Télécharger (5Mb) - Dépôt UQTR - Université du Québec à Trois ...

Chapitre TIl : Contexte Méthodologique
"Multiple regression analysis is a statistical technique that can be used to analyze
the relationship between a single dependent (criterion) variable and several
inde pendent (predictor) variables. The objective ofmultiple regression analysis is
to use the independent variables whose values are /cnow to predict the single
dependent value selected by the researcher. Each independent variable is
weighted by the regression analysis procedure to ensure maximal prediction from
the set of independent variables"
Toutefois, il existe plusieurs types de régressions. Il s'avère donc primordial d'en retenir
une qui s'applique à nos données.
Nos variables indépendantes sont estimées sur des échelles de mesure discrètes (ordinale
pour l'âge, le lieu de contrôle, l'androgynie et la motivation au travail; et nominale pour
l'attitude morale); les sous- variables dépendantes sont quant à elles nominales.
Étant dans un contexte d'analyse multi- variée, nous pouvons opter pour une régression.
Toutefois, la meilleure option serait la régression logistique, car comme l'affirment Hair
et al. (1998):
"When the dependent variable has only two groups, logistic regression may be
preferred (regression with a binary dependent variable)" . ... ''Although some
differences exist, the general manner of interpretation is quite similar ta linear
regress ion".
De plus, le fait que l'on a retenu uniquement 5 variables prédictives pour un échantillon
de 28 personnes est approprié. À cet effet, Tabachwick et Fidell (1989) affirment:
" Recause of the width of errors of estimating correlation with small samples,
power may be unacceptably low no matter what the cases-to-Ivs ratio if you have
fewer than 100 cases. However, a bare minimum requirement is ta have at least 5
times more cases than lvs - at least 25 cases if 5 lvs are used " (p.I28).
Enfin, nous conclurons à la signification d'un modèle ou d'un éventuel prédicteur que si
son seuil de signification p est inférieur ou égal à 0,05. Le coefficient fi sera utilisé pour
juger de l'importance du poids d'une variable indépendante par rapport aux autres.
Isabelle Okouoyo, 1999
79