Contexte
L’adoption de nouvelles technologies dans les services financiers a été largement étudiée à partir de modèles comportementaux tels que l’UTAUT-2 et l’UTAUT-3. L’article de Bhatnagr & Rajesh (2023) propose un modèle conceptuel intégrant l’UTAUT-3 et la théorie du risque perçu pour analyser l’adoption des néobanques en Inde. Dans cet exercice, vous allez vous inspirer de cette démarche pour tester un modèle similaire dans le contexte de l’hôtellerie, à partir d’items recueillis lors d’une enquête sur les paiements en cryptomonnaies dans un hôtel en France.

Objectifs pédagogiques

  • Comprendre la logique de construction d’un modèle de recherche basé sur UTAUT-3 et les risques perçus.
  • Appliquer des méthodes d’analyse de données : analyse en composantes principales (ACP) et régression multiple.
  • Développer des compétences de traitement statistique avec Python sous Google Colab.
  • Relier des résultats empiriques à des hypothèses théoriques.

Données
Le fichier fourni contient des items mesurés sur une échelle de Likert à 5 points. Ces items correspondent à différents construits théoriques (attentes de performance, facilité d’usage perçue, influence sociale, risques perçus, intention d’adoption, etc.).

Base_Crypto_Hotel_2025Download

Consignes de travail

  1. Lecture de l’article : commencez par lire attentivement l’article de Bhatnagr & Rajesh (2023) afin de comprendre le modèle conceptuel proposé et les hypothèses formulées.
  2. Identification des construits : à partir des items fournis, regroupez les variables selon les dimensions théoriques (UTAUT-3 + risques perçus).
Items crypto hotel 2025Download
  1. Analyse en composantes principales (ACP) :
    • Vérifiez l’adéquation des données (KMO, test de Bartlett).
    • Réalisez une ACP pour réduire les items et valider la structure factorielle.
    • Interprétez les composantes obtenues.
  2. Fiabilité et validité : calculez les alpha de Cronbach pour évaluer la cohérence interne des échelles.
  3. Régression multiple :
    • Construisez un modèle où les variables indépendantes (ex. performance expectancy, effort expectancy, risques perçus, etc.) expliquent l’intention d’adoption.
    • Analysez la significativité des coefficients et discutez les résultats par rapport aux hypothèses théoriques.
  4. Discussion : comparez vos résultats à ceux de l’article et discutez des différences éventuelles.

Modalités techniques

  • L’analyse doit être réalisée sous Google Colab avec Python.
  • Le code n’est pas fourni dans un premier temps. Vous pouvez néanmoins le trouver sur le site Marketeur-expert en cherchant un peu.

Livrable attendu
Un rapport en français comprenant :

  • Une introduction rappelant le modèle théorique.
  • Les étapes de l’analyse (ACP, fiabilité, régression).
  • Les résultats statistiques (tableaux, graphiques, interprétations) avec commentaires.
  • Une conclusion mettant en perspective les apports et limites de votre analyse.

Référence principale
Bhatnagr, P., & Rajesh, A. (2023). Neobanking adoption – An integrated UTAUT-3, perceived risk and recommendation model. South Asian Journal of Marketing. Emerald Publishing. [DOI: 10.1108/SAJM-06-2022-0040]