UNIVERSIDAD NACIONAL DE PIURA
FACULTAD DE ECONOMIA
“USO DE SERVICIOS FINANCIEROS FORMALES Y SUS
DETERMINANTES PARA EL PERÚ, A PARTIR DE LA
ENCUESTA ENAHO 2015”
Presentada por:
Jesús Manuel Aparicio Zapata
TESIS PARA OPTAR EL TÍTULO DE
ECONOMISTA
Piura, Perú
2017
DEDICATORIA
A mis queridos padres, a mi esposa y a mi pequeño
hijo por su tiempo brindado, su apoyo,
comprensión y por acompañarme en este mi
primer logro profesional.
AGRADECIMIENTO
A Dios por guiarme y por darme la fortaleza
necesaria para a seguir adelante día a día.
A mis padres Jesús y Cecilia, esposa Ericka,
Leonardo mi primer hijo, Vanessa y María, por el
apoyo mostrado, ha sido un sacrificio que en esta
obra está plasmado. Un especial agradecimiento a
mi asesora Dra. Lilian Nathals por su apoyo
incondicional, ha sido fundamental en este trabajo.
ÍNDICE GENERAL
INTRODUCCION 1
CAPÍTULO I: MARCO TEÓRICO Y EMPIRICO 3
1.1 MARCO TEÓRICO 3
1.1.1 Aspectos conceptuales 3
1.1.1.1 Servicios financieros 3
1.1.1.2 Inclusión financiera 4
1.1.1.3 Acceso y uso de servicios financieros 5
1.1.2 Teoría keynesiana 6
1.1.3 Teoría del ciclo de vida 8
1.1.4 Educación financiera 13
1.1.5 Economía de género 16
1.1.6 Teoría de localización 17
1.1.7 Diferencia entre acceso y uso de servicios financieros formales 17
1.1.8 Síntesis del marco teórico 19
1.2 EVIDENCIA EMPÍRICA 20
1.2.1 Evidencia empírica internacional 20
1.2.2 Evidencia empírica nacional 27
1.2.3 Síntesis de la evidencia empírica 29
CAPÍTULO II: METODOLOGÍA 30
2.1 OBTENCIÓN DE DATOS 30
2.2 VARIABLES CONSIDERADAS EN EL ESTUDIO 31
2.2.1 Variable dependiente 31
2.2.2 Variable independiente 33
2.2.2.1 Variables sociales 33
2.2.2.2 Variables económicas 36
2.2.2.3 Variables geográficas 37
2.3 MODELO TEÓRICO Y ECONOMÉTRICO 39
2.3.1 Modelo teórico 39
2.3.2 Modelo econométrico 39
2.4 METODOLOGÍA DE ANALISIS 40
2.4.1 Análisis en tablas de contingencia 40 2.4.2 Modelo de variable dependiente dicotómica 40
2.5 HERRAMIENTAS DE ANÁLISIS A UTILIZAR EN EL
MODELO DE VARIABLE DEPENDIENTE DICOTÓMICA 43
2.5.1. Especificación del modelo 43
2.5.2. Estimación del modelo 43
2.5.3. Evaluación de las estimaciones 44
2.5.3.1 Evaluación económica 44
2.5.3.2 Evaluación estadística 45
2.5.3.3 Evaluación econométrica 47
2.5.4. Evaluación del poder predictivo del modelo estimado 49
CAPÍTULO III: RESULTADOS 50
3.1 ANÁLISIS CON TABLAS DE CONTINGENCIA 50
3.1.1 Uso de servicios financieros formales 51
3.1.2 Uso de servicios financieros formales y el género 53
3.1.3 Uso de servicios financieros formales y la edad 58
3.1.4 Uso de servicios financieros formales y el nivel educativo 61
3.1.5 Uso de servicios financieros formales y el número de
Miembros en el Hogar 67
3.1.6 Uso de servicios financieros formales y los ingresos 70
3.1.7 Uso de servicios financieros formales y la zona geográfica 75
3.2 FORMULACIÓN DEL MODELO ECONOMÉTRICO GENERAL 80
3.2.1 Especificación del modelo multivariables 80
3.2.2 Estimación de los modelos multivariables 82
3.2.2.1 Estimaciones bivariadas 82
3.2.2.2 Pruebas de multicolinealidad 83
3.2.2.3 Estimación del modelo multivariado 83
3.2.3 Evaluación de los modelos multivariables 84
3.2.3.1 Evaluación económica 84
3.2.3.2 Evaluación estadística 86
3.2.3.3 Evaluación econométrica 91
3.2.4 Evaluación de la capacidad predictiva del modelo 95
3.2.4.1 Resultados a través de predicciones 95
3.3 ANALISIS E INTERPRETACIÓN DE LOS RESULTADOS 97
3.3.1 Variables sociales 97
3.3.1.1 Género 97
3.3.1.2 Edad 98
3.3.1.3 Nivel educativo 100
3.3.1.4 Número de miembros en el hogar 101
3.3.2 Variables económicas 103
3.3.2.1 Ingresos 103
3.3.3 Variables geográficas 105
3.3.3.1 Zona geográfica 105
CONCLUSIONES 107
IMPLICANCIAS DE POLITICA Y RECOMENDACIONES 109
REFERENCIAS BIBLIOGRAFICAS 111
ANEXOS 118
ÍNDICE DE CUADROS
CAPÍTULO I: MARCO TEÓRICO Y EMPIRICO
Cuadro 1.1: Evidencia empírica internacional relacionada al uso de servicios
financieros formales 25
Cuadro 1.2: Evidencia empírica nacional relacionada al uso de servicios
financieros formales 29
CAPÍTULO II: METODOLOGÍA
Cuadro 2.1: Preguntas empleadas en la construcción de la variable
uso de servicios financieros formales 32
Cuadro 2.2: Preguntas empleadas en la construcción de la variable
uso de servicios financieros formales 32
Cuadro 2.3: Operacionalización de variables 38
Cuadro 2.4: Esquema de valores predichos por modelo 46
CAPÍTULO III: RESULTADOS
Cuadro 3.1: Tabla de frecuencia de acuerdo al uso de servicios financieros formales 52
Cuadro 3.2: Tabla de frecuencia del género 53
Cuadro 3.3: Tabla de contingencia entre uso de cuenta de ahorro y género 54
Cuadro 3.4: Tabla de contingencia entre uso de cuenta de ahorro a plazo fijo
y género 54
Cuadro 3.5: Tabla de contingencia entre uso de cuenta corriente y género 55
Cuadro 3.6: Tabla de contingencia entre uso de tarjeta de crédito y género 55
Cuadro 3.7: Tabla de contingencia entre uso de tarjeta de débito y género 56
Cuadro 3.8: Tabla de contingencia entre uso del sistema de pensiones y género 57
Cuadro 3.9: Tabla de frecuencia de la edad 58
Cuadro 3.10: Tabla de contingencia entre el uso de servicios financieros
formales y los rangos de edad por frecuencias 60
Cuadro 3.11: Tabla de frecuencia del nivel educativo 61
Cuadro 3.12: Tabla de contingencia entre uso de cuenta de ahorro y nivel educativo 62
Cuadro 3.13: Tabla de contingencia entre uso de cuenta de ahorro
a plazo fijo y nivel educativo 64
Cuadro 3.14: Tabla de contingencia entre uso de cuenta de cuenta corriente y nivel 64
Cuadro 3.15: Tabla de contingencia entre uso de tarjetas de crédito y nivel educativo 65
Cuadro 3.16: Tabla de contingencia entre uso de tarjetas de débito y nivel educativo 65
Cuadro 3.17: Tabla de contingencia entre uso del sistema de pensiones
y nivel educativo 66
Cuadro 3.18: Tabla de frecuencia del número de miembros en el hogar 68
Cuadro 3.19: Tabla de contingencia entre el uso de servicios financieros
formales y el número de miembros en el hogar, por frecuencias 69
Cuadro 3.20: Tabla del promedio de miembro en el hogar por tipo
de servicio financiero formal 70
Cuadro 3.21: Tabla de frecuencia de la recepción de ingreso 71
Cuadro 3.22: Tabla de contingencia entre uso de cuentas de ahorro e ingresos 71
Cuadro 3.23: Tabla de contingencia entre uso de cuentas de ahorro a plaza e ingresos 72
Cuadro 3.24: Tabla de contingencia entre uso de cuenta corriente e ingresos 73
Cuadro 3.25: Tabla de contingencia entre uso de tarjeta de crédito e ingresos 73
Cuadro 3.26: Tabla de contingencia entre uso de tarjeta de débito e ingresos 74
Cuadro 3.27: Tabla de contingencia entre uso del sistema de pensiones e ingresos 74
Cuadro 3.28: Tabla de frecuencia de la zona geográfica 76
Cuadro 3.29: Tabla de contingencia entre uso de cuenta de ahorro
y la zona geográfica 76
Cuadro 3.30: Tabla de contingencia entre uso de cuenta de ahorro a
plazo fijo y la zona geográfica 77
Cuadro 3.31: Tabla de contingencia entre uso de cuenta corriente y
la zona geográfica 77
Cuadro 3.32: Tabla de contingencia entre uso de tarjetas de crédito y
la zona geográfica 78
Cuadro 3.33: Tabla de contingencia entre uso de tarjetas de débito y
la zona geográfica 78
Cuadro 3.34: Tabla de contingencia entre uso del sistema de pensiones
y la zona geográfica 79
Cuadro 3.35: Estimaciones bivariables para el uso de servicios
financiero formales 82
Cuadro 3.36: Matriz de correlaciones de variables independientes 83
Cuadro 3.37: Estimación del modelo Logit 84
Cuadro 3.38: Pruebas de bondad de ajuste del modelo 89
Cuadro 3.39: Test de normalidad Shapiro-Wilk 92
Cuadro 3.40: Modelos Logit vs Probit corregidos 93
Cuadro 3.41: Resultados del modelo Logit corregido 94
Cuadro 3.42: Listado de coeficientes logísticos y cocientes de razones 94
Cuadro 3.43: Efectos marginales del modelo Logit final 95
Cuadro 3.44: Predicciones del modelo 95
Cuadro 3.45: Análisis de predicciones para individuos con características Medias 96
ÍNDICE DE FIGURAS
CAPÍTULO I: MARCO TEÓRICO Y EMPIRICO
Figura 1.1: Modelo Keynesiano de consumo - ahorro 7
Figura 1.2: Evolución del ciclo de vida 10
Figura 1.3: Hipótesis del ciclo de vida 11
Figura 1.4: Inversión en educación e ingresos futuros 14
Figura 1.5: Diferencias entre acceso y uso de servicios financieros formales 18
CAPÍTULO III: RESULTADOS
Figura 3.1: Uso de servicios financieros formales por género 57
Figura 3.2: Uso de servicios financieros formales por nivel educativo 67
Figura 3.3: Uso de servicios financieros formales por ingresos 75
Figura 3.4: Uso de servicios financieros formales por zona geográfica de residencia 80
Figura 3.5: Predicciones del modelo 90
Figura 3.6: Curva ROC 91
Figura 3.7: Test de Levene y Barlett 92
Figura 3.8: Probabilidad de usar servicios financieros formales y el género 97
Figura 3.9: Probabilidad de usar servicios financieros formales y la edad 99
Figura 3.10: Probabilidad de usar servicios financieros formales y el nivel
educativo 100
Figura 3.11: Probabilidad de usar servicios financieros formales y el número
de miembros en el hogar 102
Figura 3.12: Probabilidad de usar servicios financieros formales y los ingresos 104
Figura 3.13: Probabilidad de usar servicios financieros formales y las zonas
geográficas 105
ÍNDICE DE ANEXOS
Anexo 1: Matriz de consistencia 119
Anexo 2: Indicadores de acceso a los servicios financieros por
departamento 2010 – 2015 120
Anexo 3.1: Población (% 15 años+) que tiene cuentas, ahorra y solicita
crédito en una Institución Financiera (IF) – Global Findex 2011 y 2014 121
Anexo 3.2: Población (% 15 años+) que declara tener una tarjeta de
crédito y débito – Global Findex 2014 121
Anexo 3: Unificación de módulos de ENAHO usando Stata 14 122
Anexo 4: Recodificación de variables en Stata 14 123
Anexo 5: Do-file utilizado en la investigación usando Stata 14 125
ÍNDICE DE ABREVIATURA
ACM.………………………………………………Análisis de correspondencia múltiple
AFI.………………………………………………….Alianza para la inclusión financiera
BBVA………………………………………………....Banco Bilbao Vizcaya Argentaria
BCRP..........................................................................Banco Central de Reservas del Perú
BN……………………………………………………………………Banco de la Nación
BM………………………………………………………………………..Banco Mundial
CMIF…………………………………..Comisión Multisectorial de Inclusión Financiera
ENAHO…………………………………………………..Encuesta Nacional de Hogares
ENIF………………………………………..Estrategia Nacional de Inclusion Financiera
ENIF1………………………………………..Encuesta Nacional de Inclusion Financiera
INEI……………………………………...Instituto Nacional de Estadística e Informática
MEF…………………………………………………Ministerio de Economía y Finanzas
MIDIS………………………………………Ministerio de Desarrollo e Inclusión Social
MINEDU………………………………………………………..Ministerio de Educación
GLM…………………………………………………….……Modelo lineal generalizado
PBI………………………………………………………………..Producto Bruto Interno PMeC………………………………………………………Propensión media a consumir
PMC…………………….………………………………Propensión marginal a consumir
PMS……………………..…………………………………Propensión marginal a ahorra
OECD……………………..Organización para la cooperación y el desarrollo económico
SBS………………………………………….Superintendencia de Banca Seguros y AFP
RESUMEN
El presente trabajo de investigación tiene como propósito analizar el efecto de las
variables sociales, económicas y geográficas que inciden sobre el uso de servicios
financieros formales en el Perú con datos de la ENAHO 2015, y a partir de los resultados,
plantear alternativas de política que promuevan el uso de servicios financieros en
entidades formales por parte de todos los sectores de la población y en especial de los
sectores vulnerables, con el fin de promover el desarrollo económico y bienestar social
de cada individuo. Se empleó para ello, en primer término un análisis basado en tablas de
contingencia que busca encontrar un efecto parcial de cada variable independiente por
cada servicio financiero, y en segundo término un análisis econométrico multivariado, el
cual consistió en estimar un modelo logit teniendo como endógena la respuesta
dicotómica a si el individuo usa al menos un servicio financiero (cuenta de ahorro, ahorro
a plazo fijo, cuenta corriente, tarjetas de crédito, tarjetas de débito y sistema de
pensiones). De acuerdo a los resultados del análisis econométrico, se determinó que ser
mujer, tener un mayor número de miembros en el hogar y vivir en zonas rurales reduce
la probabilidad de usar servicios financieros formales en 2.70%, 0.49% y 9.69
respectivamente y mayor edad, mayor nivel educativo y disponer de ingresos mejora las
posibilidades de usarlos en 0.62%, 17.43% y 12.44%, respectivamente.
Palabras claves: Uso, servicios financieros formales, análisis econométrico
multivariado, dicotómico, variables sociales, variables económicas, variables
geográficas.
ABSTRACT
The purpose of this research is to analyze the effect of the social, economic and
geographical variables that influence the use of formal financial services in Peru with data
from ENAHO 2015, and from the results, to propose policy alternatives that promote The
use of financial services in formal entities by all sectors of the population and especially
the vulnerable sectors, in order to promote the economic development and social welfare
of each individual. For this purpose, an analysis based on contingency tables was used to
find a partial effect of each independent variable for each financial service, and secondly
a multivariate econometric analysis, which consisted of estimating a logit model having
as endogenous The dichotomous response to whether the individual uses at least one
financial service (savings account, fixed-term savings, current account, credit cards, debit
cards and pension system). According to the results of the econometric analysis, it was
determined that being a woman, having a larger number of members in the household and
living in rural areas reduces the probability of using formal financial services in 2.70%,
0.49% and 9.69 respectively and older, Higher educational level and disposing of income
improves the possibilities of using them in 0.62%, 17.43% and 12.44%, respectively.
Key words: Use, formal financial services, multivariate econometric analysis,
dichotomous, social variables, economic variables, geographic variables.
Página | 1
INTRODUCCION
El objetivo del trabajo de investigación ha sido analizar la encuesta nacional de
hogares en año 2015, en específico analizar las variables sociales, económicas y
geográficas que afectan la decisión de usar servicios financieros formales en el Perú, de
tal forma que se pueda cuantificar este fenómeno. Para tal efecto se planteó que ser mujer,
tener un nivel educativo bajo, un mayor número de miembros en el hogar y una menor
edad, reduce la probabilidad de usar servicios financieros formales, en tanto que, recibir
ingresos monetarios y vivir en zonas urbanas las mejoran.
El soporte teórico de este trabajo se centra principalmente en la teoría keynesiana
y la teoría del ciclo de vida, desarrolladas por Keynes (1936) y Modigliani (1986)
respectivamente, sin embargo, esta investigación también rescata los aportes que brindan
la economía del género, la teoría de la localización, la economía financiera y las
contribuciones de Claessens (2006) y del Banco Mundial (2008) referidas al uso de
servicios financieros en los individuos.
Esta investigación metodológicamente sigue el trabajo planteado por Cámara,
Peña y Tuesta (2013). Para el caso de esta investigación se usó la modelación Logit por
tener mejor ajuste que el Probit y se descartó la posibilidad de usar otras modelaciones
por la naturaleza cualitativa dicotómica de la variable endógena de estudio, por ejemplo,
se descartó el modelo de probabilidad lineal por tener limitaciones como
heterocedasticidad, no normalidad, valores estimados fuera del rango [0,1] y r2 bajos, y
también se descartó el modelo Tobit por no tratarse la variable de estudio de una variable
censurada.
Esta investigación se ha estructurado en 3 capítulos, en el primero se han
desarrollado las aportaciones teóricas ligadas al tema y la evidencia empírica referida al
uso de servicios financieros tanto a nivel internacional como a nivel nacional. En el
segundo capítulo se ha descrito de manera ordenada la metodología aplicada en esta
investigación, el modelo econométrico utilizado y las variables requeridas para analizar
el tema. El tercer capítulo detalla los resultados obtenidos, se realiza el análisis y contraste
Página | 2
de los hallazgos, situación que conlleva a la realización de conclusiones, implicancias y
recomendaciones como parte final de la investigación.
Dentro de los principales hallazgos se encontró que ser mujer, tener un miembro
adicional en el hogar y vivir en zonas rurales reduce la probabilidad de usar al menos un
servicio financiero formal en el Perú en 2.70%, 0.49 y 9.69%, respectivamente; por su
parte tener un año más de edad, un nivel mayor nivel educativo y tener ingresos mejora
esta probabilidad en 0.62%, 17.43% y 12.44%, respectivamente.
Por tanto esta investigación permite concluir entonces que en efecto el uso de
servicios financieros formales se explica por variables de orden social, económico y
geográfico, ya que variables como el género, la edad, el nivel educativo, el número de
miembros del hogar, los ingresos y la zona geográfica de residencia son significativas
dentro del modelo planteado.
Página | 3
CAPÍTULO I: MARCO TEÓRICO Y EMPIRICO
1.1 MARCO TEÓRICO
Este primer apartado desarrolla el estado actual del arte, es decir los aspectos
teóricos a los que se recurre para el desarrollo de esta investigación.
1.1.1 Aspectos conceptuales
Previo al desarrollo teórico es importante presentar brevemente los aspectos
conceptuales que enmarcan esta investigación a fin que el lector se familiarice con ellos,
con el fin único de mejorar la comprensión del tema. Se definen los terminos: servicios
financieros, intermediación financiera, inclusión financiera, acceso y uso de servicios
financieros.
1.1.1.1 Servicios financieros
La ley general del sistema financiero y del sistema de seguros y orgánica de la
SBS (Ley N° 26702, 1996) define un servicio financiero como cualquier servicio de
naturaleza financiera que se compone de todos los servicios bancarios, todos los servicios
de seguros y relacionados con seguros y demás servicios financieros.
De igual modo, Asmundson (2011) los define no como un bien financiero (un
préstamo hipotecario, un crédito personal, una póliza de seguros de automóvil, etc.) sino
como “la transacción necesaria para obtener el bien financiero. […] en ámbitos tales como
el sector inmobiliario, de financiamiento al consumo, bancario y seguros.” (Asmundson,
2011, pág. 46).
Para Asmundson (2011) los servicios financieros son esenciales para que una
economía marche bien. Permiten a los ahorristas depositar sus excedentes de manera
segura en instituciones financieras y hace posible que los agentes deficitarios de dinero
realicen sus proyectos o ideas de negocios otorgándoles créditos. Del mismo modo
permiten cubrir riesgos y gastos imprevistos a las personas con los seguros.
Página | 4
Los servicios financieros son formales cuando son provistos por entidades
financieras formales sujetas a la vigilancia especializada del Estado (Instituto de Estudios
Peruano, 2013). Dentro del Perú la entidad encargada de regular todas estas operaciones
es la Superintendencia de Banca Seguros y AFP (SBS).
Los servicios financieros formales sirven como herramienta para afrontar choques
adversos, emergencias o siniestros que afectan a las personas. Por otro lado facilitan las
transacciones o medios de pago de la economía porque reducen el tiempo y mejoran la
seguridad (Corporación Andina de Fomento, 2011b).
De acuerdo a la SBS los productos o bienes son clasificados en productos activos
y pasivos, dentro del primer grupo se tienen: préstamos hipotecarios, préstamos a
microempresas, préstamos personales, tarjeta de crédito, etc.; y para el caso de las
productos pasivos: depósitos de ahorro, depósitos a plazo, depósitos de CTS, depósitos
en cuenta corriente, tarjetas de débito, órdenes de pago, etc. A ambos grupos se agrega
los seguros de vida, seguros vehiculares, seguros oncológicos, etc.
1.1.1.2 Inclusión financiera
La Comisión Multisectorial de Inclusión Financiera (CMIF) (2005, pág. 13)
define la inclusion financiera como “el acceso y uso de servicios financieros de calidad
por parte de todos los segmentos de la población”. Un tema que abarca 3 pilares acceso,
uso y calidad. De manera similar, para Cano, Esguerra, García, Rueda y Velasco (2014)
la inclusion financiera es “el acceso generalizado a servicios financieros y su utilización
efectiva”.
Es precisamente el uso de servicios financieros, que forma parte del concepto más
general llamado inclusion financiera, el fenómeno que se analiza en esta investigación.
De acuerdo a la definición de inclusion financiera tanto el acceso como el uso son dos
situaciones distintas pero que convergen a la inclusión financiera. Por tanto, es importante
situar los usos en este marco conceptual.
Página | 5
Son muchos los organismos internacionales que vienen generando programas para
la inclusión financiera, es el caso de G-20 que lanzo en el 2008 la Alianza para la inclusión
financiera (AFI) encarga, de acuerdo a la publicación AFI (2015), de regular y generar
políticas para la inclusion financiera en el mundo. Por otro lado está el Banco Mundial
(BM) que realiza la encuesta Global Findex para generar indicadores de inclusión
financiera en más de 140 economías, el Banco Bilbao Vizcaya Argentaria (BBVA) con
apoyo técnico al AFI, la Organización para la cooperación y el desarrollo económico
(OECD), entre otras instituciones y programas.
Para el Perú, en el año 2015 se lanza la Estrategia Nacional de Inclusion Financiera
(ENIF) como un instrumento de política que promueve la inclusión financiera, cuyo
objetivo es “promover el acceso y uso responsable de servicios financieros integrales,
quesean confiables, eficientes, innovadores y adecuados a las necesidades de los diversos
segmentos de la población” (CMIF, 2015 pág. 43) con la participación de diversas
instituciones como el Ministerio de Economía y Finanzas (MEF), el Ministerio de
Desarrollo e Inclusión Social (MIDIS), el Ministerio de Educación (MINEDU), la SBS,
el BCRP y el Banco de la Nación (BN).
1.1.1.3 Acceso y uso de servicios financieros
Claessens (2006), el Banco Mundial (2008), Peña, Hoyo y Tuesta (2014) y otros,
sostienen que existen diferencias importantes entre los terminos acceso y uso, siempre
que estén ligados al sector financiero. Esta discrepancia viene dada, porque el acceso se
vincula al suministro del servicio financiero, en tanto que el uso es una cuestión netamente
de demanda. A pesar de la diferencia, algunas veces ambos terminos son considerados
como equivalentes por la literatura, pero esta investigación se considera tal diferencia.
Este trabajo propone analizar el fenómeno de inclusion financiera desde el lado
de la demanda, por su importancia, puesto que en línea de lo que indican Tuestas, et. al.
(2015) el acceso solo es una condición necesaria pero no es suficiente para promover la
inclusión financiera en el país.
Página | 6
1.1.2 Teoría Keynesiana
Un importante número de investigadores citan a Keynes (1936), como el primer
economista que pudo establecer una relación directa entre el consumo y la renta
disponible, y aunque existían muchos otros determinantes, estos carecían de relevancia
para su modelo.
El modelo propuesto por Keynes (1936) (citado por Fernández, 2009) para
explicar el consumo, se forma de un consumo autónomo 𝐶0; un ingreso disponible (Y-T)
que descuenta los impuestos al ingreso percibido por las familias y por ende de los
individuos; y finalmente un intercepto llamado propensión marginal a consumir (PMC)
que no es más que la parte destinada al consumo cuando aumenta una unidad el ingreso.
𝐶 = 𝐶0 + 𝑏 ∗ (𝑌 − 𝑇)
De acuerdo al modelo básico, existe un consumo autónomo 𝐶0 que se supone es
pequeño y positivo que agrupa, según Parkin, Esquivel, y Muñoz (2007), la riqueza
acumulada, el ingreso futuro esperado, la tasa de interés real. También existe una
propensión marginal a consumir (PMC) y una propensión media a consumir (PMeC),
donde esta última es mayor a la primera asegurando así, que la elasticidad ingreso del
consumo (𝑃𝑀𝐶
𝑃𝑀𝑒𝑃) sea menor que la unidad pero que se aproxime a uno frente a incrementos
del ingreso.
Por otro lado, al mismo tiempo que el modelo keynesiano explica el consumo,
también explica el ahorro. Es así que al descontarle todo lo consumido a los ingresos se
encuentra el ahorro, sin embargo para Keynes (1936) (citado por Lera, 1997) esta decisión
no es una acción en sí misma, sino la ausencia de otra, el consumir.
𝑌 = 𝐶 + 𝑆
Para la ecuación anterior Y es el ingreso recibido por una persona, C es el consumo
y S el ahorro. A partir de esta ecuación se desprende la ecuación:
𝑆 = 𝑌 − 𝐶
Página | 7
De donde se extrae la función de ahorro, la cual se compone de forma análoga de
un ahorro autónomo 𝑆0, una pendiente (1-b) conocida como propensión marginal a ahorra
(PMS) y un ingreso disponible (T-Y). La PMS se interpreta como la porción que se
destina al ahorro cuando el ingreso aumenta una unidad.
𝑆 = −𝑆0 + (1 − 𝑏) ∗ (𝑌 − 𝑇)
Para explicar cómo se determina la función del ahorro se presenta la figura 1.1 En
la parte superior se encuentra la función consumo que se relaciona de forma directa con
el ingreso disponible y en la parte inferior la función ahorro. Según esta figura existe un
punto 𝑌1 donde las personas consumen todos los ingresos y donde el ahorro es cero, un
segundo punto 𝑌2 donde el consumo es mayor al ingreso, que implica un ahorro negativo
y finalmente un punto 𝑌3 donde luego de satisfacer el consumo aún queda un excedente
que se destina al ahorro.
Figura 1.1
Modelo Keynesiano de consumo - ahorro
Fuente: Parkin, et. al. (2007, pág. 333)
Elaboración: Propia
Página | 8
En la figura anterior un individuo situado en el punto 𝑌3 gozara de un nivel de
ahorro por el excedente logrado, dicho saldo a favor hará que demande mecanismos
seguros para proteger su dinero por lo que usará los servicios del mercado financiero. De
manera semejante uno que se encuentre en 𝑌2 se verá obligado a endeudarse ya que sus
bajos ingresos no cubren su consumo y buscaran mecanismos como el crédito para reducir
el diferencial.
El principal aporte del modelo Keynesiano tiene que ver con que relaciona el
ahorro y el consumo con los ingresos, sin embargo existe una limitación importante ligada
a la manera en la que supone un comportamiento miope de las personas, esto significa
que plantea individuos incapaces de pensar en el futuro, no formándose expectativas, sino
usando solamente el ingreso actual para sus decisiones de ahorro y consumo (Lera, 1997).
Además de lo anterior Lera (1997) cita a Simon Kuznets (1946), Goldsmith (1951)
y Denison (1955) como los que encuentran debilidades empíricas al modelo de Keynes
(1936), lo que hace, en consecuencia, que surjan nuevas modelaciones para corregir estas
debilidades, dentro de las más importantes, citando a Fernández (2009), se encuentran la
hipótesis del ciclo de vida y la hipótesis del ingreso permanente.
1.1.3 Teoría del ciclo de vida
Conforme a lo citado por Anchapuri (2014), la teoría del ciclo de vida es el más
importante mecanismo que explica la demanda de servicios financieros1. Esta afirmación
se basa en lo que plantea la mencionada teoría, en razón que los individuos siempre
intentan tener un nivel de vida constante, pero como sus ingresos son no constantes
porque solo reciben ingresos cuando trabajan, se ven obligados a ahorrar para su edad
adulta y a devolver lo prestado en para cuando fueron jóvenes (Morettini, 2002).
En consonancia con esta idea, Parkin, et. al. (2007) sostienen que en este ciclo de
vida las persona jóvenes y los pensionados son los que menos ahorran porque tienen
1 En este caso el autor se orienta a explicar la demanda de créditos.
Página | 9
menores ingresos futuros esperados, en cambio los de edad intermedia por su flujo
constante de ingresos, ahorran más, estando más propensos a usar servicios financieros.
También resulta valido sostener que desde esta perspectiva, para que un individuo
ostente un nivel de vida constante a lo largo del tiempo y sus patrones de consumo no
varíen drásticamente demandara créditos a las instituciones financieras bajo la posibilidad
que sus ingresos caigan con el aumento de la edad.
Modigliani (1986) (citado por De Gregorio, 2004) es quien propone la teoría del
ciclo de vida o también conocida como hipótesis del ciclo de vida, siendo su mayor aporte
el reconocer la vida limitada de un individuo para explicar el consumo, en un ciclo que
abarca: no percibir ingresos, trabajar y jubilarse.
Este modelo supera las deficiencias del modelo Keynesiano visto en el apartado
anterior, puesto que según él, ahora se consideran individuos no miopes, capaces de tomar
decisiones considerando el horizonte temporal y no se basan en un ingreso absoluto.
La figura 1.2 coadyuva a entender lo que propone la hipótesis del ciclo de vida.
Como primer paso se debe considerar la existencia de un individuo cualquiera, en seguida
se debe suponer que este individuo intenta suavizar su consumo, es decir tener un
consumo estable 𝑐̅ durante toda su vida, viviendo sin sobresaltos, para lo que necesitara
ahorra y endeudarse en momentos dados de su vida.
En la figura, el área A muestra una etapa en la que el individuo no recibe ingresos
pero acumula deuda, sin embargo, el área B describe la etapa que en la que ingresos se
elevan, comienza a pagar deuda y a acumular activos, esta es la etapa en la que comienzan
a ahorrar para luego gastarlo en su jubilación (área C), consumiendo todos sus ahorros y
terminando con cero activos al final de su vida.
Página | 10
Figura 1.2
Evolución del ciclo de vida
Fuente: De Gregorio (2004, pág. 72)
Elaboración: Propia
De manera analítica, Lera (1997) y Jiménez (2009) ofrecen un resumen del
modelo, que desarrolla bajo los supuestos que no se reciben ni se dejan herencias, lo
precios son constantes, el ahorro no genera interés, los ingresos son constantes y no se
detienen, no existen desempleo y un último que se flexibiliza de la no existencia de
riqueza Morettini (2002).
El mencionado modelo surge de un individuo con una vida laboral de N años y
una vida con L años hasta su muerte. Con lo cual existe un periodo de jubilación
expresado por L-N. Por otro lado, los individuos ganan un ingresos por su vida laboral
representado por Y*N que se reparte entre un consumo C y un ahorro S.
Página | 11
Figura 1.3
Hipótesis del ciclo de vida
Fuente: Morettini (2002, pág. 11)
Elaboración: Propia
Conforme al ciclo de vida, un individuo anhela gozar de un nivel de consumo
constante a lo largo de su vida, entonces su consumo se representara por 𝐶 = (𝑁
𝐿∗ 𝑌), en
tanto que el ahorro se forma de restar a la renta el consumo 𝑆 = 𝑌 − 𝐶. Por lo que
reemplazando estas funciones queda lo siguiente:
𝑆 = 𝑌 − 𝐶 = 𝑌 − (𝑁
𝐿∗ 𝑌) =
𝑌 ∗ (𝐿 − 𝑁)
𝐿
Por tanto el ahorro total logrado durante toda su vida laboral será:
𝑆 ∗ 𝑁 =𝑌 ∗ (𝐿 − 𝑁)
𝐿∗ 𝑁
En seguida, la riqueza acumulada se forma por el ahorro hecho por los individuos
durante su vida laboral es decir año N, luego de ello ya no hay ingresos y empieza el
desahorro, usando su riqueza acumulada hasta el momento hasta el punto en que ya no
tiene riqueza en el momento de su muerte. Por lo que todo lo ahorrado se consume para
tener un consumo constante.
Página | 12
A partir de lo anterior, se puede determinar cómo es la decisión entre consumo y
ahorro que un individuo afronta en un año específico T (0<T<N), donde la riqueza
acumulada se representa por 𝑅𝑡 y se determina por:
𝑅𝑡 = 𝑇 ∗ 𝑆 = 𝑇 ∗𝑌 ∗ (𝐿 − 𝑁)
𝐿
Por tanto el consumo en el año T será:
𝐶𝑇 =1
𝐿 − 𝑇∗ 𝑅𝑡 +
1
𝐿 − 𝑇∗ 𝑌 ∗ (𝑁 − 𝑇)
Según lo cual el consumo en el año T se compone de ingresos esperados en el
futuro 𝑌 ∗ (𝑁 − 𝑇) y la riqueza acumulada hasta dicho periodo 𝑅𝑡, ambos acompañados
del mismo coeficiente 1
𝐿−𝑇 que depende de manera directa de la edad del individuo.
De manera análoga se determina el ahorro en el año T, que es la diferencia del
ingreso y el consumo:
𝑆𝑇 =1
𝐿 − 𝑇∗ (𝐿 − 𝑁) ∗ 𝑌 −
1
𝐿 − 𝑇∗ 𝑅𝑡
Por tanto, el ahorro en el año T, se relaciona de manera negativa con la riqueza
acumulada y de manera positiva con los ingresos, pero sobre todo depende de la edad del
individuo al igual que en el consumo.
El esquema planteado por Modigliani (1986) permite vincular entre otros, a la
edad para explicar las decisiones de ahorro y consumo, esto significa que la edad sirve
para explicar que tanto una persona estaría dispuesta a demandar servicios financieros de
ahorro o crédito para suavizar su consumo y reducir las restricciones de liquidez,
mejorando como lo sostiene Cano, et. al. (2014), la eficiencia en la asignación de recursos
de la economía con un mayor crecimiento, equidad y reducción de pobreza.
Página | 13
1.1.4 Educación financiera
La educación financiera es definida por la Red Financiera BAC y CREDOMATIC
(2008, pág. 35) como “proceso educativo por el cual la personas toman conciencia de la
importancia de desarrollar conocimiento, actitudes, destrezas, valores, hábitos y
costumbres […] por medio del conocimiento y la utilización adecuada de las herramientas
e instrumentos básicos de la vida financiera”. Según esta, un individuo sin educación
financiera no podrá decidir entre la mejor opción de ahorro o inversión, estará propenso
a fraudes y no podrá beneficiarse de las ventajas de usar los servicios financieros.
Para la Corporación Andina de Fomento (2013, pág. 15) la educación financiera
es “el proceso por el cual los consumidores/inversionistas financieros mejoran su
comprensión de los productos financieros […] para ser más conscientes de los riesgos y
oportunidades financieras, tomar decisiones informadas, saber a dónde ir para obtener
ayuda y ejercer cualquier acción eficaz para mejorar su bienestar económico”.
De acuerdo con las definiciones mostradas, la educación, y en caso puntual la
educación financiera, proporciona a los individuos habilidades para decidir mejor
informados, ser conscientes de los riesgos, etc. siendo importante el rol de la educación
en la sociedad. Becker (1994) (citado en Aguilar y Ortiz, 2013) habla de este pilar social,
lo presenta como capital humano, un factor clave, que luego de invertir en él permite el
desarrollo y crecimiento de una sociedad.
Según la teoría del capital humano propuesta por Becker (1994), una persona con
una fuerte inversión en capital humano, con miras al fututo recibirá mejores salarios que
otra con escaza inversión. Según esto Cardona, et. al. (2007) citando a Becker (1994)
presentan la figura 1.4 que deja en evidencia que las personas sin formación, obtienen un
ingreso llano a lo largo de su vida (U), mientras que aquellas con formacion elevan sus
ingresos de forma constantemente (T), y aunque en los primeros años de aprendizaje su
ingresos sean bajos por la inversión realizada, con el pasar de los años se lograr
retribuciones más altas, la figura siguiente lo muestra:
Página | 14
Figura 1.4:
Inversión en educación e ingresos futuros
Fuente: Cardona, et. al. (2007, pág. 19)
Elaboración: Propia
Con la teoría de capital humano, queda claro que la inversión en educación mejora
los niveles de ingreso que un individuo alcanza conforme avanza su edad, pero también
ayuda a la personas a ser más consientes, a comprender mejor el mundo, puede por
ejemplo, direccionándolo a esta investigación, ayudar a tomar mejores decisiones
financieras, aprovechar mejor los beneficios que brinda el sector financiero, ser parte
activa del sistema financiero, etc. como lo indica el concepto de educación financiera.
Basado en lo anterior, León y Quispe (2012) proponen una modelación en la que
la decisión de estar bancarizado, equivalente a usar servicios financieros, depende
fuertemente de la educación. Para esta metodología la bancarización B (depósito bancario
/ total de ingresos) se encuentra condicionado por la tasa de interés efectiva (i), el nivel
de ingresos (Y) y el nivel de educación del individuo (E).
𝐵 = 𝐵(𝑖, 𝑌, 𝐸)
Los mecanismos de transmisión que ligan las variables estimulo con la variable
respuesta, son tres, primero la tasa de interés efectiva, cuando más alta es, mayor es el
costo de oportunidad de mantener los ingresos fuera de sistema financiero; segundo el
Página | 15
ingreso, cuando mayor es el nivel, mayor será el ahorro dependiendo de la propensión
marginal al ahorro de cada individuo; y tercero la educación, que cuando es más elevada
permite al individuo gozar de mayor información y conocimiento sobre los servicios
financieros.
Según lo que plantean León y Quispe (2012) la tasa de interés efectiva (i) resulta
de la diferencia entre la tasa de interés pasiva (𝑟), recabadas por las instituciones
financieras, y los costos de transacciones (𝑐𝑡). Por lo que, cuando mayor son los costos
de transaccionales menor es la tasa de interés percibida, en tanto que, los menores niveles
de educación generan mayores costos operativos, a mayor educación mayor la tasa de
interés efectiva recibida.
𝑖 = 𝑖(𝑟 − 𝑐𝑡) = 𝑖(𝑟 − 𝐸)
En seguida, se exponen un último supuesto, el que considera que los ingresos (Y)
dependen directamente del nivel educativo (E) que alcanza un individuo. Esta relación se
refuerza con la teoría del capital humano.
𝑌 = 𝑌(𝐸)
Con un tratamiento aritmético, reemplazando las ecuaciones se obtiene la
ecuación en su forma reducida:
𝐵 = 𝐵(𝑟, 𝐸)
Siendo 𝐵𝑟 > 0 y 𝐵𝐸 > 0
Según la forma reducida, existe una relación directa entre la educación y la
bancarización, eso significa que cuando mayor sea el nivel educativo logrado, mayor será
el uso de servicios financieros en una sociedad. Por otro lado, a pesar que la formula
propone una relación directa con la tasa de interés pasiva, no es el propósito de esta
investigación ahondar en relaciones teóricas ya establecidas (como es la relación interés
– ahorro), sino más bien analizar variables sociales como la educación que también
afectan las decisiones por participar del sistema financiero.
Página | 16
1.1.5 Economía de género
Castaño (1999) habla de la nula consideración que se le ha brindado a la
perspectiva de género a lo largo de toda la ciencia económica. La investigadora considera
que los llamados agentes económicos siempre se les ha considerados como del género
masculino, al no cargárseles, por ejemplo, los deberes de cuidar el hogar, cuidar
personalmente a los hijos, a los enfermos, entre otras actividades propias del hogar.
Para Castaño (1999) existe un comportamiento diferenciado entre hombres y
mujeres, causado por distintos roles sociales asignados a cada género. Mientras que, la
sociedad reclama siempre al hombre cumplir con tareas relacionas exclusivamente a lo
público (negocios, profesiones y política) y al ocio, a la mujer se le asigna tareas privadas
(domésticas, hijos, etc.), no obstante, si una mujer quisiera participar del mercado laboral
deberá primero sacrificar su ocio, hacer sus tareas privadas para luego las públicas.
De manera semejante, el Fondo de población de las Naciones Unidas (2006)
plantea que en la sociedad existen dos tipos de trabajos: el reproductivo y el productivo,
el primero ligado a la mujer con su rol reproductor, doméstico el que se caracteriza por
no tener retribución económica y estar infravalorado; y uno productivo ligado al hombre,
que acoge todas las actividades de producción de bienes y servicios para el mercado, que
tiene valor de cambio, es retribuido y tiene una sobrevaloración social y económica.
En efecto, existen ideas disímiles respecto al rol de cada género en la sociedad,
siendo así que, para la Superintendencia de Bancos e Instituciones Financieras de Chile
(2014, pág. 13) “estas constituyen un factor relevante a la hora de explicar la utilización
de servicios financieros”. Según la evidencia empírica el género es un factor que
condiciona las decisiones de uso de servicios financieros según los estudios de King
(2011), Hoyo, Peña y Tuesta (2013), Cámara, et. al. (2013), Corporación Andina de
Fomento (2013), Peña, et. al. (2014), Tuesta, et. al. (2015).
Página | 17
1.1.6 Teoría de localización
De acuerdo con el razonamiento que ofrece Inforesources (2008), existe una
diferencia marcada entre el suministro de servicios financieros que se brinda en una zona
rural y en una urbana, y es que en la primera existen altos costos unitarios, excedente que
se generan por una infraestructura de transporte, comunicaciones y tecnología de la
información con un menor grado de desarrollo que en la zonas urbanas.
Dadas las condiciones que anteceden, las instituciones financieras incurren en
costos extras que se transfieren directamente al cliente consumidor del servicio. Aparicio
y Jaramillo (2012) sostienen que las dificultades geográficas elevan los costos de
provisión y limitan la expansión de toda oferta de servicio, por ejemplo de cajeros
corresponsales, cajeros automáticos u oficinas de atención.
Ante ello, la teoría de localización determina la ubicación que maximiza la
rentabilidad de un proyecto. Según Sapag y Sapag (2008) las características geográficas
y la micro localización se analizan para establecer la zona más rentable, en tanto Baca
(2010) agrega factores institucionales, sociales y económicos para dicha elección.
De los anteriores planteamientos se deduce que las condiciones geográficas
afectan tanto a la oferta como a la demanda de servicios financieros, de acuerdo a ello
una institución toma en cuentas las caracterizas geográficas y sus inconvenientes, por otro
lado los demandantes toman en cuenta los costos asociados a su lejanía geográfica,
consideran, por ejemplo, las distancias para realizar un deposito o pagar una cuota de un
crédito. En conclusión la zona geográfica en la que viva un individuo condiciona el uso
de un servicio financiero.
1.1.7 Diferencia entre acceso y uso de servicios financieros formales
Claessens (2006) manifiesta que el acceso es distinto al uso de servicio financiero,
mientras, que tener acceso significa tener la disponibilidad de una prestación de servicios
financieros de calidad a un coste razonable, el usar hace referencia a un consumo real de
los servicios. Jaramillo, et. al. (2013), Cano, et. al. (2014), Roa (2014), entre otros, aclaran
Página | 18
que el acceso se refiere al suministro u oferta, en tanto que el uso hace referencia a la
demanda por los servicios.
En razón de lo mencionado el Banco Mundial (2008) y antes Claessens (2006)
proponen un esquema para diferenciar el acceso y uso de servicios financieros formales.
Identifican 3 grandes grupos de individuos. Un primer grupo que tienen acceso y usan los
servicios financieros (usuarios), luego otro grupo que tienen acceso y no quieren usar
(exclusión voluntaria) y finalmente los que no tienen acceso y por ende no usan los
servicios financieros (exclusión involuntaria).
Figura 1.5:
Diferencias entre acceso y uso de servicios financieros formales
Fuente: Claessens (2006) y Jaramillo, et. al. (2013), Banco Mundial (2008)
Elaboración: Propia
Están las personas que usan y acceden a los servicios financieros formales sin
problemas, pero también, los que se autoexcluyen por razones culturales, religiosas,
porque no tienen necesidad de usarlos, porque tienen algún familiar que ya los usa o
porque prefieren tratar con dinero en efectivo o finalmente porque son empresas sin
ningún tipo de inversión, a este grupo se les conoce como los excluidos voluntariamente
según lo propuesto por Claessens (2006) y el Banco Mundial (2008).
Página | 19
Existe un último grupo de individuos excluidos involuntariamente, esto es, que a
pesar de querer usar los servicios no tienen acceso, por diversas razones, como la falta de
ingresos, elevados riesgos de impago, altos costos operacionales en zonas lejanas
relacionados al marco contractual que impedirían a las instituciones financieras llegar a
ciertos grupos poblacionales, elevados precios de ciertos servicios financieros y una
última razón ligada a la discriminación de aspectos sociales, religiosos y étnicos que
afrontan algunos grupos vulnerables según lo indicado por Claessens (2006) y el Banco
Mundial (2008)
Para Jaramillo, et. al. (2013) en el grupo de excluidos hay muchos que se ven
obligados a usar servicios financieros informales, que en todos los casos son de peor
calidad y más costosos que los formales, esto en razón que son individuos de bajos
ingresos y alto riesgo de impago. Sin embargo, según él, para mejorar el bienestar de los
individuos es necesario que usen servicios formales y conforme a ello en esta
investigación se estudian estos pues generan mayor bienestar en las personas que los
informales.
1.1.8 Síntesis del marco teórico
En relación con el marco teórico desarrollado en este trabajo, se contrasta la
existencia de un fundamento teórico para explicar la relación existente entre el uso de
servicios financieros y variables de origen social, económico y geográfico de individuos
en el Perú.
Por el lado de la teoría keynesiana, esta proporciona fundamento para relacionar
al ingreso con el uso de servicios financieros, en tanto, la teoría del ciclo de vida postula
que además de los ingresos, la edad explica este fenómeno porque los individuos desean
tener un nivel de vida constante al que se puede llegar demandando créditos y/o
ahorrando.
La educación financiera estipula que la educación proporciona habilidades,
conocimientos y destrezas que permiten a los individuos mejorar la comprensión de los
servicios financieros, por tanto, esta variable se vuelve importante de analizar en este
Página | 20
estudio. En cuanto a la economía de género se habla de diferencias entre hombre y
mujeres producto de distintos roles que asigna la sociedad a cada uno de ellos, por ello se
rescata que el género explica también la decisión de usar servicios financieros.
Finalmente por su parte la teoría de localización revela que los aspectos
geográficos condicionan la oferta de servicios, lo que repercute sobre la demanda, según
el BM esto genera individuos excluidos involuntariamente, por ello se considera el ámbito
urbano y rural como representativos para explicar el fenómeno estudiado.
1.2 EVIDENCIA EMPÍRICA
Relacionado al problema de investigación y de acuerdo con Cámara, et. al. (2013)
y Tuesta, et. al. (2015) se puede afirmar que son pocos los estudios empíricos a nivel
microeconómico que analizan los determinantes de la inclusión financiera y por ende del
uso de los servicios financieros. En esta investigación se plantean factores
socioeconómicos y geográficos para cuantificar su impacto sobre la decisión de usar
servicios financieros formales en el Perú.
A continuación se describen algunos de estos estudios en mayor detalle:
1.2.1 Evidencia empírica internacional
Con datos del año 2000 para el Reino Unido, Devlin (2005) buscó con su
investigación aquellos factores que expliquen un fenómeno que él llamo exclusión
financiera, que no era otra cosa que la respuesta dicotómica a si el individuo usaba o no
un servicio financiero. El autor propuso que si una persona no usaba alguno de estos
servicios: cuentas corrientes, cuentas de ahorro, seguros de vivienda, seguros de vida o
pensiones, automáticamente se le consideraba como excluida del sistema financiero.
Según esto, Devlin (2005), realiza cinco estimaciones logísticas, para cada uno de
los servicios financieros citados. Con ellos pudo concluir que la situación laboral, los
ingresos del hogar, la tenencia de vivienda, el estado civil, la edad y el nivel educativo
eran las variables más representativas dentro de todos los modelos planteados.
Página | 21
El modelo que utiliza es logístico y se plantea a continuación:
𝐸𝑋𝐶𝐿𝑈𝐷𝐸𝐷𝑎−𝑒 = 𝑓(𝑥)
Donde excluded es la variable endógena que es 1=si usa alguno de los servicios
financiero (no excluido) y 0=si no los usa (excluido). Por su parte x representa a conjuntos
de variables exógenas: género, clase social, edad, estatus dentro del hogar, ingreso
familiar, origen étnico, región, nivel de estudios, situación laboral, tamaño del hogar y
tenencia de vivienda.
Según sus resultados del primer modelo, uso de cuentas corrientes, las personas
casadas o convivientes; de ingreso familiar medio y alto; con vivienda propia; que trabaja;
de clase social D y E; sin familia numerosa; y tienen niveles de educación media y alta,
son las que más usan las cuentas corrientes y por ende las que tienden a ser las menos
excluidas del sistema. Por otro lado las personas mayores de 66 años; que son
desempleados, jubilados o estudiantes; que tienen vivienda alquilada, viven en lugares
públicos o en sociedades inmobiliarias y con alto número de personas en casa, son las
más propensas a ser excluidas del sistema.
Para el caso de los otros cuatro modelos los resultados son similares al presentado
salvo que ahora todos los rangos de edad son significativos lo que significa que tienen
mayor probabilidad de usar servicios financieros que los mayores de 26 años tendiendo a
ser menor excluidos, el origen étnico se vuelve significativo en algunos casos, la región
sigue siendo poco significativa, en tanto que el género solo se hace significativo para
explicar los ahorros y las pensiones pero estos son inconsistentes.
Por su parte Kumar (2005) en un estudio realizado en Brazil, encuentra que la
probabilidad de tener servicios de depósito, cuentas bancarias, tarjeta de crédito de débito
y tener solicitudes de préstamos se explican por un conjunto de variables
socioeconómicas y geográficas entre las cuales: región geográfica, sexo, edad, posición
en el hogar, tipo de vivienda, tipo de estructura, número de personas en la familia, empleo,
rol en el lugar de trabajo, tipo de empleo, sector económico, ingresos, educación y
posesión de colateral.
Página | 22
Kumar (2005) realiza cinco estimaciones Probit para cada servicio. Encuentra que
el resultado más importante para todos sus modelos son los ingresos, relacionado de
forma directa lo que significa que mayores ingresos incrementan la probabilidad de usar
servicios financieros. Los niveles de educación también explican de forma directa el
fenómeno, salvo cuando se explican las solicitudes de crédito. En otro resultado la región
geográfica explica las cuentas bancarias, el sexo los depósitos, el tipo de actividad las
tarjetas de débito y los colaterales las tarjetas de crédito. Finalmente encuentra que la edad
resultan ser no significativa en ninguno de los casos.
En otra investigación para el Reino Unido Finney y Kempson (2009) analiza los
factores que determinan la probabilidad de usar una cuenta bancaria, lo hace realizando
una primera estimación logística para las personas no jubiladas y otra para los jubilados.
Para el primer modelo encuentra que contar con un Post Office Card Account (cuenta en
la oficina postal), poseer ingresos bajos, alquilar casa, estar entre los rangos de edad 16-
24 y 25-34, ser hombre, estar retirado y vivir en una región determinada, incrementa las
probabilidades de utilizar el servicio financiero. En un segundo modelo las variables edad,
el género y los años de estudio no resultaron significativas.
En África Osei-Assibey (2009) analiza la demanda de los hogares por una cuenta
bancaria impulsando la exclusion geográfica en Ghana. Este autor encuentra que son
determinantes para tener una cuenta bancaria: el ingreso, la etnia, el nivel educativo, la
edad del jefe del hogar, el género, la situación laboral, así mismo incluye variables de
oferta como el precio de los productos financieros y la proximidad a un banco.
Para el caso de Kenya y Uganda, Johnson y Nino-Zarazua (2011) investigan los
factores socioeconómicos, demográficos y geográficos que causa la exclusión de los
servicios financieros realizando 4 regresiones logísticas para inclusion formal,
semiformales e informales y para los excluidos. En lo que respecta a Uganda los
indicadores que explican el uso de servicios formales son: ser mujer, tener entre 25 y 44
años, tener nivel educativos mayores a primaria, ser pensionado, vender producido a partir
de granja, ganado y pesca, realizar tareas domésticas, ser empleado del sector formal,
tener televisión, tener teléfono, tener ingresos elevados, entre otros. Para Kenya ocurre
una situación similar salvo que el género no resulta significativo.
Página | 23
En Nigeria, King (2011) movido por el hecho de que 4 de cada 5 nigerianos no
acceden ni usan servicios financieros formales (crédito, sobregiros, hipotecas, tarjeta de
crédito o tarjeta de débito) investiga y encuentra que sobre esa razón de excluidos se
encuentran individuos con ingresos bajos, niveles bajos de educación, mujeres, personas
que no tienen celular y tienen menores niveles de conocimiento del sector financiero,
informalidad, finalmente en cuanto a variables psicométricas son los bajos niveles de
confianza y la mayor aversión al riesgo las que determinan el no uso de servicios
bancarios.
En otra investigación Peña, et. al. (2014) con datos de la Encuesta Nacional de
Inclusion Financiera (ENIF1) aplicada el 2012 en México analiza las razón que pueden
explicar porque teniendo el 97% de los mexicanos un punto de acceso al sistema
financieros solo el 38% de estos usan efectivamente algún servicio.
Peña, et. al. (2014) plantea un modelo desde el lado de la demanda, utilizando un
análisis de correspondencia múltiple (ACM) que resume en un solo índice, un conjunto
de variables categóricas para usarlo como su variable explicada en su modelo. Este
procedimiento ponderan y asigna pesos a la respuesta de si usa servicios de cuenta de
ahorro, cheques, depósitos a plazo fijo, cuenta nómina, fondo de inversión, tarjeta de
crédito, crédito de nómina, crédito personal, crédito automotriz y crédito hipotecario.
Con este índice, el autor realiza estimaciones por el método Lineal Generalizado
(GLM) ya que su indicador hallado a partir de ACM oscila entre 0 y 1. Con este método
estima por cuasi-máxima verosimilitud tres modelos, hace un modelo agregado que acoge
tanto servicios de ahorro como de crédito, otro orientado a créditos y otros a ahorros.
En el modelo agregado las variables edad, estado civil, nivel educativo, ingresos,
posición en el hogar, vivir en una localidad con menos de 15 habitantes son significativas
y explican el uso de servicio de ahorro y crédito. Respecto a la edad la relación es positiva,
lo que implica que mayor edad aumenta el uso de estos servicios. Por su parte tener mayor
nivel educativo, estar casado o en unión, recibir ingresos laborales, ser jefe de hogar,
ahorrar y tener capacidad de respuesta a shocks incrementa la probabilidad de uso estos
servicios, mientras que vivir en una localidad de menos de 15mil habitantes reduce esta
probabilidad.
Página | 24
Por su parte el segundo modelo que tiene como endógena un indicador de crédito
obtiene similares resultado al agregado salvo que el género se hace significativo y por el
lado opuesto la capacidad de respuesta a shocks deja de serlo. Finalmente el tercer modelo
con un indicador de ahorro los resultados son similares al general salvo que ser jefe de
hogar y estar casado deja de explicar el modelo, en tanto que recibir remesas y ser mujer
se vuelve explicativo el primero de manera directa y el segundo de forma indirecta.
Para el caso de Colombia, Cano, et. al. (2014) al igual que Peña, et. al. (2014)
ofrece un ACM para encontrar los determinantes de la inclusion financiera desde el lado
de la demanda. Utiliza como endógena índices calculado por ACM en base a la utilización
de los servicios de cuenta de ahorros, cuenta corriente, inversiones financieras, seguros
de vida, pensiones, seguros generales, micro seguros, tarjeta de crédito, crédito formal,
microcrédito, hipotecas, crédito informal y ahorro informal.
Cano, et. al. (2014) utilizan cuatro métodos de estimación: mínimos cuadrados
ordinarios, mínimos cuadrados ordinarios con la función logística, cuasi-máxima
verosimilitud con la función binomial, y regresión beta con función logística. De acuerdo
a los autores, la última presenta menos inconvenientes que las otras, pero en efecto, de
manera general todas convergen a similares resultados.
Los resultados más importantes de Cano, et. al. (2014) sostiene que la
probabilidad de utilizar al menos un servicio financiero se incrementa cuando el individuo
es hombre adulto, tiene una relación conyugal, viven en hogares con bajos número de
integrantes, con ingresos altos, niveles altos de educación, viven cerca de centros urbanos.
En otra investigación, para el caso Argentino, Tuesta, et. al. (2015) evalúan desde
tres dimensiones la inclusion financiera, desde el lado de la oferta, la demanda y las
barreras. Acorde a esta investigación, se reportan los resultados desde lado de la demanda,
es decir, los concernientes al uso de servicios financiero formales. Utiliza la base de datos
Global Findex 2012.
Página | 25
𝑃(𝑦 = 1|𝑥´) = 𝑓(𝑔é𝑛𝑒𝑟𝑜, 𝑒𝑑𝑢𝑐𝑎𝑐𝑖ó𝑛, 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠, 𝑒𝑑𝑎𝑑)
Realiza cinco estimaciones Probit para cada uno de los servicios propuestos: cuentas, tarjetas de crédito, tarjetas de débito, crédito formal
y pagos electrónicos. En todos ellos encuentran que el género no explica ninguno de los cinco modelos es decir no es significativo para explicar
las decisiones de uso, por otro lado, encuentran que mayor edad y mayor nivel educativo incrementan la probabilidad de usar servicios, en tanto
que los ingresos en los primeros cuatro quintiles más bajos son los que menos consumen en comparación al quintil más alto.
Cuadro 1.1:
Evidencia empírica internacional relacionada al uso de servicios financieros formales
Autor/Año Modelo/Enfoque usado Variables dependientes Variables independientes/ indicadores Periodo Países
Devlin, J. (2005) Modelos de regresión logística
Uso de cuentas corrientes,
cuenta de ahorros, seguros
de vivienda, seguros de vida
y pensiones
Género, clase social, edad, estatus dentro del
hogar, ingreso familiar, origen étnico, región,
nivel educativo, situación laboral, tamaño del
hogar, estado civil y tenencia de vivienda.
2000 Reino Unido
Kumar, A. (2005) Probit y multidimensional Logit
Utiliza una cuenta bancaria,
tiene saldo de depósito,
solicita préstamos, tiene
una tarjeta de débito y tiene
una tarjeta de crédito
Región geográfica, sexo, edad, tipo de hogar,
posición en el hogar, tipo de edificación, tenencia
de empleo, número de individuos en la familia,
rol en el trabajo, sector de empleo, ingresos,
educación, empleo parcial o completo, posesión
de colateral.
2002 Brasil
Finney, A., y Kempson,
E. (2009) Modelos de regresión logística
Acceso del hogar a los
servicios bancarios (cuenta
bancaria)
Edad, genero, composición del hogar, hijos,
grupo étnico, enfermedades de larga duración,
años de educación, estatus ocupacional, tenencia
de vivienda, ingresos del hogar, beneficios, país,
cuenta en oficina postal.
2006 - 2007
Inglaterra,
Gales,
Escocia e
Irlanda del
norte
Página | 26
Osei-Assibey, E.
(2009) Modelo Probit y OLS
Tiene cuenta de depósito
bancario
Edad, educación, estado de empleo, ingresos,
etnia, genero, responsabilidad, religión, remesas,
dependencia, total de activos físicos.
2005 - 2006 Ghana
Johnson, S. y Nino-
Zarazua, M. (2011) Modelo de regresión logística
Acceso a servicios de ahorro
y crédito: formal, informal,
semiformales
Ubicación, genero, estado civil, edad, educación,
región, empleo, condición de vivienda, principal
fuente de iluminación fuente de agua, servicios
higiénicos, activos del hogar, uso de celular, etc.
2006 Kenya y
Uganda
King, M. (2011) Método de variables
instrumentales y Probit
Estatus financiero: 1 =
Bancarizados formalmente ,
2 = sólo informal y 3 =
financieramente excluidos
formalidad, educación, edad, genero, tiene
celular, tiempo que gasta en el supermercado más
próximo, conocimiento del sistema financiero,
acceso a los servicios financieros, urbano,
aversión al riesgo, nivel de soborno, confianza
social, informalidad, nivel de criminalidad,
sucursales bancarias por millos de habitante,
número de instituciones micro financieras, PBI
per capital.
2008 Nigeria
Peña, X., Hoyo, C., y
Tuesta, D. (2014)
Modelos Lineales Generalizados
(GML) y Análisis de
Correspondencias Múltiples
Tenencia ponderada de un
grupo de productos
financieros.
Mujer, edad, Tamaño del hogar, Jefe de hogar,
casado, nivel educativo, empleado, empleados,
independiente, trabajo no remunerado, inactivo,
hogar con ahorro, capacidad de respuesta a
shoks, recibe remesas, ingresos laborales,
localidad con menos de 15mil habitantes, no de
sucursales en el estado, no corresponsales
bancarios, empresa formal.
2012 México
Cano, G., Esguerra, M.,
García, N., Rueda, J. y
Velasco A. (2014)
OLS, Análisis de Correspondencia
Múltiple, estimaciones con cuasi-
máxima verosimilitud.
Tenencia de productos
financieros
Género, edad, nivel educativos, ubicación,
situación laboral, ingresos, tamaño del hogar 2012 Colombia
Página | 27
Tuesta, D., Sorensen,
G., Haring, A. y
Cámara, N. (2015)
Modelo Probit
Usa servicios financieros
formales: Cuenta, tarjeta de
débito, tarjeta de crédito,
pagos electrónicos y crédito
formal
Género, nivel educativo, ingresos, edad 2012 Argentina
Fuente: Varias, mayor detalle en referencias bibliográficas.
Elaboración: Propia.
La conclusión del cuadro presentado es que la gran mayoría de autores utiliza los modelos de elección discreta para analizar el fenómeno
de usar servicios financieros y además que hay variables comunes entre estudios como es el caso del género, la educación, los ingresos, la ubicación
geográfica, el tamaño del hogar y la edad.
1.2.2 Evidencia empírica nacional
Siguiendo con la evidencia empírica a nivel de país en primer término se encuentra a Cámara, et. al. (2013) quienes realizan una
investigación para conocer a nivel de hogares y de empresas los determinantes que afectan la probabilidad de usar servicios bancarios (si posee un
crédito de vivienda, si recibe intereses por la tenencia de productos financieros o si realiza operaciones de banca electrónica).
Página | 28
Utiliza un modelo Probit, donde el vector de las variables explicativas se compone
de variables como: zona geográfica, género, estado civil, alfabetización, ingresos anuales,
gastos anuales, edad, nivel educativo, pobreza, ingresos por quintiles, tipo de vivienda,
número de vivienda por centro poblado, entre otras.
Como fuente de información, los autores usan los datos del ENAHO 2011 y
encuentran que a nivel de hogares características como vivir en zonas rurales, no ser
alfabetizado, soltero, tener bajo nivel educativo, ser mujer, poseer bajo nivel de ingresos,
tener mayor número de perceptores, no poseer vivienda propia y vivir en áreas pequeñas,
se constituyen como factores que reducen la probabilidad de usar servicios bancarios.
Por otro lado Jaramillo, et. al. (2013), evalúa los determinantes a nivel de hogares
de tener créditos directos desembolsados para el periodo 2007 – 2011, bajo un conjunto
de variables exógenas que se representa en el siguiente modelo:
𝑎𝑐𝑐𝑒𝑠𝑜 ℎ𝑜𝑔𝑎𝑟𝑒𝑠 = 𝑓(𝐶𝐹, 𝐶𝐻, 𝐶𝑆, 𝑆𝑃, 𝑇, 𝑌, 𝐼𝑁𝐹, 𝑈, 𝑋)
Donde CF son los tipos de capital físico del hogar, CH los tipos de capital humano,
CS los tipos de capital social, SP todos los tipos de acceso a infraestructura de servicios
públicos, T son las transferencias del hogar, Y son los shocks del hogar, INF son variables
relacionadas a la informalidad, U son las variables ligadas a la ubicación geográfica del
hogar y X son características del jefe del hogar.
Jaramillo, et. al. (2013) realiza una estimación por paneles dinámicos con la
metodología de método generalizado de momentos (GMM). Encuentra, contrario a otras
investigaciones, que la edad es un factor que se relaciona de manera negativa con la
utilización del servicio, en tanto que ser mujer, tener vivienda (medida de capital físico),
tener teléfono (acceso a infraestructura de trasportes), mayor nivel de estudio (capital
humano), entre otras se relacionan de manera directa con la tenencia de créditos. Las
condiciones geográficas también explican en parte este fenómeno.
Página | 29
Cuadro 1.2:
Evidencia empírica nacional relacionada al uso de servicios financieros formales
Autor/Año Modelo/Enfoque
usado Variables dependientes Variables independientes/ indicadores Periodo Países
Cámara, N., Peña, X.
y Tuesta, D. (2013) Modelos Probit
Percibe intereses por algún
producto financiero o poseer
un crédito de vivienda o
realiza operaciones de banca
electrónica.
Rural, mujer, soltero, alfabetizado, trabajador familiar, trabajador
independiente, empleador < 5 p, gasto anual del hogar, Ingreso del hogar,
ingreso por rentas, ingreso por remesas, ingresos por transferencias,
edad, nivel educativo, gasto en móvil, percepciones, hogar pobre, gasto
percapital distrital, tipo vivienda, con ahorro, con deuda, no viviendas
del centros poblados
2011 Perú
Jaramillo, M.,
Aparicio, C. y
Cevallos, B. (2013)
Método Generalizado
de Momentos con
datos de panel
Acceso a créditos
Educación, sexo, transporte, miembros, electricidad, teléfono, remesas,
costa, sierra, selva, edad, tipo de piso, paredes, tiene DNI, trabajador del
sector comercio.
2007 - 2011 Perú
Fuente: Varias, mayor detalle en referencias bibliográficas
Elaboración: Propia
1.2.3 Síntesis de la evidencia empírica
En síntesis, estos estudios resaltan que es importante incluir variables tradicionalmente no tomadas en cuenta para explicar las decisiones
de participar en el mercado financiero. La mayoría de estas investigaciones concuerdan en que por ejemplo la educación y los ingresos tienden a
explicar bien porque una persona usa o no usa servicios financieros, pero en algunos casos el género, la edad, la zona geográfica y el tamaño del
hogar no son significativo y esto porque cada sociedad es distinta y nos da luces de cómo se encuentra el fenómeno en otras realidades.
Esta evidencia contribuyo a confirmar los aportes de la teoría económica y dan una idea de cómo se avanza en el tema en muchas realidades
distintas. De acuerdo a lo que la teoría plantea y que la evidencia refuerza para explicar porque una persona de ciertas características participa del
sistema financiero y otras no, se creyó conveniente recurrir a las siguientes variables: género, nivel educativo, edad, miembros del hogar, ingresos
y zona geográfica; y de estas, rescatar el efecto que tienen sobre el fenómeno de estudio.
Página | 30
CAPÍTULO II: METODOLOGÍA
2.1 OBTENCIÓN DE DATOS
El presente estudio ha sido realizado gracias a los datos proporcionados por la
ENAHO 2015 (metodología actualizada) del Instituto Nacional de Estadística e
Informática, disponible en la web de la misma institución, en la sección MICRODATOS.
Con esta información se ha podido lograr resultados a escala nacional, que de otra forma
hubiera sido complicado lograr.
La ENAHO es una herramienta, aplicada de manera continua desde el año 2003,
con periodicidad trimestral y anual, que reúne resultados de todo el territorio nacional en
los 24 departamentos del país y en la Provincia Constitucional del Callao, con la finalidad
de generar indicadores de pobreza, bienestar y de condiciones de vida de los hogares
peruanos. Pero además, en este último año 2015, se ha propuesto incluir preguntas sobre
inclusion financieras a personas mayores de 18 años, las mismas que fueron aprovechadas
para esta investigación.
En efecto, para esta investigación se han usado cinco módulos, entre ellos el
módulo de empleo e ingresos, el módulo de educación, el modulo características de la
vivienda y el hogar, el modulo características de los miembros del hogar y finalmente el
módulo sumatorias que en conjunto forman una data maestra a la cual se llega mediante
los siguientes pasos.
El primero de ellos fue seleccionar y extraer las variables requeridas de cada
módulo, este proceso se realizó mediante el comando keep en Stata versión 14. Luego, se
agrupó todos los módulos con el comando merge, que une de manera horizontal diferentes
módulos, con el cuidado que cada módulo tiene diferente unidad de referencia (individuos
y familias). Siguiendo estos pasos y depurando los datos perdidos que incluye a menores
de 17 años, se logró tener la data compuesta de 78,572 observaciones, a partir de la cual,
se recodificaron y generaron nuevas variables que fueron analizados en esta
investigación. El proceso de recodificación se muestra en anexos.
Página | 31
2.2 VARIABLES CONSIDERADAS EN EL ESTUDIO
Como se plantó en el marco teórico y siguiendo la evidencia empírica presentada
en anteriores puntos, se consideró pertinente clasificar a las variables que explican el
fenómeno estudiado en variables de corte sociales, económicas y geográficas. A
continuación se presenta el detalle de cada una de ellas.
2.2.1 Variable dependiente
El uso de servicios financieros es una condición con la que un individuo hace uso
efectivo del servicio financiero proporcionado por entidades participes del sistema
financiero que incluye algún banco, caja municipal, caja rural o institución de
microfinanzas. Para esta investigación se consideraron seis servicios representativos:
cuentas de ahorro, cuentas de ahorro a plazo, cuenta corriente, tarjetas de crédito, tarjetas
de débito y del sistema de pensiones que incluyes AFP y otros sistemas de pensiones.
Para construir la variable dependiente, requerida para el análisis econométrico, se
hizo necesario elaborar un indicador general, que agrupa el uso efectivo de al menos uno
de los seis servicios financieros formales que se mencionaron líneas arriba. Este proceso
se realizó en la línea de lo propuesto por Cámara2, et. al. (2013), con lo cual la variable
de estudio se recodifica de la siguiente manera:
𝑌𝑖 = 1 Cuando las personas usa al menos de los siguientes servicios: cuentas de
ahorro, cuentas de ahorro a plazo, cuenta corriente, tarjetas de crédito, tarjetas de débito
y el sistema de pensiones.
𝑌𝑖 = 0 Cuando no los usa.
Esta información se obtuvo del módulo empleo e ingresos donde se realiza la
pregunta: ¿actualmente, tiene usted en algún banco, caja municipal, caja rural o
institución de microfinanzas:
2 Para el caso del autor, aunque utiliza la encuesta ENAHO, construye si indicador de uso a partir de si usan
al menos una de las siguientes características: percibe intereses por algún producto financiero, posee un
crédito de vivienda o realiza operaciones de banca electrónica.
Página | 32
Cuadro 2.1:
Preguntas empleadas en la construcción de la variable uso de servicios financieros formales
Modulo empleo e ingresos
Variable Descripción Valores
p558e1 ¿Cuenta de ahorro? 1. Si tiene
0. pase
p558e2 ¿Cuenta de ahorro a plazo fijo? 2. Si tiene
0. pase
p558e3 ¿Cuenta corriente? 3. Si tiene
0. pase
p558e4 ¿Tarjeta de crédito? 4. Si tiene
0. pase
p558e5 ¿Tarjeta de débito? 5. Si tiene
0. pase
Fuente: Modulo 5 empleo e ingresos de ENAHO 2015- INEI
Elaboración: Propia
Y el sexto servicio, responde a la pregunta: ¿el sistema de pensiones al cual Ud.
está afiliado es:
Cuadro 2.2:
Preguntas empleadas en la construcción de la variable uso de servicios financieros formales
Modulo empleo e ingresos
Variable Descripción Valores
p558a1 Sistema privado de pensiones (AFP)? 1. Afiliado
0. pase
p558a2 Sistema Nacional de Pensiones: Ley 19990? 1. Afiliado
0. pase
p558a3 Sistema Nacional de Pensiones: Ley 20530 (Cédula viva)? 1. Afiliado
0. pase
p558a4 Otro? 1. Afiliado
0. pase
p558a5 No está afiliado 1. Afiliado
0. pase
Fuente: Modulo 5 empleo e ingresos de ENAHO 2015- INEI
Elaboración: Propia
A partir de las preguntas del ENAHO se forma la variable endógena siguiendo la
siguiente estructura:
𝑌𝑖 = 1, si p558e1=1 & p558e2=2 & p558e3=3 & p558e4=4 & p558e5=5 &
p558a1=1 & p558a2=1 & p558a3=1 & p558a4=1 & p558a5=1
𝑌𝑖 = 0, si p558e1=0 & p558e2=0 & p558e3=0 & p558e4=0 & p558e5=0 &
p558a1=0 & p558a2=0 & p558a3=0 & p558a4=0 & p558a5=0
Página | 33
2.2.2 Variable independiente
2.2.2.1 Variables sociales
Género (X1): Variable disponible en el módulo 5 - empleo e ingresos que hace
referencia al género del individuo. Tiene la característica de ser una variable cualitativa
nominal que toma los valores:
1= Cuando el individuo es mujer.
0= Cuando el individuo es hombre.
Tanto la evidencia nacional como internacional reparan en señalar que las mujeres
tienen menos probabilidades de usar servicio financieros que los hombres. Hoyo, et. al.
(2013) establecen que en países desarrollados solo el 37% de las mujeres tiene alguna
cuenta en una institución financiera mientras que los hombres superan esta cifra con 47%.
Por su parte Tuesta et. al. (2015) encuentran el 34.6% de los hombres tiene alguna cuenta
en tanto las mujeres solo reporta el 31.8%.
En Perú, Cámara, et. al. (2013) señalan que ser mujer disminuye las
probabilidades de usar productos financieros, la Corporación Andina de Fomento (2013)
en esa línea encuentra también que las mujeres tienes menos posibilidad de mantener un
producto financiero frente a los hombres (45% frente a 53%).
A partir de la economía de género se considera que existen comportamientos
diferenciados entre hombres y mujeres causados por distintas presiones sociales, que
influyen mucho en la participación que tienen dentro del mercado financiero
desfavoreciendo principalmente a las mujeres, se acuerdo a ello se espera que 𝛼1 sea < 0,
lo que implica que si el encuestado es mujer se reduce la probabilidad de usar servicios
financieros:
𝛼1 =𝜕𝑈𝑠𝑜𝑖
𝜕𝑋1𝑖< 0 ⋯ ⋯ ↑ 𝑋1𝑖 ↔ ↓ 𝑈𝑠𝑜𝑖
Página | 34
Edad (X2): Variable disponible en el módulo 2 - características de los miembros
del hogar. Tiene la peculiaridad de ser una variable cuantitativa discreta que toma valores
de acuerdo a los años cumplidos del encuestado. Siempre que estos sean mayores de 18
años que es la edad en la que legalmente se puede adquirir algún servicio financiero
formal de acuerdo a las regulaciones de la SBS y a la política de las entidades financieras.
La teoría del ciclo de vida afirma que a mayor edad mejoran los requerimientos
de ahorro, puesto que asume que los individuos tendrán ingresos crecientes que lo
motivaran a ahorrar más en edad adulta que cuando eran jóvenes. Esta teoría propone
además, que los ingresos tienen forma de campana que influye también sobre las
decisiones de ahorro, se puede hablar entonces de la existencia de rendimientos
decrecientes, es decir que el uso de servicios financieros puede crecer hasta cierto punto
de inflexión donde decaen, así como lo encuentra Tuesta, et. al. (2015).
Conforme al marco teórico se espera que 𝛼2 sea > 0, lo que implica que mayor
edad del individuo aumenta la probabilidad de usar servicio financieros.
𝛼2 =𝜕𝑈𝑠𝑜𝑖
𝜕𝑋2𝑖> 0 ⋯ ⋯ ↑ 𝑋2𝑖 ↔ ↑ 𝑈𝑠𝑜𝑖
Nivel educativo (X3): Variable disponible en el módulo 3 – educación, de corte
cualitativa ordinal. Tiene la característica de agrupar a los individuos en seis niveles de
educación, según los valores que fueron recodificados:
1 = Sin nivel (sin nivel + inicial)
2 = Primaria (primaria incompleta + primaria completa)
3 = Secundaria (secundaria incompleta + secundaria completa)
4 = Superior no universitaria (superior no univ. incompleta + superior no univ.
completa)
5 = Superior universitaria (superior univ. incompleta + superior univ. completa)
6 = Postgrado (postgrado universitario)
La economía financiera propone que los individuos más capacitados aprovecharan
mejor las ventajas que ofrece el mercado financiero en pro de su desarrollo económico y
Página | 35
bienestar social, se es de esperar que personas con mejor educación tendrán mayor
participación en el sistema financiero porque tienen más capacidades y habilidades que
las menos capacitadas.
La Corporación Andina de Fomento (2013) encuentra evidencia concreta que el
nivel educativo ayuda a explicar las variaciones en el uso de cuentas formales, indica que
para América Latina y el Caribe las personas con educación superior tienen más del doble
de probabilidades de tener una cuenta bancaria en comparación con aquellos que solo
tienen educación primaria. Así mismo encuentra que en el Perú el 36% personas que no
completaros la educación secundaria reportan tenencia, mientras que el ratio aumenta a
74% en las personas con estudios superiores a secundaria.
En esta línea Hoyo, et. al. (2013), Cámara, et. al. (2013), Jaramillo, et. al. (2013),
Peña, et. al. (2014) y Tuesta, et. al. (2015) encuentran significativa esta variable pues la
asocian con los conocimientos financieros que una persona adquiere. Es por tanto que en
razón del marco teórico y con respaldo de la evidencia se espera que 𝛼3 > 0, lo que implica
que si el encuestado presenta mayor nivel educativo aumenta su probabilidad de usar
servicios financieros.
𝛼3 =𝜕𝑈𝑠𝑜𝑖
𝜕𝑋3𝑖> 0 ⋯ ⋯ ↑ 𝑋3𝑖 ↔ ↑ 𝑈𝑠𝑜𝑖
Número de miembros en el hogar (X4): Variable disponible en el módulo
sumatorias que tiene la característica de ser cuantitativa discreta que reporta el total de
personas de la que está conformado el hogar del individuo.
Según el marco teórico propuesto por Claessens (2006) y el Banco Mundial (2008)
el número de miembros en el hogar influye sobre el uso de servicios financieros porque
puede existir lo que se conoce como acceso indirecto, que consiste en que familias
amplias tienen amplia posibilidad de tener un miembro que use los servicios financieros
por lo que el resto de miembros querrá compartir el servicio antes de expandir los costos
de utilización. La teoría keynesiana puede explicar que en familias más amplias los
niveles de consumo serán mayores que en familias reducidas y esto repercutiría sobre la
capacidad de ahorro de los miembros.
Página | 36
Según los resultados de Cámara, et. al. (2013) tener mayor número de perceptores
en el hogar reduce la probabilidad de usar servicios bancarios. Por tanto siguiendo el
marco teórico y la evidencia se espera que 𝛼4 < 0 siendo que el uso de servicios
financieros formales se reduce conforme aumenta el número de integrantes en la familia.
𝛼4 =𝜕𝑈𝑠𝑜𝑖
𝜕𝑋4𝑖> 0 ⋯ ⋯ ↑ 𝑋4𝑖 ↔ ↑ 𝑈𝑠𝑜𝑖
2.2.2.2 Variables económicas
Ingresos (X5): Es una variable compleja disponible en el módulo 5 – empleo e
ingresos, que reporta las entradas de dinero del individuo. Se forma a partir de la suma de
todos los ingresos por actividad principal o secundaria del trabajador sea por trabajos
dependientes o independientes, además de los pagos en especies realizados a su favor,
gratificaciones de navidad o fiestas patrias. Dicha suma fue indexada y deflactada por el
INEI.
Sin embargo, estos resultados del INEI por cada tipo de ingresos, reflejan un
inconveniente ligado a la forma de cómo responden los individuos que no tienen ingreso.
La ENAHO considera a todos ellos como datos perdidos, el problema viene por no poder
diferenciar entre los que reportaron no tener ingreso y los que vieron prudente no
responder esa pregunta, puesto que la encuesta considera ambos como datos perdidos. En
función de esta dificulta se plante una nueva variable que se recodifica como:
1 = Cuando el individuo reporta tener algún ingreso diferente de cero.
0 = Cuando el individuo no reporta tener ingreso (datos perdidos).
La teoría Keynesiana postula que un individuo satisface sus necesidades de
consumo en función del nivel de ingresos disponible, en tanto, que la parte no consumida
la destina al ahorro, esto implica, que una persona que ve incrementada su nivel de
ingreso, manteniendo un consumo constante, aumentara su ahorro y luego de ello
experimentará la necesidad de resguardar sus excedentes en instituciones especializadas
que le generen confianza. De acuerdo a esto disponer de ingreso mejora la posibilidad de
usar servicios financieros, la evidencia empírica reconoce esta relación directa.
Página | 37
Por todo ello se espera que 𝛼5 > 0, lo que significa que pasar de no tener ingresos
a tenerlos incrementa la probabilidad de usar servicios financieros formales.
𝛼5 =𝜕𝑈𝑠𝑜𝑖
𝜕𝑋5𝑖> 0 ⋯ ⋯ ↑ 𝑋5𝑖 ↔ ↑ 𝑈𝑠𝑜𝑖
2.2.2.3 Variables geográficas
Zona geográfica (X6): Es una variable disponible en el módulo 2 – características
de los miembros de hogar. Que es de naturaleza cualitativa nominal que se forma a partir
de otra variable llamada estrato geográfico.
1 = Rural (Menos de 401 viviendas + área de empadronamiento rural AER
Compuesto + área de empadronamiento rural AER simple).
0 = Urbano (Centros poblados mayores a 401 viviendas).
La zona geográfica en la que vive el encuestado pone énfasis en las características
de infraestructura, distancia y barreras naturales que limitan la oferta de las instituciones
financiera que a su vez determinan el uso de servicios formales. Cámara, et. al. (2013)
encuentran que en Perú, vivir en áreas rurales disminuye la probabilidad de usar los
servicios financieros. Hoyo, et. al. (2013) también respaldan la significancia de la
variable, en tanto que la Corporación Andina de Fomento (2013) encuentra que el 43%
de las personas que tienen una cuenta bancaria vive en zonas urbanas, mientras que 35%
habita en zonas rurales.
Por esta razón se esperó que 𝛼6< 0 lo que implica que vivir en zonas rurales
reduce la probabilidad de usar servicios financieros formales en el Perú.
𝛼7 =𝜕𝑈𝑠𝑜𝑖
𝜕𝑋6𝑖< 0 ⋯ ⋯ ↑ 𝑋6𝑖 ↔ ↓ 𝑈𝑠𝑜𝑖
El cuadro siguiente muestra la operacionalización de las variables acogidas en esta
investigación.
Página | 38
Cuadro 2.3:
Operacionalización de variables
Resumen
Grupo Variables Descripción Tipo Valores Módulo Signo esperado
Variable
endógena Y
Uso de servicios
financieros formales Cualitativa - Nominal
1 = Usa al menos una cuenta de ahorros,
cuenta de ahorro a plazo, cuenta corriente,
tarjeta de crédito o dedito y el sistema de
pensiones
Empleo e ingresos
0 = No usa ninguno
Sociales
X1 Género Cualitativa - Nominal 1 = Mujer
Empleo e ingresos - 0 = Hombre
X2 Edad Cuantitativa - Discreta [18 - 98] años Características de los
miembros del hogar +
X3 Nivel educativo Cualitativa – Ordinal
1 = Sin nivel
Educación +
2 = Primaria
3 = Secundaria
4 = Superior no universitaria
5 = Superior universitaria
6 = Postgrado
X4 Número de miembros
del hogar Cuantitativa - Discreta [1 - 19] miembros Sumatorias -
Económicas X5 Ingreso Cualitativa - Nominal 1 = Reporto tener ingreso
Empleo e ingresos + 0 = No reporto
Geográficas X6 Zona geográfica Cualitativa - Nominal 1 = Rural Características de los
miembros del hogar -
0 = Urbano
Fuente: Módulos varios, extraídos de la encuesta ENAHO 2015- INEI
Elaboración: Propia
Página | 39
2.3 MODELO TEÓRICO Y ECONOMÉTRICO
Para analizar “Uso de servicios financieros formales y sus determinantes para el
Perú, a partir de la encuesta ENAHO 2015” se estima un modelo econométrico de
respuesta dicotómica que es afectado por variables de orden social, económico y
geográfico a nivel de Perú en las 24 regiones del país durante el año 2015.
2.3.1 Modelo teórico
De acuerdo al marco teórico y evidencia empírica, expuestos en el desarrollo de
esta investigación existen un conjunto de variables socioeconómicas y geográficas que
vienen afectando la decisión de participar en el sistema financiero. Para ello se dispuso
de la ENAHO que en el año 2015 incluye preguntas especializadas en inclusion financiera
en el país.
En ese sentido, se especifica un modelo teórico utilizando como variables
dependiente la respuesta dicotómica de uso de al menos uno de los seis servicios
financieros propuestos por esta investigación (Y) y un conjunto de variables
independientes como son género (X1), edad (X2), nivel educativo (X3), miembros del
hogar (X4), Ingresos (X5) y zona geográfica (X6). Dicho modelo se presenta a
continuación:
𝑌 = 𝑓(𝑋1⏞−
, 𝑋2⏞+
, 𝑋3⏞+
, 𝑋4⏞−
, 𝑋5⏞+
, 𝑋6⏞−
)
En terminos matemáticos:
𝑌𝑖 = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋3 + 𝛽4𝑋4 + 𝛽5𝑋5 + 𝛽6𝑋6
2.3.2 Modelo econométrico
De acuerdo a Gujarati y Porter (2010) expresar el problema de estudio como una
relación determinística genera un interés limitado a los investigadores ya que en el mundo
real las relaciones entre variables económicas son generalmente inexactas. Por tanto a
Página | 40
todo modelo matemático se le debe agregar un término de error (𝜇𝑖) que reúna factores
omitidos por la investigación. Por tanto el modelo econométrico queda como:
𝑌𝑖 = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋3 + 𝛽4𝑋4 + 𝛽5𝑋5 + 𝛽6𝑋6 + 𝜇𝑖
2.4 METODOLOGÍA DE ANALISIS
Esta investigación sigue la metodología empleada por Cámara, et. al. (2013) y
propone analizar los datos de la ENAHO 2015 a partir de modelos econométricos de
respuesta binaria, sin embargo, a criterio del investigador, se cree necesario, para hacer
más consistentes los resultados, realizar un análisis previo de naturaleza parcial en el que
se empleen tablas cruzadas o también llamadas tablas de contingencia de donde se pueda
extraer conclusiones parciales sobre cómo se relacionan las variables exógenas con cada
uno delos 06 servicios financieros evaluados en este trabajo.
2.4.1 Análisis en tablas de contingencia
En esta parte se emplean tablas de contingencia que son tablas cruzadas explotadas
por otras ciencias sociales para extraer conclusiones sobre variables de naturaleza
categoría. Estos cuadros vinculan 2 o más variables y permiten comprobar la existencia
de dependencia entre ellas. En Stata 14 el comando empleado para la realización de tablas
de contingencia es tab2 y column V.
2.4.2 Modelo de variable dependiente dicotómica
En el análisis econométrico, así como lo indica Wooldridge (2010), existe un tipo
de variable dependientes limitadas que modela de mejor manera el comportamiento de
los individuos, familias o empresas. Según Gujarati y Porter (2010) para estos modelos,
y en particular para los de respuesta binaria, hay esencialmente cuatro métodos de
análisis: el modelo de probabilidad lineal (MPL), el modelo Logit, el modelo Probit, y el
modelo Tobit (no se tratara en esta investigación, porque se utiliza para variables
censuradas).
Página | 41
Para Gujarati y Porter (2010), Rosales, Perdomo, Morales y Urrego (2010) el MPL
tiene ciertas desventajas respeto a los otros. Estas giran en torno a que sus residuos no
están normalizados, existe heterocedasticidad, existe la posibilidad que el valor Y
estimado este fuera del rango 0 -1 y finalmente el ultimo inconveniente que presenta los
MPL es que generalmente tienen valores bajos de R2. En efecto, para superar estas
ventajas existen los modelos Logit y Probit.
Rosales (2013) habla de estas desventajas del MPL:
a) Residuos no normalizados
Para explicar las desventajas del MPL Rosales (2013) parte del supuesto que se
tiene un modelo en el que la variable dependiente es dicotómica (Y denota ocurrencia y
no ocurrencia de un evento) y que está en función de una sola variable X.
𝑌𝑖 = 𝛽𝑋𝑖 + 𝜇𝑖
Dado que Y asume valores de 0 y 1, los valores del error 𝜇 serán:
𝑌𝑖 = 1 ↣ 𝜇𝑖 = 1 − 𝛽𝑋𝑖
𝑌𝑖 = 0 ↣ 𝜇𝑖 = −𝛽𝑋𝑖
Por tanto la distribución que siguen los residuos es una distribución Bernoulli
(Gujarati y Porter, 2010), y no una distribución normal requerida para la aplicación de
pruebas de significancia, por tanto los residuos no están normalizados.
b) Varianza de los errores heterocedástica
Al sacar las probabilidades de ocurrencia del evento se tiene que:
𝑃(𝑌𝑖 = 1) = 𝛽𝑋𝑖
𝑃(𝑌𝑖 = 0) = 1 − 𝛽𝑋𝑖
Por tanto la varianza es:
Página | 42
𝑉𝑎𝑟(𝜇𝑖) = ∑ 𝑃𝑖𝜇𝑖2 = 𝛽𝑋𝑖 ∗ (1 − 𝛽𝑋𝑖)2
2
𝑖=1
+ (1 − 𝛽𝑋𝑖) ∗ (−𝛽𝑋𝑖)2
𝑉𝑎𝑟(𝜇𝑖) = 𝛽𝑋𝑖 ∗ (1 − 𝛽𝑋𝑖) = 𝐸(𝑌𝑖)[1 − 𝐸(𝑌𝑖)]
Al final se comprueba que la varianza de 𝜇𝑖 es heterocedástica porque depende de
la esperanza condicionada de Y que a su vez depende del valor de 𝑋𝑖, lo que significa que
la varianza no es homocedástica. Según Gujarati y Porter, 2010 y Rosales (2013) este
problema genera estimadores no eficientes y sin varianza mínima.
c) Predicción fuera de los límites [0,1]
Según Rosales (2013) esta es la desventaja más importante que presenta el MPL
ya que por su naturaleza lineal la estimación de regresión lineal puede predecir valores
fuera de los rango [0,1], para Gujarati y Porter (2010) en la práctica no hay garantía que
los Y estimados estén restringidos a la condición [0,1] por lo que sus resultados estarían
fuera de dicha restricción.
d) Bondad de ajuste baja
Para Rosales (2013, pág. 80) existen R2 bajos en este tipo de modelos y por ello
“debe evitarse el coeficiente de determinación como estadístico de resumen en modelos
con variable dependiente cualitativa”.
Considerando estas desventajas del MPL, queda claro que los mejores modelos
para este tipo de investigación de variable cualitativa dicotómica son los Logit o Probit,
que tienen menos limitaciones teóricas y que además son los más usados en este tipo de
investigaciones. La verdadera cuestión radica en elegir cuál de los dos es el que mejor se
ajusta a los datos, un proceso que demanda hacer uso de criterio AIC y BIC. Se plantean
los 02 modelos:
Para fines de estimación un modelo Logit se representa por:
Página | 43
𝐿𝑖 = ln (𝑃𝑖
1 − 𝑃𝑖) = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋3 + … 𝛽𝑘𝑋𝑘 + 𝜇𝑖
Donde 𝐿𝑖 es el logaritmo de la razón de probabilidades y 𝑃𝑖 es la probabilidad que
la variable endógena 𝑌𝑖 sea igual a1 (ocurrencia del suceso) y 𝑋𝑖 que agrupa una serie de
variables independientes.
Para fines de estimación un modelo Probit se representa por:
𝐹(𝐼𝑖) =1
√2𝜋∫ 𝑒
−𝑍2
2⁄ 𝑑𝑧𝛽0+𝛽1𝑋1+𝛽2𝑋2+𝛽3𝑋3+… 𝛽𝑘𝑋𝑘+𝜇𝑖
−∞
Donde Z es la variable normal estandarizada e I es un índice calculado.
2.5 HERRAMIENTAS DE ANÁLISIS A UTILIZAR EN EL MODELO DE
VARIABLE DEPENDIENTE DICOTÓMICA
Conforme a lo propuesto por Díaz y Costa (1994) y Agurto (2010), la metodología
que toda investigación econométrica debe seguir se compone de 04 etapas, dentro de las
cuales se tiene: 1) la especificación del modelo, 2) la estimación del modelo, 3) la
evaluación de los indicadores y finalmente 4) la evaluación de capacidad predictiva.
2.5.1. Especificación del modelo
Esta etapa es fundamental para el estudio ya que en ella se determinan las variables
tanto endógenas como exógenas que son utilizadas en la investigación. En esta parte
también se incluyen los signos esperados y se devela el modelo expresado en terminos
matemáticos.
2.5.2. Estimación del modelo
Conforme a lo que propone Rosales (2013) los procedimientos a seguir para
construir un modelo Probit o Logit son primero realizar regresiones bivariadas, luego
detectar multicolinealidad y estimar el modelo multivariado.
Página | 44
El primer paso según lo propuesto por Rosales (2013) consiste en realizar
estimaciones bivariadas con el fin de seleccionar variables que cumplan 02 de 03 criterios:
signo, significancia y R2. En esta etapa el signo del coeficiente debe ser el mismo al
planteado en las hipótesis, respecto a la significancia, se eligen probabilidades menores
al diez por ciento y por último en lo concerniente al R2 el criterio de elección está dentro
del rango 0.2 – 0.6.
El segundo paso es realizar pruebas de multicolinealidad con el fin de eliminar
las variables que ocasionan este problema, ya que según los que indican Gujarati y Porter
(2010) en una situación extrema la multicolinealidad impide evaluar la influencia
individual de cada variable independiente, ocasionando que los coeficientes de regresión
sean indeterminados y los errores infinitos. El criterio de selección en este punto es
descartar aquellas variables que tengan un coeficiente de correlación superior a 0.5. En
esta el comando usado es cor.
El tercer paso se realiza luego de seleccionar las variables que estarán presentes
en el modelo, en este punto se procede con la estimación del modelo mediante alguno de
los comandos logit, probit o regress en Stata y el comando stepwise para suprimir las
variables no significativas a un nivel de confianza dado, que puede ser de 10%. Con lo
cual que el modelo queda listo para seguir el siguiente paso de evaluación.
2.5.3. Evaluación de las estimaciones
Según Rosales (2010) luego de construir el modelo multivariable el paso a seguir
es evaluar los resultados, por lo que Díaz y Costa (1994) y Agurto (2010) proponen 03
tipos de evaluación: económica, estadística y econométrica.
2.5.3.1 Evaluación económica
En la evaluación económica se analiza el signo de los parámetros encontrados, es
decir evalúa si están conforme a los que propone la teoría económica.
Página | 45
2.5.3.2 Evaluación estadística
En la evaluación estadística se examina la significancia de los parámetros
hallados, la significancia global y el ajuste del modelo. Para el caso de la significancia
individual se emplea el test de Wald, que en Stata 14 tiene como comando test. La
significancia global se contrasta con la prueba Chi2 un estadístico 𝐿𝑅 = −2(𝑙𝑛𝐿𝑅 −
𝑙𝑛𝐿𝑁𝑅), donde 𝐿𝑁𝑅 es el logaritmo de la función de verosimilitud del modelo estimado y
𝐿𝑅 es la función del modelo restringido, para una hipótesis nula donde los parámetros son
no significativos.
Las pruebas de ajuste son las siguientes:
a) R2 de Mc Fadden:
Conocido como el índice cociente de verosimilitud se define como la razón entre
el logaritmo de la función de verosimilitud del modelo estimado (𝐿𝑁𝑅) y el de la función
del modelo restringido, es decir estimado solo con la constante (𝐿𝑅). Si ambas funciones
son iguales 𝐿𝑁𝑅 = 𝐿𝑅 el 𝑅𝑀𝐹2 será cero, mientras más cercano a 1 es mejor.
𝑅𝑀𝐹2 = 1 −
𝑙𝑛𝐿𝑁𝑅
𝑙𝑛𝐿𝑅
b) R2 conteo:
Es la razón entre el número de predicciones correctas entre el número total de
observaciones.
𝑅𝑐𝑜𝑛𝑡𝑒𝑜2 =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑟𝑒𝑑𝑖𝑐𝑐𝑖𝑜𝑛𝑒𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎𝑠
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠
Estos indicadores se obtienen con el comando fitstat en Stata 14.
Porcentaje de predicciones correctas
Página | 46
Son el porcentaje de aciertos logrados por las predicciones del modelo, según la
probabilidad supere o no un umbral igual a 0.5. Por tanto:
�̂�(𝑌𝑖 = 1|𝑋𝑖) ≥ 0.5 ⇢ 𝑌�̂� = 1
�̂�(𝑌𝑖 = 1|𝑋𝑖) < 0.5 ⇢ 𝑌�̂� = 0
Y a partir del esquema siguiente se desprenden algunos índices que se evalúan:
Cuadro 2.4:
Esquema de valores predichos por modelo
Valor real de Y
Y=0 Y=1
Y<c A b
Y>c C d
Fuente: Rosales (2013) pág. 25
Elaboración: Propia
Tasa de aciertos: 𝑎+𝑑
𝑎+𝑏+𝑐+𝑑
Tasa de errores: 𝑏+𝑑
𝑎+𝑏+𝑐+𝑑
Especificidad: 𝑎
𝑎+𝑐
Sensibilidad: 𝑑
𝑏+𝑑
Tasa de falsos ceros: 𝑐
𝑎+𝑐
Tasa de falsos unos: 𝑏
𝑑+𝑏
Todas estos indicadores se obtienen con el comando estat clas en Stata 14.
Página | 47
c) Curva de ROC
Siguiendo a Rosales (2013, pág. 31), “grafica el número de casos positivos
correctamente clasificados (predichos en el modelo) contra el numero de no casos que
fueron clasificados incorrectamente como casos, así como la clasificación del
entrecruzamiento.
El criterio de evaluación que propone Rosales (2013) es el siguiente: un área de
0.5 significara ausencia de discriminación, entre 0.7 – 0.79 significara una discriminación
entre aceptable, entre 0.8 – 0.89 es excelente y superior a 0.9 excepcional.
En Stata se aplica el comando lroc.
2.5.3.3 Evaluación econométrica
Finalmente en la evaluación econométrica se analiza si los supuestos del método
econométrico empleado se satisfacen y también se elige entre el modelo que mejor ajuste
tiene, en este caso se hace la elección entre emplear un modelo logit o uno probit, todo
ello para finalmente calcular los efectos marginales.
a) Normalidad
Aunque no es un inconveniente en este tipo de modelos, se evalúa en Stata 14 con
el comando sktest y swilk.
b) Heterocedasticidad
Se evalúa con el comando sdtest en Stata 14 y se corrige con el comando vce
(robust).
c) Elección entre los modelos Logit – Probit
Como lo establecen Gujarati y Porte (2010) los modelos Logit como probit son
muy semejantes y tienen como principal diferencia es el ancho de las colas de su función
Página | 48
de distribución. La distribución logística tiene una cola más ancha que la probabilística.
Por lo que no existe razón de peso para elegir entre uno u otro.
De acuerdo a Cameron y Trivedi (2010) existe una razón de conversión entre
modelos, por lo que no es convenientes comprar coeficientes entre ellos.
�̂�𝐿𝑜𝑔𝑖𝑡 ≅ 4�̂�𝑀𝑃𝐿
�̂�𝑃𝑟𝑜𝑏𝑖𝑡 ≅ 2.5�̂�𝑀𝑃𝐿
�̂�𝐿𝑜𝑔𝑖𝑡 ≅ 1.6�̂�𝑃𝑟𝑜𝑏𝑖𝑡
En tanto, Rosales (2013) propone para comparar este tipo de modelos unas
medidas de información, entre ellas el criterio de información de Akaike (AIC) y el
criterio de información bayesiano (BIC).
Para el caso del AIC se elige el menor que reporte cada modelo ya que mientras
menor valor mejor ajuste del modelo. La fórmula del AIC incluye el logaritmo natural de
la verosimilitud del modelo (ln L) y el número de parámetros (K).
𝐴𝐼𝐶 = −2 ln 𝐿 + 2𝐾
Por otro su lado bajo el criterio del BIC se elige el mayor valor en negativo
obtenido de la fórmula:
𝐵𝐼𝐶 = −2𝑙𝑛𝐿 + 𝐾𝑙𝑛(𝑁)
Finalmente conforme a los resultados obtenidos de la estimación, Cameron y
Trivedi (2010), sostienen que mucho más informativos que los coeficientes arrojados por
la estimación son los efectos marginales en este tipo de modelos no lineales. Según estos
autores se pueden analizar tres tipos de efectos marginales. Primero están los efectos
marginales promedio, en seguida los efectos marginales de un valor representativo y el
efecto marginal en la media.
Página | 49
En Stata 14 el efecto marginal de un valor representativo se calcula con el
comando mfx, evalúa el impacto de valores asignados, el efecto marginal en la media se
calcula también con el comando mfx pero con valores por defecto. Por su parte el efecto
marginal promedio se calcula con el comando margeff.
Según Rosales (2013) para calcular los efectos marginales se emplea una formula
general aplicable en cualquier tipo de distribución:
𝜕𝐸[𝑦𝑖|𝑥𝑖]
𝜕𝑥𝑘𝑖=
𝜕𝐹(𝑥𝑖´𝛽)
𝜕(𝑥𝑖´𝛽)
𝛽𝑘 = 𝑓(𝑥𝑖´𝛽)𝛽𝑘
Los efectos marginales son los efectos generados por cambios en las variables
exógenas sobre el fenómeno estudiado.
2.5.4. Evaluación del poder predictivo del modelo estimado
Escobar, Fernández, y Barnardi (2012) plantean realizar predicciones para
individuos con características medias, para lo cual emplean los comandos prchange y
prgen, este último permite realizar graficas de los resultados.
Página | 50
CAPÍTULO III: RESULTADOS
Este capítulo se ha dividido en tres secciones. En la primera de ellas se realiza un
análisis descriptivo y de contingencia entre variables, de acuerdo a los datos
proporcionados ENAHO 2015, con la salvedad que se realiza para cada uno de los seis
servicios financieros planteados en la metodología. En la segunda sección, se da pase a
un análisis econométrico que integra en un solo indicador todos los servicios financieros
estudiados, a partir del cual se genera un modelo econométrico susceptible de ser
evaluado y analizado. Para arribar a una última sección que analiza los resultados y genera
discusiones.
3.1 ANÁLISIS CON TABLAS DE CONTINGENCIA
En este apartado se realiza un análisis descriptivo y de contingencias entre
aquellas variables consideradas por la evidencia y por la teoría, como relevantes para
explicar el fenómeno planteado. El uso de cada uno de los servicios financieros formales,
por tanto, viene determinado por variables de índole social, económica y geográfica.
Dentro de las cuales se encuentran la edad (cuantitativa-discreta), sexo (cualitativa-
nominal), número de individuos en el hogar (cuantitativa-discreta), nivel educativo
(cualitativa-ordinal), ingresos (cualitativa-nominal) y zona geográfica (cualitativa-
nominal).
Debido a la necesidad de contar con información estadística a nivel nacional, ha
sido conveniente utilizar la base de datos de la Encuesta Nacional de Hogares o en sus
siglas ENAHO aplicada en el año 2015, específicamente el módulo 500 que referencia la
inclusion financiera en el Perú.
Con el fin que la base de datos solamente contenga a la población de estudio, se
realizó una limpieza de datos, eliminando datos perdidos o missing e individuos menores
a 18 años. Del mismo modo se considera solo a aquellos que respondieron de manera
adecuada la interrogante: ¿actualmente, tiene usted en algún banco, caja municipal, caja
rural o institución de microfinanzas: cuentas de ahorro, cuentas de ahorro a plazo fijo,
cuentas corrientes, tarjetas de crédito, tarjetas de débito? y que están afiliado o no a una
AFP u otro sistema de pensiones.
Página | 51
Finalmente, con el objetivo de obtener indicadores adecuados, se hizo necesario
construir nuevas variables en base a los datos existentes, bajo un proceso de
recodificación de las mismas. Tal es el caso de las variables género, nivel educativo,
ingresos, por citar algunas.
3.1.1 Uso de servicios financieros formales
Conforme a los datos proporcionados por la ENAHO, el grupo de estudio queda
representado por 78,572 individuos. Dentro de esto, siguiendo el cuadro 3.1, el servicio
financiero formal más usado por los encuestados en el año 2015, es el sistema de
pensiones 28.0%, seguidos de cerca por las cuentas de ahorro 26.2% y las tarjetas de
débito 24.8%, un poco más rezagados están las tarjetas de crédito 6.1%, las cuentas
corrientes 3.8% y las cuentas de ahorro a plazo fijo 0.8%.
El cuadro 3.1 plantea que por lo menos 28 de cada 100 personas usan al menos un
servicio financiero formal en el Perú proporcionado por algún banco, caja municipal, caja
rural o institución de financiera.
Página | 52
Cuadro 3.1
Tabla de frecuencia de acuerdo al uso de servicios financieros formales
Tipo de servicio financiero formal
Cuenta de
ahorro
Cuenta de ahorro
a plazo fijo
Cuenta
corriente
Tarjetas de
crédito
Tarjetas de
débito
Sistema de
pensiones
Uso de servicios
financieros
formales
0. No usa Frecuencia 57,992 77,938 75,559 73,796 59,104 56,611
% por columna 73.8% 99.2% 96.2% 93.9% 75.2% 72.0%
1. Usa Frecuencia 20,580 634 3,013 4776 19,468 21,961
% por columna 26.2% 0.8% 3.8% 6.1% 24.8% 28.0%
Total Frecuencia 78,572 78,572 78,572 78,572 78,572 78,572
% por columna 100% 100% 100% 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Página | 53
3.1.2 Uso de servicios financieros formales y el género
La primera variable dentro del grupo de las explicativas es el género. El cuadro
3.2 muestra la distribución de frecuencias de esta variable, según lo cual, el 51.8% de la
muestra está conformada por las mujeres y el 48.2% por los hombres. Un diferencial de
3.6 que equivale a 2,784 personas.
Cuadro N° 3.2:
Tabla de frecuencia del género
Estadísticas descriptivas
Frecuencia Porcentaje Porcentaje acumulado
Género del encuestado 0. Hombre 37,894 48.2% 48.2%
1. Mujer 40,678 51.8% 51.8%
Total 78,572 100.0% 100.0%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Por otro lado, conforme a lo presentado en el marco teórico existen diferencias de
género concerniente al uso de servicios financieros causado por distintos roles asignados
por la sociedad a cada género. Basándose en ello, los cuadros siguientes muestran que
son los hombres los que tienen mayor probabilidad de usar servicios financieros en
relación con las mujeres, con base a los datos del ENAHO 2015.
El cuadro 3.3 permite inferir que si un individuo tiene la característica de ser
hombre, su probabilidad de usar cuentas de ahorro es de 0.267, resultado que se encuentra
por encima de lo reportado para las mujeres 0.258. Esto implica que la probabilidad de
usar cuentas de ahorro en los hombres es 1.034 veces mayor que en las mujeres.
La Chi cuadrado es un test estadístico que permite conocer si existe asociación
entre variables. Por tanto, con una 𝜒2=8.5050 y un p-valor de 0.004 significativo, se
rechaza la hipótesis nula de independencia de variables y se concluye que entre las
variables estudiadas existe una relación, que según la V. de Cramer3 es de 0.0104.
3 Para López-Roldán y Fachelli (2015) el coeficiente V de Cramer es una medida simétrica que varía entre
0 y 1, siendo 0 en caso de independencia y 1 en caso de dependencia perfecta. El coeficiente se obtiene de
Página | 54
Cuadro 3.3:
Tabla de contingencia entre uso de cuenta de ahorro y género
Género del encuestado
1. Mujer 0. Hombre Total
Uso de cuentas de
ahorro
1. Usa Frecuencia 10,475 10,105 20,580
% por columna 25.8% 26.7% 26.2%
0. No usa Frecuencia 30,203 27,789 57,992
% por columna 74.2% 73.3% 73.8%
Total Frecuencia 40,678 37,894 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 8.5050 (sig. 0.004), Cramér´s V.=0.0104.
Por otro lado, en el cuadro 3.4 se encuentra evidencia que un individuo del género
masculino tiene una probabilidad de 0.009 de usar una cuenta de ahorro a plazo fijo
superior a la encontrada en las mujeres 0.007. Lo que implica, que este servicio financiero
es 1.286 veces más usado por hombres que por mujeres.
Bajo una 𝜒2=9.3087 y un p-valor de 0.002 significativo, se rechaza la hipótesis
nula de independencia de variables, demostrando que existe una relación entre el género
y el uso de este servicio. Una asociación que según la V. de Cramer es de 0.0109.
Cuadro 3.4:
Tabla de contingencia entre uso de cuenta de ahorro a plazo fijo y género
Género del encuestado
1. Mujer 0. Hombre Total
Uso de cuentas de ahorro
a plazo fijo
1. Usa Frecuencia 290 340 634
% por columna 0.7% 0.9% 0.8%
0. No usa Frecuencia 40,388 37,550 77,938
% por columna 99.3% 99.1% 99.2%
Total Frecuencia 40,678 37,894 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 9.3087 (sig. 0.002), Cramér´s V.=0.0109.
Siguiendo con el análisis, el cuadro 3.5 corrobora también, que son los hombres
los que tienen una probabilidad mayor de usar servicios financieros formales, en este caso
𝑉 = √𝜒2
𝑛(𝑘−1) Siendo 𝑘 = 𝑚í𝑛{𝐼, 𝐽} es decir el valor mínimo entre el número de filas y columnas y 𝑋2 es el
estadístico Chi-cuadrado.
Página | 55
las cuentas corrientes. Un hombre tiene una probabilidad de 0.044 de usarlos frente a un
0.033 de las mujeres, esto significa que, este servicio financiero es 1.333 veces más usado
por hombres que por mujeres.
Con una 𝜒2=65.6174 y un p-valor de 0.000 significativo, se rechaza la hipótesis
nula de independencia de variables, demostrando que existe una relación entre el género
y el uso de este servicio. Una asociación que según la V. de Cramer es de 0.0289.
Cuadro 3.5:
Tabla de contingencia entre uso de cuenta corriente y género
Género del encuestado
1. Mujer 0. Hombre Total
Uso de cuenta
corriente
1. Usa Frecuencia 1,342 1,671 3,013
% por columna 3.3% 4.4% 3.8%
0. No usa Frecuencia 39,336 36,223 75,559
% por columna 96.7% 95.6% 96.2%
Total Frecuencia 40,678 37,894 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 65.6174 (sig. 0.000), Cramér´s V.=0.0289.
Por lo que concierne al uso de tarjeta de crédito, los datos que proporciona la
ENAHO 2015 refieren que los hombres tienen mayor probabilidad de usarlos que las
mujeres. El cuadro 3.6 refleja que los hombres tienen una probabilidad de uso de 0.07
frente a un 0.05 de las mujeres, esto equivale a decir que los hombres usan 1.346 veces
más los servicios que las mujeres.
La 𝜒2=101.7686 y el p-valor de 0.000 significativo, permiten rechazar la hipótesis
nula de independencia de variables, demostrando que existe una relación entre el género
y el uso de las tarjetas de crédito. Una asociación que según la V. de Cramer es de 0.0360.
Cuadro 3.6:
Tabla de contingencia entre uso de tarjeta de crédito y género
Género del encuestado
1. Mujer 0. Hombre Total
Uso de tarjeta de
crédito
1. Usa Frecuencia 2,135 2,641 4,776
% por columna 5.2% 7.0% 6.1%
0. No usa Frecuencia 38,543 35,253 73,796
% por columna 94.8% 93.0% 93.9%
Página | 56
Total Frecuencia 40,678 37,894 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 101.7686 (sig. 0.000), Cramér´s V.=0.0360.
En línea de lo ya presentado, el cuadro 3.7 evidencia nuevamente que los hombres
son los que más usan las tarjetas de débito con una probabilidad de 0.262 que sobrepasa
a lo reportado por las mujeres un 0.234. En otros términos, los hombres usan 1.120 veces
más este servicio que las mujeres.
Con la 𝜒2=82.0989 y el p-valor de 0.000 significativo, se rechaza la hipótesis nula
de independencia de variables, concluyendo que existe una relación entre el género y el
uso de las tarjetas de débito. Una asociación que según la V. de Cramer es de 0.0323.
Cuadro 3.7:
Tabla de contingencia entre uso de tarjeta de débito y género
Género del encuestado
1. Mujer 0. Hombre Total
Uso de tarjeta de
débito
1. Usa Frecuencia 9,531 9,937 19,468
% por columna 23.4% 26.2% 24.8%
0. No usa Frecuencia 31,147 27,957 59,104
% por columna 76.6% 73.8% 75.2%
Total Frecuencia 40,678 37,894 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 82.0989 (sig. 0.000), Cramér´s V.=0.0323.
Finalmente, el cuadro 3.8 plasma un mayor uso del sistema de pensiones por parte
de los hombres, una probabilidad de 0.361 los acompaña contra una menor cuantía con
respecto a las mujeres de 0.204. Esto implica que la probabilidad de uso es 1.770 veces
mayor en los hombres que en las mujeres.
Con el test 𝜒2=2406.7280 y el p-valor de 0.000 significativo, se rechaza la
hipótesis nula de independencia de variables, concluyendo que existe una relación entre
el género y el uso del sistema de pensiones. Una asociación que según la V. de Cramer es
de 0.1750.
Página | 57
Cuadro 3.8:
Tabla de contingencia entre uso del sistema de pensiones y género
Género del encuestado
1. Mujer 0. Hombre Total
Uso del sistema de
pensiones
1. Usa Frecuencia 8,286 13,675 21,961
% por columna 20.4% 36.1% 28.0%
0. No usa Frecuencia 32,392 24,219 56,611
% por columna 79.6% 63.9% 72.0%
Total Frecuencia 40,678 37,894 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 2406.7280 (sig. 0.000), Cramér´s V.=0.1750.
En conclusión, gracias a este análisis de contingencia, se puede inferir que existe
una menor probabilidad de uso de servicios financieros por parte de las mujeres en
comparación al uso efectuado por los del género masculino, lo que implica que ser mujer
reduce la probabilidad de uso y ser hombre la aumenta.
Figura 3.1
Uso de servicios financieros formales por género
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software SPSS 15
Página | 58
3.1.3 Uso de servicios financieros formales y la edad
A partir de los datos proporcionados por la ENAHO 2015, se encontró que el
rango de edades 18-24 son los que mayor frecuencia representan dentro de la muestra,
este primer rango está formado por el 16.7% del total, seguidos de cerca por los grupo de
32-38 y 39-45 que tienen una representatividad del 13.5% cada uno. Los datos evidencian
que el Perú goza de una población joven, donde los cuatro primeros intervalos acumulan
cerca del 60% de la población de estudio.
Cuadro 3.9:
Tabla de frecuencia de la edad
Estadísticas descriptivas
Frecuencia Porcentaje Porcentaje acumulado
Intervalos de edad
1. 18-24 años 13,120 16.7% 16.7%
2. 25-31 años 10,492 13.4% 30.1%
3. 32-38 años 10,598 13.5% 43.5%
4. 39-45 años 10,637 13.5% 57.1%
5. 46-52 años 9,492 12.1% 69.2%
6. 53-59 años 7,970 10.1% 79.3%
7. 60-66 años 6,158 7.8% 87.1%
8. 67-73 años 4,475 5.7% 92.8%
9. 74-80 años 3,282 4.2% 97.0%
10. 81-87 años 1,702 2.2% 99.2%
11. 88-94 años 547 0.7% 99.9%
12. 95 a más 99 0.1% 100.0%
Total 78,572 100.0% 100.0%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Por otro lado, conforme a lo que propone el marco teórico del ciclo de vida, existen
etapas en la que hay mayor orientación por usar servicios financieros, puesto que ellos,
ayudan a mantener un nivel constante de vida entre los individuos. De acuerdo a ello, a
continuación se muestra un cuadro que resume como está distribuido el uso de servicios
financieros formales por rango de edades.
El cuadro 3.10 describe como se reparte el total de personas que usaron una cuenta
de ahorro, de ahorro a plazo, cuenta corriente, tarjeta de crédito, de débito y el sistema de
pensiones. Según esta estructura, en todos los casos, los rangos de edades 25-31, 32-38,
Página | 59
39-45 son los que con mayor frecuencia usan estos servicios financieros que equivale a
decir de manera acumulada, que cerca del 50% de los que usan servicios financieros están
presentes en estos tres niveles de edad.
En el caso de los que usan una cuenta de ahorro la mayor participación es asignada
a los jóvenes de 25-31 años que representa el 15.2% de este subconjunto de datos, seguido
de cerca por los rango 32-38 (15.1%) y 39-45 (14.7%).
Para el otro resto de servicios, es el rango 25-31 el que ocupa mayor porcentaje
de uso, salvo cuando se habla del sistema de pensiones, cuya mayor cuantía está cubierta
por el grupo de 39-45 (15-62%). Un 17.98% de las personas que usan una cuenta de
ahorro está en el grupo de 25-31 años, un 16.63% de las que usa la cuenta corriente
también se encuentra en dicho rango, junto a un 19.12% y un 15.74 que usa tarjetas de
crédito y débito respectivamente.
Por lo que concierne a las pruebas estadísticas de asociación, en todos los casos
se rechaza la hipótesis nula independencia de variables, con P-valor de 0.000 en todos los
casos, y con una fuerza de asociación, según la V. de Cramer de 0.1062 con las cuentas
de ahorro, 0,0272 con las cuentas de ahorro a plazo, 0.0408 con las cuentas corrientes,
0.0989 con las tarjetas de crédito, 0.0937 con las de débito y finalmente 0.1455 con el
sistema de pensiones.
En efecto, se puede inferir que existe un patrón de comportamiento ligado con
mayor uso de servicios financieros formales en determinados rangos de edad, pero que
en definitiva no permiten sacar conclusiones sobre la probabilidad de uso ya que al
analizar los datos de forma vertical se asume la distribución que tiene toda la muestra, en
este caso la muestra tiene una forma de campana.
Página | 60
Cuadro 3.10:
Tabla de contingencia entre el uso de servicios financieros formales y los rangos de edad por frecuencias
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Cuenta de ahorro Cuenta de ahorro a plazo Cuenta corriente Tarjeta de crédito Tarjeta de débito Sistema de pensiones
1. 18-24 años 11.67% 8.04% 11.98% 8.33% 11.77% 8.16%
2. 25-31 años 15.23% 17.98% 16.63% 19.12% 15.74% 15.26%
3. 32-38 años 15.10% 14.67% 15.77% 17.17% 15.61% 15.55%
4. 39-45 años 14.69% 17.03% 15.90% 18.43% 15.31% 15.62%
5. 46-52 años 11.91% 11.67% 13.51% 13.86% 12.40% 13.02%
6. 53-59 años 9.14% 9.46% 9.49% 11.18% 9.39% 10.89%
7. 60-66 años 6.42% 9.46% 6.94% 6.95% 6.78% 8.13%
8. 67-73 años 6.86% 7.10% 3.72% 3.16% 5.60% 5.97%
9. 74-80 años 5.08% 3.31% 3.68% 1.26% 4.25% 4.15%
10. 81-87 años 2.95% 1.10% 1.56% 0.54% 2.31% 2.40%
11. 88-94 años 0.85% 0.16% 0.66% 0.00% 0.71% 0.73%
12. 95 a más 0.11% 0.00% 0.17% 0.00% 0.12% 0.13%
100% 100% 100% 100% 100% 100%
886.3167 58.0332 130.7820 768.9203 689.9078 1,663.0961
0.00 0.00 0.00 0.000 0.000 0.000
0.1062 0.0272 0.0408 0.0989 0.0937 0.1455Cramér's V
Prueba Pearson chi2(11)
Uso de servicios financieros formales
Intervalos de edad
Total
Página | 61
3.1.4 Uso de servicios financieros formales y el nivel educativo
Siguiendo los datos de la ENAHO 2015, la población se distribuye de manera
desigual, siendo el nivel educativo más importante el nivel secundario con 36.2% de las
personas, en seguida se encuentran el nivel primario, superior universitaria y no
universitaria con participaciones de 29.3%, 14.2% y 11.7% respectivamente. Un poco
más rezagado se encuentra los que no tienen nivel 7.3% y los de postgrado 1.3%.
Por otro lado cabe remarcar que aproximadamente tres tercios de la población se
encuentran dentro de los tres primeros niveles de educación en tanto que los otros tres
niveles educativo se compone otro cuarto restante.
Cuadro 3.11:
Tabla de frecuencia del nivel educativo
Estadísticas descriptivas
Frecuencia Porcentaje Porcentaje acumulado
Nivel educativo
1. Sin nivel 5,762 7.3% 7.3%
2. Primaria 23,013 29.3% 36.6%
3. Secundaria 28,429 36.2% 72.8%
4. Superior no universitaria 9,181 11.7% 84.5%
5. Superior universitaria 11,168 14.2% 98.7%
6. Postgrado 1,019 1.3% 100.0%
Total 78,572 100.0%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
En razón del marco teórico propuesto, la educación y en particular la educación
financiera, se constituye como un factor que afecta la decisión de usar servicios
financieros. A continuación se devela su relación con el fenómeno estudiado.
Siguiendo la metodología de análisis de contingencia por cada uno de los servicios
financieros, a continuación se presenta el cuadro 3.12 que proporciona información sobre
cómo se la relaciona el nivel educativo y el uso de cuentas de ahorro. De acuerdo a este
cuadro no existe una situación igualitaria entre la distribución de los diferentes niveles
educativos, se verifica que a medida que aumenta el nivel educativo aumenta el uso de
cuentas de ahorro.
Página | 62
Los datos evidencian un incremento constante de la probabilidad de usar este servicio financiero conforme avanza el nivel educativo, salvo
cuando se pasa de no tener nivel a tener primaria, por todo lo demás existe este aumento sostenido. En los extremos, un bajo 22.5% de los que no
tienen formación usa las cuentas de ahorro, en contraposición, de un importante 80.4% que los usa ostentado un nivel de estudios de postgrado.
La prueba Chi-cuadrado deja constancia que el uso de cuentas de ahorro se asocia con el nivel educativo del encuestado con un
𝜒2=5880.6549 y un p-valor de 0.000. Por lo que concierne al grado en las que estas se asocian el estadístico V. de Cramer proporciona un resultado
de 0.2736.
Cuadro 3.12:
Tabla de contingencia entre uso de cuenta de ahorro y nivel educativo Nivel educativo
1. Sin nivel 2. Primaria 3. Secundaria 4. Superior no univ. 5. Superior univ. 6. Postgrado Total
Uso de
cuentas de
ahorro
1. Usa Frecuencia 1,298 4,011 5,805 3,602 5,045 819 20,580
% por columna 22.5% 17.4% 20.4% 39.2% 45.2% 80.4% 26.2%
0. No usa Frecuencia 4,464 19,002 22,624 5,579 6,123 200 57,992
% por columna 77.5% 82.6% 79.6% 60.8% 54.8% 19.6% 73.8%
Total Frecuencia 5,762 23,013 28,429 9,181 11,168 1,019 78,572
% por columna 100% 100% 100% 100% 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (5) = 5880.6549 (sig. 0.000), Cramér´s V.=0.2736.
En concordancia con lo anterior, se presenta el cuadro 3.13 que evidencia un incremento constante de la probabilidad de uso de una cuenta
de ahorro a plazo fijo conforme avanza el nivel educativo alcanzado por un individuo. El cuadro muestra que los individuos que tienen postgrado
Página | 63
gozan de una probabilidad de uso es de 0.8% superior a todos los otros niveles, siendo el más bajo de ellos, sin nivel, de los que solo el 0.1% de
estos usan el servicio financiero formal.
Por su parte con una 𝜒2=710.5857 y un p-valor de 0.000 se rechaza la hipótesis nula que las variable sean independiente, por lo que se
puede concluir que el uso de una cuenta de ahorro a plazo fijo se asocia con los niveles educativos, por su parte la V. de Cramer calcula que el
grado de esta asociación es 0.0951.
Cuadro 3.13:
Tabla de contingencia entre uso de cuenta de ahorro a plazo fijo y nivel educativo
Nivel educativo
1. Sin nivel 2. Primaria 3. Secundaria 4. Superior no univ. 5. Superior univ. 6. Postgrado Total
Uso de cuenta
de ahorro a
plazo fijo
1. Usa Frecuencia 5 74 152 108 235 60 634
% por columna 0.1% 0.3% 0.5% 1.2% 2.1% 5.9% 0.8%
0. No usa Frecuencia 5,757 22,939 28,277 9,073 10,933 959 77,938
% por columna 99.9% 99.7% 99.5% 98.8% 97.9% 94.1% 99.2%
Total Frecuencia 5,762 23,013 28,429 9,181 11,168 1,019 78,572
% por columna 100% 100% 100% 100% 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (5) = 710.5857 (sig. 0.000), Cramér´s V.=0.0951.
Respecto al uso de cuentas corrientes, el cuadro 3.14 presenta que hay un incremento constante de la probabilidad de uso de este servicio
conforme se avanza con el nivel educativo alcanzado por un individuo. Para una 𝜒2=1224.9512 y un p-valor de 0.000 se rechaza la hipótesis nula
Página | 64
que las variable sean independiente, por lo que se puede concluir que el uso de una cuenta corriente se asocia con los niveles educativos, con un
grado de asociación de 0.1249 representado por la V. de Cramer.
Cuadro 3.14:
Tabla de contingencia entre uso de cuenta de cuenta corriente y nivel educativo
Nivel educativo
1. Sin nivel 2. Primaria 3. Secundaria 4. Superior no univ. 5. Superior univ. 6. Postgrado Total
Uso de cuenta
corriente
1. Usa Frecuencia 110 432 856 594 909 112 3,013
% por columna 1.9% 1.9% 3.0% 6.5% 8.1% 11.0% 3.8%
0. No usa Frecuencia 5,652 22,581 27,573 8,587 10,259 907 75,559
% por columna 98.1% 98.1% 97.0% 93.5% 91.9% 89.0% 96.2%
Total Frecuencia 5,762 23,013 28,429 9,181 11,168 1,019 78,572
% por columna 100% 100% 100% 100% 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (5) = 1224.9512 (sig. 0.000), Cramér´s V.=0.1249.
Para el caso de las tarjetas de crédito, el cuadro 3.15 también evidencia incrementos de la probabilidad de uso conforme avanza el nivel
educativo del encuestado, estando estas variables relacionadas con una 𝜒2=5796.7571 y un p-valor de 0.000 y un grado de asociación de 0.2716
según la V. de Cramer.
Página | 65
Cuadro 3.15:
Tabla de contingencia entre uso de tarjetas de crédito y nivel educativo
Nivel educativo
1. Sin nivel 2. Primaria 3. Secundaria 4. Superior no univ. 5. Superior univ. 6. Postgrado Total
Uso de tarjetas
de crédito
1. Usa Frecuencia 13 199 1,270 1,045 1,897 352 4,776
% por columna 0.2% 0.9% 4.5% 11.4% 17.0% 34.5% 6.1%
0. No usa Frecuencia 5,749 22,814 27,159 8,136 9,271 667 73,796
% por columna 99.8% 99.1% 95.5% 88.6% 83.0% 65.5% 93.9%
Total Frecuencia 5,762 23,013 28,429 9,181 11,168 1,019 78,572
% por columna 100% 100% 100% 100% 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (5) = 5796.7571 (sig. 0.000), Cramér´s V.=0.2716.
Para el caso de las tarjetas de débito, el cuadro 3.16 respalda lo ya presentado, un incrementos de la probabilidad de uso conforme se avanza
en nivel educativo del encuestado. Con una 𝜒2=8240.4162 y un p-valor de 0.000 se rechaza la hipótesis nula de que las variables son independientes,
encontrando un grado de asociación de 0.3238 según la V. de Cramer.
Cuadro 3.16:
Tabla de contingencia entre uso de tarjetas de débito y nivel educativo
Nivel educativo
1. Sin nivel 2. Primaria 3. Secundaria 4. Superior no univ. 5. Superior univ. 6. Postgrado Total
Uso de tarjetas
de debito
1. Usa Frecuencia 788 3,258 5,590 3,748 5,235 849 19,468
% por columna 13.7% 14.2% 19.7% 40.8% 46.9% 83.3% 24.8%
0. No usa Frecuencia 4,974 19,755 22,839 5,433 5,933 170 59,104
Página | 66
% por columna 86.3% 85.8% 80.3% 59.2% 53.1% 16.7% 75.2%
Total Frecuencia 5,762 23,013 28,429 9,181 11,168 1,019 78,572
% por columna 100% 100% 100% 100% 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (5) = 8240.4162 (sig. 0.000), Cramér´s V.=0.3238.
Finalmente respecto al uso del sistema de pensiones, el cuadro 3.17 representa de manera similar a los otros servicios financieros, que su
probabilidad de uso se incrementa conforme avanza el nivel educativo del encuestado. Se evidencia que son los que tienen postgrado los que más
probabilidades de uso poseen 94.5% y los que no tienen nivel son los que de menos probabilidades gozan 5.0%. La 𝜒2=13397.7684 y un p-valor
de 0.000 permiten rechazar que las variables sean independientes, encontrando un grado de asociación de 0.4129 según la V. de Cramer.
Cuadro 3.17:
Tabla de contingencia entre uso del sistema de pensiones y nivel educativo
Nivel educativo
1. Sin nivel 2. Primaria 3. Secundaria 4. Superior no univ. 5. Superior univ. 6. Postgrado Total
Uso del
sistema de
pensiones
1. Usa Frecuencia 286 2,576 7,340 4,810 5,986 963 21,961
% por columna 5.0% 11.2% 25.8% 52.4% 53.6% 94.5% 28.0%
0. No usa Frecuencia 5,476 20,437 21,089 4,371 5,182 56 56,611
% por columna 95.0% 88.8% 74.2% 47.6% 46.4% 5.5% 72.0%
Total Frecuencia 5,762 23,013 28,429 9,181 11,168 1,019 78,572
% por columna 100% 100% 100% 100% 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (5) = 13397.7684 (sig. 0.000), Cramér´s V.=0.4129.
Página | 67
Como conclusión de este punto, basándose en los datos de la ENAHO 2015 se
puede inferir que existe una probabilidad creciente del uso de servicios financieros
conforme se eleva en nivel educativo alcanzado por el encuestado, lo que implica que
mayor nivel de educación incrementa la probabilidad de usar los servicios financieros
formales en el caso del Perú. El grafico siguiente resume los hallazgos hechos.
Figura 3.2
Uso de servicios financieros formales por nivel educativo
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software SPSS 15
3.1.5 Uso de servicios financieros formales y el número de miembros en el hogar
Para los datos de la ENAHO 2015, el total de miembros en el hogar con mayor
frecuencia son 4 miembros por familia con un porcentaje sobre el total de 22.25% de la
muestra, según lo que evidencia el cuadro 3.18. En tanto, que familias de un solo miembro
conforman alrededor del 5.24% de la muestra, luego la de dos miembros representa el
13.25%, las de tres el 17.94% y así progresivamente.
Página | 68
Cuadro 3.18:
Tabla de frecuencia del número de miembros en el hogar
Estadísticas descriptivas
Frecuencia Porcentaje Porcentaje acumulado
Total de miembros en el hogar
1 4,116 5.24% 5.24%
2 10,410 13.25% 18.49%
3 14,096 17.94% 36.43%
4 17,479 22.25% 58.67%
5 13,556 17.25% 75.93%
6 8,544 10.87% 86.80%
7 4,908 6.25% 93.05%
8 2,549 3.24% 96.29%
9 1,166 1.48% 97.78%
10 860 1.09% 98.87%
11 398 0.51% 99.38%
12 240 0.31% 99.68%
13 101 0.13% 99.81%
14 59 0.08% 99.89%
15 54 0.07% 99.95%
16 8 0.01% 99.96%
17 13 0.02% 99.98%
19 15 0.02% 100.00%
Total 78,572 100.00% 100.00%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
En relación a cada uno de los servicios financieros formales se puede decir, según
el cuadro 3.19, que en todos los casos existe un patrón semejante de uso, que en general
tiene forma de campana, pero del cual no se puede sacar conclusiones sobre el efecto del
número de miembros sobre el uso, pero que si permite verificar que la mayor frecuencia
de uso está en familias formadas por 2 a 5 miembros.
El cuadro también muestra que se rechaza la hipótesis nula de independencia de
variables para un nivel de significancia de 0.00 en todos los casos, con un grado de
asociación que oscila entre 0.0269 y 0.0717 según la V. de Cramer.
Página | 69
Cuadro 3.19:
Tabla de contingencia entre el uso de servicios financieros formales y el número de miembros en el hogar, por frecuencias
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Cuenta de ahorro Cuenta de ahorro a plazo Cuenta corriente Tarjeta de crédito Tarjeta de débito Sistema de pensiones
1 6.50% 6.94% 7.10% 4.61% 5.63% 5.81%
2 13.60% 18.14% 11.65% 11.03% 12.48% 13.12%
3 18.66% 22.24% 20.25% 20.44% 19.10% 19.74%
4 23.39% 23.97% 24.29% 27.14% 24.25% 24.38%
5 17.01% 13.25% 17.59% 17.27% 17.62% 17.01%
6 9.81% 9.31% 9.82% 9.25% 10.03% 9.79%
7 5.35% 2.21% 4.55% 5.30% 5.42% 5.05%
8 2.69% 2.05% 2.66% 2.35% 2.70% 2.35%
9 1.10% 0.79% 0.60% 0.94% 0.98% 0.98%
10 0.98% 0.32% 0.50% 0.75% 0.85% 0.85%
11 0.39% 0.47% 0.30% 0.46% 0.39% 0.36%
12 0.26% 0.16% 0.37% 0.36% 0.29% 0.31%
13 0.14% 0.16% 0.07% 0.02% 0.13% 0.11%
14 0.05% 0.00% 0.13% 0.06% 0.06% 0.06%
15 0.05% 0.00% 0.00% 0.02% 0.04% 0.05%
16 0.01% 0.00% 0.00% 0.00% 0.00% 0.00%
17 0.01% 0.00% 0.13% 0.00% 0.03% 0.01%
19 0.00% 0.00% 0.00% 0.00% 0.00% 0.01%
100% 100% 100% 100% 100% 100%
253.0865 56.7418 124.0466 152.0714 235.1475 405.8124
0.000 0.000 0.000 0.000 0.000 0.000
0.0568 0.0269 0.0397 0.044 0.0547 0.0717Cramér's V
Uso de servicios financieros formales
Número total de
miembros en el
hogar
Total
Prueba Pearson chi2(17)
Página | 70
Junto a lo anterior se muestra en el cuadro siguiente otro resultado también
importante, el cual refiere que personas que no usan los servicios financieros formales
provienen de familias compuestas por un promedio de integrantes mayor al reportado por
los individuos que si usan estos servicios. Por ejemplo en el caso de las cuentas de ahorro
las personas que usan este servicio tienen en promedio 4.2 integrantes en sus familias,
inferior a lo que tienen las personas que no los usan que tiene un promedio de integrantes
de 4.4. Este resultado se repite para cada uno de los otros cinco servicios financieros.
Cuadro 3.20:
Tabla del promedio de miembro en el hogar por tipo de servicio financiero formal
Promedio de miembros en el hogar
1. Usa 0. No usa
Servicios
financieros
formales
1. Cuenta de ahorros 4.2 4.4
2. Cuenta de ahorro a plazo fijo 3.8 4.3
3. Cuenta de corriente 4.1 4.3
4. Tarjetas de crédito 4.2 4.3
5. Tarjetas de débito 4.2 4.4
6. Sistema de pensiones 4.2 4.4
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
A manera de conclusión se puede inferir, que en todos los casos, el número de
miembros en el hogar ejercen una influencia constante que empuja a no usar servicios
financieros en el caso de los peruanos cuando se tiene más de cuatro integrantes por
familia. Por tanto, mayor número de miembros en el hogar reduce las posibilidades de
usar servicios financieros, según los datos de la ENAHO tratados en este punto.
3.1.6 Uso de servicios financieros formales y los ingresos
Con los datos de la ENAHO 2015, a criterio propio, existe una dificultad
metodológica que tiene que ver con los ingresos. De acuerdo a los resultados, hay
personas que responden tener ingresos y otras que no responde, cuya casilla de respuesta
está vacía, la dificultad gira entorno a que dicha celda o podría considerarse como vacía
o como ingresos iguales a cero, en ambos casos, asumir cada uno de los supuestos
modificaría fuertemente la muestra. En razón de ello se ha generado una nueva variable
que recoge información de un individuo que responde a tener algún tipo de ingresos y
otros que no.
Página | 71
Siguiendo lo anterior se describe la muestra, de la que se encuentra que el 64.8%
reporto tener algún tipo de ingreso por actividad principal o secundaria por trabajos
dependientes o independientes, además de pagos en especies, autoconsumo,
gratificaciones de navidad, fiestas patrias, etc. El otro 35.2% no respondió tal interrogante
o por no tener ingresos o por no querer responderla.
Cuadro 3.21:
Tabla de frecuencia de la recepción de ingreso
Estadísticas descriptivas
Frecuencia Porcentaje Porcentaje acumulado
Recibe ingresos 1. Si recibe 50,885 64.8% 64.8%
0. No recibe 27,687 35.2% 35.2%
Total 78,572 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Conforme al marco teórico y la evidencia presentada, los ingresos son
determinantes del uso de servicios financieros formales, a continuación se realizan tablas
de contingencia para encontrar patrones y establecer su asociación con cada uno de estos
servicios considerados por la ENAHO 2015.
Para el caso de las personas que respondieron tener algún tipo de ingreso se
encontró que la probabilidad de usar las cuentas de ahorro es 28.9%, superior a la de
quienes no reportaron tener ingresos con una probabilidad de 21.3%. El resultado implica
que la probabilidad de usar este servicio es 1.36 veces mayor en quienes tienen ingresos
monetarios en comparación a los que los poseen.
Con la Chi cuadrado se rechaza la hipótesis nula de independencia de variables.
Una 𝜒2=536.6696 y un p-valor de 0.000 dejan concluir que ambas variables, uso de
cuentas de ahorro e ingresos, están asociadas con una fuerza de 0.0826 conforme al
resultado de la V. de Cramer.
Cuadro 3.22:
Tabla de contingencia entre uso de cuentas de ahorro e ingresos
Ingresos
1. Reporto tener ingresos 0. No reporto Total
Página | 72
Uso de
cuentas de
ahorro
1. Usa Frecuencia 14,692 5,888 20,580
% por columna 28.9% 21.3% 26.2%
0. No usa Frecuencia 36,193 21,799 57,992
% por columna 71.1% 78.7% 73.8%
Total Frecuencia 50,885 27,687 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 536.6696 (sig. 0.000), Cramér´s V.=0.0826
En seguida, para los servicios de cuenta de ahorro a plazo, se encontró que existe
mayor probabilidad de uso en quienes reportan tener ingreso, un resultado de 1.0% para
el primero y de 0.5% para el segundo, lo que en otros términos significa que usar este
servicio es 2 veces más probables en los que tienen ingresos versus los que no los tienen.
Por su parte la chi cuadrado muestra que existe una asociación entre el uso de
cuentas de ahorro a plazo y los ingresos, basado en una 𝜒2=64.7618 y un p-valor de 0.000,
con una fuerza de asociación de 0.0287 conforme al resultado de la V. de Cramer.
Cuadro 3.23:
Tabla de contingencia entre uso de cuentas de ahorro a plaza e ingresos
Ingresos
1. Reporto tener ingresos 0. No reporto Total
Uso de
cuentas de
ahorro a
plazo fijo
1. Usa Frecuencia 507 127 634
% por columna 1.0% 0.5% 0.8%
0. No usa Frecuencia 50,378 27,560 77,938
% por columna 99.0% 99.5% 99.1%
Total Frecuencia 50,885 27,687 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 64.7618 (sig. 0.000), Cramér´s V.=0.0287
Al igual que en los casos anteriores, para el servicio de cuenta corriente existe
mayor probabilidad de uso en quienes tienen ingreso por sobre los que no reportan tenerlo,
un resultado de 4.6% para el primero y 2.5% para el segundo. Esto es, 1.84 veces mayor
para las personas con ingreso contra las que no los tienen.
Con la chi cuadrado se demuestra que la hipótesis nula de independencia de
variables se rechaza con un 𝜒2=215.7629 y un p-valor de 0.000, concluyendo que tanto
Página | 73
los ingresos como el uso de cuenta corriente están asociados con grado fuerza de 0.0524
según la V. de Cramer.
Cuadro 3.24:
Tabla de contingencia entre uso de cuenta corriente e ingresos
Ingresos
1. Reporto tener ingresos 0. No reporto Total
Uso de
cuenta
corriente
1. Usa Frecuencia 2,329 684 3,013
% por columna 4.6% 2.5% 3.8%
0. No usa Frecuencia 48,556 27,003 75,559
% por columna 95.4% 97.5% 96.2%
Total Frecuencia 50,885 27,687 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 215.7629 (sig. 0.000), Cramér´s V.=0.0524
En lo que respecta al servicio de tarjetas de crédito existe mayor probabilidad de
uso en las personas que tienen ingreso (8.0%) por sobre los que no reportan tenerlo
(2.6%), según los datos, es 3.08 veces más probable usar las tarjetas de crédito cuando se
tiene ingresos que cuando no se reporta tenerlos.
Para una 𝜒2=894.5885 y un p-valor de 0.000 se rechaza la hipótesis nula de
independencia de variables entre el uso de tarjetas de crédito y los ingresos, por lo que se
concluye una asociación entre estas con una fuerza de 0.1067 conforme al resultado de la
V. de Cramer.
Cuadro 3.25:
Tabla de contingencia entre uso de tarjeta de crédito e ingresos
Ingresos
1. Reporto tener ingresos 0. No reporto Total
Uso de
tarjetas de
crédito
1. Usa Frecuencia 4,050 726 4,776
% por columna 8.0% 2.6% 6.1%
0. No usa Frecuencia 46,835 26,961 73,796
% por columna 92.0% 97.4% 93.9%
Total Frecuencia 50,885 27,687 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 894.5885 (sig. 0.000), Cramér´s V.=0.1067
Página | 74
De la misma forma que con las tarjetas de crédito, el uso de tarjetas de débito tiene
más probabilidades de uso en personas con ingresos (28.1%) que con las que no los tienen
(18.6%), es 1.51 veces más probable el uso en los primeros que en los segundos.
Para una 𝜒2=862.8153 y un p-valor de 0.000 se rechaza la hipótesis de
independencia de variables, concluyendo que tanto los ingresos como el uso de tarjetas
de débito están asociados con una fuerza de 0.1048 según la V. de Cramer.
Cuadro 3.26:
Tabla de contingencia entre uso de tarjeta de débito e ingresos
Ingresos
1. Reporto tener ingresos 0. No reporto Total
Uso de
tarjetas de
débito
1. Usa Frecuencia 14,306 5,162 19,468
% por columna 28.1% 18.6% 24.8%
0. No usa Frecuencia 36,579 22,525 59,104
% por columna 71.9% 81.4% 75.2%
Total Frecuencia 50,885 27,687 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 862.8153 (sig. 0.000), Cramér´s V.=0.1048
Finalmente, en el caso del uso del sistema de pensiones, también es más probable
el uso en personas con ingresos (34.0%) que en personas que no los tienen o no reportaron
tenerlos (16.8%), es 2.02 veces mayor el uso para los primeros que para los otros.
Con la 𝜒2=2658.9176 y un p-valor de 0.000 se rechaza la hipótesis de
independencia de variables, concluyendo que tanto los ingresos como el uso del sistema
de pensiones están asociados con una fuerza de 0.1840 según la V. de Cramer.
Cuadro 3.27:
Tabla de contingencia entre uso del sistema de pensiones e ingresos
Ingresos
1. Reporto tener ingresos 0. No reporto Total
Uso del
sistema
pensiones
1. Usa Frecuencia 17,321 4,640 21,961
% por columna 34.0% 16.8% 28.0%
0. No usa Frecuencia 33,564 23,047 56,611
% por columna 66.0% 83.2% 72.0%
Total Frecuencia 50,885 27,687 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (1) = 2658.9176 (sig. 0.000), Cramér´s V.=0.1840
Página | 75
En todos los casos, con relaciones significativas, se demostró que es más probable
el uso de servicios financieros en personas que reportaron tener algún tipo de ingreso que
las que no lo reportaron, por no tenerlos o por no responder la pregunta de la ENAHO
2015. La figura que se presenta a continuación resume los resultados.
Figura 3.3
Uso de servicios financieros formales por ingresos
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software SPSS 15
3.1.7 Uso de servicios financieros formales y la zona geográfica
A partir de los datos de la ENAHO 2015 se puede establecer que la muestra está
compuesta en un 35.9% de población con vivienda en un ámbito rural, esto significa
28,211 individuos y por otro lado compuesta de un 64.1% de individuos que viven en
zonas urbanas un total de 50,361 personas.
Página | 76
Cuadro 3.28:
Tabla de frecuencia de la zona geográfica
Estadísticas descriptivas
Frecuencia Porcentaje Porcentaje acumulado
Zona geográfica en la que vive 0. Urbano 50,361 64.1% 64.1%
1. Rural 28,211 35.9% 35.9%
Total 78,572 100.0% 100.0%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
De acuerdo a la teoría de localización, las empresas determinan un lugar óptimo
de acuerdo a los retornos que ofrecen cada uno. Las zonas rurales que tienen la
característica de difícil acceso no son las preferidas por las instituciones pues generan
costos altos. Esta limitada oferta ocasiona que los individuos no puedan acceder a los
servicios financieros y por ende no puedan usarlos lo que se conoce como una exclusion
involuntaria según el marco teórico.
El las siguientes tablas de contingencias se determina que son los individuos que
habitan en zonas rurales los que menos utilizan los servicios financieros. Esto implica que
vivir en una zona urbana incrementa la probabilidad de usar estos servicios.
El cuadro 3.29 muestra que en el ámbito rural solo existe una probabilidad 19.2%
de usar las cuentas de ahorro cifra que es sobrepasada por la probabilidad de usarlos en
un ambiente urbano 30.1%. Por otro lado con una 𝜒2=1116.0637 y un p-valor de 0.000
se rechaza la hipótesis nula de independencia de variables, concluyendo que estas tienen
una asociación de 0.1192 según la V. de Cramer.
Cuadro 3.29:
Tabla de contingencia entre uso de cuenta de ahorro y la zona geográfica
Zona geográfica
1. Rural 0. Urbano Total
Uso de cuentas de
ahorro
1. Usa Frecuencia 5,414 15,166 20,580
% por columna 19.2% 30.1% 26.2%
0. No usa Frecuencia 22,797 35,195 57,992
% por columna 80.8% 69.9% 73.8%
Total Frecuencia 28,211 50,361 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (2) = 1116.0637 (sig. 0.000), Cramér´s V.=0.1192.
Página | 77
Del mismo modo el cuadro 3.30 muestra que en el ámbito rural tiene una
probabilidad de uso menor que en el ámbito urbano, esto es 0.3% para el primero 1.1%
para el segundo. Por otro lado con una 𝜒2=134.7236 y un p-valor de 0.000 se rechaza la
hipótesis nula de independencia entre la variable uso de cuenta de ahorro a plazo fijo y la
zona geográfica, concluyendo que estas están relacionadas con un grado de asociación de
0.0414 según el coeficiente V. de Cramer.
Cuadro 3.30:
Tabla de contingencia entre uso de cuenta de ahorro a plazo fijo y la zona geográfica
Zona geográfica
1. Rural 0. Urbano Total
Uso de cuentas de
ahorro a plazo fijo
1. Usa Frecuencia 88 546 634
% por columna 0.3% 1.1% 0.8%
0. No usa Frecuencia 28,123 49,815 77,938
% por columna 99.7% 98.9% 99.2%
Total Frecuencia 28,211 50,361 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (2) = 134.7236 (sig. 0.000), Cramér´s V.=0.0414.
Similar resultado reportan los datos de la ENAHO 2015 para el uso de cuentas
corrientes, según el cuadro 3.31, las personas de la zona urbana (4.6%) tienen mayor
probabilidad de uso de este servicio en comparación a la probabilidad de uso en las zonas
rurales (2.5%). Con la 𝜒2=197.4043 y un p-valor de 0.000 se rechaza la hipótesis nula de
independencia de variables, determinando que estas están relacionadas con un nivel de
asociación de 0.0501 según el coeficiente V. de Cramer.
Cuadro 3.31:
Tabla de contingencia entre uso de cuenta corriente y la zona geográfica
Zona geográfica
1. Rural 0. Urbano Total
Uso de cuenta
corriente
1. Usa Frecuencia 719 2,294 3,013
% por columna 2.5% 4.6% 3.8%
0. No usa Frecuencia 27,492 48,067 75,559
% por columna 97.5% 95.4% 96.2%
Total Frecuencia 28,211 50,361 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (2) = 197.4043 (sig. 0.000), Cramér´s V.=0.0501.
Página | 78
De igual manera pasa con el uso de tarjetas de crédito, teniendo una probabilidad
de uso en el ámbito urbano de 8.9% muy superior al reportado por los individuos que
viven en las zonas rurales 1.0%. Con la 𝜒2=197.4043 y el p-valor de 0.000 se rechaza la
hipótesis nula de independencia de variables, con lo que se establece que existe una
asociación, la que según el coeficiente de V. de Cramer es de 0.1603.
Cuadro 3.32:
Tabla de contingencia entre uso de tarjetas de crédito y la zona geográfica
Zona geográfica
1. Rural 0. Urbano Total
Uso de tarjetas de
crédito
1. Usa Frecuencia 271 4,505 4,776
% por columna 1.0% 8.9% 6.1%
0. No usa Frecuencia 27,940 45,856 73,796
% por columna 99.0% 91.1% 93.9%
Total Frecuencia 28,211 50,361 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (2) = 2019.3478 (sig. 0.000), Cramér´s V.=0.1603.
Al igual que lo que pasa con las tarjetas de crédito, la probabilidad de usar de
tarjetas de débito es mayor en zonas urbanas que en zonas rurales. Los datos muestran
que en las zonas rurales es 15.3% y en las urbanas 30.1% la probabilidad de uso de este
servicio. Así mismo la 𝜒2=2118.3527 y el p-valor de 0.000 aseguran la existencia de una
asociación entre variables, rechazando la hipótesis nula de independencia de variables,
con un grado de asociación de 0.1642 de acuerdo al coeficiente de V. de Cramer.
Cuadro 3.33
Tabla de contingencia entre uso de tarjetas de débito y la zona geográfica
Zona geográfica
1. Rural 0. Urbano Total
Uso de tarjetas de
débito
1. Usa Frecuencia 4,318 15,150 19,468
% por columna 15.3% 30.1% 24.8%
0. No usa Frecuencia 23,893 35,211 59,104
% por columna 84.7% 69.9% 75.2%
Total Frecuencia 28,211 50,361 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (2) = 2118.3527 (sig. 0.000), Cramér´s V.=0.1642.
Página | 79
Finalmente y no menos importante, se encuentra que en las zonas rurales también
existe una baja probabilidad de uso del sistema de pensiones de 10.9%, en comparación
a la probabilidad de uso en zonas urbanas que es 37.5%. La 𝜒2=6390.8086 y el p-valor
de 0.000 garantizan una asociación de variables con un grado de 0.2852 según la V. de
Cramer.
Cuadro 3.34:
Tabla de contingencia entre uso del sistema de pensiones y la zona geográfica
Zona geográfica
1. Rural 0. Urbano Total
Uso del sistema de
pensiones
1. Usa Frecuencia 3,061 18,900 21,961
% por columna 10.9% 37.5% 28.0%
0. No usa Frecuencia 25,150 31,461 56,611
% por columna 89.1% 62.5% 72.0%
Total Frecuencia 28,211 50,361 78,572
% por columna 100% 100% 100%
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Pearson Chi2 (2) = 6390.8086 (sig. 0.000), Cramér´s V.=0.2852.
A manera de conclusión se puede afirmar que, basándose en datos de la ENAHO
2015, existe una mayor probabilidad de usar servicios financieros en zonas urbanas que
en zonas rurales. Según los resultados, la probabilidad de usar una cuenta de ahorros es
1.57 veces mayor para un habitante urbano que para un rural, de mismo modo es 3.67,
1.84, 8.90, 1.97 y 3.44 veces mayor para el caso de los ahorro a plazo, las cuentas
corrientes, las tarjetas de crédito, las tarjetas de débito y el sistema pensiones,
respectivamente. El grafico siguiente resume los hallazgos hechos.
Página | 80
Figura 3.4
Uso de servicios financieros formales por zona geográfica de residencia
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software SPSS 15
3.2 FORMULACIÓN DEL MODELO ECONOMÉTRICO GENERAL
Para Díaz y Costa (1994) y Agurto (2010), son cuatro las etapas que toda
investigación econométrica debe seguir: 1) especificación del modelo, 2) estimación del
modelo, 3) evaluación de los indicadores y finalmente 4) evaluación de capacidad
predictiva. Todo este proceso constituye la metodología de investigación econométrica
que es analizada punto a punto a continuación.
3.2.1 Especificación del modelo multivariables
Esta primera etapa de especificación es muy importante porque garantiza el éxito
de toda investigación, ya que formaliza el problema a estudiar, expresando en terminos
matemáticos las relaciones económicas existentes (Díaz y Costa, 2010). Esta fase se
Página | 81
compone de establecer las variables dependientes e independientes que conforman el
modelo matemático y de plantear los signos que se esperan obtener de los parámetros
estimados.
El modelo matemático surge a partir de la función de distribución logística:
𝑃𝑖 =1
1 + 𝑒−𝑧𝑖
Donde 𝑃𝑖 es un valor no observable que describe la probabilidad que la variable
dependiente asuma el valor de 1 (uso de al menos un servicio financiero: cuentas de
ahorro, ahorro a plazo, cuentas corrientes, tarjetas de crédito, tarjetas de débito y sistema
de pensiones) para valores fijos de las variables independientes, es decir 𝑃𝑖 =
𝐸(𝑌𝑖 = 1|𝑋𝑖) y donde z es:
𝑧𝑖 = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋3 + 𝛽4𝑋4 + 𝛽5𝑋5 + 𝛽6𝑋6
Para un conjunto de variables independientes compuestas por el género (𝑋1), la
edad (𝑋2), el nivel educativo (𝑋3), el número de miembros en el hogar (𝑋4), los ingresos
(𝑋5) y la zona geográfica en la que vive el individuo (𝑋6).
Con lo cual la función de distribución logística luego de linealizarla queda como:
𝐿𝑖 = ln (𝑃𝑖
1 − 𝑃𝑖) = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋3 + 𝛽4𝑋4 + 𝛽5𝑋5 + 𝛽6𝑋6
Ante esto, se aguarda tener los siguientes signos esperados, cuyas relaciones
fueron explicadas en la metodología.
𝑌 = 𝑓(𝑋1⏞−
, 𝑋2⏞+
, 𝑋3⏞+
, 𝑋4⏞−
, 𝑋5⏞+
, 𝑋6⏞−
)
Página | 82
3.2.2 Estimación de los modelos multivariables
3.2.2.1 Estimaciones bivariadas
Esta parte consistió principalmente en realizar estimaciones con cada una de las
variables explicativas propuestas como explicativas del fenómeno. En este caso la
variable dependiente es un indicador de uso de al menos uno de los siguientes servicios
financieros: cuenta de ahorro, cuenta de ahorro plazo, cuenta corriente, tarjetas de crédito,
tarjetas de débito y el sistema de pensiones.
El fin de este proceso fue encontrar las variables que en base a dos de tres criterios
podrían estar presentes en el modelo final. Estos criterios son de signo, de significancia y
de Mc Fadden R2 ubicado en el rango 0.2 – 0.6 según Rosales (2013).
Se estiman las regresiones bivariables bajo la forma:
𝐿𝑖 = ln (𝑃𝑖
1 − 𝑃𝑖) = 𝛽0 + 𝛽1𝑋1 + 𝜇𝑖
Los resultados de estas estimaciones bivariadas se muestran en el cuadro 3.35, en
el que se muestra que todas las variables cumplen los criterios de signos y de significancia
(altamente significativas), sin embargo ninguna cumplen el de R2 Mc Fadden, pero a
pesar de ello todas pasaron esta primera prueba y pasan a la de multicolinealidad.
Cuadro 3.35:
Estimaciones bivariables para el uso de servicios financiero formales
Variable Descripción Signo Beta Probabilidad R2 Mc Fadden
X1 Género - -0.3307611 0.000 0.0049
X2 Edad + 0.0053797 0.000 0.0017
X3 Nivel educativo + 0.6218841 0.000 0.0852
X4 Número de miembros - -0.0556023 0.000 0.0023
X5 Ingresos + 0.6004593 0.000 0.0142
X6 Zona geográfica - -0.9553838 0.000 0.0351
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14.
Significancia relativa (p<0.10), significativo (p<0.05), altamente significativo (p<0.001).
Página | 83
3.2.2.2 Pruebas de multicolinealidad
El segundo paso para identificar las variables relevantes es la prueba de
multicolinealidad con la que se descartan variables redundantes para el modelo. De
acuerdo con Gujarati y Porter (2010) en una situación extrema la multicolinealidad
impide evaluar la influencia individual de cada variable independiente, hace que los
coeficientes de regresión sean indeterminados y los errores infinitos.
El criterio que emplea Rosales (2013) es eliminar una de las variables que tenga
una correlación por encima de 0.5, según ello el cuadro 3.36 encuentra que ninguna de
las variables tiene una asociación mayor al 0.5 por la que todas pasan esta prueba y pasan
a ser incluidas en el modelo.
𝐶𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 < |0.5| ⋯ 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎 𝑏𝑎𝑗𝑎 𝑚𝑢𝑙𝑡𝑖𝑐𝑜𝑙𝑖𝑛𝑒𝑎𝑙𝑖𝑑𝑎𝑑
Cuadro 3.36:
Matriz de correlaciones de variables independientes
X1 X2 X3 X4 X5 X6
X1 1.0000 0.0173 -0.0964 -0.0081 -0.3105 -0.0235
X2 0.0173 1.0000 -0.3812 -0.2928 -0.0438 0.0528
X3 -0.0964 -0.3812 1.0000 0.0484 0.1037 -0.3955
X4 -0.0081 -0.2928 0.0484 1.0000 -0.0350 -0.0254
X5 -0.3105 -0.0438 0.1037 -0.0350 1.0000 -0.0258
X6 -0.0235 0.0528 -0.3955 -0.0254 -0.0258 1.0000
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14.
3.2.2.3 Estimación del modelo multivariado
Con los pasos realizados previamente, se llegó a un modelo completo que reúne
seis variables como explicativas del fenómeno de usar servicios financieros formales. Con
estas variables se estimó el modelo cuyo resultado se evidencian en el cuadro 3.37.
A partir del modelo:
Página | 84
𝐿𝑖 = ln (𝑃𝑖
1 − 𝑃𝑖) = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋3 + 𝛽4𝑋4 + 𝛽5𝑋5 + 𝛽6𝑋6 + 𝜇𝑖
Cuadro 3.37:
Estimación del modelo Logit
Iteration 0: log pseudolikelihood = -53391.88
Iteration 1: log pseudolikelihood = -46474.32
Iteration 2: log pseudolikelihood = -46445.587
Iteration 3: log pseudolikelihood = -46445.57
Iteration 4: log pseudolikelihood = -46445.57
Logistic regression Number of obs = 78572
Wald chi2(6) = 13892.62
Prob > chi2 = 0.000
Log pseudolikelihood = -46445.57 Pseudo R2 = 0.1301
y_uso Coef. Std. Err. z P>z [95% Conf. Interval]
x1_mujer -0.1120480 0.0166115 -6.75 0.000 -0.144606 -0.079490
x2_edad 0.0257618 0.0005244 49.12 0.000 0.024734 0.026790
x3_educacion 0.7229271 0.0087273 82.84 0.000 0.705822 0.740032
x4_miembros -0.0204087 0.0040340 -5.06 0.000 -0.028315 -0.012502
X5_ingresos 0.5266388 0.0177415 29.68 0.000 0.491866 0.561412
x6_rural -0.4078887 0.0181937 -22.42 0.000 -0.443548 -0.372230
_cons -3.7274200 0.0553603 -67.33 0.000 -3.835924 -3.618916
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Significancia relativa (p<0.10), significativo (p<0.05), altamente significativo (p<0.001).
3.2.3 Evaluación de los modelos multivariables
Esta tercera etapa se caracteriza por ya disponer de valores numéricos que pueden
ser consistentes o no con la teoría económica, estadística y econométrica. Este apartado
se encarga de evaluar los estimadores encontrados, pero también tiene como objetivo
evaluar de forma general el modelo.
3.2.3.1 Evaluación económica
De acuerdo a los resultados obtenidos se encuentra, que todos los parámetros
estimados tienen el signo que la teoría señala.
Página | 85
Según el resultado hallado se puede inferir que ser mujer reduce la probabilidad
de usar servicios financiero formales, tal como lo establece la teoría de género que habla
de la menor participación de la mujer en diversos ámbitos de la economía producto de las
presiones sociales existentes y que generan comportamientos diferenciados entre ambos
géneros.
Respecto de la edad se puede inferir que los años de vida se relacionan de forma
directa un con mayor uso de servicios financieros formales en el país, situación es va de
acuerdo a lo que propone la teoría del ciclo de vida, según lo cual mayor edad significa
mayor ahorro porque el individuo se ve motivado a ahorra para financiar su vejez.
El resultado encontrado respecto del nivel educativo lo relaciona de manera
directa al uso de servicios financieros formales en el país, esto sigue en la línea de lo
propuesto por la economía financiera que establece que una persona más capacitada
tendrá más participación en el sistema financiero, ya que podrá decir entre las mejores
opciones de ahorro o crédito y sacará ventajas de este mercado en pro de mejorar su
bienestar económico.
Respecto al número de miembros en el hogar, cuyo resultado relaciona de forma
inversa mayor número de miembro con el uso de servicios financieros, se puede inferir
que si dentro del hogar ya existiera un miembro que usa servicios financieros, existirá
también una alta posibilidad que el resto de miembros quieran compartir ese servicio, con
tal de no contratar uno nuevo, afín de reducir los costos ligados por ejemplo a la apertura
de cuenta, montos mínimos de cuenta, costos de mantenimiento, entre otros. Por otro lado
una familia más grande consume más y destina menos al ahorro. Por tanto este resultado
va en línea de lo que establecen el Banco Mundial (2008) y Keynes (1936).
La relación directa entre las decisiones de ahorro y el ingreso también ha sido
verificada en esta investigación al encontrarse que tener ingresos mejora la probabilidad
de usar servicios financieros formales según lo que establece el marco de la teoría
Keynesiana.
Finalmente, como lo señala la teoría de localización, que propone que existen
costos adicionales que limitan la oferta en zonas rurales, se verificada, con el resultado
Página | 86
estimado, que vivir en zonas rurales reduce la posibilidad de usar servicios financieros
formales porque existen menos incentivos de uso ligados a los costos que involucra el
servicio, por tanto se comprueba lo estipulado por la teoría.
3.2.3.2 Evaluación estadística
Este apartado se encarga de evaluar, en base a criterios estadísticos, la
significancia de los parámetros y el ajuste del modelo, mediante usa serie de test afín de
conocer que tan confiables son los resultados logrados por la estimación.
a) Evaluación de la significancia individual
El objetivo del test de Wald es analizar si el parámetro evaluado cae en una región
crítica que rechace la hipótesis nula de que el parámetro es igual a cero. Conforme esto,
a continuación se presentan los resultados para un nivel de significancia: de 99.0% =
2.575 (altamente significativo), 95.0% = 1.959 (significativo) y de 90.0% = 1.644
(significancia relativa).
Género
𝐻0: 𝛽1 = 0, el parámetro no es estadísticamente significativo
𝐻1: 𝛽1 ≠ 0, el parámetro es estadísticamente significativo
Los resultados del test de Wald muestran una Chi2 calculada de 45.50, a partir de
la cual se rechaza la hipótesis nula de no significancia, este resultado puede verificarse de
forma directa al analizar los p-value de la estimación, es este caso el género es altamente
significativo con un p-value de 0.000.
Página | 87
Edad
𝐻0: 𝛽2 = 0, el parámetro no es estadísticamente significativo
𝐻1: 𝛽2 ≠ 0, el parámetro es estadísticamente significativo
Los resultados del test de Wald muestran una Chi2 calculada de 2413.13, a partir
de la cual se rechaza la hipótesis nula de no significancia, este resultado puede verificarse
de forma directa al analizar los p-value de la estimación, es este caso la edad es altamente
significativo con un p-value de 0.000.
Nivel educativo
𝐻0: 𝛽3 = 0, el parámetro no es estadísticamente significativo
𝐻1: 𝛽3 ≠ 0, el parámetro es estadísticamente significativo
Los resultados del test de Wald muestran una Chi2 calculada de 6881.69, a partir
de la cual se rechaza la hipótesis nula de no significancia, este resultado puede verificarse
de forma directa al analizar los p-value de la estimación, es este caso el nivel educativo
es altamente significativo con un p-value de 0.000.
Miembros del hogar
𝐻0: 𝛽4 = 0, el parámetro no es estadísticamente significativo
𝐻1: 𝛽4 ≠ 0, el parámetro es estadísticamente significativo
Página | 88
Los resultados del test de Wald muestran una Chi2 calculada de 25.60, a partir de
la cual se rechaza la hipótesis nula de no significancia, este resultado puede verificarse de
forma directa al analizar los p-value de la estimación, es este caso el número de miembro
en el hogar es altamente significativo con un p-value de 0.000.
Ingresos
𝐻0: 𝛽5 = 0, el parámetro no es estadísticamente significativo
𝐻1: 𝛽5 ≠ 0, el parámetro es estadísticamente significativo
Los resultados del test de Wald muestran una Chi2 calculada de 881.14, a partir
de la cual se rechaza la hipótesis nula de no significancia, este resultado puede verificarse
de forma directa al analizar los p-value de la estimación, es este caso el reportar tener
ingresos es altamente significativo con un p-value de 0.000.
Zona geográfica
𝐻0: 𝛽6 = 0, el parámetro no es estadísticamente significativo
𝐻1: 𝛽6 ≠ 0, el parámetro es estadísticamente significativo
Los resultados del test de Wald muestran una Chi2 calculada de 502.62, a partir
de la cual se rechaza la hipótesis nula de no significancia, este resultado puede verificarse
de forma directa al analizar los p-value de la estimación, es este caso la zona geográfica
es altamente significativo con un p-value de 0.000.
b) Evaluación de la significancia global
Partiendo de las siguientes hipótesis donde se consideran a todos los parámetros:
Página | 89
H0: 𝛽i = 0 ⇒ Parámetros no estadísticamente significativos
H1: 𝛽i ≠ 0 ⇒ Parámetros estadísticamente significativos
Se contrastas el estadístico de prueba con la Chi-cuadrado:
𝐿𝑅 = −2(𝑙𝑛𝐿𝑅 − 𝑙𝑛𝐿𝑁𝑅)
Donde 𝐿𝑁𝑅 es el logaritmo de la función de verosimilitud del modelo estimado y
𝐿𝑅 es la función del modelo restringido, es decir estimado solo con la constante. De lo
que se obtiene una LR chi2 (6) = 13892.62 con una Prob > chi2 de 0.000 se rechaza la
hipótesis nula por tanto se puede decir que los parámetros en conjunto son significativo
y explican el uso de servicios financieros de las personas en el Perú.
c) Evaluación de la bondad de ajuste
El cuadro 3.38 proporciona un resumen de los resultados a partir del modelo logit
que fue estimado:
Cuadro 3.38:
Pruebas de bondad de ajuste del modelo
Log-Lik Intercept Only: -53391.88 Log-Lik Full Model: -46445.570
D(78565): 92891.141 LR(6): 13892.620
Prob > LR: 0.000
McFadden's R2: 0.130 McFadden's Adj: 0.130
ML (Cox-Snell) R2: 0.162 Cragg-Uhler(Nagelkerke) R2: 0.218
McKelvey & Zavoina's R2: 0.220 Efron's R2: 0.174
Variance of y*: 4.219 Variance of error: 3.290
Count R2: 0.698 Adj Count R2: 0.276
AIC: 1.182 AIC*n: 92905.141
BIC: -792675.523 BIC': -13824.990
BIC used by Stata: 92970.043 AIC used by Stata: 92905.141
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Página | 90
De acuerdo al R2 McFadden y al McFadden adj., estos resultaron ser muy bajos
0.13 para ambos, sin embargo esto no es un problema grave ya que como lo indican
Gujarati y Porter (2010, pág. 563) “en los modelos con regresada binaria, la bondad del
ajuste tiene una importancia secundaria. Lo que interesa son los signos esperados de los
coeficientes de la regresión y su importancia práctica y/o estadística”.
Por su parte el R2 de conteo indica que un 69.78% de las predicciones son
correctas sobre el total de las observaciones, el restante es la tasa de error que equivale a
30.22%. Así mismo se dispone de una especificad de 52.29%, una sensibilidad de
82.32%, una tasa de falsos ceros de 47.71% y falsos unos de 17.68%. Los resultados se
muestran en la figura 3.5.
Figura 3.5
Predicciones del modelo
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Correctly classified 69.78%
False - rate for classified - Pr( D| -) 29.36%
False + rate for classified + Pr(~D| +) 32.04%
False - rate for true D Pr( -| D) 47.71%
False + rate for true ~D Pr( +|~D) 17.68%
Negative predictive value Pr(~D| -) 70.64%
Positive predictive value Pr( D| +) 67.96%
Specificity Pr( -|~D) 82.32%
Sensitivity Pr( +| D) 52.29%
True D defined as y_uso != 0
Classified + if predicted Pr(D) >= .5
Total 32817 45755 78572
- 15656 37664 53320
+ 17161 8091 25252
Classified D ~D Total
True
Página | 91
Por otro lado analizando la curva ROC, se pudo encontrar que el área bajo la curva
es 0.7327, lo que a criterio de Rosales (2013) es una discriminación aceptable.
Figura 3.6
Curva ROC
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
3.2.3.3 Evaluación econométrica
Normalidad
Partiendo de una hipótesis nula
𝐻0 = 𝐿𝑜𝑠 𝑟𝑒𝑠𝑖𝑑𝑢𝑜𝑠 𝑡𝑖𝑒𝑛𝑒𝑛 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙
𝐻1 = 𝐿𝑜𝑠 𝑟𝑒𝑠𝑖𝑑𝑢𝑜𝑠 𝑛𝑜 𝑡𝑖𝑒𝑛𝑒𝑛 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙
Se encontró que mediante el test Shapiro-Wilk se rechaza la hipótesis nula
concluyendo que los datos no vienen de una distribución normal.
Página | 92
Cuadro 3.39:
Test de normalidad Shapiro-Wilk
Variable Observación W V z Prob>z
E 78,572 0.98933 275.091 15.69 0.000
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Homocedasticidad
Bajo las hipótesis:
H0 = Existe homocedasticidad
H𝟏 = No existe homocedasticidad
Con el test de Leven y Barlett se rechaza la hipótesis nula, estableciendo que existe
heterocedasticidad que es corregida con el comando vce (robust).
Figura 3.7
Test de Levene y Barlett
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Pr(F < f) = 1.0000 2*Pr(F > f) = 0.0000 Pr(F > f) = 0.0000
Ha: ratio < 1 Ha: ratio != 1 Ha: ratio > 1
Ho: ratio = 1 degrees of freedom = 45754, 32816
ratio = sd(No usa n) / sd(Usa algu) f = 1.1138
combined 78,572 .013446 .0052152 1.461865 .0032242 .0236678
Usa algu 32,817 .6767907 .0072148 1.306987 .6626495 .6909319
No usa n 45,755 -.4623267 .0064486 1.379382 -.4749661 -.4496873
Group Obs Mean Std. Err. Std. Dev. [95% Conf. Interval]
Variance ratio test
Página | 93
Elección entre Logit y Probit
Conforme los resultados brindados por el paquete Stata entre un modelo probit y
logit corregidos de la heterocedasticidad, el mejor de ambas es el Logit que tiene un AIC
y un BIC menor en comparación con los del Probit. En conclusión el modelo Logit es el
que mejor se ajusta a los datos y es del cual se extrajeron los efectos marginales
presentados en el próximo apartado.
Cuadro 3.40:
Modelos Logit vs Probit corregidos
Variables Beta – logit Beta – Probit
X1 -0.112048*** -0.05229694***
X2 0.02576181*** 0.1547757***
X3 0.72292715*** 0.43699007***
X4 -0.02040872*** -0.01113873***
X5 0.52663879*** 0.30591153***
X6 -0.40788869*** -0.22940577***
C -3.7274198*** -2.2531422***
N 78572 78572
Pseudo R2 0.1301 0.1285
AIC 92905.141 93071.538
BIC 92970.043 93136.44
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia, con software STATA 14
Error estándar entre paréntesis y probabilidades: *** p<0.01, ** p<0.05, * p<0.1.
Por tanto el modelo final es:
𝐿𝑖 = ln (𝑃𝑖
1 − 𝑃𝑖) = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋3 + 𝛽4𝑋4 + 𝛽5𝑋5 + 𝛽6𝑋6
Donde 𝑃𝑖 es un valor que no se observa, pero que surge de un Y=1, si un individuo
usa al menos un servicio financiero formal, y Y=0 si no lo hace. Para un conjunto de
variables exógenas representadas por el género (𝑋1), la edad (𝑋2), el nivel educativo (𝑋3),
el número de miembros en el hogar (𝑋4), los ingresos (𝑋5) y la zona geográfica en la que
vive el individuo (𝑋6).
Página | 94
Cuadro 3.41:
Resultados del modelo Logit corregido
Iteration 0: log pseudolikelihood = -53391.88
Iteration 1: log pseudolikelihood = -46474.32
Iteration 2: log pseudolikelihood = -46445.587
Iteration 3: log pseudolikelihood = -46445.57
Iteration 4: log pseudolikelihood = -46445.57
Logistic regression Number of obs = 78572
Wald chi2(6) = 10363.98
Prob > chi2 = 0.000
Log pseudolikelihood = -46445.57 Pseudo R2 = 0.1301
Robust
y_uso Coef. Std. Err. z P>z [95% Conf. Interval]
x1_mujer -0.1120480 0.0164956 -6.79 0.000 -0.1443789 -0.0797171
x2_edad 0.0257618 0.0005168 49.85 0.000 0.0247489 0.0267747
x3_educacion 0.7229271 0.0084563 85.49 0.000 0.7063530 0.7395013
x4_miembros -0.0204087 0.0039990 -5.10 0.000 -0.0282465 -0.0125709
X5_ingresos 0.5266388 0.0180264 29.21 0.000 0.4913076 0.5619700
x6_rural -0.4078887 0.0183956 -22.17 0.000 -0.4439433 -0.3718340
_cons -3.7274200 0.0540075 -69.02 0.000 -3.8332730 -3.6215670
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Significancia relativa (p<0.10), significativo (p<0.05), altamente significativo (p<0.001).
Cuyos coeficientes ratios Odds:
Cuadro 3.42:
Listado de coeficientes logísticos y cocientes de razones
Variables Beta (b) e^b e^bStdX
X1 – Género -0.11205 0.8940 0.9455
X2 – Edad 0.02576 1.0261 1.5850
X3 – Nivel educativo 0.72293 2.0605 2.3439
X4 – Número de integrantes hogar -0.02041 0.9798 0.9585
X5 – Ingresos 0.52664 1.6932 1.2861
X6 – Zona geográfica -0.40789 0.6651 0.8223
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Y cuyos efectos marginales son:
Página | 95
Cuadro 3.43:
Efectos marginales del modelo Logit final
Variables Efecto marginal en el
promedio
Efectos marginales promedio de todas
las observaciones
X1 – Género -0.0270246*** -0.0227154***
X2 – Edad 0.0062126*** 0.0052227***
X3 – Nivel educativo 0.174337*** 0.1465587***
X4 – Número de integrantes hogar -0.0049216*** -0.0041375***
X5 – Ingresos 0.1243671*** 0.1067652***
X6 – Zona geográfica -0.0969397*** -0.0826911***
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Probabilidades: *** p<0.01, ** p<0.05, * p<0.1.
3.2.4 Evaluación de la capacidad predictiva del modelo
Según lo que arrojo el modelo, en este caso, la probabilidad de que alguien de la
muestra use los servicios financieros formales es de 41.76%.
Cuadro 3.44:
Predicción del modelo
Variable Observación Mean Std. Dev. Min. Max.
prlogit 78,572 0.4176679 275.091 0.0390313 0.9593892
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
3.2.4.1 Resultados a través de predicciones
Escobar, et. al. (2012) plantean analizar una regresión logística desde otra
perspectiva diferente a la propuesta por los efectos marginales, la que consiste en brindar
el resultado de cambios generados por las variables explicativas manteniendo el resto de
ellas sobre sus valores medios, es decir evaluar la probabilidad de usar servicios
financieros formales para individuos las siguientes características medias:
Los resultados de esta técnica se muestras a continuación:
Página | 96
Cuadro 3.45:
Análisis de predicciones para individuos con características medias
Grupo Variable Indicador Probabilidad de uso
Variables sociales
Género Mujer 0.3930000
Hombre 0.4200000
Edad
18 0.2598937
26 0.3014450
34 0.3465289
42 0.3945473
50 0.4446915
58 0.4959880
66 0.5473691
74 0.5977601
82 0.6461675
90 0.6917534
98 0.7338851
Nivel educativo
Sin nivel 0.1386038
Primaria 0.2489897
Secundaria 0.4058662
Sup. no universitaria 0.5846390
Sup. Universitaria 0.7436017
Postgrado 0.8566452
Miembros en el hogar
1 0.4224777
3 0.4135410
5 0.4046609
6 0.3958427
8 0.3870918
10 0.3784132
12 0.3698117
14 0.3612921
15 0.3528589
17 0.3445164
19 0.3362686
Variables económicas Ingresos Reporto recibir ingresos 0.4514000
No reporto recibirlos 0.3270000
Variables geográficas Zona geográfica Rural 0.3448000
Urbano 0.4417000
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Página | 97
3.3 ANÁLISIS E INTERPRETACIÓN DE LOS RESULTADOS
3.3.1 Variables sociales
3.3.1.1 Género
En primer lugar, para el caso del género, se ha podido determinar, que cuando el
individuo es mujer la razón de uso disminuye 0.89 veces, lo que implica que ser mujer
reduce la probabilidad de usar servicios financieros en 2.7% respecto de los hombres. Por
su parte bajo un análisis de predicciones sobre individuos promedios se encontró, que
cuando el individuo es mujer la probabilidad que este use los servicios financieros
formales es de 39.3% y cuando es hombre la probabilidad que los use es de 42.0%.
La figura 3.8 evidencia de mejor forma lo encontrado, respecto a la probabilidad
de uso de servicios financieros formales entre hombres y mujeres bajo un análisis de
predicciones.
Figura 3.8
Probabilidad de usar servicios financieros formales y el género
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Por otro lado, bajo un análisis en tablas de contingencia se encontró en todos los
casos que son los hombres lo que más probabilidad de uso tiene respecto de cada uno de
Página | 98
los servicios de ahorro, ahorro a plazo, cuenta corriente, tarjetas de débito y crédito y del
sistema de pensiones. Siendo la brecha más amplia cuando se habla del uso del sistema
de pensiones donde la probabilidad de uso en hombres es 36.1% y en mujeres es 20.4%
(ver figura 3.1).
Respecto de la evidencia, Kumar (2005) encontró que efectivamente ser mujer
reduce las probabilidades de usar cuentas de depósito y tarjetas de crédito, aunque utilizó
un modelo probit sus coeficientes encontrados fueron -0,08 y -0.05 respectivamente.
Finney y Kempson (2009) encuentra un ratio Odds de 1.4 tomando como referencia a los
hombres, con lo cual establece que ser hombre incrementa la probabilidad de usar
servicios financieros. En la misma línea, Cámara, et. al. (2013) y Cano, et. al. (2014)
encuentran que ser mujer reduce la probabilidad de uso. Sin embargo, existe evidencia
que habla de la no significancia de esta variable como lo encontrado por Tuesta, et. al.
(2015).
De acuerdo a la teoría, el comportamiento diferencia entre hombres y mujeres se
debe a diferentes roles que asigna la sociedad a cada género, en la mayoría de casos
desfavoreciendo a la mujer. Estas presiones sociales son visibles no solo en el mercado
financiero sino en otros ámbitos como el laboral, el académico etc. La menor
participación de la mujer en la utilización de servicios financieros queda demostrada con
los datos.
3.3.1.2 Edad
En segundo lugar, para el caso de la edad con los datos del ENAHO 2015, se
determinó, que cuando la edad varía en una unidad la razón de uso se incrementa 1.026
veces, esto implica, que un aumento de un año de edad incrementa la probabilidad de usar
servicios financieros formales en 0.62%. En tanto, que bajo un análisis de predicciones
sobre individuos promedios se descubrió que a los 18 años la probabilidad de usar
servicios financieros formales es de 26.0% y conforme avanza esta se incrementa, por
ejemplo a los 26 años es de 30.14%, a los 34 años 34.65%, y así consecutivamente.
La figura 3.9 presenta que la probabilidad de uso de servicios financieros formales
se incrementa conforme avanza la edad, todo esto bajo un análisis de predicciones.
Página | 99
Figura 3.9
Probabilidad de usar servicios financieros formales y la edad
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Referente a la evidencia, Cámara, et. al. (2013) encuentra que la edad incrementa
las probabilidades de usar servicios financiero. En esta línea Peña, et. al. (2014) presenta
que la edad se relaciona directamente con mayor uso de servicios financieros, pero solo
hasta un punto de inflexión ubicado a los 57 años. Por su parte Cano, et. al. (2014)
encuentra similares resultados y Tuesta, et. al. (2015) habla nuevamente que la edad tiene
rendimiento decrecientes respecto del uso.
Los resultados van en la línea de lo que plantea la teoría del ciclo de vida, y el
mecanismo por el que se vinculan la edad y el uso de servicios financieros es que son los
jóvenes los que menos activo acumulan (en parte por no tener ingresos) y son los adultos
los que deben ahorrar para financiar su vejes y retribuir los gastos de su juventud. De
acuerdo a esto, conforme se avanza en edad el uso de servicios financieros será mayor
porque existen motivaciones por mantener un nivel de vida constante que demandara usar
de servicios financieros.
Página | 100
3.3.1.3 Nivel educativo
En tercer lugar, por lo que concierne al nivel educativo se encontró que cuando se
pasa a otro nivel la razón de uso se incrementa 2.06 veces, lo que significa que pasar al
siguiente nivel educativo aumenta la probabilidad de usar servicios financieros formales
en 17.43%. En el análisis de predicciones sobre individuos promedios se encontró que los
individuos que no tienen nivel educativo tienen una probabilidad de uso de 13.86% y que
esta crece conforme avanza el nivel, para primera la probabilidad es 25.0%, secundaria
40.59%, de forma continua.
En la figura 3.10 se grafica el análisis de predicciones realizado. Se evidencia un
incremento de la probabilidad de uso conforme se avanza en el nivel educativo del
individuo.
Figura 3.10
Probabilidad de usar servicios financieros formales y el nivel educativo
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Por otro lado, bajo un análisis en tablas de contingencia se encontró resultados
similares, según esto, los niveles educativos mejoran la probabilidad de uso de cada uno
de los servicios financieros formales tratados. Una de los patrones más representativos de
Página | 101
esto es que pasar de estar en secundaria a nivel superior mejora las probabilidades en más
del 50% (ver figura 3.2)
En la línea de este resultado se encuentra Kumar (2005) que refiere una relación
significativa y directa entre los niveles educativos y un conjunto de servicios financieros
en Brasil. Cámara, et. al. (2013) en el caso peruano, encuentra que ser alfabetizado
incrementa un 3% la probabilidad de uso. Para Peña et. al. (2014) la educación es uno de
los determinantes más importantes para explicar el fenómeno, en tanto que, Cano, et. al
(2014) encuentra que personas con más alto nivel de educación son las que más usan los
servicios financieros. En otro resultado Tuesta, et. al. (2015) establece que un nivel
educativo adicional incrementa aproximadamente 14% la probabilidad de uso de
servicios financieros.
De acuerdo a la economía financiera los resultados son los esperados porque
capacitarse favorece el desarrollo de capacidades, habilidades y destrezas de los
individuos en torno a la vida financiera y a su vez permite ser más conscientes de los
riesgos y oportunidades que giran en torno al uso de servicios financieros. El mecanismo
por el cual la educación afecta el uso de servicios es porque una persona capacitada no
está propensa a fraudes, sacara ventajas de las oportunidades financieras y mejorar su
bienestar económico.
3.3.1.4 Número de miembros en el hogar
En cuarto lugar, otro de los resultados hallados fue el que relaciona al número de
miembros en el hogar con el uso de los servicios financieros formales que tiene un
encuestado. Según los ratios Odds un individuo adicional reduce 0.97 veces la razón de
uso, conforme a esto, la probabilidad de usar estos servicios cuando se incrementa un
individuo se reduce en 0.49%. Por su parte bajo un análisis de predicciones medias se
encontró que individuo que reporta tener una familia de un solo miembro goza de una
probabilidad de uso de 42.25% y que se reduce, por ejemplo, al tener 10 miembros en la
familia con 32.84% y avanza conforme avanza el número de miembros.
En la figura 3.11 se plasma lo encontrado, individuos con mayor número de
integrantes en su familia tienen una probabilidad menor de uso que los que tienen menor
Página | 102
número de miembros, esto según el análisis de predicciones para individuos con
características medias.
Figura 3.11
Probabilidad de usar servicios financieros formales y el número de miembros en el hogar
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Bajo un análisis en tablas de contingencia se encontró, que la más importante
participación de quienes usan servicios financieros formales es representada por las
familias que tienen cuatro integrantes, luego de ello la participación se hace menor.
Respecto de lo hallado, Cámara, et. al. (2013) manifiesta que existe un efecto
sustitución entre el número de perceptores de ingreso y la probabilidad de uso de servicios
financieros formales para el caso peruano, mayor número de perceptores disminuye un
8% la probabilidad de uso. En esta línea, Cano et. al. (2014) encuentra que el tamaño del
hogar se relaciona de forma inversa con el uso de servicios financieros formales, lo que
implica que mientras más miembros tenga la familia menos probabilidades de usar
servicios financieros existirán.
Página | 103
Los mecanismo por lo cual se relaciona número de miembro en el hogar y el uso
de servicios financieros es que suponiendo que dentro del hogar ya existe un miembro
que usa servicios financieros, existirá también una alta posibilidad que el resto de
miembros quieran compartir ese servicio, con tal de no asumir gastos extras, por otro lado
un mayor número de miembros significa a su vez mayor consumo en el hogar y conforme
a la teoría Keynesiana repercute sobre las decisiones de ahorro.
Por lo tanto, la primera conclusión a la que se puede arribar con estos resultados
encontrados, para el caso del género, la edad, el nivel educativo y el número de miembros
en el hogar es que se confirma la existencia de evidencia a favor de la primera hipótesis
específica, que de forma textual dice: “en el Perú, para el año 2015, la probabilidad de
usar servicios financieros formales se reduce puesto que un poblador tiene las
características de ser mujer, tener menor nivel educativo, ser joven y tener mayor número
de miembros en el hogar.
3.3.2 Variables económicas
3.3.2.1 Ingresos
Como quinto punto se tiene a la variable ingresos. Con los datos del ENAHO se
logró comprobar que cuando el individuo reporta tener ingresos o directamente tiene
ingresos la razón de uso se incrementa 1.693 veces que cuando no los reporta, en otros
términos esto implica, que en el caso de los primeros la probabilidad de uso es 12.4%
respecto de los que no tienen ingresos. Por el análisis de predicciones para individuos con
características medias se puedo encontrar que tener ingresos permite tener una
probabilidad de uso de 45.14% y para los que no los tienen una probabilidad de 32.7%.
La figura 3.12 presenta lo descrito en el párrafo previo.
Página | 104
Figura 3.12
Probabilidad de usar servicios financieros formales y los ingresos
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Con un análisis en tablas de contingencia se halló que para los seis servicios
financieros la probabilidad de usar servicios financieros es mayor en los que reportaron
tener ingresos por sobre los que no. La brecha más representativa es para el uso del
sistema de pensiones donde los que tienen ingresos tienen una probabilidad de uso de
34.5% contra un 16.8% de los que no tienen ingresos (ver figura 3.3)
Al respecto de lo anterior, Kumar (2005) encuentra que los ingresos son el
resultado más importante para explicar el uso de servicios financieros. Por su parte,
también, Finney y Kempson (2009) y Cámara, et. al. (2013) encuentran significativa a
esta variable. En seguida, Peña, et. al. (2014) determinó que el tener ingresos laborales
incrementa la probabilidad de usar servicios financieros formales, resultado que
concuerda con lo hallado por Tuesta, et. al. (2015) que analiza los ingresos por quintiles.
De acuerdo a los resultados el mecanismo que explica como los ingresos afectan
la decisión de usar servicios financieros viene dada porque si un individuo goza de un
excedente monetario (luego de cubrir sus necesidades de consumo) se verá motivado a
guardar su dinero de forma segura y para cuidar sus saldos superavitarios recurrirá a
instituciones especializadas que le brinden confianza al cuidar su dinero.
Página | 105
Por lo tanto la segunda conclusión a la que se arriba es que en efecto con estos
resultados encontrados, para el caso del ingreso, se ha establecido evidencia para aceptar
la segunda hipótesis específica, que cita: “en el Perú, para el año 2015, la probabilidad de
usar servicios financieros se incrementa gracias los ingresos que recibe un poblador”.
3.3.3 Variables geográficas
3.3.3.1 Zona geográfica
Como último punto se encontró que vivir en zonas rurales la razón de uso se
reduce 0.665 veces, esto significa, que cuando se vive en zonas rurales la probabilidad de
uso es de 9.7% sobre los que habían en zonas urbanas. Con el análisis de predicciones
sobre individuos con características medias se pudo identificar que vivir en espacios
rurales propicia tener una probabilidad de uso de 34.48% mientras que vivir en zonas
urbanas permite tener una probabilidad de uso de 44.17%.
Por su parte la figura 3.13 representa lo encontrado.
Figura 3.13
Probabilidad de usar servicios financieros formales y las zonas geográficas
Fuente: Encuesta Nacional de Hogares 2015 – Instituto Nacional de Estadísticas e Informática
Elaboración: Propia con software STATA 14
Página | 106
Para un análisis en tablas de contingencia se encontró que un individuo que vive
en zonas rurales tiene menor probabilidad de usar servicios financieros formales que
alguien que vive en una zona urbana. El resultado más representativo es para el uso del
sistema de pensiones, donde la brecha es muy grande para quien vive en zonas rurales, ya
que tiene una probabilidad de uso de 10.9% contra una de 37.5% para los que viven en
zonas urbanas (ver figura 3.4).
Respecto de lo anterior Cámara et. al. (2013) sostiene que vivir en zona rurales
reduce la probabilidad de usar servicios financieros en 3% frente a un individuo de iguales
características que vive en zonas urbanas. Para Peña, et. al. (2014) vivir en localidades
menores de 15 mil habitantes significa tener menos probabilidades de usar servicios
financieros formales que vivir en zonas con mayor número de habitantes.
Se considera que el principal mecanismo por el que los individuos de ámbitos
rurales usan menos los servicios financieros formales es porque se enfrentan a una oferta
limitada caracterizada por ser menos sofisticada y más costosa que en ámbitos urbanos,
siendo válida la teoría de localización que indica que los individuos realizarán sus
necesidades económicas en un entorno inmediato, esta situación de oferta limitada afecta
el uso como se muestra en los resultados.
Por lo tanto, se ha encontrado evidencia para aceptar la tercera hipótesis específica
que de forma textual establece: “en el Perú, para el año 2015, la probabilidad de usar
servicios financieros formales se reduce a causa que un poblador vive en una zona
geográfica rural”.
Página | 107
CONCLUSIONES
En los últimos años los indicadores de uso no se han movido al mismo ritmo que
los indicadores de oferta. Los resultados obtenidos por esta investigación sugieren hay un
porcentaje significativo de peruanos que no usan servicios financieros formales en el país
al año 2015, y esto se explica por la existencia de variables sociales, económicas y
geográficas que la determinan.
Un primer resultado muestra que la probabilidad de usar servicios financieros
formales en hombres es mayor que en mujeres. De acuerdo a esto, se demuestra una
menor participación de las mujeres en mercado financiero, según la teoría por las
presiones sociales existentes que afectan principalmente a las mujeres. La evaluación
econométrica encuentra que ser mujer reduce la probabilidad de uso en 2.7%.
Un segundo resultado muestra que conforme avanza la edad mejora la
probabilidad de usar servicios financieros formales en el Perú. Según la teoría del ciclo
de vida cuanta mayor edad tenga el individuo más probable es que este ahorre, ya que
debe afrontar su jubilación, por lo que recurrirá a los servicios que brindan las entidades
financieras especializadas del sector. La evaluación econométrica encuentra que un año
adicional de edad mejora la probabilidad de uso en 0.62%
Un tercer resultado relaciona positivamente los niveles educativos con la
probabilidad de uso. La teoría estipula que los individuos mejor capacitados tienen mayor
tendencia a usar los servicios que se brinda el mercado financiero, porque disponen de
mayor comprensión de este mercado y sacan ventajas de los beneficios proporcionados
por este sector. La evaluación econométrica encuentra que un mejor nivel educativo
mejora la probabilidad de uso en 17.43%.
Un cuarto resultado que evidencia una relación inversa entre el número de
miembros presentes en el hogar y el uso de servicios financieros formales. Según esto los
grupos familiares más grandes afrontaran mayor nivel de consumo que significa menores
niveles de ahorro y que desalentaran la posibilidad de usar los servicios financieros
Página | 108
formales. La evaluación econométrica encuentra que un miembro adicional en la familia
mejora la probabilidad de uso en 0.49%.
En quinto lugar, las características económicas del individuo, referidas a la
percepción de ingresos, influyen positivamente en su decisión de usar servicios
financieros; cuando se pasa de no tener ingresos a tenerlos mejora la probabilidad de
usarlos. La teoría keynesiana postula que cambios en los ingresos afectan las decisiones
de ahorro de forma directa, según esto una persona con excedentes tendrá mejor
posibilidad de usar los servicios financieros formales. La evaluación econométrica
encuentra que recibir ingreso por alguna actividad primaria, secundaria, dependiente o
independiente mejora la probabilidad de uso en 12.4%.
Finalmente, en sexto lugar, los resultados mostraron en general que las
características geográficas y en particular vivir en zonas rurales reduce la probabilidad de
usar servicios financieros formales en el país. Un individuo que vive en ámbitos rurales
se enfrenta a una oferta limitada del servicio, que eleva los costos de provisión y que
reduce la disposición por usar servicios financieros formales. La evaluación econométrica
encuentra que vivir en zonas rurales reduce la probabilidad de uso en 9.7%.
Página | 109
IMPLICANCIAS DE POLITICA Y RECOMENDACIONES
Las principales implicancias que se logran a partir de los resultados obtenidos se
muestran a continuación:
Primero, se puedo evidenciar que ser mujer reduce la probabilidad de usar
servicios financieros formales en el Perú. Según esto, se debe incentivar a la oferta para
que se promuevan servicios adecuados a las necesidades de cada género y que brinden
facilidades para la mayor participación de las mujeres en el mercado financiero. Las cajas
municipales entendieron esta problemática de género y han lanzado programas
especializados como “créditos mujer” con características especiales de pago, de
requisitos, de garantías, etc.
Segundo, se encontró que una persona con características de mayor edad y de
menores miembros en el hogar tiene una probabilidad alta de usar servicios financieros
formales en el Perú. Conociendo este resultado es necesario para fomentar servicios
especializados y ajustados a las necesidades de cada grupo, con los riegos que cada uno
de ellos representa a fin de lograr una verdadera inclusión financiera.
Tercero, se determinó que la educación favorece la participación dentro del ámbito
financiero, por lo tanto se debe invertir en la educación y en particular en educación
financiera, la ENIF propone modificar la curricula escolar y enseñar en los colegios desde
nivel primario hasta el nivel secundario finanzas básicas que promuevan confianza en
este sector. Es necesario por tanto promover la educación financiera en los colegios, pero
también es primordial recurrir a la tecnología para adquirir capacidades financieras, por
ejemplo con visualización de videos, aprender de manera lúdica, etc.
Cuarto, se puedo observar que disponer de ingresos mejora la probabilidad de usar
servicios financieros formales en el Perú. Por lo tanto, es necesario recurrir a propuestas
fiscales que promuevan el uso de servicios financieros principalmente a aquellos
desfavorecidos económicamente.
Página | 110
Quinto, se comprobó que vivir en zonas rurales desfavorece la posibilidad de usar
servicios financieros formales, por lo que es necesario promover la oferta del servicio
aprovechando las economías de escalas e innovando constantemente el servicio, por
ejemplo en el 2015 se lanzó la herramienta “dinero móvil” que elimina barreras
geográficas para formar parte de las ventajas del sector financiero, es necesario hacer
difusión de estas nuevas herramientas que pueden ser muy aprovechadas en zona
geográficamente difíciles.
Finalmente, otra de las políticas que debe implementar el gobierno es promover
el desarrollo de encuestas especializadas en inclusion financiera, el INEI ha dado un
primer paso al incluir el tema en el módulo empleo e ingreso, pero aun no es suficiente
porque se requiere tener una base de datos actualizada para medir y evaluar este
fenómeno. Ante ello, la ENIF propone acciones como: mantener actualizada la medición
de la base de datos de la brecha entre necesidades de la población y productos financieros,
desarrollar una central de información sobre seguros, evaluar la infraestructura de
comunicaciones y de electricidad a lo largo del país, entre otras (CMIF, 2015, pág. 66)
Referidos a esta investigación se recomienda analizar el fenómeno de uso de
servicios financieros desde la metodología de panel de datos, con lo que podría dar mucha
cabida a la evolución de algunas variables como ingresos, nivel educativo, miembros del
hogar, etc. Esto no ha podido realizarse para esta investigación porque en el año 2015 por
primera vez se dispuso de los datos especializados sobre inclusion financiera pero que
luego de ese año estará disponible para otros estudios.
Se recomienda realizar la investigación desde un ámbito más limitado, puede ser
a nivel de regiones o a nivel distrital, pues la realidad de cada zona es distinta y puede
contribuir al desarrollo de políticas focalizadas en pro de fin único, la inclusion financiera
en el Perú.
Página | 111
REFERENCIAS BIBLIOGRAFICAS
Alliance for Financial Inclusion (2015). Alianza para la inclusión financiera.
Publicaciones. Recuperado de: http://www.afi-
global.org/sites/default/files/publications/policy_leadership_spanish.pdf
Aguilar, X y Ortiz, B. (2013). Diseño de un programa de educación y cultura financiera
para los estudiantes de modalidad presencial de la titulación en administración en
banca y finanzas. Loja: Universidad Técnica Particular de Loja. Recuperado de:
http://dspace.utpl.edu.ec/bitstream/123456789/7712/1/Tesis%20ECF%20final%
20junio%203,%20%202013%20(1).pdf
Agurto, H. (2010). La metodología de la investigación econométrica. Nota técnica. Piura:
Universidad de Piura. Recuperado de:
https://econometriai.files.wordpress.com/2010/01/la-metodologia-de-la-
investigacion-econometrica.pdf
Alarcón, C., Flores, C., Ormazábal, F., Vera, M. y Yáñez, A. (2013). Indicadores de
acceso y uso a servicios financieros. Serie técnica de estudios N° 013. Chile:
Superintendencia de Bancos e Instituciones Financieras Chile. Recuperado de:
https://www.sbif.cl/sbifweb3/internet/archivos/publicacion_10377.pdf
Anchapuri, E. (2014). Principales determinantes del acceso al crédito financiero en
economías rurales y urbanas del Distrito de Juli. Tesis. Puno: Universidad
Nacional del altiplano. Recuperado de:
http://webcache.googleusercontent.com/search?q=cache:xKC4NvGmY1YJ:repo
sitorio.unap.edu.pe/bitstream/unappuno/453/1/Anchapuri_Calderon_Edwin.pdf+
&cd=2&hl=es&ct=clnk&gl=pe#81
Aparicio, C. y Jaramillo, M. (2012). Determinantes de la inclusión al sistema financiero:
¿cómo hacer para que el Perú alcance los mejores estándares a nivel internacional?
Lima: SBS DT/04/2012. Recuperado de:
https://mega.nz/#!Ihs0GZqI!cvAIiP5VvGcUfjLAuySBQUSmguKJwMOiutu5cB
o06hA
Asmundson, I. (2011). ¿Qué son los servicios financieros? Finanzas &Desarrollo Pág. 46
– 47. Fondo Monetario Internacional. Recuperado de:
https://www.imf.org/external/pubs/ft/fandd/spa/2011/03/pdf/basics.pdf
Baca, G. (2010). Evaluación de proyectos. Sexta edición. México: McGraW-GILL.
Recuperado de:
https://mega.nz/#!ph8QHKAR!JnyDws5gI55qwnQJaK34g_ZlxaQeLSV5RsaUa
QOgvhQ
Banco de la Nación. (2012). Un millón de peruanos ingresaran al sistema financiero.
Edición N° 69. Perú. Recuperado de:
http://www.bn.com.pe/nosotros/boletines/2012/boletin_agosto2012.pdf
Página | 112
Banco Central de Reservas del Perú (2011). Glosario de términos económicos. Lima.
Recuperado de: http://www.bcrp.gob.pe/docs/Publicaciones/Glosario/Glosario-
BCRP.pdf
Banco Mundial (2008) Finance for all? Policies and pitfalls in expanding access. World
Bank Policy Research Report. Washington, D.C.: Banco Mundial. Recuperado de:
http://edepositireland.ie/bitstream/handle/2262/15299/FFA_book.pdf?sequence=
1&isAllowed=y
Becker. G. (1994) Human Capital: A Theoretical and Empirical Analysis With Special
Reference to Education. 3rd Edition. Chicago: The University of Chicago Press.
Recuperado de: http://econpapers.repec.org/bookchap/nbrnberbk/beck94-1.htm
Beltrán, A. y Castro, J. (2010). Modelos de datos de panel y variables dependientes
limitadas: teoría y práctica. Primera edición. Lima: Universidad del Pacífico.
Cámara, N., Peña, X. y Tuesta, D. (2013). Determinantes de la inclusión financiera en
Perú. Documento de Trabajo N° 13/31. Madrid: BBVA Research. Recuperado de:
http://www.fgda.org/dati/ContentManager/files/Documenti_microfinanza/Deter
minantes-de-la-inclusi%C3%B3n-financiera-en-Per%C3%BA.pdf
Cano, G., Esguerra, M., García, N., Rueda, J. y Velasco A. (2014). Inclusión financiera
en Colombia. Colombia: Banco Central de Colombia. Recuperado de:
http://www.banrep.gov.co/sites/default/files/eventos/archivos/sem_357.pdf
Cardona, M., Montes, I., Vásquez J., Villegas, M. y Brito, T. (2007). Capital humano:
una mirada desde la educación y la experiencia laboral. Doc. 56 – 042007.
Medellín: Universidad EAFIT. Recuperado de:
http://publicaciones.eafit.edu.co/index.php/cuadernos-
investigacion/article/view/1287
Castaño, C. (1999). Economía y género. Política y sociedad N°32, pág. 23 - 42. Madrid:
Universidad Complutense de Madrid. Recuperado de:
https://revistas.ucm.es/index.php/POSO/article/viewFile/POSO9999330023A/24
660
Claessens, S. (2006). “Access to Financial Services: A Review of the Issues and Public
Policy Objectives.” World Bank Research Observer 21 (2): 207–40. Recuperado
de:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.531.904&rep=rep1&t
ype=pdf
Cameron, A. C., & Trivedi, P. K. (2010). Microeconometrics using Stata. Stata Press.
United States. Recuperado de: https://mega.nz/#!dkdxlDpB!PxQlLsvu_YY-
haWJHV8i_ArgDMfRXoE3CyK5SARy5Go
Comisión Multisectorial de Inclusión Financiera (2015). Estrategia Nacional de Inclusión
Financiera. Lima: Ministerio de Desarrollo e Inclusión Social. Recuperado de:
http://www.midis.gob.pe/dmdocuments/mid_estrategia_enif_2015.pdf
Página | 113
Corporación Andina de Fomento (2011a). Promoviendo el acceso a los servicios
financieros que nos dicen los datos sobre la bancarización en América Latina.
Caracas: CAF. Recuperado de:
http://www.felaban.net/archivos_publicaciones/servicios_financieros.pdf
Corporación Andina de Fomento (2011b). Servicios financieros para el desarrollo:
promoviendo el acceso en América Latina. Bogotá: CAF. Recuperado de:
https://www.caf.com/media/3895/RED2011.pdf
Corporación Andina de Fomento (2013). La educación financiera en América Latina y el
Caribe: Situación actual y perspectivas. Serie Políticas Públicas y Transformación
Productiva N° 12. Recuperado de: https://www.oecd.org/daf/fin/financial-
education/OECD_CAF_Financial_Education_Latin_AmericaES.pdf
De Gregorio, J. (2004). Macroeconomía Intermedia. Primera edición. Chile. Recuperado
de: https://mega.nz/#!8lkmQQAL!B1i9XRLtryGMgDaQ1RwWdB5Cz-
lDXultNl9nLkTCjEg
Devlin, J. (2005). A Detailed Study of Financial Exclusion in the UK. Journal of
Consumer Policy (2005) 28: 75–108. Recuperado de:
https://www.researchgate.net/profile/James_Devlin/publication/5149356_A_Det
ailed_Study_of_Financial_Exclusion_in_the_UK/links/0046353c5490d5e0be00
0000.pdf
Díaz, M. y Costa, E. (1994). Metodología de la investigación econométrica. Documentos
de trabajo N°64. España: Universidad de Oviedo. Recuperado de:
https://dialnet.unirioja.es/servlet/articulo?codigo=4074403
Escobar, M., Fernández, E. y Barnardi, F. (2012). Análisis de datos con Stata. Cuadernos
metodológicos. 2da edición. Centro de investigaciones sociológicas: Madrid.
Recuperado de:
https://www.dropbox.com/s/am0rrsd2swlppnl/Analisis%20de%20datos%20con
%20STATA%20-%20Escobar%20y%20et.%20al.%20%282012%29.pdf?dl=0
Fernández, E. (2009). Teoría del consumo. Inglaterra: Centro de Estudios Monetarios
Latinoamericanos. Recuperado de: http://www.cemla.org/PDF/ensayos/pub-en-
77.pdf
Finney, A., y Kempson, E. (2009). Regression analysis of the unbanked using the 2006-
07 family resources survey. Bristol: University of Bristol. Recuperado de:
http://www.bristol.ac.uk/media-
library/sites/geography/migrated/documents/pfrc0908.pdf
Fondo de Población de las Naciones Unidas (2006). Igualdad y equidad de género:
aproximación teórico-conceptual. Volumen 1. Recuperado de:
http://www.entremundos.org/databases/Herramientas%20de%20trabajo%20en%
20genero%20UNFPA.pdf
Gestión (7 diciembre, 2015). SBS: Perú lidera ranking de países que ofrecen el mejor
entorno para las microfinanzas. Perú: Lima. Recuperado de:
Página | 114
http://gestion.pe/economia/sbs-peru-lidera-ranking-paises-que-ofrecen-mejor-
entorno-microfinanzas-2150557
Gujarati, D. y Porter, D. (2010). Econometría. Quinta edición. McGRAW-
HILL/INTERAMERICANA editores.
Heimann, U., Navarrete, J., O´keefe, M., Vaca, B. y Zapata, G. (2009). Inclusión
Financiera. Mapa estratégico de inclusión financiera: una herramienta de trabajo.
Recuperado de:
http://www.sagarpa.gob.mx/agronegocios/boletinpatmir/estudios/Mapa%20Estra
t%C3%A9gico%20de%20Inclusi%C3%B3n%20Financiera.pdf
Hoyo, C., Peña, X. y Tuesta, D. (2013). Factores de demanda que influyen en la Inclusión
Financiera en México: Análisis de las barreras a partir de la ENIF. Documento de
Trabajo N° 13/36. México D.F.: BBVA Research. Recuperado de:
https://mega.nz/#!A4lSUKJB!whBJHUwg8BN7nUbv5B9_1aBvFG2tqT-
LIkB6Ia5L_Fk
Inforesources (2008). El acceso a los servicios financieros en las zonas rurales. Focus
N°2/08. Recuperado de: http://www.inforesources.ch/pdf/focus08_2_s.pdf
Instituto de Estudios Peruanos (2013). Inclusión financiera de las mujeres rurales jóvenes.
Balance de políticas públicas y programas de desarrollo. Lima: Nuevas Trenzas.
Recuperado de: http://docshare01.docshare.tips/files/23714/237142946.pdf
Jaramillo, M., Aparicio, C. y Cevallos, B. (2013). ¿Qué factores explican las diferencias
en el acceso al sistema financiero?: evidencia a nivel de hogares en el Perú.
DT/03/2013. Lima: SBS. Recuperado de:
https://mega.nz/#!UkVXBA6Q!fXvIyxpAezZhSfZ7GnpvGT4ozL61spPhgHsW
utAyDwA
Jiménez, K. (2009). Principales determinantes del acceso a crédito en los hogares
ecuatorianos. Tesis de grado. Ecuador: Facultad Latinoamericana de ciencias
sociales FLACSO. Recuperado de:
http://repositorio.flacsoandes.edu.ec/bitstream/10469/812/3/TFLACSO-
2009KJV.pdf
Johnson, S. y Nino-Zarazua, M. (2011). Financial access and exclusion in Kenya and
Uganda. University of Bath, BA2 7AY, UK: Department of Economics and
International Development. Recuperado de:
http://opus.bath.ac.uk/20008/1/Johnson_JDV_2011_47_3_475.pdf
Keynes, J.M. (1936). The General Theory of Employment, Interest and Money. United
Kingdom: London. Edición virtual recuperada de:
http://virtualpanic.com/anonymousftplistings/ebooks/ECONOMICS/%5BEcono
mics%5D%20Keynes,%20John%20Maynard%20-
%20The%20General%20Theory%20Of%20Emp.pdf
King, M. (2011). The Unbanked four-fifths: barriers to financial services in Nigeria.
Trinity College Dublin. Recuperado de: http://michaelking.ie/wp-
Página | 115
content/uploads/2011/11/The-Unbanked-Four-Fifths-Barriers-to-Banking-
Services-in-Nigeria-Novermber-2011-Final.pdf
Kumar, A. (2005). Access to financial services in Brazil. The International Bank for
Reconstruction and Development. The World Bank. Recuperado de:
http://siteresources.worldbank.org/EXTINCLUSIVEFINSYS/Resources/Accesst
oFinancialServicesBrazil.pdf
Ley general del sistema financiero y del Sistema de seguros y orgánica de la
Superintendencia de Banca y Seguros (Ley N° 26702, 1996). Lima. Recuperado
de:
http://www2.congreso.gob.pe/sicr/cendocbib/con4_uibd.nsf/8CEF5E01E937E76
105257A0700610870/$FILE/26702.pdf
León, J. y Quispe, W. (2012). Educación y bancarización departamental en el Perú.
Horizonte económico Nº 1. Lima: Universidad de callao. Recuperado de:
http://fce.unac.edu.pe/Files/a8.pdf
Lera, F. (1997). Insuficiencias de la teoría del ciclo vital en el comportamiento ahorrador.
El caso de la Comunidad Foral de Navarra. Documento de trabajo N° 5. Navarra:
Universidad Pública de Navarra, departamento de Economía. Recuperado de:
http://academica-
e.unavarra.es/bitstream/handle/2454/20605/DT9705.PDF?sequence=1&isAllow
ed=y
López-Roldán, P. y Fachelli, S. (2015). Metodología de la investigación social
cuantitativa. Barcelona: Universidad Autónoma de Barcelona. Recuperado de:
http://ddd.uab.cat/pub/caplli/2015/131469/metinvsoccuan_cap3-6a2015.pdf
Modigliani, F. (1986). Life Cycle, Individual Thrift and The Weath of Nations. American
Economic Review Vol 76, N3, pp. 297-313. Recuperado de:
http://drphilipshaw.com/Modigliani%201986.pdf
Morales, L., y Yáñez, Á. (2006). La bancarización en Chile. Chile: Superintendencia de
Bancos e Instituciones Financieras Chile. Recuperado de:
http://www.sbif.cl/sbifweb/internet/archivos/publicacion_5291.pdf
Morettini, M. (2002). Principales teorías macroeconómicas sobre consumo. Argentina:
Universidad Nacional Mar de la Plata. Recuperado de:
http://econpapers.repec.org/paper/nmpnuland/1887.htm
Osei-Assibey, E. (2009). Financial Exclusion: What drives supply and demand for basic
financial services in Ghana?. Ghana: University of Ghana. Recuperado de:
https://www.researchgate.net/profile/Eric_Osei_Assibey/publication/228240953
_Financial_Exclusion_What_Drives_Supply_and_Demand_for_Basic_Financial
_Services_in_Ghana/links/5489fba90cf214269f1ac06b.pdf
Parkin, M., Esquivel, G. y Muñoz, M. (2007). Macroeconomía, séptima edición. México:
Pearson Educación. Recuperado de:
Página | 116
https://mega.nz/#!Y412zbDA!e0y4xRUgkNODGtvQh5uEdnNbYlT2Yee39tCJC
OqH_D4
Peña, X., Hoyo, C., y Tuesta, D. (2014). Determinantes de la inclusión financiera en
México a partir de la ENIF 2012. Documento de Trabajo N° 14/14. Madrid:
BBVA Research. Recuperado de:
https://mega.nz/#!Yh1B2TQY!1ZkkQwVHlH9x9g-
g8J5OJ4VE7qLAKTF8R8b3Wlp2KhQ
Red Financiera BAC y CREDOMATIC (2008). Libro maestro de educación financiera.
Un sistema para vivir mejor. Innova Technology SA. Recuperado de:
http://www.credomatic.com/costarica/esp/credo/educacionfinanciera/libromaestr
o.pdf
Roa, M. (2014). La inclusión y la estabilidad financieras. México: Centro de Estudios
Monetarios Latinoamericanos. Recuperado de:
http://www.cemla.org/PDF/investigacion/inv-2013-12-15.pdf
Rodríguez, M y Mora, R. (2001). Estadística informática: casos y ejemplos con el SPSS.
Cap. Análisis de tablas de contingencia. Alicante: Universidad de Alicante, pág.
9-22. Recuperado de: http://rua.ua.es/dspace/handle/10045/12071?locale=en
Rosales, L. A. (2013). Econometría I: teoría – práctica. Perú: Universidad Nacional de
Piura. Recuperado de:
https://econometriai.files.wordpress.com/2013/09/econometria-i_teoria.pdf
Rosales, R., Perdomo, J., Morales, C. y Urrego, J. (2010). Fundamentos de econometría
intermedia: teoría y aplicaciones. Colombia: Universidad de los Andes - Centro
de Estudios sobre Desarrollo Económico. Recuperado de:
https://mega.nz/#!U0dngLyJ!CQhuRkP5jaMLZUljx3aYBxMGL7jF1UxRk4bcv
8cCTBo
Sapag, N y Sapag, R. (2008). Preparación y evaluación de proyectos. Quinta edición.
Colombia: McGraW-GILL. Recuperado de:
https://mega.nz/#!p59SkATD!BIJWbuvc0FEURZPAjh1bQXHB1JRh2n9etfBW
EssYiHQ
Superintendencia de Banca, Seguros y AFP (2015). Perú: indicadores de inclusión
financiera de los sistemas financiero, de seguros y de pensiones. Lima: SBS.
Recuperado de:
https://intranet1.sbs.gob.pe/estadistica/financiera/2015/Setiembre/CIIF-0001-
se2015.PDF
Superintendencia de Bancos e Instituciones Financieras de Chile (2014). Género en el
sistema financiero. Santiago de Chile. Recuperado de:
https://www.sbif.cl/sbifweb3/internet/archivos/publicacion_10833.pdf
Soto, I. (2015, Noviembre). Avances en la Inclusión Financiera en la Región
Centroamericana, Panamá y República Dominicana. Notas económicas regionales
Página | 117
N° 84. Secretaría Ejecutiva del Consejo Monetario Centroamericano. Recuperado
de: http://www.secmca.org/NOTAS_ECONOMICAS/articulo84NOV2015.pdf
Tuesta, D., Sorensen, G., Haring, A. y, N. (2015). Inclusión financiera y sus
determinantes: el caso argentino. Documento de Trabajo N° 15/04. Madrid:
BBVA Research. Recuperado de:
https://mega.nz/#!10cykAIb!Rbt8ikHsWJTZX8KUhpXOMuOwkJzhaa81sSRcH
Z4hYRY
Wooldridge, J. (2010). Introducción a la econometría Un enfoque moderno. Cuarta
edición. Cengage Learning Editores. Michigan State University.
Página | 118
ANEXOS
Página | 119
Anexo 1
Matriz de consistencia
Preguntas de la investigación Objetivos de la investigación Hipótesis de la investigación
Pregunta central Objetivo general Hipótesis general
¿Cuál es el efecto generado por las variables
sociales, económicas y geográficas que inciden
sobre el uso de servicios formales por parte de la
población del Perú en el año 2015?
Analizar el efecto de las variables sociales, económicas
y geográficas que inciden sobre el uso de servicios
financieros formales por parte de la población del Perú
en el año 2015.
En el Perú para el año 2015, la probabilidad de
que la población use los servicios financieros
formales se afecta debido al hecho que las
variables sociales, económicas y geográficas la
explican de manera significativa.
Preguntas especificas Objetivos específicos Hipótesis especificas
- Revisar y sistematizar el marco teórico y evidencia
empírica relevante al tema de investigación planteado. -
¿Qué resultado generan las variables sociales: edad,
nivel educativo, género, y número de miembros en
el hogar, sobre la probabilidad de usar servicios
financieros formales, por parte de la población del
Perú en el 2015?
Estimar el resultado que generan las variables sociales:
edad, nivel educativo, género, número de miembro en
el hogar, sobre la probabilidad de usar servicios
financieros formales por parte de la población del Perú
en el 2015.
En el Perú, para el año 2015, la probabilidad de
usar servicios financieros formales se reduce
puesto que un poblador tiene las características
de ser mujer, tener menor nivel educativo, ser
joven y tener mayor número de miembros en el
hogar
¿Cuál es el efecto ocasionado por las variables
económicas, representada por el ingreso, sobre la
probabilidad de usar servicios financieros formales
por parte la población del Perú en el 2015?
Determinar el efecto ocasionado por las variables
económicas, representadas por el ingreso, sobre la
probabilidad de usar servicios financieros formales por
parte de la población del Perú, en el 2015.
En el Perú, para el año 2015, la probabilidad de
usar servicios financieros se incrementa gracias
los ingresos que recibe un poblador.
¿Cuál es el efecto generado por las variables
geográficas, representadas por la zona geográfica,
sobre la probabilidad de usar servicios financieros
formales por parte de la población del Perú en el
2015?
Identificar el efecto generado por las variables
geográficas, representadas por la zona geográfica,
sobre la probabilidad de usar servicios financieros
formales por parte de la población del Perú en el 2015.
En el Perú, para el año 2015, la probabilidad de
usar servicios financieros formales se reduce a
causa que un poblador vive en una zona
geográfica rural.
-
Derivar las conclusiones e implicancias de política
respectivas, a partir de los resultados obtenidos en la
presente investigación.
-
Elaboración: Propia
Página | 120
Anexo 2
Indicadores de Acceso a los Servicios Financieros por Departamento 2010 - 2015
Indicadores por departamento Septiembre 2010 Septiembre 2015
ATMS1/ por cada 100 mil habitantes adultos
Lima (mejor resultado) 50 122
Huancavelica (peor resultado) 4 9
Nacional 29 74
Cajeros corresponsales2/ por cada 100 mil habitantes adultos
Arequipa (mejor resultado) 132 813
Madre de Dios (peor resultado) 30 73
Nacional 69 395
Canales de atención3/ por cada 1000 KM2
Callao (mejor resultado) 1633 25980
Loreto (peor resultado) 0 2
Nacional 13 68
Oficinas por cada 100 mil habitantes adultos
Moquegua (mejor resultado) 28 34
Loreto (peor resultado) 8 12
Nacional 12 22
Puntos de atención4/ por cada 100 mil habitantes adultos
Arequipa (mejor resultado) 182 922
Huancavelica (peor resultado) 22 119
Nacional 115 491
Fuente: SBS (2015)
Elaboración: Propia 1/ Corresponde a los cajeros automáticos bancarios 2/ Corresponde al número de puntos de atención (POS) operados por personas naturales o jurídicas que ofrecen
determinadas operaciones, en representación y bajo la responsabilidad de la empresa del Sistema Financiero. 3/ Corresponde al número de oficinas, cajeros automáticos y establecimientos con cajero corresponsal. 4/ El número de puntos de atención corresponde a la suma de oficinas, cajeros automáticos y cajeros corresponsales
(POS).
Página | 121
Anexo 3.1
Población (% 15 años+) que tiene cuentas, ahorra y solicita crédito en una Institución Financiera
(IF) – Global Findex 2011 y 2014
Fuente: Encuesta Global Findex 2014 y 2011.
Elaboración: Propia, basados en estadísticas del Banco Mundial “DATABANK”
Anexo 3.2
Población (% 15 años+) que declara tener una tarjeta de crédito y débito –
Global Findex 2014
Fuente: Encuesta Global Findex 2014 y 2011.
Elaboración: Propia, basados en estadísticas del Banco Mundial “Databank”
Tienecuenta
AhorraSolicitó
prestamoTiene
cuentaAhorra
Solicitóprestamo
Tienecuenta
AhorraSolicitó
prestamo
Mundo América Latina y el Caribe Perú
2011 50.6% 22.6% 9.1% 39.3% 9.6% 7.9% 20.5% 8.6% 12.7%
2014 60.7% 27.4% 10.7% 51.1% 13.5% 11.3% 29.0% 12.3% 11.2%
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
17.6%21.6%
6.2%
32.0%28.1%
13.7%
5.7%
11.7%
40.1% 40.4%
23.1%
59.2%54.1%
30.0%25.6%
21.4%
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
Mundo AméricaLatina y el
Caribe
Bolivia Brazil Chile Colombia Ecuador Perú
Tarjetas de crédito Tarjetas de débito
Página | 122
Anexo 3
Unificación de módulos de ENAHO usando Stata 14
1. Previos
clear all
set memory 4000m
version 14.0
cd "C:\Users\MANUEL1\Desktop\ENAHO LISTO PARA TRABAJAR"
pwd
capture log close
log using DOFILE-ULTIMO.log, replace
set more off
2. Extracción de variables
use "C:\Users\MANUEL1\Desktop\ENAHO LISTO PARA TRABAJAR\2015\498-
Modulo01\enaho01-2015-100.dta", clear
keep mes conglome vivienda hogar ubigeo dominio estrato p101 p104a p104b1 p104 p105a p106a
p1141 p1142 p1143 p1144 p1145
save M1, replace
use "C:\Users\MANUEL1\Desktop\ENAHO LISTO PARA TRABAJAR\2015\498-
Modulo02\enaho01-2015-200.dta", clear
keep mes conglome vivienda hogar ubigeo dominio estrato codperso p203 p203b p207 p208a
p208b p209 p210 p211a
save M2, replace
use "C:\Users\MANUEL1\Desktop\ENAHO LISTO PARA TRABAJAR\2015\498-
Modulo03\enaho01a-2015-300.dta", clear
keep mes conglome vivienda hogar codperso ubigeo dominio estrato p300a p301a p301b p301c
p301d p302 p304a p308a p314a p203 p204 p205 p206 p207 p208a p209
save M3, replace
use "C:\Users\MANUEL1\Desktop\ENAHO LISTO PARA TRABAJAR\2015\498-
Modulo34\sumaria-2015.dta", clear
keep mes conglome vivienda hogar ubigeo dominio estrato percepho mieperho totmieho pobreza
estrsocial
save M34, replace
use "C:\Users\MANUEL1\Desktop\ENAHO LISTO PARA TRABAJAR\2015\498-
Modulo05\enaho01a-2015-500.dta", clear
keep mes conglome vivienda hogar ubigeo dominio estrato codperso p501 p558e1 p558e2 p558e3
p558e4 p558e5 p558e6 p207 p208a p301a ocu500 p209 estrato i524a1 d529t i530a d536 i538a1
d540t i541a d543 d544t p558a1 p558a2 p558a3 p558a4 p558a5 p558c fac500a p203
save M5, replace
3. Unión de base de datos
use "C:\Users\MANUEL1\Desktop\ENAHO LISTO PARA TRABAJAR\M5.dta", clear
rename p301a p301aCONTROL
merge 1:1 mes conglome vivienda hogar codperso using "C:\Users\MANUEL1\Desktop\ENAHO
LISTO PARA TRABAJAR\M3.dta"
save M5-3, replace
drop _merge
rename p207 p207CONTROL
rename p208a p208aCONTROL
rename p209 p209CONTROL
merge 1:1 mes conglome vivienda hogar codperso using "C:\Users\MANUEL1\Desktop\ENAHO
LISTO PARA TRABAJAR\M2.dta"
save M5-3-2, replace
use "C:\Users\MANUEL1\Desktop\ENAHO LISTO PARA TRABAJAR\M34.dta", clear
rename estrato estratoCONTROL
rename dominio dominioCONTROL
merge 1:1 mes conglome vivienda hogar using "C:\Users\MANUEL1\Desktop\ENAHO LISTO
PARA TRABAJAR\M1.dta"
drop _merge
Página | 123
save MS-1, replace
use "C:\Users\MANUEL1\Desktop\ENAHO LISTO PARA TRABAJAR\M5-3-2.dta", clear
drop _merge
merge m:m mes conglome vivienda hogar using "C:\Users\MANUEL1\Desktop\ENAHO LISTO
PARA TRABAJAR\MS-1.dta"
save datamadre, replace*/
4. Limpieza de base de datos
use "C:\Users\MANUEL1\Desktop\metodologia\ENAHO LISTO PARA
TRABAJAR\datamadre.dta", clear
drop if p208a<=17 /*menores de 17años*/
drop if p558e1==. /*datos perdidos*/
drop if p301a==. /*datos perdidos*/
Anexo 4
Recodificación de variables en Stata 14
1) Variable USO
gen y1=. /**Cuenta de ahorro*/
gen y2=. /*Cuenta de ahorro a plazo*/
gen y3=. /*Cuenta corriente*/
gen y4=. /*Tarjeta de crédito*/
gen y5=. /*Tarjeta de débito*/
gen y6=. /*Sistema de pensiones*/
replace y1=1 if p558e1==1
replace y1=0 if p558e1==0
replace y2=1 if p558e2==2
replace y2=0 if p558e2==0
replace y3=1 if p558e3==3
replace y3=0 if p558e3==0
replace y4=1 if p558e4==4
replace y4=0 if p558e4==0
replace y5=1 if p558e5==5
replace y5=0 if p558e5==0
replace y6=0 if p558a5==5
replace y6=1 if p558a5==0
label define y1 1 "Usa una cuenta de ahorros" 0 "No usa", replace
label value y1 y1
label variable y1 "El encuestado actualmente, usa una cuenta de ahorros en algún banco, caja
municipal, caja rural o institución de microfinanzas"
label define y2 1 "Usa una cuenta de ahorros a plazo fijo" 0 "No usa", replace
label value y2 y2
label variable y2 "El encuestado actualmente, usa una cuenta de ahorros a plazo fijo en algún
banco, caja municipal, caja rural o institución de microfinanzas"
label define y3 1 "Usa una cuenta corriente" 0 "No usa", replace
label value y3 y3
label variable y3 "El encuestado actualmente, usa una cuenta corriente en algún banco, caja
municipal, caja rural o institución de microfinanzas"
label define y4 1 "Usa una tarjeta de credito" 0 "No usa", replace
label value y4 y4
label variable y4 "El encuestado actualmente, usa una tarjeta de crédito en algún banco, caja
municipal, caja rural o institución de microfinanzas"
label define y5 1 "Usa una tarjeta de debito" 0 "No usa", replace
label value y5 y5
label variable y5 "El encuestado actualmente, usa una tarjeta de débito en algún banco, caja
municipal, caja rural o institución de microfinanzas"
label define y6 1 "Esta afiliado a AFP, Sistema Nacional de Pensiones Ley 19990 y 20530" 0 "No
esta afiliado", replace
Página | 124
label value y6 y6
gen y_uso=. /*Uso de al menos 01 servicio financiero Y1,Y2,Y3,Y4,Y5,Y6*/
replace y_uso=1 if y1==1 | y2==1 | y3==1 | y4==1 | y5==1 | y6==1
replace y_uso=0 if y1==0 & y2==0 & y3==0 & y4==0 & y5==0 & y6==0
label define y_uso 1 "Usa algun servicio financiero formal" 0 "No usa ningun servicio financiero
formal", replace
label value y_uso y_uso
label variable y_uso "El encuestado actualmente, usa algun servicio financiero en algún banco,
caja municipal, caja rural o institución de microfinanzas"
2) Variable GENERO
gen x1_mujer=.
replace x1_mujer=1 if p207==2
replace x1_mujer=0 if p207==1
label define x1_mujer 1 "Mujer" 0 "Hombre", replace
label value x1_mujer x1_mujer
label variable x1_mujer "Sexo del encuestado"
3) Variable EDAD
gen x2_edad=.
replace x2_edad=p208a if p208a!=. & p208a>=18
label values x2_edad x2_edad
label variable x2_edad "Edad del encuestado"
4) Variable NIVEL EDUCATIVO
gen x3_educacion=.
replace x3_educacion=1 if p301a==1 | p301a==2
replace x3_educacion=2 if p301a==3 | p301a==4
replace x3_educacion=3 if p301a==5 | p301a==6
replace x3_educacion=4 if p301a==7 | p301a==8
replace x3_educacion=5 if p301a==9 | p301a==10
replace x3_educacion=6 if p301a==11
label define x3_educacion 1 "Sin nivel" 2 "Primaria" 3 "Secundaria" 4 "Superior no universitaria"
5 "Superior universitaria" 6 "Postgrado", replace
label value x3_educacion x3_educacion
label variable x3_educacion "Nivel de educación alcanzado por el encuestado"
*5)MIEMBROS DEL HOGAR*
gen x4_miembros=.
replace x4_miembros=mieperho if p208a!=.
label values x4_miembros x4_miembros
label variable x4_miembros "Número de miembros en el hogar"
6) Variable INGRESOS
gen ingreso_1=i524a1
gen ingreso_2=d529t
gen ingreso_3=i530a
gen ingreso_4=d536
gen ingreso_5=i538a1
gen ingreso_6=d540t
gen ingreso_7=i541a
gen ingreso_8=d543
gen ingreso_9=d544t
label values ingreso_1 ingreso_1
label values ingreso_2 ingreso_2
label values ingreso_3 ingreso_3
label values ingreso_4 ingreso_4
label values ingreso_5 ingreso_5
label values ingreso_6 ingreso_6
label values ingreso_7 ingreso_7
Página | 125
label values ingreso_8 ingreso_8
label values ingreso_9 ingreso_9
label variable ingreso_1 "Ingreso en la actividad principal por trabajo dependiente"
label variable ingreso_2 "Pago en especie en la actividad principal por trabajo dependiente"
label variable ingreso_3 "Ingreso en la actividad principal por trabajo independiente"
label variable ingreso_4 "Autoconsumo de los trabajadores independientes"
label variable ingreso_5 "Ingreso en la actividad secundaria por trabajo dependiente"
label variable ingreso_6 "Pago en especie en la actividad secundaria por trabajo dependiente"
label variable ingreso_7 "Ingreso en la actividad secundaria por trabajo independiente"
label variable ingreso_8 "Autoconsumo en la actividad secundaria por trabajo independiente"
label variable ingreso_9 "Gratificación de navidad, Gratificación de fiestas patrias, Bonificación
por últimas vacaciones, Bonificación por escolaridad, Participación de utilidades de la empresa,
Bonificación por otro concepto relacionado con su trabajo, Compensación por tiempo de servicio
(CTS), Otro ingreso por trabajo (reintegros, etc.)"
egen sumaingresos=rowtotal (ingreso_1 ingreso_2 ingreso_3 ingreso_4 ingreso_5 ingreso_6
ingreso_7 ingreso_8 ingreso_9)
gen X5_ingresos=0
replace X5_ingresos=1 if sumaingresos!=0
label define X5_ingresos 1 "reporto tener algun ingreso" 0 "no reporto ingresos"
label value X5_ingresos X5_ingresos
7) Variable ZONA GEOGRÁFICA
gen x6_rural=.
replace x6_rural=1 if estrato>=6 & estrato<=8
replace x6_rural=0 if estrato>=1 & estrato<=5
label define x6_rural 1 "Rural" 0 "Urbano", replace
label value x6_rural x6_rural
label variable x6_rural "Zona en la que vive el encuestado"
Anexo 5
Do-file utilizado en la investigación usando Stata 14
*************************************************************************************
**Estimación**
*************************************************************************************
*Estimaciones bivariadas*
stepwise, pr (0.1): logit y_uso x1_mujer
stepwise, pr (0.1): logit y_uso x2_edad
stepwise, pr (0.1): logit y_uso x3_educacion
stepwise, pr (0.1): logit y_uso x4_miembros
stepwise, pr (0.1): logit y_uso X5_ingresos
stepwise, pr (0.1): logit y_uso x6_rural
*Prueba de multicolinealidad*
cor x1_mujer x2_edad x3_educacion x4_miembros X5_ingresos x6_rural
*Estimación multivariables*
logit y_uso x1_mujer x2_edad x3_educacion x4_miembros X5_ingresos x6_rural
*************************************************************************************
**Evaluación**
*************************************************************************************
*a) Economica*
*b) Estadistica*
test x1_mujer
test x2_edad
test x3_educacion
test x4_miembros
test X5_ingresos
test x6_rural
fitstat
estat classification
Página | 126
lroc
*c) Econométrica*
*Normalidad*
predict e, resid
sktest e
swilk e
*Heterocedasticidad*
robvar e, by(y_uso)
sdtest e, by(y_uso)
*Logit vs Probit*
quietly logit y_uso x1_mujer x2_edad x3_educacion x4_miembros X5_ingresos x6_rural,
vce(robust)
estimates store blogit
scalar blogit=_b[x2_edad]
quietly probit y_uso x1_mujer x2_edad x3_educacion x4_miembros X5_ingresos x6_rural,
vce(robust)
scalar bprobit=_b[x2_edad]
estimates store bprobit
estimates table blogit bprobit, stats(N aic bic)
*Efectos marginales*
stepwise, pr (0.1): logit y_uso x1_mujer x2_edad x3_educacion x4_miembros X5_ingresos
x6_rural, vce(robust)
mfx compute
stepwise, pr (0.1): logit y_uso x1_mujer x2_edad x3_educacion x4_miembros X5_ingresos
x6_rural, vce(robust)
margins, dydx(*) post
stepwise, pr (0.1): logit y_uso x1_mujer x2_edad x3_educacion x4_miembros X5_ingresos
x6_rural, vce(robust)
margins, eyex(*) atmeans
stepwise, pr (0.1): logistic y_uso x1_mujer x2_edad x3_educacion x4_miembros X5_ingresos
x6_rural, vce(robust)
listcoef
label define y_uso 1 "Usa" 0 "No usa", replace
label value y_uso y_uso
*************************************************************************************
**Capacidad predictiva**
*************************************************************************************
quietly logit y_uso x1_mujer x2_edad x3_educacion x4_miembros X5_ingresos x6_rural, vce(robust)
predict prlogit
summarize prlogit
prchange x1_mujer, fromto
prchange X5_ingresos, fromto
prchange x6_rural, fromto
prgen x1_mujer, from (0) to (1) generate(j) ci
twoway (line jp1 jx), ytitle(Probabilidad de usar servicios fnancieros formales) xtitle(Género)
prgen x2_edad, from (18) to (98) generate(k) ci
twoway (line kp1 kx), ytitle(Probabilidad de usar servicios fnancieros formamel) xtitle(Edad del
encuestado)
prgen x3_educacion, from (1) to (6) generate(w) ci
twoway (line wp1 wx), ytitle(Probabilidad de usar servicios financieros formales) xtitle(Nivel educativo
del encuestado)
prgen x4_miembros, from (1) to (19) generate(p) ci
twoway (line pp1 px), ytitle(Probabilidad de usar servicios financieros formales) xtitle(Miembros en el
hogar del encuestado)
prgen X5_ingresos, from (0) to (1) generate(h) ci
twoway (line hp1 hx), ytitle(Probabilidad de usar servicios fnancieros formales) xtitle(Reporto tener
ingresos)
prgen x6_rural, from (0) to (1) generate(t) ci
twoway (line tp1 tx), ytitle(Probabilidad de usar servicios fnancieros formales) xtitle(Zona geográfica)