Besoin d'une information ?

RECHERCHEZ LE CONTENU QUI VOUS INTÉRESSE :
Argumans logo

HDR soutenues

Les HDR

HDR soutenues

Titre : Développement de modèles de mesures et de modèles structurels dynamiques  pour l’analyse des décisions marketing et des actions stratégiques : L’apport des graphes causaux

Auteur : Mouloud Tensaout

Direction de thèse : Pr. Nathalie Fleck

Date de la soutenance : 13 novembre 2017

Résumé : Les travaux de recherche défendus dans ce document portent sur deux axes : La validité des modèles de mesure utilisés dans les sciences de gestion et la modélisation et l’évaluation des actions marketing et stratégique. Concernant le développement des mesures valides, objet du premier axe, il a été question d’une revue critique sur les processus de développement et l’usage des mesures réflectives et formatives en marketing. Cette revue a permis d’identifier les principaux débats soulevés dans la littérature sur ces mesures. L’une des controverses récentes qui oppose deux courants de recherche concerne la validité des mesures formatives. Les opposants à ces mesures ont avancé des arguments épistémologiques et empiriques, notamment ceux liés à l’instabilité des paramètres de ces mesures. La contribution a été de montrer que les mesures formatives ne souffrent nullement d’instabilité lorsque le modèle de mesure formatif est correctement spécifié et identifié. Une autre question récente très discutée par la littérature concerne l’hypothèse de l’usage superflu des mesures formatives dans les sciences sociales. Cette hypothèse ne peut être rejetée. Le deuxième axe est centré sur le développement de modèles d’évaluation des décisions marketing et stratégiques ainsi que le processus de validation de ces modèles par des analyses confirmatoires ou plus généralement par un modèle d’équations structurelles (MES). La procédure usuelle de validation des relations structurelles/causales basée sur des tests de signification et d’ajustement du modèle estimé aux données se heurte au problème de l’équivalence observationnelle, à savoir que des modèles rivaux ne peuvent être distingués par le biais des indices et des tests statistiques d’ajustement. Plusieurs questions émergent quant à la modélisation des décisions marketing et stratégiques et aux échelles de mesures des construits non observables (les modèles de mesure). Quelle procédure mettre en œuvre pour développer des indicateurs ou des mesures valides pour représenter une variable latente (construit) ? Quelles procédures pour spécifier et valider un modèle structurel encodant des contraintes locales testables suffisamment robustes pour détecter une mauvaise spécification ? Comment identifier ces implications testables ? Peut-on départager statistiquement des modèles rivaux avec les implications testables locales ?

Partagez : FacebookTwitterLinkedInMailImprimez