II.2. Outils d'analyses statistiques
des données quantitatives
Les lignes précédentes nous ont permis de
justifier la démarche méthodologique adoptée ainsi que le
processus de mesure des concepts de notre recherche. L'objet des
développements qui suivent est de présenter les outils d'analyse
utilisés tant pour les études quantitatives et de proposer une
description des caractéristiques de l'échantillon final de la
recherche. Avant toutes analyses, il est important de présenter la
manière dont les données ont été
préparées et structurées avant même d'analyse des
données. C'est une étape indispensable conduisant au test des
hypothèses de recherche que nous avons émises. Cette étape
consiste d'une part à vérifier la complétude et la
cohérence des données collectées auprès de la
population de l'étude (on joue en effet sur la qualité de
l'ensemble des informations recueillies) et d'autre part à apporter des
éléments de conclusion sur la validité de notre
modèle de recherche précisément sur la base des tests
d'hypothèses effectués. Etant donné que le test
d'hypothèse fait appel à plusieurs critères de
décision, nous mettons en évidence les différents outils
nécessaires en partant de la préparation des données
collectées.
II.2.1. La phase de la préparation des données
collectées
L'étape principale dans l'analyse des données
consiste à se rendre compte de la qualité des données
brutes qui référencent le fichier de base de l'analyse. Dans le
cadre de notre recherche, la plupart des questionnaires que nous avons
administrés ont été correctement remplis par les individus
de l'échantillon malgré les rares valeurs manquantes que nous
avons constatées dans certains questionnaires mais, nous notons que ces
valeurs n'entravent en rien le contenu de nos analyses surtout pour des
manquements qui ne touchent pas les variables centrales de la recherche,
c'est-à-dire les variables de la socialisation organisationnelle et les
variables du contrat psychologique par les attentes. En ce qui concerne les
variables phares de la recherche dont le contenu a été mal rempli
par les enquêtés, l'incomplétude, si elle est de grande
taille, nous trouvons que les données recueillies sur ces questionnaires
ne sont pas suffisantes pour obtenir des résultats pertinents et
contribuer à la validation de notre modèle de recherche
préalablement définit.
II.2.2. Le tri à plat et l'étude des
fréquences
Le tri à plat est une opération consistant
à déterminer comment les observations se répartissent sur
les différentes modalités que peut prendre une variable à
modalités discrètes. Il constitue la première
démarche de traitement des données d'un fichier et permet de
classer les réponses obtenues d'un questionnaire ou tout autre
instrument de collecte de données. Aussi le tri à plat donne un
résultat sous forme de fréquences contenues dans un tableau, sur
les différentes variables contenues dans le fichier. Le tableau de
fréquences est une bonne façon de présenter les
informations que contient une banque de données à propos d'une
variable. En effet, il indique, pour une variable donnée, toutes les
valeurs que prend cette variable, le nombre de fois que chaque valeur ou
catégorie de la variable apparaît et la proportion (%) que
représentent les données correspondant à une
catégorie d'une variable par rapport au nombre total d'observations
prises en compte. Il faut également noter que l'étude de la
répartition des fréquences permet de tester la normalité
des distributions pour l'ensemble des variables du questionnaire.
En effet, pour qu'une distribution soit qualifiée de
normale, il faut que les conditions de symétrie et de non aplatissement
soient respectées. Le test d'asymétrie est acceptable selon les
préconisations d'Akrout (2010) si la valeur du critère de
Skewness est inférieure, en valeur absolue bien sûre, à
1,96 (par excès à 2). Ce test nous indique si les valeurs des
observations tournent autour de la moyenne ou non. Le tes d'aplatissement quant
à lui, à l'aide de l'indice de Kurtosis, donne une indication sur
le degré de concentration des observations et doit être
également inférieure en valeur absolue à 1,96. Dans le
cadre de notre recherche, nous signalons que nous n'avons pas eu à
transformer nos variables du questionnaire d'enquête car les statistiques
de symétrie (parlant du Skewness) et d'aplatissement (en parlant du
Kurtosis) ne mettent pas à mal cette hypothèse de
normalité et présentent des valeurs acceptables. Autrement dit,
toutes les réponses sont réparties de manière
équitable et toutes les variables suivent la loi normale. Les valeurs
prises par le Skewness et le Kurtosis pour chaque variable de notre recherche
ainsi que le test de normalité des variables sont
présentés dans l'annexe.
| 
