A. T3. Méthodes quantitatives – Modèles d’Equations Structurelles

Volume horaire total	18

Responsables

William Sabadie (Université Lyon 3, Laboratoire Magellan)
Laure Ambroise (Université Lyon 2, Laboratoire Coactis)

Pré-requis

Maîtrise des statistiques de bases, des tests statistiques paramétriques, de l’analyse factorielle et de la régression linéaireaire.

Objectifs

Le cours présente les spécificités des équations structurelles. Des applications sur AMOS et PLS seront réalisées.

Contenu

Le cours abordera les points suivants :

• Modélisation

• Les principes sous-jacents aux MES

• Le modèle de mesure : problèmes de fiabilité et validité

• Le modèle structurel

• Analyses de médiation et de modération avec les MES

Calendrier

William Sabadie:

-11 mars 2019 : 13h-16h : salle 264 (Manufacture des tabacs)
-18 mars 2019 : 13h-17h : salle 264 (Manufacture des tabacs)
-26 mars 2019 : 9h-13h : salle 264 (Manufacture des tabacs)

Laure Ambroise:
-28 mars 2019 : 9h30-12h30 : (lieu à définir)
-28 mars 2019 : 13h30-16h30 : (lieu à définir)

Bibliographie

Byrne M.B. (2016), Structural Equation Modeling with Amos, Routledge.

Hair J.F.et al. (2013), Multivariate Data Analysis, Pearson.

Hair J.F. et al. (2016), A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), Sage.

Hair J.F. et al. (2017)., Advanced Issues in Partial Least Squares Structural Equation Modeling, Sage.

Tabachnik B.G. and Fidell L.S (2012), Using Multivariate Statistics, Pearson.

Fernandes, V. (2012). (Re) discovering the PLS approach in management science. M@n@gement, 15(1), 102-123.

Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet. Journal of Marketing theory and Practice, 19(2), 139-152.

Iacobbucci, D. (2009). Everything you always wanted to know about SEM (structural equations modeling) but were afraid to ask, Journal of Consumer Psychology, 19 (2009) 673–680.