Inventaire du modèle des déterminants de l’adoption des transports publics urbains dans l’ère post-COVID-19

1. Résumé / Abstract

L’Inventaire du modèle des déterminants de l’adoption des transports publics urbains dans l’ère post-COVID-19 (en anglais, Drivers of Urban Public Transportation Adoption in the Post-COVID-19 Era—Model Inventory ou DUPTA-M), élaboré initialement dans les travaux d’Anwar, Dhir, Jabeen, Zhang et Siddiquei (2023), constitue un instrument psychométrique et comportemental multidimensionnel conçu pour modéliser et quantifier les facteurs psychosociaux, institutionnels et sanitaires régissant la décision de transition modale des usagers urbains. Cet instrument opérationnalise une synthèse novatrice entre le modèle de migration comportementale Push-Pull-Mooring (PPM) et la théorie institutionnelle néo-institutionnaliste de Richard Scott, dans un contexte sociétal profondément remodelé par la pandémie de COVID-19.

L’inventaire comprend 25 items mesurés sur une échelle de Likert en 5 points allant de 1 (« Pas du tout d’accord ») à 5 (« Tout à fait d’accord »). Les énoncés sont structurés autour de huit sous-échelles psychométriquement distinctes : la préoccupation environnementale (Environmental Concern), les croyances et perceptions relatives à la santé (Health Beliefs/Perceptions), le risque perçu pour la santé (Perceived Health Risk), la pression régulatrice (Regulative Pressure), la pression normative (Normative Pressure), la pression cognitivo-culturelle (Cultural-Cognitive Pressure), le coût de changement modal (Switching Cost) et l’intention de changement (Switching Intention). Cette configuration permet d’évaluer le compromis psychologique délicat (trade-off) entre l’aspiration écologique individuelle et la crainte sanitaire d’infection nosocomiale ou aéroportée dans des espaces partagés.

Les propriétés psychométriques de l’instrument témoignent d’une rigueur empirique remarquable établie par modélisation par équations structurelles (SEM). La fiabilité composite (CR) des sous-échelles oscille entre 0,72 et 0,95, tandis que les variances moyennes extraites (AVE) s’échelonnent de 0,51 à 0,84, satisfaisant amplement les critères de Fornell et Larcker. La validité discriminante est corroborée par le ratio hétérotrait-monotrait (HTMT), demeurant strictement inférieur au seuil conservateur de 0,85. L’analyse factorielle confirmatoire démontre un ajustement exemplaire aux données empiriques (χ²/ddl = 1,60 ; CFI = 0,98 ; TLI = 0,98 ; RMSEA = 0,03). Cet instrument s’impose ainsi comme une référence méthodologique pour les chercheurs en psychologie environnementale, en santé publique, en marketing social et pour les planificateurs des politiques publiques de transport urbain durable.

2. Mots-clés / Keywords

Adoption des transports publics, théorie push-pull-mooring, théorie institutionnelle, ère post-COVID-19, préoccupation environnementale, risque sanitaire perçu, pression régulatrice, pression normative, intention de transfert modal, psychométrie environnementale, modélisation par équations structurelles.

3. Auteurs / Authors

L’instrument a été conçu, développé et validé par une équipe internationale de chercheurs spécialisés en gestion des opérations, comportement du consommateur, durabilité urbaine et psychologie des transports :

• Muhammad Azfar Anwar : Research Institute of Business Analytics and Supply Chain Management, College of Management, Shenzhen University, Shenzhen, République populaire de Chine. Courriel institutionnel : [email protected].
• Amandeep Dhir : Norwegian School of Hotel Management, Faculty of Social Sciences, University of Stavanger, Stavanger, Norvège ; School of Business and Law, University of Agder, Kristiansand, Norvège. Identifiant ORCID : 0000-0002-6006-6058. Courriel institutionnel : [email protected].
• Fauzia Jabeen : College of Business, Abu Dhabi University, Abou Dabi, Émirats Arabes Unis. Courriel institutionnel : [email protected].
• Qingyu Zhang (Auteur correspondant) : Research Institute of Business Analytics and Supply Chain Management, College of Management, Shenzhen University, Shenzhen, République populaire de Chine. Courriel institutionnel : [email protected].
• Ahmad Nabeel Siddiquei : Bond Business School, Bond University, Robina, Gold Coast, Queensland, Australie. Courriel institutionnel : [email protected].

4. Objectif / Purpose

L’émergence de la pandémie de COVID-19 a provoqué un bouleversement inédit des dynamiques de mobilité urbaine à travers le monde. Les transports en commun, historiquement célébrés comme le pilier incontournable de la décarbonation urbaine et de la réduction de l’empreinte écologique, ont été soudainement perçus par une large fraction de la population comme des vecteurs potentiels de contagion virale en raison de la promiscuité physique et du confinement spatial. L’objectif fondamental du Drivers of Urban Public Transportation Adoption in the Post-COVID-19 Era—Model Inventory est de démêler la tension cognitive complexe qui oppose la sensibilité écologique des citoyens à leur besoin fondamental de sécurité sanitaire et de préservation immunologique.

Sur le plan psychologique, l’instrument vise à mesurer comment les individus évaluent et hiérarchisent les compromis entre l’action environnementale vertueuse (abandonner son véhicule personnel thermique pour limiter les émissions polluantes) et la protection de l’intégrité biologique personnelle (éviter les rames de métro ou les autobus bondés). Il permet d’analyser les mécanismes sous-jacents qui précipitent ou, à l’inverse, inhibent l’intention d’adopter les transports collectifs dans un environnement où la menace épidémique demeure active dans les mémoires ou continue de circuler sous forme de variants endémiques.

Sur le plan théorique et appliqué, cet inventaire remplit trois missions majeures :

• Opérationnaliser les forces institutionnelles : L’échelle évalue comment les piliers régulateurs (lois, subventions, contrôles sanitaires), normatifs (attentes sociales de la communauté, normes professionnelles) et cognitivo-culturels (représentations partagées de la citoyenneté durable) structurent la perception qu’a l’usager de la légitimité des transports en commun.
• Quantifier les barrières psychologiques et logistiques : L’outil mesure spécifiquement le coût perçu du changement modal (switching cost), englobant à la fois les frictions temporelles, les difficultés d’itinéraire, la perte perçue de flexibilité et les incertitudes opérationnelles liées à l’abandon du véhicule individuel.
• Fournir un levier diagnostique pour l’intervention publique : Pour les autorités organisatrices de transport et les municipalités, l’instrument permet d’isoler avec exactitude les leviers psychologiques prédominants au sein d’une métropole. Si la réticence est majoritairement alimentée par la perception du risque infectieux plutôt que par des questions de coût ou d’accessibilité horaire, les campagnes de communication et les investissements matériels devront être orientés prioritairement vers la ventilation de pointe, les protocoles d’assainissement visibles et la régulation prédictive de la densité des rames.

En recherche fondamentale, l’inventaire sert de base à la validation de modèles structurels reliant la psychologie du choix modal aux théories sociologiques de l’action collective et du risque contemporain.

5. Construit psychologique / Construct

Le DUPTA-M conceptualise l’adoption des transports en commun post-pandémie non pas comme une décision purement économique ou utilitariste, mais comme un construit multidimensionnel articulé autour de huit dimensions interdépendantes réparties en facteurs d’attraction (pull), de répulsion/maintien (mooring/push) et d’influence institutionnelle contextuelle.

1. Préoccupation environnementale (Environmental Concern – PPA1 à PPA3)

Cette dimension mesure le degré d’éveil écologique individuel, l’attachement affectif et cognitif à l’intégrité de la biosphère, ainsi que la prédisposition de la personne à consentir des sacrifices matériels ou de confort personnel au bénéfice de l’environnement global. Les usagers présentant un score élevé sur cette dimension reconnaissent explicitement que la dégradation environnementale détériore leur propre qualité de vie et expriment une motivation intrinsèque à participer à l’atténuation du changement climatique par leurs choix de consommation quotidiens.

2. Croyances et perceptions relatives à la santé (Health Beliefs/Perceptions – PPA4 à PPA7)

Cette sous-échelle évalue la perception positive des bénéfices physiologiques directs conférés par l’utilisation des transports en commun. Contrairement à la sédentarité induite par la conduite automobile prolongée, l’usage des transports en commun implique une mobilité active (marche jusqu’aux arrêts, escaliers dans les stations, transferts à pied). Les items quantifient la croyance selon laquelle l’adoption de la mobilité partagée constitue une opportunité d’exercice physique régulier favorable à la santé cardiovasculaire et à la réduction des pathologies associées au mode de vie sédentaire.

3. Risque sanitaire perçu (Perceived Health Risk – PPA8 à PPA10)

À l’opposé des bénéfices d’activité physique, cette dimension capte l’angoisse épidémiologique et la vulnérabilité perçue face aux agents pathogènes aéroportés. Elle évalue l’évaluation subjective du risque de contracter des maladies infectieuses (telles que le SARS-CoV-2, l’influenza ou d’autres affections respiratoires) dans les véhicules partagés. Les scores élevés dénotent un sentiment d’exposition inacceptable et une perception aiguë de danger pour la santé personnelle induit par la promiscuité des espaces clos et bondés.

4. Pression régulatrice (Regulative Pressure – PIA1 à PIA3)

Inspirée du pilier régulateur de Scott, cette dimension mesure la perception de la force contraignante et incitative exercée par les institutions formelles. Elle englobe les réglementations municipales, les lois nationales, les incitations fiscales, les restrictions de circulation automobile (zones à faibles émissions) et les politiques de mobilité imposées ou encouragées par l’État pour contraindre ou séduire les citoyens vers les transports décarbonés.

5. Pression normative (Normative Pressure – PIA4 à PIA6)

Cette sous-échelle reflète l’impact des attentes sociales internalisées et de l’approbation du cercle proximal (famille, amis, pairs, collègues de travail). Elle mesure le sentiment d’obligation morale et sociale selon lequel l’usage des transports en commun est jugé comme une conduite civique exemplaire, responsable et attendue au sein du groupe de référence social de l’individu.

6. Pression cognitivo-culturelle (Cultural-Cognitive Pressure – PIA7 à PIA9)

Le troisième pilier institutionnel évalue les schèmes mentaux partagés, les évidences tacites et les cadres culturels tenus pour acquis (taken-for-granted) dans la société d’appartenance. Elle mesure dans quelle mesure le recours aux transports collectifs est perçu non pas comme un calcul conscient, mais comme l’élément constitutif d’un mode de vie urbain moderne, normal et indiscutable au sein d’une collectivité tournée vers la durabilité.

7. Coût de changement modal (Switching Cost – SC1 à SC3)

Cette dimension opérationnalise les facteurs d’amarrage (mooring) qui freinent la transition modale. Elle capture la perception des frictions logistiques, de la perte de commodité, de l’investissement temporel excessif et de la complexité cognitive requis pour modifier ses routines de déplacement et abandonner le véhicule personnel au profit d’un réseau partagé.

8. Intention de changement (Switching Intention – SI1 à SI3)

Construit cible du modèle, cette dimension mesure la volonté explicite, délibérée et planifiée de l’usager de substituer son mode de déplacement individuel motorisé par l’usage régulier des transports publics dans un avenir proche. Elle traduit l’arbitrage final résultant de la confrontation entre les forces d’attraction, les pressions institutionnelles, les craintes sanitaires et les coûts de transition.

6. Cadre théorique / Theoretical Framework

Le soubassement théorique du DUPTA-M repose sur l’articulation de deux des cadres conceptuels les plus robustes des sciences sociales appliquées : le modèle Push-Pull-Mooring (PPM) et la théorie institutionnelle.

Le modèle Push-Pull-Mooring (PPM)

Originaire de la géographie humaine et de l’analyse des mouvements migratoires (Lee, 1966), le paradigme PPM a été transposé avec succès au comportement du consommateur et aux décisions de rupture technologique ou comportementale (Bansal et al., 2005). Dans le cadre de la mobilité urbaine :

• Les facteurs répulsifs (Push) représentent les éléments négatifs associés au statu quo (e.g., congestion automobile, coût prohibitif du stationnement, pollution urbaine, sédentarité pathogène).
• Les facteurs attractifs (Pull) représentent les caractéristiques positives inhérentes à la destination alternative (e.g., opportunité d’activité physique, conscience écologique apaisée, exemplarité citoyenne).
• Les facteurs d’amarrage (Mooring) constituent les ancrages personnels, psychologiques et situationnels qui retiennent l’individu dans son comportement habituel, agissant comme des barrières au changement. Dans le modèle DUPTA-M, la préoccupation pour l’hygiène et le risque sanitaire infectieux (PPA8-PPA10) ainsi que les coûts de changement (SC1-SC3) jouent le rôle fondamental de variables de blocage (mooring factors) ou de modérateurs inhibiteurs majeurs.

La théorie institutionnelle de Scott

Pour dépasser l’écueil d’une vision purement individualiste de la décision, les auteurs ont adossé le modèle aux travaux sociologiques de W. Richard Scott (2008) sur les institutions. Selon cette théorie, les choix individuels et organisationnels ne sont pas dictés uniquement par des calculs d’utilité rationnelle, mais par la quête de légitimité sociale au sein de systèmes institutionnels façonnés par trois piliers fondamentaux :

1. Le pilier régulateur, fondé sur la conformité légale, la coercition étatique, les pénalités et les incitations formelles (lois environnementales, tarifs subventionnés, mesures sanitaires imposées).
2. Le pilier normatif, fondé sur les valeurs morales, les attentes de rôle et les obligations interpersonnelles prescrites par la collectivité.
3. Le pilier cognitivo-culturel, fondé sur les conceptions partagées de la réalité sociale, les représentations symboliques communes et les routines quotidiennes tellement ancrées qu’elles ne sont plus remises en cause.

En combinant le PPM et la théorie institutionnelle, le modèle DUPTA-M démontre que l’adoption des transports en commun dans un monde post-pandémique résulte d’une dialectique constante : les pressions institutionnelles légitiment l’abandon de l’automobile et fournissent le cadre sécuritaire rassurant, tandis que les arbitrages internes entre conscience écologique, bénéfices physiques et peur du microbe déterminent l’adhésion finale de l’individu.

7. Validité / Validity

Le processus de validation psychométrique du modèle a fait l’objet d’une démarche séquentielle rigoureuse, combinant examen qualitatif d’experts et analyses quantitatives multivariées avancées sur des échantillons d’usagers métropolitains aux États-Unis.

Validité de contenu et d’apparence (Content and Face Validity)

Les items initiaux ont été adaptés d’échelles de référence reconnues dans la littérature en comportement du consommateur et en psychologie environnementale (e.g., Sajjad et al., 2020 ; H. Zhang et al., 2014 ; Shiu et al., 2011 ; Jung et al., 2017 ; Tung et al., 2017). Afin d’établir une validité de contenu irréprochable, un panel de trois experts indépendants spécialisés respectivement en marketing des services, en santé publique et en psychologie environnementale a évalué la clarté, la pertinence, la non-redondance et l’adéquation contextuelle de chaque formulation face aux réalités post-COVID-19.

Validité convergente (Convergent Validity)

La validité convergente a été établie à l’aide de deux indicateurs statistiques majeurs recommandés par Fornell et Larcker (1981) ainsi que Hair et al. (2010) :

• Les saturations factorielles standardisées (λ) de l’ensemble des items sur leurs construits respectifs sont toutes statistiquement significatives (p < 0,001) et substantielles, dépassant largement le seuil minimal de 0,60.
• La variance moyenne extraite (AVE, Average Variance Extracted) pour chacun des construits se situe entre 0,51 et 0,84. Chaque construit explique ainsi plus de 50 % de la variance de ses indicateurs manifestes, confirmant une excellente convergence interne.

Validité discriminante (Discriminant Validity)

La distinction empirique entre les différentes dimensions a été rigoureusement attestée par deux approches complémentaires :

• Le critère de Fornell-Larcker : La racine carrée de l’AVE de chaque construit latent s’est révélée strictement supérieure aux corrélations bivariées inter-construits correspondantes.
• Le ratio Hétérotrait-Monotrait (HTMT) : Les valeurs HTMT calculées entre toutes les paires de dimensions sont toutes demeurées inférieures au seuil conservateur de 0,85 (Henseler et al., 2015), écartant formellement tout risque de chevauchement conceptuel ou de multicolinéarité excessive entre des construits proches tels que les pressions normatives et cognitivo-culturelles.

Validité prédictive et nomologique

La modélisation par équations structurelles a confirmé la validité nomologique du réseau théorique : les préoccupations environnementales et les croyances de santé exercent des effets positifs significatifs sur les intentions de transfert modal, tandis que le risque sanitaire perçu et les coûts de changement agissent comme des inhibiteurs puissants et des modérateurs statistiquement robustes affaiblissant l’impact des motivations écologiques.

8. Fidélité / Reliability

La consistance interne et la précision de mesure des sous-échelles de l’inventaire ont été examinées au moyen de multiples métriques psychométriques :

Fiabilité composite (Composite Reliability – CR)

Considérée comme une mesure plus précise et robuste que l’alpha traditionnel car elle ne suppose pas la tau-équivalence des indicateurs, la fiabilité composite a été calculée pour chacune des dimensions latentes. Les coefficients de CR observés s’échelonnent de 0,72 à 0,95. Toutes les valeurs dépassent largement le seuil d’acceptabilité conventionnel de 0,70 préconisé par Hair et al. (2010), attestant d’une homogénéité remarquable des indicateurs au sein de chaque sous-échelle.

Alpha de Cronbach

Conjointement à la CR, les coefficients d’alpha de Cronbach calculés pour l’ensemble des dimensions de l’inventaire confirment des niveaux d’homogénéité interne élevés, systématiquement compris entre 0,71 et 0,93. Aucune suppression d’item n’a permis d’augmenter substantiellement la valeur de l’alpha, validant le caractère indispensable et complémentaire de chacun des 25 énoncés.

Stabilité de la mesure

Bien que les données originales soient de nature transversale avec vérification d’invariance de mesure, la robustesse statistique des erreurs-types et l’absence d’instabilité paramétrique lors des procédures de rééchantillonnage par bootstrapping (5000 sous-échantillons) confirment la haute reproductibilité de la structure de score de l’instrument.

9. Analyse factorielle / Factor Analysis

L’architecture dimensionnelle de l’inventaire a fait l’objet d’un examen empirique approfondi combinant l’analyse des biais de mesure et la confirmation factorielle confirmatoire.

Contrôle du biais de méthode commune (Common Method Bias)

Étant donné que les données ont été recueillies par le biais d’un questionnaire d’auto-évaluation unique, les auteurs ont appliqué le test du facteur unique d’Harman (Harman’s single-factor test ; Podsakoff et al., 2003). L’analyse factorielle non tournée a révélé que le premier facteur n’expliquait que 17,91 % de la variance totale, demeurant très en deçà du seuil critique de 50 %. Les données ne présentent donc aucune contamination substantielle par le biais de variance de la méthode commune, garantissant la validité non biaisée des relations observées.

Analyse factorielle confirmatoire (AFC)

Une analyse factorielle confirmatoire (CFA) a été menée sous le logiciel AMOS/Mplus afin d’attester l’adéquation de la structure théorique à huit facteurs corrélés aux données observées. Les indices d’ajustement global (Goodness-of-Fit indices) obtenus témoignent d’une excellente concordance entre le modèle de mesure et les covariances empiriques :

• Chi-deux normalisé (χ²/ddl) : 1,60 (seuil optimal < 3,0, reflétant un ajustement remarquable sans sur-paramétrisation).
• CFI (Comparative Fit Index) : 0,98 (seuil supérieur à 0,95 attestant d’un ajustement parfait par rapport au modèle d’indépendance).
• TLI (Tucker-Lewis Index) : 0,98 (seuil supérieur à 0,95 confirmant la parcimonie et la robustesse du modèle).
• RMSEA (Root Mean Square Error of Approximation) : 0,03 avec un intervalle de confiance à 90 % compris entre [0,022 et 0,038] (seuil < 0,05 dénotant une erreur d’approximation minime au sein de la population).

Chacun des 25 items présente une saturation factorielle standardisée hautement significative sur sa dimension respective, ne laissant subsister aucun indice de modification nécessitant l’adjonction de covariances d’erreurs résiduelles artificielles.

10. Instrument de mesure / Instrument

• Nom complet de l’instrument : Drivers of Urban Public Transportation Adoption in the Post-COVID-19 Era—Model Inventory (DUPTA-M).
• Type d’évaluation : Auto-questionnaire psychométrique standardisé / Inventaire de mesure comportementale et attitudinale.
• Format d’administration : Papier-crayon ou administration numérique en ligne (auto-administré).
• Nombre total d’items : 25 items répartis en 8 sous-échelles.
• Format de réponse : Échelle de Likert en 5 points : 1 = Strongly Disagree (Pas du tout d’accord), 2 = Disagree (En désaccord), 3 = Neutral (Neutre / Ni d’accord ni en désaccord), 4 = Agree (D’accord), 5 = Strongly Agree (Tout à fait d’accord).
• Population cible : Adultes (18 ans et plus), incluant les jeunes adultes (18-29 ans), les trentenaires (30-39 ans) et les adultes d’âge mûr (40-64 ans) usagers réels ou potentiels des systèmes de transport urbain.
• Temps moyen de passation : Environ 7 à 10 minutes.
• Cotation et calcul des scores :
  • Aucun item inversé (reverse scoring) n’est présent dans la version canonique.
  • Les scores sont calculés sous forme de scores moyens par sous-échelle (somme des items de la sous-échelle divisée par le nombre d’items de celle-ci), produisant un score continu de 1,0 à 5,0 par dimension :
  • Environmental Concern (PPA) : Moyenne des items 1, 2, 3 (PPA1 à PPA3).
  • Health Beliefs/Perceptions (PPA) : Moyenne des items 4, 5, 6, 7 (PPA4 à PPA7).
  • Perceived Health Risk (PPA) : Moyenne des items 8, 9, 10 (PPA8 à PPA10).
  • Regulative Pressure (PIA) : Moyenne des items 11, 12, 13 (PIA1 à PIA3).
  • Normative Pressure (PIA) : Moyenne des items 14, 15, 16 (PIA4 à PIA6).
  • Cultural-Cognitive Pressure (PIA) : Moyenne des items 17, 18, 19 (PIA7 à PIA9).
  • Switching Cost (SC) : Moyenne des items 20, 21, 22 (SC1 à SC3).
  • Switching Intention (SI) : Moyenne des items 23, 24, 25 (SI1 à SI3).

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de publication : 2023.
• Statut des droits d’auteur et permissions : L’article original et l’inventaire sont publiés sous les termes de la licence internationale Creative Commons Attribution 4.0 (CC BY 4.0). L’utilisation, la reproduction, la distribution et l’adaptation de l’instrument sont expressément autorisées à des fins académiques, de recherche scientifique et d’enseignement, sous réserve de citer convenablement les auteurs originaux et l’article de référence.
• Utilisation commerciale : Non autorisée sans accord écrit explicite préalable des détenteurs des droits ou de l’éditeur académique.
• Tarifs / Coûts d’accès : Gratuit (accès libre – Open Access). Aucun frais de licence n’est exigé pour l’usage scientifique.

12. Références / References

• Anwar, M. A., Dhir, A., Jabeen, F., Zhang, Q., & Siddiquei, A. N. (2023). Unconventional green transport innovations in the post-COVID-19 era. A trade-off between green actions and personal health protection. Journal of Business Research, 155(Part A), Article 113442. https://doi.org/10.1016/j.jbusres.2022.113442
• Bansal, H. S., Taylor, S. F., & James, Y. S. (2005). “Migrating” to new service providers: Toward a unifying framework of consumers’ switching behaviors. Journal of the Academy of Marketing Science, 33(1), 96–115. https://doi.org/10.1177/0092070304267928
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Prentice Hall.
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
• Jung, J., Han, H., & Oh, M. (2017). Travelers’ switching intentions toward green hotels: An application of the push-pull-mooring framework. International Journal of Contemporary Hospitality Management, 29(1), 2–20. https://doi.org/10.1108/IJCHM-03-2015-0104
• Lee, E. S. (1966). A theory of migration. Demography, 3(1), 47–57. https://doi.org/10.2307/2060063
• Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5), 879–903. https://doi.org/10.1037/0021-9010.88.5.879
• Sajjad, A., Chu, J., Anwar, M. A., & Asmi, F. (2020). Between green and resilience: A perspective of institutional theory on sharing economy. Business Strategy and the Environment, 29(6), 2617–2629. https://doi.org/10.1002/bse.2524
• Scott, W. R. (2008). Institutions and organizations: Ideas and interests (3rd ed.). SAGE Publications.
• Shiu, J. Y., Dawson, J. A., & Larke, R. (2011). Segmenting the mature market in grocery retailing: A case study of a Japanese store. International Review of Retail, Distribution and Consumer Research, 21(5), 453–471. https://doi.org/10.1080/09593969.2011.618886
• Tung, S. J., Shih, C. C., Wei, S., & Chiu, Y. H. (2017). Attitudinal inconsistency towards organic food in the presence of cognitive dissonance: A moderation perspective. British Food Journal, 119(5), 999–1015. https://doi.org/10.1108/BFJ-08-2016-0373
• Zhang, H., Zhang, J., Cheng, S., Lu, S., & Shi, C. (2014). Role of constraints in Chinese calligraphic landscape preference: An extended leisure constraints model. Leisure Sciences, 36(5), 470–488. https://doi.org/10.1080/01490400.2014.927068

13. Questions et items du questionnaire / Scale Items