Fuzzy-set Qualitative Comparative Analysis :
L’intérêt de l’analyse qualitative comparée en Comportement du
consommateur
Karine RAÏES *
Enseignant Chercheur en Marketing
INSEEC Business Schools
Hans MÜLBACHER
Professeur
International University of Monaco
* INSEEC Centre de recherche, 27 Avenue Claude Vellefaux, 75010 PARIS,
[email protected], Tel : (+33)6.78.84.12.13.
1
Fuzzy-set Qualitative Comparative Analysis :
L’intérêt de l’analyse qualitative comparée en Comportement du consommateur
Résumé :
           
(QCA) en comportement du consommateur. Dans un premier temps, une comparaison entre
les analyses par régression multiple (MRA) et les analyses qualitatives comparées (QCA) est
présentée. Ensuite, une étude        
marque et            sur la
fidélité à la marque est analysée par les deux méthodologies (MRA puis QCA). Cette double
analyse s.
Mots-clés : analyse qualitative comparée (QCA), fuzzy-sets, communauté virtuelle de
marque, engagement psychologique, engagement comportemental.
Fuzzy-set Qualitative Comparative Analysis:
Calling for adoption of a new methodology in consumer behavior
Abstract :
This research aims to present the interest of qualitative comparative analysis (QCA) in
consumer behaviour. Firstly, a comparison between the logic underlying the multiple
regression analysis (MRA) and the qualitative comparative analysis (QCA) is presented.
Then, a quantitative study of members of a virtual community of consumption is exposed.
The objective is to highlight the role of community commitment in explaining the brand
loyalty of community members. Data are analysed successively by MRA and by QCA. These
analyses allow highlighting the complementarity of these two types of methodology.
Keywords: qualitative comparative analysis (QCA), fuzzy-sets, brand virtual community,
psychological commitment, behavioral engagement.
2
Introduction
    articles académiques       utilisation
quasi-exclusive des méthodes de      données quantitatives,
notamment en sciences sociales (Ragin, 2000). Des appels à la prise en compte de méthodes
complémentaires aux méthodes linéaires se sont multipliés avec notamment le succès, ces
dernières années, des approches basées sur les cas (George et Bennett, 2005 ; Cooper et
Glaesser, 2011)   ntribution pour un prochain numéro spécial du Journal of
Business Research entièrement consacré à des articles faisant appel à la méthodologie QCA
(Qualitative Comparative analysis) en management, ainsi que les nombreuses conférences
organisées autour de cette méthodologie en attestent
1
. Cette approche, développée par Ragin
(Crisp and Fuzzy Set Qualitative Comparative Analysis ou cQCA/ fsQCA), 
appliquée sur des échantillons de petite ou de moyenne taille mais est de plus en plus
appliquée à des échantillons de taille importante (Cooper, 2005 ; Cooper et Galsser, 2011).
En marketing, et plus particulièrement en comportement du consommateur, la grande majorité
des modèles se sont focalisés sur les relations linéaires et non complexes traitées par des
analyses de gression. Pourtant, la complexité du consommateur, aussi bien dans la
construction psychologique que dans la construction sociale de ses comportements, pose la
question de      es méthodologies proposant de considérer les
relations dans leur complexité.
Les méthodes de causalité complexe connaissent depuis peu un intérêt grandissant (Schneider,
2014) au sein de différentes disciplines aussi variées que la politique (Redding et Viterna,
     Brustein, 1995) et les sciences sociales (Cress et Snow,
1996). En management, les travaux de Woodside (2012, 2013) peuvent être cités comme des
de la prise en compte des méthodes non linéaires basées sur
 (QCA).
Cet article a pour objectif de me méthode fuzzy-set QCA (fsQCA)
ement du consommateur. Après avoir exposé les différences entre
les modèles de gression multiples et les modèles fsQCA, nous analyserons les résultats du
un modèle engagement-fidélité avec ces deux méthodologies afin de mettre en avant les
apports 
1
http://www.compasss.org/events.htm
3
1. Fuzzy-set QCA et méthode de régression multiples : deux perspectives différentes
Comparer des méthodes statistiques ne peut se limiter à décrire les étapes de ces méthodes
sans en aborder la philosophie et la vision (Woodside, 2013). La plupart des recherches en
se de données quantitatives, ont 

la qualité st-identifié, se fait par des analyses de régression multiple
(Multiple Regression Analysis : MRA). Les recherches utilisant les MRA vont alors estimer
          ffet des
autres variables indépendantes; on     (net-effects). Si ces modèles
         
étudié, elles conditionnent la nature de ces relations qui se doive   
symétriques. De plus, en se concentrant sur les effets nets, elles mettent de côté tous les cas où
 : « X1,
X2 et X3 ont un impact positif sur Y » 
la population étudiée.
Face à ces méthodes, une nouvelle perspective se propose de
cas permettant de mieux comprendre un phénomène donné en prenant en compte toute sa
complexité. Cette perspecti     ve comparée développée par
      De Meur, Rihoux et Varone (2004) soulignent
que cette approche présente de nombreux avantages     
     . En premier lieu, la nature holistique de
   considère, tout     chaque cas individuel
comme une entité complexe qui a besoi        
négligé    ». De plus,      QCA
permet de postuler « des conjonctures de généralisation ne, elle
analyse par des algorithmes une série de variables dont les résultats sont parfaitement
répliquables (De Meur et Rihoux, 2002). Enfin, c     
combinaison de conditions qui produisent un phénomène (ou variable étudiée) et que
plusieurs combinaisons différentes de conditions ou plusieurs chemins explicatifs peuvent
mener au même résultat, on parle alors de « causalité conjoncturelle multiple ».
Ragin (1987) propose ne qui est capable de ressortir les
cas ou           
forte        fuzzy-set QCA (Ragin, 2000) comme
. 
4
X1, X2 et/ou X3 sont présentes ou absentes lorsque 
plusieurs résultats ou combinaisons observables pour un même phénomène étudié. Les
résultats prendront alors la forme suivante : « la présence / absence de X1 combinée avec la
présence / absence de X2 combinée avec la présence / absence de X3 sont observés pour des
valeurs élevées de Y ».
La mesure des variables se fait alors en terme   nance à une condition.
          

       u groupe « consommateurs fidèles à la
marque ». Ce score, obtenu suite à une procédure de calibrage, varie entre 0 et 1 0 indique
la non-appartenance du répondant au groupe des « consommateurs fidèles à la marque » et 1
indique une appartenance totale à ce groupe. Le score 0,5 indique le point qui sépare les
consommateurs fidèles aux consommateurs non fidèles. La technique fuzzy-set permet ainsi

  tenance à un groupe (Ragin, 2008a). Ainsi, nous pourrons apporter des
conclusions de type : 
à la condition X1, X2 et / ou X3 sont associées avec son appartenance au groupe des
consommateurs fidèles à la marque (Chang, Tseng et Woodside, 2013).
A côté de la possibilité de considérer des combinaisons de conditions comme solution, la
         
(2000) décrit comme des 
sont associées à des valeurs élevées de Y, des valeurs faibles de X1 peuvent être associées à
différentes valeurs de Y. Ce type de relations asymétriques prenant en compte les relations de
causalités complexes ne peut être observé en utilisant les méthodes de régressions. Ainsi la
            
etrouve dans toutes

appartenance forte à la condition X1 implique la présence du phénomène à expliquer. Par
contre, la présence          
conditions, notamment dans le cas de modalités faibles ou élevées de X1 (Ragin, 2006). En
      1 sont associées à des valeurs élevées de Y, des
valeurs faibles de X1 peuvent être associées à différentes valeurs de Y (voir figure 1). Le
logiciel fsQCA calcule pour chaque solution la valeur de cohérence globale (solution
consistency) et de couverture globale (solution coverage). Ces valeurs doivent être supérieurs
1 / 18 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !