Échelle d’incertitude du choix dans une catégorie de produits (IPCU)

1. Résumé / Abstract

L’Échelle d’incertitude du choix dans une catégorie de produits (couramment désignée sous l’acronyme IPCU pour Product Category Choice Uncertainty Scale), initialement conceptualisée sous la dénomination de « probabilité perçue d’erreur » (probability of error) par Johannes Habel et Martin Klarmann (2015), constitue un instrument psychométrique unidimensionnel composé de quatre items à échelle de type Likert. Cet instrument est spécifiquement élaboré pour mesurer l’intensité avec laquelle un consommateur éprouve des difficultés cognitives et un doute décisionnel lors de la sélection d’une référence au sein d’une catégorie donnée de biens de consommation, en raison de l’ambiguïté entourant la détermination du choix optimal.

Sur le plan métrologique, l’échelle adapte la sous-dimension de probabilité du risque issue du profil d’implication du consommateur (Consumer Involvement Profile, CIP) formulé par Laurent et Kapferer (1985). Contrairement aux approches conventionnelles du risque perçu axées sur la magnitude des pertes financières, physiques ou sociales consécutives à un acte d’achat, l’IPCU isole la composante probabiliste et épistémique du risque : le sentiment subjectif d’incompétence relative ou de complexité inhérente au tri qualitatif des alternatives disponibles sur le marché. L’instrument a fait l’objet d’une validation empirique d’envergure auprès d’un échantillon représentatif de 1 522 adultes américains répartis aléatoirement entre 29 catégories distinctes de produits de grande consommation.

Les propriétés psychométriques rapportées démontrent une fidélité de construit remarquable (Fiabilité composite = 0,93) ainsi qu’une variance moyenne extraite particulièrement robuste (AVE = 0,77), attestant d’une excellente consistance interne et d’une validité convergente uniforme à travers un large spectre de marchés. Utilisée initialement pour modéliser le rôle modérateur de l’incertitude sur la détérioration de la satisfaction client face au phénomène de réduction furtive du format des produits (shrinkflation ou downsizing), cette échelle s’impose comme un standard rigoureux pour la recherche en comportement du consommateur, en psychologie cognitive de la décision et en gestion stratégique des assortiments commerciaux.

2. Mots-clés / Keywords

Incertitude décisionnelle, choix du consommateur, catégorie de produits, probabilité d’erreur, risque perçu, psychométrie, profil d’implication, fidélité composite, variance moyenne extraite, satisfaction client, réduction de produit, surcharge cognitive.

3. Auteurs / Authors

L’instrumentation contemporaine et son application au niveau des catégories de produits ont été formalisées par les chercheurs en sciences de gestion et marketing suivants :

• Johannes Habel : Professeur associé de marketing, Bauer College of Business, University of Houston, États-Unis (anciennement affiliated à la School of Business, Economics, and Society de l’Université Friedrich-Alexander d’Erlangen-Nuremberg et à l’ESMT Berlin, Allemagne). Courriel institutionnel : [email protected].
• Martin Klarmann : Professeur ordinaire de marketing et directeur du groupe de recherche en marketing, Karlsruhe Institute of Technology (KIT), Karlsruhe, Allemagne. Courriel institutionnel : [email protected].

Les fondements opérationnels sous-jacents de la mesure reposent historiquement sur les travaux séminaux de :

• Gilles Laurent : Professeur émérite de marketing, HEC Paris et ESSEC Business School, France.
• Jean-Noël Kapferer : Professeur émérite de marketing, HEC Paris, expert international en gestion des marques et communication.

4. Objectif / Purpose

L’objectif fondamental de l’Échelle d’incertitude du choix dans une catégorie de produits est de quantifier la perception subjective qu’a un individu de la probabilité d’effectuer un choix erroné ou sous-optimal au sein d’une famille spécifique de produits. En psychologie cognitive et en économie comportementale, la prise de décision n’est pas uniquement conditionnée par l’attractivité des alternatives, mais également par le coût psychologique associé à la résolution du problème d’évaluation. L’échelle vise à isoler ce coût épistémique propre à la structure de l’offre d’une catégorie donnée.

Applications en recherche fondamentale et comportementale

Dans le domaine de la recherche académique, l’échelle permet de répondre à plusieurs interrogations théoriques majeures :

• Modération des réactions à la dégradation de l’offre : Dans l’étude séminale de Habel et Klarmann (2015), l’instrument a été utilisé pour tester comment l’incertitude catégorielle module les réponses affectives et attitudinales face au rétrécissement des contenances (downsizing). Lorsque l’incertitude quant au bon choix est élevée, les consommateurs peinent à identifier des alternatives de substitution crédibles et sans risque, ce qui exacerbe leur sentiment de captivité et amplifie l’insatisfaction ou la réactance psychologique.
• Étude de la surcharge de choix (choice overload) : L’échelle sert de thermomètre psychologique pour évaluer à quel moment la prolifération des références marchandes cesse d’apporter de la valeur perçue pour générer de la confusion, du regret anticipé ou de la paralysie décisionnelle.
• Segmentation perceptuelle des marchés : En mesurant l’IPCU à travers de multiples catégories, les chercheurs peuvent cartographier les environnements de décision selon leur gradient d’opacité cognitive, distinguant les marchés de commodités transparents des marchés hautement différenciés et ambigus.

Applications managériales et cliniques de la consommation

D’un point de vue opérationnel et appliqué, l’instrument fournit aux praticiens du marketing et du conseil des diagnostics précieux sur la friction cognitive subie par les usagers :

• Optimisation de l’architecture de choix : Identifier les catégories de produits dans lesquelles les consommateurs ressentent une forte probabilité d’erreur permet de concevoir des aides à la décision plus performantes (arbres de sélection interactifs, systèmes de recommandation algorithmiques, étiquetages pédagogiques standardisés).
• Évaluation du risque de cannibalisation et de défection : Dans les univers où l’incertitude de choix est minimale, la sensibilité au prix et la propension à tester des marques de distributeurs sont généralement exacerbées en raison de la faible barrière cognitive ressentie. Inversement, une incertitude catégorielle aiguë favorise la fidélité défensive aux marques notoires reconnues comme des repères réducteurs de dissonance.
• Consulting en comportement financier et d’achat compulsif : Dans les contextes d’accompagnement clinique des troubles compulsifs de l’achat ou de l’anxiété financière, l’évaluation du doute décisionnel permet d’isoler les catégories génératrices de stress chronique et de comportements d’évitement ou d’achats compensatoires irrationnels.

5. Construit psychologique / Construct

Le construit mesuré par l’IPCU correspond précisément à la probabilité subjective d’erreur perçue par le consommateur lors de l’acte de sélection d’un produit. Pour comprendre la spécificité de ce construit, il convient de le dissocier rigoureusement des dimensions connexes du risque perçu et de l’implication.

Structure et nature du construit

Le modèle classique du risque perçu, introduit par Raymond Bauer en 1960 et formalisé par la suite par Cunningham (1967), postule que le risque est une fonction multiplicative ou bidimensionnelle intégrant deux facteurs distincts :

1. L’incertitude ou la probabilité que l’issue de l’action soit défavorable (probabilité d’erreur).
2. La gravité ou l’importance des conséquences négatives associées à cette issue défavorable (magnitude de la perte).

L’échelle IPCU capture exclusivement la première composante : l’incertitude probabiliste quant au choix correct. Elle ne mesure ni la perte monétaire encourue (ex. perdre une somme considérable), ni le risque physique (ex. danger sanitaire), ni le risque psychosocial (ex. altération de l’image de soi auprès des pairs). Elle évalue la sensation de complexité cognitive et de vulnérabilité décisionnelle éprouvée face à l’éventail des options.

Différenciation conceptuelle

L’originalité de l’IPCU réside dans son niveau d’ancrage : la catégorie de produits dans son ensemble, et non une marque ou une transaction isolée. Le tableau ci-dessous illustre comment le construit se distingue d’autres états psychologiques proches :

• Incertitude de choix catégoriel vs Risque financier : Choisir un détergent ou un shampooing peut comporter un risque financier négligeable (coût minime de quelques euros), mais une incertitude de choix substantielle en raison de la multiplicité des allégations techniques (formules chimiques, labels environnementaux, bénéfices capillaires contradictoires). L’IPCU détecte cette perplexité cognitive, insensible au montant monétaire.
• Incertitude de choix vs Implication durable : L’implication (intérêt personnel, résonance identitaire avec le produit) n’implique pas obligatoirement une forte incertitude. Un passionné de café peut présenter une implication extrême envers cette catégorie tout en possédant une expertise telle que son incertitude de choix est quasi nulle. L’IPCU mesure le déficit de clarté décisionnelle, indépendamment de la passion ou de l’indifférence vouée au domaine.
• Incertitude de choix vs Confusion informationnelle : Si la confusion informationnelle (Mitchell et al., 2005) renvoie aux caractéristiques externes du message publicitaire (surcharge, ambiguïté des messages), l’IPCU mesure l’état interne de doute cognitif stabilisé quant à la probabilité de se tromper de référence.

Manifestations comportementales du construit

Un score élevé sur l’IPCU se traduit typiquement chez l’individu par :

• Une rumination cognitive prolongée devant le linéaire physique ou sur l’interface numérique.
• Une dépendance accrue aux signaux heuristiques périphériques (notoriété de la marque, avis d’experts, récompenses de panels de consommateurs) comme mécanismes de réassurance.
• Une anxiété décisionnelle pré-achat et une vulnérabilité accrue à la dissonance cognitive post-achat (sentiment persistant d’avoir manqué une meilleure option).

6. Cadre théorique / Theoretical Framework

L’Échelle d’incertitude du choix dans une catégorie de produits s’inscrit à la croisée de plusieurs courants théoriques majeurs de la psychologie de la décision, du traitement de l’information et des sciences de gestion.

Le modèle du profil d’implication du consommateur (Laurent & Kapferer, 1985)

Le socle généalogique direct de l’IPCU est la théorie multidimensionnelle de l’implication proposée par Laurent et Kapferer (1985). Les approches antérieures considéraient l’implication comme un construit unidimensionnel global. Laurent et Kapferer ont démontré que l’implication résulte de plusieurs antécédents distincts : l’intérêt personnel pour le produit (valeur de signe/plaisir), la valeur symbolique conférée au produit, l’importance perçue des conséquences négatives en cas d’erreur (gravité du risque), et la probabilité perçue de faire une erreur de choix (risque subjectif d’erreur).

Habel et Klarmann (2015) ont repris cette dernière dimension spécifique pour l’extraire du cadre restrictif de l’implication globale et l’ériger en une variable de modération contextuelle puissante. Ils théorisent que l’architecture informationnelle d’une catégorie façonne structurellement la certitude du consommateur.

La théorie de la rationalité limitée (Herbert Simon, 1955)

L’instrument repose fondamentalement sur le postulat de la rationalité limitée formulé par Herbert Simon. Les agents économiques ne disposent ni du temps infini, ni de l’information parfaite, ni des capacités de calcul nécessaires pour évaluer exhaustivement chaque option d’un marché complexe. L’IPCU quantifie précisément la frontière où la complexité de l’environnement de choix dépasse les capacités de traitement de l’individu, générant un sentiment d’incapacité à déterminer rationnellement la solution optimale (satisficing vs. optimizing).

Le paradoxe du choix et l’overload hypothesis (Schwartz, 2004 ; Iyengar & Lepper, 2000)

Selon la théorie développée par Barry Schwartz dans son ouvrage The Paradox of Choice, l’augmentation exponentielle des options d’achat ne produit pas une libération de l’agent mais engendre de l’anxiété et de l’incertitude. L’IPCU capture empiriquement ce phénomène : dans les catégories de produits caractérisées par une prolifération d’attributs techniques et de micro-variations de formules, l’individu perçoit un risque élevé de sélectionner un produit inadapté, car l’écart perçu entre la meilleure option possible et l’option choisie devient nébuleux.

La théorie de la confirmation des attentes et la dynamique de mécontentement (Habel & Klarmann, 2015)

Dans le modèle conceptuel de Habel et Klarmann, la certitude de choix est intégrée à la théorie de la confirmation des attentes (Expectancy-Disconfirmation Model). Lorsqu’une entreprise procède à une réduction de la contenance de son produit (downsizing) tout en maintenant son prix unitaire, le consommateur s’estime lésé. Cependant, la transformation de ce mécontentement en perte de satisfaction effective ou en abandon de la marque dépend de la faisabilité perçue d’une punition commerciale. Si l’IPCU est élevée au sein de la catégorie, le consommateur redoute que changer de marque n’entraîne une déception qualitative encore plus sévère. L’incertitude de choix agit ainsi comme un verrou cognitif régissant la fidélité forcée ou l’amertume du client.

7. Validité / Validity

La robustesse métrologique de l’échelle IPCU a fait l’objet de vérifications approfondies dans l’étude empirique de Habel et Klarmann (2015), menée auprès d’un panel représentatif de 1 522 consommateurs américains répartis à travers 29 univers de consommation courante (produits alimentaires, produits d’hygiène, biens ménagers, produits d’entretien).

Validité de contenu et validité faciale

La validité de contenu repose sur l’ancrage des énoncés dans l’échelle validée de Laurent et Kapferer (1985). Les items ont été affinés et réorientés spécifiquement vers le niveau catégoriel global (« Dans cette catégorie de produits… »). Un panel d’experts en marketing et en méthodes quantitatives a jugé que les quatre items couvraient de manière exhaustive et non redondante le spectre du doute décisionnel : la complexité perçue de la sélection, la peur de commettre une erreur, l’opacité des différences qualitatives entre options, et le manque d’assurance subjectif.

Validité convergente

La validité convergente vérifie que les items d’une même échelle s’agrègent de manière consistante pour refléter le construit théorique sous-jacent :

• Variance Moyenne Extraite (AVE) : L’analyse factorielle confirmatoire menée par Habel et Klarmann (2015) a révélé une AVE de 0,77. Cette valeur excède largement le seuil standard de 0,50 préconisé par Fornell et Larcker (1981), indiquant que plus de 77 % de la variance des indicateurs est imputable au construit latent d’incertitude, et moins de 23 % relève de l’erreur de mesure aléatoire ou spécifique.
• Charges factorielles standardisées ($lambda$) : L’ensemble des saturations factorielles des quatre items individuels ont affiché des valeurs statistiquement significatives ($p < 0,001$) situées entre 0,84 et 0,91, attestant d'une convergence empirique exceptionnelle des énoncés.

Validité discriminante

La validité discriminante a été scrupuleusement testée par rapport aux autres construits du modèle théorique de Habel et Klarmann, notamment la visibilité de la réduction de format (downsizing visibility), la sensibilité au prix, l’importance perçue de la catégorie et la satisfaction envers la marque :

• Critère de Fornell-Larcker : La racine carrée de l’AVE de l’IPCU ($\sqrt{0,77} pprox 0,877$) est nettement supérieure aux corrélations bivariées inter-construits les plus élevées observées dans la matrice du modèle structural ($r < 0,45$).
• Critère HTMT (Heterotrait-Monotrait Ratio) : Les ratios HTMT calculés sur les données se maintiennent rigoureusement en dessous du seuil conservateur de 0,85, démontrant sans ambiguïté que l’incertitude de choix dans la catégorie constitue une entité psychologique empiriquement distincte de l’attachement à la marque ou de la complexité générale perçue de l’acte d’achat.

Validité prédictive et de critère

La validité de critère s’illustre par l’efficacité du construit à prédire des modérations structurales dans le comportement d’achat. L’interaction statistique entre l’amplitude du downsizing et le score d’IPCU s’est avérée hautement significative ($p < 0,01$) : lorsque l'incertitude catégorielle est faible, l'insatisfaction déclenchée par une baisse de grammage est immédiatement sanctionnée par des intentions de report vers la concurrence. Lorsque l'incertitude est forte, l'intention de rachat reste paradoxalement plus élevée malgré une dégradation nette du sentiment de justice perçue.

8. Fidélité / Reliability

La fidélité de l’échelle quantifie sa précision métrologique, l’homogénéité de ses items et sa stabilité théorique face aux fluctuations d’échantillonnage.

Consistance interne et fiabilité composite

Les critères de consistance interne de l’IPCU atteignent des standards d’excellence psychométrique remarquables :

• Fiabilité de construit / Composite Reliability (CR) : Le coefficient de fiabilité composite rapporté par Habel et Klarmann (2015) atteint 0,93, dépassant très nettement le seuil conventionnel de 0,70 recommandé par Nunnally et Bernstein (1994) ainsi que le seuil exigeant de 0,80 requis pour la recherche fondamentale confirmatoire.
• Alpha de Cronbach ($lpha$) : Le coefficient alpha de Cronbach calculé sur l’échantillon agrégé ($n = 1522$) est estimé à $lpha = 0,92$, soulignant une forte cohérence entre les 4 énoncés constitutifs.
• Corrélations inter-items corrigées : Chaque item présente une corrélation item-total corrigée supérieure à 0,78, confirmant qu’aucun énoncé ne dévie de l’axe central du construit et que la suppression d’un item quelconque n’accroîtrait pas la consistance globale.

Robustesse trans-catégorielle (Invariance de fidélité)

Un aspect critique de la validation de Habel et Klarmann (2015) repose sur la stabilité de la mesure à travers 29 marchés distincts. L’échantillon comprenait des catégories à faible implication et forte visibilité (ex. tablettes de chocolat, biscuits, papier hygiénique) et des catégories plus techniques ou hygiéniques (ex. soins dermatologiques, lessives concentrées). La fiabilité composite s’est maintenue au-dessus de 0,89 dans l’intégralité des 29 sous-échantillons, attestant de l’universalité fonctionnelle de la métrique.

9. Analyse factorielle / Factor Analysis

L’architecture interne de l’échelle a été soumise à des analyses factorielles exploratoires (AFE) puis confirmatoires (AFC) par modélisation par équations structurelles (SEM) selon la méthode du maximum de vraisemblance (ML).

Structure unifactorielle

L’analyse en composantes principales et l’AFE révèlent systématiquement l’émergence d’un seul et unique facteur dont la valeur propre (eigenvalue) est largement supérieure à 1 (typiquement > 3,1), expliquant à lui seul plus de 77 % de la variance totale observée. Le tracé d’éboulis (scree test de Cattell) confirme un décrochement net après le premier facteur, sans composante résiduelle signifiante.

Indices d’ajustement de l’Analyse Factorielle Confirmatoire (AFC)

Le modèle unidimensionnel à 4 indicateurs a présenté des indices d’ajustement stricts en adéquation parfaite avec les standards méthodologiques recommandés par Hu et Bentler (1999) :

• $\chi^2 / ext{ddl}$ (Chi-deux rapporté aux degrés de liberté) : inférieur à 2,5.
• CFI (Comparative Fit Index) : $> 0,99$
• TLI (Tucker-Lewis Index) : $> 0,98$
• RMSEA (Root Mean Square Error of Approximation) : $< 0,04$ (avec un intervalle de confiance à 90 % compris entre 0,018 et 0,052).
• SRMR (Standardized Root Mean Square Residual) : $< 0,025$.

Coefficients de saturation factorielle ($lambda$)

Les saturations factorielles standardisées estimées pour chacun des quatre items reflètent une contribution équilibrée et puissante à la variable latente :

Ces paramètres confirment une structure exempte de multicolinéarité excessive ou de distorsion factorielle, validant l’utilisation d’un score composite unique.

10. Instrument de mesure / Instrument

L’instrument se présente sous la forme d’un questionnaire auto-administré court, hautement maniable et optimisé pour éviter la fatigue cognitive des répondants lors d’enquêtes multi-catégorielles denses.

Caractéristiques formelles du protocole :

• Nature du test : Échelle psychométrique d’auto-évaluation (self-report inventory).
• Format d’administration : Compatible avec une passation numérique en ligne (ordinateurs, tablettes, smartphones) ou sur support papier-crayon conventionnel.
• Nombre total d’items : 4 items formulés sous la forme d’affirmations déclaratives.
• Format de réponse : Échelle de type Likert en 7 points graduée de 1 (« Pas du tout d’accord » / Strongly Disagree) à 7 (« Tout à fait d’accord » / Strongly Agree). Des versions adaptées en 5 points peuvent être utilisées sans rupture majeure de validité, bien que la version en 7 points optimise la sensibilité métrique.
• Directives d’amorce : Le répondant est invité à se projeter mentalement dans une catégorie de produits spécifique explicitement nommée (ex. « Pensez au moment où vous achetez du café moulu / des céréales de petit-déjeuner / de la lessive… ») avant de coter les affirmations.
• Cotation et calcul du score :
  • Aucun item inversé n’est présent dans la version standard : tous les énoncés pointent positivement dans la direction de l’incertitude accrue.
  • Le score global individuel d’incertitude catégorielle est obtenu soit en calculant la moyenne arithmétique simple des 4 items (score de 1 à 7), soit par la somme cumulée brute (score de 4 à 28).
  • Dans le cadre d’analyses causales avancées (modélisation SEM), l’utilisation des scores factoriels pondérés par les saturations empiriques est préconisée.
• Interprétation normative des scores moyens :
  • Score de 1,00 à 2,50 : Incertitude de choix très faible. Catégorie hautement standardisée, familière ou transparente aux yeux du répondant (choix routinier sans anxiété).
  • Score de 2,51 à 4,50 : Incertitude modérée. Perception de légères nuances fonctionnelles entre marques ; vigilance normale sans paralysie décisionnelle.
  • Score de 4,51 à 7,00 : Incertitude aiguë. Marché opaque, complexe ou ressenti comme piégeux ; forte propension à la détresse cognitive et besoin impératif d’aides à la décision.

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

• Année de développement et publication : 2015 (dérivé de la matrice de Laurent & Kapferer, 1985).
• Statut des droits et propriété intellectuelle : L’article fondateur de Habel et Klarmann a été publié dans le Journal of the Academy of Marketing Science (Springer). Les items opérationnels adaptés relèvent du domaine de l’usage scientifique et académique standard.
• Politique de tarification : L’utilisation de l’échelle est entièrement gratuite dans le cadre exclusif de la recherche académique, de l’enseignement supérieur et des travaux universitaires non commerciaux.
• Conditions d’utilisation et permissions : Aucune autorisation formelle écrite n’est requise des auteurs pour une exploitation académique fondamentale, sous réserve impérative de citer exhaustivement la publication originale (Habel & Klarmann, 2015) ainsi que les travaux sources de Laurent et Kapferer (1985). Pour toute intégration commerciale propriétaire dans un progiciel de diagnostic d’entreprise payant, il convient de se référer aux conditions générales de diffusion de l’éditeur scientifique Springer Nature.

12. Références / References

Les sources académiques mentionnées dans cet article respectent les normes bibliographiques de l’American Psychological Association (APA 7e édition) :

• Bauer, R. A. (1960). Consumer behavior as risk taking. Dans R. S. Hancock (Éd.), Dynamic Marketing for a Changing World (pp. 389–398). American Marketing Association.
• Cunningham, S. M. (1967). The major dimensions of perceived risk. Dans D. F. Cox (Éd.), Risk Taking and Information Handling in Consumer Behavior (pp. 82–108). Harvard University Press.
• 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
• Habel, J., & Klarmann, M. (2015). Customer reactions to downsizing: When and how is satisfaction affected? Journal of the Academy of Marketing Science, 43(6), 768–789. https://doi.org/10.1007/s11747-014-0417-x
• Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
• Iyengar, S. S., & Lepper, M. R. (2000). When choice is demotivating: Can one desire too much of a good thing? Journal of Personality and Social Psychology, 79(6), 995–1006. https://doi.org/10.1037/0022-3514.79.6.995
• Jacoby, J., & Kaplan, L. B. (1972). The components of perceived risk. Advances in Consumer Research, 3(3), 382–383.
• Laurent, G., & Kapferer, J.-N. (1985). Measuring consumer involvement profiles. Journal of Marketing Research, 22(1), 41–53. https://doi.org/10.1177/002224378502200104
• Mitchell, V. W., Walsh, G., & Yamin, M. (2005). Towards a conceptual model of consumer confusion. Advances in Consumer Research, 32, 143–150.
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric Theory (3e éd.). McGraw-Hill.
• Schwartz, B. (2004). The Paradox of Choice: Why More Is Less. Ecco/HarperCollins Publishers.
• Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of Economics, 69(1), 99–118. https://doi.org/10.2307/1884852

13. Questions et items du questionnaire / Scale Items