Memoire Online - Services financiers mobiles, inclusion financière et croissance des dépôts bancaires dans l'UEMOA.

Ce point analyse et commente les résultats d'estimation de l'étude. Nous présentons d'abord la statistique descriptive des variables. Ensuite, les résultats d'estimation du modèle (7) et (8).

Services financiers mobiles, inclusion financière et croissance des dépôts bancaires dans

1. Statistique descriptive des variables

Le tableau 3 ci-dessous présente les statistiques descriptives des variables. Ces variables ont été utilisées dans les estimations des équations (7) et (8). Il ressort de ce tableau que parmi les variables endogènes le taux global d'utilisation des services financiers (TGUSF) qui mesure l'inclusion financière à une valeur maximum le plus élevée que la croissance des dépôts bancaires (crdepot). Cela montre que les valeurs moyennes des deux variables ne sont pas égales. Le taux d'alphabétisation des adultes (TAA) a une valeur moyenne plus élevée. Son écart-type est également élevé. Cela veut dire elle est la variable exogène la plus volatile. Parmi les variables qui ont des valeurs moyennes élevées après le taux d'alphabétisation des adultes, il y a la croissance des dépôts bancaires suivi du taux global d'utilisation des services financiers dont son écart-type est le plus élevé.

Variable	Moyenne	Ecarts-types	Minimum	Maximum
LNMDC	10,59953	2,160964	5,087596	12,56963
TGUSF	42,39595	25,71671	4,106	122,129
LNPOP	15,6519	0,7549137	13,65719	16,40126
LNMM	7,343273	0,9761107	4,717811	9,182317
LPIBH	13,07471	1,093394	11,84223	15,8094
TINFLM	1,351389	1,57328	-1,8	6,7
TAA	47,02264	20,52291	20,78504	95
LNRNBH	12,4258	0,571	11,07	13,516
T USME	16,70953	19,79432	0	16,61
crdepot	46,07	24,31	0,012	112,90

Services financiers mobiles, inclusion financière et croissance des dépôts bancaires dans l'UEMOA

2. Résultats d'estimation de l'effet des services financiers mobiles sur l'inclusion financière

Le tableau 4 ci-dessous présente les résultats des estimations du modèle à effet aléatoire et du modèle dynamique Arellano-Bover/ Blundell-Bond.

Tableau 4 : Estimation GMM en Système de Arellano-Bover/ Blundell et Bond
VARIABLES		(1) Random	(2) Arellano-Bover/ Bundell-Bond
Taux global d'utilisation des services financiers (-1)			0.184**
			(0.0802)
Logarithme de la Masse Monétaire		41.23***	57.87***
		(6.721)	(12.40)
Taux d'utilisation des services de monnaie électronique		-0.120	0.359*
		(0.112)	(0.201)
Logarithme du produit intérieur brut par habitant		-27.20***	-41.97***
		(6.675)	(8.484)
Logarithme de la population		-36.55***	-66.96***
		(13.35)	(16.77)
Taux d'inflation moyen		-1.070	-1.286
		(1.341)	(1.504)
Taux d'alphabétisation des adultes		1.138***	1.464***
		(0.208)	(0.252)
Constant		617.2**	1,146***
		(242.1)	(273.6)
Observations		72	63
Wald chi2		101,23***	57,78***
Number of Annes		9	9
Test de Sargan			18,422*
*,	et * indiquent respectivement la significativité des variables à 10%, 5% et 1%

Source : Réalisé par l'auteur à partir du logiciel Stata 13, juillet 2019

Services financiers mobiles, inclusion financière et croissance des dépôts bancaires dans

Le tableau 4 ci-dessus présente les résultats des estimations du modèle à effet aléatoire (colonne 1) et du modèle dynamique Arellano-Bover/ Blundell-Bond (colonne 2). Nous utilisons le taux global d'utilisation des services financiers (TGUSF) comme indicateur de l'inclusion financière. La statistique de Wald a été utilisée pour tester l'hypothèse nulle selon laquelle tous les coefficients étaient simultanément égaux à zéro. Les résultats de ce test montrent que le modèle est globalement significatif au seuil de 1%. Plusieurs variables du modèle (2) sont significatives. Premièrement, la variable endogène retardée d'une période est significative au seuil de 5% et son coefficient se situe entre 0 et 1. Cela signifie donc que le taux d'inclusion financière des périodes précédentes détermine de manière significative le taux d'inclusion financière actuel et suggère un effet de rattrapage. Un coefficient nul indiquerait un rattrapage complet, tandis qu'un coefficient compris entre 0 et 1 indique un rattrapage partiel (Senou et al., 2019). Sur le plan économique, ces coefficients indiquent que les pays à forte inclusion financière ont tendance à couvrir la majeure partie de leur déficit d'inclusion financière passé. Deuxièmement, la masse monétaire au sens large est significative. Le signe de son coefficient est positif, il est attendu. Donc, il existe un lien positif entre l'inclusion financière et la masse monétaire. C'est-à-dire, plus la quantité de monnaie en circulation dans une économie est élevée, plus les pauvres ont accès aux services financiers formels. Ce résultat corrobore avec l'étude de Nkouka (2019) qui porte sur les déterminants de l'inclusion financière dans les pays de la Communauté Economique et Monétaire d'Afrique Centrale (CEMAC). De même, Senou et al., (2019) ont découvert que la masse monétaire détermine significativement la dynamique de l'inclusion financière dans l'UEMOA. De plus, comme Adrianaivo et Kpodar (2012) la masse monétaire au sens large est un facteur déterminant de l'accès aux services financiers.

Troisièmement, la variable taux d'utilisation des services de monnaie électronique (TUSME) est significatif et positivement corrélé à l'inclusion. Cela signifie que la fourniture de services financiers via les technologies mobiles affecte de manière positive et significative l'inclusion financière dans les pays de l'UEMOA au seuil de 10%. Ce résultat corrobore avec l'étude de GSMA (2014) qui a montré que les services financiers mobiles contribuent à l'inclusion financière et au développement économique. De même, nos conclusions sont conformes à celles d'Adrianaivo et Kpodar (2012), qui ont indiqué que les technologies de l'information et de la communication sont un vecteur d'inclusion financière et, partant, un développement inclusif. Dans le même esprit, Jack & Suri (2011) et Ndung'u (2018) ont indiqué que sans les technologies numériques, l'inclusion financière en Afrique et en particulier dans les pays de l'UEMOA serait un mythe.

Services financiers mobiles, inclusion financière et croissance des dépôts bancaires dans

Quatrièmement, le produit intérieur brut par habitant, il est significatif et négativement corrélé à l'inclusion financière. Cela signifie que, les pays de l'UEMOA ont un niveau de P11B par habitant moins inclusif sur le plan financier. Ce résultat a été obtenu dans plusieurs études récentes (Olaniyi, 2016, Okoroafor et al., 2018, KazeemAjide, 2017, Bhawna ,2017). De même, nos conclusions sont en accord avec ceux de Sarma et Pias (2011) qui ont confirmé que les pays où le produit intérieur brut (P11B) par habitant est faible semblent être moins inclusifs sur le plan financier.

Cinquièmement, la variable population, elle est significative et négativement corrélée à l'inclusion financière. Cela signifie que, la croissance démographique est fortement défavorable à l'inclusion financière. Ce résultat contraste malheureusement avec ceux de Chithra et Selvam (2013) qui ont montré que la croissance démographique était l'un des déterminants clés d'inclusion financière. Ce résultat indique que dans les pays en développement, comme l'UEMOA, la démographie génère davantage de pauvres qui n'ont pas nécessairement accès aux services financiers formels. Cependant, avec les technologies numériques telles que la téléphonie mobile permettant des services financiers, ces populations exclues peuvent facilement et adéquatement accéder aux services financiers.

Sixièmement, le taux d'alphabétisation des adultes (TAA), il est significatif et positif. Cela signifie que le taux d'alphabétisation des adultes à tendance à augmenter le nombre de personnes ayant accès aux banques commerciales. Il est un indicateur dans l'explication du comportement financier des individus sur le plan macroéconomique et microéconomique. Une personne instruite par rapport à une autre non instruite, serait mieux informée de l'existence des différentes institutions financières et des opportunités qu'elles offrent. Elle serait davantage disposée à assimiler les procédures et les principes de fonctionnement, à apprécier les bénéfices et pourrait de ce fait décider du volume de ces opérations avec l'institution (Boukary Ouedraogo, 2008). Aussi, les personnes ayant un niveau d'éducation plus élevé sont plus susceptibles d'avoir accès à l'éducation financière et ont donc un niveau d'instruction financière plus élevé, ce qui peut aider à améliorer la prise de décision concernant des questions financières (Shem et al., 2017). Comme Rogers (1995), Allen et al., (2016) dans le monde, Zins et Weill (2016) dans le monde, Fungacova et Weill (2015) en Chine, Soumaré et al., (2016) dans l'UEMOA et dans la CEMAC, nous constatons que plus d'adultes éduqués sont plus susceptibles d'accéder aux services financiers mobiles et d'être ainsi inclus financièrement. De même, nos conclusions sont en accord avec ceux de Domeher et al., (2014) qui indiquent que

Services financiers mobiles, inclusion financière et croissance des dépôts bancaires dans

les clients instruits sont susceptibles de comprendre les risques et les avantages liés à un produit financier innovant. Donc, l'éducation est positivement et significativement associée à l'inclusion financière.

Par à la suite, nous nous sommes intéressé aux choix entre le modèle à effets fixe et le modèle à effets aléatoire à partir du test de Hausman. Le test de spécification d'Hausman (1978) est un test général qui peut être appliqué à de nombreux problèmes de spécification en économétrie. Mais son application la plus répandue est celle des tests de spécification des effets individuels en panel. Il sert à discriminer les effets fixes et aléatoires. Les hypothèses du test sont les suivantes :

H0 : Modèle à effets aléatoires (Estimateur des moindres carrés généralisés)

Les résultats du test sont présentés en annexe. Pour l'échantillon considéré, la réalisation de la statistique du test de Hausman est de -1,98. Cette statistique est inférieure à la statistique de Khi-Deux lu sur la table statistique (ch2(6)=12,59 au seuil de 5%). L'hypothèse nulle d'absence de corrélation entre les effets individuels et les variables explicatives n'est pas rejetée. Nous pouvons donc privilégier l'adoption d'un modèle à effets aléatoire et retenir l'estimateur des moindres carrés généralisés. Donc, le modèle à effets aléatoires est le meilleur modèle pour estimer l'effet de la technologie mobile sur l'inclusion financière dans l'UEMOA.

Par ailleurs, l'efficacité de l'estimation des GMM repose sur la validité de deux tests. Le test de Sargan/Hansen qui nous permet de tester la validité de la variable retardée que nous utilisons comme instrument. Ce test est construit sur l'hypothèse que le terme d'erreur ne doit pas être corrélé avec l'ensemble des variables exogène si les instruments sont valides. En effet, la statistique du test de Sargan/Hansen effectué sur les restrictions est de 18,422 (tableau 4) et la probabilité critique est de 0,0613 (Prob > chi2 = 0,0613). Ainsi, le test de Sargan/Hansen (Prob = 0,0613) ne permet pas de rejeter l'hypothèse de validité de la variable retardée en niveau et en différences comme instruments.

Services financiers mobiles, inclusion financière et croissance des dépôts bancaires dans l'UEMOA.

Paragraphe 2 : Analyse des résultats d'estimation de l'étude

1. Statistique descriptive des variables

2. Résultats d'estimation de l'effet des services financiers mobiles sur l'inclusion financière