Analyse et tests des relations du modèle

Avant d‟appliquer les modèles statistiques sur les variables pour tester les relations supposées, il est important d‟entamer un test de normalité afin de vérifier si notre échantillon suit une loi normale de distribution pour les variables étudiées. La normalité est un critère important pour effectuer certaines analyses avec des méthodes spécifiques, tel que la régression logistique. Pour ce fait, nous avons opté de réaliser un test de symétrie et d‟aplatissement Skewness Kurtosis, puisque ce test est très utilisé (Tabachnick et Fidell, 2007701), et permet de vérifier l‟hypothèse de normalité de la distribution des données. Généralement, la valeur du Skewness doit être inferieur à 1, pour dire que les données sont concentrées sur les valeurs les plus élevées. Selon Tabanich et Fidell (2007), la valeur idéale doit être comprise entre -4 et + 4, pour considérer la distribution comme étant normale. Nous avons réalisé le test de normalité sur les échelles de mesures : encombrement publicitaire perçu, personnalité, attitude et manifestation de la résistance, ainsi que pour les variables individuelles du modèle. En prenant compte de deux hypothèses, H0 : la distribution des données est normale, H1 : la distribution des données n‟est pas normale. 3.1.1 Test de normalité sur l’échelle de l’encombrement publicitaire perçu Les résultats du test de normalité appliqué sur l‟échelle de l‟encombrement publicitaire perçu montrent que la distribution des données est parfaitement normale avec des valeurs négatives suivant les normes, nous validons donc l‟hypothèse de normalité H0 pour cette échelle. Les valeurs sont mentionnées dans le tableau qui suit :

Les résultats du test de normalité sur l‟échelle de l‟attitude confirment majoritairement l‟hypothèse de normalité, cependant nous avons remarqué que le K de la variable valeur est élevée avec un K=8.001, mais bien que le Skewness soit positif, avec une valeur S=1.429, il ne dépasse pas le seuil de normalité ; également pour la variable divertissement, avec un S= 0.761, mais un Kurtosis positif sans dépasser le seuil de normalité. Néanmoins, étant donné du Skewness et Kurtosis, négative inferieur à 1, ce qui laisse dire que la distribution des données est normale (H0 validée) pour cette échelle. Les valeurs sont mentionnées dans le tableau ci-après :  avec des valeurs de Skewness et Kurtosis inférieur à 1 et variant au niveau de la moyenne fixée précédemment, ce qui nous permet de valider l‟hypothèse de normalité H0 pour cette échelle également. Les données sont représentées dans ce qui suit : Le test s‟est revelé significatif pour les trois variables avec un Skewness et un Kurtosis variant au dessous du seuil de normalité, ce qui nous permet de valider l‟hypothése H0 et dire que la distribution des données suit une loi normale pour ces variables. Le tableau suivant présente les resultats du test : permettra de procéder ultérieurement à la modélisation par regression logistique .Concernant les equations structurelles, elles n‟exigent pas pour autant une normalité de distribution, meme si notre échantillon suit une loi normale. universitaire, ceci s‟explique par un taux d‟alphabétisation de 80% en Algérie703; pour ce qui est de la répartition par genre, notre échantillon comprend 202 femmes et 204 hommes, sachant que le nombre d‟hommes est légèrement supérieur au nombre de femme en Algérie selon les dernière statistiques de l‟ONS.

Situation professionnelle

Contrairement à la majorité des études basées sur des échantillons composés principalement d‟étudiants, notre échantillon est varié sur tous les points, il comprend également des situations professionnelles différentes, il est composé de 13 lycéens, 148 fonctionnaires, 20 retraités, 31 femmes au foyer, 7 artisans, 24 commerçants, 109 étudiants universitaires, 24 sans emploi, 13 fonctionnaires à leur compte (libéral), et 17 enseignants. Ce qui offre une diversité au niveau des centres d‟intérêts et des gouts en matière de télévision. 3.3 Test des hypothèses de recherche (relations du modèle) Après avoir testé la normalité de distribution de notre échantillon selon les variables du modèle, nous allons désormais entamer la procédure de vérification des hypothèses, et pour cela, nous avons opté pour deux méthodes d‟analyses différentes en prenant le modèle en deux partie : la première partie concerne l‟influence des variables individuelles sur le niveau d‟encombrement perçu (N.E.P), ces relations seront modélisées par régression logistique, ensuite la deuxième partie du modèle , qui concerne la relation directe du N.E.P et la manifestation de la résistance à la publicité, ainsi que la relation indirecte entre le N.E.P et l‟attitude envers la publicité télévisée seront modélisées par la méthode des équations structurelles (PLS)