L’analyse multigroupe (MGA) vérifie si les relations de votre modèle PLS-SEM diffèrent significativement entre des groupes prédéfinis, comme les hommes et les femmes, deux pays, ou des clients et des non-clients. Cette page explique ce qu’elle teste, comment lire le résultat, les variantes du test, l’étape d’invariance de mesure que la plupart négligent, et les erreurs fréquentes.
Un modèle PLS-SEM standard estime un coefficient de chemin par relation structurelle, agrégé sur tout l’échantillon. La MGA pose une question plus précise : cette relation est-elle la même pour tous, ou dépend-elle du groupe auquel appartient le répondant ? C’est une forme de modération où le modérateur est une variable de regroupement catégorielle.
La MGA estime le modèle séparément pour chaque groupe, puis teste si la différence entre les coefficients de chemin des groupes est plus grande que ce que le hasard laisserait attendre. Une différence significative signifie que la variable de regroupement modère cette relation : l’effet est réellement plus fort dans un groupe que dans l’autre.
Le chemin de l’utilité perçue vers l’adoption est estimé séparément pour deux groupes. Dans le Groupe A le coefficient vaut 0,45 et dans le Groupe B il vaut 0,18. Le test de permutation donne une valeur p de 0,02 pour la différence, le chemin diffère donc significativement entre les groupes.
Vous rapporteriez les deux coefficients propres à chaque groupe et concluriez que la variable de regroupement modère cette relation.
Pour chaque chemin structurel, la MGA rapporte la différence entre les coefficients des deux groupes et une valeur p pour cette différence.
Une différence non significative ne prouve pas que les groupes sont identiques, seulement que vos données ne montrent pas de différence. Des groupes trop petits rendent les différences réelles difficiles à détecter.
L’approche non paramétrique recommandée (Henseler 2007). Les étiquettes de groupe sont mélangées de façon répétée pour construire la distribution de la différence de coefficients sous l’hypothèse nulle. Il ne fait aucune hypothèse de distribution, raison pour laquelle OpenPLS l’utilise.
Un test t à deux échantillons sur les coefficients bootstrap (Keil et al. 2000). Simple, mais il suppose des variances égales entre groupes.
Une variante du test paramétrique qui ne suppose pas des variances égales. Plus robuste lorsque les tailles ou les variances des groupes diffèrent.
Pour plus de deux groupes, le test omnibus des différences entre groupes vérifie si un chemin diffère entre tous les groupes à la fois, avant toute comparaison par paires.
OpenPLS comprend un panneau d’analyse multigroupe qui exécute le test de permutation de Henseler. Définissez vos groupes à partir de n’importe quelle colonne, choisissez le nombre de permutations et obtenez, pour chaque chemin structurel, la différence de coefficients et une valeur p bilatérale. Il gère deux groupes directement et rapporte des comparaisons par paires pour davantage. Gratuit et dans le navigateur.
Construisez votre modèle dans l’éditeur visuel, définissez vos groupes et lancez une MGA par permutation en un clic. Gratuit, sans installation.
Pour l’approche par permutation : Henseler, J. (2007). A new and simple approach to multi-group analysis in partial least squares path modeling. Pour l’invariance de mesure : Henseler, J., Ringle, C. M., & Sarstedt, M. (2016). Testing measurement invariance of composites using partial least squares. International Marketing Review, 33(3), 405-431. Un aperçu pratique figure dans Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 3e éd., Sage.