Résumé : Construire un meilleur modèle : une introduction à la modélisation des équations structurelles

L’analyse factorielle confirmatoire (AFC) et la modélisation des équations structurelles (MES) sont des extensions efficaces de l’analyse des pistes causales, qui a été décrite dans un précédent article de cette série.  L’AFC diffère des analyses factorielles exploratoires plus traditionnelles en ce que les relations entre les variables sont spécifiées a priori, ce qui permet des tests plus puissants de la validité conceptuelle des échelles. Elle peut aussi servir à comparer différentes versions d’une échelle (par exemple, en anglais et en français), et à déterminer si l’échelle a un rendement équivalent dans différents groupes (par exemple, les hommes et les femmes). La MES développe l’analyse des pistes causales en permettant d’établir des pistes entre les variable latentes (lesquelles, dans d’autres techniques, se nomment concepts factoriels ou hypothétiques), c’est-à-dire les variables qu’on ne voit pas directement, mais plutôt par leur effet sur les variables observables, comme les questionnaires et les mesures du comportement. Chaque variable latente et ses variables mesurées associées forment de petites AFC, avec l’avantage ajouté que les corrélations parmi les variables peuvent être corrigées pour la non-fiabilité des mesures.