèles d'équations structurelles in Aide JMP to learn more.
