PROCESS : MODERATION ET MEDIATION

PROCESS est une méthode complémentaire de l'approche PLS-SEM et qui est très populaire dans le domaine du marketing ainsi que dans celui des sciences sociales et comportementales. PROCESS se décompose autour de deux notions principales : la médiation et la modération.

L'analyse de médiation est utilisée pour tester des hypothèses éclairant les divers mécanismes intermédiaires par lesquels les effets causaux surviennent, alors que l'analyse de modération est utilisée pour explorer les questions relatives aux conditions d'un effet.

Le point commun de ces deux notions est de vouloir explorer le rôle joué par une troisième variable dans la relation entre une variable explicative X et une variable réponse Y.

MODELE DE MEDIATION

Le modèle de médiation suppose que X influence un médiateur M qui, à son tour, influence Y. Les effets directs et indirects permettent de conclure à la significativité ou non du modèle de médiation.

MODÈLE DE MODÉRATION

Le modèle de modération suppose que X influence Y plus ou moins fortement en fonction d'un modérateur W. La significativité de la modération est basée sur la significativité ou non du coefficient associé à la variable d'interaction.

RÉSULTATS D'UNE ANALYSE PROCESS DANS XLSTAT

Le tableau d'analyse de la variance permet d'évaluer le pouvoir explicatif des variables explicatives. Le pouvoir explicatif est évalué en comparant l'ajustement (au sens des moindres carrés) du modèle final avec l'ajustement du modèle rudimentaire composé d'une constante égale à la moyenne de la variable dépendante.

Le tableau des paramètres du modèle affiche l'estimation des paramètres, l'écart-type correspondant, le t de Student, la probabilité correspondante, ainsi que l'intervalle de confiance. Si l'intervalle de confiance comprend 0, alors le poids d'une variable dans le modèle n'est pas significatif.

Le tableau effet direct de X sur Y affiche l'estimation de l'effet direct de X sur Y, l'écart-type correspondant, le t de Student, la probabilité correspondante, ainsi que l'intervalle de confiance.

Le tableau effet direct conditionnel de X sur Y affiche l'estimation de l'effet direct conditionnel de X sur Y pour trois valeurs du modérateur (le 16ème centile, la médiane, et le 84ème centile), l'écart-type correspondant, le t de Student, la probabilité correspondante, ainsi que l'intervalle de confiance.

Le tableau effet indirect de X sur Y affiche l'estimation de l'effet indirect de X sur Y, ainsi que l'intervalle de confiance et l'écart-type correspondant qui sont obtenus par la méthode du bootstrap. Si l'intervalle de confiance comprend 0, alors l'effet indirect de X sur Y dans le modèle n'est pas significatif.

Le tableau effet indirect conditionnel de X sur Y affiche l'estimation de l'effet indirect conditionnel de X sur Y pour trois valeurs du modérateur (le 16ème centile, la médiane, et le 84ème centile), ainsi que l'intervalle de confiance et l'écart-type correspondant qui sont obtenus par la méthode du bootstrap. Si l'intervalle de confiance comprend 0, alors, pour la valeur du modérateur en question, l'effet indirect conditionnel de X sur Y dans le modèle n'est pas significatif.

Le tableau indice de médiation modérée affiche l'estimation de l'indice de médiation modérée, ainsi que l'intervalle de confiance et l'écart-type correspondant qui sont obtenus par la méthode du bootstrap. Si l'intervalle de confiance comprend 0, alors le modèle de médiation modérée n'est pas considéré comme étant significatif.

Graphique de Johnson-Neyman : ce graphique permet de visualiser à partir de quelle valeur du modérateur l'effet devient significatif.

Graphique de l'effet conditionnel : Ce graphique permet de visualiser l'évolution de l'effet conditionnel dans le modèle pour trois valeurs du modérateur (le 16e centile, la médiane et le 84e centile).

Remarque : il existe un grand nombre de modèles prédéfinis. Lorsque vous choisissez un modèle, celui-ci s'affiche directement à droite dans la boîte de dialogue