“Determinantes demográficos del endeudamiento”Análisis de regresión lineal múltiple.

ASIGNATURA: Econometría.

PROFESOR: Mauricio Gallardo A.

ALUMNO(S): Javiera Rocco Aquea.

Joaquín Romero Franco

Nicolás Ceballos Gamboni.

Coquimbo, 10 de julio de 2013.

Escuela de Ingeniería Comercial

Índice:

Introducción.....………………………………………………..………………………… 2

Marco teórico…………………………………………..………………………………… 4

Variables a utilizar……………………………………………………………… 5

Información adicional sobre la variable estrato………………..... 6

Desarrollo

Modelo…………………………………………………………………………………..…. 8

Análisis de la regresión………………………………………………….….. 8

Significancia individual y global……………………………………….… 9

Interpretación de los coeficientes…………………………………… 10

Análisis del R2 y R2 corregido…………………………………….……. 11

Análisis de multicolinealidad……………………………………….……. 11

Matriz de correlación……………………………………………….. 12

Análisis de FIV, el determinante de la matriz y NCR ... 13

Análisis de heterocedasticidad…………….……………………………. 14

Conclusión………………………………………………………………………………... 17

1

Introducción

El endeudamiento de los hogares es un factor relevante en los ámbitos micro y

macroeconómico, sobre todo después de la crisis subprime, que puso en boga la discusión

sobre el riesgo sistémico que conlleva el endeudamiento y sobreendeudamiento de los

hogares. En Chile el estudio más importante sobre endeudamiento de hogares la Encuesta

Financiera de Hogares (EFH), encuesta realizada por primera vez en el año 2007, esta

encuesta revelo que más del 68% de los hogares tiene algún tipo de deuda1 , lo que se ha

mantenido estable dentro de los últimos años2 (EFH 2007 a 2011-12).

Bajo una vista general es considerado "sano" tener deuda en los hogares ya que

esto permite aumentar en el corto plazo el poder adquisitivo de las familias,

manteniéndose así un buen nivel de consumo, suavizándolo, y mejorando el bienestar de

las familias. Pero este se puede volver peligroso cuando la deuda total es mayor al ingreso

percibido ya que en esos casos estamos frente a un sobreendeudamiento y la posibilidad

de que todas esas deudas queden impagas. El análisis de los determinantes de el

endeudamiento es interesante, tomando en cuenta el crecimiento del mercado financiero

en Chile tanto en instituciones financieras como por parte del retail y el boom que han

tenido en este poco tiempo llegando a los estratos con menos ingresos en la sociedad la

posibilidad de adquirir crédito sin tantas barreras.

La mayoría de los estudios sobre este tema se basan en factores macroeconómicos

como: baja inflación, bajos niveles de desempleo, reducción en la volatilidad

macroeconómica y cambios en los impuestos y subsidios (Paul Bloxham and Christopher

Kent, 2009), por otra parte en este trabajo analizaremos, a través de una regresión lineal

múltiple, los determinantes del endeudamiento en las familias utilizando factores

demográficos viendo el endeudamiento desde un punto de vista microeconómico.

1 Datos de la Encuesta Financiera de Hogares (EFH) 20112 Según la EFH desde el 2007 al 2010 los hogares presentan un 64,8%, 70,3%, 65,9% y 68,1% respectivamente

2

Marco Teórico

En este trabajo intentaremos ver cómo afectan factores demográficos en la

cantidad de endeudamiento de los hogares para esto realizaremos una regresión lineal

con el modelo de MCO utilizando la base de datos de la EFH 2011, encuesta realizada por

el Banco Central de Chile, en la que se entrevista a la persona con más conocimientos de

las finanzas del hogar, estos datos son transversales, es decir datos de muchos temas en

un mismo tiempo, en este caso el año 2011.

Los factores que creemos relevantes son el estrato social, el tramo de educación ,

de edad, el número de personas en el hogar, genero y situación laboral (la explicación de

estas variables se encuentra en la Figura A1). A través de estos queremos averiguar de qué

manera, dado el ingreso que percibido, se ve afectada la cantidad de deuda adquirida. Es

por esto que utilizamos como variable dependiente el indicador RDI (razón deuda ingreso)

con el fin de que la deuda se vea reflejada en relación a los ingresos del sujeto

encuestado, por ende de manera proporcional, ya que podríamos tener problemas con los

resultados si ocupamos solamente la deuda total como variable dependiente ya que los

estratos más altos tienen una mayor capacidad de endeudamiento dado sus ingresos y

requerimientos de los prestamistas y el coeficiente dado en las variables de estrato social

o reflejarían correctamente la cantidad de deuda total adquirida.

Debido a la bancarización que se ha dado en Chile desde los cambios del modelo

económico en 1975 hasta el día de hoy, ha habido un crecimiento sostenido en los

créditos ,sobre todo la tarjeta de crédito retail que a diferencia de las de crédito bancario

requieren mínimas condiciones a cumplir para su adquisición. Es por esto que además

esperamos concluir que los estratos más bajos son aquellos en que su poder adquisitivo se

ve más reducido en relación a el indicador deuda-ingreso. Mediante la utilización de estas

tarjetas los estratos más bajos intentan acceder a bienes y servicios que normalmente no

están disponibles para su nivel de ingreso. Pero el crédito es un instrumento de doble filo

ya que si bien por un lado representa una oportunidad para elevar los niveles de vida, su

uso irresponsable puede llevar a un endeudamiento muy alto en relación con el ingreso y

3

dejar a las familias con un ingreso efectivo mucho más bajo del que necesitan para

satisfacer sus necesidades. Además de los deseos de adquisiciones nuevas, en estos

estratos la "cultura financiera" es más reciente que en estratos con más poder adquisitivo.

Variables a utilizar:

Variable Descripción de la variable Razón deuda total e ingreso

totalRazón entre la deuda total sobre el ingreso anual del hogar. Es la variable dependiente utilizada. El fin de usar esta variable es que no se creen problemas en relación al ingreso y así nivelar los porcentajes de deuda de los diferentes estratos.

Número de personas en el hogar

o De 1 a 4 personaso De 5 a 8 personas

Número de miembros del hogar. Variables dicótomas 0-No viven esa cantidad de personas en el

hogar 1-Viven esa cantidad de personas en el hogar

Presumimos que a un mayor número de personas en el hogar mayor será la deuda total sobre el ingreso, debido a requerimientos de consumo mayores o aspiraciones a una vivienda propia.

Ocupación Situación laboral del entrevistado:Variable dicótoma:

0 - Desocupado 1 - Ocupado

Un 40,4% de los entrevistados se encontraba desocupado mientras que el restante 59,6% tenía algún tipo de trabajo. Esperamos que el hecho de tener trabajo signifique un aumento en la deuda debido a capacidad de sostenerla , pero el coeficiente de esta variable puede ser negativo debido a que representa un aumento en los ingresos.

Tramo de educacióno básicao mediao superior

Tramo de educación del entrevistado. Variables dicótomas para el tramo

0- No pertenece al tramo 1-Pertenece al tramo

Esperamos que la mayor concentración de endeudamiento se encuentre en la educación superior debido a los créditos.

4

Estratoo Estrato 1o Estrato 2o Estrato 3

Estrato de ingreso del hogar, separado en tres variables dicótomas:

0 - No pertenece al estrato 1 - Pertenece al estrato

Como explicado anteriormente esperamos que elestrato 1 sea él con mayor coeficiente positivo de rdi_dt indicando un porcentaje de deuda mayor sobre el ingreso.

Tramo de edado entre 18 a 24 añoso entre 25 a 34 añoso entre 35 a 45 añoso entre 45 a 54 añoso entre 55 y 64 años

Edad del entrevistado. Variable dicótoma 0-No pertenece al tramo de edad 1-Pertenece al tramo de edad

Esperamos que los tramos con un coeficiente más grandes sean los centrales ya que entre 25 y 34 años se paga la universidad, entre 35 a 45 años se vuelve interesante la vivienda propia y de 45 a 54 años vienen los gastos familiares fuertes , luego declinaría el coeficiente.

Genero Género del entrevistado: Variable dicótoma:

0-Mujer 1-Hombre

Un 58,09% de los entrevistados era mujer mientras el restante 41,91% hombre.

Según la EFH los hogares que tienen como jefe a un Hombre tienen un mayor ingreso por ende esperamos que esta variable tenga un coeficiente negativo

Figura A1: Variables a utilizar en la regresión lineal múltiple.

5

Información adicional sobre la variable estrato:

La variable estrato agrupa en 3 estratos los deciles respecto al ingreso autónomo

per cápita en pesos. Según la encuesta CASEN 2011 los podemos ver detallados en la

Figura A 2.1 en pesos del 2011. El promedio de los deciles para identificar los estratos son

entre el decil 1 al 5 , 6 al 8 y 9 al 10 (Figura A 2.2)

I II III IV V VI VII VIII IX X0

500,000

1,000,000

1,500,000

2,000,000

2,500,000

3,000,000

3,500,000

85,741228,621 315,200 371,054 470,642 544,193 667,302

878,816

1,219,273

3,048,821

Deciles

Figura A2.1: Deciles por ingreso autónomo per cápita a pesos del 2011.Datos CASEN 2011, elaboración propia

I I III0

500,000

1,000,000

1,500,000

2,000,000

2,500,000

294,252

696,770

2,134,047

Estratos

Figura A2.2: Valores promedios para los deciles correspondientes a cada estrato (1-5,6-8,9-10),Datos CASEN 2011 , elaboración propia.

6

Modelo:

Dada las variables (Figura A1) el modelo a utilizar es el siguiente:

rdi _dt= β2 estrato1+β3 estrato2+β4 estrato 3+β5 edad18 y 24+β6 edad 25 y34+ β7 edad 35 y 44+ β8 edad 45 y 54+β9 edad 55 y64+β10basica+β11media+β12 superior+β13ocup+ β14 genero+β15 familia1a4+ β16 familia5 a8

Los coeficientes β nos indicaran un cambio absoluto en la variable dependiente ya

que la ecuación tiene una forma completamente lineal, por ende un modelo en niveles.

Se elimino la constante en la especificación del modelo debido a multicolinealidad

perfecta por "Trampa de las variables dicótomas".

Análisis de la regresión:

Corremos la regresión del modelo MCO utilizando el software Gretl , con 123.673

observaciones de las que se eliminaron 2156 por estar ausentes o incompletas.

Coeficiente Desv. Típica Estadístico t

Valor p

estrato1 0,304472 0,0277181 10,9846 <0,00001 ***estrato2 0,262696 0,0265521 9,8936 <0,00001 ***estrato3 0,254477 0,024559 10,3619 <0,00001 ***ocup -0,126561 0,0102968 -12,2913 <0,00001 ***entre_18_y_24 0,0395871 0,0234687 1,6868 0,09164 *

entre_25_y_34 0,280385 0,0162164 17,2903 <0,00001 ***

entre_35_y_44 0,402582 0,0151846 26,5125 <0,00001 ***

entre_45_y_54 0,358928 0,014272 25,1492 <0,00001 ***

entre_55_y_64 0,0866563 0,0138585 6,2529 <0,00001 ***

media -0,170154 0,0131955 -12,8949 <0,00001 ***basica -0,233576 0,0153538 -15,2129 <0,00001 ***superior 0,108307 0,013373 8,099 <0,00001 ***

familia_1al4 0,139814 0,0207996 6,722 <0,00001 ***familia_5al8 0,17858 0,0206075 8,6658 <0,00001 ***genero 0,0112939 0,00892964 1,2648 0,20596

R-cuadrado 0,020203 R-cuadrado corregido 0,020092

7

F(14, 123658) 182,1277 Valor p (de F) 0,00000

Log-verosimilitud -222571,7 Criterio de Akaike 445173,5

Criterio de Schwarz 445319,4 Crit. de Hannan-Quinn 445217,3

Figura B1 : Modelo de MCO, regresión lineal múltiple .Realizado con software Gretl. Datos EFH 2011

A) Significancia individual y global:

Con el test de hipótesis para β j: H 0 : β j=0 y H 1: β j≠0bajo el criterio de decisión

de la regla |t calculado|>2 para el rechazo de la hipótesis son significativos a un valor α de un

5% las siguientes variables: estrato1, estrato2, estrato3, ocup,entre_25_y_34, entre_35_y_44,

entre_45_y_54, entre_55_y_64, básica, media, superior, familia_1a4 y familia_5a8. Además bajo

el criterio de valor p < 0,05 son significativas. La variable entre_18_y_24 fue encontrada

significativa a un 90%. Por otra parte, bajo los dos criterios de decisión, la variable genero

resulto no significativa.

Para evaluar la significancia global del modelo realizamos el test de hipótesis

donde la hipótesis nula equivale a que todos los regresores del modelo son iguales a cero,

es decir H 0 : β2=β3=…=βk=0 v/sH 1:∃β j≠0. Dado el Valor p del estadístico F (Figura B1)

correspondiente a 0,000000 < 0,05, podemos rechazar, al 5% de significancia la hipótesis

nula, en favor de la hipótesis alternativa: existen coeficientes distintos de cero. Es decir, el

modelo es globalmente significativo.

B) Interpretación de los coeficientes:

Estrato1 El hecho de pertenecer al estrato 1 indica que la razón deuda ingreso es de un 0,3 , es decir la deuda total representa un 30% del ingreso. Si lo llevamos a términos monetarios del estrato corresponde a $88275.

Estrato2 El hecho de pertenecer al estrato 2 indica que la razón deuda ingreso es de un 0.26 , es decir la deuda total representa un 26% del ingreso. Si lo llevamos a términos monetarios del estrato corresponde a $181.160

Estrato3 El hecho de pertenecer al estrato 3 indica que la razón deuda ingreso es de un

8

0.25 , es decir la deuda total representa un 25% del ingreso. Si lo llevamos a términos monetarios del estrato corresponde a $533.511

Ocupación Laboral:

El hecho de estar trabajando disminuye la razón deuda ingreso en 0.12. Esto se explica porque al estar trabajando los ingresos aumentan y el indicador se ve disminuido.

Tramo de edad entre 18 y 24 años

Estar entre estas edades aumenta la razón deuda ingreso en 0.039, es decir la gente se endeuda aproximadamente un 4% en relación a su ingreso en este tramo.

Tramo de edad entre 25 y 34 años

Estar entre estas edades aumenta la razón deuda ingreso en 0.28, es decir la gente se endeuda aproximadamente un 28% en relación a su ingreso en este tramo.

Tramo de edad entre 35 y 44 años

Estar entre estas edades aumenta la razón deuda ingreso en 0.4, es decir la gente se endeuda aproximadamente un 40% en relación a su ingreso en este tramo.

Tramo de edad entre 45 y 54 años

Estar entre estas edades aumenta la razón deuda ingreso en 0.35, es decir la gente se endeuda aproximadamente un 35% en relación a su ingreso en este tramo.

Tramo de edad entre 55 y 64 años

Estar entre estas edades aumenta la razón deuda ingreso en 0.08, es decir la gente se endeuda aproximadamente un 8% en relación a su ingreso en este tramo.

Tramo de educación básica

El hecho de tener solo estudios básicos implica una razón deuda ingreso de un -0.17, esto significa que los sujetos tienden a endeudarse menos respecto a sus ingresos.

Tramo de educación media

El hecho de tener solo estudios básicos implica una razón deuda ingreso de un -0.23, esto significa que los sujetos tienden a endeudarse menos respecto a sus ingresos.

Tramo de educación universitaria

El hecho de tener solo estudios básicos implica una razón deuda ingreso de un 0.108, esto significa que los sujetos tienden a endeudarse más respecto a sus ingresos.

De 1 a 4 personas en el hogar

La variable que representa las familias compuestas por cuatro o menos personas tiene un coeficiente de 0.139, es decir su grado de endeudamiento frente a su ingreso es de un 13,9%

De 5 a 8 personas en el hogar

La variable que representa las familias compuestas por cinco hasta 8 personas tiene un coeficiente de 0.178, es decir su grado de endeudamiento frente a su ingreso es de un 17,8%

Figura B2 :Interpretación de los coeficientes . Los coeficientes interpretados fueron solo aquellos de variables significativas. Datos EFH 2011,elaboración propia

B) Análisis del R2 y R2 corregido:

El R2 indica que el 2,02% de la varianza de la variable dependiente es explicada por

nuestro modelo de regresión, mientras que el R2 ajustado indica la varianza de la variable

9

dependiente explicada por la regresión, corrigiendo por grados de libertad, tal porcentaje

disminuye a 2,0092%.

El R2 de la regresión es bajo debido a dos factores:

1) Los datos son de corte transversal por ende no existe una tendencia clara a

diferencia de lo que serian datos de serie de tiempo.

2) El endeudamiento que estamos tratando puede verse afectado por muchos

otros factores no observables como son las preferencias del consumidor o

eventos no esperados en que el sujeto haya tenido que endeudarse, es por

esto que se explica un gran porcentaje de la varianza de la variable

dependiente por el error.

C)Análisis de multicolinealidad:

Bajo consideración previa creemos que variables como los niveles de estudios

pueden estar relacionados con los estratos ya que la mayoría de los estudiantes

universitarios pertenecen al estrato 2, las variables dicótomas también pueden tener alta

correlación cuando representan una misma categoría. A pesar de estas presunciones los

valores t de los regresores β̂ indican que son significativos y además hay significancia

global, el único pormenor es el bajo R2.

Para asegurarnos si realmente existe multicolinealidad necesitamos analizar la

matriz de correlación, el factor de inflación de varianza , el determinante de la matriz (X'X)

y el numero de condición reciproca.

I. Matriz de correlación:

estrato1 estrato2 estrato3 ocup entre_18_y_24

1 -0,4239 -0,5454 -0,2178 -0,013 estrato1

1 -0,528 0,0179 0,0068 estrato2

1 0,1876 0,0059 estrato3

1 -0,0783 Ocup

1 entre_18_y_24

10

entre_25_y_34 entre_35_y_44 entre_45_y_54 entre_55_y_64 basica

-0,0258 -0,0218 -0,0492 -0,0188 0,2714 estrato1

0,0145 -0,005 0,04 -0,027 0,023 estrato2

0,0108 0,0251 0,0091 0,0426 -0,2757 estrato3

0,1129 0,1978 0,1697 0,007 -0,2321 Ocup

-0,0782 -0,0976 -0,1103 -0,0973 -0,0835 entre_18_y_24

1 -0,1859 -0,2101 -0,1853 -0,1618 entre_25_y_34

1 -0,2624 -0,2315 -0,1208 entre_35_y_44

1 -0,2615 -0,0601 entre_45_y_54

1 0,0589 entre_55_y_64

1 Básica

media superior familia_1al4 familia_5al8 genero

0,1249 -0,1766 0,1912 -0,1572 -0,1128 estrato1

0,1074 0 -0,0537 0,0398 -0,0274 estrato2

-0,2165 0,1656 -0,1296 0,1106 0,1311 estrato3

-0,0263 0,0932 -0,0971 0,1005 0,2648 ocup

0,0178 0,0985 -0,0386 0,0373 0,0101 entre_18_y_24

0,0284 0,0562 -0,0271 0,0274 -0,0125 entre_25_y_34

0,0401 0,0449 -0,1279 0,1304 -0,0314 entre_35_y_44

0,0492 0,0146 -0,1659 0,1396 0,0037 entre_45_y_54

-0,0261 -0,028 0,0607 -0,0542 0,0142 entre_55_y_64

-0,4129 -0,2922 0,0597 -0,0884 -0,0731 basica

1 -0,4049 -0,0512 0,0469 -0,0498 media

1 0,0237 -0,0021 0,0398 superior

1 -0,4115 0,0015 familia_1al4

1 0,0142 familia_5al8

1 genero

Figura B3: Matriz de correlación de las variables usadas en la regresión. Software utilizado Gretl, datos EFH

Como vemos en la matriz de correlación solamente existe una variable que se

acerca a un valor de colinealidad imperfecta; la variable estrato 3 tiene aproximadamente

11

un valor de 0,5 en correlación a las otras variables de estrato , esto es esperable ya que las

3 son variables dicótomas sobre la misma categoría. Aun así como sabemos las

condiciones en que no existe correlación entre las variables son casi inexistentes en el

mundo real, por ende no consideramos este grado de correlación evidente para descartar

la variable de la regresión.

II. Análisis de FIV, el determinante de la matriz y NCR (Figura B3)

El valor del factor de inflación de de la varianza para las variables : genero, media,

basica, superior, familia_1al4, familia_5al8, entre_18_y_24, entre_25_y_34,

entre_35_y_44, entre_45_y_54, entre_55_y_64 y ocup es menor a 10 por ende no hay

indicios de un problema de colinealidad. El determinante de la matriz (X'X) es muy grande

y por ende lejano a cero por lo que esto también indica que no hay colinealidad. Por

último el NCR, si bien no es menor a 0,001 se le encuentra muy cercano (0,00137017) por

lo que se podría decir que hay una colinealidad moderada.

Tomando este análisis y el anterior de la matriz de correlación podemos indicar que no

hay fuertes indicios de multicolinealidad , de haber seria a lo más moderada, lo suficiente

como para no afectar la regresión.

12

Figura B4: Valor VIF , determinante de la matriz X'X y NCR. Generado con el software Gretl, datos EFH.

D)Análisis de heterocedasticidad:

Para analizar heterocedasticidad utilizaremos el contraste de White , Breusch-Pagan y de Koenker.

Contraste de heterocedasticidad de White - Hipótesis nula: No hay heterocedasticidad Estadístico de contraste: LM = 3055,75 con valor p = P(Chi-cuadrado(90) > 3055,75) = 0 Contraste de heterocedasticidad de Breusch-Pagan - Hipótesis nula: No hay heterocedasticidad Estadístico de contraste: LM = 119443 con valor p = P(Chi-cuadrado(14) > 119443) = 0

Contraste de heterocedasticidad de Koenker Hipótesis nula: No hay heterocedasticidad Estadístico de contraste: LM = 558,175 con valor p = P(Chi-cuadrado(14) > 558,175) = 4,17234e-110

Figura B5: Contraste de White , Breusch-Pagan y Koenker respectivamente. Realizado con software Gretl , datos EFH

Utilizando la hipótesis nula de que existe homocedasticidad en la varianza del error

, H 0 :σ i2=σ j

2 v/sH 1: σ i2≠σ j

2 bajo esta hipótesis los resultados del los tres contrastes

entregan valores p menores a 0,05. Por lo tanto, en los tres contrastes se rechaza la

hipótesis nula de homocedasticidad, es decir existe heterocedasticidad en el modelo. Esto

se corrige realizando el mismo modelo de MCO pero con desviaciones típicas robustas

(Figura B6)

Coeficiente Desviación . Típica

Estadístico t

Valor p

estrato1 0,304472 0,0277181 10,9846 <0,00001 ***estrato2 0,262696 0,0265521 9,8936 <0,00001 ***

13

estrato3 0,254477 0,024559 10,3619 <0,00001 ***Ocup -0,126561 0,0102968 -12,2913 <0,00001 ***entre_18_y_24 0,0395871 0,0234687 1,6868 0,09164 *entre_25_y_34 0,280385 0,0162164 17,2903 <0,00001 ***entre_35_y_44 0,402582 0,0151846 26,5125 <0,00001 ***entre_45_y_54 0,358928 0,014272 25,1492 <0,00001 ***entre_55_y_64 0,0866563 0,0138585 6,2529 <0,00001 ***Básica -0,233576 0,0153538 -15,2129 <0,00001 ***Media -0,170154 0,0131955 -12,8949 <0,00001 ***Superior 0,108307 0,013373 8,099 <0,00001 ***familia_1al3 0,139814 0,0207996 6,722 <0,00001 ***familia_4al6 0,17858 0,0206075 8,6658 <0,00001 ***Genero 0,0112939 0,00892964 1,2648 0,20596

Media de la variable dependiente.

0,471714 D.T. de la variable dependiente.

1,478384

Suma de cuad. residuos 264839,1 D.T. de la regresión 1,463457

R-cuadrado 0,020203 R-cuadrado corregido 0,020092

F(14, 123658) 182,1277 Valor p (de F) 0,000000

Log-verosimilitud -222571,7 Criterio de Akaike 445173,5

Criterio de Schwarz 445319,4 Crit. de Hannan-Quinn 445217,3Figura B5: Modelo de MCO con desviaciones típicas robustas.

Realizado con software Gretl , datos EFH.

Realizado esto corregimos el problema de heterocedasticidad, los valores t y p de las

variables cambian pero todas aquellas variables que eran significativas lo siguen siendo.

14

Conclusión

Teniendo los resultados de la regresión podemos ver si es que las hipótesis

planteadas al inicio del trabajo se ven reflejadas en estos. Vemos como era correcto que el

estrato más bajo es el que se endeuda en un mayor porcentaje , si bien es solo un 0,2%

más que el siguiente, el ingreso restante (no adeudado) es mucho menor que el de los

otros estratos ( dejándolos con solo $205.977) tomándolo como una forma de poder

adquisitivo. Observamos también como el nivel de deuda aumenta en los entrevistados

que pertenecen al tramo de educación universitaria siendo lo más probable debido al alto

nivel de estudiantes que solo pueden pagar sus carreras con créditos.

La edad demostró ser el determinante demográfico con más influencia sobre la

razón deuda ingreso, posiblemente debido a las urgencias que van naciendo con estas por

ejemplo la vivienda propia o el nacimiento de hijos. Con esto también está relacionada la

variable de personas en el hogar que demuestra que a más personas más endeudamiento.

15

Para finalizar creemos que con estos resultados queda en parte demostrado que

los factores demográficos inciden en la deuda de los hogares, más no enteramente debido

a que solo son datos en un espacio temporal. Es importante que se empiece a tomar

relevancia en el tema de endeudamiento de los hogares por que responde a la calidad de

vida de las personas y enseñar las diferencias entre un endeudamiento responsable y uno

vulnerable, así como poner énfasis en la regulación del mercado financiero. Queda

pendiente la realización de un método que nos permita entender en que tipos de

instrumentos financieros se endeudan la mayoría de los hogares para entender a

cabalidad la naturaleza del endeudamiento.

BIBLIOGRAFÍA

Encuesta Financiera de Hogares: Metodología y Principales Resultados EFH 2011-12. Banco Central (2011) http://www.bcentral.cl/estadisticas-economicas/financiera-hogares/pdf/Resultados_EFH_2011-12.pdf

Alejandra Chovar,Karen Elgueta ,Hugo Salgado (2010,9 de Septiembre)¿Cuánto influyen las tarjetas de crédito y los créditos hipotecarios en el sobre- endeudamiento de los hogares en Chile? http://www.bcentral.cl/conferencias-seminarios/otras-conferencias/pdf/

Workshop09092010/Alejandra_Chovarv2.pdf

Paul Bloxham, Christopher Kent (2009, 2 de Septiembre) Household Indebtedness. Australian Economic Review Volume 42, Issue 3, pages 327–339, September 2009 http://onlinelibrary.wiley.com/doi/10.1111/j.1467-8462.2009.00564.x/pdf

16