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

SECTION I: Estimation du modèle

Nous nous intéressons à la probabilité pour qu'un individu adopte Internet à domicile.

La première partie de cette section vise à modéliser l'adoption de l'Internet au foyer en utilisant les variables retenues (sous-section 1). Ensuite, dans la seconde partie, nous estimons les paramètres du modèle (sous-section 2).

§1. Spécification du modèle.

L'impact des caractéristiques des individus et des ménages sur l'adoption de l'Internet à domicile est obtenu à partir de la variable latente suivante :

acii * = â0 + â1genrei + â2agei + â3etudi + â4CSPi + â5avoirenfi + â6ctvcabi + â7lecddvdi + â8lecmp3i + â9telfixi + â10apni + â11camesi + åi .

acii^* : avoir un ordinateur connecté à domicile ; f30 est une constante ; genrei : sexe de l'individu (qui vaut 1 si l'individu est un homme et 0 s'il est une femme); agei : âge de l'individu ; etudi : niveau d'étude de l'individu ; CSPi : catégorie socioprofessionnel de l'individu ; avoirenfi: variable dichotomique valant 1 si le ménage a des enfants et 0 sinon ; ctvcabi : chaine TV par cable ; leccddvdi : lecteur CD/DVD ; lecmp3i : lecteur mp3 ; telfixi : téléphone fixe ; apni :appareil photo numérique ; camesi : caméscope/camera vidéo et Ei : le terme de l'erreur.

§2. Estimation des paramètres du modèle

La méthode maximum de vraisemblance est utilisée pour l'estimation des paramètres du modèle. Elle consiste à estimer les paramètres inconnus d'un modèle de sorte à maximiser la probabilité d'observer la variable expliquée sachant les variables explicatives. C'est un estimateur convergent et asymptotiquement nul.

La fonction de maximum de vraisemblance de la loi normale est donnée par la formule:

N L ( â) = ?			[ F ( X i â ) ] Yi [1 - F ( Xiâ )]^1	- Y i
i	=	1

N1 N2

L(â)=?F( Xiâ)

Si Y=1 et [ L ( â ) 1 ( ) = ? - F X â ] i

Si Y=0

i=1 i=1

N N 1 2 LnL â Y LnF X â ( ) = ( ) (1 ) 1 + - Y Ln F - i i i i = 1 i=1

( Xiâ)

? LnL

( â ) _v f ( X _iâ ) _{X v} - f ( X _iâ)

= +X = 0

i i

? â _i ( )

F X â 1 ( )

- F X â

Y = 1 i Y 0

i = i

Avec f (Xiâ) la fonction densité de la loi normale, N1 et N2 sont respectivement le nombre des ménages de l'échantillon qui ont une connexion Internet et ceux qui ne le possèdent pas.

La dernière équation, représente les K+1 conditions de premier ordre, qui doivent être vérifiées.

On obtient les valeurs des paramètres estimés par itérations.

SECTION II: Impacts des variables explicatives sur l'adoption de l'Internet à
domicile

L'objet de cette section est de déterminer l'impact des variables explicatives sur la probabilité d'adopter l'internet dans les foyers. Nous évaluons dans un premier temps l'effet de chaque variable retenue sur la probabilité d'adoption de l'Internet dans les ménages puis dans un second temps, nous faisons une appréciation de la qualité du modèle.

§1. Analyse et interprétation des résultats

Les résultats de l'estimation sont présentés dans le tableau 13 ci-dessous. En ce qui concerne la qualité du modèle : seulement 13,82% de l'adoption de l'Internet à domicile est expliqué par les variables indépendantes de notre modèle.

Seules les variables niveau d'étude supérieure, la possession des chaînes de télévision par câble, le lecteur CD/DVD, le téléphone fixe et le caméscope/caméra vidéo sont significativement différents de zéro et ont un effet positif sur la probabilité d'adoption de l'Internet à domicile en dehors de la variable lecteur CD/DVD.

Tableau 13 : Résultats de la régression du modèle Probit binomial

Variables explicatives et variables de références	Descriptif	Adoption
Sexe du répondant		.0131639
Réf. Etre une Femme	Homme	(0.08)
Tranche d'âge du chef de ménage	30-44ans	-.0969301
		(-0.48)
Réf. Avoir moins de 30ans	45-59ans	-.3143928
		(-1.18)
	60 ans et +	-.2036912
		(-0.48)
Niveau d'éducation du chef de ménage	Secondaire	.1764984
		(0.64)
Réf. Avoir un Niveau primaire	Supérieure	.6262375
		(2.24)^**
Catégorie socioprofessionnelle	Elèves et étudiants	.2623143
		(1.00)
Réf. Etre un chômeur	Agriculteurs et Artisans	...
	Grands commerçants et Chefs d'entreprise	.0084227
		(0.02)
	Cadres et Profession intellectuelle supérieure	.3401958
		(1.18)
	Professions intermédiaires	.3989499
		(1.15)
	Employés	...
	Ouvriers et Petits commerçants	.129471
		(0.51)
Ménage avec enfants	Ménage ayant des enfants	-.0895523
Réf. Ménage sans enfant		(-0.64)
TV par câble	Ménage ayant un abonnement télévision par câble	.4270002

		(2.28)^**
Lecteur CD/DVD	Ménage ayant un lecteur CD/DVD	-.6339767
		(-3.23)^***
Lecteur mp3	Ménage ayant un lecteur mp3	.0568272
		(0.31)
Téléphone fixe	Ménage ayant un téléphone fixe	.537636
		(2.63)^***
Appareil photo numérique	Ménage ayant un appareil photo numérique	-.0200261
		(-0.09)
Caméoscope/caméra	Ménage ayant un Caméoscope/caméra	.6560187
		(2.45)^***
Pourcentage de prévisions correctes		98.47%
Log de vraisemblance		-155.95316
(.) : la statistique de Wald *** : significatif à moins de 1%
Pseudo R^2=0.1382 ** : significatif à moins de 5%
... : la variable n'est pas utilisée dans ce modèle * : significatif à moins de 10%
Réf.= variable de référence

Les impacts marginaux de la régression sont présentés dans le tableau 14 ci-après.
Tableau 14 : Effets marginaux de la régression du modèle Probit binomial

Variables explicatives et variables de références	Descriptif	Adoption
Sexe du répondant		.0002987
Réf. Etre une Femme	Homme	(0.08)
Tranche d'âge de l'individu	30-44ans	-.0021117
Réf. Avoir moins de 30ans		(-0.48)

	45-59ans	-.0056955 (-1.18)
	60 ans et +	-.0037388 (-0.48)
Niveau d'éducation	Secondaire	.0038646
Réf. Avoir un Niveau inférieure au bac		(0.64)
	Supérieure	.0226727
		(2.24)^**
Catégorie socioprofessionnelle	Elèves et étudiants	.0072866
Réf. Etre un chômeurs		(1.00)
	Agriculteurs et Artisans	...
	Grands commerçants et Chefs d'entreprise	.0001929
		(0.02)
	Cadres et Profession intellectuelle supérieure	.0108169
		(1.18)
	Professions intermédiaires	.013966
		(1.15)
	Employés	...
	Ouvriers et Petits commerçants	.0031292
		(0.51)
Ménage avec enfants	Ménage ayant des enfants	-.0020012
Réf. Ménage sans enfant		(-0.64)
TV par câble	Ménage ayant une télévision ayant un câble	.0094193
		(2.28)^**
Lecteur CD/DVD	Ménage ayant un lecteur CD/DVD	-.0189199
		(-3.23)^***
Lecteur mp3	Ménage ayant un lecteur mp3	.0013409
		(0.31)
Téléphone fixe	Ménage ayant un téléphone fixe	.0221368

		(2.63)^***
Appareil photo numérique	Ménage ayant appareil photo numérique	-.0004459
		(-0.09)
Caméoscope/caméra	Ménage ayant un	.0319356
	Caméoscope/caméra
		(2.45)^***
Pourcentage de prévisions correctes		98.47%
Log de vraisemblance		-155.95316
(.) : la statistique de Wald *** : significatif à moins de 1%
Pseudo R^2=0.1382 ** : significatif à moins de 5%
... : la variable n'est pas utilisée dans ce modèle * : significatif à moins de 10%
Réf.= variable de référence

Les calculs de l'auteur.

D'après le tableau 14 ci-dessus, il apparaît que le modèle n'est pas globalement significatif car le pseudo R² =0,1382(très inférieure à l'unité). La variabilité des variables explicatives du modèle expliquerait seulement 13,82% de la variabilité de la variable dépendante. Il ressort du même tableau que le niveau d'étude supérieure augmente la probabilité d'adopter Internet à domicile. Ce qui confirme notre première hypothèse selon laquelle : le niveau d'étude du chef de ménage influence positivement l'adoption de l'Internet à domicile. En effet, les ménages dont les chefs ont le niveau d'étude supérieure ont un effectif (19) supérieur à la moyenne des adoptants (11,67). Ceci peut être dû au fait que ces chefs ont des compétences numériques qu'ils ont acquit à l'école.

L'adoption de l'Internet à domicile n'est pas liée au sexe comme nous l'avons prédit. Ainsi donc, point de différence de genre pour adopter Internet dans les ménages camerounais : ce qui confirme les résultats d'ANAÏS. De même l'âge de l'individu n'influence pas l'adoption en raison de la non significativité des différentes tranches d'âge. Ainsi, au Cameroun l'adoption de l'Internet à domicile ne dépend pas de l'âge de l'individu. Ce résultat est différent des résultats de la littérature. Les variables la CSP et les ménages avec enfants n'ont pas d'effet sur la probabilité d'adopter Internet à domicile. Ainsi donc, adopter Internet à domicile dans notre environnement, ne dépend ni de la CSP, ni du fait d'avoir les enfants dans le foyer. La grande partie des variables d'équipement en TIC étant significative

et ayant un effet positif, ces résultats montrent que les ménages camerounais technophiles adoptent plus Internet. Ce résultat vérifie notre seconde hypothèse selon laquelle : les ménages technophiles adoptent plus l'Internet et il confirme les résultats obtenus dans la partie descriptive et les résultats obtenus dans les articles cités dans ce mémoire.

Le niveau d'étude du chef de ménage et l'équipement en TIC sont pertinents dans cette étude. Ces résultats ont des implications économiques. En effet, la mise sur pied des politiques visant à accroître l'adoption de l'Internet dans les foyers (la réduction du coût d'accès à Internet, le renforcement des formations sur les TIC) cela aura des effets positifs dans l'économie (augmentation du chiffre d'affaire des agents économiques commercialisant des PC et par effet d'entraînement à l'accroissement du PIB).

§2. Appréciation de la qualité du modèle

Il est question dans cette sous section de faire une évaluation du comportement du modèle sur l'échantillon qui a servi à l'estimation et en dehors de celui-ci. Pour ce faire, nous allons réaliser dans un premier temps un test pour évaluer la qualité du modèle à prédire les valeurs 0 et 1 de la variable dépendante (qualité de la prédiction), puis dans un second temps vérifier la conformité des probabilités calculées aux probabilités théoriques de l'évènement Yi =1 (test d'adéquation d'Hosmer- Lemeshow).

§2.1. La Qualité de la prédiction

Au seuil 50%, le tableau 15 ci-après, montre que : pour les ménages qui ont adopté l'Internet, les 35 cas ont été mal prédits et pour les foyers n'ayant pas adopté l'Internet, tous les 2464 cas ont été bien prédits.

Tableau 15 : Prédiction du modèle

Probit model for aci
True

Classified | D ~D | Total

+ +

+ | 0 0 | 0

- | 35 2249 | 2284

+ +

Total | 35 2249 | 2284

Classified + if predicted Pr(D) >= .5 True D defined as aci != 0

Sensitivity Pr( +| D) 0.00%

Specificity Pr( -|~D) 100.00%

Positive predictive value Pr( D| +) .%

Negative predictive value Pr(~D| -) 98.47%

False + rate for true ~D Pr( +|~D) 0.00%

False - rate for true D Pr( -| D) 100.00%

False + rate for classified + Pr(~D| +) .%

False - rate for classified - Pr( D| -) 1.53%

Correctly classified 98.47%

Source de données : la base de données de l'enquête sur les Usages des TIC par les citoyens et les ménages : camerounais et gabonais diligentée par le GRETA en Juin 2008.

§2.2. Test de Hosmer-Lemeshow

D'après le tableau 16 ci-dessous qui résume le test d'adéquation de HosmerLemeshow, il ressort que l'hypothèse d'adéquation des probabilités calculées aux probabilités théoriques de l'évènement Yi =1 est vérifiée car la valeur de la statistique HL (14.38) est supérieure au seuil de risque (0.0723).

Tableau 16: Test d'adéquation de Hosmer-Lemeshow

Probit model for aci, goodness-of-fit test

(Table collapsed on quantiles of estimated probabilities)

number of observations =	2284
number of groups =	10
Hosmer-Lemeshow chi2(8) =	14.38
Prob > chi2 =	0.0723

Source de données : la base de données de l'enquête sur les Usages des TIC par les citoyens et les ménages : camerounais et gabonais diligentée par le GRETA en Juin 2008.

Au terme de ce chapitre qui avait pour objectif la détermination des facteurs explicatifs de l'adoption de l'Internet à domicile, nous pouvons retenir que le niveau d'étude et l'équipement TIC des ménages sont les seules facteurs déterminants de notre échantillon. Dans l'ensemble, le modèle n'est pas significatif. Ceci peut avoir plusieurs causes par exemple la proportion des adoptants de l'Internet à domicile parmi les enquêtés (1,32%), mais aussi la non pertinence des différentes réponses données par les enquêtés pour certaines questions délicates.