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

 > 

Systeme mobile banking: analyse statistique des determinants du revenu des agents de proximite dans l'aire metropolitaine de Port-au-Prince

( Télécharger le fichier original )
par Fato FENE
Centre de Techniques de Planification et d'Economie Appliquee - DESS 0000
  

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

3.- Le test de signification globale du modèle

Il est effectué en utilisant le ratio du Log vraisemblance(LR). On a LR = 2 (Log L_R - Log L_U) avec L_R= valeur de la fonction du Log-vraisemblance contrainte sous l'hypothèse nulle et L_U = valeur de la fonction du Log-vraisemblance non contrainte. Sous l'hypothèse nulle, LR

suit une distribution d'un à k degrés de libertés. Si la statistique LR est supérieure au lu

dans la table pour un seuil de 5%, alors nous rejetons l'hypothèse nulle. 4.- Appréciation de la qualité du modèle

Il convient aussi d'apprécier la qualité du modèle. Pour ce faire, le Pseudo-R2 sera utilisé. Il détermine le pouvoir prédictif du modèle, c'est-à-dire la contribution du modèle dans l'explication du revenu des agents de proximité.

V.5.- Interprétation et discussion des résultats

L'analyse et la présentation des données à l'aide de textes narratifs, de tableaux et de graphiques une fois terminées, il a été question, ici, de les expliquer dans le contexte de l'étude et à la lumière des travaux et des écrits antérieurs. Pour ce, on a procédé à la vérification de l'authenticité des résultats en revenant sur les hypothèses, en convoquant justement les théories et les auteurs qui ont abordé la question étudiée et enfin on pourra tirer des conclusions et faire des recommandations.

58 | P a g e

Chapitre VI.- Analyse statistique des caractéristiques sociodémographiques et économiques des agents de proximité et les déterminants de leurs revenus dans l'activité Mobile Banking.

59 | P a g e

VI.1.- Analyse descriptive ou univariée des données de l'enquête

Cette rubrique concernant l'analyse descriptive de données vise principalement à analyser les fréquences des différentes variables sous-études c'est-à-dire la proportion associée à chaque modalité de ces variables. Elle est divisée en deux catégories de variables :

- Les variables dites économiques.

- Les variables sociodémographiques;

VI.1.1.- Les variables dites économiques

VI.1.1.1.- Les agents de proximité et leur revenu moyen par jour

Concernant le revenu des agents, nous constatons que 62.2% des enquêtés gagnent entre 350 et 1500 gourdes par jour, 32.9% gagnent moins de 350 gourdes et seulement 4.9% gagnent plus de 1500 gourdes (Voir Tableau 12, Annexe I). Par ailleurs, le revenu moyen journalier que gagne un agent de proximité est de 667.68 gourdes. Le plus bas revenu d'un agent de proximité est 200 gourdes et son revenu maximal est de 2000 gourdes (Voir Tableau 14, Annexe I). Le graphique suivant illustre parfaitement les résultats.

Graphe 1 : Distribution des agents de proximité selon leur revenu moyen par jour

Source : Elaboration propre à partir de l'enquête portant sur les agents de Mobile Banking dans l'aire métropolitaine de P-

.

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








"Je voudrais vivre pour étudier, non pas étudier pour vivre"   Francis Bacon