Evaluation des modèles de mesure de la satisfaction des consommateurs de la grande distribution française : Exploitation des données du projet "European Customer Satisfaction Index"

par Catherine Simone Silvestri

Thèse de doctorat en Sciences économiques

Sous la direction de Michel Terraza.

Soutenue en 2009

à Montpellier 1 .


  • Résumé

    Cette thèse s’intéresse aux principales méthodes connues pour modéliser la satisfaction et soulève le problème de la colinéarité. Omettre de traiter ce problème peut conduire les utilisateurs à retenir des modèles erronés. Nous savons résoudre ce problème dans les modèles dits exploratoires ou de première génération avec des outils de détection et des méthodes d’ajustements (M. L. G. S sur une sélection de variables, Ridge régression, régression sur composantes principales, régressions P. L. S). Cependant les causes et incidences de la multicolinéarité dans les modèles d’équations structurelles sont encore mal maîtrisées. Deux problèmes sont à dissocier : la multicolinéarité au sein des indicateurs d’un même bloc et le problème de la colinéarité des variables latentes. Après avoir étudié, les modèles théoriques de premières et de seconde génération utilisables sur les données E. C. S. I. De la grande distribution Française, nous avons testé les incidences de la colinéarité des variables manifestes au sein d’un bloc dans le modèle path P. L. S. Nous avons constaté en menant une technique de ré-échantillonnage du JACK-KNIFE que les poids W ne présentent pas toujours un caractère stable. Cette instabilité n’est cependant pas constatée en appliquant la technique du BOOTSTRAP. Avec les mêmes données initiales, les SEM ne produisent pas de résultats admissibles. Au regard de cette expérience, les path P. L. S semblent plus robustes que les SEM face au problème de la colinéarité dans le modèle de mesure de la satisfaction cumulée.

  • Titre traduit

    Evaluation of models measuring customer satisfaction of the french sector of supermarket industry


  • Résumé

    This thesis focuses on the main methods known to model cumulative satisfaction and raise the problem of multicolinearity. Omit to treat this problem can conduce users to retain false models. We know how to solve this problem with explanatory models (called first generation models) with detecting tools and fitting methods (M. L. G. S on a subset of variable, Ridge regression, Principal component regression, P. L. S regression, canonical analysis, redundancy analysis). However cause and consequence of multicolinearity in structural equation models are not well known. Two problems have to be dissociate : multicolinearity between indicators from the same bloc and colinearity between latent variable. We present theorical model of first and second generation applied on E. C. S. I. Data. Then we test consequences of multicolinearity beetwen manifest variable in a bloc with path model. We note that using re sampling method of JACK-KNIFE that the weight w don’t present stability feature. This unstability is not revealed with the BOOTSTRAP method. We don’t obtain an acceptable model with SEM. We can conclude that path P. L. S model is most robust than S. E. M. To model cumulative satisfaction.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (346 f.)
  • Annexes : Bibliographie f. 228-238 (151 références)

Où se trouve cette thèse ?

  • Bibliothèque : Bibliothèque interuniversitaire. Section Droit, Science politique, Economique et Gestion.
  • Disponible pour le PEB
  • Cote : LTH 2009 SIL
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.