Variáveis que Afetam a Inclusão Financeira. Estudo de caso colombiano
Resumo
A inclusão financeira tem sido exclusivamente relacionada ao acesso bancário, afirmando que a utilização do sistema financeiro expandir economia o desenvolvimento. Nesse sentido, o presente estudo analisou a incidência que determinadas variáveis socioeconômicas e de penetração bancária têm na formação da poupança; usando informações do banco de dados Global Findex e aplicando uma análise de regressão logística binária, bem como um estudo de redes neurais. A regressão apresentou alta significância e correlação entre a poupança e a variável de inclusão, enquanto, por sua vez, a rede conseguiu estimar 83,2% dos casos como corretos, com relevância em variáveis como empréstimo e escolaridade. Esses resultados indicam que variáveis como escolaridade e nível de renda têm impacto positivo na poupança, enquanto a geração de crédito atua como inibidora da poupança; uma vez que existem elevados diferenciais de taxas de juro e a maioria dos créditos são para consumo com pouca orientação para o investim
Downloads
Referências
Adomako, S., Danso, A., Ofori Damoah, J. (2016). The moderating influence of financial literacy on the relationship between access to finance and firm growth in Ghana. Venture Capital, 18(1), 43-61.
Agrawal, G., Jain, P. (2019). Digital financial inclusion in India. Journal of Payments Strategy and Systems, 9(3), 195-203.
Allen, F., Demirguc-Kunt, A., Klapper, L., Martinez Peria, M. S. (2016). The foundations of financial inclusion: Understanding ownership and use of formal accounts. Journal of Financial Intermediation, 27, 1-30.
Alon, U. (2007). Network motifs: theory and experimental approaches. Nature Reviews Genetics, 8, 450-461.
Altinkemer, K. (2010). Special issue on digital products. Information Systems and e-Business Management, 8(4), 335-336.
Banco de la República. (2021). Reporte de la situación del crédito en Colombia - diciembre de 2021 [en línea] disponible en: https://www.banrep.gov.co/es/reporte-situacion-del-credito-colombia-diciembre-2021 [consulta: 15 julio 2022].
Barreto, W., Torres, J., Torres, R., Gonzalez, L., Picón, R. (2019). Modelo para el cálculo del esfuerzo a la tracción de las raíces de vetiver empleando redes neuronales artificiales. Revista Técnica de la Facultad de Ingeniería Universidad del Zulia, 420, 159-164.
Bruhn, M., Ibarra, G. L., McKenzie, D. (2014). The minimal impact of a large-scale financial education program in Mexico City. Journal of Development Economics, 108, 184-189.
Calderón, R., Carbajal, J., Leiva, K. (2014). La banca de desarrollo y la creación de productos para la inclusión financiera, Asociación Latinoamericana de Instituciones Financieras para el Desarrollo (ALIDE) [en línea] disponible en: https://www.findevgateway.org/es/publicacion/2014/02/la-banca-de-desarrollo-y-la-creacion-de-productos-para-la-inclusion-financiera [consulta: 15 julio 2022].
Cardona, D. (2020). Revisión bibliográfica sobre inclusión financiera como estrategia de recuperación y de crecimiento Fintech. Semestre Económico, 23(55), 183-203.
Cardona-Ruiz, D., Hoyos-Alzate, A., Saavedra-Caballero, S. (2018). Género e inclusión financiera en Colombia. Ecos de Economía, 22(46), 60-90.
Cardona-Valencia, D. (2020). Revisión bibliográfica sobre inclusión financiera como estrategia de recuperación y de crecimiento Fintech. Semestre Económico, 23(55), 183-203.
Corlett, W. J., Aigner, D. J. (1972). Basic Econometrics. The Economic Journal, 82(326), 770.
Dorfleitner, G., Hornuf, L., Schmitt, M., Weber, M. (2017). The FinTech Market in Germany. In: FinTech in Germany. Cham: Springer, 13-46
Dreiseitl, S., Ohno-Machado, L. (2002). Logistic regression and artificial neural network classification models: a methodology review. Journal of Biomedical Informatics, 35(5-6), 352-359.
Fernandes, D., Lynch, J. G., Netemeyer, R. G. (2014). Financial literacy, financial education, and downstream financial behaviors. Management Science, 60(8), 1861-2109.
Fernández, V. P., Fernández, R. S. M. (2004). Regresión logística multinomial. Cuadernos de la Sociedad Española de Ciencias Forestales, 18, 323-327.
Fisch, J. E., Lusardi, A., Hasler, A. (2019). Defined contribution plans and the challenge of financial illiteracy. Cornell Law Review, 105, 741.
Garavito-Acosta, A. L., Collazos-Gaitán, M. M., Hernández-Bejarano, M. D., Montes-Uribe, E. (2019). Migración internacional y determinantes de las remesas de trabajadores en Colombia. Borradores de Economía, 1066, 1-53.
Hu, L.-t., Bentler, P. M., Kano, Y. (1992). Can test statistics in covariance structure analysis be trusted? Psychological Bulletin, 112(2), 351-362.
Hu, Y., Liu, C., Peng, J. (2021). Financial inclusion and agricultural total factor productivity growth in China. Economic Modelling, 96, 68-82.
Huston, S. J. (2010). Measuring financial literacy. Journal of Consumer Affairs, 44(2), 296-316.
Koomson, I., Villano, R. A., Hadley, D. (2020). Effect of financial inclusion on poverty and vulnerability to poverty: Evidence using a multidimensional measure of financial inclusion. Social Indicators Research, 149(2), 613-639.
Kriegeskorte, N., Golan, T. (2019). Neural network models and deep learning. Current Biology, 29(7), 231-236.
Krogh, A. (2008). What are artificial neural networks? National Biotechnology, 26, 195-197.
LeCun, Y., Bottou, L., Bengio, Y., Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(1), 2278-2324.
López-Lapo, J. L., Hernández Ocampo, S. E., Peláez Moreno, L. E., Sarmiento Castillo, G. del P., Peña Vélez, M. J., Cueva Jiménez, N. C., Sánchez Loor, J. P. (2022). Educación financiera en América Latina. Ciencia Latina Revista Científica Multidisciplinar, 6(1), 3810-3826.
Lusardi, A. (2019). Financial literacy and the need for financial education: evidence and implications. Swiss Journal of Economics and Statistics, 155, 1.
Melo-Becerra, L. A., Téllez-Corredor, J. P., Zárate-Solano, H. M. (2006). El ahorro de los hogares en Colombia. Ensayos Sobre Política Económica, 24(52), 110-161.
Nagelkerke, N. J. D. (1991). A note on a general definition of the coefficient of determination. Biometrika, 78(3), 691-692.
Orazi, S., Martínez, L. B., Vigier, H. P. (2019). La inclusión financiera en América Latina y Europa. Ensayos de Economía, 29(55), 181-204.
Paul, P., Pennell, M. L., Lemeshow, S. (2013). Standardizing the power of the Hosmer-Lemeshow goodness of fit test in large data sets. Statistics in Medicine, 32(1), 67-80.
Pedroni, F. V., Pesce, G., Briozzo, A. (2022). Inclusión financiera, medios de pago electrónicos y evasión tributaria: análisis económico y aplicación en Argentina. Apuntes del Cenes, 41(73), 171-202.
Pitarque, A., Roy, J., Ruiz, J. C. (1998). Redes neurales vs modelos estadísticos: simulaciones sobre tareas de predicción y clasificación. Psicológica: Revista de Metodología y Psicología Experimental, 19, 387-400.
Ruiz Ramírez, H. (2011). Conceptos sobre educación financiera, Observatorio de la Economía Latinoamericana [en línea] disponible en: https://www.eumed.net/cursecon/ecolat/mx/2011/hrr.htm [consulta: 15 julio 2022].
San Martín, R., Isla, P., Melis, C. (2012). Preferencia temporal en el cerebro: una revisión crítica de las contribuciones de la neuroeconomía al estudio de la elección intertemporal. Trimestre Económico, 79(314), 449-473.
Sarma, M., Pais, J. (2011). Financial inclusion and development. Journal of International Development, 23(5), 613-628.
Sha’ban, M., Girardone, C., Sarkisyan, A. (2020). Cross-country variation in financial inclusion: a global perspective. European Journal of Finance, 26(4-5), 319-340.
Singh Gill, R. (2014). Neural networks in data mining. IOSR Journal of Engineering, 4(3), 01-06.
SPSS. (2018). User’s guide. Version 22. Clementine: SPSS Inc.
Téllez-León, I. E., Venegas-Martínez, F. (2016). Decisiones de consumo y portafolio con utilidad diferencial recursiva estocástica (UDRE): modelos alternativos. Econoquantum, 13(2), 51-75.
The World Bank. (2018). UFA2020 overview: universal financial [en línea] disponible en: https://www.worldbank.org/en/topic/financialinclusion/brief/achieving-universal-financial-access-by-2020 [consulta: 15 julio 2022].
The World Bank. (2021). The Global Findex Database 2021 [en línea] disponible en: https://www.worldbank.org/en/publication/globalfindex/Report [consulta: 15 julio 2022].
Titko, J., Ciemleja, G, Lace, N. (2015). Financial literacy of Latvian citizens: preliminary survey results. Procedia - Social and Behavioral Sciences, 213, 12-17.
United Nations. (2020). Shared responsibility, global solidarity: responding to the socio-economic impacts of COVID-19, United Nations [en línea] disponible en: https://unsdg,un,org/sites/default/files/2020-03/SG-Report-Socio-Economic-Impact-of-Covid19,pdf [consulta: 15 julio 2022].
Urueña Mejía, J. C. (2015). Inclusión financiera de Colombia. Revista Activos, 24, 141-151.
Vargas, I. F., dos Santos, N. P. (2021). A inclusão financeira por meio de plataformas digitais. Revista Da Procuradoria-Geral Do Banco Central, 14(2), 49-62.
Widyarti, E. T., Wahyudi, S., Hersugondo, H. (2021). Map of changes in abnormal return and trading volume activity: reviewing the effect of Ramadhan in Indonesia. Universal Journal of Accounting and Finance, 9(5), 1093-1102.
Direitos de Autor (c) 2023 Alejandro Valencia-Arias, Diana Pacheco, Daniel Cardona Valencia
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright
La Revista Técnica de la Facultad de Ingeniería declara que los derechos de autor de los trabajos originales publicados, corresponden y son propiedad intelectual de sus autores. Los autores preservan sus derechos de autoría y publicación sin restricciones, según la licencia pública internacional no comercial ShareAlike 4.0