Etude empirique : Déterminants et Modélisation des conditions d’application des normes IPSAS au Maroc
Rapport de stage : Etude empirique : Déterminants et Modélisation des conditions d’application des normes IPSAS au Maroc. Recherche parmi 298 000+ dissertationsPar Khadija Idrissi Chouahdi • 20 Octobre 2019 • Rapport de stage • 6 922 Mots (28 Pages) • 484 Vues
Etude empirique : Déterminants et Modélisation des conditions d’application des normes IPSAS au Maroc
Cette partie présente les méthodes d’analyse statistique et la stratégie d’estimation économétrique adoptées pour confirmer ou réfuter nos hypothèses d’études. Notre étude est effectuée principalement dans la cadre de l’analyse exploratoire par l’analyse factorielle par composantes principales (ACP) et l’estimation par des modèles de régression multiple pour tester l’impact de certains facteurs ou déterminants. C’est un outil exploratoire qui peut guider aussi dans l’analyse ou l’interprétation du modèle économétrique. Dans un premier temps, nous allons utiliser l’analyse factorielle ACP pour construire un facteur de chaque ensemble d’items. Ces facteurs seront considérés par la suite des variables explicatives pour les modèles de régression. Ce sont des modèles économétriques très usuels dont l’objectif est la détermination des liens d’influence entre les types de facteurs et l’application des normes IPSAS dans l’administration publique.
- Evaluation de la fiabilité et construction des facteurs
- fiabilité de la cohérence interne par Alpha de Cronach:
Il existe différentes approches utilisées pour évaluer la fiabilité de l’instrument de mesure. L’approche la plus importante consiste à calculer l’Alpha de Cronbach, qui se réfère au degré des corrélations positives entre les items d’un groupe. La variation du coefficient d’alpha de Cronbach est entre 0 et 1; si l’alpha de Cronbach est inférieur à 0.5, donc il n’existe pas de cohérence interne entre les items, alors qu’une valeur d’Alpha de Cronbach supérieur à 0.5 signifie une cohérence significative entre les items. Ainsi dans le tableau ci-dessous, on remarque que l’Alpha de Cronbach entre toutes les catégories est compris entre 0.538 et 0.785. Ces valeurs sont suffisamment grandes. Par conséquent, on conclut qu’il existe une cohérence interne significative entre les items de nos catégories. En effet, nos résultats montrent que chaque item a un rôle spécifique et important dans la base de données. Sur la base de ce qui précède, la fiabilité de la cohérence interne des catégories est jugée comme très satisfaisante.
Table 1. Résultats des tests de fiabilité et de cohérence interne par Alpha de Cronbach
Thème ou Catégorie | Sous-catégorie | Nombre d’items | Alpha de Cronbach entre les items de chaque catégorie |
les conditions de mise en œuvre les normes IPSAS | Facteurs culturels | 31 | 0.785 |
Facteurs géographiques | |||
Facteurs politiques | |||
Facteurs économiques | |||
La bonne gouvernance dans un pays représente-t-elle un terreau fertile pour l'application des normes IPSAS? | transparence | 36 | 0.735 |
Information financière | |||
Citoyenneté | |||
GRH: Gestion des Ressources Humaines | |||
La décision | |||
Pensez-vous que l’uniformisation des règles comptables entre Etats ou au sein d’un même Etat soit une bonne décision ? | Pensez-vous que l’uniformisation des règles comptables entre Etats ou au sein d’un même Etat soit une bonne décision ? | 8 | 0.538 |
L’application des normes IPSAS, en dépit de toute forme de résistance, façonnera-t-elle un management de type nouveau ? | Efficacité de l’action des entités publiques | 32 | 0.554 |
Efficience d’optimisation des ressources | |||
Performance de l’administration publique | |||
Responsabilité | |||
Responsabilisation | |||
partenariat public privé | |||
GAR : gestion axée sur les résultats | |||
Formation et renforcement de capacité | |||
Outil informatique | |||
Accessibilité et ouverture |
- Construction des facteurs par l’Analyse en Composante Principale ACP :
L’Analyse en Composante Principale (ACP) fait partie des analyses descriptives multivariées. Le but de cette analyse est de résumer le maximum d’informations possibles en en perdant le moins possible pour :
• Faciliter l’interprétation d’un grand nombre de données initiales
• Donner plus de sens aux données réduites
En effet, l’ACP permet de réduire des tableaux de grandes tailles en un nombre minime de variables ou facteurs tout en conservant un maximum d’information initiale.
Tout d’abord, avant de faire une analyse ACP, et pour que la condition de factorisation soit vérifiée, il faut s’assurer qu’elle existe des corrélations entre les items. Cette prémisse est testé par l’indice de KMO (Kaiser-Meyer-Olkin) qui doit égale ou supérieure à 0.5 et également voir le test de sphéricité de Bartlett, nous espérons que ce test soit significatif (p < 0,05) pour que nous puissions rejeter l'hypothèse nulle d’indépendance parfaite entre les items. Par conséquent conclure que toutes les corrélations ne sont pas égales à zéro. Et ainsi juger valide l’analyse factorielle par ACP.
L’objectif principal de l’ACP est de réduire des tableaux avec plusieurs items en un nombre limité de facteurs tout en conservant le maximum d’information initiale. Ainsi, on propose de conserver un plan factoriel correspondent aux quantités d’information extraites pour chaque ensemble d’items. Ce plan, cumulant le maximum d’informations contenues dans la base de données, devrait extraire une quantité importante d’information initiale. Nous jugeons qu’un pourcentage d’extraction dépassant 50% est très satisfaisant et valide également notre analyse par ACP.
...