Introducción
La vulnerabilidad financiera de la población adulta es un tema de suma
importancia para los formuladores de políticas públicas, para determinar las
acciones que les permita a las personas hacer frente a pérdidas de ingresos,
siendo necesario una evaluación a nivel micro
La vulnerabilidad financiera se encuentra estrechamente relacionada con la
exclusión financiera y la pobreza
Diversos estudios han mostrado que las mujeres enfrentan una brecha
salarial, esto se deriva en que las mujeres reciben un menor salario por el
mismo trabajo realizado por un hombre. Lo que provoca que tengan menos recursos
disponibles para sus gastos y para el ahorro en caso de quedarse sin empleo
Para el caso de México, se han realizado pocos estudios acerca de los
factores que determina la vulnerabilidad financiera a nivel microeconómico, uno
de estos es el trabajo de
La reducción de la vulnerabilidad financiera no solo incentiva el
crecimiento económico de los países sino la llamada salud financiera. Algunos
estudios muestran resultados que vincula la situación financiera de las
personas con emprendimiento, innovación tecnológica, alivio de pobreza,
distribución del ingreso y salud
Partiendo desde un enfoque microeconómico, diversos trabajos se han enfocado
en variables económicas, financieras y sociodemográficas que determinan la
vulnerabilidad financiera
Los hogares vulnerables no representan un riesgo sólo para la economía sino
también para ellos mismos por varias razones. La falta de estabilidad
financiera, la incapacidad de financiar el consumo y un mayor nivel de
endeudamiento afectan también el bienestar futuro y las características
psicológicas de los miembros del hogar. En relación con garantizar la
estabilidad financiera y reducir la vulnerabilidad de los hogares, la gestión
financiera personal se considera se suma importancia. Gestionar los recursos y
obtener control sobre la situación financiera permite a las personas tomar
mejores decisiones en beneficio del hogar
El presente trabajo realiza diversas contribuciones, en primer lugar, se aplica
un modelo econométrico logístico debido a que la variable dependiente vulnerabilidad
financiera es dicotómica y que se obtiene de la ENIF 2021
La presente investigación está organizada en cuatro partes; la primera es
una revisión de literatura en la cual se identifican las variables explicativas
que pueden ser utilizadas para determinar la vulnerabilidad financiera. En la segunda parte se define la
vulnerabilidad financiera y se desarrolla el método utilizado, donde claramente
aparece el modelo logístico como una modelación deseable debido a la naturaleza
dicotómica de la variable dependiente. En la tercera parte de la investigación
se presentan y analizan los resultados, y por último las conclusiones se
presentan en la cuarta parte de este trabajo.
Marco Teórico
La vulnerabilidad financiera se ha asociado con prácticas que llevan a los
hogares a contraer niveles de endeudamiento demasiado altos, con relación a su
capacidad de generar ingresos actuales y futuros
Analizar los factores mencionados en el párrafo anterior y su influencia en
la vulnerabilidad financiera, permite a las personas gestionar el riesgo
financiero de forma más eficaz
Según
Analizar los factores que determinan el grado de alfabetización financiera,
ayuda a las personas a identificar el riesgo que presenta su estabilidad económica.
Con esta información es posible que las personas puedan tomar medidas
preventivas para gestionar de mejor manera sus recursos y así poder hacer
frente a la perdida de sus ingresos por un periodo de tiempo largo, que les
permita gozar de salud financiera
En la literatura se puede encontrar diversos trabajos que señalan como determinante
de la vulnerabilidad financiera, factores económicos, socio demográficos
Dimensión o Factores Económicos
Asimismo, se considera como un activo la tenencia de celular o de un medio
móvil para el caso mexicano, ya que indica no solo la posibilidad de un ingreso
mayor sino en especial una mayor comunicación y educación que podría permitir
tomar mejores decisiones financieras que les permita enfrentar mejor las
turbulencias financieras
Dimensión social-demográfica
En esta dimensión, diversos trabajos consideran como determinantes
importantes de la vulnerabilidad financiera al género, la edad y el nivel
educativo. En el caso del género, las mujeres enfrentan dificultades como: la
brecha salarial o la interrupción en su desarrollo laboral debido a la
responsabilidad de cuidar a sus hijos o de algún familiar
La edad afecta de manera positiva a la vulnerabilidad financiera, ya que a
lo largo del ciclo de la vida las oportunidades de ingreso cambian. En las
primeras etapas, los ingresos de los jóvenes son bajos y enfrentan
inestabilidad laboral, esto no permite que puedan ahorrar o adquirir activos
reales y en consecuencia aumenta la probabilidad de enfrentar vulnerabilidad
financiera en alguna parte de esta etapa. Por otro lado, en la etapa adulta
media se van adquiriendo habilidades financieras y se consigue estabilidad
laboral, esto ayuda a que la vulnerabilidad financiera disminuya. Por último,
en la etapa adulta las personas mayores son dependientes de sus pensiones y los
problemas de salud aumentan, en consecuencia, las probabilidades de enfrentar
vulnerabilidad financiera son mayores
El nivel educativo afecta directamente a la estabilidad económica de una persona
u hogar, ya que influye positivamente en la posibilidad de conseguir un empleo
con mejor remuneración, lo que les permite ahorrar y desarrollar la habilidad
de gestionar de mejor manera sus recursos. Una mayor educación ayuda a
desarrollar habilidades en la toma de decisiones financieras y una mayor
alfabetización financiera, lo que reduce el riesgo de endeudamiento excesivo o
malas inversiones. Por otro lado, aquellos con baja educación consiguen empleos
con menores ingresos y cuentan con menos acceso a oportunidades económicas y
una mayor exposición a la inestabilidad financiera
Dimensión institucional y de comportamiento
Algunos trabajos argumentan que la falta de autocontrol (comportamiento) y
de alfabetización financiera son determinantes importantes para la vulnerabilidad
financiera
En el presente estudio, se considera cuatro variables asociadas a la
dimensión institucional y de comportamiento: la primera es la localidad, diferenciando
en las persona que vive en localidades de menos de quince mil habitantes (La Comisión
Nacional Bancaria la considera zona rural) o mayores a quince mil habitantes
(urbana); la segunda variable es la corresponsalía bancaria una figura legal
creada en México, donde se habilitan a tiendas o negocios de conveniencia
ubicados en zonas rurales principalmente (donde comúnmente no existe sucursales
bancarias), con la finalidad de que las personas pueden pagar servicios
financieros.
La tercera variable es el registro de ingresos y gastos como variable proxy
de la educación financiera, llevar un registro de sus ingresos y gastos permite
a las personas planificar mejor y por consiguiente incrementar sus ahorros
reduciendo los gastos innecesarios. Por último, la variable comportamiento
financiero definida con base a la metodología de la OECD (2018)
El presente trabajo considera diez variables de carácter microeconómico con
la finalidad de explicar los principales factores que determina la
vulnerabilidad financiera de las personas adultas en México y contribuir al
desarrollo de evidencia empírica.
Método
Datos
utilizados
Para el análisis de
la vulnerabilidad financiera en México se utiliza los datos de la ENIF 2021 y
con base en la pregunta 4.10 del cuestionario, formulada de la siguiente manera:
Si usted dejara de recibir ingresos ¿por cuánto tiempo podría cubrir sus gastos
con sus ahorros? la cual consta de siete opciones como respuesta (ver tabla del
anexo 1), se construyen dos categorías: menos vulnerable y más vulnerable. Las
personas en la categoría más vulnerable son las que no logran cubrir sus gastos
al menos por un mes.
Dicha encuesta fue
levantada por el Instituto Nacional de Estadística y Geografía (INEGI) con la
colaboración de la Comisión Nacional Bancaria y de Valores (CNBV), la muestra
seleccionada para la recolección de la información es representativa de toda la
población mexicana adulta a nivel nacional y regional, por sexo y tamaño de
localidad
Análisis descriptivo de los datos
de la muestra
Variable dependiente
La variable dependiente se
construye con base a la pregunta mencionada ¿Si usted dejara de recibir
ingresos ¿por cuánto tiempo podría cubrir sus gastos con sus ahorros? y los
datos que se aprecian en la Tabla 1, señalan que el 54.4% de la población
adulta se encuentran en la categoría más vulnerable, esta categoría está
formada por la unión de las
dos primeras opciones como respuesta he indican que, en caso de la pérdida de sus ingresos estás
personas no pueden cubrir sus gastos con sus ahorros al menos por un mes; la
segunda categoría denominada menos vulnerable se construye con las
respuesta tres, cuatro y cinco, las personas en esta categoría pueden cubrir
sus gastos por un tiempo mayor o igual a un mes (ver anexo 1).
Tabla
1
Porcentaje
de la población con mayor vulnerabilidad financiera
|
Nº |
Vulnerabilidad Financiera |
Frecuencia |
Porcentaje |
Porcentaje acumulado |
Observación |
|
0 |
Menos vulnerable |
5,944 |
45.53 |
45.53 |
Unión de las respuestas 3, 4 y
5 |
|
1 |
Más Vulnerable |
7,111 |
54.47 |
100.00 |
Unión de las respuestas 1 y 2 |
|
|
Total |
13,055 |
100.00 |
|
|
Fuente: Elaboración propia con base al ENIF 2021
Variables independientes
La información recabada de
la encuesta (véase Tabla 2) permite señalar que el 54.4% de la población son
mujeres, en el 56% predomina el ingreso variable, la mayoría de la población
tiene como nivel máximo de estudio la educación secundaria (55.5%) y, por
último, tan solo el 21.91% tienen estudios superiores. Con relación a la edad,
la mayoría de la población es relativamente joven, el 57.49% no supera la edad
de 45 años. La mayoría vive en localidades urbanas (mayores de 15 mil
habitantes) (63%), el 72% tiene celular y el 45.2% utiliza corresponsalía, lo
cual representa una alternativa que permite a las personas pagar ciertos
servicios en especial financieros, sin tener que recurrir a sucursales
bancarias, reduciendo los costos de transacción.
Las variables
independientes se sustentan en la revisión de literatura agrupándose en tres
dimensiones. La primera dimensión corresponde a la económica y está compuesta
por las siguientes variables: variabilidad del ingreso, tenencia de celular
y de activos; la segunda dimensión es la sociodemográfica y se refiere a
las variables: sexo, nivel de educación y edad; la última es la
dimensión institucional y comportamiento financiero conformada por las
variables: localidad (que puede ser urbana y rural), uso de corresponsales
bancarios, registro de ingresos y gastos,
y por último el comportamiento
financiero,
definido de acuerdo a la
Tabla 2
Datos estadísticos de las personas adultas
encuestadas
|
Sexo |
Frecuencia |
Porcentaje |
%Acumulado |
|
Mujer |
7,355 |
54.2 |
54.2 |
|
Hombre |
6,215 |
45.8 |
100 |
|
Total |
13,570 |
100 |
|
|
Variabilidad del ingreso |
Frecuencia |
Porcentaje |
%Acumulado |
|
Fijo |
3,656 |
44.30 |
44.30 |
|
Variable |
4,597 |
55.70 |
100.00 |
|
Total |
8,253 |
100.00 |
|
|
Nivel de Estudio |
Frecuencia |
Porcentaje |
%Acumulado |
|
Primaria |
3,682 |
27.13 |
27.13 |
|
Secundaria_Tec |
3,860 |
28.45 |
55.58 |
|
Prepa-Tec |
3,055 |
22.51 |
78.09 |
|
Estudios Superiores |
2,973 |
21.91 |
100 |
|
Total |
13,570 |
100 |
|
|
Tenencia Celular |
Frecuencia |
Porcentaje |
%Acumulado |
|
No |
3,796 |
27.97 |
27.97 |
|
Si |
9,774 |
72.03 |
100 |
|
Total |
13,570 |
100 |
|
|
Edad |
Frecuencia |
Porcentaje |
%Acumulado |
|
18-25 |
2,079 |
15.32 |
15.32 |
|
26-35 |
2,962 |
21.83 |
37.15 |
|
36-45 |
2,761 |
20.35 |
57.49 |
|
46-55 |
2,215 |
16.32 |
73.82 |
|
56-65 |
1,747 |
12.87 |
86.69 |
|
Mayor de 65 |
1,806 |
13.31 |
100 |
|
Total |
13,570 |
100 |
|
|
Ubicación hogar: localidad |
Frecuencia |
Porcentaje |
%Acumulado |
|
Menor de 15,000 |
4,996 |
36.82 |
36.82 |
|
Mayor de 15,000 |
8,574 |
63.18 |
100 |
|
Total |
13,570 |
100 |
|
|
Usa Corresponsalía |
Frecuencia |
Porcentaje |
%Acumulado |
|
Si
usa |
6,135 |
45.21 |
45.21 |
|
No corresponsal |
7,435 |
54.79 |
100.00 |
|
Total |
13,570 |
100.00 |
|
|
No tiene activos |
Frecuencia |
Porcentaje |
%Acumulado |
|
Tiene activos |
6,886 |
50.74 |
50.74 |
|
No tiene |
6,684 |
49.26 |
100.00 |
|
Total |
13,570 |
100.00 |
|
|
Registro de ingresos y gastos |
Frecuencia |
Porcentaje |
%Acumulado |
|
Lleva registro |
3,078 |
22.68 |
22.68 |
|
No lleva |
10,492 |
77.32 |
100.00 |
|
Total |
13,570 |
100.00 |
|
|
Variables Continuas |
Observaciones |
Media |
Desviación estándar |
|
Comportamiento |
13,570 |
49.50 |
20.32 |
Fuente: Elaboración propia con base al ENIF 2021
La Modelación
Con base a la
respuesta categórica de la variable dependiente, se construye un modelo
logístico, asignando el valor de 1 a las personas en la categoría más
vulnerables y cero a las personas en la categoría menos vulnerable.
Con base a ello se procede a realizar un modelo logístico.
Debido a que la
distribución de los datos no se ajusta a una distribución normal, el modelo de
regresión lineal no es apropiado. Aunado a esto, la variable vulnerabilidad
financiera es dicotómica por lo que, se utiliza un modelo logístico. De acuerdo con
Definiendo como en
Donde:
= probabilidad de ocurrencia del suceso.
(
) = probabilidad de
no ocurrencia del suceso
= constante o intercepto
(
, ... 
) son los coeficientes y
las variables independientes se encuentran representadas por (
, ... 
)
= error
Es así como, la
variable dependiente es el logaritmo de la ocurrencia, que para el presente trabajo
es la razón de la vulnerabilidad financiera. Es necesario transformar los
valores, que suponen eliminar el logaritmo del lado derecho de la igualdad y
ser expresado como un cociente de razón.
Validando el modelo
Con la finalidad de
validar la especificación del modelo logístico, se siguió la rutina recomendada
por académicos de la Universidad de California de los Ángeles (UCLA), que
permite analizar si el modelo está correctamente especificado, con el comando “linktest” del paquete de Stata. La idea es qué si el modelo
está correctamente especificado, uno no debería encontrar ningún predictor
adicional que sea estadísticamente significativo; “linktest”
usa el valor predicho lineal (_hat) y el valor
predicho lineal al cuadrado (_hatsq) como los
predictores para reconstruir el modelo.
La variable _hat debería ser un predictor estadísticamente
significativo, que es el caso del modelo que se ha corrido; ya que es el valor
predicho del modelo, si el modelo está correctamente especificado; en el caso
de la variable _hatsq (al cuadrado) no debería tener
mucho poder predictivo, lo que se aprecia en la Tabla 3; por lo que se
considera que el modelo esta adecuadamente especificado.
Tabla
3
Especificación
del modelo Final
|
Variable dependiente: Tiene mayor vulnerabilidad |
Coeficiente |
z |
P>|z| |
|
_hat |
0.996 |
29.330 |
0.000 |
|
_hatsq |
-0.025 |
-0.660 |
0.509 |
|
_cons |
0.013 |
0.420 |
0.676 |
Fuente: Elaboración propia, con base al ENIF
2021. Stata v.17
Asimismo, se corrió
la rutina de clasificación de la regresión logística, cuyo resultado fue 65% esto
indica el número de casos en los que la predicción coincide con la realidad, lo
que es un porcentaje adecuado
De igual forma se
analizó la independencia de las variables, realizándose la prueba de la
colinealidad conforme se aprecia en la Tabla 4. Los resultados muestran que las
variables son independientes ya que el factor de inflación de la varianza (VIF)
es un número alrededor de uno y se considera un valor elevado si es superior a
10
Tabla
4
Diagnóstico
de Colinealidad de las Variables independientes
|
Variable |
VIF |
|
Eigenval |
Index |
|
Sexo |
1.06 |
1 |
6.5988 |
1 |
|
Variabilidad de ingreso |
1.08 |
2 |
0.8938 |
2.7172 |
|
Nivel de Educación |
1.46 |
3 |
0.5784 |
3.3776 |
|
Tenencia de Celular |
1.3 |
4 |
0.4731 |
3.7345 |
|
Usa Corresponsalía |
1.08 |
5 |
0.4553 |
3.8071 |
|
Edad |
1.31 |
6 |
0.4116 |
4.0038 |
|
Registro de Ingresos y gastos |
1.13 |
7 |
0.2797 |
4.857 |
|
Activos |
1.17 |
8 |
0.1693 |
6.2439 |
|
Localidad |
1.14 |
9 |
0.0926 |
8.4433 |
|
|
|
10 |
0.0474 |
11.7991 |
|
Mean VIF |
1.19 |
|
Índice de Condición |
11.7991 |
Fuente:
Elaboración propia, con base al ENIF 2021. Stata v.17
En resumen, se
construyó el modelo logístico de mayor vulnerabilidad financiera con diez
variables independiente, de las cuales se elimina el comportamiento financiero
al no ser significativa. En la siguiente sección, se muestran los resultados
del modelo final.
Resultados
La modelación da como
resultados que las variables que determinan la mayor vulnerabilidad financiera en
la población mexicana adulta son: el sexo, la variabilidad del ingreso, la
localidad, el nivel de estudios, la edad, la tenencia de celular, el uso de las
corresponsalías, el registro de ingresos y gastos, y
por último, la tenencia de activos. La Tabla 5 muestra los resultados del
modelo final.
Con la finalidad de
facilitar la interpretación y discusión de resultados, se procede a realizar la
interpretación con base en los odds ratios de
probabilidad, que transforma los coeficientes de la regresión logística en
términos de cocientes de razones o de odds ratios (el
software estadístico utilizado es el Stata v. 17).
Tabla
5
Modelo
Final
Determinantes
de la Vulnerabilidad Financiera
|
|
Mayor Vulnerabilidad |
Odds ratio |
z |
P>|z| |
|
1 |
Sexo |
|||
|
|
Mujer |
1.248 |
4.450 |
0.000 |
|
2 |
Variabilidad del ingreso |
|||
|
|
Variable |
1.228 |
4.150 |
0.000 |
|
3 |
Localidad |
|||
|
|
Mayor de 15,000 |
1.127 |
2.240 |
0.025 |
|
4 |
Nivel de Estudios |
|||
|
|
Prepa-Tec |
1.690 |
7.520 |
0.000 |
|
|
Secundaria-Tec |
2.386 |
12.500 |
0.000 |
|
|
Primaria |
2.751 |
11.930 |
0.000 |
|
5 |
Edad |
|||
|
|
26-35 |
1.086 |
1.070 |
0.285 |
|
|
36-45 |
1.303 |
3.290 |
0.001 |
|
|
46-55 |
1.398 |
3.850 |
0.000 |
|
|
56-65 |
1.645 |
4.850 |
0.000 |
|
|
Mayor de 65 |
1.484 |
2.840 |
0.004 |
|
6 |
Tenencia de Celular |
|||
|
|
No tiene celular |
1.639 |
7.220 |
0.000 |
|
7 |
Usa Corresponsalía |
|||
|
|
No corresponsal |
1.171 |
3.200 |
0.001 |
|
8 |
Registro de Ingresos y gastos |
|||
|
|
No lleva |
2.034 |
12.160 |
0.000 |
|
9 |
Activos |
|||
|
|
No tiene activos |
1.353 |
5.800 |
0.000 |
|
|
_constante |
0.137 |
-18.710 |
0.000 |
|
|
Correctamente clasificado |
65.06% |
|
|
Fuente: Elaboración propia. Stata (v17) logit mas_vulne i.mujer_r i.fijo_vol i.urbano
i.nivel_vol
i.edad_r i.cel_vol i.corres_vol i.registro_vo i.no_activos,
or
Discusión de
resultados
La primera variable considerada
es el sexo, donde se aprecia que la mujer es 1.25 veces más probable que se
encuentre en una condición de mayor vulnerabilidad financiera que el hombre,
confirmando los resultados obtenidos por
Asimismo, la persona
que tiene un ingreso variable es 1.22 veces más probable que se encuentre en
situación de vulnerabilidad financiera, con relación a aquel que percibe un
ingreso con una periodicidad fija
Siguiendo las ideas
de
De igual forma, el
cociente de razón de ser más probable de contar con mayor vulnerabilidad
financiera son las personas que no tienen celular con 1.64 veces (con relaciona
aquel que tiene celular). Esto se explica en parte porque aquellas personas que
no tienen suficientes ingresos no pueden adquirir dicho dispositivo y por
consecuencia no pueden realizar pagos o movimientos financieros con algún
dispositivo móvil
Las personas que no
usan corresponsalía bancaria es 1.17 veces más probables que se encuentren en
mayor vulnerabilidad financiera, que aquellos que usan las corresponsalías. Se
entiende que las corresponsalías fueron creadas como una forma de propiciar una
mayor inclusión financiera para aquellas personas que vivían en localidades de
menos de quince mil habitantes, donde muchas veces no existe oficinas
bancarias, con la finalidad de facilitar el pago de servicios financieros.
Las personas adultas
en México que no llevan un registro de ingresos y gastos es 2.0 veces más
probable que se encuentren en una situación de mayor vulnerabilidad financiera,
que es una de las variables que tiene un efecto relativamente mayor juntamente
con el nivel de educación. Esto se explica porque dicha variable representa un
menor conocimiento financiero, por lo cual, las personas tienen una alta
probabilidad de no llevar un control adecuado de sus gastos y, por lo tanto, su
capacidad de ahorro disminuye para hacer frente a imprevistos
En línea con los
resultados de
La variable que no
fue significativa es la de comportamiento financiero, esto se explica por el bajo
valor promedio de la población adulta (49.5 puntos sobre 100), por lo que, no
influye en una mayor o menor vulnerabilidad financiera.
Conclusiones
De acuerdo con los
resultados que se aprecian en forma resumida en el Tabla del anexo 2 (columna
4), esta señala los odds ratios (cociente de razones)
que se desarrolló en la discusión de resultados; en la columna siguiente (5)
nos indica el cambio de razones ante un incremento de la variable independiente
de una desviación típica. Esto permite la comparación entre todas las variables
y nos permite afirmar que variables explicativas tiene un mayor efecto en la
dependiente
La variable que tiene
el mayor impacto en tener mayor vulnerabilidad financiera de los adultos en
México es la educación, las personas con menor nivel de instrucción es más
probable que sean vulnerables financieramente, es decir, que si dejara de
percibir ingresos no pueden cubrir sus gastos al menos por un mes con sus
ahorros. Este resultado coincide con el trabajo de Arellano et al., (2019), en
la que se concluye que la probabilidad de ser menos vulnerables es mayor para
los consumidores mejor educados en comparación con aquellos con niveles
educativos más bajos. Resultados similares tambien se
da en España (Alvarez-Espiño et al. 2023), así como
en Malasia (Daud, S. 2018) entre otros.
Otras variables que
determinan la vulnerabilidad financiera son: registro de ingresos y gastos, en
la que las personas que no llevan registro tienen un efecto de incremento de
cociente de razones en 1.37 (mayor vulnerabilidad), este resultado puede coincidir
con el trabajo desarrollado en España por (Alvarez-Espiño
et al. 2023), en la que se señala que una mayor alfabetización disminuye la
vulnerabilidad financiera.
La siguiente variable
es la no tenencia de celular inteligente, que puede ser considerada como una variable
proxy de los ingresos, otra variable es la edad en especial en el rango de 56 a
65 años; siendo el rango de menor vulnerabilidad financiera las personas más jóvenes
(18 a 26 años) cuyo resultado constata con el trabajo de Malasia (Daud, S. 2018), quien señala que la mayor vulnerabilidad
financiera corresponde a aquellas personas de edades más bajas.
En el trabajo de
Arellano et al., (2019), referente a la vulnerabilidad financiera en España y
el País Vasco, se señala que la propiedad de una vivienda permite a las
personas tener una menor vulnerabilidad financiera y por último aquellos
hogares que no tienen otras propiedades inmobiliarias son altamente
vulnerables, resultado similar en México ya que la falta de activo explica la
mayor vulnerabilidad financiera de las personas.
Los resultados
muestran que por la condición de ser mujer es más probable que tenga una mayor
vulnerabilidad financiera que los hombres, resultado similar en otros países
como en España y en América del Sur (Arellano et al. 2021, Arellano et al.
2029), sin embargo, en Malasia el resultado no tiene un efecto significativo.
En el caso de México, esto se explica por la diferencia de ingresos, que
permite a los hombres contar con mayor ahorro y activos, que les permite
reducir su vulnerabilidad financiera. Este resultado se valida además con la Encuesta
Nacional Sobre Salud Financiera (ENSAFI)
Las últimas dos
variables que tienen un menor efecto sobre la vulnerabilidad son: el ingreso
fijo lo cual se explica en función de que las mayorías de las personas tienen
ingreso variable (55.7%), por lo cual, adoptan medidas que les permita cubrir
sus gastos durante la época en la que no perciben ingresos. La última es el uso
de corresponsalías, que son empresas de conveniencia que permite a las personas
pagar ciertos servicios, por lo que, aquellos que no lo usan tienen una mayor
vulnerabilidad financiera, que puede ser explicado como consecuencia de que es más
probable que vivan en localidades lejanas y por lo tanto tienen menores
ingresos
En resumen, la mayor
vulnerabilidad financiera en México está determinado por diversos factores,
pero en especial tiene un mayor efecto la educación (nivel de instrucción y
registro de ingresos y gastos), por lo que las acciones de política pública que
contribuyan a una mayor educación formal y financiera contribuyen en forma
efectiva a reducir la vulnerabilidad financiera de los adultos. Una de las
tareas relevantes por parte de las instituciones, es promover acciones de políticas
públicas que promueva el mayor conocimiento financiero, lo que contribuye a que
las personas puedan tomar mejores decisiones financieras, esto con la finalidad
de cubrir sus gastos tomando en cuenta su nivel de ingreso.
Referencias
Agénor, P.-R., & Canuto, O.
(2017). Access to
finance, product innovation and middle-income traps. Research in Economics,
71(2), 337–355. https://doi.org/10.1016/j.rie.2017.03.004
Álvarez-Espiño, M., Rey-Ares, L., &
Fernández-López, S. (2023). Financial vulnerability in Spain: analysis from a
gender perspective. Generos, 12(2), 163–200.
https://doi.org/10.17583/generos.11089
Anderloni, L., Bacchiocchi, E., & Vandone, D. (2012). Household financial vulnerability: an
empirical analysis. Research in Economics, 66(3), 284–296.
https://doi.org/10.1016/j.rie.2012.03.001
Arellano, A., & Cámara, N. (2020). Vulnerabilidad financiera de los hogares ante la COVID-19: una perspectiva global. https://www.bbvaresearch.com/publicaciones/vulnerabilidad-financiera-de-los-hogares-ante-la-covid-19-una-perspectiva-global/
Arellano, A., & Cámara, N. (2021). Vulnerabilidad financiera de los hogares: evidencia para el país Vasco y el resto de España (Traducción). Ekonomiaz, 100(2), 94–119. https://www.euskadi.eus/web01-a2reveko/es/k86aEkonomiazWar/ekonomiaz/abrirArticulo?idpubl=97®istro=10
Arellano, A.,
Cámara, N., & Mejía, D. (2019). Disentangling vulnerability through consumer
behavior: the role of financial health (19/11).
https://www.bbvaresearch.com/wp-content/uploads/2019/08/WP_Financial_Health_Vulnerability_0812.pdf
Auricchio, B., Lara, E., Mejía, D., Remicio, P., & Valdez, M. (2022). Capacidades financieras de las mujeres. Brechas de género en las encuestas de capacidades financieras de CAF: Brasil, Colombia, Ecuador y Perú. https://scioteca.caf.com/handle/123456789/1875
Azeez, N. P. A., & Akhtar,
S. M. J. (2021). Digital
Financial Literacy and Its Determinants: An Empirical Evidences
from Rural India. South Asian Journal of Social Studies and Economics,
8–22. https://doi.org/10.9734/sajsse/2021/v11i230279
Azzopardi, D., Fareed, F., Lenain,
P., & Sutherland, D. (2019). Assessing household financial vulnerability:
empirical evidence from the U.S. using machine learning. In OECD Economic
Survey of the United States: Key Research Findings.
https://doi.org/10.1787/75c63aa1-en
Beckmann, E. (2013). Financial Literacy and
Household Savings in Romania. Numeracy, 6(2).
https://doi.org/10.5038/1936-4660.6.2.9
Brüggen, E. C., Hogreve,
J., Holmlund, M., Kabadayi, S., & Löfgren, M.
(2017). Financial well-being: A conceptualization and research agenda. Journal
of Business Research, 79, 228–237.
https://doi.org/10.1016/j.jbusres.2017.03.013
CFPB. (2017). CFPB Financial well-being
scale.
https://www.consumerfinance.gov/data-research/research-reports/financial-well-being-scale/
Chipunza, K. J., & Fanta, A.
B. (2023). Quality
financial inclusion and financial vulnerability. International Journal of
Consumer Studies, 47(2), 784–800.
https://doi.org/10.1111/ijcs.12871
CNBV. (2021). Reporte de resultados ENIF 2021. https://www.cnbv.gob.mx/Inclusi%C3%B3n/Anexos%20Inclusin%20Financiera/Reporte_Resultados_ENIF_2021.pdf
CNBV, & INEGI. (2021). Encuesta Nacional de Inclusión Financiera (ENIF) 2021. Instituto Nacional de Estadística y Geografía. https://www.inegi.org.mx/programas/enif/2021/
Dabla-Norris, E., Ji, Y., Townsend, R.,
& Filiz-Unsal, D. (2015). Identifying constraints to financial
inclusion and their impact on GDP and inequality: a structural framework for
policy. https://www.imf.org/en/Publications/WP/Issues/2016/12/31/Identifying-Constraints-to-Financial-Inclusion-and-Their-Impact-on-GDP-and-Inequality-A-42649
Daud, S. N. M., Marzuki, A., Ahmad, N., & Kefeli, Z.
(2019). Financial vulnerability and its determinants: survey evidence from
Malaysian households. Emerging Markets Finance and Trade, 55(9),
1991–2003. https://doi.org/10.1080/1540496X.2018.1511421
Del-Río-Chivardi, A., Suárez-Luengas, J., & Castro-Solares, C. E. (2019). Estudios de inclusión financiera: Alfabetización financiera en México. https://www.gob.mx/cms/uploads/attachment/file/613908/01_Indice_de_Alfabetizacion.pdf
Demirguc-Kunt, A., Klapper, L., &
Singer, D. (2017). Financial Inclusion and Inclusive Growth A Review of
Recent Empirical Evidence. http://econ.worldbank.org.
Díaz, D. F., Di Giannatale, S., & Rojas, I. (2023). Financial vulnerability and financial instruments: evidence from Mexico. Sobre México. Temas de Economía, 4(8), 94–134. http://repositorio-digital.cide.edu/handle/11651/4723.
Escobar-Mercado,
M., Fernández-Macías, E., & Bernardi, F. (2012). Análisis de datos
con Stata.
Evans, O. (2018). Connecting the poor: the
internet, mobile phones and financial inclusion in Africa. Digital Policy,
Regulation and Governance, 20(6), 568–581.
https://doi.org/10.1108/DPRG-04-2018-0018
French, D., McKillop, D., & Stewart, E.
(2020). The effectiveness of smartphone apps in improving financial
capability. The European Journal of Finance, 26(4–5), 302–318.
https://doi.org/10.1080/1351847X.2019.1639526
González-Núñez, J. C., & García-de-Alba C., H. (2016). Un análisis econométrico del ahorro y seguros formales en la población urbana y rural en México. Economía Coyuntural, Revista de Temas de Coyuntura y Perspectiva, 2(1), 73–111. http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S2415-06222016000300004
González-Núñez,
J., Mariné-Osorio, F. J., & Domínguez, S. (2024). Financial literacy is a construct: an ordered
logit approximation in Mexico. Cogent Economics & Finance, 12(1).
https://doi.org/10.1080/23322039.2024.2391941
Gujarati, D. N., & Porter, D. C. (2010). Econometría. In Mc Graw Hill (Vol. 59).
https://anahuac.primo.exlibrisgroup.com/permalink/52ANAHUAC_INST/12ghpp2/alma990001497100205016
Heidhues, P., & Kőszegi, B. (2010). Exploiting naïvete about self-control in the credit market. American Economic Review, 100(5), 2279–2303. https://doi.org/10.1257/aer.100.5.2279
INEGI. (2023, June). Encuesta Nacional Sobre Salud Financiera. Instituto Nacional de Estadística y Geografía. https://www.inegi.org.mx/programas/ensafi/2023/
Irshad Ahmad Reshi, & Dr T. Sudha. (2023).
The gender pay gap and its impact on women´s economic
empowerment. MORFAI JOURNAL, 3(1), 9–16.
https://doi.org/10.54443/morfai.v3i1.742
Kim, D.-W., Yu, J.-S., & Hassan, M. K.
(2018). Financial inclusion and economic growth in OIC countries. Research
in International Business and Finance, 43, 1–14.
https://doi.org/10.1016/j.ribaf.2017.07.178
Kutasi, G., Lőrincz,
A., & Szabó, E. (2019). Impact of Savings on Capitalization: Case of Southeast Asian Economies.
European Journal of Business Science and Technology, 5(1),
30–40. https://doi.org/10.11118/ejobsat.v5i1.155
Lee, M. P.,
& Sabri, M. F. (2017). Review of financial vulnerability studies. Archives
of Business Research, 5(2). https://doi.org/10.14738/abr.52.2784
Loke, Y. J. (2017). Financial vulnerability of
working adults in Malaysia. Contemporary Economics, 11(2),
205–218. https://doi.org/10.5709/ce.1897-9254.237
Long, J. S., & Freese, J. (2014).
Regression Models for Categorical Dependent Variables Using STATA. In Sociology
The Journal Of The British Sociological Association (Third Edition).
Stata Press.
https://www.stata.com/bookstore/regression-models-categorical-dependent-variables/
Lusardi, A., & Tufano, P. (2009,
November). Teach workers about the perils of debt. Harvard Business
Review. https://hbr.org/2009/11/teach-workers-about-the-perils-of-debt
May, O., Tudela, M., & Young, G. (2004). British
household indebtedness and financial stress: a household-level picture
(Winter).
https://www.bankofengland.co.uk/quarterly-bulletin/2004/q4/british-household-indebtedness-and-financial-stress-a-household-level-picture
Meier, S., & Sprenger, C. (2010).
Present-biased preferences and credit card borrowing. American Economic
Journal: Applied Economics, 2(1), 193–210.
https://doi.org/10.1257/app.2.1.193
Noerhidajati, S., Purwoko, A. B., Werdaningtyas, H., Kamil, A. I., & Dartanto,
T. (2021). Household financial vulnerability in Indonesia: measurement and
determinants. Economic Modelling, 96, 433–444.
https://doi.org/10.1016/j.econmod.2020.03.028
OECD. (2018). Oecd/Infe Toolkit For Measuring
Financial Literacy And Financial Inclusion.
Poh, L. M., Sabri, M. F., Rahim, H. A., &
Wijekoon, R. (2021). Determinants of financial vulnerability among civil
servants in Peninsular Malaysia. Malaysian Journal of Consumer and Family
Economics, 27, 113–143.
https://www.researchgate.net/publication/354224211
Ren, B., Li, L., Zhao, H., & Zhou, Y.
(2018). The financial exclusion in the development of digital finance: A study
based on survey data in the Jingjinji rural area. The
Singapore Economic Review, 63(01), 65–82.
https://doi.org/10.1142/S0217590818500017
Ribaj, A., & Mexhuani,
F. (2021). The impact of savings on economic growth in a developing country
(the case of Kosovo). Journal of Innovation and Entrepreneurship, 10(1),
1. https://doi.org/10.1186/s13731-020-00140-6
Riitsalu, L., & Murakas,
R. (2019). Subjective financial knowledge, prudent behaviour
and income. International Journal of Bank Marketing, 37(4),
934–950. https://doi.org/10.1108/IJBM-03-2018-0071
Roa, M. J., Di Giannatale,
S., Villegas, A., & Barboza, J. (2023). Are women more financially
vulnerable than men? A tale of missed economic opportunities from Latin
America. Development Policy Review, 41(6).
https://doi.org/10.1111/dpr.12725
Seldal, M. M. N., & Nyhus, E. K. (2022).
Financial Vulnerability, Financial Literacy, and the Use of Digital Payment
Technologies. Journal of Consumer Policy, 45(2), 281–306.
https://doi.org/10.1007/s10603-022-09512-9
Šubová, N., Mura, L., & Buleca, J. (2021). Determinants of household financial
vulnerability: evidence from selected EU countries. E a M: Ekonomie a Management, 24(3), 186–207.
https://doi.org/10.15240/TUL/001/2021-3-011
Tang, C. F., & Abosedra,
S. (2024). The influences of telecommunication technology and gender
differences on private savings in the Asia–Pacific region. Asia-Pacific
Journal of Business Administration, 16(3), 575–588.
https://doi.org/10.1108/APJBA-01-2022-0040
Trabelsi, M., & Cherif, M. (2017). Capital
account liberalization and financial deepening: does
the private sector matter? The Quarterly Review of Economics and Finance,
64, 141–151. https://doi.org/10.1016/j.qref.2016.08.001
Treanor, M. (2016). The effects of financial vulnerability and mothers’ emotional distress on child social, emotional and behavioural well-being: a structural equation model. Sociology, 50(4), 673–694. https://doi.org/10.1177/0038038515570144
Van, L.
T.-H., Vo, A. T., Nguyen, N. T., & Vo, D. H. (2021). Financial Inclusion and Economic
GROWTH: An International Evidence. Emerging
Markets Finance and Trade, 57(1), 239–263.
https://doi.org/10.1080/1540496X.2019.1697672
Van Nguyen, H., Ha, G. H., Nguyen, D. N.,
Doan, A. H., & Phan, H. T. (2022). Understanding Financial Literacy and
Associated Factors Among Adult Population in a Low-Middle Income Country. Heliyon, 8(6). https://doi.org/10.1016/j.heliyon.2022.e09638
Yusof, S. A., Rokis, R. A., & Jusoh, W. J. W. (2015). Financial fragility of urban households in Malaysia. Jurnal Ekonomi Malaysia, 49(1), 15–24. https://doi.org/10.17576/JEM-2015-4901-02
Anexos
Anexo 1
Cuanto tiempo
puede cubrir sus gastos con sus ahorros
|
|
Si usted dejara de
recibir ingresos ¿Cuánto tiempo podría cubrir sus gastos? |
Frecuencia |
Porcentaje |
Porcentaje acumulado |
|
1 |
Menos de una
semana/ No tiene ahorros |
4,537 |
33.43 |
33.43 |
|
2 |
Al menos una semana,
pero menos de un mes |
2,574 |
18.97 |
52.40 |
|
3 |
Al menos un mes,
pero menos de tres meses |
3,386 |
24.95 |
77.35 |
|
4 |
Al menos tres
meses, pero menos de seis meses |
1,240 |
9.14 |
86.49 |
|
5 |
Seis meses o mas |
1,318 |
9.71 |
96.20 |
|
6 |
No responde |
88 |
0.65 |
96.85 |
|
7 |
No sabe |
427 |
3.15 |
100.00 |
|
|
Total |
13,570 |
100.00 |
|
Fuente: Elaboración propia con base al ENIF 2021
Anexo 2
Listado de
Significancia estadística, Cociente de razones (odds
ratios) y
Cambio de
Cocientes
|
|
Variables |
P>|z| |
e^b
(cociente de razones) |
e^bStdX
(cambio de cocientes) |
Mayor Efecto Ranking |
|
|
|
|
(4) |
(5) |
(6) |
|
|
Sexo: Hombre |
1.000 |
|
||
|
1 |
Mujer |
0.000 |
1.248 |
1.12 |
6 |
|
|
Variabilidad del ingreso: Fijo |
1.000 |
|
||
|
2 |
Variable |
0.000 |
1.228 |
1.11 |
7 |
|
|
Localidad: < 15,000 |
1.000 |
|
||
|
3 |
Mayor de 15,000 |
0.025 |
1.127 |
1.06 |
9 |
|
|
Nivel de Estudios: Superior |
1.000 |
|
||
|
|
Prepa-Tec |
0.000 |
1.690 |
1.26 |
|
|
|
Secundaria-Tec |
0.000 |
2.386 |
1.49 |
|
|
4 |
Primaria |
0.000 |
2.751 |
1.51 |
1 |
|
|
Edad: 18 a 26 |
1.000 |
|
||
|
|
26-35 |
0.285 |
1.086 |
1.04 |
|
|
|
36-45 |
0.001 |
1.303 |
1.12 |
|
|
|
46-55 |
0.000 |
1.398 |
1.14 |
|
|
|
56-65 |
0.000 |
1.645 |
1.17 |
5 |
|
5 |
Mayor de 65 |
0.004 |
1.484 |
1.09 |
|
|
|
Tenencia de celular: Si |
1.000 |
|
||
|
6 |
No tiene celular |
0.000 |
1.639 |
1.22 |
3 |
|
|
Usa Corresponsalía: Si |
1.000 |
|
||
|
7 |
No corresponsal |
0.001 |
1.171 |
1.08 |
8 |
|
|
Registro de ingresos y gastos: Si lleva |
|
1.000 |
|
|
|
8 |
No lleva |
0.000 |
2.034 |
1.37 |
2 |
|
|
Activos: Tiene |
1.000 |
|
||
|
9 |
No tiene activos |
0.000 |
1.353 |
1.16 |
4 |
|
|
constante |
0.000 |
. |
. |
|
Fuente: Elaboración propia con base al ENIF 202.
Nota () indica columnas