Évaluation de la validité et de la fiabilité des indices ...
158
Évaluation de la validité et de la fiabilité des indices de contrôle parlementaire Mémoire N’tcha Judicaël Moutangou Maîtrise en science politique Maître ès arts (M.A.) Québec, Canada © N’tcha Judicaël Moutangou, 2016
Transcript of Évaluation de la validité et de la fiabilité des indices ...
Évaluation de la validité et de la fiabilité des indices de contrôle parlementaire
Mémoire
N’tcha Judicaël Moutangou
Maîtrise en science politique
Maître ès arts (M.A.)
Québec, Canada
© N’tcha Judicaël Moutangou, 2016
Évaluation de la validité et de la fiabilité des indices de contrôle parlementaire
Mémoire
N’tcha Judicaël Moutangou
Sous la direction de :
Louis Imbeau, directeur de recherche
iii
Résumé
Dans cet essai, nous testons la validité et la fiabilité des indicateurs de performance du contrôle
parlementaire. Par validité nous nous référons à la validité de contenu, à la validité de construit et à la validité
manifeste. La fiabilité porte sur la cohérence interne et la consistance. En employant à la fois une analyse
qualitative et une analyse quantitative, nous montrons que, dans l’analyse qualitative, chacun des indices
sélectionnés mesure un phénomène précis qui est différent du cadre référentiel proposé par l’UIP. Ce cadre
n’évalue que l’autonomie et l’influence du parlement sur l’exécutif alors que l’IPA évalue le contrôle et la
surveillance budgétaire, le PPI examine les différents pouvoirs des parlements sur l’exécutif, l’indice de
Wehner capte la capacité du contrôle législatif sur les budgets et l’indice d’Imbeau-Stapenhurst évalue les
processus, les capacités et les méthodes de travail des parlements dans le contrôle budgétaire.
Bien que ces indices appréhendent différents phénomènes nous avons utilisé aussi l’analyse
quantitative pour vérifier leur validité et leur fiabilité. Les résultats montrent que pour les indices dont nous
avons pu obtenir les données, ceux-ci sont partiellement valides. Il existe des items corrélés qui peuvent être
éliminés dans le calcul de ces indices. Par contre, en ce qui concerne la fiabilité, ces indices affichent une
bonne cohérence interne, mais la consistance ou la fiabilité inter-juge est faible. Nous suggérons aux
constructeurs d’indices de toujours procéder à la vérification de leur fiabilité et de leur validité.
iv
Abstract
In this essay, we test the validity and reliability of parliamentary control performance indicators. By
validity, we refer to construct validity, content validity and face validity. Reliability lays on consistency and
intern coherency. Both using qualitative and quantitative analysis, we show that in qualitative aspect, each
index selected measures an accuracy phenomenal which is different from proposal framework of Inter
Parliamentary Union. This framework accesses the autonomy and parliament influent of executive, where as
African Parliamentary Index captures control and overseeing of budget process. The Parliamentary Powers
Index examines different powers of parliament on government. Wehner Index accesses the capacity of
legislature control on budgets Imbeau-Stapenhurst Index measures the process, the capacity and work
methods of parliaments in budgetary control.
Although those index apprehend different phenomenal, we also use quantitative analysis to verify the
validity and relialibility. The results show that is exist some correlation items which can be eliminate from the
index calculation. Concerning reliability, those index hold solid intern coherence, but consistency is lower. We
suggest the index constructor to verify items correlation before pulling those items.
v
Table des matières
Résumé .......................................................................................................................................................... iii
Abstract .......................................................................................................................................................... iv
Table des matières .......................................................................................................................................... v
Liste de tableaux ............................................................................................................................................ vi
Liste des figures ............................................................................................................................................ vii
Liste des abréviations et des sigles.............................................................................................................. viii
Remerciements ............................................................................................................................................... x
Introduction .................................................................................................................................................... 1
Chapitre I : problématique et méthodologie de l’étude ................................................................................... 3
I. Problématique et objectifs....................................................................................................................... 3
A. Problématique ................................................................................................................................... 3
B. Objectifs et hypothèses de l’étude .................................................................................................... 7
II. Revue de la littérature ............................................................................................................................ 8
A. Clarification des concepts de validité et de la fiabilité d’une mesure ................................................. 8
B. Faits empiriques .............................................................................................................................. 14
III. Méthodologie ...................................................................................................................................... 18
A. Choix des indices ............................................................................................................................ 18
B. Démarche et outils d’analyse .......................................................................................................... 20
Chapitre II : résultats des analyses .............................................................................................................. 29
I. Analyse qualitative des indices de contrôle parlementaire.................................................................... 29
A. Appréciation de l’Indice Parlementaire Africaine (IPA) .................................................................... 29
D. Indice imbeau-Stapenhurt ............................................................................................................... 38
II. Résultats des estimations .................................................................................................................... 48
A. Analyse de la validité et de la fiabilité des indices ........................................................................... 48
B. Discussions et limites de l’étude ..................................................................................................... 86
Conclusion ................................................................................................................................................... 88
Bibliographie ................................................................................................................................................ 90
Annexes ....................................................................................................................................................... 95
vi
Liste de tableaux
Tableau 1: récapitulatif des variables utilisées dans le calcul du sous-indice lié à l’autonomie de la CPF telle que révélée par les statuts ........................................................................................................................... 41
Tableau 2: récapitulatif des variables utilisées dans le calcul du sous-indice d’activités telles que révélées par les pratiques ................................................................................................................................................. 42
Tableau 3: récapitulatif des variables utilisées dans le calcul du sous-indice de capacités telles révélées par les ressources .............................................................................................................................................. 44
Tableau 4: statistiques descriptives ............................................................................................................. 49
Tableau 5: coefficients discrimination de l’indice de Fish et Kroenig ............................................................ 52
Tableau 6: coefficients de difficultés de Kuder-Richarson (KR-20) de l’indice de Fish et Kroenig. .............. 54
Tableau 7 : matrice de covariance des items de PPI ................................................................................... 57
Tableau 8: statistiques descriptives des items ............................................................................................. 66
Tableau 9: coefficients de discrimination de l’indice d’imbeau-Stapenhurst ................................................. 69
Tableau 10: matrice de corrélation du sous-indice de structure ................................................................... 73
Tableau 11 : matrice de corrélation du sous-indice d'activités ..................................................................... 76
Tableau 12 : matrice de corrélation du sous-indice de ressources .............................................................. 80
vii
Liste des figures
Figure 1: tracé des valeurs propres de l’indice de Fish et Kroenig ............................................................... 64
Figure 2: tracé des valeurs propres du sous-indice structure ....................................................................... 83
Figure 3: tracé des valeurs propres du sous-indice d’activités ..................................................................... 84
Figure 4 : tracé des valeurs propres du sous-indice de ressources ............................................................. 85
viii
Liste des abréviations et des sigles
AERA: American educational research association AGTQ: Achievement goal tendencies questionnaire APC : Association parlementaire du Commonwealth APF : Assemblée parlementaire de la Francophonie CFA : Analyse factorielle confirmatoire CPC : Centre parlementaire canadien CP : Centre parlementaire PC : Parliamentary center EPT : Analyse exploratoire des facteurs IBM : Institut de la banque mondiale ICV : Index de contenu de validité IND : Institut national pour la démocratie IPA : Indice parlementaire africain LG : Learning goals LPI : Indice de productivité législative LPS : Legislative powers serveys MLI : Indice législatif global OCDE : Organisation de coopération et de développement économiques PARP : Programme Africain de Renforcement Parlementaire PG : Performance goals PNUD : Programme des nations unies pour le développement PPI : Parliamentary powers index QIP : Quotients d’intelligence de Performances QIV : Quotients d’intelligence verbale SOR : Objectifs de renforcement social SRG : Social Reinforcement Goals STCI-T : State-trait cheerfulness inventory trait UIP : Union interparlementaire WBI : Institut de la Banque mondiale WGI : World governance indicators
ix
« A la recherche de la vérité…Alors, faut-il tester
des hypothèses, jusqu’à faire sortir la vérité du
puits ? Qui ne veut pas voir la vérité toute nue ? La
vérité sortant du puits » (Édouard Debat-Ponsan,
1881).
x
Remerciements
Cet essai est le fruit du soutien de plusieurs personnes que je tiens à remercier du fond de mon cœur.
Sans elles, ce sera l’impasse totale. D’abord, tous celles dont les noms ne figurent pas ici qu’elles en soient
remerciées d’avance. Ensuite, j’ai bénéficié de l’appui de mon directeur Louis Imbeau professeur titulaire du
département qui m’a orienté vers la bonne direction en me suggérant ce thème suite à nos discussions et au
regard de mes centres d’intérêt. Toujours à mes chevets, il m’encourageait à tout moment que nous eûmes
l’occasion de nous rencontrer. Son soutien technique dans la réalisation de ce travail ne m’a non plus fait
défaut. J’ai appris de lui, la perfection associée à la rigueur dans la pensée scientifique. Je tiens aussi à
remercier Marc-André Bodet, directeur du programme du 2ème et 3ème cycle pour son soutien également.
Il est tout le temps à l’affût pour ses étudiants pour comprendre leurs difficultés, l’avancement de leurs cours,
travaux de recherche afin de leur fournir les informations pertinentes. Je n’oublie non plus le professeur
François Gélineau, Doyen de la Faculté des sciences sociales, pour m’avoir offert un cadre de travail adéquat
à la Chaire de recherche sur la démocratie et les Institutions Parlementaires. Enfin, le personnel du secrétariat
du département qui offre un bon cadre d’interaction entre professeurs et étudiants, qu’il en soit remercié.
1
Introduction
Dans cet essai, nous cherchons à vérifier la validité et la fiabilité des instruments de mesure
des indices de contrôle parlementaire. Ces indices parlementaires constituent des outils importants
dans le cadre du suivi des activités parlementaires. Le Centre Parlementaire (C.P, 2011) est d’avis par
exemple que l’Indice Parlement Africain (IPA) est un outil d'auto-évaluation des parlements eux-mêmes
à l’aide d’un questionnaire fournissant un ensemble d'indicateurs qui montrent le niveau d'engagement
des parlements dans le processus du contrôle budgétaire ainsi que d’autres secteurs fonctionnels.
Plusieurs variétés d’outils ou d’indicateurs de contrôle parlementaire comme les interpellations et les
questions au gouvernement, sont utilisés pour obtenir des informations de l’exécutif. Les commissions
parlementaires et les enquêtes aident aussi les parlements à vérifier les politiques publiques mises en
place par l’exécutif dans le sens de leur amélioration, ce qui conduit à une bonne gouvernance et à la
transparence (USAID et CDG, 2000).
De nombreuses organisations parlementaires comme l’Association Parlementaire du
Commonwealth (APC), l’Union Interparlementaire (UIP), l’Assemblée Parlementaire de la
Francophonie (APF), l’Institut de la Banque mondiale (WBI) et le Programme des Nations Unies pour
le Développement (PNUD) considèrent que la mise en place de critères et de cadres d’évaluation des
parlementaires contribue à témoigner des efforts et de réformes entrepris par les parlements, et oriente
les praticiens du développement parlementaire ainsi que les bailleurs de fonds vers une conception
de programmes de soutien plus appropriée (von Trapp, 2010; P.C, 2013; Yamamoto, 2007).
Le débat politique actuel dans les démocraties représentatives en termes de politiques
publiques allant dans le sens de la réduction de la pauvreté, est centré sur la problématique
d'affectations budgétaires dont les parlements assurent la surveillance. En tant que représentants des
intérêts et des préoccupations des citoyens, les Parlements ont un devoir de contrôle sur l'exécutif et
l’obligent à rendre compte de l’utilisation des fonds publics. La fonction de contrôle budgétaire des
parlements est devenue de plus en plus importante. Moindzé (2011), admet que le contrôle budgétaire
parlementaire est une fonction essentielle pour renforcer la bonne gouvernance des finances publiques
qui constitue un élément essentiel des États en vue de renforcer le développement économique et la
réduction de la pauvreté. Ainsi, les indices de contrôle budgétaire mesurent à cet effet, les progrès
accomplis par les parlements.
2
Dans la littérature, les travaux récents de Stapenhurst et al. (2014) et de Imbeau (2014) ont
également abordé le sujet. Stapenhurst et ses collègues ont étudié la structure, les activités et les
capacités de contrôle des Comités de Compte Public (CCP) des Parlements des pays membres et non
membres du Commonwealth. Après avoir décrit les structures et les activités de ces CCP, leurs
résultats montrent que le contrôle de corruption et l'activité des CCP sont les déterminants principaux
du produit national brut per capita. De même, Imbeau a étudié la performance de trois types d’instance
supérieure de contrôle (ISC) dans 27 pays d’Afrique. Il fait remarquer que les pays membres du
Commonwealth ont souvent une ISC rattachée au législatif alors que les pays membres de la
Francophonie ont une ISC rattachée au judiciaire et que le rattachement de l’ISC au législatif est
clairement associé à une plus grande transparence budgétaire. Il ressort respectivement de ces deux
études que, le contrôle budgétaire des parlementaires est clairement associé d'une part à la création
de la richesse et d'autre part à la transparence budgétaire.
On assiste de nos jours à une floraison d’élaboration des indices parlementaires pour rendre
compte des progrès réalisés par les législatures permettant leur comparaison. Ces instruments de
mesure portent sur les fonctions de législation, de surveillance et de représentation (CP, 2011 ; CP,
2009 ; UIP, 2008). Mais, la plupart des indices parlementaires reposent sur la fonction de contrôle du
parlement. Des enquêtes par questionnaires sont utilisées pour construire ces indices sous forme
d’une combinaison de multiples variables (Von Hagen 1992, Fish et Kroenig, 2009 et Lienert, 2005 ;
2004) qui examinent le rôle des institutions parlementaires dans l'approbation de l’exécution du budget.
Avec cet intérêt croissant de rendre compte de la performance parlementaire à travers la construction
de ces indices, il est important de s’assurer de leur qualité et de leur capacité à mesurer réellement le
phénomène, car ceux-ci peuvent ne pas rendre compte fidèlement de ce qu’ils prétendent mesurer.
La présente étude vise à évaluer ces instruments de mesure parlementaires dont le thème est intitulé :
« évaluation de la fiabilité et de la validité des indices de contrôle parlementaires ». Elle est
structurée comme suit : le premier chapitre aborde la problématique indiquant les raisons de cette
étude et les hypothèses de travail, la revue de la littérature portant sur les concepts de validité et de
fiabilité d’un instrument, et puis la méthodologie proposée. Le second chapitre traite des résultats et
de la discussion portant sur ceux-ci.
3
Chapitre I : problématique et méthodologie de
l’étude
I. Problématique et objectifs
A. Problématique
Dans cette partie, nous soulevons l’importance de mesurer les activités parlementaires et les
problèmes liés à cette mesure. Les indices parlementaires sont de plus en construits et utilisés pour
mesurer la performance du contrôle budgétaire des parlementaires dont le rôle fondamental est de
vérifier, d’adopter les dépenses publiques des gouvernements et, aussi d'exercer un contrôle sur les
activités de l’exécutif et des structures auxiliaires (Niane et Rakotonirina, 2014 ; Lienert, 2008). Les
parlementaires1 détiennent à cet égard, les cordons de la bourse et ils ont pour mandat de scruter
l’utilisation des fonds publics et d’assurer la responsabilité financière du gouvernement. Pour Posner
et Park (2007) et Wohlstetter (1987), une législature efficace fournit donc des freins et contrepoids
essentiels, à l’amélioration de la transparence, facilite le débat public, et aide à approfondir le
consensus sur les choix budgétaires. Elle exerce une influence notable sur les résultats budgétaires
de différentes structures de l’administration.
Dans cet exercice de mesure de la performance parlementaire, une gamme de variables sont
souvent combinées sous forme d’indice pour rendre compte et déterminer les différences entre les
parlements de pays différents en se référant soit à la structure constitutionnelle, la manière dont les
pouvoirs d'amendement du budget sont conçus, soit la dynamique des partis politiques, la capacité
technique des législatures d'engager des budgets, etc. Par exemple, Wehner (2006 ; 2007) a présenté
un cadre comparatif pour évaluer la capacité budgétaire des législatures dans les démocraties
modernes. Le cadre est constitué d'une série de six variables qui sont combinées en un indice pour
1 Voir Fiche d’information – Québec, Recueil des procédures et de pratiques parlementaires, Assemblée parlementaire de la
Francophonie, http://recueil.apf francophonie.org/spip.php ? article1778
Et Assemblée parlementaire de la Francophonie : Les procédures de contrôle, Recueil des procédures et de pratiques parlementaires, Chapitre VIII, p.10, http://recueil.apf-francophonie.org/spip.php?article2171
4
mesurer la variation des parlements dans le processus de budgétisation entre les pays. Ces variables
concernent : le pouvoir d’amendement, la possibilité de rejet du budget examiné, la flexibilité du
gouvernement durant l’exécution du budget, le temps utilisé pour examiner le budget, la capacité des
comités et la possibilité d’accès à l’information. L'opérationnalisation est basée sur des données
d'enquête de l’Organisation de coopération et de développement économiques (OCDE) et la Banque
mondiale. Von Hagen (1992) a construit aussi un indice composite de la structure du processus
parlementaire, qu’il considère comme principal déterminant de l'amendement des pouvoirs d'une
assemblée législative dans le contrôle budgétaire. De même, Lienert (2004) offre également un
examen des institutions législatives. Son indice des pouvoirs budgétaires des législatures couvre cinq
variables, à savoir le rôle du Parlement dans l'approbation des paramètres de dépenses budgétaires
à moyen terme, leurs pouvoirs d’amendement, le temps disponible pour l'approbation du budget, le
soutien technique à l'Assemblée législative, et les restrictions de l’exécutif pendant l’exécution du
budget. Une analyse comparative des indices de Wehner et de Lienert montre que certaines variables
utilisées dans la construction de chacun des indices sont différentes. La capacité des comités et l’accès
à l’information retenus par Wehner ne se retrouvent pas dans l’indice de Lienert.
Il est à noter que le Centre Parlementaire Canadien (CPC) a construit aussi un Indice
Parlementaire Africain (IPA) de sept (07) pays2 africains basé sur l’autoévaluation des parlementaires,
et qui repose sur des catégories d'indicateurs beaucoup plus larges qui vont au-delà de ceux utilisés
par Wehner et Liernert. Ces indicateurs couvrent les trois fonctions de base du Parlement : (1) la
représentation, (2) la rédaction des lois et (3) la surveillance des dépenses et des finances publiques
et sont tirés d'une série de variables combinées en un Indice pour mesurer les différences de
performances entre les pays dans le contrôle budgétaire législatif. Le choix des indicateurs s'appuie
sur les questions de gouvernance portées par des institutions telles que l’Institut National pour la
Démocratie (IND), l'Institut de la Banque Mondiale (IBM), l'Association Parlementaire du
Commonwealth (CPA), l’Union Interparlementaire et l'expérience du Centre Parlementaire au Canada.
De même, Fish et Kroenig (2009) ont élaboré à travers une enquête globale, un indice sur les
législatures nationales. Cet indice, appelé Parliamentary Powers Index (PPI) évalue la force de la
2 Le Bénin, le Ghana, le Kenya, le Sénégal, la Tanzanie, l’Ouganda et la Zambie
5
législature nationale de chaque pays ayant une population d'au moins un demi - million d’habitants. Le
PPI donne un aperçu de l'état actuel du pouvoir législatif dans le monde à partir de 2007. L’outil
principal est l'enquête sur les pouvoirs législatifs ou Legislative Powers Serveys (LPS). Une liste de
trente-deux (32) items ont été élaborés mesurant l'emprise du législateur sur l'exécutif, son autonomie
institutionnelle, son autorité dans des domaines spécifiques, et sa capacité institutionnelle. Les
données ont été générées au moyen d'une vaste enquête internationale d’experts, d’une étude
approfondie des sources secondaires, et d’une analyse minutieuse des constitutions et autres
documents pertinents.
Dans cet effort de construction de ces indices, certains items diffèrent les uns des autres, alors
qu’ils prétendent rendre compte du même phénomène. Selon Tessier et al (1985) et Rankin (1981),
les différents éléments qui servent de variables dans la construction des indices sont "rarement purs"
et il arrive fréquemment que ces variables soient en relation avec d'autres variables ne faisant pas
l’objet de l'étude ou que ces variables créent tout simplement de l’endogéniété. Cette erreur de
variance appelée encore variance résiduelle est la partie de la variance intragroupe qui s'éloigne de
l’objet de la mesure et, par conséquent, contribue à réduire sa fiabilité. Lorsque la variance intragroupe
de l’indice est importante, même si la variance intergroupe est significativement faible, d'autres
contingences non soumises à l'analyse affectent le phénomène étudié et introduisent par conséquent
dans la mesure des biais non contrôlables. Ils affirment qu’en raison de la multiplicité des variables, de
la relative nouveauté de ces études et de l’opposition dans les courants de pensée entre les différents
chercheurs, il est possible que les instruments portant sur la mesure des performances parlementaires
soient de portée limitée, et pourraient contenir d'éventuelles erreurs.
Un exemple portant sur ces faits, concerne les nouvelles échelles de Wechsler relaté par
Grégoire (2007). Selon lui, « les nouvelles échelles de Wechsler ont conduit à abandonner un modèle
de mesure de l’intelligence en deux échelles au profit d’un autre basé sur quatre indices. Construits
sur une base purement pragmatique, les Quotients d’Intelligence Verbale (QIV) et de Performances
(QIP) de Wechsler avaient rencontré un grand succès chez les cliniciens. Mais les études empiriques
ont très tôt révélé qu’il s’agit de constructions relativement hétérogènes, dont l’interprétation
psychologique n’est pas aisée. Bien que l’échelle verbale soit la plus homogène, l’épreuve
d’arithmétique qui en fait partie est corrélée avec les autres épreuves de cette échelle. En plus du
6
raisonnement verbal, cette épreuve fait appel au raisonnement numérique et à la mémoire de travail.
L’échelle de Performance est, quant à elle, nettement plus hétérogène ».
Abondant dans le même sens, Bersch et Botero (2014) pointent trois erreurs néfastes de
l’agrégation d’indicateurs de gouvernance fondées sur la perception, en l’absence de clarté
conceptuelle : 1) le peu d’attention accordé à la validité du contenu ; 2) une confusion entre les causes,
les caractéristiques et les conséquences de la gouvernance, et 3) la sous-estimation de l’incertitude.
Kurtz et Schrank (2007b) plaident contre les indicateurs basés sur les perceptions, en particulier le
World Governance Indicators (WGI), parce qu'ils introduisent un biais systématique. Ils présument que
le WGI est biaisé en faveur des opinions et préoccupations des entreprises et des élites. Thomas
(2010) aborde une question plus fondamentale et se demande si ces indicateurs mesurent réellement
ce qu'ils prétendent mesurer. Elle déclare que les indicateurs de WGI sont basés sur des affirmations
athéoriques et exigent des preuves de validité. Pour Krishnan (2013), il existe de nombreuses raisons
pour lesquelles les indicateurs peuvent ne pas répondre à la norme minimale de qualité. En général,
ils pourraient provenir de : (1) les défauts de la question et (2) les défauts de contenu. Plus précisément,
les éléments peuvent être problématiques en raison d’un ou de plusieurs des motifs suivants :
Les items peuvent être mal formulés causant aux administrateurs d’être confondus.
Les items peuvent représenter un contenu différent de celui qui est mesuré par le reste des items.
La présence de biais dans un item pour ou contre un sous-groupe de la population.
La capacité globale de l’administrateur du test dans la compréhension de la véritable signification d'un item, ce qui pourrait augmenter les chances de deviner la bonne réponse.
En faisant référence aux études de nature exploratoire, selon Piazza (1980) nous ne pouvons
jamais être sûr à l'avance que les questions destinées à mesurer un phénomène vont réussir à le faire.
Certaines questions peuvent être mal formulées et interprétées de différentes manières par les
répondants. Ou bien, le phénomène que nous essayons de mesurer peut ne même pas exister en tant
que phénomène unitaire. Dans ce cas, les répondants répondront aux questions de façon incompatible
simplement parce que notre conceptualisation initiale était inadéquate. Il est presque toujours
nécessaire d'examiner les modèles de réponses après les faits observés, afin de déterminer quelles
questions, le cas échéant, semblent avoir mesuré un phénomène hypothétique unique. Pour Westen
et Rosenthal (2003), si un test psychologique ou plus largement, une procédure de mesure
7
psychologique, y compris un dispositif expérimental de manipulation manque de validité de
construction, les résultats obtenus en utilisant ce test ou cette procédure seront difficiles à interpréter.
Ainsi, les indices parlementaires, vu l'importance des sources d'erreurs possibles, exigent
aussi des preuves évidentes de consistance et de validité. C'est précisément cette démonstration qui
manquent dans bon nombre de travaux où des scores sont constitués en additionnant un certain
nombre d'items sous le simple prétexte qu'ils répondent tous au même construit théorique (Tessier,
Pilon et Fecteau, 1985). Au regard du nombre croissant de production d’indices pour mesurer les
performances de contrôle parlementaire, plusieurs interrogations sont alors à poser. Lorsque l’on
mesure une grandeur, on souhaite que les résultats produits par celle-ci soient utiles et reflètent bien
les concepts qu’elle représente. La question fondamentale que l’on se demande est alors de savoir si
tous ces indices parlementaires sont valides et fiables ?
Les indices parlementaires sont donc importants afin de mesurer le contrôle parlementaire et
ils sont élaborés sur la base de multiples sources. Ils pourront être confrontés à deux types de
problèmes, provenant d'une part, de la multiplicité des sources de variations et, d'autre part, de
l'absence de validité dans la définition des concepts. Les premiers limitent la validité des résultats
résultant de la difficulté de contrôler en même temps toutes les sources de variations ; et les seconds
caractérisés par les imprécisions de construits rendent difficiles les comparaisons d’une étude à l'autre.
Il est alors important de s’assurer de la validité et de la fiabilité des indices mesurant la performance
de contrôle parlementaire. L’intérêt de cette étude réside dans le fait qu’elle permet de s’assurer que
les mesures du contrôle parlementaires sont correctes et correspondent exactement à ce qu’elles
prétendent capter. Très peu d’études ont été faites pour vérifier la fiabilité et la validité des indices de
contrôle parlementaire. Elle permettra aux développeurs de ces indices d’améliorer leurs instruments
en révisant ou en écartant les items qui ne satisfont pas un minimum de standards.
B. Objectifs et hypothèses de l’étude
L’objectif général de cette étude est d’analyser la validité et la fiabilité des indices qui mesurent
la performance du contrôle budgétaire des parlements. A cet objectif général se rattachent deux
objectifs spécifiques : d’une part, (1) évaluer la validité de quelques indices parlementaires et d’autre
part, (2) évaluer leur fiabilité. Nous formulons les hypothèses ci-après :
H1 : Les indices parlementaires sont valides ;
8
H2 : Les indices parlementaires sont fiables.
II. Revue de la littérature
Les principaux indicateurs de la qualité d'un instrument de mesure sont généralement la
fiabilité et la validité. Dans cette revue de littérature, nous définissons les concepts de validité et la
fiabilité des instruments de mesure ou d’indices afin de mieux les évaluer. Puis nous présentons le
mode d’évaluation de chaque concept au regard des fondements empiriques y afférents. Ainsi, nous
aurons une compréhension approfondie des diverses méthodes d’évaluations des instruments de
mesure permettant de formuler une méthodologie d’analyse de ces indices parlementaires.
A. Clarification des concepts de validité et de la fiabilité d’une mesure
De façon générale, deux éléments sont mis en avant pour définir la validité ou la fiabilité d’une
mesure. Le premier a trait à la capacité de la mesure à décrire ce qu’elle mesure réellement et le
second se focalise sur le type d’erreurs que comporte une mesure. Wehner (2007) définit la validité
d'une mesure comme étant le degré auquel cette mesure ou instrument réussit à décrire ou quantifier
ce pourquoi il est conçu à mesurer, alors que la fiabilité d'une mesure est le degré auquel une technique
de mesure peut être dépendante de résultats résultant d’une application répétée.
Par contre, Kimberlin et Winterstein (2008) et Adcock et Collier (2001) indiquent que la plupart
des mesures peuvent contenir des marges d’erreurs qui affecteraient leur qualité de validité et de
fiabilité. Ils identifient trois principales sources d’erreurs3 et deux types d’erreurs relatives à la validité
et la fiabilité. Ces trois principales sources d’erreurs identifiées portent notamment sur l’objet mesuré,
l’observateur et l’appareil de mesure contenant deux types4 d’erreurs. Le premier type d’erreurs est
appelé erreurs aléatoires, qui ne sont pas rattachables à une cause bien précise. Mais, lorsqu’il existe
un nombre suffisamment important d’observations, ces erreurs aléatoires peuvent se compenser du
fait que certains éléments mesurés surestiment et d’autres sous-estiment le phénomène. Donc, une
erreur est aléatoire si d'une mesure à l'autre, la valeur obtenue peut être sous-évaluée ou surévaluée
par rapport à la valeur réelle. Ces types d’erreurs influencent la fiabilité de la mesure. Le second type
3 Voir http://www.med.uottawa.ca/sim/data/Measurement_validity_f.htm
4 Pour plus de détails sur les erreurs aléatoires et systématiques voir aussi http://webapps.fundp.ac.be/didactique/introTP/ch4/ch4_1.php
9
d’erreurs, qualifié d’erreurs systématiques allant dans une direction donnée, est imputable à une
cause spécifique se rattachant à l’observateur ou à l’instrument de mesure. Lorsque ces erreurs sont
orientées dans une direction donnée, celles-ci introduisent un biais dans la mesure. Une erreur est
systématique lorsqu'elle contribue à toujours surévaluer ou sous-évaluer la valeur mesurée. Ces
erreurs systématiques font donc partie de la validité de la mesure. Bien que nous ayons une bonne
compréhension globale des concepts de validité et de fiabilité, il est nécessaire de détailler les
différents types de validité et de fiabilité. C’est ce que nous décrivons dans ce qui suit.
a. La validité
La validité indique dans quelle mesure un instrument capte le phénomène qu’il vise à
représenter. Il existe plusieurs types de validité dont les principaux sont la validité de construit ou
construct validity, la validité du contenu ou content validity, la validité de critère ou criterion validity et
la validité manifeste ou face validity (Demeuse et Henry, 2004 ; Fermanian, 2005).
Validité prédictive ou de critère
Pour Demeuse et Henry, la validité de critère repose sur « la prédiction des résultats
qu’obtiendront les sujets à d’autres tests ou à un autre instrument quelconque. La validité de critère
indique dans quelle mesure un instrument est conforme à un autre instrument prédictif. Le phénomène
est appréhendé à la fois par l’échelle ou l’indice étudié et un critère extérieur à celui-ci pris comme
référence en mesurant l’intensité du lien statistique existant entre les deux échelles ». Demeuse et
Henry indiquent l’existence de deux types de validité de critère. La première concerne la validité
prédictive correspondant à la possibilité de prédiction des résultats qu’obtiendraient des sujets à
d’autres tests ou à une autre mesure quelconque. La seconde, appelée validité concomitante
(concurrent validity) correspond au cas où l’échelle et le critère de référence sont utilisés en même
temps chez chaque sujet. Yu (2012) établit la validité de critère comme la conclusion des résultats des
tests de performance. Le score élevé d’un test indique que l’indice a satisfait les critères de
performance et qu’une régression peut être appliquée en utilisant la variable de prédiction considérée
comme exogène et la variable de critère comme dépendante. Tous les auteurs sont d’avis que pour
mesurer la validité de critère, on pourrait calculer le coefficient de corrélation ou une concordance entre
la mesure obtenue et la mesure de critère. Si les deux scores (échelle et critère) sont exprimés sous
forme de variables quantitatives, on emploie le coefficient de corrélation de Pearson, mais si les
10
hypothèses théoriques du modèle ne sont pas vérifiées, les coefficients5 de corrélation de Spearman
ou celui de Kendall sont calculés.
La validité manifeste ou face validity
Appelée aussi validité d‘apparence, la validité manifeste se caractérise par un jugement
subjectif émis par l’utilisateur après un examen attentif de l’échelle de mesure (DeVon et al, 2007).
Son avis tient compte des caractéristiques de la mesure, tels que la formulation des items, les
modalités de réponse etc… Fermanian fait remarquer qu’il ne faut pas la confondre avec la validité de
contenu qui suppose une étude approfondie, faite par des experts. Ici il s’agit d’un simple jugement
superficiel émis par l’utilisateur et la validité manifeste est généralement considérée comme la forme
faible de la validité de contenu.
La validité du contenu ou content validity
Il existe plusieurs définitions relatives à la validité de contenu que la plupart décrivent comme
le degré auquel les éléments de la mesure sont représentatifs et ont un lien direct avec ce qui est
mesuré. Il s’agit de savoir si oui ou non les items représentent adéquatement le domaine qu’ils
prétendent mesurer (Polit et Beck, 2006 ; Waltz, Strickland et Lenz, 2005 et Wynd, Schmidt et
Schaefer, 2003). La validité de contenu se réfère aussi à l’opinion formulée par les experts sur la
mesure contrairement à la validité manifeste ou c’est l’avis de l’utilisateur qui est pris en compte (Lynn,
1986 ; Beck et Gable, 2001 ; Haynes, S., & al. 1995 ; Mastaglia, Toye et Kristjanson, 2003).
Pour Fermanian, les experts évaluent dans quelle mesure les items composant l’échelle sont
pertinents et constituent un échantillon représentatif de l’univers de tous les items possibles pouvant
décrire le phénomène mesuré. Il fournit l’exemple suivant pour l’illustrer. Supposons une échelle de 28
items construite pour mesurer par exemple le handicap dans les gestes de la vie quotidienne de
malades atteints de polyarthrite rhumatoïde. Après une étude faite par deux experts, les items
possibles ont été divisés en six domaines distincts : A = faire sa toilette, B = s’habiller, C = manger, ...
F = faire des achats. Pour évaluer la validité de contenu de l’échelle, les experts vérifient que :
5 http://www.cons-dev.org/elearning/stat/stat7/st7.html
11
• chaque item correspond bien à l’un des six domaines identifiés. Ainsi, ils voient que l’item 1
correspond à C, l’item 2 étudie A, etc. Chacun des 28 items correspond bien à l’un des domaines ;
• chaque domaine est représenté par un ou plusieurs items en fonction de son importance. Les experts
peuvent se rendre compte que A est représenté par trois items, B par quatre items, ... F par cinq items.
À l’issue de cet examen les deux experts s’accordent pour donner une appréciation globale
sur la validité de contenu si tous les domaines sont représentés. Pour Delgado-Rico et al. (2012), la
validité du contenu comprend tous les éléments qui influent directement sur la façon dont les données
sont obtenues et indiquent que les trois étapes importantes pour évaluer la validité de contenu sont :
1) la définition du domaine ou du contenu à évaluer, 2) la construction des items, et 3) le jugement
d’experts des éléments de construction.
La validité de construit ou construct validity
La validité de construit démontre dans quelle mesure l’instrument décrit une vraie mesure.
Selon Kimberlin et Winterstein (2008) et Fermanian (2005), elle part de la conception théorique que
nous avons du phénomène mesuré par l’échelle permettant de faire un certain nombre d’hypothèses.
La validité du construit s’affirme et croît au fur et à mesure que des expériences successives viennent
confirmer les hypothèses préalables. On cherche à savoir à travers les hypothèses formulées si les
scores de l’échelle étudiée sont fortement corrélés avec d’autres variables (validité convergente). Ainsi
la validité de construit indique si la définition opérationnelle d’une variable reflète en réalité la véritable
signification théorique d’un concept6. Pour Amarenco, et al. (2000), la validité empirique des échelles
doit être établie (validité de contenu, validité concourante). De même, la pertinence du regroupement
des items de l’échelle doit être vérifiée. Il existe plusieurs méthodes pour vérifier la validité convergente
et divergente des items à l’aide des analyses factorielles, qui étudient les liens entre les items en
regroupant les plus corrélés sur chacun des axes factoriels. Après cet examen de la validité, nous
définissons la fiabilité.
6 Voir http://www.socialresearchmethods.net/kb/constval.php
12
b. La fiabilité
La fiabilité se rapporte à la capacité d’un instrument à mesurer systématiquement un attribut
(DeVon et al, 2007). Elle représente le degré de consistance, de cohérence ou de stabilité d’une
mesure. La fiabilité est donc la capacité d'un test ou d'une échelle à obtenir les mêmes résultats quand
il est répliqué à plusieurs reprises. La fiabilité est déterminée en calculant le coefficient de corrélation
entre les séries répétées de scores par intervalle de temps. Si le coefficient de corrélation est de 0,80
ou plus, il est généralement considéré comme étant un test fiable. Pour être considéré comme fiable,
un test ne doit pas donner une corrélation positive parfaite de 1,07.
Une vue classique des types de fiabilité a été faite par l’AERA en 1985, Amarenco, et al. (2000)
portant sur les éléments qui sont la stabilité temporelle, la cohérence et la fiabilité inter-jugement. La
première fiabilité correspondant à la stabilité temporelle utilise la même forme du test sur deux ou à
plusieurs reprises appliquée au même groupe de sujets examinés (test-retest). À chaque reprise, le
résultat de la mesure du retest est identique au résultat du test précédent. Dans de nombreuses
reprises, cette approche n’est pas pratique parce que les comportements des sujets examinés
pourraient être affectés par des mesures répétées. On pourrait mesurer la cohérence interne ou
internal consistency de la mesure en utilisant le coefficient de résultats des tests obtenus à partir d’un
seul test ou d'une enquête (Alpha de Cronbach, KR20). Quant au troisième, la fiabilité inter-jugement
ou rater consistency, résulte de l’accord entre deux évaluateurs, des codeurs ou des observateurs.
L’estimation de la fiabilité est utile lorsque l'objet sous le jugement est très subjectif. Si l'échelle
de notation est continue, le coefficient de corrélation de Pearson est adapté. Si l'échelle est ordinale
par nature, le coefficient de Spearman est l'approche la plus appropriée pour la classification
catégorielle. Les coefficients de Kappa ou de corrélations intra classes sont parfois utilisés. Une valeur
seuil de .70 à .80 est recommandée (Landis et Koch, 1977).
7Pour cette partie voir http://study.com/academy/lesson/reliability-in-psychology-definition-lesson-quiz.html
13
Amarenco, et al. (2000) étudient la construction et la validation des échelles de qualité de vie
en France et résument les qualités d’un instrument de mesure en ces termes. Pour eux, la validité de
contenu est le fait que le questionnaire mesure ce qu’il prétend mesurer, tandis que la validité de
construit témoigne que le questionnaire est un véritable instrument de mesure. Ils affirment que la
validité critérielle établit la validité empirique de l’échelle par rapport à un autre questionnaire existant
considéré comme la référence. Quant à la fiabilité, elle représente la capacité du questionnaire à se
comporter de manière fiable et de mesurer de manière reproductible. La reproductibilité est la stabilité
de la mesure dans le temps, et l’analyse de la cohérence interne peut être appréciée par le calcul de
I’alpha de Cronbach. Ce coefficient indique dans quelle mesure les items d’une dimension investiguent
le même concept. Il varie de 0 (faible cohérence) à 1 (parfaite cohérence). Un minimum de 0,5 est
requis, mais 0,70 est recommandé pour avoir une bonne cohérence interne. La stabilité est la capacité
du questionnaire à mesurer les mêmes choses chez une même personne sur un laps de temps donné.
Un regard critique a été porté à la fois sur la fiabilité et la validité (Salvucci, Walter, Colley,
Fink, et Saba ,1997) en examinant la possibilité d’inclusion de la fiabilité dans la validité. Les
chercheurs comme Salvucci, Walter, Colley, Fink, et Saba contredisent l’opinion traditionnelle selon
laquelle la fiabilité est une condition nécessaire non suffisante de validité. Ces auteurs conceptualisent
la fiabilité comme une invariance et la validité comme un biais. Pour eux, un échantillon statistique peut
avoir une valeur attendue égal au paramètre (sans biais) de la population, et présenter une très forte
variance, et inversement. De ce point de vue, une mesure peut être peu fiable en présentant une
variance élevée, et être valide, donc non biaisée. Yu recommande alors de vérifier à la fois la viabilité
et la fiabilité lorsqu’on se prête à l’évaluation des indices.
Par contre, Moss (1994) évoque l’inclusion de la fiabilité dans la validité et considère que la
validité est un concept plus large que la fiabilité. La fiabilité serait contenue dans la validité. Selon lui,
Il ne peut y avoir validité sans fiabilité si elle est définie comme la cohérence entre les mesures
indépendantes. La fiabilité est un aspect de la validité conceptuelle. Comme l'évaluation devient moins
standardisée, les distinctions entre la fiabilité et la validité est floue. Cet avis est partagé par Li (2003)
qui fait valoir que l’indépendance entre fiabilité et validité est incorrecte. Il affirme que la fiabilité doit
être définie en rapport à la théorie classique des tests représentant la corrélation au carré entre les
vrais scores observés ou la proportion de variance réelle dans les résultats des tests obtenus. La
fiabilité est une mesure sans unité, et donc il est déjà un modèle libre ou libre standard. Il est possible
14
que de multiples facteurs soient introduits dans un test pour améliorer la validité, mais diminuent la
cohérente de la fiabilité.
Thompson et al. (2003) apportent une nuance sur la perception faite de la fiabilité par Li. Pour
eux, la fiabilité n’est pas une propriété des tests ; elle est plutôt fixée par la propriété des données puis,
ils ajoutent que les mesures ne sont pas fiables. Il est important d'explorer la fiabilité dans pratiquement
toutes les études en généralisant, ce qui est similaire à la méta-analyse et devrait être mis en œuvre
pour évaluer la variance de l'erreur de mesure à travers de nombreuses études.
B. Faits empiriques
Après la revue théorique, il est important de vérifier empiriquement comment l’évaluation des
mesures se fait. Cette partie de la revue empirique nous permettra de comprendre la démarche
méthodologique suivie par certains auteurs et les techniques d’analyse utilisées. Erol (2010) a examiné
la validité et la fiabilité de l'échelle de traduction de la perception de la politique organisationnelle en
Turquie. Cette Perception a été testée en termes de contenu et de structure. La technique suivie est
conçue comme un processus en deux étapes. A la première étape, la validité du contenu a été testée.
Dans la deuxième étape, les preuves de la validité conceptuelle de l'échelle ont été recherchées en
faisant une analyse exploratoire des facteurs (EPT), puis l'analyse factorielle confirmatoire (CFA) pour
les données obtenues. Pour déterminer la fiabilité de l'item total de l’échelle des corrélations de score
et le coefficient de Cronbach alpha ont été utilisé. La démarche faite pour la validité et la fiabilité de
l'échelle a été menée sur les données recueillies auprès de 277 membres du corps professoral qui
travaillent dans les facultés d'éducation des universités. En tant que méthode de réalisation de ces
membres du corps professoral, un échantillonnage aléatoire simple est utilisé. Les propriétés
psychométriques de la version Turque de la perception de la politique organisationnelle d’échelle a
montré que celle-ci a un niveau satisfaisant de fiabilité et de validité dans l'échantillon des employés
Turcs.
Ingles et al. (2009) ont examiné les éléments de preuve de fiabilité et de validité établi à partir
des scores de la version espagnole de la réalisation des Objectifs Généraux de Tendances du
Questionnaire (AGTQ) en utilisant un échantillon de 2.022 (51,1% de garçons) des étudiants espagnols
de grades 7 à 10. Comme Erol, ils utilisent une méthode fondée sur l'analyse factorielle confirmatoire
qui reproduit la structure corrélée à trois facteurs de l'AGTQ dans cet échantillon : Objectifs
d'apprentissage (LG), Objectifs de Renforcement social (SOR) et objectifs de rendement (PG). Selon
15
ces auteurs, l’AGTQ donne des résultats relativement fiables pour les étudiants espagnols. La preuve
de la fiabilité de la version espagnole des scores sur l’AGTQ a été évaluée à l’aide du coefficient alpha
de Cronbach. La consistance interne montre des coefficients de .79 pour LG ; .74 pour SOR et .71 PG.
Les Test- retest de fiabilités, sur un intervalle de 6 semaines, ont fournis les résultats suivants : 0.67
pour LG ; .67 pour SRG, et .59 en ce qui concerne PG. Par ailleurs, au-delà de l’analyse factorielle,
des analyses de régression logistique ont été utilisées pour fournir des preuves de validité
supplémentaire des scores de l’AGTQ sur la réussite scolaire (général, en espagnol et les
mathématiques). Les résultats indiquent que la réussite scolaire générale était de 15% et 5% plus de
chances à chaque fois que les scores sur les échelles LG et PG ont augmenté de 1 point,
respectivement, et que la réussite scolaire générale était de 9% moins de chances à chaque fois que
les scores sur l'échelle de SRG ont augmenté de 1 point. Ces résultats étaient similaires pour
l'espagnol et les mathématiques. Cependant, le score sur l'échelle LG n'a pas fourni de succès dans
les deux sujets. On peut alors conclure que les scores LG et PG sont bien prédictives et possèdent
une validité prédictive meilleure que le score SRG.
De même, une étude de la fiabilité et de la validité des scores portant sur la version révisée de
l’AGTQ dans les échantillons d'étudiants du Collège japonais a été menée par Hayamizu et Weiner
(1991). Ceux-ci ont reproduit la structure à trois facteurs des scores d’AGTQ représentés par LG, SOR
et PG trouvés chez les élèves du secondaire japonais dont les items ont été différemment distribués.
L’échelle LG comporte huit items, alors que les échelles SOR et PG, chacun se compose de six items.
Dans leur analyse, les scores SOR et PG sont interdépendants avec un coefficient de .44, tandis que
les coefficients de corrélation avec les scores LG étaient faibles : .10 et .05, respectivement. L’inter
corrélation moyenne entre les scores sur ces facteurs était de .20. Ces auteurs ont constaté que les
scores de l'AGTQ ont montré des coefficients de cohérence internes adéquats : .89 pour LG, .78 pour
SRG, et .71 pour PG, contrairement à Ingles et al., qui trouvent que seuls les scores LG et PG sont
fiables. Ils ont indiqué que, la faible stabilité a été négativement liée au score sur l'échelle de LG,
comme l’affirme Dweck (1986). Ce dernier a déclaré que, les directions des relations entre la stabilité
et la contrôlabilité de la faible capacité et le score de l'échelle PG de l’AGTQ étaient parfaitement liées.
Enfin, les résultats indiquent que la perception de l'effort et la difficulté des tâches aussi étaient des
prédicteurs de l'objectif de réalisation des trois scores.
16
Delgado-Rico et al. (2012) étudient quant à eux, la validité de contenu dans le développement
de test à partir de l'analyse de l'adaptation espagnole de la qualité de l’État portant sur l’inventaire des
formes de gaieté (STCI -T). L’article illustre les étapes nécessaires pour analyser la validité. D’abord :
1) définition du domaine contenu à évaluer, ensuite 2) faire le point de construction des items, et enfin
3) un jugement d'expert des éléments de la construction des items. Cette étude a porté essentiellement
sur la troisième étape et les résultats sont obtenus avec un panel sélectionné d'experts. Le papier
décrit brièvement les critères les plus importants à considérer dans la sélection des experts, la
procédure recommandée pour obtenir des jugements, la manière d’administrer, les aspects des
éléments à évaluer, et le type d'analyses qui doivent être effectués. Dans leur étude, 106 items
originaux du STCI -T (gaieté : 38 items ; mauvaise humeur : 31 items ; gravité : 37 items) ont été
soumis à la traduction par 04 spécialistes bilingues. Étant donné le nombre élevé d'éléments de la
version expérimentale espagnole du STCI-T (188) et les multiples facettes de chacune de ses
dimensions, un grand nombre de juges a été choisi à raison de 03 juges par item. L'objectif était de
repartir les items à évaluer parmi les juges pour éviter un biais dû à la fatigue, la perte de motivation
dans la tâche, ou d'autres causes. L’index de Contenu de Validité (ICV) de Polit et Beck (2006) a été
calculé afin de valider les résultats. Comme critère général, il est considéré que les valeurs de l'ICV
devraient être supérieures à .70. Pour analyser la pertinence, il est fortement recommandé d'inclure
un indice d’accord inter juges qui prend en compte le nombre de juges et le nombre de classifications
possibles ainsi que le nombre total d'items lors de l'analyse de la dimension globale. La
recommandation indique d’utiliser l'indice Kappa d’accord inter juges (Wynd et al., 2003) avec une
valeur supérieure à .40. Les résultats montrent que tous les juges qui ont été invités à évaluer les
items, les ont remplis. Sur les 188 items évalués, 60 ont été considérés comme ayant une validité de
contenu insuffisant (ICV < .70 et Kappa < .40) dans la représentativité et / ou pertinence). L’analyse
dimensionnelle de la STCI –T conduit à l'élimination de 16 items pour la gaieté, 24 items pour la gravité,
et 20 items pour mauvaise humeur. La valeur de l’ICV globale de représentativité était .89, .80 et .82
respectivement pour la gaieté, la gravité et de mauvaise humeur. En ce qui concerne la pertinence, les
valeurs de l'ICV globale étaient .81 ; .75 et .79 pour gaieté, gravité et mauvaise humeur respectivement.
La valeur Kappa était .55 pour gaieté, .48 pour gravité et .50 pour mauvaise humeur.
Dans le domaine législatif Grant et Kelly (2007) ont procédé à la mesure et la vérification de
leur indice. Ils mesurent d’abord la productivité législative de toute l'histoire du Congrès américain de
la période 1789-2004 qui est le nombre de lois publiques adoptées par un Congrès et, mesurer l’indice
17
de productivité législative (LPI) et l’indice législatif global (MLI). Ceux-ci somment ensuite les
informations provenant des indicateurs de productivité en LPI et en MLI pour construire un indice. Pour
s’assurer de la qualité de leur mesure, ils examinent le contenu, la convergence, et la validité de
construit. Deux types de convergence sont étudiés, la validation de convergence qui est le processus
de démonstration de la similitude entre une mesure et d'autres mesures, et la validité de divergence
comprenant également des comparaisons avec des mesures de concepts qui sont théoriquement
distinct du nouveau concept. Le modèle de construction de validité inclut les déterminants potentiels
de productivité législative. En outre, la validation des index est réalisée en effectuant la validation des
tests de construction, en examinant la relation entre leurs mesures de la productivité et les variables
qui pourraient, selon les recherches antérieures, déterminer les niveaux de productivité. Pour eux, la
productivité est déterminée par la partisannerie ; elle est également influencée par des changements
dans les exigences sociétales, telles que mesurées par les préférences politiques du public. Ils
concluent que LPI et MLI sont valides et sont des mesures de productivité supérieures à d'autres
mesures utilisées dans la littérature.
Au terme de cette revue de la littérature tant théorique qu’empirique, une synthèse est
nécessaire pour récapituler la démarche et les méthodes empruntées par les différents auteurs. Les
concepts de validité et fiabilité recouvrent plusieurs aspects (voir Demeuse et al. et AERA) et que
chacun de ces aspects peut être analysé en employant plus techniques. Par exemple pour établir la
validité de contenu, on peut faire référence à la pertinence des items en utilisant soit l’analyse
factorielle, soit la matrice des corrélations (Amarenco, et al, 2000 ; Ingles et al, 2009). Delgado-Rico et
al nous apprennent qu’il est aussi possible d’employer les techniques d’analyse qualitative et
quantitative. Nous bâtirons notre méthodologie au regard de cette littérature. Mais, nous avançons
l’idée que la validité de critère ne pas être vérifiée dans notre analyse des indices puisqu’elle exige
l’existence d’un indice standard accepté comme norme. Dans notre cas précis, au vu de la nouveauté
dans la construction des indices de contrôle parlementaire, cette référence n’est pas disponible.
18
III. Méthodologie
Pour évaluer les indices de contrôle parlementaires, nous décrirons la démarche utilisée, les
techniques d’analyse et le choix des indices. Cette étape est nécessaire pour s’assurer de la
robustesse de nos résultats.
A. Choix des indices
Dans la littérature, il existe un nombre important d’indices élaborés pour mesurer la
performance des parlements. Certains se focalisent sur une fonction particulière donnée du Parlement.
Étant donné qu’il existe trois principales fonctions accomplies par les parlements (législative,
représentation et contrôle), nous retiendrons ici dans cette étude, les indices qui traitent des aspects
du contrôle parlementaire jugé important par la plupart des auteurs. Afin d’apporter une évaluation
exhaustive des indices, la taille des pays participant à la construction de la mesure de l’indice est
retenue. Nous retiendrons des indices construits avec un petit nombre de pays et aussi d’un grand
nombre de pays. Ces critères ont guidé le choix de nos indices pour s’assurer de la représentativité de
nos résultats. Le processus de calcul de certains indices et leur accessibilité n’a pas été possible.
L’évaluation portera sur quatre indices qui offrent une estimation différente du contrôle budgétaire.
Le premier est l’Indice Parlementaire Africain (IPA) élaboré par le Centre Parlementaire de
l’Agence Canadienne de Développement International (ACDI), qui évalue 07 parlements africains. Ces
pays sont le Bénin, le Ghana, le Kenya, le Sénégal, la Tanzanie, l’Ouganda et la Zambie. Cet indice
est particulièrement intéressant à étudier à cause de la taille ou nombre réduit de pays couverts. L'outil
d'auto-évaluation qui consiste à l’évaluation des parlementaires par eux-mêmes à l’aide d’un
questionnaire, a couvert cinq domaines principaux
(1) la représentation ;
(2) la législation ;
(3) les fonctions de surveillance ;
(4) la capacité institutionnelle ; et
(5) l'intégrité institutionnelle.
Nous évaluons l’indice qui couvre les domaines du contrôle et de la surveillance budgétaire du
Parlement et d’autres principaux domaines fonctionnels qui touchent directement les rôles de
surveillance financière des Parlements. Les questions étaient qualitatives, et demandent aux
19
répondants de donner leurs avis et de noter chaque variable ou chaque indicateur sur une échelle de
quatre points où : 4 désigne un niveau élevé de la capacité du Parlement en place ; 3 montre un niveau
modéré de capacité ; 2 indique l'existence d'un niveau basique de capacité ; et 1 signale un besoin
clair d’augmentation de capacité.
Le second indice est celui de Wehner dont le cadre se compose d'une série de variables qui
sont combinées en un indice pour mesurer la variation de contrôle par pays dans la budgétisation.
L'opérationnalisation est basée sur des données d'enquête des pays membres de l'Organisation de
Coopération et de Développement Économique (OCDE) et la Banque mondiale portant sur les
arrangements institutionnels qui facilitent le contrôle législatif sur les budgets de l’État. L’indice est
construit à l'aide des données de 36 pays à partir d'une enquête sur les procédures budgétaires de
2003. L'indice est construit suivant 06 variables institutionnelles du contrôle législatif. Ces variables
sont les pouvoirs d’amendement du parlement, les budgets réversifs, la flexibilité du pouvoir exécutif
au cours la mise en œuvre, le calendrier du budget, les comités législatifs et les informations
budgétaires.
Le troisième indice qui est le Parliamentary Powers Index (PPI) de Fish et Kroenig qui évaluent
un ensemble de 158 pays à travers le monde. Le Parliamentary Powers Index (PPI) évalue la force de
la législature nationale de chaque pays dans le monde ayant une population d'au moins un demi -
million d'habitants. Le PPI donne un aperçu sur l'état actuel du pouvoir législatif dans le monde en
2007 et 2009 en matière de contrôle budgétaire. L’outil principal de collecte des données est l'enquête
appelée Pouvoirs Législatifs Surveys (LPS). Le questionnaire comprend une liste de 32 variables ou
items qui mesurent l'emprise du contrôle législatif sur l'exécutif, son autonomie institutionnelle, son
autorité dans des domaines spécifiques, et sa capacité institutionnelle. Les données ont été générées
au moyen d'une vaste enquête internationale d'experts, d’étude approfondie des sources secondaires,
et une analyse minutieuse des constitutions et autres documents pertinents.
Le quatrième indice est celui d’Imbeau-Stapenhurst qui couvre un ensemble de 97 législatures
dont 28 sont francophones et 69 sont anglophones. Ces législatures sont issues de trois types de
système parlementaire : 61 de type unicaméral, 35 de type bicaméral et 1 de type tricaméral (Sénat,
chambre des représentants et conseil des sages). Les législatures sondées sont reparties
géographiquement comme suit : 32 assemblées africaines, 30 assemblées d’Amérique et de Caraïbes,
15 assemblées asiatiques, une assemblée du pacifique et 19 assemblées européennes. Cet indice est
20
mesuré à partir de trois scores relatifs aux capacités structurelles, d’activité et de ressources des
différentes législatures. Les données ont été obtenues à l’aide d’un questionnaire administré aux
parlements nationaux et sous-nationaux dans différents pays.
B. Démarche et outils d’analyse
L’évaluation des indices sélectionnés portera sur la validité de contenu, la validité de construit,
la validité manifeste et la fiabilité. Nous adopterons une approche qualitative et quantitative suivant
Drapeau (2004). L’approche qualitative consistera à apprécier la validité de contenu et la validité
manifeste des instruments de mesure. Elle vise à apprécier les items du questionnaire avant la collecte
des données pour s’assurer de la conformité et la pertinence des informations collectées. Après cette
collecte de données, les items peuvent présenter des problèmes de multi colinéarité dont il faut se
débarrasser. L’analyse statistique permettra de surmonter à ces problèmes. Pour assurer la qualité de
l’analyse, nous mènerons ainsi une analyse quantitative pour suppléer l’analyse qualitative. Cette
analyse quantitative traite de la validité de construit, de la pertinence qui a rapport à la validité de
contenu et la fiabilité des instruments.
Cette évaluation des indices se décomposent en trois étapes. La première étape consiste à
une analyse des corrélations d’un item aux scores totaux des items et des techniques d’analyse
factorielle. Le but de cette étape est d’examiner l’indépendance des items qui sont manifestes avec les
principaux points d’intérêt. La deuxième étape évalue les covariations entre les items. Les deux
premières étapes nécessitent une matrice de corrélation des items ; par conséquent, les données
peuvent être résumées raisonnablement dans une telle forme. Notons que la matrice de corrélation et
l’analyse factorielle sont utiles lorsque les items sont peu nombreux. En pratique, comme c’est le cas
dans la présente étude, les chercheurs utilisent souvent de grands nombres d'items et peuvent
souhaiter prendre de nombreuses variables en compte. Cette analyse consistera à vérifier si
l’ensemble de ces items sont indépendants ou dépendantes. D’autres procédures spécifiques (la
troisième étape) liées à la cohérence, à la consistance ou à la fiabilité inter-juges portant sur la fiabilité
seront adoptées afin de mener à bien l’analyse.
a. Techniques d’analyse qualitative des indices
La validité manifeste et de contenu reposent sur l’appréciation des utilisateurs et des juges sur
le contenu des items appartenant aux indices. A cet, à l’aide des questionnaires utilisés par les
21
constructeurs des indices, nous les comparerons au questionnaire recommandé par l’UIP. Cela nous
permettra d’inspecter si les items utilisés par les constructeurs d’indices sont conformes à ceux de
l’UIP. Nous nous basons sur ce questionnaire de l’UIP dit de benchmark législatif utilisée par Joseph
(2010) pour comparer différents indices. Ce benchmark est utilisé par les institutions comme
l’Association Parlementaire du Commonwealth (APC). Il comporte 87 items permettant d’évaluer les
parlementaires et leur staff. Ces items sont validés par les conseillers procéduraux de la chambre des
Opérations et l’Office de Recherche du Sénat et de la Chambre des représentants. Mais certains
benchmarks ne faisant pas partir du domaine du contrôle budgétaire ne feront pas l’objet d’analyse.
Les parlementaires mènent des discutions entre eux de l’évaluation à faire en se servant du
benchmark, puis individuellement ils portent leur jugement. Cette procédure a été utilisée par l’APC et
l’Assemblée Parlementaire de la Francophonie (APF). On comparera alors ces benchmarks à ceux
utilisés par les chercheurs afin de vérifier si les différents items utilisés par les chercheurs sont
conformes au benchmark. Cette démarche permettra de se prononcer sur la représentativité du
contenu des indices. Ceci revient à démontrer que les items couvrent bien l’ensemble des domaines
au contrôle budgétaire. Puisque les chercheurs utilisent les questionnaires multidimensionnels, le
contenu de chaque dimension du questionnaire sera analysé afin de s’assurer de la cohérence des
items. Pour ce faire, nous décrirons les items du benchmark.
Benchmark d’évaluation parlementaire de l’UIP
Afin de pouvoir vérifier la validité de contenu des indices à évaluer, il est nécessaire de décrire
le référentiel ou standard de base permettant de juger la validité de construction et de contenu des
indices. Les questions ou éléments correspondant aux items du benchmark couvrent 06 volets ou
domaines que voici.
- La représentativité du Parlement
Elle concerne entre autres les éléments ci-après :
La diversité de la composition du Parlement des opinions politiques des partis du pays
La représentative des femmes, des groupes et régions marginalisés ;
La facilité des personnes à revenu moyen de se faire élire ;
Le rôle des structures destinées à garantir les partis ou groupes d’opposition, les groupes
minoritaires et leurs membres à réellement contribuer aux travaux du Parlement ;
22
La facilité de l’infrastructure du Parlement et ses règles tacites à la participation des
hommes et des femmes et,
Le degré de liberté d’expression et de protection des députés.
- Le contrôle parlementaire sur l’exécutif
Dans ce volet, les éléments retenus se rapportent à :
La rigueur des procédures permettant aux parlementaires de poser des questions à l’exécutif
et d’en obtenir les informations demandées ;
Le degré d’efficacité des commissions spécialisées ;
L’influence du Parlement sur le budget national et de son examen ;
L’efficacité du Parlement à examiner les nominations à des postes de responsabilité et à
demander des comptes aux titulaires ;
Le degré d’autonomie du Parlement à l’égard du gouvernement ;
La correspondance des effectifs et les qualifications du personnel parlementaire aux besoins,
tant individuels que collectifs, dans l’accomplissement de leurs fonctions et ;
La correspondance des services de recherche, d’information et autres aux besoins des
parlementaires et de leurs groupes.
- La fonction législative du Parlement
Les éléments retenus sont :
La satisfaction des procédures de soumission d’un projet de loi à une discussion approfondie
et ouverte au Parlement ;
L’efficacité de la procédure des commissions dans l’examen et l’amendement des projets de
lois ;
La transparence de la procédure de consultation des groupes et des intérêts concernés lors
de l’élaboration d’une loi ;
La garantie de la clarté, de la concision et l’intelligibilité de la législation ;
La compatibilité des lois adoptées avec la Constitution et les droits fondamentaux des citoyens
et ;
L’intégration de l’égalité des sexes dans son travail parlementaire.
23
- La transparence et l’accessibilité du Parlement
Ce volet prend en compte :
L’accessibilité des médias et du public aux débats du Parlement et de ses commissions ;
Le degré de liberté des journalistes dans leurs reportages sur le Parlement et les activités
des parlementaires ;
Le degré d’informations parlementaires, passant par différents canaux, offertes aux citoyens
concernant leurs travaux ;
L’intensité et la réussite des initiatives destinées à intéresser les jeunes aux travaux
Parlementaires ;
Le degré de convivialité de la procédure permettant à des particuliers ou à des groupes de
soumettre des informations à une commission parlementaire ou une commission d’enquête et
Le degré d’implication offert aux citoyens dans l’élaboration de la législation.
- L’obligation de rendre compte du Parlement
Le cinquième volet comporte :
Les dispositifs obligeant les parlementaires à tenir les électeurs informés de leur travail ;
Le degré d’efficacité du système électoral ;
La garantie du respect par les parlementaires des codes d’éthiques en vigueur ;
La transparence et l’efficacité de la procédure destinée à éviter les conflits d’intérêts ;
La garantie du financement des partis et des candidats à l’indépendance des parlementaires
dans l’exercice de leurs fonctions et ;
Le suivi et l’analyse du degré de confiance des citoyens à l’égard du Parlement.
- La participation du Parlement à la politique internationale
Le dernier volet concerne :
L’examen parlementaire de la politique étrangère du gouvernement et sa contribution ;
Information du Parlement de la position adoptée par le gouvernement dans les instances
régionales ou universelles ;
Le degré d’influence du Parlement sur les engagements juridiques ou financiers contraignants
pris par le gouvernement dans des enceintes internationales ;
L’examen des rapports nationaux élaborés dans le cadre des mécanismes internationaux de
suivi ;
24
La promotion du dialogue politique destiné à régler des conflits, tant sur le sol national qu’à
l’étranger ;
L’examen de la politique et de la performance des organisations internationales auxquelles le
gouvernement du pays apporte des ressources financières, humaines et matérielles et ;
Le contrôle du déploiement des forces armées nationales à l’étranger.
Ce benchmark représente le questionnaire global de l’UIP évaluant les différentes fonctions du
parlement. Dans notre étude, nous nous intéressons aux items relatifs au domaine qui est en rapport
avec le contrôle budgétaire du parlement.
b. Les techniques d’analyse quantitative
- Validité de construit
Pour évaluer la validité de construit, nous utilisons les indices de difficulté, de discrimination et
l’analyse factorielle exploratoire. L’indice de difficulté (P) et l’indice de discrimination (D) des items sont
deux paramètres qui aident à évaluer la norme des questions à choix simples ou multiples (QCM)
utilisées, avec des valeurs anormales indiquant une mauvaise qualité (Mitra, Nagaraja, Ponnudurai,
Judson, 2009). Ces indices P et D seront utilisés pour l’évaluation des indices parlementaires, ils
fournissent une mesure de la validité de construit pouvant être utilisée dans des situations où un grand
d’échantillon d’items est réalisé. Cette méthode a été employée par Polit et Beck (2006). L'indice de
difficulté P des items est obtenu en calculant le pourcentage du nombre total de réponses correctes
des tests d’items, tandis que l'indice de la discrimination mesure la différence entre les pourcentages
dans le groupe supérieur à celui du groupe inférieur qui a obtenu les réponses correctes.
L’indice P8 est obtenu par la formule
𝑃𝑖 = ( 𝐴𝑖
𝑁𝑖⁄ ), où Pi = indice de difficulté de l’item i
Ai = Nombre de réponses correctes de l’item i
Ni = Nombre de réponses correctes et incorrectes de l’item i.
La recommandation générale est d'utiliser des éléments avec des valeurs p contenues dans une
fourchette de 0.40 à 0.60.
8 Voir Krishnan (2013)
25
L’indice de discrimination9 a été calculé en utilisant la formule 𝐷 = (𝑈𝐺 − 𝐿𝐺) /𝑁.
UG : le nombre total de réponses de 27 % des items ayant obtenu une réponse correcte et LG : 27%
ayant obtenu de faibles réponses. Mais, si les items ont plus de 02 catégories, l’analyse de corrélation
est souvent employée notamment l’item-test correlation et l’item-rest correlation. L’item-test correlation
indique la mesure dans laquelle le score de l'item et le score total des items mesurent la même chose.
Cette corrélation d’item-test donne la force de la relation entre le score de l'item et le score du test
global. Si elle est positive, les items discriminent entre les scores élevés et faibles. L’item-rest
correlation montre la force d'une relation entre le score d’un item et le score total des items sans cet
item (Krishnan, 2013). Les résultats de P et D sont obtenus directement avec du logiciel d’analyse
Stata (Acock, 2010).
Plus l’index de discrimination des tests d’items est élevé, plus on peut mieux discriminer entre
les groupes d’items ayant des résultats supérieurs et ceux avec les résultats des tests inférieurs. Sur
la base des lignes directrices d’Ebel (1972) portant sur la théorie classique de test d'analyse des items,
ces items sont classés selon leur indice de discrimination tel que l'item ayant un indice de discrimination
négative (D) est mis au rebut ; si D est compris entre 0.0 à 0.19, c’est-à-dire item pauvre, il peut être
révisé ; si D est compris entre 0.2 à 0.29, il est acceptable ; si D est compris entre 0.3-0.39, il est bon
et, si D > 0.4, il est excellent.
Mais parfois la plupart des items peuvent être corrélés les uns par rapport aux autres. Nous
emprunterons l’analyse de Piazza (1980) portant sur les attitudes effectuées à l’aide de la technique
d’analyse de la matrice de covariation inter item. Les covariations sont des méthodes habituellement
utilisées pour déterminer si un certain nombre d’items mesure avec succès un indice commun appelées
coefficients de corrélation de Pearson. L’analyse de la matrice de corrélation inter item sera renforcée
par l’analyse factorielle pour déterminer le nombre de dimensions qui doivent être émises comme
l'hypothèse afin d'expliquer les corrélations observées. Dans ce cas, une analyse en composantes
principales avec celle de la matrice diagonale pourraient aboutir à la présence d’un seul facteur si celui
a une valeur propre supérieure à un. Selon ce critère couramment admis, une dimension serait donc
9 Voir Mitra, Nagaraja, Ponnudurai , Judson (2009). The Levels of Difficulty and Discrimination Indices in Type a Multiple Choice Questions of Pre-Clinical Semester 1 Multidisciplinary Summative Tests. IeJSME 2009 : 3 (1) : 2-7.
26
suffisante. Ou bien, il existe au tant de valeurs propres supérieures à 1 que de facteurs. Dans ce cas,
le nombre de dimensions sera égal au nombre de valeurs propres supérieurs à un.
Cette technique peut s’avérer insuffisante car les items peuvent tous contribuer à la
détermination de la composante principale. Ces procédures peuvent ne pas nous aider à identifier et
rejeter les items qui mesurent non seulement la construction souhaitée, mais aussi autre chose qui est
liée à des variables théoriquement importantes. La technique d’analyse factorielle exploratoire nous
permettra d’avoir une idée plus claire de la structure de l’échelle concernant la manière dont se
regroupent les items en sous-groupes ou dimensions. Les items constituants une dimension sont bien
corrélés entre eux, mais ils sont très peu, ou du tout pas, liés aux items des autres dimensions voisines.
- La fiabilité des indices
Pour évaluer de manière précise la fiabilité, plusieurs méthodes sont employées. Kimberlin et
Winterstein (2008) indiquent qu’il existe trois types de fiabilité et chacun est associé à un mode
d’évaluation. Ces trois variétés de fiabilité sont la consistance interne, la stabilité et la fiabilité inter
juges. Nous utilisons deux coefficients pour identifier si les items sont aptes à former les scores grâce
à un test global de consistance interne (alpha de Cronbach) et un test de non-additivité (Tukey) qui
permettent de s’assurer de la consistance interne et de l’indépendance des items. Selon Tessier et al
(1985) l'analyse de la consistance interne d’un test permet de déterminer si les items contribuant à
constituer le score global couvrent le même domaine ou encore mesurent la même dimension, et qui
indique si l'erreur de mesure serait absente ou identique d'un item à l'autre. Quant au test de non-
additivité, il mesure l'interdépendance entre les sujets et les items. Lorsque le test est significatif, il
existe un biais systématique dans la construction d'un ou de plusieurs items, qui influence les sujets à
répondre sans discrimination par rapport à la question. La fiabilité des indices est d’autant plus élevée
lorsque que les scores obtenus par chaque sujet enquêté sont assez proches. Nous mesurerons aussi
la fiabilité inter ou intra juges à l’aide du test de kappa. La plupart de chaque item est une variable
qualitative à deux ou plusieurs modalités, ainsi la fiabilité (inter- ou intra juges et test–retest) s’évaluera
au moyen du coefficient de Kappa ou Kappa pondéré (Fermanian, 2005). La fiabilité est d’autant plus
importante que le coefficient est proche de 1. Par convention, on dit qu’elle est :
• très bonne si kappa ≥ 0,91 ;
• bonne si 0,90 ≤ kappa ≤ 0,71 ;
• modérée si 0,70 ≤ kappa ≤ 0,51 ;
27
• médiocre si 0,50 ≤ kappa ≤ 0,31 ;
• très mauvaise ou nulle si kappa ≤ 0,30.
La cohérence interne (internal consistency) est appréciée à l’aide du coefficient alpha de
cronbach ou du coefficient de fiabilité de Kuder-Richarson (KR-20). Alpha évalue la cohérence interne
d’un ensemble d’items, correspondant à une dimension unique ou encore la force des inter corrélations
entre items. Plus les items sont liés entre eux, plus la valeur d’alpha est grande. La formule simple est :
𝐴𝑙𝑝ℎ𝑎 =𝑁
𝑁 − 1(1 −
𝑆𝑜𝑚𝑚𝑒 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑐𝑒 𝑑𝑒𝑠 𝑖𝑡𝑒𝑚𝑠
𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 𝑑𝑒 𝑙𝑎 𝑠𝑜𝑚𝑚𝑒 𝑑𝑒𝑠 𝑖𝑡𝑒𝑚𝑠)
N étant le nombre d’items de l’échelle.
La formule de Kuder-Richardson 20 (KR- 20) est une méthode fréquemment utilisée pour déterminer
la cohérence interne si les items sont dichotomiques. Le calcul nécessite trois éléments d’information,
à savoir le nombre d'items, leur moyenne et l'écart-type (Krishnan, 2013).
𝐾𝑅 − 20 =𝑘
𝑘−1(1 −
∑ 𝑝𝑞
𝜎𝑥2 )
Où k = nombre des items ; p = proportion des personnes ayant répondu correctement aux items ; q est
la proportion des personnes ayant obtenu de mauvaises réponses aux items, et σ2x est la variance du
score total. L’interprétation de la valeur alpha calculée est la même que pour un kappa. Alpha varie de
0 à 1 et la cohérence interne est d’autant plus forte qu’alpha est proche de 1. Pour Fermanian, en
pratique la cohérence interne doit être assez grande (alpha > 0,80 ou > 0,70) mais le coefficient ne
doit pas être trop proche de 1, sinon plusieurs items sont redondants et font « double emploi ».
Stabilité des indices dans le temps.
En ce qui concerne la stabilité des indices, la vérification est réalisée en comparant les
résultats obtenus sur les individus lors d'un deuxième passage de questionnement, après un intervalle
de temps fixé selon la disponibilité des données du second passage. La logique sous-jacente à
l’analyse de la stabilité est que les indices restent fidèles après un long intervalle de temps, allant de
plusieurs mois à plusieurs années (Anastasi, 1968). La méthode la plus généralement employée pour
calculer la stabilité d'une mesure est la corrélation entre les deux scores obtenus à deux différentes
dates (Guilford, 1971). Mais les indices dont nous disposons ne nous permettent pas d’utiliser cette
technique car ils n’ont pas été répétés ou s’ils l’ont été nous ne disposons pas de ces informations.
28
Après l’exposition de la démarche méthodologique à suivre, la partie suivante aborde la présentation
et l’analyse des résultats.
29
Chapitre II : résultats des analyses
I. Analyse qualitative des indices de contrôle parlementaire
L’examen qualitatif des indices vise à s’assurer de la validité de construit et de contenu des
divers indices choisis pour l’évaluation. En se servant des items du questionnaire de l’UIP nous le
comparons aux items des questionnaires des indices retenus. Dans un premier temps nous présentons
les items des questionnaires utilisés, les méthodes employés pour construire ces indices et, dans un
second temps nous examinons les items servant à construire l’indice du contrôle parlementaire au
regard des items du benchmark de l’UIP.
A. Appréciation de l’Indice Parlementaire Africaine (IPA)
L’IPA est élaboré par le Centre Parlementaire Canadien (CPC) qui est un outil d'auto-
évaluation qui fournit un ensemble d'indicateurs montrant le niveau de performances des parlements
africains dans le processus du contrôle budget. Les catégories d'indicateurs sont liées aux trois
fonctions de base du Parlement : la représentation, la rédaction des lois et la surveillance des
dépenses et des finances publiques. Les notes attribuées par consensus à chaque indicateur du
questionnaire sont reparties sur une échelle allant de 1 à 4. L’échelle des notes est définie de la façon
ci-dessous :
- ― 4 : Niveau élevé
- ― 3 : Niveau modéré
- ― 2 : Niveau de base
- ― 1 : Niveau très faible.
a. Représentation
L’IPA a examiné le degré d’accessibilité du législateur au public et les efforts du Parlement
pour permettre au public de comprendre son rôle. Les items ou questions retenus sont :
Ouverture de la législature aux médias et au public ;
Relation non-partisane avec les médias ;
Diffusion de l’information budgétaire auprès du public ;
Promotion et compréhension du public du rôle des députés, et ;
30
Relations du Parlement et des autres institutions concernées.
b. Législation
Dans cette section, l'IPA évalue tous les facteurs déterminants l'efficacité du Parlement dans
l'exécution de sa fonction législative. L'évaluation couvre également le mandat légal des Parlements
partenaires en mettant l'accent sur la source de l'autorité du pouvoir législatif.
Légiférer, y compris la loi des finances ;
Pouvoir de modification du projet de loi des finances ;
Possibilité de contribution du public au processus législatif et ;
Mécanisme de suivi de la législation.
c. La fonction de contrôle
La fonction de contrôle couvre les sous fonctions financière, d’examen du budget et de
surveillance. La fonction financière examine plus le degré d’implication du Parlement dans le processus
budgétaire et cherche à savoir si le législateur peut apporter des changements aux propositions
soumises par le pouvoir exécutif. La fonction évalue le fondement juridique de l’implication du
Parlement dans le processus budgétaire et de la disponibilité d'une expertise technique. Les items se
rapportant à cette fonction sont :
Au niveau de la période d’examen du budget et audiences
Existence d’une commission budget ;
Audiences publiques sur le budget ;
Participation des citoyens au processus budgétaire ;
Pouvoir d’amendement du budget ;
Pouvoir de renvoi du budget pour révision ;
Modification sur les propositions de revenus et de dépenses ;
Existence d’une loi de finance ;
Existence d’un office de budget ;
Accès à l’information provenant des services du Gouvernement central et du secteur privé ;
Examen du Budget des services de renseignement et de la Défense par l'Assemblée Nationale
;
31
Revues du Budget ;
Approbation législative des revues et ;
Temps alloué pour l'approbation du budget revu.
Au niveau de la surveillance
L'indicateur de surveillance évalue l'existence et l'efficacité de commissions parlementaires de
surveillance pertinents, leurs pouvoirs et les ressources à leur disposition. Il examine aussi l'existence
et l'efficacité d'une Commission des Comptes Publics et d’un Auditeur Général, des pouvoirs et des
responsabilités des deux corps. Les items examinés sont
Existence de commissions de surveillance ;
Pouvoirs d'investigation des Commission de surveillance ;
Surveillance des dépenses des Entreprises d’État ;
Mécanismes permettant aux Commissions de surveillance d’obtenir des informations de
l’Exécutif ;
Pouvoir des Commissions de surveillance de suivre les recommandations ;
Accès des Commissions de surveillance aux ressources ;
Opportunités pour les minorités et partis de l’opposition ;
Existence d'une Commission des comptes publics (CCP) ;
Président de la Commission des comptes publics (CCP) ;
Droits et pouvoirs de la CCP ;
Présence des ministres ;
L'ouverture des procédures des CCP ;
Examen des rapports de l’auditeur général (AG) ;
Enquêtes indépendantes ;
Recommandations de la CCP ;
Mécanismes de suivi des recommandations de la CPP ;
Dotation de la CCP en ressource ;
Collaboration avec les institutions de lutte contre la corruption ;
Nomination de l’Auditeur Général (AG) ;
Présentation des rapports de l’AG ;
Régularité et ponctualité des rapports ;
Publication des rapports de l’AG ;
32
Requête d’audit et;
Ressources et autorité de l'AG.
d. Les capacités institutionnelles du parlement
Cet indicateur prend en considération aussi bien l’accès aux ressources humaines, matérielles que
financières pour appuyer les parlementaires dans le processus budgétaire. Les items sont :
Pouvoir du parlement à déterminer son propre budget ;
Logistique à la disposition du Parlement ;
Ressources pour le développement et des activités de la circonscription des députés ;
Mécanisme de réception et de coordination de l'assistance technique ;
Égalité des chances en matière d’emploi et ;
Personnel de recherche et autres d’appui.
e. Transparence et intégrité
La transparence et l’intégrité évaluent si la législature a un code de conduite et si ce dernier est
mis en œuvre. Il examine également si le code est soutenu par une loi, ou une convention, et s’il est
publié. Les questions relatives à cette partie concernent :
Existence et respect d'un code de conduite ;
Maintien de normes élevées d’imputabilité, de transparence et de responsabilité ;
Mécanismes des activités de lutte contre la corruption ;
Mécanismes de prévention, détection et de discipline des députés et du personnel impliqués
dans des pratiques de corruption et ;
Déclaration des biens et des intérêts d'affaires.
f. Méthodes de construction de l’indice
L'Indice Parlementaire Africain (IPA)10 du Centre Parlementaire Canadien fournit une
évaluation de la performance de sept (7) Parlements retenus par le Programme Africain de
Renforcement Parlementaire (PARP). Le processus de l'évaluation était conduit par les parlements
10 Voir IPA, 2011
33
partenaires du PARP et a été validé par des parties prenantes. Les évaluateurs comprenaient, les
députés de l'opposition, des partis politiques au pouvoir et le personnel parlementaire, les instituts de
recherche indépendants, des groupes de la société civile et des universitaires qui ont participé à
garantir la légitimité et l’appropriation par le pays du résultat final. L’équipe d’évaluation est
décomposée en quatre groupes de travail. Un premier groupe s’est occupé des questions d’évaluations
numérotées de 1 à 23, le second de 24 à 44 et le troisième de 45 à 61. Les travaux se sont déroulés
en sessions parallèles et les résultats de chaque groupe de travail ont été présentés et validés en
séance plénière. Chacun des trois groupes a discuté de façon libre sur chacune des questions et des
notes ont été attribuées par consensus à chaque indicateur. Une note totale a été évaluée par domaine,
ainsi qu’une note moyenne et une note moyenne pondérée.
g. La validité manifeste et de contenu
Un examen comparatif des domaines d’évaluation retenus par l’UIP montre que l’IPA couvre
les benchmarks de l’UIP à savoir les benchmarks de représentation, de législation, de contrôle et de
transparence et d’intégrité. L’indice IPA va au-delà des benchmarks de l’UIP en y incorporant les
capacités institutionnelles du parlement. Par contre, l’aspect participation du parlement à la politique
internationale n’est pas évalué comme le prévoit l’UIP. Une analyse approfondie du domaine de
contrôle parlementaire entre les items des deux questionnaires révèle une divergence des items
participants à la construction de ce sous-indice. Dans la fonction de contrôle, l’UIP évalue l’influence
parlementaire sur l’exécutif plus tôt que le contrôle budgétaire. Nous pouvons conclure que le contenu
et le construit des items des deux questionnaires sont différents.
B. Index de Pouvoirs Parlementaires (PPI) de Fish et Kroenig
Le PPI analyse les pouvoirs des législatures nationales et englobe plusieurs dimensions. Les
dimensions de construction du PPI sont les suivantes.
a. Influence sur l'exécutif
Les questions posées qui ont trait à cette dimension concernent :
Le législateur seul, sans la participation de tous les autres organismes, peut destituer le
président ou remplacer le Premier ministre ;
Le législateur peut servir simultanément de ministre du gouvernement ;
34
Le législateur a le pouvoir de sommation sur les fonctionnaires de l'exécutif et des auditions
avec des représentants du pouvoir exécutif à témoigner devant l'assemblée législative ou ses
comités sont régulièrement tenue ;
Le législateur peut mener une enquête indépendante sur le chef de la direction et les agences
de l’exécutif ;
Le législateur a des pouvoirs effectifs de contrôle sur les organismes de coercition (le militaire,
les organes d'application de la loi, les services de renseignement, et la police) ;
Le législateur nomme le Premier ministre et ;
L'approbation du législateur est nécessaire pour confirmer la nomination des ministres
individuels ; ou si le législateur lui-même nomme les ministres.
b. L'autonomie institutionnelle
Elle concerne notamment les items ci-après :
Le pays ne dispose pas d'une présidence, ou s'il y a une présidence, le président est élu par
le législateur ;
Le législateur peut voter une défiance au gouvernement ;
Le législateur est à l'abri de la dissolution par l’exécutif ;
L’exécutif n'a pas le pouvoir de décret ;
Les lois adoptées par le législateur sont approuvées par veto.
Les lois de la législature sont suprêmes et non soumises à un contrôle judiciaire ;
Le législateur a le droit d'engager des projets de loi dans toutes les juridictions politiques. En
d'autres termes, l'exécutif n'a pas le pouvoir de retenu des lois ;
La dépense des fonds alloués par le législateur est obligatoire.
L'exécutif n'a pas le pouvoir de confisquer les fonds alloués au législateur ;
Le législateur contrôle les ressources qui financent son propre fonctionnement interne ;
Les membres de la législature sont à l'abri de l'arrestation et / ou des poursuites pénales et ;
Tous les membres de la législature sont élus, l'exécutif n'a pas le pouvoir de les nommer.
c. Les pouvoirs spécifiques
D’autres items spécifiques ont été évalués et correspondent :
Le législateur seul, sans la participation de tous les autres organismes, peut changer la
constitution ;
35
L’approbation de l'Assemblée législative est nécessaire pour la déclaration de guerre ;
L’approbation de l'Assemblée législative est nécessaire pour ratifier les traités avec des pays
étrangers ;
Le législateur a le pouvoir d'accorder l’amnistie ;
Le législateur a le pouvoir de grâce ;
Les avis de l'Assemblée législative sont nécessaires et l’Assemblée a le droit de rejeter les
nominations à la magistrature ; ou le législateur lui-même nomme les membres du judiciaire ;
Le président de la banque centrale est nommé par le législateur et ;
Le législateur a une voix importante dans le fonctionnement des médias appartenant à l'État.
d. Capacité institutionnelle
La capacité institutionnelle retrace les items suivants :
La législature est régulièrement en session ;
Chaque législateur a un secrétaire personnel ;
Chaque législateur a au moins un membre du personnel non - secrétariat avec une expertise
politique ;
Les législateurs sont admissibles à une réélection sans aucune restriction ;
Un siège à l'Assemblée législative est une position suffisamment attrayante que les
législateurs sont généralement intéressés et cherchent réélection et ;
La réélection des législateurs en place est assez commune à un moment donné et la
législature contient un nombre important de membres très expérimentés.
e. Méthode de construction de l’indice
L’indice PPI11 est construit sur la base des résultats de l'enquête des pouvoirs législatifs (LPS),
comportant 32 items qui mesurent l'emprise du législateur sur l'exécutif, son autonomie institutionnelle,
son autorité dans des domaines spécifiques, et sa capacité institutionnelle. Les neuf premiers items
jugent l’influence législative sur l’exécutif. Les questions posées demandent si le parlement peut
démettre l’exécutif, s’il a ses propres membres dans l’exécutif, interrogent les officiels du
11 Pour cette partie, voir Fisher et Kroenig, 2009
36
gouvernement, la surveillance des agences avec coercition, la nomination ou confirmation des
nominations des membres de l’exécutif. Les items 10-18 évaluent l’autonomie institutionnelle des
parlements. Les questions posées dans cette rubrique concernent la dissolution de l’assemblée
nationale par le gouvernement, libre des menaces des vétos de l’exécutif, des menaces de la revue
judiciaire, la capacité de légiférer sur n’importe quel sujet, le contrôle des dépenses ou des revenus de
l’État, liberté d’expression, l’immunité parlementaire. Le troisième groupe d’items 19-26 se concentrent
sur les pouvoirs spécifiques. Les items de cette catégorie demandent si le parlement est investi de
pouvoir pour amender la constitution, ratifier les traités, autoriser l’état d’urgence et la guerre, influence
les médias d’État, la justice et la nomination du président de la banque centrale. Le dernier groupe 27-
32 mesure la capacité institutionnelle du parlement. Il évalue si l’élection de députés est régulière, s’ils
ont du personnel, s’ils peuvent être réélus. Chaque question d’items est dichotomisée puis scorer 1 à
l’affirmation. Ces items ont été agrégés pour construire l’indice.
f. La validité manifeste et contenu
Une évaluation de la validité manifeste et de contenu de l’indice PPI de Fish et Kroenig par
comparaison avec le standard de base de l’UIP révèle que certains benchmarks sont présents dans
l’élaboration de l’indice PPI, tels que décrit par le contrôle parlementaire, la législation et la participation
du Parlement à la politique internationale. A ces trois aspects, Fisher et Kroenig ajoutent comme le
Centre Parlementaire, la capacité institutionnelle des législatures. Cependant nous notons l’inexistence
des aspects liés à la transparence et l’intégrité parlementaire et la représentation. Mais de façon
spécifie, les items de contrôle parlementaire de l’UIP se diffèrent de ceux utilisés pour construire le
PPI. En effet, le PPI traite des pouvoirs des parlements de manière plus large sans une précision claire
sur le contrôle budgétaire. Ces items diffèrent de ceux prônés par l’UIP en matière de contrôle de
l’exécutif.
C. Indice des institutions budgétaires législatives de Wehner
La construction de l’indice se réfère à une approche basée sur l'évaluation de la capacité
institutionnelle de contrôle législatif de Meyers (2001), y compris les caractéristiques formelles de
l'autorité et de l'organisation. Les items utilisés pour la construction de l’indice sont les suivantes :
37
a. Capacité institutionnelle de contrôle législatif
Elle évalue les items portant sur
Le pouvoir d’amendement ;
Les budgets réversifs ;
La Flexibilité de l’exécutif au cours de la mise en œuvre du budget ;
Le temps d’examen du budget ;
La capacité du comité et ;
L’accès à l'information budgétaire.
Certaines variables sont exclues du calcul de l’indice comme la convention de confiance. Il exclut cette
variable pour de raison de parcimonie. La convention de confiance est plus courante dans les systèmes
de type Westminster, limitant les pouvoirs législatifs au cours du processus législatif. Le droit de veto
de l’exécutif est aussi exclu. Pour lui, il constitue les points de vetos qui sont exceptionnellement rares
au niveau national.
b. Méthodes de construction de l’indice
La construction de l’indice s’appuie sur un ensemble de données qui se base sur une enquête
sur les pratiques et procédures budgétaires des pays OCDE de 2003, menée par l’OCDE et la Banque
mondiale. Le questionnaire a été administré aux responsables du budget de chaque pays participant.
Les données utilisées ont fait l’objet d’une vérification du faite que ces informations proviennent de
sources en ligne. La formule utilisée pour calculer cet indice est un procédé qui est basé sur les sous-
indices suivants :
𝐼𝑠 = ∏ 𝑠𝑘
2
𝑘=1
𝑜𝑢 𝑠1 = ∑ 𝑐𝑖
3
𝑖=1
𝑒𝑡 𝑠1 = ∑ 𝑐𝑖
6
𝑖=3
sk représente deux sous-indices, chacun étant constitué de la somme de trois différents composants,
qui sont ensuite multipliés. La justification du mode de regroupement des items de cet indice est la
suivante. Les variables d’un à trois (pouvoirs d'amendement, les budgets réversifs et flexibilité exécutif)
sont interprétées comme une évaluation de l’influence de la législative vis-à-vis de l'exécutif. En
revanche, les variables de quatre à six (temps, comités et la capacité de recherche) sont utilisées pour
représenter la capacité organisationnelle de la législature. Wehner a procédé à la vérification de la
38
robustesse des résultats à l’aide des corrélations de rang de Spearman entre les trois indices
alternatifs, qui sont étiquetés selon les formules ci-dessus.
c. La validité manifeste et de contenu
Wehner a utilisé très peu les benchmarks de l’UIP, son indice se rapporte uniquement à
quelques items de contrôle budgétaire parlementaire. Les autres aspects de benchmark présentés par
l’UIP ne sont pas pris en compte tels que la représentation, la surveillance parlementaire, la
transparence, etc…. La validité de contenu est donc plus faible que les indices précédents. Par contre,
la validité de construit respecte une procédure scientifique particulière, qui au lieu de procéder à une
sommation des items utilisés, à consister un calcul d’une moyenne géométrique de deux sous-indices.
D. Indice imbeau-Stapenhurt
L’indice construit par Imbeau et Stapenhurt vise à capturer en détails les processus et les
méthodes de travail adoptées par le Comité des comptes publics (PAC) et des parlements dans les
pays francophones et anglophones. Les variables utilisées dans le questionnaire ont été structurées
dans les catégories suivantes :
a. Informations générales
Les questions portant sur les informations générales décrivent :
Le Pays ou juridiction ;
La structure de représentation dans les institutions politiques ;
S’il y a autre structure de représentation ;
Les années de tenue des deux dernières élections générales ;
La date du début de l’année budgétaire ;
Les institutions de contrôle existantes dans le pays et ;
Le type d’institution supérieure de contrôle.
b. Pouvoirs et responsabilités des PAC
Les pouvoirs des PAC sont appréhendés à partir des questions se rattachant aux items suivants :
La structure parlementaire ;
Le fondement législatif ;
Le droit du comité des comptes publics d'accès à l’information et ;
39
Les fonctions et les responsabilités du Comité des comptes publics.
c. L'adhésion et la direction du PAC
Cette partie porte sur les questions ou items qui évaluent les aspects suivants :
Les nominations et représentation des membres du Comité des comptes publics et ;
Les nominations, représentations et le rôle du président du comité des comptes publics.
d. Les processus et les pratiques de travail de la PAC
Ces processus appréhendent les items dont les questions se rapport à :
La planification et fréquence des réunions ;
Les enquêtes et initiation des enquêtes ;
Les priorités de la charge de travail ;
L’utilisation des sous-comités ;
L'établissement des termes de référence ;
La taille, la durée et le nombre de demandes de renseignements ;
Les audiences du comité ;
L'accès aux témoins et informations ;
La rédaction des conclusions et recommandations du rapport ;
Le fait de parvenir à un consensus ;
Les rapports au Parlement ;
Les reports au public ;
Le rapport annuel ;
Les réponses de l’exécutif ;
Le suivi des recommandations et ;
L’assurance de la continuité dans le processus parlementaire.
e. L'accès aux ressources et de soutien
L’accès à aux ressource évaluent les items dont les questions portent sur :
La formation continue des membres du Comité des comptes publics ;
La dotation en personnel et des installations du Secrétariat ;
L'accès à un soutien externe ;
Les allocations des membres du comité des comptes publics et ;
Le financement et dépenses.
40
f. Les relations avec les autres comités
L’évaluation des relations avec les autres comités porte sur les questions concernant :
Les relations avec d'autres comités parlementaires et ;
Les relations avec les comités des comptes publics au sein d'autres gouvernements.
g. Évaluation de la performance PAC
Les évaluations portent sur
Le suivi et rapports de la performance et ;
L’examen indépendant.
h. Méthodes de construction de l’indice
L’indice Imbeau-Stapenhurst s’appuie sur les résultats d’une enquête menés auprès des
parlements francophones et anglophones à l’aide d’un questionnaire comportant 96 questions ou
items. Une validation du questionnaire a été faite auprès des experts, puis une seconde validation a
été faite en soumettant le questionnaire français à un deuxième panel d’experts, praticiens et
universitaires, provenant des pays du Nord et du Sud. Trois dimensions du contrôle parlementaire
jugées importantes sont retenues : la capacité conférée par les statuts, la capacité manifestée dans
les pratiques et la capacité découlant des ressources. Chacune de ces dimensions était associée à un
ensemble d’items qui ont été recodés en leur affectant de score. Trois sous-indices ont été calculés.
Les tableaux 1 ; 2; 3 suivants indiquent respectivement les différentes variables ou items utilisées pour
construire les sous indices des trois domaines afin d’aboutir au calcul du score global.
41
Tableau 1: récapitulatif des variables utilisées dans le calcul du sous-indice lié à l’autonomie de la CPF
telle que révélée par les statuts
Éléments Numéro questionnaire
français
Numéro
questionnaire
anglais
0 1 2
Cadre juridique-
CPF
11 4 (Règlement) (Loi) Constitution
Convocation de
témoins (5/5)
12 5 <= 75 75-99% 100%
Mandats (10/12) 13 6 <= 75 75-99% 100%
Désignation des
membres
16 13 (Gouv) (AN) Groupe
parlementaire
Quorum 16 12 ; 22 (Non) Oui
Le quorum restreint
les activités
16 12 ; 22 (Non) (Oui)
Président issu de
l’opposition
26 14 (Non) Oui
Sélection du
président
27 ; 28 15 ;16 ; 17 (Gouv) (AN) Commission
Cadre juridique-
Président
29 18 Règlement (Loi) Constitution
Total (Sum)
Total/Max
Source : questionnaire d’enquête Imbeau-Stapenhurst,
42
Tableau 2: récapitulatif des variables utilisées dans le calcul du sous-indice d’activités telles que révélées par les pratiques
Éléments Numéro questionnaire
français
Numéro
questionnaire anglais
0 1 2 Score
Réunions ouvertes au public 31 24 (Non) (Oui) 0
Programmation formelle des activités 34 26 (Non) (Oui) 0
% des activités déclenchées à l’interne 40 32 <=75 75-99% 100% 2
Pouvoir de contrainte (documents) 44 38 (Non) (Oui) 2
Règle de décision 47 43 (Unanimité) (Majorité) 2
Point de vue des minorités dans le rapport 48 44 (Non) (Oui) 2
À qui la CPF fait-elle rapport 49 46 (Gouv) (AN) 2
Tous les rapports déposés au Parlement ? 50 47 (Non) (Oui) 2
Dépôt si l’AN ne siège pas 51 48 (Non) (Oui) 2
Rapport débattu au parlement 52 49 (Non) (Oui) 2
43
Obligation de réponse de l’exécutif 63 58 (Non) (Oui) 0
Suivi de mise en œuvre 66 61 (Non) (Oui) 2
Mesures de transition entre législatures 67 62 (Non) (Oui) 0
Total (Sum) 18
Total/Max : 26/36 0.5
Source : questionnaire d’enquête Imbeau-Stapenhurst
44
Tableau 3: récapitulatif des variables utilisées dans le calcul du sous-indice de capacités telles révélées par les ressources
Éléments Numéro questionnaire
français
Numéro questionnaire
anglais
0 1 2 Score
Formation des nouveaux membres 68 63 (Non) (Oui) 0
Combien de membres la CPF compte-t-elle
? =72
17 9
Accès à du personnel supplémentaire 74 68 (Non) (Oui) 2
Présence externe aux réunions de CPF 78 71 (Non) (Non) 2
Aide du personnel 79 72 ; 73 (Non) (Oui) 2
Conseillers ou experts externes 80 74 (Non) (Oui) 0
Indemnités aux membres 81 75 (Non) (Oui) 0
Financement séparé 82 76 (Non) (Oui) 0
Intervention de CPF son projet de budget 84 78 (Non) (Oui) 0
Financement de source indépendante 87 80 (Non) (Oui) 0
45
Compétence d’autres commissions 89 81 (Non) (Oui) 2
Représentant de CPF à d’autres
commissions
90 82 (Non) (Oui) 0
Relations formelles avec alter-ego 91 ; 92 ; 93 83 ; 84 (Non) (Oui) 0
Mesure de rendement 94 85 ; 86 (Non) (Oui) 0
Évaluation externe de son rendement 95 87 (Non) (Oui) 0
Total (Sum) 8
Total/Max 0,22
Source : questionnaire d’enquête Imbeau-Stapenhurst
46
Une fois que les moyennes des sous-indices de statut, d’activités et de ressources ont été
calculées en divisant la somme de scores obtenus par chaque assemblée par le nombre total de score
total du sous-item, l’indice global est obtenu à l’aide de la sommation simple des trois sous-indices.
i. La validité manifeste et de contenu
L’examen de l’indice d’Imbeau-Stapenhurst montre que tous les aspects indiqués par l’UIP
comme benchmark se différencient de ceux qui ont été pris en compte lors de l’élaboration de cet
indice. À l’exception de l’item portant sur les nominations des membres du gouvernement appartenant
aux deux catégories d’indices, les items utilisés par Imbeau-Stapenhurst se rapportent davantage au
contrôle du budgétaire alors que les items de l’UIP se focalisent sur le contrôle parlementaire de
l’exécutif. D’autres éléments ont été rajoutés parmi les items notamment l’information générale sur les
caractéristiques des parlements et les capacités institutionnelles dans la construction de l’indice
Imbeau-Stapenhurst. La validité de contenu est bien renforcée par rapport aux autres indices. En ce
qui concerne, la validité de construit, la méthode employée est similaire à celle de Fisher et Kroenig.
En résumé, il se dégage en se référant au benchmark de l’UIP que la plupart des quatre indices
soumis à l’évaluation qualitative de la validité de contenu et de construit n’ont pas tous les items tels
que recommandés par l’UIP. Soit une dimension n’est pas prise en considération ou les deux indices
évaluent des aspects différents du contrôle des parlements (IPA, Indice Imbeau-Stapenhurst), soit
deux au moins des dimensions n’ont pas été prises en compte (indice de Wehner). D’autres aspects
de parlements ont été introduits comme les capacités institutionnelles dont fait référence IPA, les
caractéristiques générales des parlements de l’indice Imbeau-Stapenhurst pour tenir compte du
contexte dans lequel les parlements évoluent. Cet aspect semble être oublié dans la construction des
indices ci-dessus mentionnés. Il devra permettre de différencier la performance des parlements.
L’indice d’Imbeau-Stapenhurst présente une validité de contenu plus élevé avec 90 items12 se
rapportant aux éléments de contrôle budgétaire, suivi d’IPA (61 items), vient ensuite l’indice de Fisher
et Kroenig avec 32 items qui se rattachent plus aux pouvoirs du législateur sur l’exécutif et enfin celui
12 Le nombre total des items est 96, mais environ 90 évaluent le contrôle parlementaire.
47
de Wehner (6 items). Les indices calculés se diffèrent les uns des autres dont les contenus ne sont
pas uniformes par rapport au benchmark de l’UIP.
Après cette analyse qualitative des indices, nous procédons à l’évaluation quantitative des indices, ce
qui permettra d’avoir une appréciation plus approfondie de la validité et de la fiabilité des indices
mesurant le contrôle budgétaire des parlementaires.
48
II. Résultats des estimations
Nous présentons dans cette section, nos résultats issus des opérations statistiques suite aux
différents tests qui ont rapport à la validité et à la fiabilité des indices sélectionnés, ainsi qu’une
discussion de ces résultats.
A. Analyse de la validité et de la fiabilité des indices
Cette partie présente les résultats des estimations quantitatives relatives à la validité de
contenu et de construit des indices parlementaires. En suivant l’analyse de la matrice de covariation
inter item de Piazza (1980) et l’approche d’Allan et Yen (1979), on pourrait éliminer un à un et dans
l'ordre, les items qui ont une correlation item-total appelée correlation de point biserial le plus faible, et
les items qui, dans cette condition, ont en plus une forte variance. L’élimination des items qui ont une
faible corrélation avec le score de l’item-total ou qui présentent une forte variance et des corrélations
inter-item négatives, n’est pas nécessaire ici car il s’agit d’une vérification afin de constater s’il y a oui
ou non des items inter-corrélés. Cette tâche d'épuration des items procure deux qualités de mesures
dont la consistance interne est élevée et le taux de non additivité négligeable ce qui autoriserait à
additionner les scores de chaque item pour en faire une mesure sommative. Une mesure commune
de covariation est le produit-moment de Pearson correspondant aux coefficients de corrélation entre
items. Ces coefficients seront présentés pour les indices de Fisher-Kroenig et d’Imbeau-Stapenhurst
pour lesquels nous avons les bases de données.
a. Indice PPI
Avant toute analyse, il est toujours conseillé de produire les statistiques descriptives car celles-ci
fournissent des orientations sur la nature des données. Le tableau ci-après reproduit la moyenne,
l’aplatissement (kurtosis) et l’asymétrie (skewness) des items du PPI.
49
Tableau 4: statistiques descriptives
Statistiques replac~x serve_~n invest~e overse~l appoin~m appoin~n lack_p~s no_conf
Moyenne .411 .436 .569 .329 .335 .253 .329 .601
Ecart type .493 .497 .496 .471 .473 .436 .471 .491
Asymétrie .360 .255 -.281 .727 .697 1.135 .727 -.413
Aplatissement 1.129 1.065 1.079 1.529 1.485 2.288 1.529 1.171
Statistiques no_diss no_dec~e no_rev~w no_gate no_imp~d cont_r~r immunity elected
Moyenne .303 .506 .088 .715 .531 .708 .443 .740
Écart type .461 .501 .285 .452 .500 .455 .498 .439
Asymétrie .853 -.025 2.895 -.953 -.126 -.919 .229 -1.097
Aplatissement 1.728 1.000 9.382 1.909 1.016 1.845 1.052 2.204
50
Statistiques Amen War Amnesty Pardon judici~y Bank Sessions secret~y
Moyenne .5063 .626 .424 .094 .462 .101 .765 .398
Écart type .5015 .485 .495 .294 .500 .302 .424 .491
Asymétrie -.0253 -.523 .307 2.763 .152 2.643 -1.255 .413
Aplatissement 1.000 1.273 1.094 8.638 1.023 7.987 2.576 1.171
Statistiques no_limit Staff seek_r~t experi~e
Moyenne .936 .196 .905 .727
Ecart type .244 .398 .294 .446
Asymétrie -3.587 1.529 -2.763 -1.023
Aplatissement 13.867 3.340 8.638 2.048
Source : estimation de l’auteur, 2016
51
Les statistiques descriptives du tableau 4 indiquent que la plus forte moyenne est de 0.946 et
la plus faible est 0.088. Nous notons que 13 items sur 32 présentent un coefficient asymétrique négatif
dont la queue de gauche est plus longue, tandis que les 19 autres items ont un coefficient asymétrique
positif. Les scores des 19 items sont regroupés à l'extrémité supérieure, à la droite d'un graphique. Les
coefficients d’aplatissement de tous les items sont positifs traduisant qu’il existe plusieurs points
extrêmes dépassant les valeurs normales d’une courbe gaussienne. Mais, en sciences sociales les
scores sont parfois biaisés, positivement ou négativement, cela peut ne pas indiquer un problème
sérieux avec l’échelle. Au contraire, cela peut signifier simplement que la grande majorité des
répondants de l’échantillon ont bien répondu en fournissant de bonnes réponses. Il s’avère nécessaire
de poursuivre l’analyse pour identifier si les items présentent de discrimination en ce qui concerne la
validité de construit.
- Coefficients de discrimination des items
Le tableau suivant résume les coefficients de discrimination des items.
52
Tableau 5: coefficients discrimination de l’indice de Fish et Kroenig
Items Observations Signe Item-rest
correlation
Iteritem
correlation
Average
covariance Alpha
replace_ex 158 + 0.654 0.597 .0289 0.822
serve_min 158 + 0.145 0.053 .0328 0.843
Investigate 158 + 0.717 0.667 .0284 0.819
oversee_pol 158 + 0.690 0.640 .0288 0.821
appoint_pm 158 + 0.605 0.545 .0294 0.825
appoint_min 158 + 0.309 0.233 .0316 0.836
lack_pres 158 + 0.250 0.165 .0320 0.838
no_conf 158 + 0.468 0.392 .0303 0.830
no_diss 158 + -0.024 -0.109 .0340 0.848
no_decree 158 + 0.571 0.503 .029 0.826
no_review 158 + 0.102 0.049 .033 0.839
no_gate 158 + 0.369 0.293 .031 0.834
no_impound 158 + 0.620 0.558 .029 0.824
cont_resor 158 + 0.688 0.639 .029 0.821
Immunity 158 + 0.277 0.188 .031 0.838
Elected 158 + 0.585 0.528 .029 0.826
Amend 158 + 0.470 0.392 .030 0.830
53
War 158 + 0.455 0.379 .030 0.831
Amnesty 158 + 0.427 0.347 .030 0.832
Pardon 158 + 0.234 0.182 .032 0.836
Judiciary 158 + 0.460 0.382 .030 0.831
Bank 158 + 0.406 0.357 .031 0.832
Sessions 158 + 0.489 0.426 .030 0.829
Secretary 158 + 0.443 0.365 .030 0.831
no_limit 158 + 0.274 0.231 .032 0.835
Staff 158 + 0.395 0.330 .031 0.832
seek_reelect 158 + 0.409 0.362 .031 0.832
Experience 158 + 0.391 0.317 .031 0.833
Test scale .030 0.836
Source : estimation de l’auteur, 2016
Dans ce tableau, la colonne item-rest correlation reporte la corrélation du score de chaque
item au score de l’indice global des items. L’examen de cette colonne montre que les items serve_min
(0.145), no_diss (-0.024) et no_review (0.102) présentent de plus faibles coefficients car ces
coefficients sont inférieurs à 0.2, tandis que les items investigate (0.717), oversee_pol(0.690) et
cont_resor (0.688) affichent les plus fortes coefficients. La colonne iteritem correlation indique une forte
corrélation positive de chacun de ces items au reste des autres items. Elle indique la discrimination
que l’on peut faire des différents items. Les items serve_min, no_dissee, no_review, immunity, pardon
et lack_pres peuvent être discriminés car leurs valeurs sont inférieures à 0.19. Ce qui implique que la
validité de construit n’est pas respectée. Par contre tous les items contribuent positivement à la
formation de l’indice global (colonne 2).
54
- Difficultés des items
Les résultats du tableau 3 indiquent les coefficients de KR-20 de l’indice de Fisher et Kroenig qui sont
utilisés lorsque les items sont binaires.
Tableau 6: coefficients de difficultés de Kuder-Richarson (KR-20) de l’indice de Fish et Kroenig.
Items Observations Item difficulty Item variance Item-rest correlation
replace_ex 158 0.411 0.242 0.595
serve_min 158 0.436 0.246 0.053
Investigate 158 0.569 0.245 0.665
oversee_pol 158 0.329 0.220 0.638
appoint_pm 158 0.335 0.222 0.543
appoint_min 158 0.253 0.189 0.233
lack_pres 158 0.329 0.220 0.165
no_conf 158 0.601 0.239 0.391
no_diss 158 0.303 0.211 -0.109
no_decree 158 0.506 0.250 0.502
no_review 158 0.088 0.080 0.049
no_gate 158 0.715 0.203 0.292
no_impound 158 0.531 0.249 0.556
cont_resor 158 0.708 0.206 0.637
Immunity 158 0.443 0.246 0.187
55
Elected 158 0.740 0.192 0.526
Amend 158 0.506 0.250 0.391
War 158 0.626 0.234 0.378
Amnesty 158 0.424 0.244 0.346
Pardon 158 0.094 0.085 0.181
Judiciary 158 0.462 0.248 0.380
Bank 158 0.101 0.091 0.356
Sessions 158 0.765 0.179 0.424
Secretary 158 0.398 0.239 0.364
no_limit 158 0.936 0.059 0.230
Staff 158 0.196 0.157 0.329
seek_reelect 158 0.905 0.085 0.361
Experience 158 0.727 0.198 0.316
Test 0.480 0.356
KR20 coefficient is 0.838
Source : calculs de l’auteur, 2016
Ce tableau révèle que les items oversee_pol, appoint_min, no_diss, no_review, pardon,
lack_pres, Bank et staff présentent plus de difficultés, puis que leurs coefficients restent inférieurs à .4,
tandis que les items appoint_min, Elected, no_review, pardon, Bank, no_limit, Staff, seek_reelect et
experience ont de faibles variances.
56
- Matrice de covariance
L’analyse des coefficients de corrélations des items utilisés par Fish et Kroenig montrent que
certains items sont reliés à d’autres variables de façon positive ou négative. Le tableau ci-après fournit
la matrice de covariance.
57
Tableau 7 : matrice de covariance des items de PPI
replacee
x
servemin investigat
e
overseepo
l
appointp
m
appointmi
n
lack_pres no_conf no_diss nodecree
replaceex 1.000
servemin 0.197 1.000
Investigate 0.466* 1.000
overseepol 0.509* 0.170 0.581* 1.000
appointpm 0.522* 0.266* 0.319* 0.529* 1.000
appointmi
n
0.182 0.172 1.000
lack_pres 0.372* 0.415* 0.283* 0.472* 1.000
no_conf 0.313* 0.205* 0.322* 0.414* 0.212* 1.000
no_diss -0.248* -0.199 -0.265* -0.286* -0.530* 1.000
58
no_decree 0.388* 0.471* 0.503* 0.353* 0.167 0.179 1.000
no_review 0.203 0.160
no_gate 0.187 0.262* 0.181 0.202
noimpoun
d
0.269* 0.413* 0.468* 0.344* 0.167 0.271* 0.417*
cont_resor 0.479* 0.568* 0.448* 0.366* 0.274* 0.370*
immunity -0.220* 0.213*
Elected 0.260* -0.177 0.418* 0.322* 0.175 0.245* 0.196 0.339*
Amend 0.388* 0.205* 0.317* 0.287* 0.379* 0.307* -0.173 0.164
War 0.220* -0.270* 0.359* 0.262* 0.188 0.208* 0.173 0.284*
Amnesty 0.167 -0.239 0.280*
Pardon 0.237*
Judiciary 0.179 -0.304* 0.318* 0.188 0.219* 0.188 0.204
59
bank 0.207* 0.300* 0.383* 0.287* 0.273* 0.163
Sessions 0.310 0.304* 0.323* 0.234* 0.251* 0.231*
Secretary 0.343 0.342* 0.227*
no_limit 0.266*
Staff 0.299 0.365* 0.264* 0.200
seekreelec
t
0.180 0.184 0.353*
Experien 0.193 0.251* 0.243* 0.307* 0.253* 0.199
noreview no_gate noimpou
d
contresor immunity elected amend war Amnesty Pardon
no_review 1.000
no_gate 1.000
noimpoun
d
0.194 1.000
60
cont_resor 0.182 0.459* 1.000
immunity 0.280* 1.000
Elected 0.330* 0.312* 0.351* 0.237* 1.000
Amend 0.341* 0.286* 0.253* 1.000
War 0.179 0.167 0.254* 0.240* 0.378* 1.000
Amnesty 0.163 0.268* 0.343* 0.361* 0.291* 1.000
Pardon 0.174 0.160 0.377* 1.000
Judiciary 0.361* 0.286* 0.323* 0.374* 0.178 0.374* 0.514* 0.262*
bank 0.165 0.273* 0.215* 0.249* 0.198 0.163 0.215* 0.263*
Sessions 0.289* 0.435* 0.184 0.261* 0.160
Secretary 0.379* 0.261* 0.157 0.201 0.164
no_limit 0.181 0.172 0.176
Staff 0.246* 0.219* 0.249* 0.188
61
seekreelec
t
0.178 0.258* 0.267* 0.350 0.284*
Experien 0.181 0.224* 0.296* 0.157 0.278*
judiciary bank sessions secretary No_limit staff Seekreele
t
experie
n
Judiciary 1.000
bank 0.193 1.000
Sessions 0.242* 0.185 1.000
Secretary 0.328* 1.000
no_limit 0.163 1.000
Staff 0.197 0.574* 1.000
seekreelec
t
0.279* 0.536* 1.000
Experien 0.205* 0.199 0.432* 1.000
62
*signifie significatif à 1%
Source : estimations de l’auteur, 2016
63
Le tableau 7 est une matrice symétrique dont les coefficients sur la diagonale principale sont
égaux à 1. Les éléments de la partie supérieure de la diagonale principale sont donc ignorés car, ils
sont identiques à ceux de la partie inférieure de la diagonale principale. Les parties vides de cette
matrice triangulaire indiquent qu’il n’existe pas de covariance entre les items concernés. Dans ce
tableau nous notons qu’il existe de covariation entre certaines variables, tandis qu’elle est absente
chez d’autres items. La variable ou l’item replaceex est lié à d’autres items positivement au seuil de
1%, il en est de même des variables overseepol, investigate, appointmin. Par contre d’autres
variables13 comme servemin, appointpm et lack_pres sont reliées à d’autres variables positivement ou
négativement. Les variables no_diss, no_review, et staff ne semblent pas du tout être liées à une
quelconque variable (voir FIABILITE de l’Annexe 1 : INDICE PPI). Nous pouvons conclure que la
validité de construit n'est pas respectée. Ces résultats montrent que certains items peuvent ne pas
être pertinents dans la construction de cet indice. L’analyse factorielle nous fournira les possibilités de
regroupement que nous pouvons faire pour assurer la validité de construit.
- Analyse factorielle
La construction d’une échelle ou d’un indice comporte des plusieurs items qui sont
multidimensionnels. Ces items devraient être faiblement corrélés afin de représenter chacun une
dimension donnée. L’analyse factorielle permettra de savoir en combien de facteurs ou de dimensions
les items représentent-ils mieux les indices évalués ?
Les graphiques ci-contre indiquent le nombre de dimensions nécessaires pour résumer les
items de chacun des indices.
13 J’utilise variable ou item qui indique la même chose.
64
Figure 1: tracé des valeurs propres de l’indice de Fish et Kroenig
L’analyse du graphique montre que les items peuvent être représentés ou regroupés par 04
dimensions car 04 points sur le graphique ont des valeurs supérieures ou égales à 1. Le tableau des
valeurs propres est disponible en annexe et montre qu’il y a quatre facteurs ayant des valeurs propres
supérieur à un (01). Donc l’ensemble des items peuvent être regroupés selon ces 04 dimensions pour
éviter de corrélations entre les différents items (voir annexe pour les rattachements des items aux
dimensions). L’analyse factorielle de ces items peut faire l’objet d’un travail complet, mais l’idée
véhiculée dans cette partie était de voir s’il existe des regroupements possibles. Nous poursuivrons
l’analyse de la fiabilité des items afin de répondre à notre seconde hypothèse.
- Fiabilité des indices
L’analyse de la fiabilité aborde la cohérence, la consistance et la fiabilité inter-juges. La stabilité dans
le temps n’est pas étudiée car les données dont nous disposons ne s’y prêtent pas. Il faudrait avoir
des indices répétés dans le temps pour y recourir à cette analyse.
Cohérence et consistance internes
01
23
45
6
Eig
enva
lues
0 5 10 15 20 25 30Number
Scree plot of eigenvalues after factor
65
L’analyse de consistance interne permet de déterminer si les items contribuant à constituer le score
global couvrent le même domaine ou encore mesurent la même dimension. La mesure standard de la
consistance interne est le coefficient alpha (α) de Conbach, qui en général lorsqu’il est supérieur à
0.80 est considéré comme fiable, mais les chercheurs considèrent souvent un alpha supérieur à 0.70
comme fiable ainsi que le coefficient de fiabilité de Kuder-Richarson (KR-20). La dernière colonne des
tableaux 5 ci-dessus présente les résultats d’alpha de chaque item et la dernière ligne du tableau 6
fournit la valeur de KR-20. L’examen du tableau 5 révèle un α > 0.80, ce qui indique que plus de 80%
de la variance totale explique l’indice de Fish et Kroenig et que 20% de la variance totale représentent
les erreurs aléatoires. L’équivalent d’alpha de Conbach est le coefficient de Kuder-Richardson pour les
items dichotomiques. Alpha est égal à 0.8369 et KR-20 est égal à 0.8382, donc ces résultats sont
similaires. On peut conclure que les items sont cohérents et consistants.
Fiabilité inter-juge des items
Si on a des individus non similaires dans leur façon d’entrer les données ou la façon de
répondre aux questions est différentes, cela pourrait poser de problèmes. La fiabilité des données
observées et codifiées est parfois difficile à être acceptée provoquant des erreurs de non-conformité.
Ainsi, le test de Kappa est utilisé pour vérifier ce type d’erreur. Le test montre un kappa = 0.1151, très
significatif au seuil de 1%. La valeur de kappa de la fiabilité inter-juge est inférieure à 0.3, ce qui
implique que cette fiabilité est très mauvaise. Ceci conduit à conclure que les données n’ont pas été
fournies ou entrées de façon adéquate et que la fiabilité inter-juge est compromise. L’appréciation des
questions par les enquêtés n’est pas homogène.
b. Indice d’Imbeau-Stapenhurst
Avant la présentation des résultats de cette analyse, nous explorons les statistiques
descriptives. Le tableau ci-après produit la moyenne, l’aplatissement (kurtosis) et l’asymétrie
(skewness) des items.
66
Tableau 8: statistiques descriptives des items
Statistiques Score~11 Score~12 Score~13 Score~16 ENFR20 Score~21 Score~22 Score~23
Moyenne 1.101 .592 .407 1.092 .259 .555 .518 1.222
Écart type .853 .710 .564 .779 .674 .899 .880 .979
Asymétrie -.195 .768 .995 -.161 2.205 .992 1.098 -.455
Aplatissement 1.413 2.329 2.980 1.674 5.863 1.984 2.207 1.207
Statistiques Score~26 Sco~2728 Scor~29a Score~31 FR33 FRd32 Score~34 Score~40
Moyenne .962 1.268 .25 1.037 1.925 .333 1.196 .327
Écart type 1.003 .780 .565 .966 .379 .748 .985 .697
Asymétrie .0741 -.505 2.158 -.073 -4.902 1.788 -.400 1.807
Aplatissement 1.005 1.822 6.454 1.085 25.038 4.200 1.160 4.512
Statistiques Score~41 FR43 Score~44 Score~47 Score~48 Scor~49a Scor~50i Score~51
Moyenne .990 1.233 1.523 1.177 1.196 1.869 1.850 .878
Écart type 1.004 .906 .793 .988 .985 .496 .528 .997
67
Asymétrie .018 -.476 -1.216 -.360 -.400 -3.515 -3.233 .244
Aplatissement 1.000 1.396 2.705 1.130 1.160 13.355 11.455 1.059
Statistiques Score~52 Score~59 Score~63 Score~66 Score~67 EN63FR68 FR70 EN68FR74
Moyenne 1.644 .355 1.233 1.233 .841 1.148 .666 .814
Écart type .767 .767 .976 .976 .991 .993 .947 .987
Asymétrie -1.687 1.687 -.480 -.480 .321 -.299 .707 .376
Aplatissement 3.847 3.847 1.230 1.230 1.103 1.089 1.500 1.142
Statistiques FR77 FR78 FR79 EN74FR80 EN75FR81 FR81 FR84 EN80FR87
Moyenne .277 .148 .814 .740 .870 .351 .314 .259
Écart type .694 .526 .987 .970 .996 .765 .678 .674
Asymétrie 2.088 3.252 .376 .536 .261 1.702 1.863 2.205
Aplatissement 5.361 11.58 1.142 1.288 1.068 3.897 4.775 5.863
Statistiques FR88A EN81FR89 EN82FR90 FR919293 EN85FR94 EN87FR95 Score-FR17
Moyenne .429 .654 1.009 .869 .373 .299 1.010
68
Écart type .825 .942 1.004 .932 .783 .716 .818
Asymétrie 1.387 .737 -.018 .262 1.606 1.965 -.019
Aplatissement 2.925 1.543 1.000 1.212 3.579 4.863 1.501
Source : estimation de l’auteur, 2016
69
Les statistiques descriptives du tableau 8 des items utilisés par Imbeau-Stapenhurst indiquent
que la moyenne la plus élevée parmi les items est de 1.869 et la plus faible moyenne est .148. Sur les
47 items utilisés 19 ont une asymétrie négative et 28 présentent une asymétrie positive. Les scores
des 28 items sont regroupés à l'extrémité supérieure, à droite d'un graphique. Les coefficients
d’aplatissement sont tous positifs. Les points extrêmes sont alors plus nombreux que ceux de la courbe
normale gaussienne. L’écart type le plus élevé est 1.004 tandis que le plus faible est de .379. Bien que
ces items soient biaisés, négativement ou positivement comme c’est le cas le fréquent en sciences
sociales, cela peut ne pas indiquer un problème sérieux dans l’échelle. Au contraire, ceci signifie
simplement que la majorité des répondants de notre échantillon ont bien répondu aux questions.
L’analyse se poursuit pour identifier s’il existe de discrimination entre items.
- Résultats de discrimination des items
Le tableau ci-dessous fournit les différents résultats.
Tableau 9: coefficients de discrimination de l’indice d’imbeau-Stapenhurst
Items Observations Signes Item-rest
corrélation
interitem
corrélation
Covariance
moyenne Alpha
ScoreEN4FR11 108 + 0.0738 -0.0054 .0385759 0.7250
ScoreEN5FR12 108 + 0.2211 0.1582 .0375926 0.7181
ScoreEN6FR13 108 + 0.3438 0.2961 .0368268 0.7124
ScoreEN12~16 108 + 0.3812 0.3180 .0363062 0.7113
ENFR20 108 + 0.3955 0.3419 .036313 0.7103
ScoreFR21 108 + 0.5103 0.4460 .0346516 0.7024
ScoreFR22 108 + 0.4730 0.4074 .0350697 0.7048
ScoreEN13~23 108 + 0.2933 0.2086 .0367853 0.7164
ScoreEN14~26 108 + 0.1773 0.0869 .0379497 0.7234
70
ScoreEN~2728 108 + 0.4224 0.3613 .0359923 0.7094
ScoreEN1~29a 108 + 0.1572 0.1064 .0380887 0.7197
ScoreEN24~31 108 + 0.0428 -0.0464 .0389872 0.7286
FR33 108 + 0.3445 0.3127 .037741 0.7166
FRd32 108 + 0.2027 0.1360 .0376493 0.7188
ScoreEN26~34 107 + 0.0594 -0.0334 .0390339 0.7290
ScoreEN32~40 107 + 0.0809 0.0153 .0385699 0.7234
ScoreEN33~41 107 + 0.3561 0.2694 .0359698 0.7119
FR43 107 + 0.3476 0.2694 .0362696 0.7125
ScoreEN38~44 107 + 0.1256 0.0512 .038254 0.7226
ScoreEN43~47 107 + 0.2617 0.1721 .0369905 0.7177
ScoreFR48 107 + 0.1661 0.0741 .0379191 0.7229
ScoreEN4~49a 107 + 0.2270 0.1819 .0377685 0.7174
ScoreEN4~50i 107 + 0.1285 0.0791 .0382518 0.7203
ScoreEN48~51 107 + 0.4685 0.3904 .03485 0.7049
ScoreEN49~52 107 + 0.2766 0.2079 .0370768 0.7157
ScoreFR59 107 + 0.4649 0.4054 .0355711 0.7067
ScoreEN58~63 107 + 0.2312 0.1416 .0372919 0.7193
ScoreEN61~66 107 + 0.2737 0.1856 .036872 0.7169
71
ScoreEN62~67 107 + 0.1866 0.0945 .0377539 0.7221
EN63FR68 108 + 0.3468 0.2635 .0361437 0.7128
FR70 108 + 0.3958 0.3193 .0356277 0.7091
EN68FR74 108 + 0.4537 0.3778 .0349553 0.7055
FR77 108 + 0.4009 0.3459 .0362141 0.7099
FR78 108 + 0.0440 -0.0039 .0387369 0.7230
FR79 108 + 0.0770 -0.0130 .0389762 0.7288
EN74FR80 108 + 0.2539 0.1686 .0370882 0.7181
EN75FR81 108 + 0.1939 0.1045 .0377392 0.7221
FR81 108 + 0.2225 0.1548 .0374931 0.7180
FR84 108 + 0.3418 0.2855 .0366904 0.7126
EN80FR87 108 + 0.2746 0.2165 .0371901 0.7154
FR88A 107 + 0.4197 0.3525 .0357696 0.7085
EN81FR89 107 + 0.3999 0.3214 .0356606 0.7092
EN82FR90 107 + 0.0969 0.0023 .0386604 0.7273
FR919293 107 + 0.3843 0.3058 .0358411 0.7102
EN85FR94 107 + 0.2593 0.1887 .0371884 0.7165
EN87FR95 107 + 0.3498 0.2886 .0365978 0.7124
ScoreEN65~17 95 + 0.3133 0.2358 .0368924 0.7152
72
Test scale . 0370306
0.7206
Source : estimation de l’auteur, 2016
Dans ce tableau, la colonne item-rest correlation reporte la corrélation entre chaque item et le
score global des items, montrant l’existence de discrimination entre items. Les items ScoreEN4FR11,
ScoreEN14-26, ScoreEN1-29a, ScoreEN24-31, ScoreEN26-34, ScoreEN32-40, ScoreFR48,
ScoreEN4-50i, ScoreEN62-67, FR78, FR79, EN75FR81 et EN82FR90 présentent de faibles
corrélations car leurs coefficients restent inférieurs à .2 (voir CONSISTENCE INTERNE de l’Annexe 2
: Indice Imbeau-Stapenhurst). De même, la colonne interitem correlation indique aussi une forte
corrélation positive du score de chacun de ces items au score total du reste des autres items, traduisant
ainsi des possibilités de discrimination. En plus des items qui présentent de faibles corrélations dans
la colonne item-rest, les items ScoreEN5FR12, FRd32, ScoreEN43-47, ScoreEN4-49a, ScoreEN58-
63, ScoreEN61-63, EN74FR80 FR81, et Score85FR94 peuvent être discriminés. Ce qui implique que
la validité de construit n’est pas élevée. Après cette analyse, nous vérifions l’existence de covariations
possibles à l’aide des matrices de covariance.
- Matrices de covariance des sous-indices
L’indice Imbeau-Stapenhurst est construit en se basant sur trois sous-indices : indice de structure,
indice d’activité et l’indice de ressources. Nous présenterons l’analyse des corrélations des items de
chacun des sous-indices.
La matrice de covariance de l’indice de structure révèle le tableau ci-après.
73
Tableau 10: matrice de corrélation du sous-indice de structure
ScoreEN4FR11 ScoreEN5FR12 ScoreEN6FR13 ScoreEN12FR16 ENFR20 ScoreFR21 ScoreFR22
ScoreEN4FR11 1.000
ScoreEN5FR12 1.000
ScoreEN6FR13 1.000
ScoreEN12~16 0.238 1.000
ENFR20 0.213 0.210 0.238 1.000
ScoreFR21 0.217 0.249* 0.352* 0.622* 1.000
ScoreFR22 0.248* 0.364* 0.589* 0.906* 1.000
ScoreEN13~23 0.195
ScoreEN14~26 -0.290 -0.237 0.311* -0.189
ScoreEN~2728
ScoreEN1~29a 0.269*
74
ScoreEN24~31
ScoreEN13~23 ScoreEN14~26 ScoreEN~2728 ScoreEN1~29a ScoreEN24~31
ScoreEN13~23 1.000
ScoreEN14~26 1.000
ScoreEN~2728 0.454* 1.000
ScoreEN1~29a 1.000
ScoreEN24~31 1.000
*représente une significativité à 1%
Source : estimation de l’auteur, 2016
75
Au niveau des items du sous-indice structure, les items14 FR13, FR16 et FR20 sont liés
positivement et significativement au seuil de 1% aux tems FR21 et FR22. L’item FR16 est lié aussi
positivement aux items FR23 et FR2728. Par contre l’item FR11 est lié négativement à l’item FR26.
Les items FR12 et FR22 ne sont reliés à aucun autre item (les parties vides de la matrice triangulaire
inférieure représentent des zéros).
Le tableau ci-après montre la matrice de covariance du sous-indice activité.
14 * correspond à une relation significative au seuil de 1% et pour plus de détails voir Structure de l’Annexe 2 de Indice Imbeau-
Stapenhurst
76
Tableau 11 : matrice de corrélation du sous-indice d'activités
FR31 FR33 FRd32 ScoreEN26~34 ScoreEN32~40 ScoreEN33~41 FR43
FR31 1.000
FR33 1.000
FRd32 0.318* 1,000
ScoreEN26~34 0.202 0.207 1.000
ScoreEN32~40 1.000
ScoreEN33~41 1.000
FR43 0.232 1.000
ScoreEN38~44
ScoreEN43~47
ScoreFR48 0.202 0.366*
ScoreEN4~49a 0.204 0.413* 0.245 0.194
77
ScoreEN4~50i 0.382*
ScoreEN48~51
ScoreEN49~52 0.217 0.217
ScoreFR59 -0.217 -0.317*
ScoreEN58~63 -0.210 -0.237 0.204
ScoreEN61~66 0.289
ScoreEN62~67
ScoreEN38~44 ScoreEN43~47 ScoreFR48 ScoreEN4~49a ScoreEN4~50i ScoreEN48~51 ScoreEN49~52
ScoreEN38~44 1.000
ScoreEN43~47 1.000
ScoreFR48 0.206 1.000
ScoreEN4~49a 1.000
ScoreEN4~50i 0.499* 1.000
78
ScoreEN48~51 0.280* 0.226 1.000
ScoreEN49~52 0.272* 0.332* 1.000
ScoreFR59
ScoreEN58~63
ScoreEN61~66
ScoreEN62~67
ScoreFR59 ScoreEN58~63 ScoreEN61~66 ScoreEN62~67
ScoreFR59 1.000
ScoreEN58~63 1.000
ScoreEN61~66 0.248* 1.000
ScoreEN62~67 0.204 0.245 1.000
*représente une significativité à 1%
Source : estimation de l’auteur, 2016
79
En ce qui concerne le sous-indice d’activité, les résultats des corrélations sont résumés de la
façon suivante. Dans le premier cadrant, les items FR31 et FRd32 sont liés positivement ; les items
FR33 et FR49a, FR50i sont liés aussi positivement. Il en est de même pour les items FR43 et FR44,
FR66. Par contre FR59 et FR34 sont liés négativement au seuil de 1%. Lorsqu’on observation les
deuxième et troisième cadrans, il existe également des possibilités de corrélation. L’item FR47 est lié
à l’item FR51, FR49a est lié aux items FR50i et FR52. L’item FR63 est lié aux items FR66. Les items
FR44 et FR59 ne sont liés à aucun autre item (voir Activité de l’Annexe 2 de l’Indice Imbeau-
Stapenhurst). Le tableau 12 suivant présente les corrélations du sous-indice ressources
80
Tableau 12 : matrice de corrélation du sous-indice de ressources
EN63FR68
FR70 EN68
FR74
FR77 FR78 FR78 EN74
FR80
EN63FR68 1.000
FR70 1.000
EN68FR74 0.213 1.000
FR77 0.568* 1.000
FR78 1.000
FR79 1.000
EN74FR80 -0.192 0.222 1.000
EN75FR81
FR81
FR84 0.199
EN80FR87 0.194 0.241 0.243
FR88A 0.686* 0.210 0.247
EN81FR89
EN82FR90 -
0.362*
FR919293 0.308* 0.240
EN85FR94 0.220
81
EN87FR95 0.198 0.235
ScoreEN65~17 0.221
EN75
FR81
FR81 FR84 EN80
FR87
FR88A EN81
FR89
EN82
FR90
EN75FR81 1.000
FR81 1.000
FR84 1.000
EN80FR87 0.228 1.000
FR88A 1.000
EN81FR89 0.231 0.202 1.000
EN82FR90 0.243 -0.255* 1.000
FR919293 0.223 0.283*
EN85FR94
EN87FR95 0.315* 0.285* 0.305* 0.303*
ScoreEN65~17
FR919293
EN85
FR94
EN87
FR95
Score
EN65~17
FR919293 1.000
EN85FR94 1.000
82
EN87FR95 0.228 1.000
ScoreEN65~17 0.242 1.000
*représente une significativité à 1%
Source : estimation de l’auteur, 2016
83
Quant au sous-indice ressources, il apparait que l’item FR68 est lié significativement à l’item
FR93, l’item FR70 est lié positivement et significativement aux items FR77 et FR88A. Par contre, il est
lié négativement à l’item FR90. Les résultats de la matrice de corrélation montrent aussi que l’item
FR95 est lié positivement à FR81, FR84 et FR87. Les items FR74, FR78, FR79, FR80, FR89 et FR94
ne sont liés négativement à aucun l’item (Ressources de l’Annexe 2 de Indice Imbeau-Stapenhurst).
Les résultats de cette analyse montrent qu’il existe des items qui sont liés négativement ou
positivement à d’autres items. Certains items peuvent ne pas être pertinents dans la construction de
chacun des sous scores. L’analyse factorielle nous permettra de savoir combien de dimensions
peuvent être utilisées pour synthétiser l’ensemble de ces informations.
- Analyse factorielle
La construction d’une échelle ou d’un indice comporte plusieurs items, mais ces items peuvent
être corrélés et représentés une dimension. L’analyse factorielle permettra de savoir combien de
facteurs les items représentent-ils au mieux chacun des sous-indices évalués. Les graphiques ci-
contre indiquent le nombre de dimensions nécessaires pour résumer les items des sous-indices de
structure, d’activités et de ressources respectivement.
Figure 2: tracé des valeurs propres du sous-indice structure
01
23
45
6
Eig
enva
lues
0 5 10 15 20 25 30Number
Scree plot of eigenvalues after factor
84
En ce qui concerne le graphique des valeurs propres de sous-indice de structure, il montre
qu’il existe deux (02) facteurs ayant des valeurs propres supérieures ou égales à un (01) (voir Factor
analysis/correlation de l’Annexe 2 d’Imbeau-Stapenhurst). Il suggère que les items peuvent être
regroupés en neuf dimensions.
Figure 3: tracé des valeurs propres du sous-indice d’activités
Pour ce sous-indice, le graphique des valeurs propres montre qu’il existe trois (03) points ou
facteurs ayant des valeurs propres supérieures ou égales à un (01). Il suggère que les items peuvent
être regroupés en trois dimensions (voir Factor analysis/correlation de la partie Ressources de
l’Annexe 2 d’Imbeau-Stapenhurst).
01
23
45
6
Eig
enva
lues
0 5 10 15 20 25 30Number
Scree plot of eigenvalues after factor
85
Figure 4 : tracé des valeurs propres du sous-indice de ressources
Le graphique révèle l’existence de deux (02) points correspondant à des facteurs ayant des
valeurs supérieures ou égales à 1. L’ensemble des items formant ce sous-indice peut être synthétisé
suivant deux dimensions. L’ensemble des résultats est disponible en annexe.
- Fiabilité des mesures
L’analyse se base sur la fiabilité. En se référant à l’AERA en 1985 et Acock (2010), il existe quatre
types de fiabilité : la stabilité, l’additivité et la consistance interne. L’appréciation des différents indices
se fera au regarde de ces éléments. Deux coefficients sont utilisés pour identifier les items aptes à
former chacun des scores (fiabilité des mesures) : un test global de consistance interne (alpha de
Cronbach) et un test de non-additivite (Tukey). Nous présentons les résultats relatifs aux différents
sous-indices étudiés.
01
23
45
6
Eig
enva
lues
0 5 10 15 20 25 30Number
Scree plot of eigenvalues after factor
86
Consistance interne et fiabilité inter-juges
L’examen révèle un α > 0.70, ce qui indique 72.06% de la variance totale des items explique l’indice
d’Imbeau-Stapenhurst et que 27.94% de la variance totale représentent les erreurs aléatoires. La
consistance interne est respectée et est plus forte que celle de Fisher et Kroenig.
La fiabilité des données observées et codifiées est parfois difficile à être acceptée. Ainsi, le test de
Kappa est utilisé pour vérifier ce type d’erreur. Le test montre un kappa= 0.0304, qui est faible, mais
très significatif au seuil de 1%. Mais, celui-ci apparaît plus petit que celui de Fisher et Kroenig.
Stabilité de construit et additivité
La stabilité mesure la fidélité après un long intervalle de temps et permet de s’assurer que l’indice
reste fiable. Mais si l’intervalle de temps est cours ou trop long, le résultat pourrait être biaisé. Une
alternative pour contourner ce problème est l’équivalence des items dont nous calculons les
coefficients de corrélation entre les items. Le test de non-additivité de Turky mesure, l'interdépendance
entre les individus et les items. Ce test est très significatif au seuil de 1% et révèle que les items de
l’indice d’Imbeau-Stapenhurst peuvent être additionnés afin d’obtenir l’indice global. Il en est de même
du test de non-additivité appliqué à l’indice de Fisher et Kroenig.
B. Discussions et limites de l’étude
Nous avons évalué la validité et la fiabilité de quatre (04) indices qui mesurent la performance
du contrôle des finances publiques par le législateur. Cette évaluation est nouvelle en ce sens que peu
de travaux ont abordé ce domaine. L’évaluation des indices est plus fréquente en psychologie, en
éducation et en santé comme l’a révélé la revue de littérature. L’étude confirme la théorie selon
laquelle, les indices comportent plusieurs items qui parfois sont corrélés. Ceci rejoint les résultats
Tessier et al ,1985 et Rankin ,1981 qui partagent entièrement cet avis, et donc que certains items
pouvaient être éliminés tout en préservant la validité des indices. Par contre, cet avis est nuancé en ce
qui a trait à leur fiabilité car ces indices présentent une bonne cohérence interne. Ceci est certainement
dû à l’effort entrepris par les chercheurs par valider les questionnaires auprès des praticiens du contrôle
budgétaire. En général, nous nous rendons compte que dans le domaine politique, comme l’affirment
Salvucci, Walter, Colley, Fink, et Saba (1997), les indices de contrôle législatif peuvent avoir une
validité faible et présenter aussi une fiabilité élevée.
87
Il faut aussi noter que l’étude présente certaines limites dues premièrement au fait de n’en
avoir pas étudié les indices de Wehner et de l’IPA à cause des difficultés à obtenir les bases de
données relatives à la construction de ces mesures. Pour ces indices, leur évaluation a été faite
uniquement selon l’approche qualitative. Deuxièmement, la construction de ces indices est récente, il
n’y a pas d’indices pour lesquels il existe au moins deux indices construits à intervalle de temps séparé
permettant d’établir une corrélation de ces indices, ce qui permettrait d’étendre l’analyse à la fiabilité
temporelle. Mais, cela n’enlève rien à la pertinente et la crédibilité des résultats établis. Une l’évaluation
quantitative a porté sur deux indices ce qui limite la généralisation des résultats. L’étude de la stabilité
inter temporelle pourrait être poursuivie dans le futur lorsque de nouveaux seront disponibles. La
méthode de construction de ces indices est relativement simple et transparente, mais la possibilité
d’agréger sous la forme d’un indicateur unique des éléments si hétérogènes mérite d’être souvent
vérifier.
88
Conclusion
L’élaboration des indices parlementaire est récente et vise à suivre les activités des parlements
en identifiant les points forts et les points faibles. Ce suivi des performances parlementaires contribue
à la promotion de la bonne gouvernance, au développement des pratiques démocratiques permettant
de freiner la corruption. Mais, la construction des mesures comporte parfois des erreurs dues à la
présence de multiples variables. Ainsi se pose le problème de leur indépendance les unes par rapport
aux autres. Krishnan affirme que la construction de ces indices est parfois entachée d’erreur du fait
que ces variables ne sont pas souvent évaluées avec précision ou que le répondant n’a pas fourni de
bonnes réponses et qui convient de vérifier.
Ainsi nous avons sélectionné quatre (04) indices et procéder à leur évaluation en recherchant
à vérifier les hypothèses de leur fiabilité et leur validité à l’aide d’analyses qualitatives et quantitatives.
Ces quatre indices ont été analysés et ce qui révèle qu’en ce qui concerne la validité de construction,
qu’aucun indice n’a pas pris en compte tous les sous d’items tel que préconisé par le standard de l’UIP.
Ces quatre indices évaluent différents aspects du contrôle parlementaire. L’indice de Wehner n’évalue
que les capacités institutionnelles des parlements, l’IPA du CP évalue le contrôle budgétaire et les
capacités institutionnelles qui accompagnent ce contrôle. L’indice de Fisher ne tient pas compte de la
représentation et des relations externes aux parlements. Il en est de même que l’IPA calculé par le
Centre Parlementaire Canadien. Imbeau et Stapenhurst évaluent les capacités structurelles, les
activités et les ressources disponibles des parlementaires. On peut affirmer que ces indices ont une
validité faible, ce qui contredit la première hypothèse.
Mais, certains indices comme ceux de l’IPA et Fisher et Kroenig ont ajouté dans les items,
d’autres aspects non prévus par l’UIP jugés aussi importants, principalement les capacités institutions
des parlements. Imbeau-Stapenhurst en rajoutent les caractéristiques générales des parlements. En
raison de la non disponibilité des données ayant servi à construire les indices de Wehner et l’IPA, ceux-
ci n’ont être évaluer par la méthode quantitative en ce qui a rapport à leur fiabilité. Seuls les indices
d’Imbeau-Stapenhurst et PPI ont subi ce test. Les approches méthodologiques utilisées s’équivalent
avec chacune ses forces et faibles. En général, ces deux indices sont fiables car leur alpha est
supérieur à 70%, mais l’indice d’Imbeau-Stapenhurst est plus validité au regard du biais basé sur la
moyenne, que l’indice de Fisher et Kroenig. Par contre, la variabilité du PPI de Fisher et Kroenig est
très faible car elle utilise aussi la méthode de collecte de l’information par questionnaire complétée par
89
une analyse documentaire comme source secondaire. Tandis que la méthode de collecte des données
d’Imbeau-Stapenhurst se base sur un questionnaire validé par les experts ce qui augmente la validité
manifeste de cet indice. Les statistiques descriptives montrent que les données collectées sont
normales.
L’analyse quantitative révèle que certains des items sont corrélés à d’autres items, ceux-ci
pourront être éliminés en conservant toujours la validité des indices. Par ailleurs, l’étude factorielle
nous indique que l’indice de Fisher et Kroenig pourrait être synthétisé en quatre (04) dimensions et
que l’indice d’imbeau et Stapenhurst se résumerait en ce qui concerne l’aspect structure à 02
dimensions, 03 dimensions pour les items d’activités et 02 dimensions pour les items de ressources.
Les deux indices ci-dessus évoqués ayant fait l’objet d’étude quantitative sont fiables et leur mode de
calcul peut être fait par addition des différents items y afférents. Nous suggérons aux constructeurs de
ces indices de toujours chercher à vérifier l’indépendance des items ou variables utilisées pour
compiler les indices. Il s’agit d’une étape cruciale qui évite de tomber dans le piège de l’imprécision
des indices due à la multi colinéarité des variables qui les composent.
90
Bibliographie
Acock’s, A. C. (2010). A gentle introduction to Stata. 3rd Edition, Stata Press, College Station, Texas.
Adcock, R., & Collier, D. (2001). Measurement validity: A shared standard for qualitative and quantitative research. American Political Science Association (3), 529–546.
A.E.R.A, A.P.A, & N.C.M.E. (1985). Standards for educational and psycho- logical testing. Washington, DC.
Allan, M., & Yen, M. (1979). Introduction to measurement theory. Monterey,
Ca, Brooks/Cole.
Amarenco, G., Bayle, B., Lagauche, D., & Lapeyre, S., E. Sheick Ismael. (2000). Construction et validation des échelles de qualité de vie. Ann RCaGaptation MCd Phys, 43, 263–9.
Anastasi, A. (1968). Psychological testing (2nd Edition). New York: Macmillan.
Beck, C., & Gable, R. (2001). Ensuring content validity: An illustration of the process. Journal of Nursing Measurement, 9, 201–215.
Bersch, K., & Botero, S. (2014). Measuring governance: Implications of con- ceptual choices. European Journal of Development Research, 124-141.
C.P. (2009). Indice parlementaire africain : un rapport de sept pays africains.
Cambridge University Press.
C.P. (2011). Indice Parlementaire Africain (IPA) : un rapport de sept parlements africains. Rapport du Centre Parlementaire Canadian, 1–98.
Delgado-Rico, E., Carretero-Dios, H., & Ruch, W. (2012). Content validity evidences in test development: An applied perspective. International Journal of Clinical and Health Psychology Espana, 3, 449–460.
Demeuse, M., & Henry, G. (2004). Measuring governance: Implications of conceptual choices. Les editions de l’Université de Lige , Chapitre 28.
DeVon, A. H., Block, E. M., Moyle-Wright, P., Ernest, M. D., Hayden, J. S., Lazzara, J. D., . . . Kostas-Polston, E. (2007). A psychometric toolbox for testing validity and reliability. Nursing Scholarship, 39:2, 155–164.
Drapeau, M. (2004). Les critè res de scientificité en recherche qualitative. Pratiques psychologiques, 10, 79–86.
Dweck, C. (1986). Motivational processes affecting learning. American Psychologist , 41 , 1040–1048.
Ebel, R. L. (1972). Essentials of educational measurement. Englewood Cliffs, NJ: Prentice-Hall.
91
Erol, G. (2010). Assessment of the validity and reliability of the turkish adaptation of the study process questionnaire. Journal of Clinical and Analytical Medicine, 30(5) : 1639–1646.
Fermanian, J. (2005). Validation des echelles d’evaluation en medicine physique et de readaptation: comment apprecier leurs qualites psychometriques. Annales de readaption et de medecine physique , 48(2005) : 281-287.
Fisher, S., & Kroenig, M. (2009). The handbook of national legislatures: a global survey. Cambridge University Press.
Grant, T. J. (2007). Legislative productivity of the US Congress, 1789-2004.
Political Analysis, 303–323.
Gregoire, J. (2007). Les indices du wisc-iv et leur interprètation. Martin Mdia- Le Journal des psychologues, 6, 26–30.
Guilford, J. P. (1971). Fundamental statistics in psychology and education (5th Edition). New York: McGraw-Hill.
Hayamizu, T., & Weiner, B. (1991). A test of deck’s model of achievement goals as related to perceptions of ability. Journal of Experimental Education, 59, 226–234.
Haynes, N. S., Richard, S. C. D., & Kubany, S. E. (1995). Content validity in psychological assessment: A functional approach to concepts and methods. Psychological Assessment , 7 , 238–247.
Imbeau, L. (2014). Vérificateur général, cour des comptes ou contrôleur des finances : la performance de trois types d’Instance Supérieure de Contrôle (ISC) dans 27 pays d’Afrique. In Les surveillants de l’État ; Jean Crête (dir). Les Presses de l’Universite Laval, 55–73.
Ingles, C., Garcia-Fernandez, M. J., Castejon, L. J., Valle, A., Delgado, B., & Marzo, C. J. (2009). Reliability and validity evidence of scores on the achievement goal tendencies questionnaire in sample Spanish students of compulsory secondary education. Psychology in the Schools, 46(10),
Joseph, J. A. (2010). Benchmarking our legislatures. Canadian Parliamentary Review, 57.
Kimberlin, L . C. and Winterstein, G. A. (2008). Validity and reliability of measurement instruments used in research. American Journal of Health-System Pharmacists (65), 2276–2284.
Krishnan, V. (2013). The early child development instrument: An item analysis using classical test theory on Alberta’s data. Early Child Development Mapping (ECMap) Project, University of Alberta.
Kurtz, M., & Schrank, A. (2007a). Growth and governance: Models, measures, and mechanisms. Journal of Politics, 69(2): 538–554.
Kurtz, M., & Schrank, A. (2007b). Growth and governance: A defense. Amer- ican Journal of Political Science, 69(2): 563569.
92
Lawshe, C. H. (1975). A quantitative approach to content validity. Personnel Psychology, 28, 563–575.
Li, Y. (2003). The resolution of some paradoxes related to reliability and validity. Journal of Educational and Behavioral Statistics, 28, 89–95.
Lienert, I. (2004). The legal framework for budget systems: an international comparison. OECD Journal on Budgeting, Vol. 4, No. 3.
Lienert, I. (2008). Role of the legislature in budget processes. Fiscal Affairs Department, IMF.
Lynn, M. (1986). Determination and quantification of content validity. Nursing Research, 35, 382–385.
Mandelbaum, A. G. (2011). Strengthening parliamentary accountability, citizen engagement and access to information: A global survey of parliamentary monitoring organization. National Democratic Institute and World Bank (50), Research/Technical.
Mastaglia, B., Toye, C., & Kristjanson, L. (2003). Ensuring content validity in instrument development: Challenges and innovative approaches. Con- temporary Nurse, 14, 281–291.
McCubbins, M. D., & Schwartz, T. (1984). Congressional oversight overlooked: Police patrols versus fire alarms. American Journal of Political Science, 28(1): 165–79.
Meyers, R. (2001). Will the US congress power of the purse become unexceptional? Paper presented at the annual meeting of the American political science association, San Francisco, 30 august. Contemporary Nurse, 14, 281–291.
Mitra, K., & al. (2009). The levels of difficulty and discrimination indices in type a multiple choice questions of pre-clinical semester 1 multidisciplinary summative tests. IeJSME: 3 (1): 2-7, 3(1), 2–7.
Moindze, M. (2011). Le parlement et le processus budgétaire dans le pays en développement., 49 pages.
Moss, P. A. (1994). Can there be validity without reliability? Educational Researcher, 23(2): 5-12
N.D.I.A. (1996). One chamber or two? Deciding between a unicameral and bicameral legislature. National Democratic Institute for International Affairs, 3, 1–14.
Niane, I., & Rakotonirina, O. (2014). Guide aide-memoire sur les rôles et fonctions des parlementaires., 3–24.
Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd Edition ed.). New York: McGraw-Hill.
Olson, D. M., & Michael, L. M. (1991). Legislatures in the policy process: The dilemmas of economic policy. Cambridge, UK: Cambridge University Press.
93
P.C. (2013). Measuring parliamentary performance - the African parliamentary index (API): A summary report of the API around ii assessments in seven African countries, 2012., 1–72.
Piazza, T. (1980). The analysis of attitude items. American Journal of Sociology, 584–603.
Polit, C., D.F. et Beck. (2006). The content validity index: Are you sure you know whats being reported? Critique and recommendations. Research in Nursing and Health, 29, 489–497.
Posner, P., & Park, C. K. (2007). R o l e of the legislature in the budget process:
recent trends and innovations, OECD Journal on
Budgeting, 7, 1–26.
Rankin, R. (1981). Methodology in environmental research. In R. W.
Henderson (Ed.), Parent Child Interaction. Theory, Research and Prospects,
San Francisco: Academic Press.
Rotberg, I. R., & Salahub, E. J. (2003). African legislative
effectiveness. NSI- North-South Institute, 12, Research report.
Salvucci, S., Walter, E., Conley, V., Fink, S., & Saba, M. (1997). Measurement error studies at the national center for education statistics. Washington, DC: U.S. Department of Education, National Center for Education Statistics, 97–464.
Stapenhurst, R. (2014). Following the money: Comparing parliamentary public accounts committees. Pluto Press, United Kingdom.
Stapenhurst, R., Pelizzo, R., Olsen, D. M., & von Trapp, L. (2008). Legislative oversight and budgeting: A world perspective. WBI Development Studies, Washington, DC.
Tessier, R., Pilon, N., & Fecteau, D. (1985). Étude méthodologique d’un instrument de mesure des conduites de contrôle parental : Fiabilité et validité de construit. Canadian. J. Behaviour. Science/Revue Canadienne. Science. Comportementale, 1.
Thomas, M. A. (2010). What do the worldwide governance?
indicators measure? European Journal of Development Research,
22(1): 31–54.
Thompson, B. (2003). Score reliability: Contemporary thinking on reliability issues. Thousand Oaks : Sage.
U.I.P. (2008). Évaluer le parlement outils d’auto évaluation à l’intention des
Parlements. Rapport 2008, 1–32.
U.S.A.I.D, & C.D.G. (2000). Handbook on legislature strengthening. Center for Democracy and Governance, 1–64.
94
Von Hagen, J. (1992). Budgeting procedures and fiscal performance in the european communities. Commission of the European Communities, Brussels.
von Trapp, L. (2007). Critères et cadres d’auto-évaluation destins aux parlements démocratiques : note de synthèse préparée en prévision de la conférence internationale sur les critères d’auto-évaluation des parlements démocratiques. PNUD, 62.
Waltz, F. C., Strickland, L. O., & Lenz, R. E. (2005). Measurement in nursing and
health research (3rd Edition). Springer Publishing Co, New York.
Wehner, J. (2006). Assessing the power of the purse: An index of legislative budget institutions. Political Studies, 54, 767–785.
Wehner, J. (2007). Budget reform and legislative control in Sweden. Journal of European Public Policy), 14(2), 313–332.
Westen, D., & Rosenthal, R. (2003). Quantifying construct validity: two simple measures. Journal of Personality and social Psychology, 84, 6 08 -- 618.
Wohlstetter, P. (1987). Assessing legislative control of bureaucracy: The implementation contract. Paper presented at the Annual Meeting of the Association for Public Policy Analysis and Management (50), Re- search/Technical.
Wynd, C. A., Schmidt, B., & Schaefer, M. A. (2003). Two quantitative ap- proaches for estimating instrument content validity. Western Journal of Nursing Research, 25, 508–518.
Yamamoto, H. (2007). Les outils du contrôle parlementaire : Etude comparative portant sur 88 parlements nationaux. Union interparlementaire, Genève.
Yu, C., & Ohlund, B. (2012). Threats to validity of research design. Available at http://www.creativewisdom.com/teaching/WBI/ threat.shtm.
95
Annexes
--------------------------------------------------------------------------------------------------
opened on: 30 Jul 2016, 21:52:19
. */INDICE PPI
. */statistiques descriptives
stats | replac~x serve_~n invest~e overse~l appoin~m appoin~n lack_p~s no_conf
---------+--------------------------------------------------------------------------------
mean
| .4113924 .4367089
.5696203 .3291139 .335443 .2531646 .3291139
.6012658 sd | .4936507 .497555
1 .4967036 .4713855 .4736464 .436207 .471385
5 .4911947 skewnes
s | .3601305 .255217
5 -.2812205 .7273428 .697061 1.135334 .727342
8 -.4136356
kurtosis | 1.129694 1.065136
1.079085 1.529028 1.485894 2.288983 1.529028
1.171094 ------------------------------------------------------------------------------------------
stats | no_diss no_dec~e no_rev~w no_gate no_imp~d cont_r~r immunity elected
---------+--------------------------------------------------------------------------------
mean
| .3037975
.5063291 .0886076
.7151899
.5316456
.7088608 .443038
.7405063 sd | .461358
6 .5015496 .285080
1 .452759
.5005842
.455732 .4983242
.4397506 skewnes
s | .853246
9 -.0253185 2.8953
3 -.9535938 -.1268366 -.9195091 .229341
2 -1.097308
kurtosis | 1.72803
1.000641 9.382937
1.909341
1.016088
1.845497 1.052597
2.204086 ------------------------------------------------------------------------------------------
stats | amend war amnesty pardon judici~y bank sessions secret~y
---------+--------------------------------------------------------------------------------
mean
| .5063291
.6265823 .4240506 .0949367 .4620253 .1012658 .7658228 .3987342 sd | .501549
6 .4852497 .4957694 .2940595 .5001411 .3026396 .42483 .491194
7 skewness
| -.0253185 -.5233791 .3073641 2.763735 .1523387 2.643421 -1.25541 .4136356 kurtosis | 1.00064
1 1.273926 1.094473 8.638228 1.023207 7.987676 2.576055 1.17109
4
96
------------------------------------------------------------------------------------------
stats | no_limit staff seek_r~t experi~e
---------+----------------------------------------
mean
| .9367089 .1962025
.9050633
.7278481 sd | .2442601 .398386
2 .2940595
.4464828 skewnes
s | -3.587139 1.5299
9 -2.763735 -1.023881
kurtosis | 13.86757 3.340869
8.638228
2.048332 --------------------------------------------------
. */FIABILITÉ
. */correlation inter items ou Stabilité ou retest (r=0.5, p<0.01)
| replac~x serve_~n invest~e overse~l appoin~m appoin~n lack_p~s
-------------+---------------------------------------------------------------
replace_ex | 1.0000
serve_min | 0.1974 1.0000 investigate | 0.4669* 1.0000
oversee_pol | 0.5093* 0.1708 0.5816* 1.0000
appoint_pm | 0.5229* 0.2663* 0.3197* 0.5294* 1.0000
appoint_min | 0.1827 0.1721 1.0000
lack_pres | 0.3725* 0.4153* 0.2834* 0.4723* 1.0000
no_conf | 0.3131* 0.2059* 0.3228* 0.4143* 0.2128* no_diss | -0.2487* -0.1991 -0.2653* -0.2869*
no_decree | 0.3882* 0.4712* 0.5030* 0.3530* 0.1673 0.1797
no_review | 0.2030 0.1608
97
no_gate | 0.1879 0.2629* 0.1810 no_impound | 0.2692* 0.4138* 0.4684* 0.3445* 0.1673 cont_resor | 0.4792* 0.5685* 0.4489* 0.3668*
immunity | -0.2201* 0.2133* elected | 0.2602* -0.1774 0.4186* 0.3224* 0.1759 0.2450*
amend | 0.3882* 0.2058* 0.3178* 0.2875* 0.3798*
war | 0.2200* -0.2700* 0.3596* 0.2622* 0.1882 0.2087*
amnesty | 0.1675 -0.2391* 0.2803* pardon | 0.2379*
judiciary | 0.1798 -0.3041* 0.3184* 0.1884 0.2195* bank | 0.2070* 0.3007* 0.3836* 0.2870*
sessions | 0.3104* 0.3041* 0.3237* 0.2346* secretary | 0.3436* 0.3424* 0.2274* no_limit |
staff | 0.2995* 0.3651* 0.2645* seek_reelect | 0.1809 0.1844
experience | 0.1933 0.2517* 0.2439* 0.3072* 0.2537*
98
| no_conf no_diss no_dec~e no_rev~w no_gate no_imp~d cont_r~r
-------------+---------------------------------------------------------------
no_conf | 1.0000
no_diss | -0.5301* 1.0000
no_decree | 1.0000 no_review | 1.0000
no_gate
| 0.2021 0.1903 1.0000 no_impound
| 0.2718* 0.4178* 0.1946 1.0000 cont_resor | 0.2748* 0.3704* 0.1821 0.4594* 1.0000
immunity | 0.2805* elected | 0.1961 0.3396* 0.3302* 0.3124* 0.3516*
amend
| 0.3076* -0.1735 0.1644 0.3417* 0.2868* war | 0.1730 0.2846* 0.1796 0.1670 0.2541*
amnesty
| 0.1637 0.2680* pardon
| 0.1742 judiciary | 0.1883 0.2041 0.3610* 0.2865*
bank
| 0.2734* 0.1636 0.1653 0.2730* 0.2151* sessions | 0.2517* 0.2312* 0.2897* 0.4352*
secretary | 0.3796* no_limit | 0.2661* 0.1815 0.1728 0.1767
staff | 0.2009 0.2465* seek_reelect | 0.3536* 0.1783 0.2585* 0.2677*
experience | 0.1991 0.1813 0.2240* 0.2968*
99
| immunity elected amend war amnesty pardon judici~y
-------------+---------------------------------------------------------------
immunity | 1.0000 elected | 0.2373* 1.0000
amend
| 0.2530* 1.0000 war | 0.2407* 0.3788* 1.0000
amnesty
| 0.3433* 0.3619* 0.2917* 1.0000 pardon
| 0.1608 0.3775* 1.0000 judiciary | 0.3235* 0.3748* 0.1787 0.3742* 0.5149* 0.2629* 1.0000
bank
| 0.2497* 0.1987 0.1636 0.2158* 0.2638* 0.1939 sessions | 0.1841 0.2611* 0.1602 0.2427*
secretary | 0.1577 0.2011 0.1644 no_limit | 0.2612*
staff | 0.2198* 0.2496* 0.1888 seek_reelect | 0.3501* 0.2848*
experience | 0.1571 0.2780*
| bank sessions secret~y no_limit staff seek_r~t experi~e
-------------+---------------------------------------------------------------
bank
| 1.0000 sessions | 0.1856 1.0000
secretary | 0.3282* 1.0000 no_limit | 0.1632 1.0000
staff | 0.1979 0.5741* 1.0000 seek_reelect | 0.2798* 0.5366* 1.0000
experience | 0.2053* 0.1991 0.4326* 1.0000
100
. */ CONSISTENCE INTERNE
.. */Le coefficient KR20 alpha=>.70 (la proportion de la variance observée qui représente la vrai
> e variance ou le ration de la vraie variance/variance totale (vraie +erreur)
average
Item
| Obs Sign
item-test
correlation
item-rest
correlation
interitem
covariance
alpha -------------+----------------------------------------------------------------- replace_ex | 158 + 0.6547 0.5973 .0289675 0.8227 serve_min | 158 + 0.1452 0.0532 .0328219 0.8434 investigate | 158 + 0.7170 0.6673 .0284722 0.8199 oversee_pol | 158 + 0.6903 0.6400 .0288728 0.8215 appoint_pm | 158 + 0.6058 0.5454 .0294678 0.8250 appoint_min | 158 + 0.3097 0.2337 .0316963 0.8361 lack_pres | 158 + 0.2504 0.1658 .0320485 0.8388 no_conf | 158 + 0.4687 0.3928 .0303847 0.8307 no_diss | 158 + -0.0246 -0.1098 .0340035 0.8480 no_decree | 158 + 0.5718 0.5038 .0295477 0.8263 no_review | 158 + 0.1027 0.0499 .0330066 0.8394 no_gate | 158 + 0.3696 0.2936 .0312447 0.8342 no_impound | 158 + 0.6207 0.5583 .0291783 0.8242 cont_resor | 158 + 0.6881 0.6393 .0290123 0.8218 immunity | 158 + 0.2771 0.1885 .031816 0.8385 elected | 158 + 0.5858 0.5281 .0298289 0.8261 amend | 158 + 0.4702 0.3928 .030328 0.8307 war | 158 + 0.4554 0.3795 .0305097 0.8312 amnesty | 158 + 0.4275 0.3478 .0306774 0.8324 pardon | 158 + 0.2347 0.1821 .0324125 0.8366 judiciary | 158 + 0.4601 0.3820 .0304121 0.8311 bank | 158 + 0.4064 0.3578 .0316005 0.8326
101
sessions | 158 + 0.4898 0.4262 .0305506 0.8297
secretary | 158 + 0.4431 0.3652 .0305775 0.8318 no_limit | 158 + 0.2740 0.2313 .0323682 0.8356 staff | 158 + 0.3958 0.3306 .0312608 0.8329 seek_reelect | 158 + 0.4099 0.3629 .0316235 0.8326 experience | 158 + 0.3910 0.3172 .0311179 0.8334 -------------+----------------------------------------------------------------- Test scale | .0308503 0.8369
-------------------------------------------------------------------------------
Kuder-Richarson coefficient of reliability (KR-20) Number of items in
the scale = 28
Number of complete observations = 158
Item Item Item-rest Item | Obs difficulty variance correlation
---------+------------------------------------------
replace_ex| 158 0.4114 0.2421 0.5954 serve_min| 158 0.4367 0.2460 0.0530 investigate| 158 0.5696 0.2452 0.6652 oversee_pol| 158 0.3291 0.2208 0.6380 appoint_pm| 158 0.3354 0.2229 0.5437 appoint_min| 158 0.2532 0.1891 0.2330 lack_pres| 158 0.3291 0.2208 0.1652 no_conf | 158 0.6013 0.2397 0.3916 no_diss | 158 0.3038 0.2115 -0.1094 no_decree| 158 0.5063 0.2500 0.5022 no_review| 158 0.0886 0.0808 0.0497 no_gate | 158 0.7152 0.2037 0.2926 no_impound| 158 0.5316 0.2490 0.5565 cont_resor| 158 0.7089 0.2064 0.6373
102
immunity| 158 0.4430 0.2468 0.1879 elected | 158 0.7405 0.1922 0.5264 amend | 158 0.5063 0.2500 0.3915 war | 158 0.6266 0.2340 0.3783 amnesty | 158 0.4241 0.2442 0.3467 pardon | 158 0.0949 0.0859 0.1815 judiciary| 158 0.4620 0.2486 0.3808 bank | 158 0.1013 0.0910 0.3567 sessions| 158 0.7658 0.1793 0.4249 secretary| 158 0.3987 0.2397 0.3641 no_limit| 158 0.9367 0.0593 0.2305 staff | 158 0.1962 0.1577 0.3295 seek_reelect| 158 0.9051 0.0859 0.3618 experience| 158 0.7278 0.1981 0.3162
---------+------------------------------------------
Test | 0.4803 0.3568
KR20 coefficient is 0.8382
*/INTER-JUGEMENT
(Kappa-k)
There are 28 raters per subject:
Two-outcomes, multiple raters:
Kappa Z Prob>Z
0.1151 28.14 0.0000
.
103
. */test de non-additivité de Turkey
Source | SS df MS Number of obs = 158
-------------+---------------------------------- F(28, 129) = 445.19 Model | 6.00606261 28 .214502236 Prob > F = 0.0000 Residual | .06215505 129 .000481822 R-squared = 0.9898 -------------+---------------------------------- Adj R-squared = 0.9875 Total | 6.06821766 157 .038651068 Root MSE = .02195
------------------------------------------------------------------------------
ppi | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
replace_ex | .0362259 .0054133 6.69 0.000 .0255156 .0469362 serve_min | .0328511 .0045036 7.29 0.000 .0239406 .0417617 investigate | .0511604 .0055552 9.21 0.000 .0401693 .0621515 oversee_pol | .0384808 .0059122 6.51 0.000 .0267833 .0501782 appoint_p
m | .0325595 .0058446 5.57 0.000 .020996 .044123
1 appoint_min | .0296454 .0047053 6.30 0.000 .0203357 .038955 lack_pres | .0433251 .0052569 8.24 0.000 .0329242 .053726 no_con
f | .0408329 .0051671 7.90 0.000 .0306098 .051056
1 no_diss
| .036286 .005557 6.53 0.000 .0252913 .0472807 no_decre
e | .0364488 .0046398 7.86 0.000 .0272688 .045628
8 no_review
| .0335437 .0068155 4.92 0.000 .0200592 .0470282 no_gat
e | .0374953 .0046066 8.14 0.000 .0283811 .046609
6 no_impound
| .0257657 .004756 5.42 0.000 .0163558 .0351756 cont_resor | .0435285 .0056123 7.76 0.000 .0324245 .0546324 immunit
y | .0351062 .0042632 8.23 0.000 .0266713 .043541
1 elected | .0359155 .0055379 6.49 0.000 .0249586 .0468724
104
amend
| .0382096 .0046856 8.15 0.000 .0289391 .0474801 war | .0380997 .0046968 8.11 0.000 .028807 .0473924 amnest
y | .0323536 .004979 6.50 0.000 .0225026 .042204
6 pardon
| .0279563 .0070868 3.94 0.000 .0139349 .0419777 judiciary | .0320545 .0050964 6.29 0.000 .0219711 .0421379 ba
nk | .0507133 .0075498 6.72 0.000 .0357759 .065650
6 sessions | .0319063 .0051152 6.24 0.000 .0217858 .0420268 secretary | .025414 .004919 5.17 0.000 .0156816 .0351464 no_limit | .0503107 .0090643 5.55 0.000 .0323767 .0682447 staff | .0266597 .006124 4.35 0.000 .0145432 .0387762 seek_reelect | .0356453 .0089136 4.00 0.000 .0180096 .05328
1 experience | .0320719 .0049868 6.43 0.000 .0222053 .0419384 _co
ns | -.0031672 .008646 -0.37 0.715 -.0202734 .013939
1 ------------------------------------------------------------------------------
. linktest
Source | SS df MS Number of obs = 158
-------------+---------------------------------- F(2, 155) = 7494.10 Model | 6.00610574 2 3.00305287 Prob > F = 0.000
0 Residual | .062111913 155 .000400722 R-squared = 0.9898 -------------+---------------------------------- Adj R-squared = 0.9896 Total | 6.06821766 157 .038651068 Root MSE = .02002
------------------------------------------------------------------------------
ppi | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
_hat
| 1.011131 .0348984 28.97 0.000 .9421934 1.080069 _hats
q | -.0117485 .0358106 -0.33 0.743 -.0824883 .058991
2 _cons
| -.0021856 .0079462 -0.28 0.784 -.0178824 .0135113 ------------------------------------------------------------------------------
105
.
Factor analysis/correlation Number of obs = 158
Method: principal factors Retained factors = 16 Rotation: (unrotated) Number of params = 3
28 --------------------------------------------------------------------------
Factor | Eigenvalue Difference Proportion Cumulative
-------------+------------------------------------------------------------
Factor1 | 5.59203 3.12982 0.4475 0.4475 Factor2 | 2.46221 0.91242 0.1970 0.6446 Factor3 | 1.54979 0.48605 0.1240 0.7686 Factor4 | 1.06373 0.26826 0.0851 0.8537 Factor5 | 0.79547 0.06939 0.0637 0.9174 Factor6 | 0.72608 0.13904 0.0581 0.9755 Factor7 | 0.58705 0.11767 0.0470 1.0225 Factor8 | 0.46937 0.12648 0.0376 1.0600 Factor9 | 0.34289 0.04800 0.0274 1.0875 Factor10 | 0.29489 0.07211 0.0236 1.1111 Factor11 | 0.22278 0.01502 0.0178 1.1289 Factor12 | 0.20776 0.06076 0.0166 1.1455 Factor13 | 0.14700 0.07880 0.0118 1.1573 Factor14 | 0.06820 0.03499 0.0055 1.1627 Factor15 | 0.03321 0.00476 0.0027 1.1654 Factor16 | 0.02845 0.04677 0.0023 1.1677 Factor17 | -0.01832 0.03597 -0.0015 1.1662 Factor18 | -0.05429 0.02519 -0.0043 1.1619 Factor19 | -0.07948 0.05063 -0.0064 1.1555 Factor20 | -0.13011 0.01144 -0.0104 1.1451 Factor21 | -0.14156 0.01802 -0.0113 1.1338 Factor22 | -0.15958 0.02971 -0.0128 1.1210 Factor23 | -0.18929 0.04081 -0.0151 1.1059 Factor24 | -0.23010 0.00903 -0.0184 1.0874
106
Factor25 | -0.23913 0.01772 -0.0191 1.0683 Factor26 | -0.25685 0.03374 -0.0206 1.0477 Factor27 | -0.29058 0.01544 -0.0233 1.0245 Factor28 | -0.30602 . -0.0245 1.0000
--------------------------------------------------------------------------
LR test: independent vs. saturated: chi2(378) = 1528.00 Prob>chi2 = 0.0000 Factor loadings (pattern
matrix) and unique variances
----------------------------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 Factor7 Factor8
-------------+--------------------------------------------------------------------------------
replace_ex | 0.6402 -0.1829 -0.2786 -0.0432 -0.0101 -0.1115 -0.0008 0.1416 serve_min | 0.1065 -0.6169 -0.0959 0.0905 0.0349 0.0222 -0.0175 -0.0263
investigate | 0.7106 0.1388 -0.2427 0.0311 0.1081 0.0210 0.0534 -0.1104 oversee_pol | 0.7136 -0.1929 -0.1127 -0.1569 0.1238 0.0682 0.0333 -0.0552
appoint_pm | 0.6059 -0.4016 0.0421 -0.3019 0.0699 -0.0371 0.0115 0.0103 appoint_min | 0.2480 0.2014 0.0874 -0.2673 0.1412 0.1908 -0.1433 0.1952 lack_pres | 0.2132 -0.5561 -0.2066 -0.2432 -0.0229 -0.1355 0.1878 0.1771 no_con
f | 0.4908 -0.2738 0.3639 -0.0809 -0.3175 -0.0427 0.0119 0.123
9 no_diss | -0.1029 0.5055 -0.3357 0.1662 0.3725 0.0815 -0.0742 0.0508 no_decree | 0.5482 0.0333 -0.1812 -0.1019 0.3173 0.0159 0.0756 0.0821 no_review | 0.0689 -0.1975 0.0427 -0.0054 0.0956 0.0041 0.2376 -0.1627
no_gate
| 0.3181 0.0314 0.2017 -0.1025 0.0335 0.3278 0.2620 -0.0792 no_impound
| 0.6048 -0.0033 0.0513 -0.0057 0.1870 -0.1158 -0.0913 -0.0449 cont_resor | 0.6899 0.0100 -0.1116 0.1509 0.0154 -0.0029 -0.1090 -0.0069
immunity | 0.2109 0.3420 0.2199 -0.2831 -0.1999 0.0877 0.0446 -0.0559 elected | 0.5586 0.3452 0.1361 0.0720 0.1035 0.1165 0.1439 -0.0083
107
amend
| 0.4640 -0.2423 0.0966 0.1621 0.0440 -0.2881 -0.1007 -0.1788 war | 0.4279 0.3995 -0.0113 -0.1264 -0.1019 0.1479 0.0805 0.128
3 amnesty
| 0.3835 0.4783 0.0638 -0.0141 -0.2384 -0.2362 0.1237 -0.1779 pardon
| 0.1932 0.2722 -0.0746 0.0700 0.0376 -0.3613 0.2972 0.0110 judiciary | 0.4241 0.5330 0.0174 -0.0970 -0.0661 -0.2982 -0.1696 0.0261 ba
nk | 0.4002 0.0400 0.2761 -0.3063 -0.0094 0.1268 -0.2592 -0.2040
sessions | 0.4820 -0.0573 -0.0374 0.1621 -0.1036 -0.0135 -0.3133 0.1589 secretary | 0.3968 0.0079 -0.4106 0.2467 -0.3538 0.1522 -0.0342 0.0446 no_limit | 0.2640 0.0518 0.4472 0.2638 0.0385 0.0297 0.1018 0.2652 staff | 0.3557 0.0494 -0.4893 0.1422 -0.2905 0.2365 0.0926 -0.0686
seek_reelect | 0.4223 -0.0474 0.4565 0.4797 0.0589 0.0434 0.0792 0.1008 experience | 0.3731 -0.2349 0.1533 0.2924 0.0711 0.1511 -0.0815 -0.2573
----------------------------------------------------------------------------------------------
108
----------------------------------------------------------------------------------------------
Variable | Factor9 Factor10 Factor11 Factor12 Factor13 Factor14 Factor15 Factor16
-------------+--------------------------------------------------------------------------------
replace_ex | 0.1927 -0.0940 -0.1938 0.0722 -0.0484 0.0098 -0.0206 -0.0045 serve_min | 0.1060 0.1521 0.0466 0.0549 0.0766 0.0150 -0.0570 -0.0186
investigate | -0.1082 -0.0437 -0.0161 -0.0540 -0.1390 0.0964 -0.0187 -0.0350 oversee_pol | -0.1927 0.0724 -0.0855 0.0526 -0.0234 0.0379 0.0620 -0.0106
appoint_pm | 0.1119 -0.1722 0.0500 0.0727 0.0208 -0.0293 0.0170 0.0582 appoint_min | 0.0815 -0.0279 0.1278 -0.0440 0.0298 0.1188 -0.0080 -0.0338
lack_pres | 0.1447 0.0928 0.0887 -0.0186 0.0156 -0.0140 0.0514 -0.0177 no_conf
| -0.0933 -0.0280 -0.0653 -0.0412 0.0009 0.0601 -0.0566 -0.0007 no_diss | 0.2365 -0.0435 0.0229 0.0215 0.0031 0.0185 -0.0135 0.025
1 no_decree | -0.1206 0.0827 -0.0483 0.0767 0.0711 -0.0868 -0.0218 -0.0231 no_review | -0.0195 -0.2257 0.2351 -0.0990 -0.0119 -0.0160 0.0186 -0.0113
no_gate
| 0.0861 0.1177 -0.0475 -0.1172 -0.0469 -0.0436 0.0029 0.0236 no_impoun
d | -0.1107 0.2164 0.1095 -0.1081 0.0764 0.0001 -0.0395 0.063
7 cont_resor | -0.0130 0.0244 0.0743 -0.0367 -0.2043 -0.0934 -0.0354 0.0015 immunity | 0.1735 0.1430 -0.0211 -0.0453 -0.0616 0.0195 0.0339 0.0127 elected | 0.0581 -0.0572 -0.0967 -0.1301 0.1226 -0.0295 0.0087 -0.0598
amend
| 0.0948 -0.1296 -0.1191 -0.1835 0.0681 0.0107 -0.0105 0.0051 war | -0.1471 -0.1675 -0.0383 0.0861 0.0314 -0.0264 -0.0054 0.0606 amnest
y | 0.1136 0.0478 0.0544 0.1398 0.0080 -0.0580 -0.0165 -0.0487
pardon
| -0.0428 0.0260 0.0902 0.0898 -0.0307 0.0891 -0.0070 0.0131 judiciary | 0.0188 0.0711 0.0124 -0.0541 0.0749 0.0031 0.0479 0.0257 ba
nk | 0.0470 -0.0692 0.0936 0.1268 0.0271 -0.0092 -0.0449 -0.0208
sessions | -0.0663 -0.0135 0.0901 -0.0232 -0.0211 -0.0444 0.0680 -0.0481 secretary | 0.0802 -0.0096 0.0723 -0.0713 -0.0068 0.0042 -0.0029 0.041
3 no_limit | 0.0757 0.0610 0.0470 0.0191 -0.0514 -0.0015 -0.0240 -0.0090 staff | -0.0383 0.0208 0.0508 0.0257 0.1506 0.0251 -0.0118 -0.0134
seek_reelect | -0.0050 -0.0583 0.0357 0.0948 0.0651 0.0055 0.0276 0.0117 experience | 0.0825 0.0761 -0.0420 0.1390 -0.0226 0.0594 0.0568 0.0227 ----------------------------------------------------------------------------------------------
109
----------------------------
Variable | Uniqueness
-------------+--------------
replace_ex | 0.3530
serve_min | 0.5388 investigate | 0.3417 oversee_pol | 0.3337 appoint_pm | 0.3172 appoint_min | 0.6620 lack_pres | 0.4168 no_con
f | 0.404
8 no_diss | 0.3800 no_decree | 0.4986 no_review | 0.7451 no_gat
e | 0.621
2 no_impound
| 0.4786 cont_resor | 0.4172 immunity | 0.5988 elected | 0.4476 ame
nd | 0.484
8 war | 0.5220 amnest
y | 0.416
5 pardon
| 0.6298 judiciary | 0.3865 ba
nk | 0.508
1 sessions | 0.5797 secretary | 0.4430 no_limit | 0.5597 staff | 0.4290 seek_reelect | 0.3402 experience | 0.5544 ----------------------------
110
. predict Index, norotate (regression scoring assumed)
Scoring coefficients (method = regression)
----------------------------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 Factor7 Factor8
-------------+--------------------------------------------------------------------------------
replace_ex | 0.10919 -0.05732 -0.16135 -0.01703 -0.03237 -0.12525 -0.02191 0.19032 serve_min | 0.01457 -0.17641 -0.03650 0.05973 0.03155 0.01613 -0.02788 -0.03001
investigate | 0.14569 0.06663 -0.13114 0.03116 0.10488 0.00524 0.08814 -0.14483 oversee_pol | 0.14212 -0.07946 -0.05764 -0.11026 0.13107 0.09035 0.03545 -0.07347
appoint_pm | 0.12580 -0.16358 0.03798 -0.25972 0.07797 -0.02487 0.01565 -0.02041 appoint_min | 0.02896 0.05243 0.03651 -0.12908 0.06533 0.11445 -0.09435 0.1411
9 lack_pres | 0.02674 -0.18760 -0.10048 -0.11912 -0.00441 -0.10709 0.20061 0.18222 no_con
f | 0.08201 -0.08163 0.18962 -0.06099 -0.24747 -0.01341 -0.00520 0.1490
5 no_diss | -0.01302 0.17873 -0.16383 0.10529 0.32743 0.09261 -0.07169 0.07202 no_decree | 0.06886 0.01607 -0.07797 -0.05943 0.20480 0.00938 0.05052 0.09280 no_review | 0.00256 -0.03758 0.00742 -0.00534 0.04193 -0.00658 0.14255 -0.10401
no_gate
| 0.03905 0.01640 0.08180 -0.06021 0.01595 0.20497 0.18100 -0.06669 no_impound
| 0.09327 -0.00125 0.02394 -0.00369 0.13723 -0.09733 -0.06498 -0.04093 cont_resor | 0.11662 -0.00687 -0.04763 0.12589 0.01319 0.01208 -0.11912 -0.00579
immunity | 0.03114 0.09265 0.09723 -0.13686 -0.10861 0.08935 0.03462 -0.03334 elected | 0.09130 0.12023 0.07943 0.02051 0.07926 0.11956 0.14303 -0.00272
amend
| 0.05720 -0.09078 0.03930 0.12097 0.03418 -0.22068 -0.08287 -0.19747 war | 0.05104 0.13046 -0.00329 -0.07387 -0.07208 0.11043 0.07691 0.1211
0 amnesty
| 0.06790 0.16950 0.03415 -0.01907 -0.19019 -0.21591 0.16019 -0.21331 pardon
| 0.01433 0.06577 -0.02745 0.03174 0.02431 -0.22030 0.20498 0.01599 judiciary | 0.07852 0.21117 0.00959 -0.07876 -0.07166 -0.27690 -0.20345 0.05899 ba
nk | 0.05540 0.01867 0.12667 -0.16425 -0.00427 0.12277 -0.23661 -0.16956
sessions | 0.05748 -0.01468 -0.01744 0.07168 -0.05982 -0.00472 -0.25428 0.13976 secretary | 0.06125 0.00226 -0.19026 0.15099 -0.28173 0.12317 -0.03814 0.05137 no_limit | 0.03292 0.01887 0.16815 0.10821 0.01274 0.01872 0.07076 0.22501
111
staff | 0.05523 0.00664 -0.24218 0.09444 -0.22259 0.19588 0.07460 -0.07475 seek_reelect | 0.09729 -0.02564 0.26438 0.39637 0.07813 0.04081 0.10118 0.1211
3 experience | 0.03837 -0.06905 0.05558 0.13935 0.02423 0.09925 -0.07539 -0.23357 ----------------------------------------------------------------------------------------------
112
----------------------------------------------------------------------------------------------
Variable | Factor9 Factor10 Factor11 Factor12 Factor13 Factor14 Factor15 Factor16
-------------+--------------------------------------------------------------------------------
replace_ex | 0.26890
-0.11130 -0.34794 0.12466 -0.07426 0.02342 -0.05308 -0.01391 serve_min
| 0.10596
0.16343 0.04752
0.06505 0.10098
0.02599 -0.08969 -0.03051 investigate | -0.14114 -0.10212 0.0107
0 -0.09882 -0.25467 0.21895 -0.04502 -0.07770
oversee_pol | -0.29465 0.14477 -0.14245 0.10536 -0.02672 0.06640 0.14902
-0.02112 appoint_pm
| 0.16948
-0.30692 0.13097
0.11651 0.04975
-0.05990 0.03439
0.13732 appoint_min | 0.0659
1 -0.01307 0.1285
7 -0.04120 0.0282
8 0.13831 -0.00920 -0.04877
lack_pres | 0.16157
0.14053 0.16192
-0.04999 0.01967
-0.01937 0.09512
-0.04809 no_conf
| -0.10828 -0.01843 -0.09512 -0.06697 0.00454
0.11868 -0.11524 -0.00095 no_diss
| 0.27699
-0.05002 0.04701
0.04105 0.01612
0.05057 -0.02461 0.04986 no_decr
ee | -
0.13011 0.10818 -0.06636 0.09137 0.1117
2 -0.14675 -0.04551 -0.03653
no_review
| -0.01355
-0.17447 0.19003
-0.09168 -0.00815 -0.01701 0.01741
-0.01378 no_gate
| 0.09650
0.10362 -0.04235 -0.12845 -0.05387 -0.05278 0.00419
0.03667 no_impou
nd | -
0.10308 0.26116 0.1349
8 -0.13664 0.1117
7 0.00457 -0.07983 0.1084
3 cont_resor
| -0.02901
0.04565 0.13341
-0.05860 -0.32390 -0.19546 -0.05886 0.00219 immuni
ty | 0.1622
1 0.15200 -0.03058 -0.04851 -0.07541 0.02754 0.0478
4 0.02046 electe
d | 0.0840
1 -0.07379 -0.13071 -0.20466 0.1828
6 -0.05430 0.0134
4 -0.10683
amend
| 0.08398
-0.13572 -0.13008 -0.24087 0.10063
-0.00023 -0.01186 0.00470 war | -
0.15436 -0.16861 -0.04111 0.09961 0.0371
5 -0.04655 -0.01041 0.0936
7 amnesty
| 0.13200
0.06982 0.07630
0.22111 -0.00157 -0.09739 -0.02986 -0.08546 pardon
| -0.04097
0.01077 0.10001
0.08377 -0.02778 0.10992 -0.01054 0.02224 judiciary | 0.0224
0 0.09400 0.0088
0 -0.07718 0.1278
1 0.01771 0.0993
3 0.05374 b
ank
| 0.06094
-0.07008 0.12114
0.13482 0.03922
-0.00607 -0.07000 -0.04441 sessions
| -0.05474
-0.02462 0.09724
-0.02223 -0.01514 -0.05417 0.09422
-0.07366 secretary
| 0.09164
-0.00400 0.08447
-0.10564 -0.00653 -0.00003 0.00149
0.07517 no_limit | 0.0800
1 0.08025 0.0431
4 0.01510 -0.06816 -0.00477 -0.03818 -0.01230
staff
| -0.04956
0.01800 0.08579
0.04287 0.24157
0.03136 -0.01739 -0.01749 seek_reelect | -
0.01397 -0.09039 0.0833
6 0.15854 0.0973
5 0.02107 0.0683
2 0.01948 experienc
e | 0.0994
5 0.10402 -0.06850 0.15244 -0.02539 0.07516 0.0795
7 0.03540 ----------------------------------------------------------------------------------------------
113
. factor, altdivisor
Factor analysis/correlation Number of obs = 158
Method: principal factors Retained factors = 16 Rotation: (unrotated) Number of params = 3
28 --------------------------------------------------------------------------
Factor | Eigenvalue Difference Proportion Cumulative
-------------+------------------------------------------------------------
Factor1 | 5.59203 3.12982 0.1997 0.1997 Factor2 | 2.46221 0.91242 0.0879 0.2877 Factor3 | 1.54979 0.48605 0.0553 0.3430 Factor4 | 1.06373 0.26826 0.0380 0.3810 Factor5 | 0.79547 0.06939 0.0284 0.4094 Factor6 | 0.72608 0.13904 0.0259 0.4353 Factor7 | 0.58705 0.11767 0.0210 0.4563 Factor8 | 0.46937 0.12648 0.0168 0.4731 Factor9 | 0.34289 0.04800 0.0122 0.4853 Factor10 | 0.29489 0.07211 0.0105 0.4958 Factor11 | 0.22278 0.01502 0.0080 0.5038 Factor12 | 0.20776 0.06076 0.0074 0.5112 Factor13 | 0.14700 0.07880 0.0053 0.5165 Factor14 | 0.06820 0.03499 0.0024 0.5189 Factor15 | 0.03321 0.00476 0.0012 0.5201 Factor16 | 0.02845 0.04677 0.0010 0.5211 Factor17 | -0.01832 0.03597 -0.0007 0.5205 Factor18 | -0.05429 0.02519 -0.0019 0.5185 Factor19 | -0.07948 0.05063 -0.0028 0.5157 Factor20 | -0.13011 0.01144 -0.0046 0.5110 Factor21 | -0.14156 0.01802 -0.0051 0.5060 Factor22 | -0.15958 0.02971 -0.0057 0.5003 Factor23 | -0.18929 0.04081 -0.0068 0.4935 Factor24 | -0.23010 0.00903 -0.0082 0.4853
114
Factor25 | -0.23913 0.01772 -0.0085 0.4768 Factor26 | -0.25685 0.03374 -0.0092 0.4676 Factor27 | -0.29058 0.01544 -0.0104 0.4572 Factor28 | -0.30602 . -0.0109 0.4463 --------------------------------------------------------------------------
LR test: independent vs. saturated: chi2(378) = 1528.00 Prob>chi2 = 0.0000 Factor loadings (pattern
matrix) and unique variances
115
----------------------------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 Factor7 Factor8
-------------+--------------------------------------------------------------------------------
replace_ex | 0.6402 -0.1829 -0.2786 -0.0432 -0.0101 -0.1115 -0.0008 0.1416 serve_min | 0.1065 -0.6169 -0.0959 0.0905 0.0349 0.0222 -0.0175 -0.0263
investigate | 0.7106 0.1388 -0.2427 0.0311 0.1081 0.0210 0.0534 -0.1104 oversee_pol | 0.7136 -0.1929 -0.1127 -0.1569 0.1238 0.0682 0.0333 -0.0552
appoint_pm | 0.6059 -0.4016 0.0421 -0.3019 0.0699 -0.0371 0.0115 0.0103 appoint_min | 0.2480 0.2014 0.0874 -0.2673 0.1412 0.1908 -0.1433 0.1952
lack_pres | 0.2132 -0.5561 -0.2066 -0.2432 -0.0229 -0.1355 0.1878 0.1771 no_conf | 0.4908 -0.2738 0.3639 -0.0809 -0.3175 -0.0427 0.0119 0.1239 no_diss | -0.1029 0.5055 -0.3357 0.1662 0.3725 0.0815 -0.0742 0.0508
no_decree | 0.5482 0.0333 -0.1812 -0.1019 0.3173 0.0159 0.0756 0.0821 no_review | 0.0689 -0.1975 0.0427 -0.0054 0.0956 0.0041 0.2376 -0.1627
no_gate | 0.3181 0.0314 0.2017 -0.1025 0.0335 0.3278 0.2620 -0.0792
no_impound
| 0.6048 -0.0033 0.0513 -0.0057 0.1870 -0.1158 -0.0913 -0.0449 cont_resor | 0.6899 0.0100 -0.1116 0.1509 0.0154 -0.0029 -0.1090 -0.0069
immunity | 0.2109 0.3420 0.2199 -0.2831 -0.1999 0.0877 0.0446 -0.0559 elected | 0.5586 0.3452 0.1361 0.0720 0.1035 0.1165 0.1439 -0.0083
amend
| 0.4640 -0.2423 0.0966 0.1621 0.0440 -0.2881 -0.1007 -0.1788 war | 0.4279 0.3995 -0.0113 -0.1264 -0.1019 0.1479 0.0805 0.1283
amnesty
| 0.3835 0.4783 0.0638 -0.0141 -0.2384 -0.2362 0.1237 -0.1779 pardon
| 0.1932 0.2722 -0.0746 0.0700 0.0376 -0.3613 0.2972 0.0110 judiciary | 0.4241 0.5330 0.0174 -0.0970 -0.0661 -0.2982 -0.1696 0.0261
bank
| 0.4002 0.0400 0.2761 -0.3063 -0.0094 0.1268 -0.2592 -0.2040 sessions | 0.4820 -0.0573 -0.0374 0.1621 -0.1036 -0.0135 -0.3133 0.1589
secretary | 0.3968 0.0079 -0.4106 0.2467 -0.3538 0.1522 -0.0342 0.0446 no_limit | 0.2640 0.0518 0.4472 0.2638 0.0385 0.0297 0.1018 0.2652
staff | 0.3557 0.0494 -0.4893 0.1422 -0.2905 0.2365 0.0926 -0.0686 seek_reelect | 0.4223 -0.0474 0.4565 0.4797 0.0589 0.0434 0.0792 0.1008
116
experience | 0.3731 -0.2349 0.1533 0.2924 0.0711 0.1511 -0.0815 -0.2573 ----------------------------------------------------------------------------------------------
Variable | Factor9 Factor10 Factor11 Factor12 Factor13 Factor14 Factor15 Factor16
-------------+--------------------------------------------------------------------------------
replace_ex | 0.1927 -0.0940 -0.1938 0.0722 -0.0484 0.0098 -0.0206 -0.0045 serve_min | 0.1060 0.1521 0.0466 0.0549 0.0766 0.0150 -0.0570 -0.0186
investigate | -0.1082 -0.0437 -0.0161 -0.0540 -0.1390 0.0964 -0.0187 -0.0350 oversee_pol | -0.1927 0.0724 -0.0855 0.0526 -0.0234 0.0379 0.0620 -0.0106
appoint_pm | 0.1119 -0.1722 0.0500 0.0727 0.0208 -0.0293 0.0170 0.0582 appoint_min | 0.0815 -0.0279 0.1278 -0.0440 0.0298 0.1188 -0.0080 -0.0338
lack_pres | 0.1447 0.0928 0.0887 -0.0186 0.0156 -0.0140 0.0514 -0.0177 no_conf
| -0.0933 -0.0280 -0.0653 -0.0412 0.0009 0.0601 -0.0566 -0.0007 no_diss | 0.2365 -0.0435 0.0229 0.0215 0.0031 0.0185 -0.0135 0.025
1 no_decree | -0.1206 0.0827 -0.0483 0.0767 0.0711 -0.0868 -0.0218 -0.0231 no_review | -0.0195 -0.2257 0.2351 -0.0990 -0.0119 -0.0160 0.0186 -0.0113
no_gate
| 0.0861 0.1177 -0.0475 -0.1172 -0.0469 -0.0436 0.0029 0.0236 no_impoun
d | -0.1107 0.2164 0.1095 -0.1081 0.0764 0.0001 -0.0395 0.063
7 cont_resor | -0.0130 0.0244 0.0743 -0.0367 -0.2043 -0.0934 -0.0354 0.0015 immunity | 0.1735 0.1430 -0.0211 -0.0453 -0.0616 0.0195 0.0339 0.0127 elected | 0.0581 -0.0572 -0.0967 -0.1301 0.1226 -0.0295 0.0087 -0.0598
amend
| 0.0948 -0.1296 -0.1191 -0.1835 0.0681 0.0107 -0.0105 0.0051 war | -0.1471 -0.1675 -0.0383 0.0861 0.0314 -0.0264 -0.0054 0.0606 amnest
y | 0.1136 0.0478 0.0544 0.1398 0.0080 -0.0580 -0.0165 -0.0487
pardon
| -0.0428 0.0260 0.0902 0.0898 -0.0307 0.0891 -0.0070 0.0131 judiciary | 0.0188 0.0711 0.0124 -0.0541 0.0749 0.0031 0.0479 0.0257 ba
nk | 0.0470 -0.0692 0.0936 0.1268 0.0271 -0.0092 -0.0449 -0.0208
sessions | -0.0663 -0.0135 0.0901 -0.0232 -0.0211 -0.0444 0.0680 -0.0481 secretary | 0.0802 -0.0096 0.0723 -0.0713 -0.0068 0.0042 -0.0029 0.041
3 no_limit | 0.0757 0.0610 0.0470 0.0191 -0.0514 -0.0015 -0.0240 -0.0090 staff | -0.0383 0.0208 0.0508 0.0257 0.1506 0.0251 -0.0118 -0.0134
seek_reelect | -0.0050 -0.0583 0.0357 0.0948 0.0651 0.0055 0.0276 0.0117 experience | 0.0825 0.0761 -0.0420 0.1390 -0.0226 0.0594 0.0568 0.0227 ----------------------------------------------------------------------------------------------
117
----------------------------
Variable | Uniqueness
-------------+--------------
replace_ex | 0.3530 serve_min
| 0.5388 investigate | 0.3417 oversee_pol | 0.3337
appoint_pm
| 0.3172 appoint_min | 0.6620
lack_pres | 0.4168 no_conf
| 0.4048 no_diss
| 0.3800 no_decree
| 0.4986 no_review
| 0.7451 no_gate
| 0.6212 no_impound
| 0.4786 cont_resor | 0.4172
immunity
| 0.5988 elected
| 0.4476 amend
| 0.4848 war | 0.5220
amnesty
| 0.4165 pardon
| 0.6298 judiciary | 0.3865
bank
| 0.5081 sessions
| 0.5797 secretary | 0.4430
no_limit | 0.5597
staff
| 0.4290 seek_reelect
| 0.3402 experience
| 0.5544 ----------------------------
118
. screeplot, ylabel(0(1)6) xlabel(0(5)30)
end of do-file
. */Indice de structure
. */FIABILITÉ
. */statistiques descriptives
stats | Score~11 Score~12 Score~13 Score~16 ENFR20 Score~21 Score~22 Score~23
---------+--------------------------------------------------------------------------------
mean
| 1.101852 .5925926 .4074074
1.092593 .2592593 .5555556 .5185185
1.222222 sd | .8531395 .7108904 .564313
1 .7798519 .6749229 .8999827 .880542
3 .9795415 skewnes
s | -.1952202 .7682142 .995377
8 -.1615806 2.205271 .9922779 1.09870
1 -.4558423
kurtosis | 1.413843 2.329675 2.980832
1.674783 5.863222 1.984615 2.207143
1.207792 ------------------------------------------------------------------------------------------
stats | Score~26 Sco~2728 Scor~29a Score~31 FR33 FRd32 Score~34 Score~40
---------+--------------------------------------------------------------------------------
mean
| .962963
1.268519 .25
1.037037
1.925926 .3333333
1.196262 .3271028 sd | 1.00397
3 .7806836 .56576
8 .9660201
.379466 .7488309
.9851659 .6973765 skewnes
s | .074124
9 -.5056519 2.15811
8 -.0739511 -4.902903 1.78885
4 -.4003087 1.8072
4 kurtosis | 1.005495
1.822078 6.454739
1.085697
25.03846 4.2
1.160247 4.512191 ------------------------------------------------------------------------------------------
stats | Score~41 FR43 Score~44 Score~47 Score~48 Scor~49a Scor~50i Score~51
---------+--------------------------------------------------------------------------------
mean
| .9906542
1.233645
1.523364
1.17757
1.196262 1.869159
1.850467 .8785047 sd | 1.00466
2 .906782
.7931998
.9887393
.9851659 .4968602
.5285034 .9972631 skewnes
s | .018692
4 -.4761703 -1.216498 -.3608752 -.4003087 -3.51507 -3.233544 .244804
2 kurtosis | 1.000349
1.3964
2.705334
1.130231
1.160247 13.35571
11.45581 1.059929 ------------------------------------------------------------------------------------------
stats | Score~52 Score~59 Score~63 Score~66 Score~67 EN63FR68 FR70 EN68FR74
119
---------+--------------------------------------------------------------------------------
mean
| 1.64486 .3551402
1.233645
1.233645 .8411215
1.148148 .6666667 .8148148 sd | .7678976 .767897
6 .9768977
.9768977 .9919443
.9935758 .9472044 .987285 skewnes
s | -1.68745 1.6874
5 -.4805915 -.4805915 .32184
5 -.2996024 .7071068 .376889
2 kurtosis | 3.847488 3.847488
1.230968
1.230968 1.103584
1.089762 1.5
1.142045 ------------------------------------------------------------------------------------------
stats | FR77 FR78 FR79 EN74FR80 EN75FR81 FR81 FR84 EN80FR87
---------+--------------------------------------------------------------------------------
mean
| .2777778 .1481481 .8148148 .7407407 .8703704 .3518519 .3148148 .2592593 sd | .6948856 .5262247 .987285 .9703104 .9961852 .7650645 .6787585 .6749229 skewnes
s | 2.08837 3.252691 .3768892 .5368755 .2614654 1.702261 1.863765 2.20527
1 kurtosis | 5.36129 11.58 1.142045 1.288235 1.068364 3.897694 4.775732 5.863222 ------------------------------------------------------------------------------------------
stats | FR88A EN81FR89 EN82FR90 FR919293 EN85FR94 EN87FR95 Score~17
---------+----------------------------------------------------------------------
mean
| .4299065 .6542056
1.009346 .8691589 .3738318 .2990654
1.010526 sd | .8254461 .942725
9 1.004662 .932476 .7833571 .716581
9 .8185968 skewnes
s | 1.387798 .737057
6 -.0186924 .262068 1.606202 1.96553
4 -.0192871
kurtosis | 2.925983 1.543254
1.000349 1.212134 3.579885 4.863324
1.508435 --------------------------------------------------------------------------------
120
. */correlation inter items ou Stabilité ou retest (r=0.5, p<0.01)
. */Structure
| Score~11 Score~12 Score~13 Score~16 ENFR20 Score~21 Score~22
-------------+---------------------------------------------------------------
ScoreEN4FR11
| 1.0000 ScoreEN5FR12
| 1.0000 ScoreEN6FR13
| 1.0000 ScoreEN12~16
| 0.2385 1.0000 ENFR20
| 0.2134 0.2108 0.2381 1.0000 ScoreFR21
| 0.2177 0.2494* 0.3521* 0.6223* 1.0000 ScoreFR22
| 0.2480* 0.3649* 0.5894* 0.9068* 1.0000 ScoreEN13~2
3 | 0.3643*
ScoreEN14~26
| -0.2902* -0.2371 0.1954 -0.1895 ScoreEN~2728
| 0.3118* ScoreEN1~29a
| 0.2692*
| Score~23 Score~26 Sco~2728 Scor~29a
-------------+------------------------------------
ScoreEN13~23 | 1.0000
ScoreEN14~26 | 1.0000
ScoreEN~2728 | 0.4540* 1.0000
ScoreEN1~29a | 1.0000
.
121
*/Acivité
| Score~31 FR33 FRd32 Score~34 Score~40 Score~41 FR43
-------------+---------------------------------------------------------------
ScoreEN24~31
| 1.0000 FR33
| 1.0000 FRd32
| 0.3187* 1.0000 ScoreEN26~34
| 0.2023 0.2072 1.0000 ScoreEN32~40
| 1.0000 ScoreEN33~41
| 1.0000 FR43
| 0.2322 1.0000 ScoreEN38~44
| 0.3662* ScoreEN43~47
| ScoreFR48
| 0.2020 ScoreEN4~49a
| 0.2043 0.4130* 0.2457 0.1941 ScoreEN4~50i | 0.3822* ScoreEN48~51
| ScoreEN49~52
| 0.2170 0.2174 ScoreFR59
| -0.2174 -0.3175* ScoreEN58~63
| -0.2379 0.2040 ScoreEN61~66
| -0.2108 0.2892* ScoreEN62~67
|
| Score~44 Score~47 Score~48 Scor~49a Scor~50i Score~51 Score~52
-------------+---------------------------------------------------------------
ScoreEN38~44
| 1.0000 ScoreEN43~47
| 1.0000 ScoreFR48
| 0.2060 1.0000 ScoreEN4~49a
| 1.0000 ScoreEN4~50i | 0.4996* 1.0000 ScoreEN48~51
| 0.2804* 0.2261 1.0000 ScoreEN49~52
| 0.2727* 0.3328* 1.0000 ScoreFR5
9 |
122
ScoreEN58~63
| ScoreEN61~66
| ScoreEN62~67
|
| Score~59 Score~63 Score~66 Score~67
-------------+------------------------------------
ScoreFR59
| 1.0000 ScoreEN58~63
| 1.0000 ScoreEN61~66
| 0.2487* 1.0000 ScoreEN62~67
| 0.2042 0.2431 1.0000
. */Ressources
| EN63FR68 FR70 EN68FR74 FR77 FR78 FR79 EN74FR80
-------------+---------------------------------------------------------------
EN63FR68
| 1.0000 FR70
| 1.0000 EN68FR74
| 0.2132 1.0000 FR77
| 0.5680* 1.0000 FR78
| 1.0000 FR79
| 1.0000 EN74FR80
| -0.1924 0.2226 1.0000 EN75FR
81 |
FR81
| FR84
| 0.1994 EN80FR87
| 0.1949 0.2410 0.2436
123
FR88A
| 0.6867* 0.2100 0.2474 EN81FR
89 |
EN82FR90
| -0.3627* FR919293
| 0.3083* 0.2406 EN85FR94
| 0.2207 EN87FR
95 | 0.1980 0.2354
ScoreEN65~17
| 0.2210
| EN75FR81 FR81 FR84 EN80FR87 FR88A EN81FR89 EN82FR90
-------------+---------------------------------------------------------------
EN75FR81
| 1.0000 FR81
| 1.0000 FR84
| 1.0000 EN80FR87
| 0.2282 1.0000 FR88A
| 1.0000 EN81FR89
| 0.2315 0.2021 1.0000 EN82FR90
| 0.2437 -0.2552* 1.0000 FR919293
| 0.2236 0.2833* EN85FR94
| EN87FR95
| 0.3154* 0.2852* 0.3059* 0.3036* ScoreEN65~17
|
| FR919293 EN85FR94 EN87FR95 Score~17
FR919293
| 1.0000 EN85FR94
| 1.0000 EN87FR95
| 0.2285 1.0000 ScoreEN65~17
| 0.2426 1.0000
124
.. */ CONSISTENCE INTERNE
.. */Le coefficient KR20 alpha=>.70 (la proportion de la variance observée qui représente la vraie
variance ou le ration de la vraie variance/variance totale (vraie +erreur)
Test scale = mean(unstandardized items)
average item-test item-rest interitem
Item | Obs Sign correlation correlation covariance alpha
-------------+-----------------------------------------------------------------
ScoreEN4FR11
| 108 + 0.0738 -0.0054 .0385759 0.7250 ScoreEN5FR1
2 | 108 + 0.2211 0.1582 .0375926 0.718
1 ScoreEN6FR13
| 108 + 0.3438 0.2961 .0368268 0.7124 ScoreEN12~1
6 | 108 + 0.3812 0.3180 .0363062 0.711
3 ENFR20 | 108 + 0.3955 0.3419 .036313 0.7103 ScoreFR21 | 108 + 0.5103 0.4460 .0346516 0.7024 ScoreFR22 | 108 + 0.4730 0.4074 .0350697 0.7048 ScoreEN13~2
3 | 108 + 0.2933 0.2086 .0367853 0.716
4 ScoreEN14~26
| 108 + 0.1773 0.0869 .0379497 0.7234 ScoreEN~272
8 | 108 + 0.4224 0.3613 .0359923 0.709
4 ScoreEN1~29a
| 108 + 0.1572 0.1064 .0380887 0.7197 ScoreEN24~3
1 | 108 + 0.0428 -0.0464 .0389872 0.728
6 FR33 | 108 + 0.3445 0.3127 .037741 0.7166 FRd32 | 108 + 0.2027 0.1360 .0376493 0.7188 ScoreEN26~3
4 | 107 + 0.0594 -0.0334 .0390339 0.729
0 ScoreEN32~40
| 107 + 0.0809 0.0153 .0385699 0.7234 ScoreEN33~4
1 | 107 + 0.3561 0.2694 .0359698 0.711
9 FR43 | 107 + 0.3476 0.2694 .0362696 0.7125 ScoreEN38~4
4 | 107 + 0.1256 0.0512 .038254 0.722
6 ScoreEN43~47
| 107 + 0.2617 0.1721 .0369905 0.7177 ScoreFR48 | 107 + 0.1661 0.0741 .0379191 0.7229 ScoreEN4~49
a | 107 + 0.2270 0.1819 .0377685 0.717
4
125
ScoreEN4~50i | 107 + 0.1285 0.0791 .0382518 0.7203 ScoreEN48~5
1 | 107 + 0.4685 0.3904 .03485 0.704
9 ScoreEN49~52
| 107 + 0.2766 0.2079 .0370768 0.7157 ScoreFR59 | 107 + 0.4649 0.4054 .0355711 0.7067 ScoreEN58~6
3 | 107 + 0.2312 0.1416 .0372919 0.719
3 ScoreEN61~66
| 107 + 0.2737 0.1856 .036872 0.7169 ScoreEN62~6
7 | 107 + 0.1866 0.0945 .0377539 0.722
1 EN63FR68 | 108 + 0.3468 0.2635 .0361437 0.7128 FR70 | 108 + 0.3958 0.3193 .0356277 0.7091 EN68FR74 | 108 + 0.4537 0.3778 .0349553 0.7055 FR77 | 108 + 0.4009 0.3459 .0362141 0.7099 FR78 | 108 + 0.0440 -0.0039 .0387369 0.7230 FR79 | 108 + 0.0770 -0.0130 .0389762 0.7288 EN74FR80 | 108 + 0.2539 0.1686 .0370882 0.7181 EN75FR81 | 108 + 0.1939 0.1045 .0377392 0.7221 FR81 | 108 + 0.2225 0.1548 .0374931 0.7180 FR84 | 108 + 0.3418 0.2855 .0366904 0.7126 EN80FR87 | 108 + 0.2746 0.2165 .0371901 0.7154 FR88A | 107 + 0.4197 0.3525 .0357696 0.7085 EN81FR89 | 107 + 0.3999 0.3214 .0356606 0.7092 EN82FR90 | 107 + 0.0969 0.0023 .0386604 0.7273 FR919293 | 107 + 0.3843 0.3058 .0358411 0.7102 EN85FR94 | 107 + 0.2593 0.1887 .0371884 0.7165 EN87FR95 | 107 + 0.3498 0.2886 .0365978 0.7124 ScoreEN65~1
7 | 95 + 0.3133 0.2358 .0368924 0.715
2 -------------+-----------------------------------------------------------------
Test scale | .0370306 0.7206
126
-------------------------------------------------------------------------------
.. */INTER-JUGEMENT (Kappa-k)
There are between 25 and 47 (median = 47.00) raters per subject: Outcome | Kappa Z
Prob>Z
-----------------+-------------------------------
0 | 0.0367 . . 1 | -0.0039 . . 2 | 0.0315 . .
-----------------+-------------------------------
combined | 0.0304 . .
Note: Number of ratings per subject vary; cannot calculate test statistics.
. */test de non-additivité de Turkey
Source | SS df MS Number of obs = 95 -------------+---------------------------------- F(47, 47) = .
Model | 31.2496984 47 .6648872 Prob > F = . Residual | 0 47 0
R-squared = 1.0000 -------------+---------------------------------- Adj R-squared = 1.0000 Total | 31.2496984 94 .3324436 Root MSE = 0
----------------------------------------------------------------------------------------
Scoreglobal | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-----------------------+----------------------------------------------------------------
ScoreEN4FR11
| .125 . . . . . ScoreEN5FR12
| .125 . . . . . ScoreEN6FR13
| .125 . . . . . ScoreEN12FR16
| .125 . . . . . ENFR20 | 3.45e-16 . . . . .
127
ScoreFR21
| -1.70e-15 . . . . . ScoreFR22
| -2.30e-15 . . . . . ScoreEN13FR23
| .125 . . . . . ScoreEN14FR26
| .125 . . . . . ScoreEN151617FR2728 | .125 . . . . .
ScoreEN18aFR29a
| .125 . . . . . ScoreEN24FR31
| .0666667 . . . . . FR33 | .0666667 . . . . .
FRd32 | -8.97e-16 . . . . . ScoreEN26FR34
| .0666667 . . . . . ScoreEN32FR40
| .0666667 . . . . . ScoreEN33FR41
| .0666667 . . . . . FR43 | 3.42e-16 . . . . .
ScoreEN38FR44
| .0666667 . . . . . ScoreEN43FR47
| .0666667 . . . . . ScoreFR48
| .0666667 . . . . . ScoreEN46aFR49a
| .0666667 . . . . . ScoreEN47iFR50i | .0666667 . . . . .
ScoreEN48FR51
| .0666667 . . . . . ScoreEN49FR52
| .0666667 . . . . . ScoreFR59
| 4.76e-16 . . . . . ScoreEN58FR63
| .0666667 . . . . . ScoreEN61FR66
| .0666667 . . . . . ScoreEN62FR67
| .0666667 . . . . . EN63FR68
| .0714286 . . . . . FR70 | 4.43e-15 . . . . .
EN68FR74
| .0714286 . . . . . FR77 | -1.20e-15 . . . . . FR78 | .0714286 . . . . .
FR79 | .0714286 . . . . . EN74FR80
| .0714286 . . . . . EN75FR81
| .0714286 . . . . . FR81 | .0714286 . . . . . FR84 | .0714286 . . . . .
128
EN80FR87
| .0714286 . . . . . FR88A | -6.84e-16 . . . . .
EN81FR89
| .0714286 . . . . . EN82FR90
| .0714286 . . . . . FR919293
| .0714286 . . . . . EN85FR94
| .0714286 . . . . . EN87FR95
| .0714286 . . . . . ScoreEN65aFR71aEN9FR17
| 3.66e-16 . . . . . _cons | 5.33e-15 . . . . .
----------------------------------------------------------------------------------------
. linktest
Source | SS df MS Number of obs = 95 -------------+---------------------------------- F(2, 92) > 99999.00
Model | 31.2496984 2 15.6248492 Prob > F = 0.0000 Residual | 4.8138e-13 92 5.2324e-15 R-squared = 1.0000
-------------+---------------------------------- Adj R-squared = 1.0000 Total | 31.2496984 94 .3324436 Root MSE = 7.2e-08
------------------------------------------------------------------------------
Scoreglobal | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
_hat
| 1 7.74e-08 1.3e+07 0.000 .9999998 1 _hatsq
| 1.06e-08 1.38e-08 0.77 0.443 -1.67e-08 3.79e-08 _cons
| 3.35e-08 1.08e-07 0.31 0.757 -1.81e-07 2.48e-07 ------------------------------------------------------------------------------
129
. */Structure
Factor analysis/correlation Number of obs = 108
Method: principal factors Retained factors = 6 Rotation: (unrotated) Number of params = 51
--------------------------------------------------------------------------
Factor | Eigenvalue Difference Proportion Cumulative
-------------+------------------------------------------------------------
Factor1 | 2.67413 1.50982 0.6474 0.6474 Factor2 | 1.16430 0.66076 0.2819 0.9292 Factor3 | 0.50355 0.24517 0.1219 1.0512 Factor4 | 0.25838 0.03716 0.0626 1.1137 Factor5 | 0.22122 0.09288 0.0536 1.1673 Factor6 | 0.12835 0.15844 0.0311 1.1983 Factor7 | -0.03009 0.05238 -0.0073 1.1910 Factor8 | -0.08247 0.07553 -0.0200 1.1711 Factor9 | -0.15799 0.06266 -0.0382 1.1328 Factor10 | -0.22066 0.10738 -0.0534 1.0794 Factor11 | -0.32803 . -0.0794 1.0000 --------------------------------------------------------------------------
LR test: independent vs. saturated: chi2(55) = 381.19 Prob>chi2 = 0.0000 Factor
loadings (pattern matrix) and unique variances
130
-----------------------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 | Uniqueness
-------------+------------------------------------------------------------+--------------
ScoreEN4FR11
| 0.2799 -0.2203 0.2990 -0.1760 -0.1749 0.0960
| 0.7129 ScoreEN5FR1
2 | 0.2233 -0.1577 0.1093 0.0569 0.1051 0.164
0 | 0.872
2 ScoreEN6FR13
| 0.2676 -0.2020 -0.1643 0.0594 0.2295 0.1584
| 0.7793 ScoreEN12~1
6 | 0.4389 0.4255 0.3531 -0.1043 -0.0394 0.051
8 | 0.486
4 ENFR20
| 0.6649 -0.0780 -0.0849 0.1695 -0.1787 0.1275
| 0.4676 ScoreFR2
1 | 0.9196 0.0062 -0.1647 -0.0919 -0.0073 -0.0774 | 0.112
7 ScoreFR22
| 0.9078 0.0008 -0.1453 -0.0536 0.0283 -0.1345 | 0.1330 ScoreEN13~2
3 | 0.2361 0.2003 0.3767 0.1159 0.2311 -0.0948 | 0.686
4 ScoreEN14~26
| -0.2113 0.6735 -0.1499 0.0569 -0.1292 0.0305
| 0.4584 ScoreEN~272
8 | 0.1646 0.6072 -0.1365 -0.0494 0.1156 0.110
3 | 0.557
6 ScoreEN1~29a
| 0.2056 0.0229 0.1097 0.3880 -0.0955 -0.0456 | 0.7834 -----------------------------------------------------------------------------------------
.
.
131
predict Index3_s, norotate (regression scoring assumed)
Scoring coefficients (method = regression)
--------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6
-------------+------------------------------------------------------------
ScoreEN4FR11
| 0.05862 -0.09521 0.20368 -0.15334 -0.16772 0.08899 ScoreEN5FR1
2 | 0.04631 -0.06108 0.06181 0.04378 0.09431 0.1528
6 ScoreEN6FR13
| 0.03152 -0.07750 -0.09319 0.06090 0.20243 0.17883 ScoreEN12~1
6 | 0.08888 0.24245 0.40984 -0.12790 -0.04824 0.1102
1 ENFR20
| 0.10766 -0.06072 -0.01744 0.30154 -0.25627 0.26311 ScoreFR2
1 | 0.44956 0.01604 -0.26564 -0.30797 -0.09687 0.0074
3 ScoreFR22
| 0.35469 -0.00399 -0.14824 0.04965 0.16216 -0.41972 ScoreEN13~23
| 0.05340 0.09874 0.26968 0.14969 0.21315 -0.10037 ScoreEN14~26
| -0.03286 0.42722 -0.20032 0.08023 -0.18951 -0.00558 ScoreEN~2728
| 0.01137 0.31137 -0.10092 -0.04951 0.16874 0.14660 ScoreEN1~29
a | 0.04626 0.00963 0.08709 0.31558 -0.06638 -0.05125
--------------------------------------------------------------------------
. factor, altdivisor
Factor analysis/correlation Number of obs = 108
Method: principal factors Retained factors = 6 Rotation: (unrotated) Number of params = 51
--------------------------------------------------------------------------
Factor | Eigenvalue Difference Proportion Cumulative
-------------+------------------------------------------------------------
Factor1 | 2.67413 1.50982 0.2431 0.2431 Factor2 | 1.16430 0.66076 0.1058 0.3489 Factor3 | 0.50355 0.24517 0.0458 0.3947 Factor4 | 0.25838 0.03716 0.0235 0.4182
132
Factor5 | 0.22122 0.09288 0.0201 0.4383 Factor6 | 0.12835 0.15844 0.0117 0.4500 Factor7 | -0.03009 0.05238 -0.0027 0.4473 Factor8 | -0.08247 0.07553 -0.0075 0.4398 Factor9 | -0.15799 0.06266 -0.0144 0.4254 Factor10 | -0.22066 0.10738 -0.0201 0.4053 Factor11 | -0.32803 . -0.0298 0.3755 --------------------------------------------------------------------------
LR test: independent vs. saturated: chi2(55) = 381.19 Prob>chi2 = 0.0000 Factor
loadings (pattern matrix) and unique variances
-----------------------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 | Uniqueness
-------------+------------------------------------------------------------+--------------
ScoreEN4FR11
| 0.2799 -0.2203 0.2990 -0.1760 -0.1749 0.0960
| 0.7129 ScoreEN5FR1
2 | 0.2233 -0.1577 0.1093 0.0569 0.1051 0.164
0 | 0.872
2 ScoreEN6FR13
| 0.2676 -0.2020 -0.1643 0.0594 0.2295 0.1584
| 0.7793 ScoreEN12~1
6 | 0.4389 0.4255 0.3531 -0.1043 -0.0394 0.051
8 | 0.486
4 ENFR20
| 0.6649 -0.0780 -0.0849 0.1695 -0.1787 0.1275
| 0.4676 ScoreFR2
1 | 0.9196 0.0062 -0.1647 -0.0919 -0.0073 -0.0774 | 0.112
7 ScoreFR22
| 0.9078 0.0008 -0.1453 -0.0536 0.0283 -0.1345 | 0.1330 ScoreEN13~2
3 | 0.2361 0.2003 0.3767 0.1159 0.2311 -0.0948 | 0.686
4 ScoreEN14~26
| -0.2113 0.6735 -0.1499 0.0569 -0.1292 0.0305
| 0.4584 ScoreEN~272
8 | 0.1646 0.6072 -0.1365 -0.0494 0.1156 0.110
3 | 0.557
6 ScoreEN1~29a
| 0.2056 0.0229 0.1097 0.3880 -0.0955 -0.0456 | 0.7834
-----------------------------------------------------------------------------------------
133
. screeplot, ylabel(0(1)6) xlabel(0(5)30)
.
. */Acivité
Factor analysis/correlation Number of obs = 107
Method: principal factors Retained factors = 10 Rotation: (unrotated) Number of params = 1
35
--------------------------------------------------------------------------
Factor | Eigenvalue Difference Proportion Cumulative
-------------+------------------------------------------------------------
Factor1 | 1.89593 0.58911 0.3862 0.3862 Factor2 | 1.30682 0.26231 0.2662 0.6524 Factor3 | 1.04451 0.41438 0.2128 0.8651 Factor4 | 0.63013 0.02188 0.1284 0.9935 Factor5 | 0.60826 0.15349 0.1239 1.1174 Factor6 | 0.45477 0.19070 0.0926 1.2100
Factor7 | 0.26407 0.02685 0.0538 1.2638 Factor8 | 0.23722 0.12456 0.0483 1.3121 Factor9 | 0.11266 0.09275 0.0229 1.3351
Factor10 | 0.01991 0.03537 0.0041 1.3391 Factor11 | -0.01546 0.02930 -0.0031 1.3360 Factor12 | -0.04476 0.10997 -0.0091 1.3268 Factor13 | -0.15472 0.05223 -0.0315 1.2953 Factor14 | -0.20696 0.01830 -0.0422 1.2532 Factor15 | -0.22526 0.07633 -0.0459 1.2073 Factor16 | -0.30159 0.02997 -0.0614 1.1459 Factor17 | -0.33156 0.05298 -0.0675 1.0783 Factor18 | -0.38454 . -0.0783 1.0000
134
--------------------------------------------------------------------------
LR test: independent vs. saturated: chi2(153) = 305.01 Prob>chi2 = 0.0000 Factor
loadings (pattern matrix) and unique variances
----------------------------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 Factor7 Factor8
-------------+--------------------------------------------------------------------------------
ScoreEN24~31
| 0.2950 0.3194 -0.2955 0.2684 -0.0186 0.0352 0.1523 -0.1500 FR33
| 0.6218 -0.0054 -0.0149 -0.0265 -0.0245 0.0798 -0.0058 0.0619 FRd
32 | 0.0624 0.4856 -0.0595 0.1497 0.2342 0.1805 0.1412 -0.0557
ScoreEN26~34
| 0.3221 -0.1879 -0.3034 0.1729 -0.2025 0.0653 0.0829 0.0700 ScoreEN32~4
0 | 0.0002 0.2428 0.1348 -0.1290 -0.1069 0.3750 -0.0093 0.082
7 ScoreEN33~41
| 0.0976 0.0769 0.2622 0.2382 0.0594 0.2403 -0.2587 -0.1105 FR43
| 0.4133 -0.3501 0.2923 -0.0709 -0.0227 0.1533 0.1932 -0.0505 ScoreEN38~44
| 0.2636 -0.0175 0.3504 -0.3276 0.0367 -0.0217 0.1876 -0.1651 ScoreEN43~47
| 0.1046 0.1646 0.4271 0.0305 -0.1349 -0.1155 0.0813 0.2609 ScoreFR4
8 | 0.1177 0.1028 0.3509 0.1077 -0.3451 -0.1698 -0.1256 -0.1397
ScoreEN4~49a
| 0.6734 0.0775 -0.0491 -0.0217 -0.0288 -0.0361 -0.1424 -0.0432 ScoreEN4~50i | 0.5841 0.2274 -0.0275 -0.2142 0.1433 -0.0091 -0.1447 0.086
9 ScoreEN48~51
| 0.1033 0.0403 0.3073 0.4670 -0.0702 -0.0492 0.0913 0.0912 ScoreEN49~5
2 | 0.3580 0.2221 -0.1100 0.0227 0.2392 -0.3111 0.0108 0.074
7 ScoreFR59
| -0.2312 0.2114 0.3722 0.0554 0.4101 -0.0314 -0.0020 -0.0009 ScoreEN58~63
| 0.1529 -0.3813 0.0617 0.1256 0.1546 -0.1606 0.0030 -0.1384 ScoreEN61~66
| 0.1384 -0.4678 0.0810 0.1062 0.1950 0.0747 -0.0442 -0.0124 ScoreEN62~67
| 0.1028 -0.4366 -0.0463 0.1084 0.2092 0.1137 -0.0222 0.1543 ----------------------------------------------------------------------------------------------
-------------------------------------------------
Variable | Factor9 Factor10 | Uniqueness
-------------+--------------------+--------------
135
ScoreEN24~31
| -0.0593 -0.0258 | 0.6001 FR
33 | 0.1362 -0.0256 | 0.582
4 FRd32
| 0.1037 -0.0049 | 0.6132 ScoreEN26~3
4 | -0.0711 0.054
0 | 0.674
0 ScoreEN32~40
| -0.0331 -0.0131 | 0.7460 ScoreEN33~4
1 | 0.0030 0.024
7 | 0.718
1 FR43
| -0.0773 0.0055
| 0.5463 ScoreEN38~4
4 | 0.0669 0.037
9 | 0.629
9 ScoreEN43~47
| -0.0341 -0.0332 | 0.6701 ScoreFR4
8 | 0.0835 0.017
8 | 0.650
3 ScoreEN4~49a
| -0.0474 0.0062
| 0.5111 ScoreEN4~50i | -0.0653 -0.0308 | 0.5061 ScoreEN48~5
1 | -0.0007 0.001
6 | 0.651
2 ScoreEN49~52
| 0.0098 0.0559
| 0.6470 ScoreFR5
9 | -0.0796 0.016
7 | 0.584
4 ScoreEN58~63
| 0.0103 -0.0845 | 0.7355 ScoreEN61~6
6 | -0.1047 0.015
2 | 0.687
2 ScoreEN62~67
| 0.1763 0.0147
| 0.6726 -------------------------------------------------
136
. predict Index3_a, norotate (regression scoring assumed)
Scoring coefficients (method = regression)
----------------------------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 Factor7 Factor8
-------------+--------------------------------------------------------------------------------
ScoreEN24~31
| 0.11108 0.16531 -0.17330 0.20879 -0.01196 0.02646 0.15825 -0.16495 FR33
| 0.24209 -0.00899 -0.00309 -0.01471 -0.02011 0.07929 0.00171 0.07214 FRd
32 | 0.02254 0.24069 -0.03111 0.10977 0.17065 0.16220 0.14232 -0.05789
ScoreEN26~34
| 0.10501 -0.08473 -0.16455 0.11944 -0.13897 0.05023 0.08083 0.07412 ScoreEN32~4
0 | -0.00771 0.10788 0.06457 -0.08198 -0.07447 0.27689 -0.00782 0.0751
4 ScoreEN33~41
| 0.02347 0.03331 0.13399 0.16039 0.03489 0.18814 -0.23710 -0.10248 FR43
| 0.17395 -0.19945 0.18955 -0.05028 -0.01665 0.14926 0.21741 -0.05753 ScoreEN38~44
| 0.08448 0.00004 0.18906 -0.24525 0.02511 -0.02821 0.18894 -0.17019
ScoreEN43~47
| 0.03180 0.08461 0.22697 0.02655 -0.10508 -0.09659 0.07772 0.25731 ScoreFR4
8 | 0.04607 0.05494 0.20045 0.08252 -0.24648 -0.13876 -0.12862 -0.14409
ScoreEN4~49a
| 0.29485 0.03845 -0.03081 -0.00152 -0.03215 -0.03614 -0.16822 -0.06563 ScoreEN4~50i | 0.23805 0.13454 -0.01516 -0.18924 0.13075 -0.00599 -0.16490 0.1124
1 ScoreEN48~51
| 0.04073 0.01842 0.17133 0.33020 -0.05031 -0.04215 0.08704 0.09936 ScoreEN49~5
2 | 0.11895 0.09480 -0.06378 0.02087 0.17069 -0.26984 0.02534 0.0751
8 ScoreFR59
| -0.07954 0.11082 0.22811 0.04720 0.32643 -0.02163 -0.00880 -0.00428 ScoreEN58~63
| 0.04422 -0.17426 0.02561 0.08567 0.10750 -0.13420 0.00379 -0.13002 ScoreEN61~66
| 0.04836 -0.21693 0.03689 0.08071 0.14138 0.05568 -0.04942 -0.01673 ScoreEN62~67
| 0.04047 -0.20542 -0.02815 0.08353 0.15934 0.08739 -0.02814 0.14835 ----------------------------------------------------------------------------------------------
137
----------------------------------
Variable | Factor9 Factor10
-------------+--------------------
ScoreEN24~31
| -0.07619 -0.03536 FR33
| 0.18071 -0.03670 FRd32
| 0.12516 -0.00444 ScoreEN26~34
| -0.07947 0.06967 ScoreEN32~4
0 | -0.03487 -0.01258
ScoreEN33~41
| 0.00903 0.03130 FR
43 | -0.10436 0.0077
3 ScoreEN38~44
| 0.08549 0.05019 ScoreEN43~4
7 | -0.03596 -0.04088
ScoreFR48
| 0.09154 0.02227 ScoreEN4~49
a | -0.06686 0.0139
3 ScoreEN4~50i | -0.09133 -0.04974 ScoreEN48~51
| -0.00048 -0.00018 ScoreEN49~52
| 0.01651 0.07682 ScoreFR5
9 | -0.10222 0.0211
7 ScoreEN58~63
| 0.01525 -0.10183 ScoreEN61~66
| -0.11620 0.01878 ScoreEN62~6
7 | 0.19691 0.0182
5 ----------------------------------
138
. factor, altdivisor
Factor analysis/correlation Number of obs = 107
Method: principal factors Retained factors = 10 Rotation: (unrotated) Number of params = 1
35 --------------------------------------------------------------------------
Factor | Eigenvalue Difference Proportion Cumulative
-------------+------------------------------------------------------------
Factor1 | 1.89593 0.58911 0.1053 0.1053 Factor2 | 1.30682 0.26231 0.0726 0.1779 Factor3 | 1.04451 0.41438 0.0580 0.2360 Factor4 | 0.63013 0.02188 0.0350 0.2710 Factor5 | 0.60826 0.15349 0.0338 0.3048 Factor6 | 0.45477 0.19070 0.0253 0.3300 Factor7 | 0.26407 0.02685 0.0147 0.3447 Factor8 | 0.23722 0.12456 0.0132 0.3579 Factor9 | 0.11266 0.09275 0.0063 0.3641 Factor10 | 0.01991 0.03537 0.0011 0.3652 Factor11 | -0.01546 0.02930 -0.0009 0.3644 Factor12 | -0.04476 0.10997 -0.0025 0.3619 Factor13 | -0.15472 0.05223 -0.0086 0.3533 Factor14 | -0.20696 0.01830 -0.0115 0.3418 Factor15 | -0.22526 0.07633 -0.0125 0.3293 Factor16 | -0.30159 0.02997 -0.0168 0.3125 Factor17 | -0.33156 0.05298 -0.0184 0.2941 Factor18 | -0.38454 . -0.0214 0.2727 --------------------------------------------------------------------------
LR test: independent vs. saturated: chi2(153) = 305.01 Prob>chi2 = 0.0000
Factor loadings (pattern matrix) and unique variances
139
----------------------------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 Factor7 Factor8
-------------+--------------------------------------------------------------------------------
ScoreEN24~31
| 0.2950 0.3194 -0.2955 0.2684 -0.0186 0.0352 0.1523 -0.1500 FR33
| 0.6218 -0.0054 -0.0149 -0.0265 -0.0245 0.0798 -0.0058 0.0619 FRd
32 | 0.0624 0.4856 -0.0595 0.1497 0.2342 0.1805 0.1412 -0.0557
ScoreEN26~34
| 0.3221 -0.1879 -0.3034 0.1729 -0.2025 0.0653 0.0829 0.0700 ScoreEN32~4
0 | 0.0002 0.2428 0.1348 -0.1290 -0.1069 0.3750 -0.0093 0.082
7 ScoreEN33~41
| 0.0976 0.0769 0.2622 0.2382 0.0594 0.2403 -0.2587 -0.1105 FR43
| 0.4133 -0.3501 0.2923 -0.0709 -0.0227 0.1533 0.1932 -0.0505 ScoreEN38~44
| 0.2636 -0.0175 0.3504 -0.3276 0.0367 -0.0217 0.1876 -0.1651
140
ScoreEN43~47
| 0.1046 0.1646 0.4271 0.0305 -0.1349 -0.1155 0.0813 0.2609 ScoreFR4
8 | 0.1177 0.1028 0.3509 0.1077 -0.3451 -0.1698 -0.1256 -0.1397
ScoreEN4~49a
| 0.6734 0.0775 -0.0491 -0.0217 -0.0288 -0.0361 -0.1424 -0.0432 ScoreEN4~50i | 0.5841 0.2274 -0.0275 -0.2142 0.1433 -0.0091 -0.1447 0.086
9 ScoreEN48~51
| 0.1033 0.0403 0.3073 0.4670 -0.0702 -0.0492 0.0913 0.0912 ScoreEN49~5
2 | 0.3580 0.2221 -0.1100 0.0227 0.2392 -0.3111 0.0108 0.074
7 ScoreFR59
| -0.2312 0.2114 0.3722 0.0554 0.4101 -0.0314 -0.0020 -0.0009 ScoreEN58~63
| 0.1529 -0.3813 0.0617 0.1256 0.1546 -0.1606 0.0030 -0.1384 ScoreEN61~66
| 0.1384 -0.4678 0.0810 0.1062 0.1950 0.0747 -0.0442 -0.0124 ScoreEN62~67
| 0.1028 -0.4366 -0.0463 0.1084 0.2092 0.1137 -0.0222 0.1543 ----------------------------------------------------------------------------------------------
Variable | Factor9 Factor10 | Uniqueness
-------------+--------------------+--------------
ScoreEN24~31
| -0.0593 -0.0258 | 0.6001 FR33 | 0.1362 -0.0256 | 0.5824
FRd32 | 0.1037 -0.0049 | 0.6132 ScoreEN26~34
| -0.0711 0.0540
| 0.6740 ScoreEN32~40
| -0.0331 -0.0131 | 0.7460 ScoreEN33~41
| 0.0030 0.0247
| 0.7181 FR43 | -0.0773 0.005
5 | 0.5463
ScoreEN38~44
| 0.0669 0.0379
| 0.6299 ScoreEN43~47
| -0.0341 -0.0332 | 0.6701 ScoreFR48
| 0.0835 0.0178
| 0.6503 ScoreEN4~49a
| -0.0474 0.0062
| 0.5111 ScoreEN4~50i | -0.0653 -0.0308 | 0.5061 ScoreEN48~51
| -0.0007 0.0016
| 0.6512 ScoreEN49~52
| 0.0098 0.0559
| 0.6470 ScoreFR59
| -0.0796 0.0167
| 0.5844 ScoreEN58~63
| 0.0103 -0.0845 | 0.7355 ScoreEN61~66
| -0.1047 0.0152
| 0.6872 ScoreEN62~67
| 0.1763 0.0147
| 0.6726 -------------------------------------------------
141
. screeplot, ylabel(0(1)6) xlabel(0(5)30)
. */Ressources
Factor analysis/correlation Number of obs = 95 Method: principal factors Retained factors = 11 Rotation: (unrotated) Number of params = 1
43
--------------------------------------------------------------------------
Factor | Eigenvalue Difference Proportion Cumulative
-------------+------------------------------------------------------------
Factor1 | 2.41314 0.65303 0.3942 0.3942 Factor2 | 1.76011 0.97040 0.2875 0.6817 Factor3 | 0.78971 0.11707 0.1290 0.8107 Factor4 | 0.67264 0.16146 0.1099 0.9206 Factor5 | 0.51118 0.09334 0.0835 1.0041 Factor6 | 0.41784 0.04269 0.0683 1.0723 Factor7 | 0.37515 0.14316 0.0613 1.1336 Factor8 | 0.23199 0.01040 0.0379 1.1715 Factor9 | 0.22159 0.13794 0.0362 1.2077 Factor10 | 0.08365 0.08237 0.0137 1.2214 Factor11 | 0.00128 0.00351 0.0002 1.2216 Factor12 | -0.00223 0.06721 -0.0004 1.2212 Factor13 | -0.06944 0.05178 -0.0113 1.2099 Factor14 | -0.12122 0.10241 -0.0198 1.1901 Factor15 | -0.22364 0.05521 -0.0365 1.1535 Factor16 | -0.27885 0.02036 -0.0455 1.1080 Factor17 | -0.29921 0.06269 -0.0489 1.0591 Factor18 | -0.36190 . -0.0591 1.0000 --------------------------------------------------------------------------
142
LR test: independent vs. saturated: chi2(153) = 381.36 Prob>chi2 =
0.0000 Factor loadings (pattern matrix) and unique variances
----------------------------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 Factor7 Factor8
-------------+--------------------------------------------------------------------------------
EN63FR68 | 0.2043 0.3677 -0.1670 -0.3216 0.1565 0.1960 -0.0296 -0.1401 FR70 | 0.8198 -0.4531 -0.0728 0.0434 0.0107 -0.1239 0.0954 -0.0268
EN68FR74 | 0.4236 0.3317 0.1014 0.0265 0.0395 -0.0478 -0.0543 -0.1688 FR77 | 0.5692 -0.2036 0.0216 -0.4471 -0.0234 -0.1914 -0.1243 0.076
2 FR78 | -0.0596 -0.0876 0.0155 0.2729 -0.2827 0.1203 -0.1922 -0.1586 FR79 | -0.2001 0.0405 0.3280 0.0333 0.3988 0.0047 0.0716 0.114
9 EN74FR80 | 0.1633 -0.0178 0.3227 0.2606 0.1141 -0.1561 0.1073 0.0275 EN75F
R81 | 0.0364 0.3099 -0.2259 0.1882 0.1790 -0.0696 0.0113 -
0.0276 FR81
| 0.0695 0.2663 -0.3216 -0.0415 -0.1326 0.0572 0.1875 0.1804 F
R84
| 0.3833 0.3539 0.1027 0.0115 -0.1155 0.1060 -0.1094 0.2671 EN80F
R87 | 0.3963 0.2162 0.2037 0.0883 -0.0756 -0.2480 -0.1623 -
0.0390 FR88A
| 0.7025 -0.3240 -0.0866 0.1815 -0.0585 0.2092 0.1914 0.0067 EN81F
R89 | 0.2758 0.2081 0.2905 0.0500 -0.0701 0.2228 0.0936 0.004
5 EN82FR90
| -0.1322 0.5681 0.0500 -0.0566 -0.2746 -0.1819 0.0457 0.0351 FR919
293 | 0.1736 0.4659 0.0329 -0.1157 0.0198 -0.0719 0.3142 -
0.1643 EN85FR94
| 0.1301 0.0388 0.3855 -0.2092 -0.0135 0.2647 -0.0896 -0.0283 EN87F
R95 | 0.3361 0.4667 -0.1054 0.2816 0.0877 0.0481 -0.1106 0.054
0 ScoreEN65~17
| 0.2613 0.1105 -0.2685 0.0546 0.2680 0.0381 -0.2304 0.0079 ----------------------------------------------------------------------------------------------
-----------------------------------------------------------
Variable | Factor9 Factor10 Factor11 | Uniqueness
-------------+------------------------------+--------------
143
EN63FR68
| -0.0041 -0.0628 -0.0054 | 0.6044 FR
70 | 0.0265 0.0417 -0.0037 | 0.087
7 EN68FR74
| -0.0807 0.1814 0.0035
| 0.6249 FR
77 | 0.1453 -0.0157 0.003
9 | 0.354
4 FR78
| 0.1575 0.0215 0.0062
| 0.7323 FR
79 | -0.0091 0.0160 0.007
7 | 0.671
8 EN74FR80
| 0.1436 0.0295 -0.0015 | 0.7299 EN75FR
81 | 0.1140 -0.0077 -0.0244 | 0.764
7 FR81
| 0.1799 0.0336 0.0101
| 0.6969 FR
84 | -0.0919 0.0474 -0.0093 | 0.598
6 EN80FR87
| -0.0608 -0.1486 0.0006
| 0.6261 FR8
8A | -0.1338 -0.0220 -0.0019 | 0.258
8 EN81FR89
| -0.0470 -0.0897 0.0048
| 0.7201 EN82FR
90 | -0.1156 0.0478 -0.0018 | 0.526
6 FR919293
| 0.0423 -0.0183 0.0066
| 0.6048 EN85FR
94 | 0.1561 0.0524 -0.0074 | 0.682
9 EN87FR95
| 0.1426 -0.0510 0.0077
| 0.5306 ScoreEN65~1
7 | -0.1014 0.0349 0.011
9 | 0.706
4 -----------------------------------------------------------
144
. predict Index3_r, norotate (regression scoring assumed)
Scoring coefficients (method = regression)
----------------------------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 Factor7 Factor8
-------------+--------------------------------------------------------------------------------
EN63FR68
| 0.11342 0.11351 -0.13506 -0.20203 0.15688 0.12334 -0.00847 -0.18224 FR70
| 0.64389 -0.49182 -0.13534 0.19200 0.11288 -0.59754 0.21793 -0.17726 EN68FR74
| 0.06346 0.18592 0.08813 -0.00881 0.03558 0.01319 -0.09108 -0.17279 FR77
| 0.07027 0.03379 0.06301 -0.54149 -0.06910 -0.05073 -0.23374 0.18352 FR
78 | 0.01692 -0.05965 0.01182 0.16207 -0.20273 0.05569 -0.15303 -0.15518
FR79
| 0.01052 -0.03600 0.20740 0.03096 0.32469 -0.04484 0.09556 0.10805 EN74FR
80 | -0.00288 0.03337 0.20568 0.16011 0.07645 -0.08053 0.07044 0.0343
6 EN75FR81
| 0.00042 0.11470 -0.12815 0.09325 0.11816 -0.02924 0.00739 -0.00927 FR81
| 0.01722 0.08427 -0.20047 -0.01496 -0.09310 0.03575 0.16732 0.16113 FR
84 | 0.14686 0.12549 0.07376 0.01259 -0.07276 0.04864 -0.10368 0.2848
0 EN80FR87
| 0.10044 0.08584 0.14558 0.09306 -0.05586 -0.19980 -0.13712 -0.05686 FR88A
| 0.12248 -0.01714 -0.03955 0.13928 -0.15227 0.57753 0.22252 0.09054 EN81FR
89 | 0.05079 0.08975 0.18866 -0.00373 -0.05115 0.16717 0.04826 0.0087
9 EN82FR90
| 0.05208 0.19007 0.00866 -0.01077 -0.26461 -0.21428 0.10484 0.02842 FR91929
3 | 0.07540 0.17437 0.02482 -0.08374 0.02199 -0.07407 0.30978 -0.16773
EN85FR94
| 0.06076 -0.00679 0.23857 -0.09606 -0.02111 0.21733 -0.04032 -0.04324 EN87FR95
| 0.11434 0.22670 -0.08694 0.21260 0.08113 0.04306 -0.13180 0.07204 ScoreEN65~1
7 | 0.05921 0.04784 -0.16496 0.04005 0.18898 0.04030 -0.18423 0.0100
1 ----------------------------------------------------------------------------------------------
145
--------------------------------------------
Variable | Factor9 Factor10 Factor11
-------------+------------------------------
EN63FR68 | 0.00629 -0.04905 -0.01162 FR70 | 0.18394 0.2653
5 -0.02448
EN68FR74 | -0.09860 0.21175
0.00753 FR77 | 0.16865 -0.11341 0.01698 FR78 | 0.16627 0.0373
9 0.00642 FR79 | -0.00592 0.0398
1 0.00755 EN74FR80 | 0.12874 0.0140
4 -0.00031
EN75FR81 | 0.09419 -0.02253 -0.02888 FR81 | 0.17000 0.0468
7 0.01151 FR84 | -0.07687 0.0843
2 -0.01556
EN80FR87 | -0.09082 -0.18992 -0.00024
FR88A | -0.33730 -0.16570 0.00675 EN81FR
89 | -0.02435 -0.10436 0.0074
2 EN82FR90
| -0.14304 0.08391
-0.00532 FR919293
| 0.05240 -0.02235 0.00870 EN85FR
94 | 0.13828 0.0682
6 -0.01095
EN87FR95
| 0.19598 -0.07551 0.01286 ScoreEN65~1
7 | -0.11873 0.0339
4 0.01543 --------------------------------------------
. factor, altdivisor
Factor analysis/correlation Number of obs = 95 Method: principal factors Retained factors = 11 Rotation: (unrotated) Number of params = 1
43
146
--------------------------------------------------------------------------
Factor | Eigenvalue Difference Proportion Cumulative
-------------+------------------------------------------------------------
Factor1 | 2.41314 0.65303 0.1341 0.1341 Factor2 | 1.76011 0.97040 0.0978 0.2318 Factor3 | 0.78971 0.11707 0.0439 0.2757 Factor4 | 0.67264 0.16146 0.0374 0.3131 Factor5 | 0.51118 0.09334 0.0284 0.3415 Factor6 | 0.41784 0.04269 0.0232 0.3647 Factor7 | 0.37515 0.14316 0.0208 0.3855 Factor8 | 0.23199 0.01040 0.0129 0.3984 Factor9 | 0.22159 0.13794 0.0123 0.4107 Factor10 | 0.08365 0.08237 0.0046 0.4154 Factor11 | 0.00128 0.00351 0.0001 0.4155 Factor12 | -0.00223 0.06721 -0.0001 0.4153 Factor13 | -0.06944 0.05178 -0.0039 0.4115 Factor14 | -0.12122 0.10241 -0.0067 0.4047 Factor15 | -0.22364 0.05521 -0.0124 0.3923 Factor16 | -0.27885 0.02036 -0.0155 0.3768 Factor17 | -0.29921 0.06269 -0.0166 0.3602 Factor18 | -0.36190 . -0.0201 0.3401 --------------------------------------------------------------------------
LR test: independent vs. saturated: chi2(153) =381.36 Prob>chi2 = 0.0000
Factor loadings (pattern matrix) and unique variances
147
----------------------------------------------------------------------------------------------
Variable | Factor1 Factor2 Factor3 Factor4 Factor5 Factor6 Factor7 Factor8
-------------+--------------------------------------------------------------------------------
EN63FR68
| 0.2043 0.3677 -0.1670 -0.3216 0.1565 0.1960 -0.0296 -0.1401 FR70
| 0.8198 -0.4531 -0.0728 0.0434 0.0107 -0.1239 0.0954 -0.0268 EN68FR74
| 0.4236 0.3317 0.1014 0.0265 0.0395 -0.0478 -0.0543 -0.1688 FR77
| 0.5692 -0.2036 0.0216 -0.4471 -0.0234 -0.1914 -0.1243 0.0762 FR
78 | -0.0596 -0.0876 0.0155 0.2729 -0.2827 0.1203 -0.1922 -0.1586
FR79
| -0.2001 0.0405 0.3280 0.0333 0.3988 0.0047 0.0716 0.1149 EN74FR
80 | 0.1633 -0.0178 0.3227 0.2606 0.1141 -0.1561 0.1073 0.027
5 EN75FR81
| 0.0364 0.3099 -0.2259 0.1882 0.1790 -0.0696 0.0113 -0.0276 FR81
| 0.0695 0.2663 -0.3216 -0.0415 -0.1326 0.0572 0.1875 0.1804 FR
84 | 0.3833 0.3539 0.1027 0.0115 -0.1155 0.1060 -0.1094 0.267
1 EN80FR87
| 0.3963 0.2162 0.2037 0.0883 -0.0756 -0.2480 -0.1623 -0.0390 FR88A
| 0.7025 -0.3240 -0.0866 0.1815 -0.0585 0.2092 0.1914 0.0067 EN81FR
89 | 0.2758 0.2081 0.2905 0.0500 -0.0701 0.2228 0.0936 0.004
5 EN82FR90
| -0.1322 0.5681 0.0500 -0.0566 -0.2746 -0.1819 0.0457 0.0351 FR91929
3 | 0.1736 0.4659 0.0329 -0.1157 0.0198 -0.0719 0.3142 -0.1643
EN85FR94
| 0.1301 0.0388 0.3855 -0.2092 -0.0135 0.2647 -0.0896 -0.0283 EN87FR95
| 0.3361 0.4667 -0.1054 0.2816 0.0877 0.0481 -0.1106 0.0540 ScoreEN65~1
7 | 0.2613 0.1105 -0.2685 0.0546 0.2680 0.0381 -0.2304 0.007
9 ----------------------------------------------------------------------------------------------
-----------------------------------------------------------
Variable | Factor9 Factor10 Factor11 | Uniqueness
-------------+------------------------------+--------------
EN63FR68 | -0.0041 -0.0628 -0.0054
| 0.6044 FR70 | 0.0265 0.0417 -
0.0037 | 0.087
7 EN68FR74 | -0.0807 0.1814 0.0035
| 0.6249 FR77 | 0.1453 -0.0157 0.003
9 | 0.354
4 FR78 | 0.1575 0.0215 0.0062
| 0.7323
148
FR79 | -0.0091 0.0160 0.0077
| 0.6718 EN74FR80 | 0.1436 0.0295 -
0.0015 | 0.729
9 EN75FR81 | 0.1140 -0.0077 -0.0244
| 0.7647 FR81 | 0.1799 0.0336 0.010
1 | 0.696
9 FR84 | -0.0919 0.0474 -0.0093
| 0.5986 EN80FR87 | -0.0608 -0.1486 0.000
6 | 0.626
1 FR88A | -0.1338 -0.0220 -0.0019
| 0.2588 EN81FR
89 | -0.0470 -0.0897 0.00
48 | 0.720
1 EN82FR90
| -0.1156 0.0478 -0.0018
| 0.5266 FR91929
3 | 0.0423 -0.0183 0.00
66 | 0.604
8 EN85FR94
| 0.1561 0.0524 -0.0074
| 0.6829 EN87FR
95 | 0.1426 -0.0510 0.00
77 | 0.530
6 ScoreEN65~17
| -0.1014 0.0349 0.0119
| 0.7064 -----------------------------------------------------------
. screeplot, ylabel(0(1)6) xlabel(0(5)30)
. sum ppi
Variable | Obs Mean Std. Dev. Min Max
-------------+----------------------ppi | 158 .4931646 .1965987 0 .84
. sum scoregolbal
Variable | Obs Mean Std. Dev. Min Max
-------------+-------- scoregolbal | 105 .9177627 .2318416 .125 1.407143
. do "C:\Users\Judicael\AppData\Local\Temp\STD01000000.tmp"
. log close
name: <unnamed>
log: C:\Users\Judicael\Desktop\myfichier.log log type: text
closed on: 30 Jul 2016, 22:35:08
--------------------------------------------------------------------------------------------------
