Résultats de l’Analyse Factorielle Exploratoire sous SPSS

Résultats de l’Analyse Factorielle Exploratoire sous SPSS

Cette section est consacrée à la validation des échelles relative aux variables (L‟ajustement de la marque sponsor avec l‟événement de la CAN 2019, la notoriété de la marque sponsor, l‟image de marque sponsor, l‟attitude envers le sponsor, l‟intention d‟achat et l‟implication des Fans de l‟ENA).

Les données ont été collectées par une enquête menée en face-à-face (questionnaire papier) et une version électronique de notre questionnaire par le biais de (Google Forms) auprès d‟un échantillon de 500 fans de l‟équipe nationale Algérienne de football qu‟utilisent les services de la marque télécom MOBILIS, sponsor officiel de l‟ENA.

Nous réalisons une analyse factorielle exploratoire. Ceux-ci nous permettent, à travers l‟analyse factorielle et le test de l‟alpha de Cronbach, de procéder à l‟épuration, des items composant les différentes échelles du questionnaire.

La vérification de la fiabilité de l’échelle : Analyse Factorielle Exploratoire

La variable « Ajustement de la marque sponsor avec l’événement de la CAN-2019» Nous avons conçu une échelle multiple à 4 items pour mesurer cette variable. Pour approfondir les résultats de l‟ACP nous avons procédé au test de la fiabilité (cohérence interne) des échelles dans le Tableau.4.1,

qui est une condition nécessaire d‟homogénéité. Celui-ci calcule, d‟une part, la corrélation de chaque item avec l‟échelle globale (troisième colonne); d‟autre part, il est calculé en enlevant à chaque fois un item de l‟échelle (quatrième colonne).

Comme on a vu précédemment la valeur de cet indice varie entre 0 (faible cohérence interne) et 1 (excellente cohérence interne). L‟élimination des items, dont la suppression est susceptible d‟améliorer l‟alpha de Cronbach, peut alors être envisagée (Tounes, 2003, p260). L‟α global est égal à 0,864, ce qui est une valeur largement supérieure à la norme retenue, soit 0,7, d‟autant plus que ce dernier est réduit presque au nombre minimum d‟items (deux).

D‟autre part le résultat du Test de l‟analyse de la variance (ANOVA) indique que le test de ficher est significatif. La moyenne des réponses tende vers l‟accord (≥ 3.5) est-elle représentative parce que l‟écart type est autour de 1.5. Ainsi que la représentativité des items sur le facteur indique une très bonne qualité psychométrique. 

 Nous avons effectué une analyse factorielle pour tester la dimensionnalité des items (ajust1, ajust2, ajust3 et ajust4), les résultats ont été résumés dans le tableau.4.2. La procédure de résolution permet d‟identifier la matrice de composante (les contributions factorielles) de chaque item et les axes factoriels et aussi de calculer la variance qui leur est associée.

L‟ACP indique que la variable « Ajustement avec l’événement » ainsi constituée est unidimensionnelle pour les variables manifestes (items) ajust1, ajust2, ajust3, ajust4, se rapportent de manière significative à la même composante (AJUST). Ils ont tous un coefficient de contribution factorielle supérieur à 0,72 et communalité (qualité de représentation) supérieur à 53%.

De plus, 70,971 % de l‟information recueillie est représentée par le seul facteur contenant ces items. Le KMO (0.792) et le test de Bartlett est significatif (ᵪ² =1006,793) et souligne que cette dernière présente une bonne prédisposition à la factorisation.

Le faible nombre des items le constituant et l‟importance des informations qu‟ils contiennent nous incitent à les garder, d‟autant plus que leur cohérence interne, détaillée dans le tableau.4.1, est satisfaisante. Les résultats obtenus témoignent de la bonne fiabilité de l‟échelle « AJUST » et qui sont factorisables.