Appréciation des services et intention de switch dans une institution du système financier décentralisé: application aux membres de la COOPEC AKIBA YETU

III.1.4.4. Le procédé itératif de purification des construits : quel item extraire ?

L'extraction d'items dans un modèle ne se fait guère de manière aléatoire, les critères sont choisis considérant la part de variance de chaque item qu'un facteur permet d'expliquer. Ce procédé est très systématique.

La littérature renseigne tout de même qu'il n'existe pas de base pratique pour déterminer le nombre des facteurs à extraire dans une dimension. Les critères sont souvent choisis sur la part de chaque item qu'un facteur permet d'expliquer^176(*).

Pour ce qui est de ce travail, de manière spécifique, deux critères jugés importants et plausibles ont permis de cibler les items à retenir et ceux à soustraire de l'analyse, le premier étant l'Eigenvalue ou règle des valeurs propres supérieure à 1 ou règle de Kaiser-Guttman et le second le critère du pourcentage de variance, les deux éléments indispensables lus respectivement dans le tableau de communalités (qualité de représentation) et la matrice de composantes, les deux principaux traits d'extraction.

La règle de Kaiser-Guttman stipule qu'une valeur propre représente la quantité d'informations capturée par un facteur. Un facteur qui aurait une valeur propre inférieure à 1 représenterait moins d'informations qu'un simple item. Le critère du pourcentage de variance est l'approche par laquelle on observe les pourcentages cumulés de la variance extraite par les facteurs successifs. Son objectif est de s'assurer qu'un facteur explique une quantité significative de variance.

Afin de pouvoir interpréter les facteurs, il est généralement nécessaire de réaliser une rotation. La rotation permet d'identifier des groupes de variables fortement liés les uns aux autres.

Le rôle de la rotation est de faire en sorte que chaque item soit fortement corrélé à un facteur à la fois. Ici, VARIMAX est la méthode de rotation préconisée car minimisant le nombre de variables ayant de fortes corrélations sur chaque facteur, elle simplifie l'interopération des facteurs et permet d'obtenir une structure factorielle plus claire et précise.

Le niveau de coefficient structurel, l'un des éléments importants de purification, sert à déterminer si l'item satisfait au critère de validité convergente. Les niveaux de significativité des contributions factorielles des items s'évaluent en raison de la taille de l'échantillon.

La littérature sur la configuration du coefficient structurel, pour un échantillon de 200, suggère que cet indice soit de 0,4 et de 0,30 pour un échantillon de 350 ou plus^177(*). Plus l'échantillon est grand le coefficient structurel décroit.

Le passage d'une itération à une autre est conséquence directe de la présence d'un ou plusieurs items d'une part ayant une variance expliquée de moins de 50% (0,5) et d'autre part étant corrélé à plus d'une composante. Sans ombre du doute, est d'office retiré de la suite des analyses, l'item négativement corrélé à une composante. Il est décidé qu'une itération est considérée comme solution optimale lorsque tous les items restants ont de communalités toutes supérieures à 0,5 et chacun corrélé à une composante à la fois, les deux critères non mutuellement exclusifs.

La matrice des composantes retient donc, à la solution optimale (modèle purifié), les items qui serviront de fondement lors de calcul des variables d'étude, répartis en principales composantes (dimensions). Voire le niveau de fiabilité(Alpha de Cronbach) et le niveau de factorisabilité (KMO) s'améliorer à la suite des itérations est d'une importance sans pareil.

* ¹⁷⁶M. CARRICANO et F. POUJOL,, Op.Cit., pp.57-58.

* ¹⁷⁷ M. CARRICANO et F. POUJOL Op.Cit., p.59.