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.
| 
