| Titre | Adoption des services financiers mobiles : une application à la ville de Yaoundé | |
|---|---|---|
| Auteur | Steve Douanla Meli, Benjamin Fomba Kamga | |
 |
Revue | Revue d'économie du développement |
| Numéro | vol. 28, no 4, décembre 2020 | |
| Page | 83-140 | |
| Résumé |
Cette étude se propose d'analyser aussi bien l'adoption des services financiers mobiles (SFM) que l'intensité de cette adoption dans la ville de Yaoundé. Plus précisément, sur la base des données recueillies auprès de 1200 individus, elle tente, premièrement, de dresser le profil des adoptants des SFM selon leurs différents modes d'adoption; deuxièmement, d'identifier les facteurs explicatifs de l'intensité d'adoption. Ainsi, à l'aide d'une régression logistique multinomiale, elle compare les probabilités d'adoption partielle et d'adoption passive versus l'alternative de base retenue, à savoir l'adoption complète. Ensuite, à travers un modèle de Poisson, elle identifie les déterminants de l'intensité d'adoption des SFM. Enfin, une approche par la fonction de contrôle est utilisée pour corriger l'hétérogénéité inobservée. Les résultats de cette étude révèlent que les facteurs socio-économiques tels que l'âge, le statut socioprofessionnel, le niveau d'éducation et les facteurs fonctionnels et extra-fonctionnels, notamment la facilité d'utilisation perçue, la sécurité perçue et l'utilité perçue, affectent de manière différenciée aussi bien les différents modes d'adoption des SFM que l'intensité de leur adoption dans la ville de Yaoundé.Codes JEL: O16, O32, G20. Source : Éditeur (via Cairn.info) |
|
| Résumé anglais |
This study proposes to analyze both the adoption of mobile financial services (MFS) and the intensity of this adoption in the city of Yaoundé. More precisely, based on data collected from 1,200 individuals, it first attempts to profile MFS adopters according to their different modes of adoption, and then to identify the explanatory factors of adoption intensity. Thus, using a multinomial logistic regression model, it compares the probabilities of partial adoption and passive adoption versus the basic alternative chosen: complete adoption. Then, using a Poisson model, it identifies the determinants of MFS adoption intensity. Finally, a control function approach is used to correct unobserved heterogeneity. The results of this study reveal that socio-economic factors such as age, socio-professional status, level of education, and functional and extra-functional factors such as perceived ease of use, perceived safety, and perceived usefulness differentially affect both the different modes of MFS adoption and the adoption intensity of these services in Yaoundé. Source : Éditeur (via Cairn.info) |
|
| Article en ligne | http://www.cairn.info/article.php?ID_ARTICLE=EDD_344_0083 |
