Memoire Online - Les facteurs de l'exclusion bancaire au Cameroun.

La présente section se subdivise en deux sous-parties : la première est consacrée à l'estimation du modèle et la seconde porte sur l'interprétation des résultats.

II.1- L'estimation du modèle mesurant l'exclusion bancaire par la détention d'un compte bancaire

Elle se fait avec le logiciel STATA/S 13. Les résultats sont présentés dans le tableau suivant :

Tableau 4.1 : Estimation du modèle relatif à la détention d'un compte bancaire

variable endogène EXCLU1	variables exogènes	Coefficients		p-value	Significativité
	Proximité	0,46274		0,001	1%
	Supérieur	1.173662		0,012	1%
	Richesse	0,0337		0,098	*10%*
	Confiance	0,12771		0,0337	5%
Logistic regression			Nombre d'observations			1000
			LR chi2(4)			7.60
			Prob > chi2			0.0058
Log likelihood = -99.917048			Pseudo R2			0.0366

La qualité du modèle est évaluée par le test du rapport de vraisemblance (LR Statistic), lequel suit une loi de khi-deux à K degrés de liberté. C'est une procédure qui se rapproche du test de significativité global de Wald. Le nombre de degrés de liberté est égal au nombre de variables explicatives, 4 dans le cas présent.

La règle de décision est telle que H1 est acceptée si la statistique calculée est supérieure à la probabilité de la LR statistic. Comme dans notre cas la valeur trouvée 7,60 est bel et bien supérieure à celle de la probabilité du rapport de vraisemblance, on accepte H1, ce qui revient à dire que le modèle est globalement significatif.

Par ailleurs, la qualité de la régression est analysée par le Pseudo R² de Macfadden (1973), utilisé pour quantifier la contribution des descripteurs dans l'explication de la variable endogène. Nous retenons celui de Macfadden car Ménard (2013) suggère qu'il est, non seulement le plus proche du coefficient de détermination de la régression linéaire multiple, mais aussi le plus adapté à la régression logistique.

Toutefois, le R² des modèles logit prennent généralement des valeurs proches de 0, ils tendent difficilement vers 1. On ne saurait donc réellement les prendre en considération pour évaluer la qualité du modèle.

C'est la raison pour laquelle on fait généralement appel à la courbe ROC (Receiver Operating Characteristics). Celle du présent modèle est donnée par le graphique ci-dessous :

Dans la logique de son analyse de la courbe ROC, on désigne par sensibilité (sensivity), la proportion d'individus possédant un compte bancaire et par spécificité (specificity), la proportion d'individus n'en possédant pas. Si l'on fait varier la probabilité seuil à partir de laquelle on considère qu'un événement doit être considéré comme positif, la sensibilité et la spécificité varient.

L'aire en-dessous la courbe (ou Area Under the Curve - AUC) est un indice synthétique calculé pour les courbes ROC. Habituellement, on considère que le modèle est bon dès lors que la valeur de l'AUC est supérieure à 0.5. Un modèle ayant une AUC supérieure à 0.9 est excellent.

A l'observation du graphique ci-dessus, la valeur de l'AUC s'élève à 0,978. On peut donc conclure que l'ajustement est de bonne qualité.

Les tests sus effectués visaient à juger de l'adéquation du modèle. Etant donné que tous les résultats étaient favorables, on peut dire du modèle qu'il est adéquat : les variables exogènes choisies contribuent significativement à expliquer la détention d'un compte bancaire.

Il convient à présent de présenter les résultats de l'estimation proprement dits.

Les valeurs numériques des coefficients présentés dans le tableau 3.1 n'ont pas d'interprétation directe. En revanche leur signe est interprétable, il permet de savoir si la probabilité de détenir un compte bancaire est une fonction croissante ou décroissante de la variable explicative correspondante.

D'emblée, on observe que les signes de tous les coefficients sont positifs. Cela signifie qu'il existe une corrélation positive entre la probabilité de détenir un compte bancaire d'une part, et la richesse, la proximité, le niveau d'instruction, la confiance envers les banques d'autre part.

- si l'on considère la proximité, le signe positif obtenu est conforme à nos attentes. Ainsi, la probabilité pour un individu de détenir un compte bancaire est une fonction croissante de la proximité des infrastructures bancaires ;

- de même, la probabilité d'avoir un compte bancaire est d'autant plus importante que le niveau d'éducation de l'individu considéré est élevé ;

- concernant la richesse, le signe positif du coefficient y associé corrobore avec les attentes théoriques et indique l'influence positive de cette variable explicative sur la probabilité de détenir un compte bancaire ;

- enfin, la probabilité de posséder un compte bancaire augmente à mesure que la confiance envers les institutions bancaires croit.

Pour finir, les odds-ratios associés à ce modèle sont synthétisés dans le tableau ci-après :

Variable endogène EXCLU1	Variables exogènes	Coefficients	P-value	significativité
	Proximité	0.0806	0.091	10%
	Supérieur	0.03662	0.08	10%
	Richesse	0.07	0.0198	5%
	Confiance	0.1004	0.337	Non

Ces ratios ou rapports de chance permettent d'identifier les variables explicatives les plus pertinentes et donc celles sur lesquelles il convient d'agir prioritairement, en vue de réduire l'exclusion bancaire au Cameroun.

En suivant l'ordre dans lequel les variables explicatives sont classées dans le tableau, on peut faire les interprétations suivantes :

- la probabilité de détenir un compte bancaire est 8,06 fois plus élevée pour un individu résidant à proximité des infrastructures bancaires (agences et DAB) ;

- pour un individu ayant fait l'enseignement supérieur, cette probabilité est 3,66 fois plus grande que pour un individu ayant un niveau inférieur ;

- de même, la probabilité d'avoir un compte dans une banque est d'autant plus importante que l'individu est riche, soit 7 fois de plus qu'un individu pauvre ;

- cette probabilité est enfin 10,04 fois plus forte pour un individu ayant confiance dans les institutions bancaires.

Au regard de ces résultats, la confiance, la richesse et la proximité ont un impact plus élevé sur la probabilité de détenir un compte bancaire.

Les facteurs de l'exclusion bancaire au Cameroun.

SECTION II- L'estimation du modèle et l'interprétation des résultats

II.1- L'estimation du modèle mesurant l'exclusion bancaire par la détention d'un compte bancaire