L'audit financier€: historique, définition, objectif

Chapitre V – Résultats de la recherche quantitative – Section 2
Section 2 – Etude explicative
La deuxième partie de notre problématique articule diverses hypothèses liées à un
modèle explicatif des comportements étudiés. Il convient encore une fois de souligner à ce
niveau que nous ne nous attachons pas à mettre en évidence de lien de causalité entre nos
variables. Nos traitements statistiques ont pour but de mettre en évidence une cooccurrence
entre les comportements, leurs explications et l’évaluation du contrat psychologique, sans
prétention déterministe. L’objectif de cette deuxième section est de présenter les
traitements statistiques réalisés à cet effet et leurs résultats. Nous aborderons tout d’abord
la méthode d’analyse utilisée dans cette recherche : la régression linéaire multiple (§1).
Nous passerons en revue ses principes et ses conditions d’utilisation. Ensuite, nous
présenterons les résultats obtenus par les analyses de régression pour chacune de nos
variables dépendantes (§2). Pour terminer cette section, nous vérifierons la validité des
conditions d’utilisation de la régression sur la base des modèles définitifs obtenus (§3). En
effet, si les traitements statistiques sont devenus faciles à réaliser à l’aide des logiciels
d’analyse de données, il ne faut pas oublier que les résultats d’une régression ne sont
acceptables que si certains critères sont vérifiés.
1. Présentation de la méthode utilisée : la régression linéaire multiple
La mise en évidence des relations entre variables est le fondement des analyses
multivariées. Dans le cadre de ce travail, nous utiliserons des analyses de régression
multiple pour mettre en évidence les relations de corrélation entre variables. Il s’agit de la
méthode classiquement utilisée lorsque les variables de recherche sont quantitatives
(Evrard et al. 1997). Les principes de la régression multiple sont généralement bien
connus, mais il n’est pas inutile de les rappeler rapidement pour bien comprendre la nature
des résultats qui seront obtenus (§1.1). En particulier, un élément fondamental à considérer
dans la régression multiple est la sélection des variables. Les variables d’un modèle
peuvent être choisies de différentes manières et la méthode de sélection peut
éventuellement avoir un impact sur les variables significatives retenues (§1.2). En outre,
l’utilisation de la régression multiple repose sur certains critères de qualité des données
dont le respect est nécessaire à la validité des résultats (§1.3).
1.1 Principes de la régression multiple
La régression multiple a pour objectif de mesurer la corrélation entre une variable
dépendante (également appelée variable à expliquer) et un ensemble de variables
indépendantes (également appelées variables explicatives). La variable dépendante mesure
un phénomène que l’on souhaite « expliquer » et les variables indépendantes représentent
des phénomènes qui sont supposés jouer sur le phénomène à expliquer. Il s’agit à la base de
256