WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Relation entre la participation budgétaire et la performance organisationnelle :validation empirique dans des entreprises industrielles tunisiennes à  travers la variable modératrice compétitivité.

( Télécharger le fichier original )
par Ben BENA
FSEG de Sfax - Mastère en comptabilité 2007
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy
3-1-2 : Analyse de fiabilité :

L'analyse de fiabilité permet d'étudier les propriétés des échelles de mesure et des éléments qui le constituent. Elle permet de déterminer dans quelle mesure les éléments d'un questionnaire sont liés les uns aux autres et de procurer un indice général de la consistance ou de la cohérence interne de l'échelle dans son ensemble. La procédure d'analyse de fiabilité sur SPSS calcule plusieurs mesures fréquemment utilisées de la fiabilité de l'échelle. La consultation des tests de fiabilité pour les mesures de la participation budgétaire dans les recherches antérieures a montré que le coefficient Alpha de Cronbach (á) est le plus couramment utilisé. Il s'agit d'un modèle de cohérence interne, fondé sur la corrélation moyenne entre des éléments (Evrard et al., 2003). Dans cette recherche, on a procédé à la mesure de la participation budgétaire en faisant recourt à l'échelle de Milani (1975). Le coefficient de fiabilité pour notre échelle se présente ainsi :

Reliability Coefficients 6 items

Alpha = ,8283 Standardized item alpha = ,8321

Avant d'interpréter ce résultat, il s'avère nécessaire de préciser que la valeur du coefficient Alpha est comprise entre 0 et 1. Plus élevée est la valeur de Alpha de Cronbach, plus les items représentent le même phénomène. Nunnally (1978) recommande un Alpha (á) supérieur à 0.6 pour se prononcer sur la fiabilité des mesures. Pour l'échelle de mesure de la participation budgétaire, dans cette étude, Alpha est égale à 0.8283. Cette valeur est supérieure à 0.6 indiquant que notre échelle est assez fiable. Ce résultat est consistant avec ceux trouvés par Brownell (1983, 1988), en effet des coefficients á respectivement de 0.86 et 0.71 ont caractérisé ses questionnaire. Aussi, Belkaoui (1990) a trouvé un coefficient á de 0.75.

3-1-3 : L'analyse factorielle :

L'analyse factorielle essaie d'identifier des facteurs qui permettent d'expliquer des corrélations à l'intérieur des items. Avant d'entamer l'analyse factorielle, il convient de mesurer l'adéquation d'échantillonnage par le coefficient de Kaiser-Meyer-Olkin (KMO) qui évalue l'étendu de la relation psychométrique des items.

L'indice KMO de l'échelle est de 0.750. Les items peuvent être factorisables dès que la valeur du KMO dépasse 0.5 (Kaiser et Rice, 1974). Signalons aussi que, plus l'indice est élevé plus le nombre de facteur est faible. On peut donc constater que nos données se prêtent à une analyse factorielle.

Une analyse factorielle préliminaire a montré que seulement deux facteurs expliquent la variance totale de 71.399%. La formation de ces facteurs en items est donnée par la matrice des composantes :

Cette première structure factorielle n'est pas adéquate parce que la matrice des composantes montre que les items ne sont pas bien répartis entre les deux facteurs. En effet, il existe des items qui sont fortement corrélés à plus qu'un facteur. Aussi, la première composante dégagée est corrélée à tous les items du questionnaire ce qui représente une anomalie qui affecte la première structure factorielle de la mesure. Pour combler à ces insuffisances, le logiciel statistique SPSS nous permet de faire une rotation des axes ce qui permet de séparer les items et de les répartir entre les composantes d'une façon qui assure le perfectionnement de leur interprétation. La matrice des composantes après la rotation des axes se présente comme suit :

La rotation nous a permis d'éliminer les cas où un ou plusieurs items forment plusieurs facteurs dans les mêmes proportions. Elle a permis de dégager deux facteurs indépendants contenant chacun trois items. On peut conclure que la participation budgétaire peut avoir deux dimensions distinctes : une dimension d'implication et une dimension d'influence, comme a été mentionné dans les hypothèses se la recherche. Cette multidimensionnalité est soutenue par Hassel et Cunningham (1993, 1996) ainsi que par O'cconor (1995). Le premier facteur peut être interprété comme la dimension d'influence (items 3, 4 et 5), qui explique 54.732% de la variance totale. Ce facteur a un coefficient de Cronbach de 0.8034 qui est assez important. Le deuxième facteur est la dimension « implication » (items 1, 2 et 6) qui explique 16.667% de la variance totale. Le coefficient de fiabilité de ce facteur est de 0.7709. Donc l'objet de notre étude, à ce niveau, est de savoir qu'elle est la dimension (facteur) qui affecte la performance organisationnelle de l'entreprise.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Qui vit sans folie n'est pas si sage qu'il croit."   La Rochefoucault