WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Les déterminants de l'adoption de l'internet à  domicile

( Télécharger le fichier original )
par Alfred Jacquy Moubep
Université de Douala - DEA 2009
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

CONCLUSION

Au terme de cette partie dont l'objectif était de présenter les facteurs explicatifs de l'adoption de l'Internet à domicile, dans le chapitre premier nous avons présenté le concept de fracture numérique. Il ressort de ce chapitre que : le concept de fracture numérique est complexe. Il existe plusieurs fractures numériques mais globalement on distingue : la fracture du premier ordre liée à la dimension matérielle, et la fracture numérique du second ordre liée à la dimension intellectuelle et sociale. Dans le second chapitre, il était question dans un premier temps d'exposer les facteurs qui influencent ou non l'adoption de l'Internet dans les ménages puis, dans un second temps de situer notre pays en ce qui concerne l'adoption et l'usage de l'Internet. Il ressort qu'il existe plusieurs facteurs susceptibles d'influencer l'adoption de l'Internet à domicile. Nous pouvons retenir des travaux antérieurs sur notre pays que : malgré les efforts observés, le Cameroun a encore du chemin à faire pour entrer dans la société de l'information.

Deuxième Partie

METHODOLOGIE ET
FACTEURS EXPLICATIFS DE L'ADOPTION DE L'INTERNET

INTRODUCTION

La partie qui précède nous a permis de présenter les facteurs souvent cités dans la littérature comme déterminants de l'adoption de l'Internet à domicile. Dans cette deuxième partie, notre objectif est de déterminer les facteurs responsables ou non de l'adoption de l'Internet au Cameroun. Avant d'y arriver, nous allons présenter la méthodologie et analyser les données dans le troisième chapitre, puis dans le quatrième chapitre évalué exactement l'impact des variables que nous allons retenir à l'issue de l'analyse descriptive sur l'adoption de l'Internet à domicile.

CHAPITRE

III

METHODOLOGIE ET ANALYSE DESCRIPTIVE DES DONNEES

L'objectif de ce chapitre est de mesurer parmi les variables explicatives celles qui influencent l'adoption de l'Internet à domicile. En fait il s'agit d'un test de causalité entre la variable dépendante et une variable explicative, d'où la nécessité de choisir parmi les méthodologies une permettant de mesurer le lien de causalité entre un phénomène A et un phénomène B, l'un causant l'autre. Ainsi donc, la première section de ce chapitre présente l'approche méthodologique et la seconde section fait une analyse exploratoire des données.

SECTION I: Approche méthodologique

Avant de développer cette section, notons que notre étude s'inscrit dans une technique causale. Un phénomène A est dit cause d'un phénomène B lorsque l'existence et (ou) les variations de B sont déterminées par l'existence et (ou) les variations préalables de A.

L'approche causale met en exergue plusieurs informations :

> Elle étudie la relation entre des variables explicatives et d'autres variables expliquées.

> Elle donne les informations sur au moins deux variables.

> La prévision ne dépend pas seulement du comportement passé de la variable d'intérêt, mais aussi du comportement des autres variables

> Elle permet de faire des analyses sur les effets de certaines variables sur la variable d'intérêt.

> Elle utilise des modèles économétriques.

L'approche causale, dans le cadre de l'analyse économétrique utilise deux types de modèles à savoir : les modèles de probabilité linéaire, les modèles dichotomiques (Logit ou Probit). Le premier type de modèle présente des inconvénients parce que la probabilité peut souvent dépasser l'unité. L'avantage qu'ont les modèles discrets ne réside dans le fait que leur probabilité se situe toujours dans l'intervalle [0,1], ce qui n'est pas le cas pour les modèles linéaires.

§1.Le modèle Logit

Plusieurs travaux ont utilisé le modèle Logit sur l'étude de l'adoption et de l'usage d'Internet à l'instar des auteurs comme : Lethiais et Poussing « Adoption, Usages d'Internet et Apprentissage : une Comparaison Bretagne /Luxembourg » ; ils ont estimé leurs variables grâce à deux modèles Logits. La variable binaire Yi valait 1 dans le premier modèle, si l'individu possédait une connexion Internet à domicile et, dans le deuxième modèle, si l'individu utilisait Internet à domicile, elle vaut 0 sinon. Ils ont associé une valeur Yi à iY*

qui est son utilité lorsque l'individu choisit de se connecter ou d'utiliser Internet : cette variable yi x i â u i

* = + dépend des caractéristiques de l'individu (notées xi) et du terme de

l'erreur (ui). Cette utilité est aléatoire grâce à la présence du terme ui. Si l'utilité que l'individu retire de la connexion (ou de l'utilisation) est supérieure à une certaine valeur, il choisira d'avoir une connexion (ou d'utiliser) Internet sinon, il choisira de ne pas avoir une connexion (ou de ne pas utiliser) Internet.

Ce qui donne :

yi = 1 si yi c

* >-

yi = 0 si yi c

* =

La règle de décision devient : Pr( 1) Pr(

y = = x u c

â + >- ) 1 Pr(

= - u c x

-< - )

i i i i i â

Pr( 0) Pr(

y = = x u c ) Pr( u c x )

i i â + = = -

=

i i i â

Comme la valeur seuil c peut être normalisée à 0, et étant donnée la distribution logistique, les probabilités de se connecter ou de ne pas se connecter à domicile sont :

exp( )

x et exp( )

- â 1

i â x i

Pr( 1)

y = = Pr( 0)

y = = =

i i

1 exp( )

+ x i â + -

1 exp( ) 1 exp( )

x + x

i â i â

Le modèle Logit est souvent utilisé dans la plupart des études d'adoption car il est plus aisé à manipuler, mais surtout parce que la fonction logistique présente certains avantages par rapport à la fonction normale. La loi logistique tend à attribuer aux évènements « extrêmes » une probabilité plus forte que la distribution normale (Hurin, 2003) cité par les auteurs Diagne, Birba et Maazou en 2008. Toutefois les modèles Logit et Probit donnant des résultats similaires dans cette étude, nous avons retenu le modèle Probit comme outil d'analyse pour spécifier les relations entre la probabilité d'adopter Internet à domicile et les facteurs explicatifs de cette adoption car il permet d'utiliser la loi normale centrée et réduite pour les résidus.

§2. Le modèle Probit binomial.

Dans cette sous-section nous allons présenter le modèle Probit binaire choisi pour l'estimation de notre modèle.

Nous supposons, en effet, que l'adoption de l'Internet à domicile suit une loi normale centrée et réduite.

Soit F (Xâ) la fonction de répartition de la loi normale N (0,1) avec X le vecteur des paramètres.

On pose Yi = F (Xiâ) + åi ? åi = Yi - F (Xiâ).

Avec Yi, la variable binaire exprimant l'adoption de l'Internet à domicile. On rappelle que la variable Yi prend la valeur 1 si le ménage dispose d'un ordinateur connecté à domicile et, elle vaut 0 sinon.

On suppose que les erreurs åi suivent la même loi que Y donc elles sont normales centrées et réduites. Ce qui implique que leur espérance mathématique est nulle (E (å) = 0).

Soit P, la probabilité que le ménage possède un ordinateur connecté à domicile. (Prob(Y=1) = P) et 1-P la probabilité qu'il ne le possède (Prob(Y=0) = 1-P). Comme Y ne peut prendre que deux valeurs (0 ou 1) alors åi aussi ne peut prendre que deux valeurs :

åi = 1- F(Xiâ) si Y=1 avec la probabilité P et åi = - F(Xiâ) si Y=0 avec la probabilité 1-P. Soit E(å) l'espérance mathématique de å.

E(å) = (1- F(Xiâ) P - (1-P) F(Xiâ))= 0 ? P= F(Xiâ). Donc la probabilité que le ménage possède un ordinateur connecté est donnée par Pro (Y=1)=F (Xiâ) et la probabilité qu'il ne le possède est : Prob (Y=0)= 1- F (Xiâ).

On peut avoir le même résultat à partir d'un développement utilisant la variable latente.

Notons Y* la variable latente qui est inobservable dont la valeur dépend d'une série de variables explicatives Xi, nous avons l'équation suivante :

Yi*= â Xi * + åi (1)

â étant le vecteur des paramètres, Xi la matrice des variables explicatives et åi est le terme de l'erreur.

La variable dichotomique Y, observé, est liée à la variable latente Y* par la relation suivante :

Y= |1 si Y*>0 (2)

|0 sinon

Si Y*>0, le ménage a suffisamment d'incitation à acquérir une connexion Internet et la variable dichotomique prend la valeur 1. Le terme d'erreur est dû aux effets non considérés tels que : la possible difficulté à acquérir une connexion à Internet.

Prob (Yi=1) = Prob (Y* i >0) = Prob (X* iâ> -å) = F (Xiâ). Prob (Yi =0) = Prob (Y*i =0) = Prob (X* iâ= -å) =1- F (Xiâ).

Dans cette section qui s'achève, il était question de présenter la méthodologie utilisée dans les études ayant une variable dépendante discrète. C'est ainsi que, nous avons exposé le modèle Logit et le modèle Probit retenu pour l'estimation des coefficients de notre modèle. La section qui va suivre nous permettra de faire les statistiques descriptives des variables explicatives que nous utiliserons pour estimer notre modèle.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Nous voulons explorer la bonté contrée énorme où tout se tait"   Appolinaire