elaboration d'un modèle d'adoption de la microinformatique par les agriculteurs

Elaboration d’un mod&le d’adoption de la micro- informatique par les agriculteurs

Stkphanie Mercier ’ et Rebecca Lent2

’Economic Research Service, United Stares Department of Agriculture, Washington, D. C.

2De‘partement d’e‘conomie rurale, Universite‘ Luval, Sainte-Foy, Que‘bec.

R e p 13 juin 1989, accepte‘ I7 avril I990

INTRODUCTION I

Depuis les deux dernikres dkcennies, la gestion de l’entreprise agricole s’est com- plexifiee. Pour l’agriculteur, il ne s’agit plus seulement de gtrer des dossiers, mais aussi de se comporter d’une faqon plus systkmatique. Cette ktude se veut un essai pour identifier les facteurs qui jouent un r81e dans le dkveloppement de la micro-informatique comme outil de gestion dans le secteur agricole. Aprbs un survol de la litterature pertinente, un modkle d’analyse logit et probit est mis au point pour identifier les variables qui peuvent influencer la dtcision d’un agriculteur face B l’adoption de cette innovation. Les rCsultats de I’estimation empi- rique du modble sont ensuite prtsentks, a l’aide de donntes d’enquete.

L’INNOVATION TECHNOLOGIQUE ET L’ENTREPRISE AGRICOLE

Deux domaines de la science tconomique sont particulibrement pertinents 2 l’etude de I’utilisation des micro-ordinateurs par les agriculteurs : l’adoption d’une nouvelle technologie et I’kconomie de I’information. La littkrature portant sur l’adoption d’une nouvelle technologie sert de base B I’approche generale du modhle. Dans la littkrature economique, les modeles de dkision binaire sont clairement ttablis comme ttant utile 2 l’analyse des questions d’adoption. La plupart des premibres ttudes dans ce domaine examinent uniquement des innovations qui peuvent aider les agriculteurs dans une activitC Ctroitement dCfinie. Les recherches sur I’adoption d’une nouvelle technologie varient beaucoup, allant de l’analyse au niveau agrkgt de l’adoption d’un hybride de mays (Griliches 1957), jusqu’a, et ce plus recemment, une Ctude mjcro-lconomique d’une technologie plus facilement applicable, notamment celle des pratiques dites culture minimale.. (Rahm et Huffman 1984). Une ttude sur I’adoption de la micro-informatique par des agriculteurs californiens (Putler et Zilberman 1988) rCvkle que l’adoption d’un micro-ordinateur dtpend des besoins gtntraux en matikre de gestion de l’entreprise agricole plus que des besoins d’une activitt en particulier. Bollman (1988)

Revue canadienne d’economie rurale 38 (1990) 309-321 309

310 REVUE CANADIENNE D’ECONOMIE RURALE

trace le profil socio-Cconomique des agriculteurs canadiens, y compris leurs dtcisions d’adoption de la micro-informatique, sans toutefois tester des liens de causa- lit& Les facteurs dynamiques ainsi que le risque et l’incertitude peuvent aussi influencer ces dtcisions (Just et Zilberman 1983; Feder et Slade 1984).

La nature spCciale du micro-ordinateur demande l’exploration d’un autre domaine pour complCter I’analyse. Cette innovation n’augmente pas la producti- vitC des intrants directement, mais facilite B l’agriculteur l’allocation de ces der- niers grfice B une information de meilleure qualit6 ou de coiit moindre. Si les mar- chCs des intrants et des extrants du secteur agricole Ctaient parfaitement concur- rentiels, on s’attendrait a ce que les prix vChiculent toute I’information (Garbade et a1 1979). Cependant, les dCcisions de I’agriculteur sont souvent prises en fonction d’un prix antic@. L’agriculteur doit chercher et dtvelopper d’autres sources d’information que les prix. Deux types d’information sont B distinguer : l’information publique et I’information privte. L’information publique, si elle est sans frais, est bCnCfique B tous les utilisateurs (Freebairn 1976). De ce fait, tout agent tconomique rationnel se servira de cette information (Chavas et Pope 1984).

L’acquisition de l’information de type privt requiert une dCpense de la part de I’utilisateur individuel. L’effet de I’obtention de cette information sur fes conditions de march6 dtpend de I’habilett initiale des intervenants dans ce marcht. S’il s’agit de quelqu’un qui effectue des prCvisions, l’utilisation de cette information sera plus efficace du point de vue de la sociCtC, et pourra par consCquent, affecter les dCcisions des agriculteurs sur la gestion de leurs inventaires (Brad- ford et Kelejian 1977). On suppose dans cette analyse que la micro-informatique permet une utilisation plus effcace de I’information publique et privte.

On pourrait avancer l’hypothbse que si un individu dtcide d’adopter une nouvelle technologie, c’est parce qu’il croit que celle-ci le laissera dans une position Cconomique suptrieure ou tgale ?I celle ou il se trouve. Dans les Ctudes tconomiques concernant I’adoption d’une nouvelle technologie, la question qui se pose souvent porte sur la dCcision d’effectuer ou non cette adoption. I1 est possible qu’une personne puisse douter de la rentabilitt de cette innovation.

Les micro-ordinateurs et les services associCs offerts sur le march6 ne con- viennent pas facilement aux categories traditionnelles des nouvelles technologies en agriculture. En gknCral, ces dernikres ont plut6t eu un impact technique sur la productivit6 moyenne des champs et/ou sur la performance gCnCtique du bttail. Donc, les agriculteurs sptcialists dans la production vide par une nouvelle technologie reCoivent plus de btntfices de cette innovation que ceux qui possbdent une entreprise plus diversifite. Cependant, les micro-ordinateurs et les innovations associCes ont des utilisations qui peuvent contribuer aux recettes gCntrtes par presque toutes les productions. Ceci est possible par le biais d’une rtduction du coOt de l’information, d’une amklioration de la qualitt de cette information (son accessibilitt et son organisation) et finalement, d’une meilleure utilisation de celle-ci. S’il existe des Cconomies d’echelle dans la production d’information

UN MODELE D’ ADOPTION DE LA MICRO-INFORMATIQUE 311

a partir de la micro-informatique, alors pour un mCme coot, l’agriculteur qui possbde un micro-ordinateur sera en mesure de produire plus d’analyse que celui qui ne l’a pas.

Dans le modble propose dans cette Ctude, l’analyse suppose que le coot de l’innovation technologique est Ctendu sur la pkriode totale de son utilisation. S’il existe un march6 d’occasion pour les facteurs de production durables, l’amor- tissement est cohtrent avec l’hypothbse que le choix de la technologie est bas6 sur la maximisation de la valeur nette des recettes, CvaluCe sur la vie de la ferme.

L’agriculteur qui dCcide urationnellemenb de se procurer un micro-ordinateur et les logiciels adapt& a son utilisation sur la ferme doit etre bien conscient du fait que le coiit total de cet investissement d6passe le seul dCboursC monktaire effect& B I’achat. En contraste donc avec la plupart des innovations qui ont CtC CtudiCes dans la litteramre, la micro-informatique est un outil complexe qui exige considkrablement de temps et d’effort pour la maitriser. Afin d’inclure le capital humain dans l’adoption d’une nouvelle technologie, cette analyse le traite c o m e un intrant 2 part.

ELABORATION DU MODELE D’INNOVATION

Pour fins de modClisation, on fait l’hypotkse que l’agriculteur est spCcialisC dans une production. D’une manibre gtnCrale, on peut classifier les intrants nCces- saires 2 i la production agricole sous trois rubriques : la terre, le capital et la main- d’oeuvre. L’agriculteur prend ses dCcisions de production dans le but de maxi- miser ses profits sous la contrainte de sa fonction de production et des prix des intrants et des extrants auxquels il fait face (preneur de prix). La demande pour chaque intrant est une fonction du vecteur des prix des intrants et celui des extrants. Ces fonctions peuvent Ctre substitukes dans I’Cquation de profit pour obtenir la fonction indirecte de profit.

Tel que discutC ci-haut, un agriculteur prendra la decision d’adopter une innovation si son profit espCrC est plus important suite B I’adoption. I1 doit prCvoir les bknkfices gCnCrCs par l’adoption et les comparer avec les coots prCsents et/ou futurs qu’il doit (devra) assumer pour obtenir et utiliser la nouvelle technologie. L’absence de donnCes prCcises sur les coots et les bCnCfices exclut la possibilitk d’une analyse bCnCficelcofit.

I1 existe peu d’innovations qui touchent autant d’aspects du fonctionnement d’une entreprise que le cas du micro-ordinateur ou des services de traitement de donnCes. Le micro-ordinateur peut contribuer de plusieurs faqons B une allocation plus efficace des ressources; soit en rCduisant les coots de l’information, soit en fournissant plus d’information a l’agriculteur lorsqu’il prend ses dicisions de production et d’investissement.

La plupart des donntes nkcessaires a l’agriculteur pour prendre ses dCcisions sont disponibles sans avoir recours un micro-ordinateur. Cette prkmisse repose


sur I’hypothbe que I’agriculteur maintient dtjB d’une maniere consciencieuse les dossiers de I’entreprise, et qu’il utilise rtgulikrement les donnCes publiques sur les rtcoltes et les prix du marcht. Cependant, les donntes elles-memes n’ajou- tent pas grande information au processus de dtcision; encore faut-il que celles-ci soient traittes dans un cadre d’analyse complkte pour pouvoir profiter au maximum de leur utilitt. Bien que le travail de compilation et d’analyse puisse &re effectut plus rapidement et plus efficacement h I’aide d’un micro-ordinateur, la participation humaine est encore essentielle. Si on classifie les activitks de main- d’oeuvre sous quatre cattgories, notamment les activitts techniques, commer- ciales, financikres et de comptabilitt, I’utilisation du micro-ordinateur pourrait s’appliquer a tous ces types d’activitts si I’agriculteur utilise cet outil B son plein potentiel.

Les activitts tconomiques sur la ferme pouvant btntficier de I’aide d’un micro-ordinateur sont nombreuses : la comptabilitk, les analyses pertinentes h la prise de dtcisions, le suivi des flux monttaires, la prtparation d’une contrepartie, et la connection B un rtseau informatique d’information. Grlce au micro- ordinateur, un agriculteur peut gkrer ses dossiers financiers et de production d’une manikre plus organiste. L’avantage particulier d’un ordinateur est qu’il facilite la vision historique de la structure de I’entreprise agricole. L’utilisation du micro- ordinateur dans ces activitts requiert tvidemment la collecte des donntes primaires et leur entrte dans la mtmoire de I’ordinateur. En effet, si l’agriculteur utilise son micro-ordinateur uniquement pour le suivi minimal des dossiers, il est peu probable que cet outil lui tconomisera du temps, ou lui apportera de l’information pertinente pour amtliorer ses conditions (en matibe d’information) face aux dkcisions a prendre. Un micro-ordinateur doit donc Ctre utilist au maximum par I’agriculteur afin de rtaliser un rendement raisonnable sur I’investissement que celui-ce reprtsente.

Quelques hypotheses konomiques 2 tester Une augmentation du prix d’un intrant diminuera le profit de tous les agriculteurs qui utilisent cet intrant, qu’ils aient adoptt ou non une nouvelle innovation. Si l’adoption et l’utilisation de la technologie informatique permet B I’agriculteur d’effectuer une allocation plus efficace des intrants, la diminution du profit peut Stre moins importante pour I’agriculteur qui possbde un micro-ordinateur que pour celui qui n’en posskde pas. Sous cette hypothbe, une augmentation du prix d’un intrant pourrait augmenter la probabilitt qu’une innovation soit adoptte, surtout si cet intrant est variable.

Une hausse du prix d’un extrant augmentera le profit pour tous les agriculteurs, qu’ils aient adoptt ou non une nouvelle innovation. Dans la mesure ou ~ e s hausses de prix permettent une meilleure vision du futur pour un agriculteur possUant un micro-ordinateur par le biais d’un mod&le de programmation lidaire, par exemple, ou I’aident B vendre sa production d’une man5re plus efficace, cette

UN MODELE D’ADOPTION DE LA MICRO-INFORMATIQUE 313

hausse du prix devrait Ctre plus rentable aux agriculteurs ayant adoptt le micro- ordinateur que pour ceux qui ne l’ont pas adoptt. Tel que discutk ci-haut, un micro-ordinateur peut augmenter les profits d’une manibre significative seulement si celui-ci est utilist au maximum. Cette hypothkse indique qu’une hausse du prix de l’extrant augmentera la probabilitt que l’innovation soit adoptte.

I1 est Cvident que le profit anticipt d’une entreprise qui adopte la nouvelle technologie sera rtduit lorsque le prix de celle-ci augmente. Une hausse du prix de la micro-informatique n’affectera pas cependant les profits des agriculteurs n’ayant pas adoptt cette innovation.

Les principales composantes du capital humain d’un gestionnaire agricole sont I’expCrience professionnelle et les anntes de scolaritt. Ces deux facteurs augmentent l’habilete du gestionnaire a allouer efficacement ses ressources en rtponse aux variations des conditions Cconomiques qui peuvent se prtsenter. 11 est possible que le processus de dtcision d’adopter ou de ne pas adopter une nouvelle technologie soit aussi affecte par ces deux facteurs. Cette dimension innova- tive du capital humain affectera la probabilitt que I’innovation soit adoptte.

D’autres variables dans la fonction de profit sont : I’allocation du temps de l’agriculteur, la taille de l’exploitation et la diversitt de celle-ci. Ces tltments contribuent B la dttermination de l’effet des variables d’tchelle sur la probabilitt d’adoption. I1 est B noter que Bollman (1988) constate un plus grand nombre de proprittaires de micro-ordinateurs parmi les agriculteurs de productions sptcialistes et parmi ceux dont les recettes brutes Btaient relativement tlevtes.

Les principales hypothbses qui seront testtes dans cette ttude portent sur les facteurs clCs qui affectent l’adoption d’une nouvelle technologie. On suppose notamment une relation positive entre la possibilitt d’adoption d’une nouvelle technologie et deux facteurs : la taille de l’exploitation et le nombre d’annCes de scolaritt de 1 ’agriculteur. L’utilisation des micro-ordinateurs et l’utilisation des services de consultation en micro-informatique sont sans doute relikes puisque ces deux innovations peuvent rkpondre aux mCmes besoins des agriculteurs. Donc, on avance l’hypothbe que les facteurs qui influencent les dtcisions d’adopter l’un ou l’autre sont les m&mes.

LES DONNEES ET L’ESTIMATION DU M O D ~ L E Cette ttude utilise les donntes recueillies auprks de deux groupes d’agriculteurs de ]’Iowa (Yarbrough et Scherer 1982-84). Le premier Cchantillon (E-I) se com- pose d’abonnts a une revue de vulgarisation agricole. Le deuxikme tchantillon (E-11) est formt d’un groupe d’exploitants identifiks par des vulgarisateurs c o m e atrbs inttressts>> a la micro-informatique. Dans les deux cas, trois enquCtes annuelles couvrant la ptriode 1982-84 ont CtC effectuees avec les Cchantillons dtcrits prtctdemment. Ainsi, les donntes sont de type coupe-transversale, bros- sant toutefois un tableau dynamique de l’adoption de la micro-informatique. Les autres variables utilistes dans cette analyse sont des donntes secondaires


concernant le comte et reflCtant l’environnement Cconomique dans lequel l’agriculteur fonctionnait pendant cette mCme ptriode.

Pour les variables portant sur les entreprises enquCtCes, on s’attend ?I ce que les difftrences entre les exploitations puissent avoir un impact sur la dCcision d’adopter ou de ne pas adopter une nouvelle technologie. Ces variables explica- tives sont l’ige, les annCes de scolaritt, la taille de la ferme, une variable indica- trice pour les exploitations laitikres, et l’emploi hors-ferme. Ce dernier facteur est reprtsentk par une variable instrumentale, puisqu’elle est probablement endogbne. Les variables au niveau du comti sont le taux de location de la terre agricole, le revenu par habitant, et la proximitt de l’agriculteur d’une rCgion urbaine. Ces deux dernibres variables pourraient reprCsenter l’offre de l’information sur ces innovations. Plusieurs combinaisons de variables Ctaient retenues, incluant les termes d’interaction, mais les rCsultats pour cette version sont sup6rieurs dans le cas d’un systkme multivarit . L’analyse des variables reprben- tant l’attitude envers la technologie micro-informatique a dkmontrt qu’elles ttaient endogbnes.

Tel que mentionnt auparavant, les donnCes utilisCes proviennent de deux enquCtes difftrentes (E-I et E-II), donc reprtsentent deux populations diffkrentes. I1 est ici ntcessaire de rCsoudre le problbme de rbgles d’tchantillonnage avant de combiner les deux Cchantillons. Les donntes ont Ctt pondtries selon la mCthode dCveloppte par Hausman et Wise (1981) pour traiter des tchantillons disparates dans le cas d’analyse qualitative. La part d’utilisateurs Ctait de 4 % dans 1’Cchan- tillon E-I et de 50 % dans l’tchantillon E-11. Toutefois, les caracttristiques de tous les agriculteurs de l’tchantillon E-I1 Ctaient statistiquement identiques a ceux des adoptants de 1’Cchantillon E-I. De ce fait, tous les agriculteurs de l’tchantillon E-I1 ont CtC trait& comme des adoptants et ces donnCes ont CtC pondCrCes selon leut proportion dans la population de 1’Etat. Quant aux agriculteurs de l’tchantillon E-I, ils ont CtC attribuCs un poids qui reflttait la proportion des adoptants dans la population de 1’Etat (dans le cas des adoptants), ou la proportion des non adoptants dans leur strate (dans le cas des non adoptants). La taille de la ferme a servi de variable de stratification, pour pallier le problkme de I’hCttroscCdasticitt. Une fois ces ajustements effectuCs, les donnCes sont alors utiles pour l’estimation. L’Cchantillon pour les trois annCes totalisait 2 381 agriculteurs.

Dans cette analyse, le rCsultat du processus de dCcision concernant l’adoption de la nouvelle technologie est une dichotomie, puisque la dCcision est oui ou non. Des modkles de choix binaire sont souvent retenus pour l’analyse empi- rique de ce genre de problbme, telle l’analyse des dCcisions concernant l’emploi. La formulation du modele de choix binaire a dCjh CtC prCsentCe ci-haut. I1 reste ii dCterminer la distribution cumulative pertinente a cette analyse.

Les deux formes de distribution cumulative, la fonction logistique et la fonction normale sont retenues comme Ctant pertinentes pour l’analyse et ont CtC


dCveloppCes pour des analyses empiriques. Les analyses probit et logit sont rkgulibrement appliqukes a l’estimation des modbles a rCponse qualitative et sont donc retenues pour cette Ctude. Pour un modele de simple choix binaire, les risultats pour l’analyse probit ne different pas significativement de ceux pour I’analyse logit, a l’exception de la ripartition des donnCes dans les queues des distributions.

Un aspect important de cette Ctude est la consid6ration de I’adoption de plus d’une innovation. Ce type de dCcision doit &tre considCrC puisque I’utilisation de ces innovations peut &tre fonction des m&mes facteurs explicatifs. Dans ce cas aussi, l’analyse de deux variables dtpendantes est possible avec l’analyse de type logit ou de type probit. Pour les modbles a deux variables dipendantes, il peut exister des diffirences entre les deux techniques d’analyse. Des Ctudes prCcCdentes ont souvent fait appel a la technique logit parce qu’elle est moins complexe et parce qu’elle prCsente moins de frais de compilation. Cependant, cette technique n’est pas toujours stlectionnte parce qu’elle repose sur l’hypothbe voulant que la probabilitt de choisir chaque option n’est pas affectke par l’addi- tion de choix suppltmentaires. Cette analyse suppose que les choix sont indCpen- dants et cette hypothkse est aussi traitCe dans le cadre de la technique logit. Si les options sont indkpendantes, et si leurs rtsidus sont corrClCs, l’analyse logit multivarike demeure une technique valide (Maddala 1983, 70).

Les deux modbles de type logit et probit sont estimts par la mtthode de maximum de vraisemblance. Les variables au carrC et les termes d’interaction qu’on retrouve souvent dans ce genre de modble ne sont pas utilisCs a cause de la haute multicolinCaritC entre ceux-ci.

L’estimation du modkle de l’innovation dans cette etude se fait en deux par- ties : les modeles a une variable dtpendante pour l’adoption d’une innovation, et celui a deux variables dCpendantes pour reprtsenter I’adoption de deux innovations. Les modbles de base dans cette analyse ont 12 variables, y compris la constante. Une version tlargie du modble d’adoption d’innovation a aussi CtC estimCe pour des modeles a une variable dCpendante. Les risultats pour le modele d’adoption conjointe sont assez cohirents pour les deux techniques d’estimation; c’est-&dire pour la version prCsentCe ci-dessous. La version logit est discutCe ici puisqu’elle demontre un lien entre les trois Cquations qui est plus Cvident que pour les Cquations avec l’estimation probit.

LES RESULTATS

Les rCsultats pour le premier modkle de l’adoption des micro-ordinateurs sont prksentts au Tableau 1. Puisque les signes des coefficients sont semblables pour les deux techniques d’estirnation, le choix d’une mtthode pour I’analyse de tous les modkles est simplifiC, et la technique d’estimation logit est utiliske. Six variables dans ce modkle montrent des coefficients significativement diffkrents de zCro : I’ordonnCe, la scolaritk, l’fige, 1’Age au carrt, l’emploi hors-ferme, et la


Tableau 1. Adoption du micro-ordinateur et des services payes d’ordinateur : Les coefficients estimts des modbles d’innovation

Services de consultation Micro-ordinateur en micro-informatique

Variable explicative coefficient coefficient

Ordonnte -4,11* -1,40 (-3,8) (- 1,48)

(7,61 (4961 Age -0,04* -0,030*

( - 4 4 (-4,43) Age carrC -1 X E-3* -1,0 X E-4

( - 1 A ( - 0 3 ) Emploi hors-ferme -2,49* -0,671

( - 2 3 (-0,77) Hectares cultivCs 4,8 x E-’ -1,0 X E-4

(0,581 (-0,221 Diversification de la ferme 0,297* 0,289”

(5351 (5,91) Sptcialisation laitibre 0,204 0,876*

(0,671 (3,601 Proximitt d’une zone urbaine -0,06 0,063

( - 0 3 (0.37)

ScolaritC 0,873* 0,428*

Revenu par habitant du comtC 1,0 X E-4 -7,O X E-’ (1,581 (- 1,201

Indice des prix des grains -1,4 X E-3 -1,0 X E-4 (-1,O) (- 0,9 1)

Taux de location de terre agricole

Log vraisemblance -421,9 -924,4

-5,O X E-3 -1,2 X E-3 (-0,81 (-0,201

Statistiques t en parenthkses *indique un coefficient significativement diffCrent de zero au seuil de 5 %

diversification de la ferme. L’intCgration du risque de l’acquisition comme variable explicative n’a pas rCussi; les variables considCrCes n’ttaient pas assez prC- cises, ou bien Ctaient probablement endoghes.

Les rCsultats du deuxibme modkle, qui porte sur l’utilisation des services de consultation en micro-informatique, sont aussi prCsentCs au premier tableau. Les coefficients de quatre variables sont diffkrents de zCro de faCon significative et affichent le signe attendu : la scolarite, l’ige, la diversification de la ferme, et la variable indiquant une spkcialisation dans la production laitibre.

I1 est difficile de trouver des diffkrences significatives entre les rCsultats de la technique probit et ceux de la technique logit. Les signes des coefficients sont pour la plupart identiques pour tous les modeles.

UN MODELE D’ ADOPTION DE LA MICRO-INFORMATIQUE 317

Afin de cornparer les effets des difftrentes variables sur chacun des deux rnodkles, il faut dans un premier temps uniformiser les unitts de leurs coefficients. Cette uniformisation se fait en calculant l’effet marginal de chaque variable sur la probabilitt de l’adoption. Cette mesure peut Ctre interprttte comme Ctant le changement dans la probabilitt de l’adoption ?i cause du changement d’une unit6 de la variable indtpendante. Les rtsultats pour les estimations par la technique logit impliquent que trois anntes additionnelles de scolaritt augmentent la probabilitt d’adopter un micro-ordinateur de plus de 4 % , et celle de se procurer des services de consultation en micro-informatique de plus de 7 % . Les rtsultats rnontrent aussi qu’une augmentation d’une annte de l’tige de I’agriculteur diminue la probabilitt de l’adoption des deux innovations par moins de 1 % . Donc, l’effet marginal de chaque variable utiliste dans le modkle peut Ctre interprttt de faGon sirnilaire.

Les deux hypothkses principales de cette ttude qui ont Cte souligntes dans la discussion prtctdente peuvent maintenant Ctre examintes. Premikrement , l’hypothbe d’une relation positive entre les anntes de scolaritt et l’adoption d’un micro-ordinateur est confirmte par les risultats des deux moddes. L’tducation a une influence positive sur la productivite de tous les agriculteurs, qu’ils choisis- sent ou non de recourir 5 la micro-informatique; cependant, l’tducation influence la probabilitt de l’adoption d’une innovation.

En ce qui concerne les effets d’tchelle, les rtsultats sont plus ambigus. La principale variable d’kchelle, la taille de la ferme, montre un coefficient ntgatif et non significatif dans la version rtduite de l’tquation du premier modele, et un coefficient positif mais non significatif dans le deuxikme. Dans le cas du modkle 15largi,~ le coefficient de la variable taille est positif et significatif, alors que celui de la taille au carrt est ntgatif et significatif. Ces rtsultats confirment l’hypothbse que le nombre d’hectares exploit& a un effet marginal qui est positif mais dkcrois- sant sur l ’ad~pt ion.~ Le terme d’interaction entre la taille de la ferme et l’dge de l’agriculteur a un cotfficient positif pour le modkle d’adoption de I’ordinateur et nCgatif pour le modele des services de consultation en micro-informatique. Ces rCsultats suggkrent que I’expCrience et la taille de la ferme sont compltmentaires en ce qui concerne la probabilitt de se procurer un micro-ordinateur mais sont des substituts pour la probabilitt d’utiliser les services de consultation en micro-informatique.

Une autre caracttristique qui pourrait refltter les effets d’tchelle est la prCsence d’une activitt de production laitikre sur la ferme. On s’attend ?i ce que la prtsence de cette activitt rende plus complexe la gestion des dossiers pour maintenir une op6ration rentable; donc, les responsables de ces exploitations pourraient rtagir difftrernment a la dtcision d’adopter une innovation, toutes choses Ctant Cgales par ailleurs. Tel qu’anticipt, le coefficient de cette variable indica- trice ttait positif et significatif dans l’tquation de l’adoption des services de consultation. I1 semble qu’en gtntral ces agriculteurs suivent leurs dossiers a l’aide


des coopCratives laitibres ou d’autres organismes, et considtrent ce service d’assistance comme une activite diffkrente de celle de maintenir les autres dossiers de l’exploitation agricole.

Pour les deux modkles, la variable reflCtant l’iige de l’agriculteur montre des rCsultats intkressants. Plusieurs effets potentiels de l’iige sur l’adoption d’une innovation sont suggCrCs par la thCorie Cconomique. L’2ge sert de variable approxi- mative pour l’experience, ce qui devrait avoir une relation positive avec I’innovation. Cependant, d’autres facteurs liCs h l’iige peuvent avoir I’effet opposC sur ce coefficient. Par exemple, l’iige est souvent utilist pour approximer l’hypothbse de cycle de vie du revenu. Au fur et a mesure que l’agriculteur vieillit, sa retraite s’approche et la pCriode de temps sur laquelle il peut obtenir un rendement sur un investissement est raccourcie. Le coefficient nCgatif sur la variable 2ge sug- gbre que l’effet de ce dernier domine celui de l’experience. Bollman (1988) remarque que l’adoption d’un micro-ordinateur est plus frtquente chez les agriculteurs 5g6s de 35 a 39 ans, observation qui semble cohCrente avec les rCsultats de la prtsente Ctude.

Finalement, les rksultats pour la variable concernant I’emploi en dehors de l’exploitation sont 2 discuter. L’hypothese d’une relation negative entre cette variable et la probabilitC d’adopter la micro-informatique pour des fins agricoles pro- vient de l’idte que l’agriculteur qui travaille frkquemment en dehors de la ferme est moins concern6 par la rentabilitk de son exploitation. Par ailleurs, il disposera de moins de temps a consacrer pour la maximisation de son revenu net agricole.

Deux autres variables n’ont pas des coefficients significatifs dans le modtle B une variable dtpendante. Premibrement, puisque la proximite d’un agriculteur a une population urbaine ne peut pas Ctre dCterminCe facilement, on utilise comme approximation la prksence d’une ville de plus de 10 OOO habitants dans le comt6 de l’agriculteur. Cette variable devrait representer la disponibilitC de l’information sur l’innovation pour I’agriculteur, ce qui devrait diminuer les cofits de l’utilisation de celle-ci. Cependant, le coefficient sur cette variable est positif dans un cas et nkgatif dans l’autre, et non significatif dans les deux cas. Dans la mesure ou l’approximation est correcte, ces rksultats ne confirment pas l’hypothkse qu’une augmentation de l’offre de l’information sur une innovation mkne a une rCduc- tion de son coijt, et donc a une augmentation de la probabilitC de l’adopter. La deuxibme variable dont les rCsultats Ctaient non significatifs est celle du taux moyen de location de terrain agricole; la prCsence d’un degrt &lev6 de multicollinearit6 pourrait expliquer ces faibles rksultats.

L’indice des prix des grains montre un coefficient non significatif mais un signe negatif dans les deux modeles de l’adoption de la micro-informatique. Ce resultat, bien que non concluant, est a l’encontre des anticipations concernant le signe puisqu’on prCvoyait une relation positive entre les deux variables. Une explication pour ce rCsultat pourrait &re que l’agriculteur qui se trouve avec des prix pour les grains relativement faibles essaiera d’kconomiser en fournissant ses


propres services de gestion a l’entreprise. Ceci peut Ctre accompli en utilisant son propre micro-ordinateur, toutefois sans recourir aux services de consultation en micro-informatique.

La deuxikme ktape de cette recherche porte sur l’analyse des modbles a deux variables dkpendantes, notamment l’adoption conjointe d’un micro-ordinateur et des services de consultation de micro-informatique. Les rksultats des analyses empiriques sont prksentks au Tableau 2 . La premikre colonne correspond l’adoption d’un micro-ordinateur seulement, la deuxikme colonne a I’utilisation des services de consultation seulement, et la troisibme a I’adoption simultante des deux innovations.

Les coefficients sur les variables scolaritt, hge, et la diversification de la ferme sont significatifs dans les trois versions du modkle. Le premier modkle montre trois autres variables significatives : I’ordonnCe, l’emploi hors-ferme, et le revenu par habitant du comti. L’oHration d’une laiterie est la quatrikme variable significative dans le modkle portant sur l’adoption des services de micro- informatique uniquement. Finalement, le modkle d’adoption simultade a deux autres variables a coefficients significatifs : l’hge au carrk, et la spkcialisation laitikre. I1 est a souligner que les signes de tous ces coefficients sont tel qu’anticipks.

Une dernikre hypothkse demeure 5 kvaluer, soit le rapport entre les deux innovations. On a propost que les dkcisions de l’adoption de ces deux innovations sont similaires puisque chacune d’elle est capable d’effectuer les m&mes tiches. L’estimation du modkle deux variables montre cependant que les deux sont corrtlkes positivement, ce qui suggkre que les effets des facteurs exclus des modbles sur l’adoption de ces deux technologies sont positivement relies. Si la decision d’adopter une de ces innovations Ctait vraiment indkpendante de celle d’adopter la deuxibme, la somme de leurs logs de vraisemblance dans le modele a une variable dtpendante devrait Ctre egale au log de vraisemblance du modkle a deux variables dkpendantes. Tel n’est pas le cas, cependant, et les dkcisions sont clairement likes.

CONCLUSION Cette analyse suggere que la technologie de la micro-informatique peut jouer un r61e important dans la fonction de profits de l’agriculteur, de la m&me facon que tout autre intrant qui amkliore le suivi de l’entreprise. Les agriculteurs peuvent rtagir a des faibles prix de vente pour leurs produits en rtajustant leurs cotits de production. Les rksultats de l’estimation du modele semblent confirmer les hypothbses concernant l’importance de la scolaritt, l’emploi hors-ferme, et la diversification de la ferme dans la prise de dtcision d’adoption de la technologie de la micro-informatique. Les implications pour la politique en matibre de vulgarisation proviennent du r61e que joue l’information (et la formation) dans l’adoption de la micro-informatique. Si un programme de vulgarisation rtduisait les


Tableau 2. Adoption du micro-ordinateur et des services de consultation en micro- informatique : Les coefficients estimts des modkles logit h multiples variables

Variable explicative D’ = 1, D2 = 0 D’ = 0, D2 = 1 D 1 = 1, D2 = 1

Ordonnte -5,84* -1,59 -1,87 (-43) ( - 1 s ) (-1,l)

Scolarite 1,10* 0,52* 0,84* ( 8 3 ) (4,43) (5,3)

Age -0,04* -0,03* -0,07* (-3,6) (-4,O) (-4.8)

Age carrC -3 x E-4 -6 X E-’ -0,003” (-0,46) (-0,141 ( - 2 3

Emploi hors-ferme -3,45* -0,95 - 1,88 (-2,6) (- 1 ,O) (- 1 2 )

Hectares cultivCs 7 X E-’ 2 X E-5 6 X E - 5 (0,921 ( 0 3 ) (0,791

Diversification de la ferme 0,355* 0,304* 0,405* (63’) (5,6) (425)

Specialisation laitibre 0,303 0,933* 0,737* (0,721 (3,581 (1,811

ProximitC d’une zone urbaine -0,073 0,038 0,048 ( - 0 3 ( 0 3 ) (0,18)

Revenu par habitant du comte 2 X E-4* -4 X E-’ -1 X E-4 (23) (-0-6) ( - 1 2 )

Indice des prix des grains - 1 x E-3 -2 x E-3 -7 X E-4 (-1,O) ( - 1 2 ) (-0,4)

Taux de location de terre agricole -4 x E-’ -2 X E-3 (- 1 3 (-0,6) (-02)

Statistiques r en parenthkses *indique un coefficient significativernent diffkrent de zero au seuil de 5 %

- 1 x E-’

cofits d’information associts B I’adoption (coQts d’achat e t les coQts d’apprentis- sage) la probabilite d’adoption pourrait augmenter.

L’innovation micro-informatique appliqute Z i la ferme n’a pas 6 t t disponible sur une ptr iode suffisamment longue pour identifier complktement tous les avan- tages potentiels qu’elle prtsente pour l’agriculteur. O n en sait assez, cependant, pour dire que le nombre d’agriculteurs qui l’adoptent augmente graduellement parce qu’ils rkalisent qu’il s’agit d’une acquisition rentable.

NOTES ILes auteurs tiennent a remercier le docteur Wallace Huffman, les docteur(e)s Clete et Joyce Mercier, ainsi que madame Suzanne Pleau-Romain. *Les services associks peuvent prendre la forme d’un consultant qui fait I’analyse informatique des donnCes fournies par I’agriculteur ou qui assiste ce dernier dans I’utilisation de son propre micro-ordinateur (par exemple, vente de logiciels, cours de programmation, etc.).

UN MODELE D’ADOPTION DE LA MICRO-INFORMATIQUE 32 1

3Puisque les donnCes de cette Ctude ne permettent pas de faire la distinction entre les agriculteurs ayant achett un micro-ordinateur et ceux l’ayant IouC, la question du finance- ment ne sera pas traitCe. 4Une version Clargie a CtC utiliste dans I’analyse B une variable dCpendante. Cette version inclut des variables d’interaction ainsi que des variables au carrt. En essayant d’es- timer le m&me modble avec I’analyse multivarite, la fonction de vraisemblance n’a pas pu converger, probablement B cause de la prCsence de multicollinCaritC importante. ’Lasley et Bultena (1986) soulignent I’importance de distinguer entre le nombre d’hectares utilisCs et le nombre d’hectares appartenant B I’agriculteur, le premier Ctant le plus souvent lit B la possession d’un micro-ordinateur.

REFERENCES Bollman, Ray D. 1988. A Profile of Farmers with Computers. Ottawa: Statistics Canada, Social and Economic Studies Division, September. Bradford, David et Harry Kelejian. 1977. The value of information for crop forecasting in a market system: Some theoretical issues. Review of Economic Studies 44 (October): 519-31. Chavas, Jean-Paul et Rulon Pope. 1984. Information: Its measurement and valuation. American Journal of Agricultural Economics 66 (December): 105- 10. Feder, Gershon et Roger Slade. 1984. The acquisition of information and the adoption of new technology. American Journal of Agricultural Economics 66 (August): 3 12-20. Freebairn, J. W. 1976. The value and distribution of the benefits of commodity price outlook information. Economic Record 52 (June): 199-212. Garbade, K., J. Pomrenze et W. Silber. 1979. On the information content of prices. American Economic Review 69 (March): 50-59. Griliches, Zvi. 1957. Hybrid corn: An exploration in the economics of technological change. Econornetrica 25 (October): 501-22. Hausman, Jerry et David Wise. 1981. Stratification on endogenous variables and estimation: The Gary income maintenance experiment. In Structural Analysis of Discrete Data with E’commtric Applicarions, Miti par C. Manski et D. McFadden. Cambridge, Mass. MIT Press. Just, Richard E. et David Zilberman. 1983. Stochastic structure, farm size, and technology adoption in developing agriculture. Oxford Economic Papers 35 (July): 307-28. Lasley, Paul et Gordon Bultena. 1986. Farmers’ opinions about third-wave technologies. American Journal of Alternative Agriculture 1 (3): 122-26. Lau, L. J. 1976. A characterization of the normalized restricted profit function. Journal of Economic Theory 12 (February): 131-63. Maddala, G. S. 1983. Limited-dependent and Qualitative Variables in Econometrics. New York: Cambridge University Press. Putler, Daniel S. et David Zilberman. 1988. Computer use in agriculture: Evidence from Tulare County, California. American Journal of Agricultural Economics 70 (November):

Rahm, Michael et Wallace E. Huffman. 1984. The adoption of reduced tillage: The role of human capital and other variables. American Journal of Agricultural Economics 66 (November): 405-13. Yarbrough, Paul et Clifford Scherer. 1982-84. Computers in Agriculture. Iowa Agricul- tural and Home Economics Experiment Station. Ames, Iowa.

790-802.

elaboration d'un modèle d'adoption de la microinformatique par les agriculteurs

Documents