Construcción de un índice espacial de bancarización : un estudio para la región centro de Argentina.
Construction of an spatial index of banking coverage for the central region of Argentina.
Barra lateral del artículo
PDF
FLIP
Esta obra está bajo una Licencia Creative Commons ATTRIBUTION 4.0 INTERNATIONAL CC BY 4.0
Contenido principal del artículo
Resumen
La bancarización resulta importante en tanto constituye un motor para el desarrollo económico y social de un país o región al favorecer la disponibilidad de servicios financieros para la población y las empresas y del nivel de acceso y utilización de tales servicios por parte de los distintos agentes económicos. En este sentido, resulta clave una medición adecuada del proceso de bancarización a través de un Índice de Bancarización. Este trabajo propone la construcción de un Índice de Bancarización para la región Centro de Argentina considerando información proporcionada por el Banco Central de la República Argentina y el Instituto Nacional de Estadística y Censos para el año 2010. Como los datos están georeferenciados, resulta adecuado aplicar Componentes Principales Geográficamente Ponderadas que permiten incorporar la heterogeneidad espacial de los datos, es decir considerar situaciones donde los datos espaciales no son bien descriptos por un modelo global. Los resultados permitirían corroborar que esta metodología constituye un aporte metodológico significativo. Se destaca la provincia de Santa Fe, exhibiendo un mayor nivel de bancarización, siguiendo en importancia la provincia de Córdoba, pero con un comportamiento más heterogéneo que contrasta con el de la provincia de Entre Ríos, que aunque presenta un nivel de bancarización menor exhibe un comportamiento más homogéneo.
Palabras clave:
Descargas
Detalles del artículo
Referencias (VER)
Amidzic, G., Massara, A., Mialou, A. (2014). Assessing countries' financial inclusion standing: a new composite index. Working Paper n°14/36, International Monetary Fund (IMF). Recuperado de: https://www.imf.org/external/pubs/ft/wp/2014/wp1436.pdf ; https://doi.org/10.5089/9781475569681.001
BANCO CENTRAL DE LA REPÚBLICA ARGENTINA (2010a). Información de Entidades Financieras. Superintendencia de Entidades Financieras y Cambiarias.
BANCO CENTRAL DE LA REPÚBLICA ARGENTINA (2010b). Disponibilidades, Préstamos y Depósitos clasificados según la ubicación geográfica de la casa o sucursal de la entidad financiera.
BANCO CENTRAL DE LA REPÚBLICA ARGENTINA (2015). Mi diccionario financiero. Recuperado de http://www.bancocentraleduca.bcra.gov.ar/PDFs/Diccionario_Financiero_Jovenes.pdf
Camara, N., Tuesta, D. (2014). Measuring Financial Inclusion: a multidimensional index. BBVA Research, Working Paper N° 14/26. Recuperado de: https://www.bbvaresearch.com/wp-content/uploads/2014/09/WP14-26_Financial-Inclusion2.pdf ; https://doi.org/10.2139/ssrn.2634616
Chakravarty, S.; Pal, R. (2013): Measuring Financial Inclusion: an axiomatic approach. Journal of Policy modeling, 35(5), 813-837. Recuperado de: https://ideas.repec.org/p/ind/igiwpp/2010-03.html ; https://doi.org/10.1016/j.jpolmod.2012.12.007
Demsar, U., Harris, P., Brunsdon, C., Fotheringham, A.S., Mcloone, S. (2013): Principal Component Analysis on Spatial Data: An Overview. Annals of the Association of American Geographers, 103(1), 106–28. https://doi.org/10.1080/00045608.2012.689236
Domínguez Serrano, M., Blancas Peral, F.J., Guerrero Casas, F.M., Gonzalez Lozano, M. (2011). Una revisión crítica para la construcción de indicadores sintéticos. Revista de Métodos Cuantitativos para la Economía y la Empresa, 11, 41-70. Recuperado de: https://www.upo.es/revistas/index.php/RevMetCuant/article/view/2094
Dray, S., Jombart, T. (2011). Revisiting Guerry's data: introducing spatial constraints in multivariate Analysis. The Annals of Applied Statistics, 5(4), 2278-2299. https://www.jstor.org/stable/23069330 ; https://doi.org/10.1214/10-AOAS356
Fotheringham, A.S., Brunsdon, C., Charlton, M. (2002): Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. John Wiley & Sons.
García, F. (2017). Un índice único de bancarización con datos georreferenciados con una aplicación para la Argentina. Ecos de Economía, 21(45), 24-38. https://doi.org/10.17230/ecos.2017.45.2
García, F. (2018). ¿Es posible un índice de bancarización en Argentina? Una aplicación espacial para Córdoba, Entre Ríos y Santa Fe. Estudios Económicos, 35(70), 57-77. Recuperado de: https://dialnet.unirioja.es/servlet/articulo?codigo=7390266 ; https://doi.org/10.52292/j.estudecon.2018.1097
Gollini, I., Lu, B., Charlton, M.; Brunsdon, C., Harris, P. (2015). GWmodel: an R Package for exploring Spatial Heterogeneity using Geographically Weighted Models. Journal of Statistical Software, 63(17), 1–50. https://doi.org/10.18637/jss.v063.i17
GRUPO DE MONITOREO MACROECONÓMICO (2011): Indicadores de bancarización. Buenos Aires. Recuperado de https://www.gmm-mercosur.org
Gupte, R., Venkataramani, B., Gupta, D. (2012). Computation of financial inclusion index for India. Procedia - Social and Behavioral Sciences, 37, 133-149. https://doi.org/10.1016/j.sbspro.2012.03.281
Harris, P., Brunsdon, C., Charlton, M. (2011). Geographically weighted principal components analysis. International Journal of Geographical Information Science, 25(10), 1717-1736. https://doi.org/10.1080/13658816.2011.554838
Hasan, R., Islam, E. (2016). Financial Inclusion Index at district levels in Bangladesh: a distance-based approach. Bangladesh Bank, Working Paper Series No 1603. Recuperado de https://ideas.repec.org/p/pra/mprapa/71344.html
INSTITUTO NACIONAL DE ESTADÍSTICAS Y CENSOS (2010). Censo Nacional de Población, Hogares y Viviendas 2010, procesado con Redatam+SP. Recuperado de http://www.indec.gov.ar
Lloyd, C. D. (2010). Analysing population characteristics using geographically weighted principal components analysis: a case study of Northern Ireland in 2001. Computers, Environment and Urban Systems, 34(5), 389-399. https://doi.org/10.1016/j.compenvurbsys.2010.02.005
Mishra, R. N., Verma, P.; Bose, S. (2014). Operationalising financial inclusion Index as a policy lever: Uttar Pradesh (in India) - A Case Study. Journal of Mathematics and Statistical Science, 2015, 149-165. https://doi.org/10.2139/ssrn.2381419
Moran, P. (1950). Notes on Continuous Stochastic Phenomena. Biometrika, 37(1), 17–23. https://doi.org/10.2307/2332142
Morales, L., Yañez, A. (2006). La bancarización en Chile, concepto y medición. Superintendencia de Bancos e Instituciones Financieras de Chile, Serie Técnica de Estudios. Recuperado de: http://www.cmfchile.cl/portal/publicaciones/610/articles-40031_doc_pdf.pdf
Nardo, M., Saisana, M., Saltelli, A., Tarantola, S., Hoffmann, A., Giovannini, E. (2008). Handbook on Constructing Composite Indicators: Methodology and User Guide. Paris: OECD Publishing. Recuperado de: https://www.oecd.org/els/soc/handbookonconstructingcompositeindicatorsmethodologyanduserguide.htm
Sarma, M. (2008). Index of financial inclusion. Working Paper N° 215, New Delhi: Indian Council for Research on International Economics Relations.
Sarma, M. (2012). Index of Financial Inclusion – A measure of financial sector inclusiveness. Berlin Working Papers on Money, Trade, Finance and Development, N° 07
Sethy, S. K. (2016). Developing a financial inclusion index and inclusive growth in India. Theoretical and applied economics, 2(607), 187-206. Recuperado de: http://www.ectap.ro/developing-a-financial-inclusion-indexand-inclusive-growth-in-india-susanta-kumar-sethy/a1191/
Zulaica Piñeyro, C. M. (2013). Financial Inclusion index: proposal of a multidimensional measure for México. Revista Mexicana de Economía y Finanzas, 8(2), 157-180. https://doi.org/10.21919/remef.v8i2.46