Les modèles graphiques gaussiens : quels apports pour l’analyse exploratoire des données en comportement organisationnel ?

Résumé Fr En

Les enjeux méthodologiques engendrés par l’accès à des sources de données importantes atteignent aujourd’hui des domaines de recherche jusqu’ici peu concernés, comme le comportement organisationnel. La réflexion sur les méthodes applicables pour tirer parti des possibilités offertes par des données secondaires disponibles en grande quantité est relativement récente. Les chercheurs en management, habitués à travailler sur des échantillons de taille modeste dans un cadre hypothético déductif font face à un vrai défi méthodologique lorsqu’ils souhaitent tirer parti de données secondaires en adoptant une approche guidée par les données ( data driven). Parmi les pistes permettant de relever ce défi figure l’usage de modèles graphiques gaussiens (MGG), qui permettent la visualisation et l’analyse des relations entre un ensemble de variables gaussiennes. L’application de cette « façon de voir » à la psychologie a favorisé le développement d’un courant de recherche très actif, la psychométrie de réseau ( Network Psychometrics), qui renouvelle l’étude des échelles de mesure et des attitudes en s’appuyant notamment sur des graphes parcimonieux. L’objectif de cet article est de montrer la valeur ajoutée de cette approche dans le champ du comportement organisationnel, lorsqu’elle est utilisée comme outil exploratoire. Nous verrons que les MGG peuvent offrir un point de vue complémentaire lorsqu’il s’agit d’analyser des systèmes d’interactions entre variables et comment ils peuvent s’articuler avec les approches confirmatoires par méthodes d’équations structurelles, plus couramment employées pour ce type d’analyse. Les enjeux de cette articulation seront illustrés par l’exploration de la version française d’une mesure récente de l’implication au travail.

Methodological challenges resulting from the increasing access to large data sources are now affecting research areas that were not previously concerned, such as organizational behavior. Consideration regarding methodologies for taking advantage of such data is relatively recent. Management scholars, familiar with the use of small samples in a hypothetical-deductive framework, face a real methodological challenge when they want to exploit secondary data by following a data-driven approach.One possible way to address this challenge is the use of Gaussian graphical models (GGMs), which allow the visualization and analysis of the relationships between a set of Gaussian variables. The application of this “vision” to psychology has fostered the development of a very active research stream, Network Psychometrics, which renews the study of attitude measurement scales by relying on parsimonious graphs. The objective of this article is to show that Network Psychometrics is a valuable technique in the field of organizational behavior, when used as an exploratory tool. We demonstrate that GMMs can offer a complementary point of view when it comes to analyzing systems of interactions between variables and how they can be combined with confirmatory approaches using structural equation methods, more commonly used for this type of analysis. The stakes of this combination are illustrated by the exploration of the French version of a recent measure of work commitment.