DETERMINANTES SOCIODEMOGRÁFICOS DE LA ......las variables sociodemográficas de los hogares peruanos que afectan la probabilidad de que un hogar cuente con un crédito. Ambos estudios

5

DETERMINANTES SOCIODEMOGRÁFICOS DE LA PROBABILIDAD DE ACCESO AL CRÉDITO Y MICROCRÉDITO DE LA POBLACIÓN RURAL

DEL PERÚ Sociodemographic determinants of the probability of access to credit and microcredit of

the rural population of Perú

[Recepción: Junio 2017/ Conformidad: Octubre 2017]

Paola del Águila Chistama1 RESUMEN Esta investigación busca identificar los determinantes sociodemográficos de la probabilidad de que una persona perteneciente a la población rural del Perú, pueda acceder a un crédito o microcrédito. Para ello se utilizó la información de la Encuesta Nacional de Hogares (ENAHO) del año 2016. Para la estimación econométrica correspondiente, se utilizó el modelo Probit y el programa estadístico Stata. Los resultados hallados indican que la probabilidad de acceso al crédito o microcrédito es mayor en la medida en que la persona posea un mayor nivel del ingreso monetario, cuente con un empleo formal, posea alguna vivienda con título, haya alcanzado un mayor nivel de educación y que tenga cónyuge; la probabilidad es menor en tanto que sea mayor el número de miembros que integran el hogar. Palabras clave: Determinantes sociodemográficos, crédito, microcrédito, modelo Probit. Clasificación JEL: G20, G21 ABSTRACT This research aims to identify the sociodemographic determinants of the probability that an individual belonging to peruvian rural population can access a loan or microcredit. To achieve this the information from the National Household Survey 2016 (ENAHO) was used. To process and analyze the data the Probit model and the Stata statistical program were used. The results indicate that the probability of access to credit or microcredit is greater insofar as the person has a higher level of monetary income, has a formal job, holds a land tenure, has a higher level of education and has a spouse. On the contrary, the probability is lower as the number of members of the household rises. Keywords: Sociodemographic determinants, credit, microcredit, probit model.

1 Estudiante de Pregrado, Facultad de Ciencias Económicas de la Universidad Nacional del Callao, Callao, Perú. E-mail: [email protected]

REVISTA DE LA UNIDAD DE INVESTIGACIÓN DE LA FACULTAD DE CIENCIAS ECONÓMICAS

6

1. Introducción El desarrollo del sector financiero y microfinanciero en el Perú ha alcanzado mayor crecimiento en los últimos años, siendo considerado como el país con las mejores condiciones de negocios para las finanzas y microfinanzas a nivel mundial (Quispe, León y Contreras, 2012). Este servicio impulsa la acumulación de capital físico y humano, así como el bienestar de los hogares y la productividad de las firmas (CAF 2011), además permite que los pobres accedan a los mercados e incrementen sus oportunidades (Banco Mundial, 2001), demostrando que el avance del sistema financiero en conjunto se encuentra correlacionado positivamente con el desarrollo económico (Jaramillo y Aparicio, 2012).

Con respecto al sistema microfinanciero en particular, este viene desarrollandose considerablemente en el sector rural, pues acceder a un crédito de monto pequeño les permite tener recursos para satisfacer sus necesidades de consumo o inversión. La población que recibe dicho servicio se beneficia, generando un mejor nivel de vida a su comunidad. Es así que el microcrédito se ha convertido en una de las herramientas más importantes para combatir la pobreza y mejorar el bienestar de las familias (Nader, 2008).

A pesar de ello, aún hay gran parte de población de las zonas rurales que no

pueden acceder a un microcrédito, o peor aún a un crédito, comenzando con que las personas de dichas zonas no suelen tener incentivos de solicitar financiamiento, pues la solicitud de créditos fue ligeramente superior en el área urbana, con una diferencia mayor en el departamento de La Libertad (27.8% vs.15.5% del área rural). Ante esto, es pertinente realizar estudios que ayuden a identificar los diferentes factores que influyen en la posibilidad de alcanzar un préstamo, a los cuáles se le debe dar mayor importancia, para lograr que el sistema microfinanciero y financiero se expandan, y así lograr mejores estándares internacionales. Entender los factores que determinan el acceso de los hogares al crédito es importante para diseñar políticas encaminadas a reducir la pobreza, especialmente en países de bajos ingresos (Ibrahim y otros, 2007); sin embargo, estos esfuerzos se han visto obstaculizados por la poca disponibilidad de información a nivel del hogar.

En el Perú no se han desarrollado estudios sistemáticos para estimar la demanda de créditos y microcréditos, pero existen algunas investigaciones que se enfocan en factores sociodemográficos como determinantes del acceso a este servicio, tanto en la zona rural como urbana. Una de esas investigaciones es la realizada por Dunn (1999), donde los resultados revelan muchas de las características sociodemográficas de los microempresarios de Lima como factores influyentes del alcance de un microcrédito. A esto se le suma el trabajo realizado por Portocarrero y otros (2002), donde buscó identificar las variables sociodemográficas de los hogares peruanos que afectan la probabilidad de que un hogar cuente con un crédito. Ambos estudios coinciden con que las variables edad, género, estado civil, educación, número de miembros del hogar, etc., influyen

HORIZONTE ECONÓMICO Nº6

7

significativamente en la probabilidad en que un individuo pueda acceder a un crédito en pequeña escala.

Considerando como base los estudios anteriores, es pertinente recalcar que este

trabajo representa un intento por abarcar el tema de las características sociodemográficas de los clientes de créditos y microcréditos residentes específicamente en zonas rurales, en la actualidad. Por lo tanto, el objetivo de esta investigación es determinar los factores sociodemográficos que influyen en la probabilidad de que las poblaciones rurales del Perú puedan acceder al crédito en una entidad financiera, mediante una regresión con el método probabilístico Probit, utilizando datos de la Encuesta Nacional de Hogares (ENAHO) del año 2016. Esta investigación consta de 6 secciones incluyendo esta introducción. En la segunda sección se presentan los antecedentes empíricos de estudios nacionales e internacionales. En la tercera, se describen los datos utilizados en este trabajo y el modelo con el que se llevará a cabo la estimación. En la cuarta sección se presentan los resultados de la estimación. En el quinto capítulo se realiza la discusión de los resultados obtenidos, comparando con otros estudios y la última sección contiene las principales conclusiones y recomendaciones. 2. Revisión de literatura empírica La inclusión de las poblaciones rurales en los mercados financieros ha sido durante mucho tiempo un objetivo social de los países en desarrollo a nivel mundial. Ante esta problemática nace un sistema enfocado a servir a poblaciones de bajos recursos; es decir, el trabajo pionero en el campo de las micro finanzas se enfocaba inicialmente en las zonas rurales (Jaramillo, 2007). Es así que, con respecto a los trabajos empíricos, en este capítulo se presenta investigaciones sobre los factores que influyen en el acceso tanto a créditos como a microcréditos por parte de la población del sector rural. Dichos trabajos han sido realizados a nivel nacional e internacional, con énfasis en países en vías de desarrollo. 2.1 Evidencia sobre el acceso a créditos Dentro de estos trabajos, se encuentra el de Okurut (2000), quien analiza los determinantes del acceso a préstamos por parte de las comunidades rurales, según tipo de préstamo (formal, semi-informal e informal). Para el trabajo analítico se utilizaron modelos Logit multinomial y modelos Probit de Heckman. Los resultados sugieren que el nivel de ingreso, la raza la ubicación de las provincias tienen influencia significativa en todos los tipos de préstamos.

Mientras que, en Etiopía, Kedir (2003), encuentra a través de un modelo Probit, que el alcance de un crédito para los hogares está relacionado con la localización geográfica del hogar, los recursos con los que cuenta el hogar, nivel educativo del jefe de hogar, valor de los activos, tenencia de colaterales, y el número de personas que dependen del jefe de hogar.


8

Del Río y Youb¡ng (2006) utilizan la Encuesta de Grupos de Hogares Británicos (BHPS) de 1995 y 2000 para examinar los determinantes de la participación en el mercado de deuda sin garantía y la cantidad prestada. La edad, los ingresos, las perspectivas financieras positivas y la tenencia de la vivienda resultan ser significativas en el modelo Probit.

Por otro lado, Murcia (2007), quien desarrolla un análisis para identificar los determinantes del acceso al crédito de los hogares en Colombia, encuentra características, tales como el ingreso, la riqueza, la posición geográfica, el acceso a la seguridad social, el nivel de educación y la edad, que afectan la probabilidad de ser usuario de los servicios financieros.

En Italia, Magri (2007), analiza la participación de los hogares en el mercado de deuda, separando la probabilidad de exigir un préstamo de la probabilidad de ser elegidos por los prestamistas. El resultado es que la edad del jefe del hogar actúa esencialmente como un factor de demanda, en lugar de una variable que influye en la elección del prestamista. Además, tanto los ingresos de los hogares actuales como los futuros aumentan la demanda de préstamos. Las limitaciones de crédito también están relacionadas con el área donde vive el hogar.

En Vietnam, Nguyen (2007), analizan el mercado de crédito rural para entender

los determinantes de las opciones de crédito. En sus resultados muestran que la actividad financiera de los hogares se determina por el tamaño del hogar, el trabajo, la educación y la distancia de la comunidad a la sucursal bancaria más cercana.

Mientras que Barslund y Tarp (2008) utilizan una encuesta de 932 hogares rurales para descubrir cómo funciona el mercado de crédito rural en Vietnam. Obtiene como factores determinantes la educación, el historial de crédito y en particular, las diferencias regionales.

En Bosnia y Herzegovina, Chen y Chivakul (2008), en su artículo analizan los determinantes de la demanda de crédito de los hogares y las restricciones de crédito. Emplean datos de encuestas de hogares (2001 y 2004) de Emerging Europe. Los resultados indican que la edad, los ingresos, la riqueza y las cualificaciones educativas son los principales factores que impulsan la participación en el mercado de crédito, mientras que los altos ingresos y la alta riqueza reducen las restricciones de crédito.

Fletschner (2009) muestra que el género es una variable importante que influye

en la restricción para acceder a un crédito. Usa las percepciones individuales de los esposos y esposas, sobre su acceso al crédito en el Paraguay rural. Los hallazgos empíricos más significativos del trabajo son que en comparación con los hombres, es más probable que las mujeres tengan restricciones de crédito.


9

King (2011) por su parte investiga el alcance y los determinantes de las barreras de la oferta y la demanda y explora el papel específico que desempeña la informalidad en la exclusión financiera. Encuentran que en Nigeria los pobladores no bancarizados tienen ingresos más bajos, menor educación, y la mayoría son mujeres.

Vuong Quoc (2012) también investiga los factores que afectan el acceso de los individuos de los hogares rurales al crédito formal en el delta del Mekong, Vietnam. Usando un modelo de doble restricción y el modelo de selección Heckman en datos de una encuesta de 325 hogares rurales, indica que las dotaciones de capital de los hogares, el estado civil, el tamaño de la familia, la distancia al centro de mercado, y la ubicación afectan tanto la probabilidad de obtener un crédito, como la cantidad pedida.

Una conclusión, no diferente de las demás, es la que obtienen Cano y otros (2013), donde utilizando 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, prueba que hay mayor acceso financiero para los hombres adultos que mantienen una relación conyugal estable, que viven en hogares con menor número de integrantes, y con ingresos y stock de riqueza más altos. Devlin (2014) utiliza un modelo para probar y comparar las influencias sobre la exclusión para una amplia gama de servicios financieros. Los hallazgos muestran que las influencias más consistentes y significativas sobre la exclusión financiera son la situación laboral, el ingreso familiar y la tenencia de la vivienda, seguido de cerca por el estado civil, la edad y el nivel de calificación académica.

Mientras que Rodríguez y Riaño (2016) buscan determinar los factores influyentes en el acceso a los diferentes productos financieros entre los hogares de Colombia. Para ello utilizan un modelo econométrico basado en la información contenida en la Encuesta Longitudinal Colombiana (ELCA) de la Universidad de los Andes; encontrando que los principales determinantes del acceso a los productos financieros entre los hogares de este país son el nivel de ingreso o riqueza, la educación y el empleo estable.

A su vez, Iregui-Bohórquez y otros (2016) proporcionó evidencia empírica sobre los determinantes de la probabilidad de que un hogar tenga crédito, con el sector formal o informal, para lo cual se utiliza información de la Encuesta Longitudinal Colombiana de la Universidad de los Andes. Los resultados indican que la probabilidad de que un hogar tenga crédito está relacionada positivamente con el hecho de que el jefe del hogar esté casado, con el nivel educativo, el nivel de ingreso, el tamaño del hogar, la propiedad de la vivienda y la participación laboral.


10

2.2 Evidencia sobre el acceso a microcréditos Dada la popularidad actual de los planes de microcrédito como medio de aliviar la pobreza, su acceso a los más pobres es una preocupación evidente. Es así que Evans y otros (1999) examinó un programa de microcrédito dirigido a Bangladesh para evaluar su cobertura entre los pobres y para identificar las barreras relacionadas con el cliente que impiden su participación. Una encuesta de población de más de 24.000 hogares revela que la falta de educación femenina, el tamaño de la familia y la falta de tierra como factores de para la no participación. Cheng (2007) utilizó un gran conjunto de datos de encuestas de hogares de China, donde examina el reducido alcance de tres instituciones micro financieras en China desde una perspectiva de demanda. El estudio encontró que la demanda de microcréditos está positivamente relacionada con los ingresos de los hogares, las oportunidades de inversión fuera de la finca y el nivel educativo de las mujeres prestatarias.

También en China, Li y otros (2011) examina los factores que influyen en la accesibilidad del microcrédito por parte de los hogares rurales. En su análisis empírico utiliza una regresión logística, con datos recogidos a través de una encuesta de hogares realizada en una provincia. Un total de doce factores a nivel de hogar se identifican como determinantes en el acceso de los hogares al microcrédito, incluyendo el nivel educativo, el tamaño del hogar, los ingresos, entre otros.

Es pertinente resaltar las investigaciones que evidencien los factores que influyen en el alcance de un crédito por parte de las mujeres, como la de Awunyo-vitor y otros (2012) quien examinó la participación de la mujer en el microcrédito. El estudio se llevó a cabo Ghana, donde utilizando datos transversales y un método de muestreo aleatorio multi etapa, revelaron al número de años de educación formal como uno de los factores que influyen positivamente en la probabilidad de participación de las mujeres en programas de microcrédito.

Por otro lado, el acceso al sistema micro financiero también depende del nivel de empleo, tal como lo demuestra Nashihin (2014), pues tuvo como objetivo analizar la demanda potencial de servicios de micro finanzas en Java Occidental por áreas de distrito. En este estudio emplea la información sobre los miembros del hogar de la encuesta Socioeconómica Nacional (Susenas), además de los datos del Banco de Indonesia. El resultado muestra que la demanda potencial de servicios de micro finanzas en Java Occidental es de casi 2 millones de personas que trabajan. A este resultado se suma el obtenido por Molouny y Grandes (2014), quienes estimaron la probabilidad condicional de la demanda de microcréditos en Argentina utilizando datos de la Encuesta de la Deuda Social. Utilizando técnicas de estimación de respuesta binaria, Logit y Probit. Los principales resultados indican que estar ocupado y el tipo de ocupación son los determinantes más importantes de las probabilidades de solicitar un microcrédito en Argentina.


11

Una conclusión similar es la que obtiene Carballo y otros (2016), quien identifica los determinantes socioeconómicos y demográficos de la demanda potencial de microcréditos en Argentina utilizando técnicas de estimación tipo Logit con base en una encuesta aleatoria realizada sobre 5.700 hogares. Se encuentra que el tipo de empleo, la informalidad laboral, la edad, el estado civil y la reincidencia en el endeudamiento son los determinantes de la probabilidad de solicitar un microcrédito.

3. Metodología 3.1 El modelo Tal como los trabajos efectuados por Barslund y Tarp (2008) y Cheng (2007), el enfoque utilizado para analizar el acceso al crédito desde la perspectiva de los hogares rurales, usualmente se basa en el modelo Probit, el cual es un modelo de elección binaria que describe la probabilidad de elección de los hogares entre dos alternativas mutuamente excluyentes (accediendo o no accediendo), según las evaluaciones de las utilidades de estas dos opciones Li y otros (2011).

Basado en la teoría presentada por Greene (1998) y en la investigación de Modelos Logit y Probit por parte del Instituto Nacional de Estadística e Informática (2002), se presenta el modelo Probit de la siguiente manera:

Y=1 El Jefe de Hogar tiene acceso al crédito. Y=0 El Jefe de Hogar no tiene acceso al crédito.

Donde x es el vector de variables explicativas. Así es como la probabilidad de

que el Jefe de hogar tenga acceso al crédito es:

𝑃[𝑌 = 1] = 𝐹(𝑋, 𝛽) [1]

Y la probabilidad de que el Jefe de hogar no pueda acceder a un crédito:

𝑃[𝑌 = 1] = 1 − 𝐹(𝑋, 𝛽) [2]

Donde β es el vector de parámetros que refleja el aporte o impacto que X (vector de variables explicativas) tiene como parte de la función de distribución acumulada sobre la probabilidad. Una solución a ello puede darse en un modelo de regresión lineal.

𝐹(𝑋, 𝛽) = 𝛽´𝑋 [3]

Dado que, sigue la distribución de probabilidades de Bernoulli, tenemos que:

(𝑌|𝑋) = 0 ∗ Pr(𝑦 = 0) + 1 ∗ Pr(𝑦 = 1) [4] 𝐸(𝑌|𝑋) = 𝐹(𝑋, 𝛽) [5]


12

A partir de lo anterior se puede obtener lo siguiente:

𝑌 = 𝑦 = 𝐸[𝑦|𝑥] + 9𝑌 − 𝐸[𝑦|𝑥]: [6]

𝑌 = 𝐹(𝑥, 𝛽) + 𝑒 [7] 𝑌 = 𝛽´𝑋 + 𝑒 [8]

Además, se obtiene la siguiente restricción:

0 ≤ 𝐸(𝑌|𝑋) ≤ 1 [9]

Pero este modelo de probabilidad lineal presenta algunos inconvenientes si se

pretende estimar mediante Mínimos Cuadrados Ordinarios:

• “e” presenta heterocedasticidad que depende de β. • No se puede asegurar que las predicciones parezcan verdaderas probabilidades. • No se puede restringir β´X al intervalo [0,1], lo cual origina tanto varianzas

negativas como probabilidades imposibles.

Para que se pueda solucionar lo anteriormente mencionado basta con trabajar con una Función de Distribución Acumulada, en tal sentido las funciones idóneas para tal efecto vienen a ser la Normal y la Logística.

Gráfico 1. Gráfico de Distribución.

Fuente: investigación de Modelos Logit y Probit - Instituto Nacional de Estadística e Informática (2002).

Una posible solución a esto es suponer que existe un indicador que depende de las características individuales: I = β´x, que determina la condición de que un individuo acceda a un crédito. Es decir, el individuo se encuentra en el estado Y=1, o accede a un crédito si el valor de su indicador es superior a un cierto valor crítico I*, y no accede a un crédito si Y=0, puesto que el valor de su indicador es menor al valor crítico I*. Dado que el valor de I* es desconocido, el indicador para cada individuo será una variable aleatoria. Por lo tanto, la probabilidad de que el individuo i-ésimo elija o posea la condición Yi=1 viene dada por:

𝑃𝑖 = 𝑃(𝑌𝑖 = 1) = 𝑃(𝐼̽𝑖 ≤ 𝐼𝑖) = 𝐹(𝛽´𝑋) [10]


13

Un modelo idóneo para este tipo de casos es el Modelo Probit, el cual modela la probabilidad de Y = 1 usando una función de distribución Normal Estándar, Z ≈ N (0, 1).

𝑃 = 𝐸(𝑌|𝑋) = 𝑃(𝑌 = 1|𝑋) = 𝑃(𝐼̽ ≤ 𝐼) = 𝜙(𝛽B𝑋) [11]

Entonces:

𝛽´𝑥 = 𝜙CD(𝑃) [12]

Siendo ahora la probabilidad de que el jefe de hogar acceda al crédito la siguiente:

𝑃 = D√FG

∫ 𝑒CIJFK

L̽CM 𝑑𝑡 [13]

𝑃 = D√FG

∫ 𝑒CIJFK

P´QCM 𝑑𝑡 [14]

Dado lo anterior, para obtener la información de I* se hace lo siguiente:

𝐼̽ = 𝜙CD(𝐼̽) = 𝜙CD(𝑃) [15]

𝐼̽ = 𝛽´𝑥 [16]

Los parámetros tendrán que ser estimados mediante el método de Máxima Verosimilitud, para que puedan maximizar dicha función. Además, los parámetros del modelo de regresión no lineal, no son necesariamente los efectos marginales que se acostumbra a analizar, sino que en este caso es el efecto marginal sobre la probabilidad condicional de un aumento en una unidad de la variable explicativa, es decir da como resultado la función de densidad de la variable normal estandarizada, en general:

RS[T Q⁄ ]

RV= WXY(P´Q)X(P´Q) Z 𝛽 [17]

RS[[ V⁄ ]

RV= 𝑓(𝛽´𝑥)𝛽 [18]

RS[[ V⁄ ]

RV= 𝜙(𝛽´𝑥)𝛽 [19]

Siendo 𝜙(.) la función de densidad asociada a la función de distribución normal.

Estos valores variarán con los valores de x. Para interpretar el modelo estimado resulta útil calcular estos efectos marginales en varios valores de x. 3.2 Recolección de datos La base de datos utilizada en esta investigación es de corte Transversal, proveniente de la Encuesta Nacional de Hogares (ENAHO), realizada por el Instituto Nacional de Estadística e Informática (INEI) del año 2016.


14

3.3 Variables utilizadas en el modelo En total se utilizó nueve variables, incluyendo a la variable endógena del modelo, dichas variables fueron tomadas en función a la revisión bibliográfica realizada. Dichas variables se presentan en la siguiente tabla.

Tabla 1. Descripción de las variables utilizadas en el modelo Probit.

4. Resultados De acuerdo con las características elegidas y utilizadas para identificar las diferencias relevantes que se observa entre las personas pertenecientes a zonas rurales que tienen acceso al crédito o microcrédito y las personas de zonas rurales que no logran acceder a estos servicios, en las tablas 2 y 3 se informa los resultados del modelo Probit, con los coeficientes estimados expresados en términos de probabilidades.

En la tabla 4 se muestra los coeficientes de cada una de las variables tomadas para esta regresión, cabe mencionar que en el caso del modelo Probit, no se interpreta la magnitud de los coeficientes, sólo se toma en cuenta los signos de dichos parámetros. Es así que se observa que cuanta más educación tengan una persona, la probabilidad de acceder a un crédito aumenta, por otro lado, si una persona cuenta con un empleo formal, la probabilidad de acceder a un crédito también es mayor. De igual manera si una persona tiene un ingreso mensual en soles, la probabilidad de que le otorguen un crédito aumenta. Además, se demuestra que una característica importante de una persona a la hora de acceder a un crédito es su estado civil, puesto que si la persona tiene conyugue, la probabilidad de acceder a un crédito aumenta. Vale resaltar también que, si una persona

NOMBRE DE LA VARIABLE

TIPO DE VARIABLE

DESCRIPCIÓN DE LA VARIABLE

Crédito Discreta Tienen acceso al crédito=1. Sexo Discreta Género del jefe de hogar Hombre=1, Mujer=2 Edad Continua Edad del jefe de hogar. Edad2 Continua Edad del jefe de hogar elevado al cuadrado. Total ingreso Continua Total de ingreso del jefe de hogar mensual en soles (S/.). Total miemb Continua Total de miembros de la casa del jefe.

Hogar propio Discreta Vivienda Propia sin Título=0 Vivienda no propia sin Título=1

Educación Discreta

Sin educación=0 Educación primaria (completa e incompleta)=1 Educación secundaria (completa e incompleta)=2 Educación superior (completa e incompleta)=3

Empleo form Discreta Empleo del jefe de hogar, con contrato y lugar de trabajo registrado en sunat =1 Sin contrato y lugar de trabajo no registrado en sunat=0

Estado civil Discreta Estado civil del jefe de hogar, sin cónyuge (solteros, divorciados y viudos) =0 y con cónyuge (casados y convivientes) =1


15

tiene una casa con título de propiedad, su probabilidad de acceder a un crédito aumenta. La edad también es otro factor, ya que cuanto mayor sea la edad de una persona, tendrá mayor probabilidad de acceder a un crédito.

Para que se considere a una variable significativa en el modelo, su probabilidad op_value debe ser menor a 5%, ya que este resultado garantiza que se rechace la hipótesis nula, es decir, se rechaza la hipótesis de que las variables son no significativas. Pues, dado lo anterior se puede ver que, en el modelo planteado, todas las variables son significativas, a excepción de la variable sexo, que tiene una probabilidad mayor a 5%.

Tabla 2. Principales Resultados de la regresión mediante el modelo Probit.

Estimación propia.

Tabla 3. Estimación Probit del acceso al crédito por parte de los jefes de hogar de la zona rural del Perú.

Estimación propia.

Para determinar si el modelo es significativo de manera Global, la probabilidad de la prueba Chi2, mostrada en la Tabla 3, debe ser menor al nivel de significancia del 5%, para rechazar la hipótesis nula. En este caso, la probabilidad es de 0,0000, es decir, el modelo si es significativo globalmente. El efecto marginal muestra la magnitud en que cambia la variable dependiente cuando la variable independiente cambia en 1 unidad. Estos resultados se muestran en la Tabla 3, donde si una persona tiene un año más de vida, la probabilidad de obtener un crédito aumenta en aproximadamente 0.12%, manteniendo lo demás constante. Si en un hogar aumenta un miembro más, la probabilidad de que se le otorgue un crédito disminuye en 0.14%. Por el lado de la educación, si una persona tiene un grado más de instrucción académica, la probabilidad

VARIABLE COEFICIENTES ESTIMADOS

ERROR ESTANDAR

P_VALUE > |Z|

EFECTO MARGINAL ∂Y/∂X

Sexo -0.03316 0.062516 0.596 -0.00155 Edad 0.025546 0.008797 0.004 0.001196 Edad2 -0.00041 9.24E-05 0 -1.9E-05 Total ingreso 6.05E-06 5.07E-07 0 2.83E-07 Total miemb -0.03089 0.008473 0 -0.00145 Hogar propio 0.122036 0.048971 0.013 0.005713 Educación 0.147107 0.020641 0 0.006887 Empleo form 0.290535 0.080827 0 0.013602 Estado civil 0.183388 0.064648 0.005 0.008586 Constante -2.70549 0.224136 0 Constante -2.70549 0.224136 0


16

de que le otorguen un crédito aumenta en 0.68%, mientras que si una persona cuenta con un empleo formal, la probabilidad de que le den un crédito aumenta en 1.36%. Por el lado del estado civil de una persona, si esta tiene un conyugue, la probabilidad de que le otorguen un crédito aumenta en 0.86% aproximadamente, del mismo modo, si el jefe de hogar tiene una casa propia con título de propiedad será probable que le otorguen un crédito, incrementándose en 0.57% la probabilidad de que esto ocurra. A continuación se procederá a clasificar el modelo, según a la robustez que presenta.

Tabla 4. Clasificación del Modelo.

Estimación propia.

Tal como se puede apreciar en la tabla 4, el modelo presenta una correcta clasificación del 97,93%, es decir, presenta un alto grado de robustez, por lo que el modelo es confiable para determinar el comportamiento que se pretende modelar en esta investigación.

La curva ROC es una gráfica que permite evaluar si el modelo tiene un buen poder discriminatorio. En este caso el área bajo la curva ROC representa la probabilidad de que un individuo elegido al azar pueda acceder a un crédito. Por tanto, lo deseable es que esta medida sea lo más alta posible, según Hosmer y Lemeshow en su libro Regresión Logística Aplicada consideran que si el área es al menos 0.7 entonces el modelo es preciso y tiene alta capacidad de discriminación.

Gráfico 2. Curva ROC. Elaboración Propia.


17

En este caso el valor bajo el área de la curva ROC es de 0.7220, por lo que siguiendo la regla de Hosmer y Lemeshow, se puede concluir que el modelo Probit estimado está bien especificado, es decir, se puede tener la seguridad de que los resultados obtenidos son verdaderos.

5. Discusión de resultados Los resultados obtenidos en el capítulo anterior coinciden con varios de los estudios realizados con respecto a este tema. Para ello se procederá a realizar el análisis de cada una de las variables.

La variable, ingreso total, tal como se muestra en la tabla 4, tiene un efecto positivo en la probabilidad de acceder a un crédito, es decir, cuánto más gane una persona, podrá ser considerada un cliente atractivo para cualquier entidad financiera, tal como lo demuestra Okurut (2000) y Magri (2007) en sus respectivas investigaciones.

La variable número de miembros de un hogar, tiene un efecto negativo en el acceso al crédito, tal como lo menciona Nguyen (2007) y Cano y otros (2013), quienes coinciden en que cuánto mayor cantidad de personas formen parte de un hogar, menor será la probabilidad de que el jefe de hogar alcance un crédito. Esto tiene sentido, puesto que si el jefe de hogar tiene a su cargo una mayor cantidad de personas, su gasto doméstico será mayor, lo que podría ocasionar el no pago de su crédito, por lo que las entidades financieras se negarían a otorgarle un crédito para evitar riesgos.

La educación también es una variable considerada en la mayoría de las investigaciones, donde su impacto es positivo, ya que ante mayor educación, una persona tiene más oportunidad de tener un mejor trabajo que le genere mayores ingresos, facilitándole así el acceso a los servicios financieros. La lógica de este resultado se relaciona estrechamente con el efecto positivo que genera el hecho de que una persona tenga un empleo formal, ya que esto asegura un flujo de ingresos con el que el jefe de hogar pueda hacer frente una futura deuda.

Con respecto a la variable edad, su efecto también es positivo en el acceso al crédito, la razón es que cuanto mayor es la edad de una persona, se asume que tiene mayor estabilidad financiera, por lo que se le considera más apta para adquirir un crédito, coincidiendo con los resultados obtenidos por Chen y Chivakul (2008) en sus investigaciones. Es pertinente hacer mención de la variable edad al cuadrado que se incluyó en la regresión; la razón de haber tomado en cuenta esta variable, es porque si bien a mayor edad aumenta la probabilidad de acceso al crédito y microcrédito, su incremento es a un ritmo decreciente.

Se muestra además que la probabilidad de acceder a un crédito aumenta si el jefe de hogar tiene un hogar propio, con título de propiedad. La lógica de esto, es que al tener


18

el jefe de hogar una casa a su nombre, le servirá como garantía a la hora de presentarse en una entidad financiera por sus servicios.

La tabla 4 también muestra que si el jefe de hogar tiene conyugue, le será más fácil acceder a un crédito, la razón es que al momento de otorgar un préstamo a una persona, su conyugue también se convierte en responsable de dicha deuda, por lo que el riesgo de impago disminuiría, haciendo que esta persona tenga mayor probabilidad de acceder a este servicio. Por último, con respecto a la variable sexo, los resultados muestran que si el jefe de hogar o la persona que pide el crédito es de sexo femenino, la probabilidad de que esta persona acceda a un crédito disminuye. Este factor tiene más que ver con la cultura del lugar de estudio, ya que se demuestra que aún existe una brecha entre hombres y mujeres a la hora de acceder a algún servicio. 6. Conclusiones y recomendaciones El presente trabajo se basó en diversos estudios que han demostrado que la inclusión al sistema financiero es un factor sumamente importante para el desarrollo económico, es por ello que se considera a este sistema como una alternativa para la solución de los problemas económicos y sociales del país, más aún si la población analizada es proveniente de zonas rurales, algunas de ellas con un alto nivel de pobreza.

Tal como se ha podido observar, los factores sociodemográficos son sumamente importantes para la decisión de otorgar un crédito o no a una persona. De los resultados se deriva que si una persona tiene un empleo formal, un hogar con título de propiedad, un ingreso cada vez mayor, y además tiene un conyugue, tiene una alta probabilidad de ser considerada apta por las instituciones financieras para la obtención de un crédito.

Pues bien, para que una persona pueda lograr tener las características anteriormente mencionadas y ser así considerado un cliente potencial por una entidad financiera, es necesario que dicho individuo alcance el mayor nivel de educación posible, ya que la educación le garantiza al que posea todos los demás atributos. Por lo tanto, en esta investigación se concluye que una vez más la educación es la base de todo, y que si queremos que el país tenga un crecimiento económico, la inversión en educación debe ser prioridad para el estado, como también para las familias; puesto que se ha demostrado con diferentes investigaciones que la educación es el camino indiscutible para la reducción de la pobreza a largo plazo.

Este trabajo ha tomado un tema demasiado extenso de la economía y sociedad, por lo que existen muchas alternativas de para analizar este mismo problema. Es por ello que se propone como un posible trabajo futuro, dado los resultados obtenidos, realizar un estudio que tome en cuenta características más específicas, aparte de las sociodemográficas, como por ejemplo, la distancia entre un hogar de la zona rural hasta el banco más cercano, historial de crédito, ubicación por departamento, razones por la que


19

pide un préstamo. Para esta nueva investigación se recomienda trabajar con datos panel, ya que esto facilitaría el manejo de las variables sugeridas.

7. Referencias bibliográficas

- AWUNYO-VITOR, D., ABANKWAH V. Y KUM KWANSAH, K. (2012). Women participation in microcredit and it is impact on income: A study of small-scale businesses in the central region of Ghana. American journal of experimental agriculture 2(3): 502-515.

- BANCO MUNDIAL. (2001). Informe sobre el desarrollo mundial 2000/2001. - BARSLUND, M. Y TARP, F. (2008). Formal and informal rural credit in four

provinces of Vietnam. Journal of development studies 44(4): 485-503. www.tandfonline.com/doi/abs/10.1080/00220380801980798.

- CORPORACIÓN ANDINA DE FOMENTO-CAF. (2011). Servicios financieros para el desarrollo: Promoviendo el acceso en américa latina.

- CANO, C., ESGUERRA, M., GARCÍA, N., RUEDA, L. Y VELASCO, A. (2013). Acceso a servicios financieros en Colombia. Banco de la República de Colombia Borradores de Economía: 38.

- CARBALLO, I., GRANDES, M. Y MOLOUNY, L. (2016). Determinantes de la demanda potencial de microcrédito en Argentina. Cuadernos de Administración 29(52): 199-228.

- CHEN, K. Y CHIVAKUL, M. (2008). What drives household borrowing and credit constraints? Evidence from Bosnia and Herzegovina. IMF Working Papers 8(202): www.elibrary.imf.org/view/IMF001/09458-9781451870602/09458-9781451870602/09458-9781451870602.xml

- CHENG, E. (2007). The demand for microcredit as a determinant for microfinance outreach–evidence from China. Saving and Development 31(3): 307-334.

- DEL RIO, A. Y YOUNG, G. (2006). The determinants of unsecured borrowing: Evidence from the BHPS. Applied financial economics 16(15): 1119-44. www.dx.doi.org/10.1080/09603100500438791

- DEVLIN, J. (2014). A detailed study of financial exclusion in the UK (July). - DUNN, E. (1999). Microfinance clients in Lima, Peru: Baseline report for aims core

impact assessment. Assessing the impact of microenterprise service. www.pdf.usaid.gov/pdf_docs/Pnacg045.pdf

- EVANS, T., ADAMS, A., MOHAMMED, R. Y NORRIS, A. (1999). Demystifying nonparticipation in microcredit: A population-bases analysis. World development 27(2): 419-30.

- FLETSCHNER, D. (2009). Rural women’s access to credit: Market imperfections and intrahousehold dynamics. World development 37(3): 618-31. www.dx.doi.org/10.1016/j.worlddev.2008.08.005

- GREENE, W. H. (1998). Análisis Econométrico. Tercera Ed. Prentice Hall.


20

- IBRAHIM, G., KEDIR, A. Y TORRES, S. (2007). Department of Economics Household – Level credit constraints in urban Ethiopia (7).

- INSTITUTO NACIONAL DE ESTADÍSTICA E INFORMÁTICA – INEI (2002). Los modelos Logit y Probit en la investigación social. Lima.

- IREGUI-BOHÓRQUEZ, A. Y MELO-BECERRA, L., RAMÍREZ-GIRALDO, M., TRIBÍN-URIBE, A. (2016). Determinantes del acceso al crédito formal e informal: Evidencia de los hogares de ingresos medios y bajos en Colombia. Borradores en economía 956.

- JARAMILLO, M. (2007). Expansión de las microfinanzas en zonas rurales de América Latina: 8.

- JARAMILLO, M. Y APARICIO, C. (2012). Determinantes de la inclusión al sistema financiero: ¿Cómo hacer para que el Perú alcance los mejores estándares a nivel internacional?: 1-25.

- KEDIR, A. (2003). Determinants of access to credit and loan amount: Household-level evidence from Urban Ethiopia. International coference on African development archives. www.cholarworks.wmich.edu/africancenter_icad_archive/64

- KING, M. (2011). The unbanked four-fifths: Barriers to financial services in Nigeria (August).

- LI, X., GAN, C. Y HU, B. (2011). Accessibility to microcredit by chinese rural households. Journal of asian economics 22(3): 235-246. www.dx.doi.org/10.1016/j.asieco.2011.01.004

- MAGRI, S. (2007). Italian households’ debt: The participation to the debt market and the size of the loan. Empirical economics 33(3): 401-26.

- MOLOUNY, L. Y GRANDES, M. (2014). Los determinantes de la demanda de microcréditos en Argentina (11).

- MURCIA, A. (2007). Determinante del acceso al crédito de los hogares colombianos. Borradores de economía, nº 449. www.banrep.gov.co/sites/default/files/publicaciones/pdfs/borra449.pdf

- NADER, Y. (2008). Microcredit and the socio-economic wellbeing of women and their families in Cairo. Journal of socio-economics 37(2): 644-656.

- NASHIHIN, M. (2014). Analysis of potential demand for microfinance services in West-Java by district areas. Procedia-social and behavioral sciences 115(0): 91-101. www.sciencedirect.com/science/article/pii/S1877042814019661

- NGUYEN, C. (2007). Determinants of credit participation and it’s impact on household consumption: Evidence from rural Vietnam. Center for economic reform and transformation 3 (may 2006): 1-19.

- OKURUT, F. (2000). Access to credit by the poor in South Africa: Evidence from household survey data 1995 and 2000. Stellenbosch economic working papers: 13/06 13(6): 1-34.


21

- PORTOCARRERO, F., TRIVELLI, C. Y GUERRERO, J. (2002). Microcrédito en el Perú: Quienes piden, quienes dan. Ed. Consorcio de Investigación Económica y Social.

- QUISPE, Z., LEÓN, D. Y CONTRERAS, A. (2012). El existoso desarrollo de las microfinanzas en el Perú. Revista Moneda (151): 13-18.

- RODRÍGUEZ, S. Y RIAÑO, F. (2016). Determinantes del acceso a los productos financieros en los hogares colombianos. Estudios Gerenciales 32(138): 14-24.

- VÁSQUEZ, F. (2002). Logit y Probit en la investigación social: El caso de la pobreza del Perú.

- VUONG QUOC, D. (2012). Determinants of household access to formal credit in the rural areas of the Mejong Delta, Vietnam. MPRA Paper (38202). www.ideas.repec.org/p/pra/mprapa/38202.html

Documents

DETERMINANTES SOCIODEMOGRÁFICOS DE LA ......las variables sociodemográficas de los hogares peruanos que afectan la probabilidad de que un hogar cuente con un crédito. Ambos estudios