L'analyse factorielle confirmatoire.

Remarquez maintenant comment les différents paramètres reproduits dans
l’encadré ci-haut se retrouvent également dans le graphique représentant le modèle mis
à l’épreuve. On y voit clairement a) les variances d’erreur de chaque variable
manifeste, c'est-à-dire la proportion de variance qui n’est pas expliquée par l’influence
des facteurs communs, b) les coefficients de régression représentant l’influence des
variables latentes sur leurs variables manifestes respectives et c) la variance de
chacune des trois variables latentes puisqu’il s’agit ici de variables standardisées
possédant chacune une unité de variance.
Les indices d'ajustement dans les sorties de résultats en format SIMPLIS
LISREL fournit un nombre impressionnant d'indices permettant d'évaluer le niveau
d'ajustement d'un modèle. D'ailleurs il est reconnu que la qualité d'un modèle ne peut
pas se décider sur la base d'un indice unique. En situation de recherche « réelle » il n'est
pas rare d'être confronté à des indices contradictoires, les uns tendant à invalider le
modèle, les autres suggérant au contraire que le modèle est acceptable. Dans un tel cas,
il est d'autant plus important d'appuyer notre conclusion sur plusieurs indices
convergents. Voici quelques commentaires sur les indices d’ajustement, dans l’ordre où
ils sont produits dans une analyse typique :
_____________________________________________________________________________
© Tous droits réservés, Jacques Baillargeon Page 31 9 janvier, 2006