Conception factorielle

1.9 : Conception factorielle

L’analyse factorielle est une conception expérimentale qui applique des procédures statistiques d’analyse de la variance (ANOVA) pour examiner un changement dans une variable dépendante dû à plus d’une variable indépendante, également appelée facteurs. On peut penser, par exemple, que les changements dans la productivité des travailleurs sont influencés par le salaire et d’autres conditions, comme le niveau de compétence. Une façon de tester cette hypothèse est de classer le salaire en trois niveaux (faible, modéré et élevé) et les ensembles de compétences en deux niveaux (niveau d’entrée vs expérimenté).

Nommer

Cette approche scientifique est désignée par une étiquette qui souligne soit le nombre de facteurs, soit le nombre de conditions testées pour chaque variable indépendante. L’exemple d’expérience ci-dessus serait décrit comme une ANOVA factorielle à deux voies, car elle implique deux variables indépendantes. En ce qui concerne le nombre de niveaux considérés pour le salaire (faible, modéré et élevé) et les compétences (niveau d’entrée et expérimenté), cette même expérience est également désignée comme un plan 3 par 2, formellement écrit comme une ANOVA factorielle 3 x 2. À noter que le calcul du produit de 3 et 2 signifie qu’il y a un total de 6 combinaisons de conditions expérimentales observées.

Avantages de l’enquête

Observer les effets d’au moins deux variables indépendantes est une approche plus pratique et plus économique. Cela évite de devoir consacrer du temps et des ressources à des expériences distinctes. En outre, la collecte de données pour différentes combinaisons de conditions permet aux chercheurs de procéder à diverses évaluations, notamment les effets principaux et les effets d’interaction.

Certaines questions de recherche peuvent nécessiter de comprendre savoir comment chaque facteur peut avoir un impact indépendant sur une variable dépendante. Par exemple, les changements observés dans les scores de productivité des travailleurs dus au salaire sont séparés de ceux dus au niveau de compétence, pour aider à déterminer les effets principaux de chacun. Les résultats pourraient potentiellement révéler qu’une productivité élevée constatée chez les employés de niveau débutant peut ou non s’appliquer à ceux qui sont plus expérimentés. De même, la faible productivité que l’on peut trouver chez les employés faiblement rémunérés peut ou non être évidente avec une augmentation des salaires. La capacité de reconnaître si les résultats peuvent être généralisés à différentes circonstances ou caractéristiques de groupe sert donc d’autre avantage pour ce type de conception.

Un effet d’interaction se produit lorsque l’influence d’une variable indépendante sur une variable dépendante donnée dépend du niveau des autres facteurs examinés. On pourrait constater, par exemple, que l’impact du salaire sur la productivité des travailleurs peut être plus prononcé pour les employés débutants par rapport aux employés expérimentés. Ce type d’analyse permet aux chercheurs d’avoir une vision plus approfondie des modèles qui peuvent émerger dans l’ensemble des données.

Implications de l’analyse factorielle

En raison de sa flexibilité et de son caractère pratique, l’analyse factorielle continue d’être l’un des plans expérimentaux les plus couramment utilisés dans toutes les disciplines. Une étude récente, par exemple, a cherché à savoir si le comportement des consommateurs pouvait dépendre du caractère utilitaire ou hédonique du produit. Outre le type de produit, les chercheurs ont également inclus l’image du produit (gros plan ou plan large) comme facteur potentiel influençant les décisions d’achat. Ces chercheurs ont également examiné si le type de technique de persuasion, comme l’appel rationnel ou émotionnel, aurait un impact (Kim, Lee, & Choi, 2019). Les produits hédoniques avaient tendance à obtenir des attitudes plus favorables lorsqu’une image en plan large était accompagnée de publicités induisant des émotions. Des résultats inverses ont été observés pour les produits utilitaires dans cette ANOVA factorielle 2 x 2 x 2, autrement appelée ANOVA à trois voies.