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

Information du 21/06/2021 : Cette formation aura lieu en présentiel et limitée à 12 doctorants compte tenu des mesures sanitaires.
22 et 23 juin 2021 de 9h à 12h et de 13h à 16 h (salle informatique 255, Manufacture des Tabacs)
et
le 7 juillet 2021 de 9h à 12h et 13h30 à 16h30 (salle informatique 256, Manufacture des Tabacs)
(attention changement de date : ce n'est plus le 6/07 mais le 07/07)

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.