“EFECTOS SPILLOVER DE LA INCLUSIÓN FINANCIERA

SOBRE LOS PATRONES DE CONSUMO EN FAMILIAS

PERUANAS RURALES”

Trabajo de Investigación presentado

para optar al Grado Académico de
Magíster en Economía

Presentado por

Sr. Alejandro Armas Braithwaite

Sr. Emanuel Paredes Salazar

Asesor: Profesor Francisco Galarza Arellano

2019
Muchas gracias a nuestros padres, Juan, Beatriz
Adrián e Isabel, por su apoyo a lo largo de este
proceso. Agradecemos también a Bruno
Saavedra por mantenernos enfocados y
preocuparse por nuestro avance durante las
etapas más cargadas. Sin ustedes no lo
hubiésemos logrado, este trabajo es por y para
ustedes.
Agradecemos mucho a Francisco Galarza por
sus valiosas apreciaciones, sus ideas y su
retroalimentación, que dieron forma a la presente
versión del trabajo. También agradecemos a
Nelson Ramírez por retar las ideas que tuvimos
y animarnos a explorar.
Resumen ejecutivo

La inclusión financiera permite a los hogares acceder a productos financieros para incrementar su
acumulación de bienes duraderos y activos de largo plazo, de modo que se alcance un mayor nivel
de bienestar y se asegure la reducción de la pobreza y la desigualdad. No obstante, en el Perú la
mayoría de distritos no cuenta con un punto de atención del sistema financiero en su territorio.
Ante dicha situación, resulta relevante analizar si la distancia física de los hogares que no tienen
acceso financiero directo a otro distrito que sí cuenta con presencia financiera genera algún tipo
de efecto spillover sobre los patrones de consumo de las familias en las zonas rurales peruanas.

De este modo, este documento propone modelos de seudopaneles con variables instrumentales
para evaluar dicho efecto en el periodo 2010-2017 empleando variables de acceso y uso financiero
de la Superintendencia de Banca, Seguros y AFP (SBS) y datos sobre la composición del gasto
familiar de la Encuesta Nacional de Hogares sobre Condiciones de Vida y Pobreza (Enaho). Para
identificar dicho efecto spillover, se generaron variables dicotómicas que clasificaban las familias
desatendidas por el sistema financiero en función al nivel de la distancia entre un distrito sin oferta
financiera y el distrito más cercano con al menos un cajero corresponsal.

Los resultados permiten observar que, a pesar de no tener acceso directo al sistema financiero, la
cercanía física a distritos con oferta financiera genera un efecto positivo sobre la proporción de
gasto destinado a bienes duraderos respecto de las familias que se ubican a más de 50 km de un
territorio con presencia financiera. Además, dicho efecto es mayor a medida que la distancia se
acorta. Por otro lado, se halla que aquellos que se ubican a más de 50 km de distancia incurren en
un mayor gasto total respecto de las familias desatendidas que se posicionan a menor distancia
del sistema financiero. Aunque si la distancia es baja la diferencia respecto de los más lejanos
resulta menor. Por lo tanto, en función a los resultados, a pesar de que los pueblos rurales no
tengan acceso ni uso financiero directo, su cercanía con otros territorios que sí cuentan con
presencia financiera modifica los patrones de consumo de forma robusta y significativa respecto
del resto de las familias que no son atendidas por el sistema financiero.
 Índice de contenidos

Índice de tablas ........................................................................................................................... vi

Índice de gráficos ...................................................................................................................... vii

Índice de anexos ....................................................................................................................... viii

Capítulo I. Introducción ..............................................................................................................1

Capítulo II. Revisión de literatura..............................................................................................4

1. ¿Qué entendemos por inclusión financiera?...............................................................................4

2. Evidencia internacional del impacto de los microcréditos sobre los beneficios en los sectores
vulnerables .....................................................................................................................................6

3. El sistema financiero en el Perú ...............................................................................................13

4. La inclusión financiera en el Perú ............................................................................................20

Capítulo III. Marco analítico y metodología ...........................................................................24

1. Marco teórico ...........................................................................................................................24

2. Fuentes de información y datos................................................................................................28

3. Ejercicio empírico ....................................................................................................................32

4. Hipótesis...................................................................................................................................36

Capítulo IV. Análisis de resultados ..........................................................................................37

Capítulo V. Discusión ................................................................................................................43

1. Nuevas líneas de investigación ................................................................................................47

2. Recomendaciones de política ...................................................................................................48

Conclusiones ...............................................................................................................................50

Bibliografía .................................................................................................................................51

Anexos .........................................................................................................................................58

v
 Índice de tablas

Tabla 1. Estadística descriptiva de las variables relevantes (Enaho 2010-2017) ..................32

Tabla 2. Modelo within y variantes: Efecto del acceso y uso del servicio financiero sobre la
proporción de gasto en inversión .............................................................................38
Tabla 3. Modelo within y variantes: Efecto del acceso y uso del servicio financiero sobre el
gasto total.................................................................................................................39
Tabla 4. Modelo agregado: Efecto del acceso y uso del servicio financiero sobre la proporción
del gasto en inversión y el gasto total ......................................................................41
Tabla 5. Distritos con presencia física financiera con al menos 20 distritos desatendidos que
lo perciben como el distrito más cercano con un punto de atención del sistema
financiero .................................................................................................................49

vi
 Índice de gráficos

Gráfico 1. Crecimiento de los puntos de atención de la oferta financiera bancaria a nivel

nacional (2009 - 2017)...........................................................................................16
Gráfico 2. Crecimiento de los activos de la banca múltiple a nivel nacional (2009 - 2017) ..16
Gráfico 3. Crecimiento de los activos de las cajas municipales a nivel nacional (2009 -
2017)......................................................................................................................17
Gráfico 4. Evolución de las distancias de los distritos del Perú respecto del distrito con al
menos un cajero corresponsal más cercano entre 2009 y 2017 .............................18
Gráfico 5. Efectos del microcrédito sobre las decisiones intertemporales de consumo sobre la
utilidad de las familias bajo el modelo Banerjee et al. (2015) ..............................25
Gráfico 6. Evolución porcentual acumulada del crecimiento departamental de la oferta del
sistema financiero por tipo de punto de acceso (2009 - 2017) ..............................29
Gráfico 7. Análisis de la distancia a un punto de atención financiero para las familias rurales
que habitan un distrito sin acceso financiero directo .............................................44

vii
 Índice de anexos

Anexo 1. Evolución anual departamental de la oferta del sistema financiero de las instituciones
de banca múltiple y de las cajas municipales (2009 – 2017) ...................................59

Anexo 2. Explicación de variables explicativas ......................................................................62

Anexo 3. Modelos within y agregados con seudopaneles con todas las variables sobre la
proporción del gasto en inversión y el gasto total en el periodo 2009-2017 ...........63

viii
Capítulo I. Introducción

En el ámbito macroeconómico, la literatura evidencia un efecto positivo del desarrollo financiero

sobre el incremento de las tasas de crecimiento de los países y la reducción de tanto la desigualdad
como la pobreza. Por lo tanto, los gobiernos y entidades internacionales han fijado como objetivo
asegurar la inclusión financiera en los sectores de bajos recursos para que también puedan gozar
de los beneficios asociados al desarrollo (Organización de las Naciones Unidas [ONU] 2015).
Ante este contexto, existe gran interés en identificar qué características de las personas predicen
el acceso y uso de los servicios financieros.

En el Perú, debido a que el crecimiento de la demanda financiera ha sido menor que el de la oferta
financiera en los últimos diez años, diversos estudios recientes se han enfocado en identificar
cuáles son las características o componentes claves en las familias que impactan en la
participación del sistema financiero (Jaramillo et al. 2013, Cámara y Tuesta 2015, SBS 2018).
Aunque dichos estudios buscan mitigar los bajos niveles de acceso financiero por el lado de la
demanda, no profundizan la discusión sobre la siguiente etapa de la problemática: ¿existirá un
efecto positivo y significativo de este mayor acceso sobre el bienestar de las familias?

Teóricamente, el consumo de productos financieros permite a las familias incrementar la tenencia

de activos físicos y humanos sin perjudicar el cumplimiento de sus necesidades de gasto corriente
(Banerjee et al. 2015). Sin embargo, en la literatura reciente del contexto peruano, no se ha
logrado demostrar que un mayor efecto acceso financiero, o inclusión financiera en general, tenga
un efecto sobre la calidad de vida de las personas en términos de bienestar. Resulta de particular
importancia realizar un análisis de esta naturaleza sobre las poblaciones de bajos recursos en
zonas rurales, puesto que son el sector de la población más desatendido por el sistema financiero
y les permitiría incrementar la acumulación de sus activos de producción, educación y salud
respecto de sus bajos niveles iniciales.

En el contexto de las familias de bajos recursos existe una gran gama de estudios que evalúa la
efectividad de diversos programas de créditos focalizados para lograr un impacto positivo sobre
ciertas medidas de bienestar en este sector de la población (Pitt y Khandker 1998, Monge-
González et al. 2007, Karlan y Zinman 2009). No obstante, debido a las distintas condiciones o
escenarios en los que se desarrollan estos programas, la evidencia actual sobre la participación en
este tipo de programas no es concluyente sobre la magnitud ni dirección de dicho efecto
resultante. Además, debido a que la mayoría de estos estudios son experimentos aleatorios
controlados realizados en contextos distintos al peruano, difícilmente los hallazgos son aplicables
a la realidad peruana, incluso en las zonas rurales.

A pesar de la masificación exponencial de la oferta financiera desde inicios de la década del 2010,
todavía el 64,9 % de los distritos a finales del 2017 no poseía presencia física del sistema
financiero en cualquiera de sus presentaciones (Superintendencia de Banca, Seguros y AFP [SBS]
2019). Cabe mencionar que la totalidad de las localidades desatendidas podrían ser consideradas
como zonas rurales por su ubicación y la cantidad de habitantes. A pesar de ello, existen algunos
distritos sin acceso financiero directo que podrían estar expuestos a un efecto spillover,
consecuencia de su cercanía física a otros distritos con presencia financiera dentro de su territorio
que impacte positivamente sobre alguna medida de bienestar de sus habitantes, familias rurales
de bajos recursos.

Considerando que existe un particular interés actual de la literatura por identificar los canales
mediante los cuales es posible asegurar el desarrollo y bienestar de los hogares de bajos recursos,
resulta importante evaluar el impacto del despliegue de puntos de atención del sistema financiero
peruano por parte de sus entidades financieras y el mayor uso de los servicios financieros en el
contexto rural. En especial, esta investigación se enfocará en cuantificar si el efecto spillover
genera un impacto positivo y significativo sobre dos medidas de bienestar asociadas al gasto: la
asignación de gasto para la adquisición de bienes duraderos o activos de largo plazo dentro de la
canasta de consumo y el monto total de gasto de los hogares. Ambas medidas en conjunto
permiten obtener una visión completa sobre cómo la inclusión financiera afecta los patrones de
consumo, al lograr identificar cambios en la redistribución del gasto y el gasto total.

Para poder analizar el efecto de la inclusión financiera sobre el bienestar de las familias rurales,
el presente estudio emplea información sobre la composición del gasto familiar de la Encuesta
Nacional de Hogares del Perú (Enaho) y estadísticas sobre el nivel de acceso y uso financiero de
la SBS. Con estos datos, se plantean modelos de seudopaneles con variables instrumentales para
evaluar cómo la expansión de los puntos de atención del sistema financiero ha impactado sobre
los patrones de consumo en centros poblados que no superan los 4.000 hogares sin presencia física
financiera entre el 2010 y 2017. Para poder estimar ello, se empleó la distancia en kilómetros del
distrito en el que se ubican los hogares que no cuentan con presencia física del sistema financiero
hasta el distrito más cercano con al menos un cajero corresponsal (el tipo de oferta financiera que
tiene mayor penetración en el Perú).

2
Los resultados muestran que una distancia física menor a 50 km respecto del distrito más cercano
con un cajero corresponsal tiene un efecto positivo y significativo sobre la proporción de gasto
destinado a bienes duraderos, respecto a las familias que habitan en un distrito desatendido por el
sistema financiero cuya distancia es mayor a 50 km. Además, dicho efecto es mayor a medida
que la distancia se acorta. Por lo tanto, el coeficiente de los distritos que están a menos de 20 km
de distancia resulta casi el doble que el de vivir entre 20 km y 50 km del distrito con presencia
financiera más cercano.

En cambio, se halla el efecto inverso respecto del efecto sobre el gasto total de las familias. Los
resultados muestran coeficientes negativos y significativos para una distancia física al distrito más
cercano con un cajero corresponsal menor a 50 km sobre la medida de gasto total, respecto de las
familias que habitan en un distrito desatendido por el sistema financiero cuya distancia es mayor
a 50 km. No obstante, la magnitud del efecto negativo sobre el gasto total de estar a menos de
20 km es menor en valor absoluto que el de vivir entre 20 y 50 km.

Por lo tanto, aquellas familias que se encuentran a más de 50 km gastan más que aquellos que
están a menos de 50 km, pero probablemente en bienes no duraderos. Este hallazgo permite
entender que es posible que una mayor distancia del sistema financiero está relacionada con una
asignación de recursos enfocada en subsistir. De acuerdo con ello, se plantea mejorar la
conectividad entre los distritos rurales para que los costos de acceso al sistema financiero
disminuyan y se puedan incrementar el alcance de los efectos spillover.

El estudio se ajusta a la siguiente estructura. En el capítulo II se introducen los conceptos

asociados a la inclusión financiera para revisar los principales hallazgos sobre el impacto del
microcrédito sobre diversas medidas de bienestar en el ámbito internacional. En el mismo
capítulo, se presenta la situación del sistema financiero peruano para el periodo 2009-2017 y se
revisa los principales estudios sobre inclusión financiera en Perú. Luego, en el capítulo III se
plantea un marco teórico para comprender el efecto de los préstamos sobre el bienestar de las
familias, se revisan las fuentes de información y se plantean los modelos bajo los que se analizarán
los efectos del acceso y uso financiero. Tras presentar las hipótesis sobre los hallazgos, en el
capítulo IV se muestran los resultados principales de las regresiones. Después, en el capítulo V
se contrastan los resultados con hallazgos de la bibliografía, se plantean los próximos pasos para
futuras investigaciones similares junto a recomendaciones de política. Finalmente, se presentan
las conclusiones.

3
Capítulo II. Revisión de literatura

Gran parte de la reciente literatura internacional sobre inclusión financiera se ha enfocado en

encontrar los determinantes del acceso financiero, debido a que este último permite a las personas
superar sus restricciones presupuestarias, suavizar el consumo intertemporal y mitigar el efecto
negativo de choques financieros no anticipados (Demirgüç-Kunt et al. 2008, Beck et al. 2008).
Sin embargo, el concepto de inclusión financiera abarca mucho más que solo el acceso al sistema
financiero.

Según Demirgüç-Kunt y Klappe (2012), la inclusión financiera posibilita el acceso asequible,

oportuno y adecuado a los servicios financieros, logrando ampliar su uso con el propósito de
promover el bienestar financiero y la inclusión económica y social en todos los segmentos de la
sociedad. Sobre la base de este concepto, es posible diferenciar tres dimensiones claves de la
inclusión financiera: acceso, uso y bienestar. A continuación, se definirán estos tres conceptos en
función a la literatura existente.

1. ¿Qué entendemos por inclusión financiera?

El acceso al servicio financiero es entendido como la disponibilidad de puntos de atención del

servicio financiero de calidad a un precio económico que permita a las personas hacer uso de los
servicios financieros. Por lo tanto, la proximidad física de los hogares a las filiales del sistema
financiero y la ausencia de obstáculos monetarios y no monetarios para el uso de los servicios
determinan la accesibilidad financiera (World Bank 2006, Claessens 2006).

Adicionalmente, definiciones más recientes de acceso financiero abarcan la conveniencia y

voluntad de los potenciales usuarios de emplear los productos y servicios ofrecidos. Por lo tanto,
este concepto está relacionado con la facilidad del uso de los productos del sistema financiero,
independientemente de si las personas deciden utilizarlos o no (Ellis et al. 2010). De este modo,
no se asume la existencia de una demanda subyacente de servicios financieros para todos los
individuos con proximidad a la oferta financiera (Kostov et al. 2012).

Por otro lado, el uso hace referencia al consumo efectivo y frecuente de servicios financieros por
largos periodos. Eso implica que, bajo un marco estándar de oferta y demanda, el acceso
financiero determina las curvas de oferta y demanda, mientras que el uso se hallaría con la
intersección de dichas curvas (Claessens 2006). Sin embargo, el uso de los servicios financieros

4
está sujeto a varios factores de oferta relacionados a asimetrías de información (riesgo moral y
selección adversa), problemas contractuales, costos de transacción, factores institucionales o
hasta características a nivel país (Beck y De la Torre 2007). Estas fallas de mercado generan que
localidades con ofertas financieras similares muestren distintos niveles de uso efectivo.

En cuanto a la estimación del uso de los servicios financieros, aunque cada individuo de una
misma localidad tiene un nivel de consumo distinto de los productos y servicios financieros, la
medición suele realizarse a nivel agregado. Adicionalmente, suele distinguirse el uso en función
de los productos ofrecidos en el mercado, puesto que cada uno satisface necesidades distintas de
los clientes, especialmente en el contexto de localidades humildes y remotas. Por ejemplo, un alto
monto de créditos muestra una mayor necesidad de liquidez, mientras que el análogo en depósitos
podría indicar preferencias por suavización del consumo intertemporal.

Por lo tanto, el acceso y uso financiero están muy relacionados. En resumen, la disponibilidad de
los puntos de atención de la oferta financiera por sí sola no es suficiente para lograr la inclusión
de las comunidades. No obstante, dicha medida de acceso sí resulta ser una condición necesaria
para que las personas usen los servicios financieros, aunque el nivel de utilización depende más
de las necesidades financieras que la población busca satisfacer (Talledo 2015).

Finalmente, el beneficio es el efecto sobre la calidad de vida de los individuos, resultante de una
mayor inclusión financiera. Para observar este beneficio, es necesario cuantificar la modificación
en alguna medida de bienestar, como consecuencia de un incremento en las variables de acceso y
uso financiero (Sarmiento 2018). Entonces, debido a que los productos del sistema financiero
permiten aumentar la tenencia de activos físicos y humanos sin afectar los niveles de gasto
regulares, el éxito de la inclusión financiera depende del desarrollo de los hogares mediante la
simultánea acumulación de activos de largo plazo y la satisfacción de sus necesidades de gasto
(Townsend y Ueda 2006, Agnello et al. 2012, Cull et al. 2014).

Este objetivo resulta aun más importante en el contexto de poblaciones de bajos recursos, puesto
que la inclusión financiera les permite reducir la alta variabilidad en su consumo al otorgarles
mecanismos para enfrentar eficientemente los choques adversos de ingresos y precios. Además,
les permite incrementar el valor de sus activos de producción, educación y salud, logrando
implicancias en términos macroeconómicos mediante impactos positivos en el crecimiento
económico y en la reducción de la desigualdad y la pobreza (Honohan 2008, Sarmiento 2018).

5
Lamentablemente, como se mencionó anteriormente, la literatura se ha centrado más en el estudio
de los determinantes de acceso al sistema financiero enfocado en la demanda, ignorando el
análisis del efecto de un mayor acceso y uso sobre el bienestar de las familias. Además, si bien
existen estudios de inclusión financiera a nivel país, es posible que se observen distintos efectos
a un nivel más desagregado, como el del hogar. Por ejemplo, Beck et al. (2012) hallan que los
créditos tienen una relación positiva con el crecimiento económico y con la reducción acelerada
de la inequidad, pero si se distingue entre créditos a empresas y familias, es posible observar que
este efecto es consecuencia únicamente de la actividad empresarial, dado que los créditos
dirigidos a los hogares no muestran ninguno de estos efectos.

Por otro lado, debido al efecto positivo de la inclusión financiera sobre las poblaciones de bajos
recursos, es importante analizar si la expansión de la oferta física financiera impacta sobre el nivel
de bienestar de las familias que carecen de acceso directo al sistema financiero en función a qué
tan desatendidos se encuentran. Si bien se ha analizado el efecto de la presencia financiera física,
no existe un análisis profundo sobre este potencial efecto indirecto. Por lo tanto, el presente
trabajo pretende verificar si la propuesta actual de servicios financieros en el Perú ha logrado
incrementar alguna medida de bienestar para las familias rurales peruanas desatendidas por el
sistema financiero.

Para poder analizar a las familias rurales que no cuentan con acceso directo al sistema financiero,
se debe hacer una comparación de su bienestar con aquellas familias en un contexto similar que
sí acceden al sistema financiero y hacen uso de él. Por lo tanto, se va a revisar la bibliografía de
microcréditos, puesto que, a pesar de que tiene como objetivo fortalecer la capacidad productiva,
es una herramienta que ha sido estudiada a profundidad con la finalidad de observar si genera un
impacto sobre el bienestar de los usuarios o familias que lo reciben.

2. Evidencia internacional del impacto de los microcréditos sobre los beneficios en los
sectores vulnerables

Recientemente, el ámbito de las microfinanzas ha adquirido mucha atención por parte de los
investigadores, debido a su percepción generalizada como una herramienta efectiva para mejorar
las condiciones sociales en los países en desarrollo (Bebczuk y Haimovich 2007). Por ello, no
resulta sorpresiva la veloz propagación del uso de microcrédito en la última década, puesto que
muchas personas e instituciones creen que es una iniciativa exitosa en el combate a la
pobreza (Banerjee 2013).

6
Según Schroeder (2012), la creencia de que los microcréditos son una herramienta poderosa para
aliviar la pobreza está fundada en su naturaleza de otorgar liquidez en pequeños montos a los más
pobres para que puedan realizar emprendimientos. Por lo tanto, teóricamente, los microcréditos
permiten a los hogares adquirir bienes duraderos e incurrir en actividades generadoras de ingresos
que no podrían realizar sin el apoyo financiero, al estar limitados por su capacidad adquisitiva.
De cumplirse esta premisa teórica, la evidencia empírica debería reflejar un incremento en el
beneficio1 de largo plazo de forma sostenida. Sin embargo, a la fecha, dicha evidencia empírica
sobre el efecto mitigador de pobreza y generador de beneficios de las microfinanzas es ambigua
e insuficiente, a pesar de que se asuma la existencia de un efecto significativo (Schroeder 2012).

Una de las investigaciones más significativas sobre la importancia del microcrédito es un estudio
cuasi experimental realizado por Pitt y Khandker (1998) que analiza el efecto de programas de
créditos y servicios financieros sobre la distribución de recursos en los hogares rurales de
Bangladesh entre 1991 y 1992. El estudio halla que el acceso a los programas de crédito afecta
de forma positiva el nivel de escolaridad e incrementa la oferta laboral, la tenencia de activos y el
gasto familiar, cuando el receptor del servicio es una mujer. Con este hallazgo, se plantea la idea
de que los préstamos otorgados a hombres están relacionados a un mayor nivel de gasto en ocio.

Para complementar estos hallazagos, Schroeder (2012) analiza la misma base de datos de aldeas
rurales de Bangladesh, pero agrega un componente temporal al modelo, empleando la encuesta
de seguimiento realizada entre 1998 y 1999. Con esta información busca mostrar que los efectos
de los préstamos de microcrédito pueden no ser evidentes de inmediato, sino que los beneficios
se observan realmente a largo plazo. Por lo tanto, al controlar los resultados ante la endogeneidad
de la decisión de tomar un préstamo, Schroeder halla que los microcréditos generan un efecto
positivo y significativo sobre el consumo en el largo plazo. Además, se estima que la elasticidad
del consumo del hogar respecto de los préstamos está dentro del rango de 0,193 y 0,212 para un
hogar aleatorio de la muestra.

Adicionalmente, Khandker (2005) analiza el impacto de los programas de créditos y sus spillovers
sobre el consumo y la reducción de la pobreza utilizando la misma base de datos que Schroeder
(2012). El estudio halla que los préstamos a las mujeres logran incrementar el nivel de consumo
de los hogares, mientras que los préstamos, en general, generan una reducción sustancial del nivel

1 Gran parte de la literatura microfinanciera usa como medida de bienestar alguna variable de consumo en vez de los
niveles de ingresos. Esto se debe a que la inclusión financiera se estudia en países de tercer mundo, donde la línea de
pobreza suele cuantificarse en términos de las canastas de consumo (Schroeder 2012). Además, los datos de ingresos
reportados en encuestas longitudinales suelen estar sujetos a varios errores (Deaton 2018).

7
de pobreza. Los efectos sobre la pobreza son de mayor magnitud, tanto para la pobreza moderada
como para la extrema. Ambos resultados se observan en los participantes y no participantes de
los programas de créditos, incluso en zonas donde no hay presencia de estos programas. Este
hallazgo da indicios de la existencia de efectos spillover, debido a la proximidad de los
participantes del programa, al menos sobre familias afectadas por la pobreza moderada.
Finalmente, los resultados también indican que más de la mitad de los 3,0 puntos porcentuales de
reducción de pobreza anual observados para los participantes son consecuencia directa de los
microcréditos.

Además de reducir la pobreza, el microcrédito puede tener un rol mitigador de riesgos. Según
Gertler et al. (2009), debido a las limitaciones del sector público para dar una atención de salud
apropiada a nivel nacional y los altos costos privados de los servicios médicos, es posible que los
microcréditos permitan asegurar la salud de las poblaciones más vulnerables sin afectar su nivel
de consumo corriente.

En línea con esta idea, Islam y Maitra (2012) analizan el efecto del acceso al microcrédito sobre
la variabilidad en el consumo ante shocks de salud usando un panel de individuos de las zonas
rurales de Bangladesh entre 1997 y 2005. El estudio muestra que, a largo plazo, los hogares con
acceso al crédito que tuvieron algún shock negativo de salud no redujeron su dotación de ganado,
mientras que los hogares del grupo de control sí. De este modo, estos hallazgos refuerzan que,
ante una mayor dotación de créditos, los miembros del hogar están en una mayor capacidad de
asegurar su posesión de activos y su nivel de gastos alimentarios y no alimentarios, reduciendo la
variabilidad de adquisición de bienes duraderos y no duraderos.

Aunque gran parte de la bibliografía se ha enfocado en el análisis de los países asiáticos, también
se ha hallado efectos positivos del microcrédito en Latinoamérica. En esta región, es posible
observar un contexto macroeconómico y social distinto, puesto que hay una tendencia a altas tasas
de crecimiento de gran variabilidad anual. Por ello, Bittencourt (2012) propone que el entorno
latinoamericano presenta un escenario propicio para evaluar la validez del modelo de Schumpeter,
que indica que el crédito en manos de un empresario hábil conlleva a la innovación y prosperidad.

Para probar que el desarrollo financiero propicia el crecimiento económico mediante innovación
y emprendimiento, Bittencourt (2012) emplea data de panel macroeconómica para Argentina,
Bolivia, Brasil y Perú entre 1980 y 2007. Al controlar por la inflación y las otras condiciones
políticas y económicas que afectaron el desempeño de los países en el periodo de análisis, el

8
estudio valida la premisa de Schumpeter, el crédito genera innovación y prosperidad, y argumenta
que el efecto del crédito resulta mayor cuando los gobiernos aseguran escenarios propicios para
el desarrollo de la industria financiera.

Validar realmente la premisa del emprendimiento latinoamericano implica profundizar el análisis

a un nivel microeconómico para evaluar las implicancias del desarrollo financiero sobre el nivel
de bienestar de los hogares. En línea con esto, Monge-Gonzáles et al. (2007) analizaron el efecto
de los microcréditos otorgado por el Banco Nacional de Costa Rica a pequeñas y microempresas
sobre la productividad de sus operaciones y el nivel de bienestar de los empleados de bajos
recursos que trabajan en dichas empresas. Según resultados de estimaciones por Mínimos
Cuadrados Ordinarios (MCO), se encuentra que el crédito tiene un efecto significativo y positivo
en la productividad, tanto directa como indirectamente, mediante innovación y acumulación de
capital. Adicionalmente, se halla que las familias que trabajan para pequeñas y microempresas
que reciben préstamos del Banco Nacional tienen un ingreso familiar mayor que los hogares de
empleados en empresas que no son clientes de dicho banco.

En otro estudio a nivel microeconómico, Bebczuk y Haimovich (2007) analizan el impacto del
crédito en el ingreso de las familias pobres y sus decisiones de escolaridad en varios países de
Latinoamérica y el Caribe2. Los estimados de ambos efectos fueron positivos y de magnitud
variada entre los países, pero no fueron significativos en todos los casos. Además, debido a
limitaciones de la información, solo se evaluó en la mayoría de los casos el efecto de la recepción
de un préstamo reportado por el jefe familiar, lo cual no permite controlar respecto de otras
variables importantes, como la calidad del crédito, la institución financiera que lo ofrece, ni las
condiciones de repago que se le ofrece al jefe en términos de tasas de interés y colaterales.

Especialmente en Latinoamérica y el Caribe, una de las críticas a las microfinanzas es que las
tasas de interés de los préstamos suelen estar muy por encima de lo que las personas de bajos
recursos puedan pagar. A pesar de que las tasas de interés promedio en la región se han reducido
en 0,9 % anualmente entre 2003 y 2006, las tasas de interés efectivas se mantienen por encima
del 25 % (Rosemberg et al. 2009). No obstante, dichas tasas se justifican entre las instituciones
financieras, debido a los altos costos asociados al monitoreo de los prestamistas y a la necesidad
de cubrirse ante el riesgo de no repago.

2
La data consolida información de encuestas de hogares de Bolivia, Guatemala, Jamaica, México, Nicaragua, Perú,
Paraguay y Haití (Bebczuk y Haimovich 2007).

9
Ante este panorama, Bogan et al. (2015) plantearon analizar las características que afectan la
elasticidad precio de la demanda por microcrédito. Para ello, se empleó respuestas de los clientes
de una entidad microfinanciera en República Dominicana sobre el monto que estarían dispuestos
a prestarse ante cambios en las tasas de interés. Los hallazgos muestran que una actitud
emprendedora y una menor aversión al riesgo están relacionadas con una demanda elástica,
mientras que una mayor educación financiera está asociada a una demanda inelástica. Estos
resultados muestran que es posible segmentar de forma apropiada los intereses que se debe ofrecer
a los distintos tipos de clientes para asegurar un mayor acceso financiero en las poblaciones de
bajos recursos y lograr así una mayor cobertura y efectos sobre el bienestar.

Como se puede observar, existe una vasta literatura que recalca la existencia del impacto positivo
del microcrédito en los hogares de forma directa o indirecta. No obstante, también existen estudios
que identifican contradicciones y carencia de evidencia estadística para validar la efectividad de
los microcréditos sobre el bienestar de las familias (Roodman y Morduch 2014). Por ejemplo,
Morduch (1998) critica el uso de regresiones discontinuas, debido a que el punto de quiebre
teórico de elegibilidad para recibir un préstamo en Bangladesh no se cumplía en la práctica, por
lo que la división entre los grupos de tratamiento y control pierde validez. Al replicar el estudio
de Pitt y Khandker (1998) con otra metodología, Morduch (1998) reporta que no existen
diferencias significativas en el incremento de consumo y el nivel de escolaridad frente a los no
participantes, pero sí valida que el acceso al crédito reduce la variabilidad del consumo mediante
la suavización del ingreso.

Por otro lado, Coleman (1999) analiza el efecto del crédito grupal de los “bancos comunales”3
sobre 72 variables de desarrollo para aldeas en el norte de Tailandia entre 1995 y 1996, pero
encuentra impactos no significativos sobre la tenencia de activos físicos, ahorro, producción,
ventas, gastos productivos, tiempo dedicado al trabajo y parte del gasto en educación y salud.
Debido a estos resultados negativos, propuso varias hipótesis sobre las causas detrás de estos; por
ejemplo, que el monto del préstamo no era suficiente para la promoción de actividades
productivas, que los intereses eran elevados para la realidad de las comunidades, o que el foco de
estos créditos podría haber sido la estabilidad en el consumo.

Para validar las hipótesis planteadas y profundizar sobre potenciales efectos diferenciados,
Coleman (2006) realiza un estudio sobre las mismas aldeas en Tailandia para analizar la presencia

3 Los “bancos comunales” están

conformados por grupos de 20 a 60 personas, normalmente mujeres, que reciben dinero
de una ONG por 6 meses y se coberturan entre sí para lograr el pago a la entidad (Coleman 1999).

10
de diferencias significativas en el impacto de los créditos en función al nivel de riqueza de los
participantes del programa. Los resultados muestran que los individuos de mayor capacidad
adquisitiva en la aldea tienen una mayor probabilidad de participar del programa de crédito grupal
“bancos comunales” y que este grupo con mayor riqueza se lleva la mayor proporción del
préstamo. Considerando esto, no resulta sorpresivo que el crédito para el grupo de alto nivel
adquisitivo genere altos efectos sobre el bienestar en todos los conceptos de bienestar que en su
anterior investigación habían sido no significativos. Con ello, concluye que el microcrédito
permite ayudar a algunas familias pobres, pero no logra atender las necesidades de los grupos más
vulnerables, reforzando el hallazgo de Amin et al. (2003).

En otro estudio sobre crédito focalizado, Banerjee et al. (2015) realizaron un experimento
aleatorio sobre el microcrédito en localidades de bajos recursos en la India donde previamente no
había presencia microfinanciera. Después de 18 meses de la intervención, no se observó
diferencias significativas en los niveles de gasto respecto de los grupos de control. Aunque sí se
presentó una variación en la composición del gasto, ya que los hogares aumentaron el consumo
de bienes duraderos y redujeron su gasto en bienes de ocio. En cuanto a los efectos sobre la
productividad laboral, destacan una mayor dedicación de recursos hacia los negocios propios en
los grupos de tratamiento con acceso al crédito. No obstante, ninguno de estos efectos positivos
tuvo algún impacto promedio significativo, incluso los impactos del microcrédito sobre la salud,
la educación y el empoderamiento de las mujeres fueron no significativos.

Ante este resultado, el estudio de Karlan y Zinman (2009) sobre el uso del crédito para el consumo
resulta interesante, dado que, al enfocar el servicio financiero en el gasto de productos y servicios,
este tipo de préstamo es improductivo desde un punto de vista teórico. Los autores estudiaron
personas a las que se le había rechazado la solicitud de crédito en un banco de Sudáfrica que
otorga préstamos de alto rendimiento y riesgo sin colateral. De esta muestra de personas
rechazadas, se ofreció una línea de crédito de consumo en dicho banco a un grupo aleatorio. Los
hallazgos muestran que el acceso a este tipo de crédito generó un impacto positivo y significativo
sobre la retención de trabajo, los ingresos, el consumo de comida tanto en la calidad como
cantidad de los alimentos, y la prevención de incidencias. Finalmente, el banco rentabilizó sobre
los créditos otorgados, por lo que es posible sugerir que los créditos de consumo tienen potencial
para generar bienestar social y económico en la población.

Como se puede observar, gran parte de los estudios de microcréditos analizan los efectos mediante
experimentos controlados. Sin embargo, es importante que también se evalúe el efecto de la

11
evolución natural de la oferta financiera sobre las medidas de bienestar de diversas familias, con
y sin acceso directo a puntos de atención de la oferta financiera, para observar si efectivamente
existe un cambio a nivel nacional.

En el caso de las familias más vulnerables que habitan en zonas alejadas que no cuentan con
puntos de atención financiero –la población objeto de análisis– resulta relevante analizar si la
cercanía física al sistema financiero genera algún efecto sobre el bienestar de este segmento de la
población. Por lo tanto, se presenta la literatura existente respecto del efecto de la expansión
financiera, la proximidad física al sistema financiero y el acceso financiero indirecto.

En el contexto de Bangladesh, Ahmed (2016) emplea información de hogares por distrito para
estimar primas de consumo que muestran si el gasto distrital se encuentra por encima o por debajo
del promedio. Así, se evalúa el impacto de la presencia física directa de instituciones financieras
de microcréditos sobre estas medidas relativas de consumo entre el 2005 y 2010. El estudio halla
que un hogar que no tiene préstamos se ve afectado de forma positiva por la presencia de alguna
institución microfinanciera. Además, debido a la expansión de la oferta financiera en los sectores
de bajos recursos, los hogares que no usan servicios financieros igual se ven beneficiados por la
presencia de bancos en su proximidad, debido al crecimiento de la actividad económica.

Por otro lado, en la India, Burgess y Pande (2005) analizaron los efectos de un programa estatal
de expansión de la red bancaria entre 1969 y 1990. Durante este periodo, se inauguraron alrededor
de 30.000 puntos de atención financieros en zonas rurales que previamente no contaban con
acceso directo a servicios financieros. Los resultados indican que, como resultado de la expansión
de la red rural, la presencia de puntos de atención financiera ha logrado reducir significativamente
la proporción de personas debajo de la línea de pobreza a nivel estatal mediante un mayor uso del
débito y crédito en las zonas rurales.

Sin embargo, es importante mencionar que dicho estudio emplea como unidad de análisis los
estados, puesto que su medida de bienestar es el nivel de pobreza estatal (Burgess y Pande 2005).
Por ello, no es posible discernir el efecto sobre las familias que habitan diferentes distritos dentro
del estado ni diferenciar si las reducciones sobre el nivel de pobreza de los estados son resultado
del incremento del acceso y uso de los servicios financieros o por efectos spillover sobre las
familias que habitan en territorios que no tienen presencia financiera directa.

12
En el caso de México, Bruhn y Love (2009) analizan la expansión de las oficinas del Banco
Azteca, enfocado en otorgar productos y servicios financieros a personas de bajos recursos, sobre
medidas de bienestar y actividad económica agregadas. El incremento en el acceso financiero
logró incrementar la cantidad de negocios informales, los niveles de ingresos y una reducción del
desempleo en comparación a las municipalidades sin presencia del Banco Azteca. No obstante,
las autoras reconocen que sus hallazgos no distinguen si dichos efectos fueron directos, es decir,
resultados de un mayor uso de servicios financieros, o si la expansión generó un mayor nivel de
competencia, lo cual afectó la actividad económica de México de forma indirecta.

En conjunto, los resultados anteriores muestran el debate actual sobre la eficiencia de los créditos
en el bienestar de las familias en distintos sectores y bajo distintos tipos de créditos y contextos.
Debido a la reducida literatura sobre el efecto de la expansión de la oferta financiera física sobre
medidas de bienestar a nivel de familias, resulta importante profundizar el análisis y generar un
mayor diálogo acerca de las implicancias sobre las poblaciones desatendidas de bajos recursos.
En el caso peruano no existen estudios que abarquen este efecto de la expansión de la red bancaria,
pero sí existen algunos estudios a nivel microeconómico que analizan los determinantes y la
efectividad de la inclusión financiera. Para poder contextualizar estos estudios, resulta importante
primero describir las características del sistema financiero peruano en el periodo de análisis.

3. El sistema financiero en el Perú

En el Perú, el sistema financiero formal está compuesto de las empresas supervisadas por la SBS.
Este regulador supervisa constantemente las operaciones de los distintos tipos de instituciones
financieras a nivel nacional, las cuales, a abril del 2019, pueden separarse en 17 empresas
bancarias, 11 empresas financieras, 11 cajas municipales de ahorro y crédito (CMAC), 6 cajas
rurales de ahorro y crédito (CRAC), 9 entidades de desarrollo de la pequeña y microempresa
(Edpyme) y otras entidades estatales o empresas especializadas (Banco Central de Reserva del
Perú [BCRP] 2019). Adicionalmente, todas estas empresas pueden separarse en dos grupos: las
instituciones de banca múltiple –conformadas por las empresas bancarias y algunas empresas
financieras– y las instituciones microfinancieras (IMF) –conformadas por las CMAC, CRAC,
Edpyme y algunas financieras especializadas en microfinanzas–. Estas instituciones financieras
cuentan con diferencias en cuanto a cantidad de oficinas, clientes objetivos, vinculación con el
banco central, régimen de propiedad, entre otros aspectos (Aguilar 2016).

13
Las instituciones de banca múltiple son aquellas que utilizan el dinero recibido del público y otras
fuentes de financiamiento para realizar inversiones y operaciones bancarias sujetas a riesgo de
mercado, y posibilitar créditos y préstamos (Lizarzaburu 2014). A datos del 2017, la banca
concentra el 89,35 % de los activos financieros a nivel nacional. Además, a pesar de que la
proporción de oficinas en Lima disminuye cada año, todavía el 54,89 % de todas las oficinas de
las empresas bancarias se encuentran en Lima, las cuales concentran el 85,42 % de los depósitos
y ofrecen el 78,56 % y créditos nacionales bancarios (SBS 2019). Por lo tanto, gran parte de los
servicios que ofrece la banca múltiple están centralizados en la capital.

Por otro lado, las IMF han logrado expandir la oferta de servicios financieros en los segmentos
de la población de menores recursos, con especial énfasis en la entrega de créditos personalizados
para el financiamiento de proyectos personales y actividades de personas naturales de bajos
recursos (Aguilar 2011). Los representantes más importantes de estas instituciones son las
CMAC, que pertenecen a los gobiernos municipales y operan bajo un modelo de descentralización
para poder fortalecer las oportunidades de uso financiero en las poblaciones vulnerables mediante
el análisis de flujo de caja en vez de la metodología de garantías, empleada por la banca múltiple,
para la evaluación crediticia de sus clientes (Jaramillo 2014).

Cabe mencionar que, inicialmente, las CMAC operaban de forma local, pero desde el 2002 están
autorizadas para operar en todo el territorio nacional. Por otro lado, los bancos han comprado
diversas entidades financieras especializadas para poder satisfacer las necesidades en este nicho
del mercado y las CMAC han logrado expandir su variedad de servicios financieros para atender
a un mayor nivel de personas (Aguilar 2016). Gracias a ello, se ha logrado un mayor nivel de
competencia entre ambas instituciones financieras, especialmente en el ámbito de las
microfinanzas.

Además de la adquisición de entidades microfinancieras, las instituciones de banca múltiple han

apostado por la expansión de su cobertura mediante la masificación de puntos de servicio en zonas
alejadas. Para ello, han impulsado un canal de atención denominado cajero corresponsal, que
permite efectuar depósitos, realizar pagos y contratar seguros fuera de oficinas bancarias. Este
canal del sistema financiero se posiciona, en su mayoría, dentro en establecimientos comerciales,
como bodegas y farmacias en las zonas urbanas y rurales, complementando la oferta de cajeros
automáticos que se localizan dentro de bancos o en grandes superficies comerciales (Cámara y
Tuesta 2015). Entonces, es posible afirmar que los cajeros corresponsales y las CMAC, en
conjunto, buscan propiciar la inclusión financiera en hogares pobres y en micro y pequeñas

14
empresas (Mypes), de modo que puedan generar mejoras significativas en términos de bienestar
para la sociedad.

El resto de las IMF tiene un papel más reducido dentro del incremento de la competencia a nivel
nacional. Las CRAC iniciaron como una opción dirigida al sector rural y agrícola para la provisión
de recursos financieros, por lo que, a la fecha, tienen una menor participación que las CMAC.
Mientras que las Edpyme son ONG formales con permisos para realizar programas de
microcrédito enfocado en clientes de escasos recursos, como pequeños productores y
comerciantes en áreas semiurbanas y rurales (Aguilar 2016). Dado que las Edpyme no tienen
autorización para captar depósitos del público y deben financiarse con líneas de crédito, varias
han sido absorbidas por bancos comerciales, debido a su conocimiento de microfinanzas y su alto
nivel de crecimiento en el país (Cotler y Aguilar 2013).

Debido a sus características, las IMF han logrado tener una mayor penetración en los territorios
fuera de la capital. Por ejemplo, según los reportes estadísticos al 2017 de la SBS, fuera de Lima
se encuentra el 81,06 % de todas las oficinas de las CMAC, que concentran el 69,63 % y ofrecen
el 84,76 % de todos los depósitos y créditos nacionales de las CMAC, respectivamente. No
obstante, a pesar de la gran descentralización de sus servicios, solo componen el 6,20 % de los
activos nacionales (SBS 2019). Entonces, a pesar de que las IMF han logrado tener una mayor
participación en los sectores más pobres, su concentración de fondos a nivel agregado nacional
sigue estando muy por debajo de la banca múltiple.

En los últimos años, es posible observar un gran esfuerzo por parte de las empresas privadas y
públicas del sistema financiero en expandir sus redes de puntos de atención en términos absolutos.
De este modo, entre el 2009 y 2017, periodo de análisis de esta investigación, la oferta financiera
básica bancaria, la cual considera la cantidad total de puntos de atención4 en la banca múltiple
que ofrecen los servicios de ahorro, depósito y crédito financiero, se ha sextuplicado a nivel
nacional. Este crecimiento se debe al desarrollo exponencial de los cajeros corresponsales, a pesar
de que su tendencia creciente se interrumpe en el año 2017 (ver gráfico 1).

4 En el Perú, los puntos de atención dentro de la oferta financiera básica bancaria son la cantidad de oficinas bancarias,
la cantidad de cajeros automáticos y la cantidad de cajeros corresponsales.

15
Gráfico 1. Crecimiento de los puntos de atención de la oferta financiera bancaria a nivel
nacional (2009 - 2017)

80
Puntos de atención (en miles)

70
60
50
40
30
20
10
0

Ago-17
Ago-10

Ago-11

Ago-12

Ago-13

Ago-14

Ago-15

Ago-16
Dic-09

Dic-10

Dic-11

Dic-12

Dic-13

Dic-14

Dic-15

Dic-16

Dic-17
Abr-10

Abr-11

Abr-12

Abr-13

Abr-14

Abr-15

Abr-16

Abr-17
Oficinas ATMs Cajeros corresponsales

Fuente: SBS 2019. Elaboración propia

Adicionalmente, el monto de los servicios financieros de las instituciones financieras de banca

múltiple ha aumentado en 145,57 % entre el 2009 y 2017. En el gráfico 2 es posible observar
cómo se distribuye el uso de los servicios entre el crédito y los distintos tipos de depósitos en
función a su liquidez para la oferta financiera bancaria.

Gráfico 2. Crecimiento de los activos de la banca múltiple a nivel nacional (2009 - 2017)

500
Millones de soles (S/,)

400

300

200

100

0
Ago-15
Ago-10

Ago-11

Ago-12

Ago-13

Ago-14

Ago-16

Ago-17
Dic-09

Dic-10

Dic-11

Dic-12

Dic-13

Dic-14

Dic-15

Dic-16

Dic-17
Abr-10

Abr-11

Abr-12

Abr-13

Abr-14

Abr-15

Abr-16

Abr-17

Créditos totales Depósitos a la vista Depósitos de ahorro Depósitos a plazo

Fuente: SBS 2019. Elaboración propia

16
En el caso de las CMAC, entre el 2009 y 2017, los puntos de atención crecieron de 346 a 750
oficinas a nivel nacional; por lo tanto, este tipo de institución ha tenido un crecimiento más tenue
de 116,76 %. No obstante, el monto de los servicios financieros de las CMAC ha aumentado en
mayor proporción que las instituciones de banca múltiple, logrando un crecimiento de 220,26 %
entre el 2009 y 2017.

En el gráfico 3 es posible observar cómo se distribuye el uso de los servicios entre el crédito y los
distintos tipos de depósitos en función a su liquidez5. Por lo tanto, a pesar de que los bancos hayan
logrado una mayor expansión física en el territorio peruano, las CMAC han crecido con mayor
velocidad en términos de uso financiero

Gráfico 3. Crecimiento de los activos de las cajas municipales a nivel nacional (2009 - 2017)

40
35
Millones de soles (S/,)

30
25
20
15
10
5
0
Ago-17
Dic-15
Dic-09

Ago-10
Dic-10

Ago-11
Dic-11

Ago-12
Dic-12

Ago-13
Dic-13

Ago-14
Dic-14

Ago-15

Ago-16
Dic-16

Dic-17
Abr-10

Abr-11

Abr-12

Abr-13

Abr-14

Abr-15

Abr-16

Abr-17

Créditos totales Depósitos de ahorro Depósitos a plazo

Fuente: SBS 2019. Elaboración propia

Sin embargo, dicha expansión física exponencial de la oferta financiera no ha logrado que haya
una cobertura nivel nacional por parte del sistema financiero. En el gráfico 4 se observa cómo ha
evolucionado la cantidad de distritos que no se encuentran atendidos por al menos un cajero
corresponsal entre el año 2009 y 2017.

5 A diferencia de la banca múltiple, las cajas municipales no ofrecen depósitos a la vista como producto financiero.

17
Gráfico 4. Evolución de las distancias de los distritos del Perú respecto del distrito con al
menos un cajero corresponsal más cercano entre 2009 y 2017

700

600

500 2009
2017
Frecuencia

400

300

200

100

0
0 10 20 30 40 50 60 70 80 90 100 100+
Distancia (km)

Fuente: SBS 2019. Elaboración propia

A inicios del periodo de análisis, el 83,71 % de los distritos no tenían presencia física financiera
y el 16,5 % de los distritos se encontraban a más de 50 km de distancia de un distrito con un cajero
corresponsal. Mientras que, para el año 2017, los distritos desatendidos habían reducido a 62,9 %,
todavía un porcentaje significativo. Adicionalmente, tan solo el 4 % de distritos se encontraba a
más de 50 km de distancia de un distrito con presencia financiera y es posible observar que las
distancias, en general, se redujeron. Por lo tanto, todavía existe espacio para reducir brechas de
conectividad financiera.

Por otro lado, en cuanto al uso financiero, la banca múltiple y las CMAC concentran más del
70 % de sus colocaciones en créditos en el quintil menos pobre de la población (León 2018).
Además, la cantidad de deudores a nivel nacional solo se incrementó en 53 % entre el 2009 y
2017. Esto podría significar que el sector de la población con mayor riqueza ha incrementado la
frecuencia y el monto de sus créditos y depósitos, por lo que todavía no hay un crecimiento
generalizado del uso ni acceso financiero sobre el grueso de la población peruana. Entonces,
aunque el Perú muestra cierto avance en el acceso a servicios financieros por parte de la oferta,
todavía el fomento del acceso y uso de estos por parte de la demanda parece ser reducido a nivel
agregado.

18
Sin embargo, al analizar la información desagregada de afiliados a nivel nacional es posible
observar un incremento sustancial en la cantidad de créditos de bajos montos tanto a personas
naturales como jurídicas. Según la SBS (2018), los deudores por un monto menor a S/ 9.000 que
son personas jurídicas han incrementado en un 50 % entre el 2013 y el 2018, mientras que el
número de deudores por un monto menor a S/ 3.000 que son personas naturales ha aumentado en
29,95 % en el mismo periodo. Por lo tanto, la población de menores recursos está accediendo con
mayor facilidad a fondos que podrían significar un futuro incremento de bienestar, el cual varía
en función al tipo de cliente de la institución financiera6.

A pesar de dicho crecimiento, es necesario reconocer que, en los segmentos de bajos recursos en
el Perú, el interés cobrado por concepto de créditos para el consumo y para Mypes por las
entidades financieras es elevado, debido al alto costo y riesgo7 que enfrentan las empresas al
desembolsar sus fondos (Choy et al. 2015). Por lo tanto, parte de la población de bajos recursos
no puede hacer uso de la oferta financiera formal porque su precio resulta elevado y los
requerimientos demandados por las entidades financieras no se adaptan a sus condiciones
(Alvarado et al. 2001).

Frente a esta situación, dado que el objetivo final de las familias es el progreso económico, los
hogares de bajos recursos acuden al crédito informal, un medio más accesible de corto plazo que
responde solo a las condiciones de mercado dentro del ámbito geográfico reducido en el que opera
(Alvarado et al. 2001). Entre las formas de financiamiento informal más comunes están los
préstamos de familiares, amigos, comerciantes, casas de empeños, industrias, terratenientes y
juntas. Aunque estos prestamistas tienen mayor presencia en los estratos más pobres, igual
imponen garantías para otorgar los préstamos. La diferencia con la oferta financiera formal está
en que los informales, al no estar supervisados por un ente regulador, aceptan una gama de
garantías mucho más amplia8 (Trivelli 2000 y 2002).

Independientemente de si la oferta financiera resulta ser formal o informal, toda demanda de

crédito es una demanda derivada, dado que no se demanda crédito porque sí, sino para financiar
las necesidades de producción, consumo o inversión. En los estratos de bajos recursos, no existe

6 En el caso de los hogares, la inclusión financiera implica una herramienta para estabilizar el consumo y afrontar a los
choques económicos; mientras que para las empresas supone oportunidades de financiamiento y mejoras de
productividad en las operaciones (León 2018).
7 Las entidades invierten en monitoreo de sus clientes para asegurar el pago y, ante un incumplimiento de pago, deben

asumir la pérdida (Choy et al. 2015).

8 Las garantías más populares para los informales son artefactos, vehículos y la intangible; esta última corresponde a

los préstamos realizados a conocidos en los que la garantía sería la confianza que se tiene en el receptor (Trivelli 2000).

19
una separación definitiva entre las actividades de consumo y producción, por lo que el crédito
informal sirve para financiar gastos en bienes duraderos, bienes no duraderos, educación, salud y
otros gastos productivos en el corto plazo (Alvarado et al. 2001).

La falta de información nacional confiable sobre los préstamos informales es una limitación para
estudiar el sistema financiero formal en zonas en las que existe informalidad, puesto que las
medidas de acceso y uso formales capturarán necesariamente el efecto del mercado informal. Por
lo tanto, se sobreestimaría la expansión de la oferta financiera formal descrita en líneas anteriores.
Los problemas asociados al nivel de formalidad del sistema financiero, que repercuten en la
estimación del modelo, serán discutidos y abordados con mayor profundidad en la sección de
fuentes de información y datos.

Dado este panorama en el sistema financiero peruano, podría ser que el sistema financiero formal
e informal en conjunto estén cumpliendo su rol de movilizar los recursos eficientemente hacia
hogares de bajos recursos. Desafortunadamente, según Honohan (2008), el mayor uso de servicios
financieros puede tener un efecto leve en el bienestar y la reducción de la pobreza e inequidad, ya
que las personas con poca educación financiera son más propensas a tomar malas decisiones de
inversión y consumo intertemporal. Entonces, también podría ser que no se llegue a generar gasto
productivo que permita la existencia de efectos spillover sobre las familias que habitan en zonas
sin presencia financiera física. Sin embrago, para poder afirmar estas premisas, es necesario
observar el efecto en la calidad de vida o bienestar de estas familias.

Como se ha mencionado anteriormente, en el Perú no existen estudios que investiguen el efecto

de la expansión de la red bancaria sobre el bienestar de las familias, pero sí existen investigaciones
que analizan los determinantes y la efectividad del uso financiero. Por lo tanto, se presentarán los
principales hallazgos de dichos estudios realizados en el contexto peruano.

4. La inclusión financiera en el Perú

A pesar de que la economía peruana ha experimentado un crecimiento sostenido por varios años,
la evidencia de la SBS (2018) sobre la evolución de las variables de inclusión financiera nacional
muestra que la expansión del sistema financiero no ha logrado el nivel de penetración esperado
sobre el uso de servicios financieros. Este problema no es reciente, por lo que existen varios
esfuerzos pasados por identificar los determinantes del acceso financiero en el contexto peruano

20
para identificar políticas que puedan fomentar la participación de los hogares más vulnerables en
el sistema financiero.

En el estudio de Cámara y Tuesta (2015), los autores analizaron el efecto de un grupo de variables
socioeconómicas sobre la probabilidad de pertenecer al sistema financiero. Sobre los datos de la
Enaho, construyeron una variable dicotómica que adquiría el valor de 1 si es que el hogar tenía
una hipoteca, recibía algún interés de un producto financiero o si realizaba transacciones
bancarias, y 0 de otro modo. Por lo tanto, dicha variable fue utilizada como un proxy de la
bancarización de los ciudadanos. En sus resultados hallaron que los bajos niveles de ingresos y
educación, el hecho de vivir en una zona rural y ser mujer reducen la probabilidad de ser incluidos
en el sistema financiero. Además, encontraron evidencia de que las magnitudes de los efectos
difieren según la región en la que habitan las familias.

En la misma línea, Jaramillo et al. (2013) estudiaron los determinantes para el uso del crédito con
información de la Enaho. Para este análisis, se empleó el monto total de créditos a nivel distrital
de la SBS como variable dependiente y se empleó su rezago para incorporar la historia crediticia
como un control. Los resultados muestran hallazgos similares a los de Cámara y Tuesta (2015)
sobre los efectos de la educación y el sexo del jefe de hogar, pero destacan que, para los sectores
más humildes, el acceso a infraestructura adecuada de servicios públicos9 tiene un efecto positivo
sobre la tenencia de créditos. Asimismo, se indica que este sector de la población se ve afectado
negativamente por las condiciones geográficas en las que habitan, puesto que la distancia y el
relieve incrementan el costo de acceso a la escasa oferta formal del sistema financiero al interior
del país.

Complementando estos hallazgos, Sotomayor et al. (2018) analizaron el efecto de los factores del
entorno10 de oferta y demanda del sistema financiero sobre el acceso y uso de los servicios
financieros en Perú. Para ello, las autoras emplearon información de la Encuesta Nacional de
Demanda de Servicios Financieros y Nivel de Cultura Financiera (ENDSF), la cual recopila los
hábitos, características y necesidades financieras de la población peruana. Por el lado de la oferta,
hallan que el menor tiempo de traslado hacia los puntos de atención predice un mayor uso de las

9 La infraestructura analizada incluye el acceso a agua potable, desagüe, telefonía fija y móvil, y electricidad (Cámara
y Tuesta 2015).
10 En el contexto de la investigación, los factores de entorno engloban los siguientes aspectos: políticas públicas,

contexto macroeconómico, características geográficas, infraestructura vial y de telecomunicaciones, entre otros

(Sotomayor et al. 2018).

21
cuentas de depósito, pero que este tiempo no tiene un efecto significativo sobre la tenencia de una
cuenta de depósitos ni sobre el acceso a créditos.

Por otro lado, en cuanto a la demanda, un mayor nivel de ingresos resulta ser un factor relevante
para la tenencia y uso de cuentas de depósito, aunque este efecto no se percibe en las zonas rurales.
A pesar de que este estudio trata de distinguir los efectos de la cultura financiera y el uso de
servicios públicos sobre el acceso y uso para distintos estratos geográficos, la mayoría de los
resultados parecen ser inconsistentes al evidenciar, por ejemplo, un efecto positivo en el acceso,
pero negativo en el uso. Por lo tanto, según Sotomayor et al. (2018), es necesario profundizar el
análisis sobre las dimensiones de la inclusión financiera para comprender los posibles matices
entre los efectos, ya sean contrarios o en la misma dirección.

En el caso del sector rural, Alvarado y Pintado (2017) analizaron la bancarización y oferta
crediticia en el sector agropecuario, puesto que se observa un bajo nivel de acceso a los servicios
financieros, aunque muestren una buena disposición para acceder al crédito. Dentro de los
determinantes hallados, los autores logran demostrar que tener una lengua materna distinta al
castellano tiene un efecto negativo sobre la solicitud y obtención de un crédito. Ellos indican que,
realmente, la lengua materna es un proxy para la distancia y la ubicación en zonas rurales alejadas
de los pueblos y mercados, puesto que las personas cuya lengua materna es distinta al español
suelen vivir más lejos de los mercados desarrollados, donde existe presencia financiera (Alvarado
y Pintado 2017). Por lo tanto, se plantea que la distancia respecto de los mercados es una variable
relevante para determinar el acceso al crédito.

Si bien el anterior estudio resalta la relevancia de la distancia en el contexto peruano, no analiza

las externalidades positivas que podrían resultar de la cercanía a otros pueblos con acceso directo
al sistema financiero. No obstante, De la Riva Agüero (2009) realizó un estudio sobre una muestra
de productores rurales en Cusco y Puno que participaron en un programa de reducción de pobreza
para analizar si los costos de transporte para acceder a mercados desarrollados para la venta de
sus productos impactaban sobre la acumulación de activos y bienes duraderos de largo plazo. Se
halla que una mayor distancia está asociada a un mayor nivel de inversión de activos físicos. Ello
da indicios de que los productores más lejanos deben invertir más para mantenerse competitivos
en el mercado y evitar una reducción en el nivel de bienestar de sus hogares.

Este estudio permite entender que existen factores espaciales entre las regiones del Perú que
afectan de forma directa a la productividad e indirectamente al bienestar, especialmente para las

22
familias rurales. De forma complementaria, Alfageme y Ramirez-Rondán (2016) mencionan que
los análisis de determinantes del uso de servicios financieros se enfocan en las características del
hogar, pero que debería incorporarse alguna variable que capture la oferta de servicios financieros.
Por todo esto, dado que no toda la población cuenta con acceso directo a servicios financieros, es
posible que la distancia hasta distritos que sí tienen puntos de atención de servicios financieros
formales a su disposición dentro de sus territorios genere algún efecto spillover positivo sobre el
bienestar de aquellas familias con mayor cercanía física a estos. El presente estudio propone un
primer alcance para capturar dicho efecto.

Finalmente, en cuanto a créditos informales, León et al. (2016) analizan los requerimientos
financieros de las Mypes y si el sistema financiero los satisface actualmente. Los autores evalúan
el efecto del uso de los créditos y hallan determinantes clave para plantear políticas que permitan
la expansión de los servicios para este segmento. Tras controlar por la autoexclusión del sistema
financiero por parte de los pequeños empresarios, se halla que el uso de créditos no logra
transformar su capacidad productiva, puesto que los créditos recibidos tan solo tienen un efecto
bajo sobre los niveles de productividad estimados. No obstante, los autores reconocen que estos
hallazgos son de carácter preliminar y fueron empleados para contrastar los resultados de la
información cualitativa revelada en entrevistas con empresarios.

En conclusión, existen indicadores alentadores sobre el acceso al sistema financiero peruano,

debido a la reciente expansión de puntos de atención. No obstante, es necesario profundizar el
análisis sobre el efecto de las dimensiones de la inclusión financiera sobre el bienestar de las
familias peruanas en las zonas rurales. Resulta de particular interés analizar el efecto de la cercanía
física a distritos con puntos de atención del sistema financiero sobre los patrones de consumo de
los hogares de menores recursos que habitan distritos sin presencia financiera. Para ello, se debe
contemplar en las regresiones del análisis el efecto que la cantidad de oficinas, créditos o
préstamos financieros han logrado sobre las decisiones de consumo de los hogares que sí atienden
para capturar los efectos apropiados. Entonces, en el siguiente capítulo se procede a analizar el
efecto que tiene el uso financiero sobre dichas decisiones de consumo.

23
Capítulo III. Marco analítico y metodología

La dinámica de consumo de una familia puede variar drásticamente tras obtener acceso al
microcrédito. Incluso si el microcrédito termina siendo beneficioso a largo plazo, no debe
esperarse que todos los gastos familiares logren un cambio positivo y significativo en la misma
dirección y simultáneamente. Para poder entender esta dinámica con mayor facilidad, Banerjee et
al. (2015) proponen un modelo simple sobre las decisiones de consumo de los individuos para
comprender los impactos potencialmente difusos del microcrédito sobre la composición del gasto.

Este modelo se basa en la premisa básica de que los posibles prestatarios tienen una oportunidad
de gasto que genera beneficios intertemporales. Además, Banerjee et al. (2015) suponen que el
crédito es el único canal que permite dicha inversión, puesto que, de no tener acceso a este recurso,
el recorte requerido en el consumo actual para financiar el bien duradero o activo con beneficios
intertemporales puede ser de un monto inaceptablemente alto para los individuos.

1. Marco teórico

Se asume que existen únicamente dos periodos y que un consumidor representativo del hogar
puede gastar su dinero en dos tipos de bienes: los duraderos y no duraderos. Los bienes no
duraderos, denotados con 𝑐𝑛 , son totalmente divisibles y se consumen durante el periodo en que
se compra. Por otro lado, los bienes duraderos perduran en el tiempo, son indivisibles, tienen un
costo de 𝑐𝑑 y otorgan beneficios del monto 𝑎𝑐𝑑 en cada periodo. Además, la acumulación de
bienes duraderos adicionales no resulta en un mayor beneficio en este modelo.

Para los hogares, los servicios duraderos y no duraderos son sustitutos perfectos, por lo que la
función de utilidad por período del consumidor es 𝑈(𝑐), donde 𝑐 = 𝑐𝑛 si no ha comprado el bien
duradero en el periodo actual o anterior, y 𝑐 = 𝑐𝑛 + 𝑎𝑐𝑑 , de otro modo. Asumiendo que 0 < 𝑎 <
1, la adquisición del producto duradero conlleva una pérdida neta en el primer periodo ((𝑎 −
1)𝑐𝑑 < 0), pero aún podría tener un impacto positivo, debido a que el consumidor descuenta el
𝑎𝑐
futuro a una tasa ‘𝛾’ y maximiza el total de la utilidad ((𝑎 − 1)𝑐𝑑 + (1+𝛾𝑑 ) ⋚ 0).

El individuo representativo del hogar obtiene un ingreso laboral, 𝑦, en unidades del bien no
duradero en cada periodo y no hay posibilidad de ahorro, por lo que cada periodo se gasta la
totalidad del ingreso. Sin embargo, el hogar tiene la opción de pedir prestado hasta un monto

24
𝑏 𝑚𝑎𝑥 para un periodo a una tasa de interés bruta 𝑟 y no es posible pedir otro préstamo hasta que
salde su deuda. Se asume que la adquisición del bien durable tiene un costo mayor que la cantidad
máxima posible de deuda: 𝑐𝑑 > 𝑏 𝑚𝑎𝑥 .

Bajo este modelo planteado por Banerjee et al. (2015), es posible observar que los hogares tienen
dos claras opciones no excluyentes: comprar el bien durable o pedir un préstamo. En el gráfico 5,
se ha graficado un par de curvas de indiferencias (𝑈 ′ , 𝑈′′) y posibles canastas de consumo para
facilitar el análisis de las opciones de consumo y de los efectos que tienen sobre la utilidad. En el
eje horizontal se detalla el consumo en el primer periodo y en el eje vertical el consumo del
segundo periodo.

Gráfico 5. Efectos del microcrédito sobre las decisiones intertemporales de consumo sobre
la utilidad de las familias bajo el modelo Banerjee et al. (2015)

Fuente: Banerjee et al. 2015. Elaboración propia

La curva 𝑈 ′ muestra el nivel de utilidad consistente con el consumo de la dotación inicial. Esta
canasta (𝑦, 𝑦) se denota en el punto E dentro de la curva. Sobre este punto, la pendiente de la

25
curva es 1/𝛾. La línea EF muestra todas las opciones de consumo que resultan de tomar un
préstamo en el primer periodo sin adquirir el bien durable; la pendiente de esta curva se define
bajo la tasa de interés vigente (𝑟). Bajo los supuestos propuestos, los consumidores tienen
incentivos para acceder al crédito.

Por otro lado, los hogares tienen la opción de comprar un bien durable. El punto A representa el
caso extremo en el que solo se compra este bien sin emplear financiamiento con crédito, lo cual
genera un nivel de utilidad menor al de la dotación inicial. No obstante, en caso se decida tomar
un préstamo, es posible acceder a las canastas de consumo a lo largo de la curva AB. Según el
gráfico 5, los hogares preferirán prestarse y adquirir el bien durable, puesto que ambas acciones,
en conjunto, les posibilitan incrementar el consumo del segundo periodo sin sufrir una gran
penalidad de consumo en el primer periodo. Es importante aclarar que una variable clave para
que esta afirmación sea cierta es el monto máximo del préstamo (𝑏 𝑚𝑎𝑥 ). Si el monto es bajo
podría ser que únicamente se llegue a consumir una canasta que otorgue la misma utilidad que la
dotación (punto 𝐵′). Por otro lado, si el monto del préstamo es alto podría darse una situación en
la que el consumo en el primer periodo disminuye (punto 𝐵′′) o un caso en el que existe un
aumento en el consumo para ambos periodos (punto 𝐵).

Del mismo modo, un aumento en la tasa de interés del crédito tendría un efecto negativo sobre la
utilidad de las familias, puesto que disminuye el consumo del segundo periodo por tener que pagar
el préstamo. De este modo, bajo un escenario en el que 𝑟 > 1/𝛾, no habría incentivos para optar
por el crédito por sí solo, aunque todavía resultaría racional comprar el bien durable con
endeudamiento, dado que podría mejorar el nivel de bienestar de la familia dependiendo del valor
que adquieran las otras variables.

Adicionalmente, el acceso a los microcréditos puede crear una dinámica interesante para los
hogares, ya que permite la ampliación del consumo a largo plazo, pero también puede lograr que
se reduzca ciertos consumos permanentemente mientras aumentan otros en su reemplazo. En otras
palabras, una caída en alguna partida de consumo específica no es evidencia definitiva para
afirmar que el microcrédito no ha logrado incrementar la provisión de bienes para los hogares
(Banerjee et al. 2015).

A pesar de que el modelo solo analiza dos periodos, es posible extrapolar algunos resultados para
una situación con periodos infinitos. En primer lugar, los beneficios de comprar bienes durables
podrían percibirse en una mayor cantidad de periodos, logrando que sea aun más atractiva la

26
adquisición de este tipo de bienes. Aunque el modelo supone que la acumulación de varios bienes
durables no otorga un mayor nivel de utilidad, sí debería contemplarse la existencia del gasto en
mantenimiento de este tipo de bienes o la futura reposición de estos bienes durables depreciados.
También, en la medida que se vaya pagando la deuda, resulta factible adquirir nuevos créditos
que permitan diversificar la tenencia de bienes duraderos.

El presente estudio emplea este breve modelo como base teórica para un análisis del gasto total
de consumo y su distribución al dividirlo en dos grupos: el gasto de largo plazo (bienes duraderos)
y el consumo corriente (bienes no duraderos) para las familias peruanas. Por lo tanto, existe un
símil entre el modelo de Banerjee et al. (2015), puesto que la inversión de largo plazo es
considerada como cualquier gasto en bienes o servicios que propicien la generación de capital
humano o capital de trabajo para los miembros de los hogares. Además, permite contemplar la
existencia de un desfase temporal entre el acceso al crédito y los beneficios provenientes de este,
una característica que debe tomarse en cuenta al momento de realizar el ejercicio empírico.

En cuanto a la estimación del efecto de la distancia a un punto de atención del sistema financiero,
se toma como modelo base el que plantean Burgess y Pande (2005). Los autores usan un modelo
de MCO lineal para analizar el impacto de la cantidad de puntos de acceso del sistema financiero
y el monto de créditos y depósitos sobre los niveles de pobreza. La función base para el análisis
empírico es la siguiente:
R
𝑦𝑖𝑡 = 𝛼𝑖 + 𝛽𝑡 + ϕΒ𝑖𝑡 + 𝜀𝑖𝑡

R
Donde 𝑦𝑖𝑡 denota la proporción de pobreza de un estado, Β𝑖𝑡 es la cantidad acumulada de apertura
de puntos de acceso en localidades rurales sin previa presencia financiera per cápita, 𝛼𝑖 y 𝛽𝑡 son
los efectos fijos del estado y del año. Para asegurar la exogeneidad de la variable de interés, los
R
autores emplean el método de variables instrumentales para la estimación de Β𝑖𝑡 . Asimismo,
emplean las siguientes variables de control: la densidad poblacional estatal, el logaritmo de
ingresos per cápita y el logaritmo de ciudades con menos de 10.000 personas.

La premisa de esta investigación resulta similar a la del presente estudio, puesto que evalúa el
impacto de variables de acceso y uso del sistema financiero sobre alguna variable de bienestar de
la sociedad. A diferencia de Burgess y Pande (2005), este estudio empleará las coordenadas de
los distritos para estimar las distancias y clasificar las poblaciones rurales sin presencia financiera
para identificar si existe un efecto spillover de distintas magnitudes en función al grado de
proximidad con los distritos que sí se ven atendidos por el sistema financiero. Cabe resaltar que

27
los autores reconocen que no pudieron realizar un análisis más desagregado con la información
disponible, pero recalcan su relevancia para la literatura. Además, para la presente investigación,
la variable de bienestar empleada está ligada al consumo a nivel hogar y no la pobreza distrital.

2. Fuentes de información y datos

El estudio emplea dos fuentes de información principales. La primera es el boletín de información

estadística de “Alcance y participación de mercado” de la SBS para la banca múltiple y cajas
municipales, la cual detalla la cantidad de créditos y depósitos por oficinas, y la distribución de
cajeros automáticos y cajeros corresponsales por cada banco público y privado a nivel distrital
para el periodo de 2009 - 2017. Adicionalmente, se emplean los resultados del módulo de Gastos
del Hogar de la Enaho, que detalla el consumo familiar en las siguientes partidas: Alimento y
bebida, Bienes y servicios de cuidado personal, Servicios a la vivienda, Mantenimiento de la
vivienda, Esparcimiento, Equipamiento del hogar, Muebles y enseres, Transporte y
comunicaciones, Transferencias, Vestido y calzado, Educación, Salud y Otros.

Con los datos de la SBS se han construido diversas variables de inclusión financiera a nivel
distrital, dado que este nivel de desagregación territorial permite realizar cruces con la
información de los hogares de la Enaho. En cuanto a las variables de acceso, se ha calculado la
cantidad de cajas municipales, oficinas de bancos y cajeros corresponsales en cada distrito para
cada año del periodo analizado11. Para poder controlar por la superficie de los distritos, se ha
modificado estas variables dividiéndolas por el área de su distrito y multiplicándolas por 100. De
este modo, se logra tener medidas de concentración estandarizadas del acceso a los servicios
financieros a nivel distrital por cada 100 km2.

Para las variables de uso de servicios financieros, se ha contemplado la cantidad de créditos y

depósitos distritales. En el caso de los créditos, se ha distinguido el tipo de entidad financiera que
los otorga. Por lo tanto, las variables elegidas son la cantidad total de créditos de bancos, la
cantidad total de créditos de cajas municipales y la cantidad total de depósitos. En este caso, para
controlar por la densidad de los distritos, se ha estimado las variables de uso distritales per cápita.
Dado que la infraestructura del sistema financiero puede tener un efecto rezagado sobre las
decisiones de inversión y consumo, se ha analizado la evolución de estas variables de acceso entre
2009 y 2017 a nivel nacional. En este periodo los bancos incrementaron su oferta en 58,78 % y

11 Debido a la alta correlación entre la cantidad de bancos y cajeros automáticos (superior a 95 %) se ha optado mantener
en las regresiones únicamente la primera de estas variables y obviar la otra.

28
las CMAC en 116,76 %, mientras que los cajeros automáticos y los cajeros corresponsales han
logrado aumentar su presencia nacional en 315,99 % y 1068,79 %, respectivamente.

Gráfico 6. Evolución porcentual acumulada del crecimiento departamental de la oferta del

sistema financiero por tipo de punto de acceso (2009 - 2017)

Fuente: SBS 2019. Elaboración propia

29
Adicionalmente, se ha analizado la evolución porcentual de todas estas presentaciones de la oferta
financiera a nivel departamental sobre la base de la capacidad instalada del 2009.
Paradójicamente, al agrupar estos crecimientos relativos en cuartiles, Lima es el único
departamento que siempre se posiciona en el último cuartil independientemente del tipo de oferta
del sistema financiero. En el gráfico 6 es posible ver los resultados de esta clasificación para todos
los departamentos12.

Finalmente, con los datos de los créditos por empresa, se calculó el índice Herfindahl-Hirschman
(HHI) para cada distrito con presencia financiera directa13. Esta medida de concentración de
mercado se empleó para segmentar los distritos dentro de tres categorías en función al rango del
HHI distrital: competencia alta, media y baja. Por lo tanto, se construyó tres variables dicotómicas
que reflejan la pertenencia de un distrito a dichos segmentos. Estas variables fueron incluidas
como un proxy del nivel de informalidad, puesto que, a mayor nivel de competencia de entidades
financieras formales, debería haber mayores opciones de financiamiento y, por ende, una menor
necesidad de incurrir en préstamos informales. En cambio, ante una situación de baja competencia
con pocas entidades financieras resulta posible que las familias tengan que acudir al sector
informal para satisfacer sus necesidades crediticias (Alvarado et al. 2001).

Las variables independientes del estudio deben permitir evaluar el efecto spillover de la oferta de
puntos de acceso de servicios financieros sobre los patrones de consumo de las familias en las
zonas rurales en distritos sin presencia física financiera. Para ello, se empleará la red de cajeros
corresponsales para hallar qué distritos no tienen un punto de acceso en su territorio, pero tienen
cierta cercanía con un distrito que sí cuenta con al menos un cajero corresponsal.

Para identificar cuáles distritos podrían tener un efecto spillover, se estimará la distancia entre un
distrito sin cajero corresponsal y el distrito más cercano que sí tenga un cajero utilizando las
coordenadas de cada uno de los distritos a nivel nacional. Con estos datos, se generarán tres
variables dicotómicas que ayuden a clasificar los distritos sin puntos de servicio bajo las
siguientes categorías en función a su distancia en kilómetros:
 (0 < 𝐷𝑖𝑠𝑡 ≤ 20): Distritos que están a menos de 20 km de distancia de otro distrito que sí
tenga al menos un cajero corresponsal.
 (20 < 𝐷𝑖𝑠𝑡 ≤ 50): Distritos que están a más de 20 km de distancia, pero no más de 50 km
de otro distrito que sí tenga al menos un cajero corresponsal.

12 La información de la oferta financiera que explica este análisis se presenta en el anexo 1.

13 Para el cálculo del HHI se consideró tanto a entidades de banca múltiple como a cajas municipales.

30
 (50 < 𝐷𝑖𝑠𝑡): Distritos que están a más de 50 km de distancia de otro distrito que sí tenga al
menos un cajero corresponsal.

Para realizar el cálculo de estas distancias se ha empleado las fórmulas Haversine y Vincenty para
estimar las distancias. Según Mahmoud y Akkari (2016), ambas fórmulas tienen una precisión
por encima del 99 % para el cálculo de la trayectoria más corta entre dos coordenadas. Por lo
tanto, se empleará el resultado más alto entre ambas estimaciones como la distancia base para el
análisis.

En cuanto a la información de la Enaho, se ha calculado el gasto anual del hogar en las 13 partidas
de consumo mencionadas del módulo de Gastos del Hogar. No obstante, según Deaton (2018), a
pesar de que resulte necesario desagregar las partidas de consumo al momento del levantamiento
de información para una encuesta multitudinaria con la finalidad de obtener estimados de gasto
apropiados, analizar partidas de consumo tan desagregadas podría generar una sobreestimación
de los efectos de las variables independientes. Por ello, se ha separado el gasto total de las partidas
en solo dos conceptos: gasto de largo plazo y gasto corriente total.

Como ya se ha mencionado, el concepto de gasto de largo plazo o bienes duraderos en el contexto

del presente trabajo de investigación engloba todo aquel gasto en bienes o servicios que propicie
la generación de capital humano o capital de trabajo en las familias. Por lo tanto, para el cálculo
de la inversión se ha agregado los siguientes conceptos de las 13 partidas de consumo:
Mantenimiento de la vivienda, Servicios a la vivienda, Equipamiento del hogar, Muebles y
enseres, Educación, y Salud. Sobre este cálculo, se ha construido la proporción del gasto en bienes
𝐿𝑃
duraderos de largo plazo (𝛼𝑖𝑡 ). Adicionalmente, se analiza también el efecto sobre el gasto total
(ln 𝐶𝑖𝑡 ), por lo que con ambas medidas se podrá observar si existe únicamente una redistribución
de gasto o si logra incrementarse también el monto gastado.

Para este estudio se considera información de todas las familias con un jefe de hogar entre 14 y
70 años en el periodo 2010 - 2017 que hayan reportado sus gastos en las 13 partidas de gasto
mencionadas. Adicionalmente, debido a que la investigación busca identificar el efecto sobre las
zonas rurales, la muestra solo considera a aquellas familias que habitan en centros poblados con
menos de 4.001 viviendas o menos de 20.000 habitantes. Asimismo, en función al gasto total, se
retiró de la muestra al 1 % superior e inferior para eliminar los outliers. Bajo estas condiciones,
la muestra final cuenta con 104.757 familias a lo largo de 8 años. En la tabla 1 se puede observar

31
la estadística descriptiva de las principales variables de análisis. Además, en el anexo 2, se
presenta una descripción detallada de todas las variables que se emplean en el ejercicio empírico.

Tabla 1. Estadística descriptiva de las variables relevantes (Enaho 2010-2017)

Variable Obs. Prom. Desv. Est. Min Max

Proporción de gasto de largo plazo 104.757 0,08553 0,079319 0 0,994976
Gasto total 104.757 9.556,53 10.960,94 24 708.419,5
Quechua 104.757 0,33656 0,472535 0 1
Otros idiomas 104.757 0,06663 0,249382 0 1
Usuario (1 = uso financiero) 104.757 0,663087 0,472657 0 1
Nivel de Educación 104.752 4,400021 2,014323 1 11
Sexo (1 = hombre) 104.757 0,806848 0,394773 0 1
Casado (1 = casado) 104.757 0,417662 0,493176 0 1
Edad 104.757 34,41286 15,24471 14 70
No trabaja (1 = no trabaja) 104.757 0,095535 0,293954 0 1
Independiente (1 = independiente) 104.757 0,618412 0,485779 0 1
Empleador (1 = empleador) 104.757 0,076062 0,265098 0 1
Estrato* 104.757 6,539783 1,028784 5 8
Créditos Bancos t (per cápita) 104.736 0,198834 0,982146 0 19,3437
Créditos Cajas t (per cápita) 104.736 0,207935 0,565829 0 5,997765
Depósitos Bancos t (per cápita) 104.736 0,184539 0,974664 0 17,43399
Depósitos Cajas t (per cápita) 104.736 0,077182 0,286533 0 4,575157
Bancos t (por 100 km2) 104.736 0,166233 1,337313 0 48,19277
Cajas Municipales t (por 100 km2) 104.736 0,187607 1,329972 0 36,14458
ATMs t (por 100 km2) 104.736 0,573757 5,268928 0 337,3494
Cajas Corresponsales t (por 100 km2) 104.736 3,674529 33,15014 0 2.108,434
Comp. Alta 104.757 0,067169 0,250315 0 1
Comp. Media 104.757 0,048006 0,213781 0 1
Comp. Baja 104.757 0,126213 0,33209 0 1
(0 < 𝐷𝑖𝑠𝑡 ≤ 20)𝑡 104.736 0,240376 0,427314 0 1
(20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑡 104.736 0,22053 0,414606 0 1
(50 < 𝐷𝑖𝑠𝑡)𝑡 104.736 0,050006 0,217959 0 1

*El estrato geográfico es una porción de área geográfica que es determinado de acuerdo con el número de viviendas.
Con este dato se identificó los centros poblados con menos de 20.000 habitantes, asociados a los valores 5, 6, 7 y 8 de
esta variable.
Fuente: Elaboración propia

3. Ejercicio empírico

Para los modelos de consumo se ha considerado la información anual de la Enaho de corte

transversal entre el 2010 y el 2017, puesto que los módulos de panel de la encuesta no tienen la
información de gasto desagregada. Dado que no se cuenta con la información sobre las mismas
familias a lo largo del periodo de análisis, Verbeek (2008) recomienda clasificar a las familias en
grupos estables con características en común que cumplan con condiciones de consistencia,
exogeneidad y relevancia a lo largo del tiempo. Estos modelos emplean seudopaneles que definen
una nueva unidad de análisis a nivel de cohortes, definidos a partir de características observables

32
invariables en el tiempo, que generen una partición completa de la muestra analizada, es decir,
que logren clasificar a cada familia en únicamente una cohorte (Guillerm 2017).

Según Guillerm (2017), la selección de las variables para definir las cohortes implica afrontar un
trade-off entre sesgo y varianza. Esto se debe a que el tamaño de cada cohorte debe ser lo
suficientemente grande para limitar la posibilidad de obtener errores de medición sobre los
promedios de las variables intracohortes, estimados importantes para las metodologías asociadas.
Pero, para lograr cohortes grandes se debe emplear pocas variables para delimitar los grupos, lo
cual puede generar cohortes con características distintas que están sujetas a un mayor sesgo e
imprecisión en la estimación de los parámetros del modelo. Por otro lado, el uso de muchas
variables para definir las cohortes implica que la cantidad de familias por grupo disminuye y, por
ende, pueden generar efectos fijos de cohorte no constantes.

Estos problemas para definir las cohortes implican reconocer una premisa difícil de probar que
indica que existe la posibilidad de que los promedios de las variables explicativas para las cohortes
muestrales tengan variabilidad mientras que los promedios de las cohortes poblacionales no
muestren variabilidad alguna (Guillerm 2017). No obstante, según Duong y Nghiem (2014), el
uso de los modelos de seudopaneles permite superar algunas limitaciones de los paneles regulares,
puesto que no se tiene que ajustar la información frente a la deserción de individuos y logra una
mayor precisión sobre el cálculo de los errores estándar.

Para el modelo base de la presente investigación se han formado las cohortes empleando las
variables de estrato de la localidad, lengua materna y rangos de años de nacimiento del jefe de
familia. Estas variables han sido empleadas en varios estudios anteriores para la segmentación de
cohortes (Verbeek 2008, Duong y Nghiem 2014, Guillerm 2017). Con estas cohortes es posible
realizar un modelo de efectos fijos, conocido también como modelo within, al estimar el promedio
de las variables relevantes para cada cohorte. Por simplificación, las ecuaciones listadas más
adelante muestran la siguiente versión reducida de las variables within:

𝑋̃𝑖𝑡 = 𝑋𝑖𝑡 − ∑ 𝑋𝑖𝑡

𝑖=1

Adicionalmente, debido a que la expansión de la oferta financiera es resultado de un análisis de

mercado por parte de las empresas privadas, es importante considerar la posibilidad de que existan
variables no observadas que estén relacionadas con el gasto y las medidas de inclusión financiera.
Por ejemplo, la expansión de la red de puntos de atención puede incrementar las habilidades

33
empresariales de los pobladores, con lo que se logra que las familias gasten un mayor monto en
bienes duraderos o activos de largo plazo (Berhane y Gardebroek 2011). Por lo tanto, se emplean
variables instrumentales para argumentar la exogeneidad de las variables de acceso y uso.

Para la instrumentalización de las variables, se ha empleado el rezago de un periodo de las

variables de acceso y uso. De este modo, es posible atribuir el gasto presente a la oferta financiera
del pasado, la cual no está muy correlacionada con las características no observables del periodo
actual (Berhane y Gardebroek 2011). Por lo tanto, la primera etapa en el modelo base de
seudopaneles es definida por la siguiente ecuación:

̃ 𝐶𝑎𝑗𝑎)𝑖𝑡−1 + 𝛿2 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠
𝑍̃𝑖𝑡 = 𝑋̃𝑖𝑡 𝛾𝑖 + 𝛿1 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠 ̃𝐵𝑎𝑛𝑐𝑜)𝑖𝑡−1 + 𝛿3 (𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑝ó𝑠𝑖𝑡𝑜𝑠)
̃ 𝑖𝑡−1
𝑦𝑡 = + 𝛿4 ̃
(𝐵𝑎𝑛𝑐𝑜𝑠) 𝑖𝑡−1 + 𝛿5 (𝐶𝑎𝑗𝑎𝑠̃ )
𝑀𝑢𝑛𝑖𝑐𝑖𝑝. 𝑖𝑡−1 + 𝛿6 (𝐶𝑎𝑗. ̃
𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑙𝑒𝑠)𝑖𝑡−1
𝑦𝑡 = + 𝛿7 (0 < 𝐷𝑖𝑠𝑡 ̃ ≤ 20)𝑖𝑡 + 𝛿8 (20 < 𝐷𝑖𝑠𝑡
̃ ≤ 50)𝑖𝑡 + 𝜇𝑖𝑡 … (*)

Donde 𝑍𝑖𝑡 es el vector de variables independientes predichas por las variables instrumentales, que
̃ 𝐶𝑎𝑗𝑎)𝑖𝑡 ; (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠
está compuesto por: [(𝐶𝑟é𝑑𝑖𝑡𝑜𝑠 ̃𝐵𝑎𝑛𝑐𝑜)𝑖𝑡 ; (𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑝ó𝑠𝑖𝑡𝑜𝑠)
̃ 𝑖𝑡 ;

(𝐵𝑎𝑛𝑐𝑜𝑠) ̃ 𝑀𝑢𝑛𝑖𝑐𝑖𝑝. ) ; (𝐶𝑎𝑗. 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑙𝑒𝑠)

̃ 𝑖𝑡 ; (𝐶𝑎𝑗𝑎𝑠 ̃ ̃ ̃
𝑖𝑡 𝑖𝑡 ; (0 < 𝐷𝑖𝑠𝑡 ≤ 20)𝑖𝑡 ; (20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑖𝑡 ].

La 𝑋̃𝑖𝑡 representa la matriz de variables de control de características del jefe de familia (sexo,
estado laboral, estado civil, nivel de educación y si emplea algún servicio financiero14); las
̃ ≤ 20)
variables de acceso indirecto rezagadas son (0 < 𝐷𝑖𝑠𝑡 ̃ ≤ 50)
y (20 < 𝐷𝑖𝑠𝑡 ; las
𝑖𝑡−1 𝑖𝑡−1

variables de uso per cápita rezagadas ̃ 𝐶𝑎𝑗𝑎𝑖𝑡−1 , 𝐶𝑟é𝑑𝑖𝑡𝑜𝑠

son 𝐶𝑟é𝑑𝑖𝑡𝑜𝑠 ̃𝐵𝑎𝑛𝑐𝑜𝑖𝑡−1 ,
̃
𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑝ó𝑠𝑖𝑡𝑜𝑠 𝑖𝑡−1 ; y las variables de acceso directo por cada 100km
2
rezagadas son
̃ 𝑖𝑡−1 , 𝐶𝑎𝑗𝑎𝑠̃
𝐵𝑎𝑛𝑐𝑜𝑠 ̃
𝑀𝑢𝑛𝑖𝑐𝑖𝑝.𝑖𝑡−1 , 𝐶𝑎𝑗. 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑙𝑒𝑠𝑖𝑡−1 .

Con los estimados de las variables de acceso y uso del periodo corriente, se realiza la regresión
de la segunda etapa del modelo base, la cual está definida por la siguiente ecuación:

̃ 𝐶𝑎𝑗𝑎)𝑖𝑡 + 𝛽2 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠
𝑦̃𝑖𝑡 = 𝑋̃𝑖𝑡 𝛾𝑖 + 𝛽1 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠 ̃𝐵𝑎𝑛𝑐𝑜)𝑖𝑡 + β3 (𝑇𝑜𝑡𝑎𝑙 𝐷𝑒𝑝ó𝑠𝑖𝑡𝑜𝑠)
̃ 𝑖𝑡
̃ ̃ ̃
𝑦𝑡 = + β4 (𝐵𝑎𝑛𝑐𝑜𝑠)𝑖𝑡 + β5 (𝐶𝑎𝑗𝑎𝑠 𝑀𝑢𝑛𝑖𝑐𝑖𝑝. )𝑖𝑡 + β6 (𝐶𝑎𝑗. 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑙𝑒𝑠)𝑖𝑡
𝑦𝑡 = + β7 (0 < 𝐷𝑖𝑠𝑡 ̃ ≤ 20)𝑖𝑡 + β8 (20 < 𝐷𝑖𝑠𝑡
̃ ≤ 50)𝑖𝑡 + 𝜀𝑖𝑡 … (1)

Donde 𝑦̃𝑡 es la medida de bienestar familiar analizada. Como se ha mencionado anteriormente,

se ha empleado dos medidas de bienestar para capturar el efecto total sobre los patrones de
𝐿𝑃
consumo: 𝛼̃𝑖𝑡 ̃
, la proporción del gasto en bienes duraderos, y ln 𝐶𝑖𝑡 , el monto del gasto total

14 Para controlar por el efecto del empleo de algún servicio financiero se emplea la variable 𝑈𝑠𝑢𝑎𝑟𝑖𝑜𝑖𝑡 una variable
dicotómica que toma el valor de 1 si es que el jefe de familia posee una hipoteca, recibe intereses de algún producto
financiero o realiza pago vía web, y 0 de otro modo.

34
consumido. Es importante mencionar que, debido a la forma en la que se ha definido la fórmula
de la ecuación (1), la interpretación de los resultados se realizará sobre la base de los efectos
hallados sobre las cohortes que están a más de 50 km de distancia de otro distrito que sí tenga al
menos un cajero corresponsal.

Además, se plantean cuatro variantes adicionales al modelo base, principalmente con cambios en
las variables de acceso directo y uso, para poder identificar algunas sutilezas en los efectos y como
una medida de robustez. En primer lugar, debido a que es posible que haya un nivel de sustitución
entre créditos de bancos y cajas, se agrega al modelo base la interacción de ambas variables para
hallar si el incremento de un tipo de crédito tiene un efecto positivo o negativo sobre el incremento
del otro tipo de crédito. Por lo tanto, la primera variante se ajusta a la siguiente especificación:

̃ 𝐶𝑎𝑗𝑎)𝑖𝑡 + 𝛽2 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠
𝑦̃𝑖𝑡 = 𝑋̃𝑖𝑡 𝛾𝑖 + 𝛽1 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠 ̃𝐵𝑎𝑛𝑐𝑜)𝑖𝑡 + β3 ( 𝑇𝑜𝑡𝑎𝑙 ̃ 𝐷𝑒𝑝ó𝑠𝑖𝑡𝑜𝑠 )𝑖𝑡
𝑦𝑡 = + 𝛽4 [(𝐶𝑟é𝑑𝑖𝑡𝑜𝑠 𝐵𝑎𝑛𝑐𝑜)𝑖𝑡 ∗ ( 𝐶𝑟é𝑑𝑖𝑡𝑜𝑠 𝐶𝑎𝑗𝑎)𝑖𝑡 ] + β5 (𝐵𝑎𝑛𝑐𝑜𝑠)𝑖𝑡 + β6 (𝐶𝑎𝑗𝑎𝑠̃
̃ ̃ ̃ 𝑀𝑢𝑛𝑖𝑐𝑖𝑝. )𝑖𝑡
̃ ̃ ̃
𝑦𝑡 = + β7 (𝐶𝑎𝑗. 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑙𝑒𝑠)𝑖𝑡 + β8 (0 < 𝐷𝑖𝑠𝑡 ≤ 20)𝑖𝑡 + β9 (20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑖𝑡 + 𝜀𝑖𝑡 … (2)

En cuanto a los depósitos, puesto que no implican un monto de repago, resulta poco probable que
exista algún grado de sustitución según el tipo de entidades. Aun así, es posible que los depósitos
de banca y CMAC tengan efectos diferenciados sobre las familias. De este modo, se propone una
desagregación del total de créditos de acuerdo con la siguiente ecuación:

̃ 𝐶𝑎𝑗𝑎)𝑖𝑡 + 𝛽2 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠
𝑦̃𝑖𝑡 = 𝑋̃𝑖𝑡 𝛾𝑖 + 𝛽1 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠 ̃𝐵𝑎𝑛𝑐𝑜)𝑖𝑡 + β3 ( 𝐷𝑒𝑝ó𝑠𝑖𝑡𝑜𝑠̃ 𝐶𝑎𝑗𝑎)𝑖𝑡
𝑦𝑡 = + β4 ( 𝐷𝑒𝑝ó𝑠𝑖𝑡𝑜𝑠 ̃ 𝐵𝑎𝑛𝑐𝑜)𝑖𝑡 + β5 (𝐵𝑎𝑛𝑐𝑜𝑠)
̃ 𝑖𝑡 + β6 (𝐶𝑎𝑗𝑎𝑠̃ 𝑀𝑢𝑛𝑖𝑐𝑖𝑝. )𝑖𝑡
̃
𝑦𝑡 = + β7 (𝐶𝑎𝑗. 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑙𝑒𝑠) 𝑖𝑡 + β8 (0 < ̃
𝐷𝑖𝑠𝑡 ≤ 20) 𝑖𝑡 + β ̃
9 (20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑖𝑡 + 𝜀𝑖𝑡 … (3)

Del mismo modo, es posible que el efecto de la expansión de la red de puntos de acceso no sea
lineal. Por lo tanto, se agregan variables cuadráticas de acceso financiero a la ecuación (1) para
ver si existe un efecto exponencial a medida que incrementa la oferta en las zonas con mayor
capacidad instalada. Entonces, se obtiene la siguiente especificación:

̃ 𝐶𝑎𝑗𝑎)𝑖𝑡 + 𝛽2 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠
𝑦̃𝑖𝑡 = 𝑋̃𝑖𝑡 𝛾𝑖 + 𝛽1 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠 ̃𝐵𝑎𝑛𝑐𝑜)𝑖𝑡 + β3 ( 𝑇𝑜𝑡𝑎𝑙 ̃ 𝐷𝑒𝑝ó𝑠𝑖𝑡𝑜𝑠)𝑖𝑡
̃ 𝑖𝑡 + β5 (𝐶𝑎𝑗𝑎𝑠̃
𝑦𝑡 = + β4 (𝐵𝑎𝑛𝑐𝑜𝑠) ̃
𝑀𝑢𝑛𝑖𝑐𝑖𝑝. )𝑖𝑡 + β6 (𝐶𝑎𝑗. 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑙𝑒𝑠) 𝑖𝑡
̃ 2 ̃ 2 ̃
𝑦𝑡 = + β7 (𝐵𝑎𝑛𝑐𝑜𝑠 )𝑖𝑡 + β8 (𝐶𝑎𝑗𝑎𝑠 𝑀𝑢𝑛𝑖𝑐𝑖𝑝. )𝑖𝑡 + β9 (𝐶𝑎𝑗. 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑙𝑒𝑠 2)
𝑖𝑡
̃ ̃
𝑦𝑡 = + β10 (0 < 𝐷𝑖𝑠𝑡 ≤ 20)𝑖𝑡 + β11 (20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑖𝑡 + 𝜀𝑖𝑡 … (4)

Asimismo, se incorpora al modelo una medida de competitividad que trata de capturar el efecto
de la informalidad debido a su predominancia en las poblaciones rurales. Así, se incluyen tres
variables a nivel distrital que clasifican los distritos de las familias de la muestra en función a la
competencia financiera relativa. Es importante aclarar que las medidas de competitividad solo se

35
han estimado para los distritos en los que existe acceso y uso financiero directo, por lo que la
dummy omitida es “No competencia”. Con ello, esta variante se ajusta a la siguiente fórmula:

̃ 𝐶𝑎𝑗𝑎)𝑖𝑡 + 𝛽2 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠
𝑦̃𝑖𝑡 = 𝑋̃𝑖𝑡 𝛾𝑖 + 𝛽1 (𝐶𝑟é𝑑𝑖𝑡𝑜𝑠 ̃𝐵𝑎𝑛𝑐𝑜)𝑖𝑡 + β3 ( 𝑇𝑜𝑡𝑎𝑙 ̃ 𝐷𝑒𝑝ó𝑠𝑖𝑡𝑜𝑠)𝑖𝑡
̃ 𝑖𝑡 + β5 (𝐶𝑎𝑗𝑎𝑠̃
𝑦𝑡 = + β4 (𝐵𝑎𝑛𝑐𝑜𝑠) ̃
𝑀𝑢𝑛𝑖𝑐𝑖𝑝. )𝑖𝑡 + β6 (𝐶𝑎𝑗. 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑙𝑒𝑠) 𝑖𝑡
𝑦𝑡 = + β7 (𝐶𝑜𝑚𝑝. ̃𝐴𝑙𝑡𝑎)𝑖𝑡 + β8 (𝐶𝑜𝑚𝑝.
̃ 𝑀𝑒𝑑𝑖𝑎)𝑖𝑡 + β9 (𝐶𝑜𝑚𝑝.̃ 𝐵𝑎𝑗𝑎)𝑖𝑡
̃ ≤ 20)𝑖𝑡 + β11 (20 < 𝐷𝑖𝑠𝑡
𝑦𝑡 = + β10 (0 < 𝐷𝑖𝑠𝑡 ̃ ≤ 50)𝑖𝑡 + 𝜀𝑖𝑡 … (5)

Finalmente, debido a que gran parte de los datos son a nivel distrital, se ha optado por realizar un
par de estimaciones agregadas a nivel distrital siguiendo el modelo base. Así, se construye
cohortes en base a los distritos de cada departamento y se emplean los promedios distritales para
el análisis en la ecuación (6). En este escenario, la medida de análisis resulta ser las familias
promedio de los distritos. Debido a que las familias de un distrito presentan mucha heterogeneidad
en sus comportamientos, se ha considerado también un modelo que, adicionalmente, define las
cohortes con la información de la lengua materna. Por lo tanto, los segmentos en la ecuación (7)
distinguen aquellas familias en las que el jefe del hogar tiene como lengua materna el castellano,
quechua u otra lengua.

4. Hipótesis

Debido al efecto transformador que tiene el crédito sobre las familias de bajos recursos, mediante
la expansión de la restricción presupuestaria, y el efecto multiplicador que tiene en la economía,
se espera que el desarrollo financiero de un distrito tenga un efecto positivo en el bienestar de las
personas que viven en los distritos cercanos.

En ese sentido, se espera que, entre las familias que viven en un distrito sin presencia física del
sistema financiero, una menor distancia hacia un distrito que sí tiene un punto de atención del
sistema financiero en su territorio está directamente relacionado a una mayor proporción de su
gasto en bienes duraderos, aunque un efecto nulo sobre el gasto total. Este primer efecto puede
deberse al menor costo de acceso a los distritos con mercado más desarrollados por la presencia
del sistema financiero. Por otro lado, el efecto nulo sobre el gasto total puede estar asociado a que
el mayor gasto en conectividad debido a la lejanía se compensa con el menor gasto en bienes
duraderos. Ambas ideas serán validadas y profundizadas en las siguientes secciones.

36
Capítulo IV. Análisis de resultados

Para ordenar la presentación de los resultados, se ha optado por mencionar cómo afecta cada una
de las variables relevantes a ambas medidas de gasto en los modelos within. Estos resultados se
muestran en la tabla 2 para la proporción de gasto en bienes duraderos y la tabla 3 para el gasto
total. Además, para el análisis se debe tomar en consideración que las variables de acceso al
sistema financiero se pueden dividir en dos grupos: el número de instituciones financieras en el
distrito (acceso directo) y, en caso no haya entidades financieras, la distancia al distrito más
cercano con una institución financiera (acceso indirecto).

En esta sección se contrastará, principalmente, los resultados de las variables de acceso indirecto.
No obstante, también resulta de interés contrastar los efectos sobre familias desatendidas por el
sistema financiero respecto de aquellas que habitan en distritos con acceso directo y uso
financiero. Finalmente, se plasmará en líneas generales los signos y significancia de las variables
de control para validar los efectos reflejados en la literatura en el contexto peruano.

En cuanto al acceso financiero indirecto, medido por las variables de distancia, se encontró que
una distancia física al distrito más cercano con un cajero corresponsal menor a 50 km tiene un
efecto positivo y significativo al 99 % sobre la proporción de gasto destinado a bienes duraderos,
independientemente del modelo evaluado. Dicho efecto es mayor a medida que la distancia se
acorta, lo cual se refleja en que el coeficiente de los distritos que están a menos de 20 km de
distancia (entre 0,0033 y 0,0041) sea casi el doble que el de vivir entre 20 km y 50 km (entre
0,0018 y 0,0025) del distrito con presencia financiera más cercano. En ese sentido, una mayor
cercanía con el sistema financiero aumenta la proporción del gasto en bienes duraderos de las
familias residentes en distritos sin oferta financiera, en contraste con las familias que viven a más
de 50 km.

En cambio, respecto al efecto sobre el gasto total de las familias, el impacto es inverso. Los
resultados muestran coeficientes negativos y significativos al 99 % para una distancia física al
distrito más cercano con un cajero corresponsal menor a 50 km sobre la medida de gasto total. No
obstante, a medida que la distancia se acorta, el gasto total se reduce menos. Así, la magnitud del
efecto negativo sobre el gasto total de estar a menos de 20 km (entre -0,139 y -0,132), es menor
en valor absoluto que el de vivir entre 20 y 50 km (entre -0,188 y -0,181).

37
Tabla 2. Modelo within y variantes: Efecto del acceso y uso del servicio financiero sobre la
proporción de gasto en inversión

Efectos sobre la proporción de gasto destinado a inversión

(1) (2) (3) (4) (5)
Variables Interacción Depósitos Accesos al
Modelo base HHI
créditos desagreg. cuadrado
Bancos t -0,000772 -0,000663 -0,000739 -0,000697 -0,000745
(0,000535) (0,000525) (0,000537) (0,000820) (0,000533)
Cajas Municipales t 0,000913* 0,000869 0,000922* 0,000811 0,000907*
(0,000534) (0,000531) (0,000533) (0,000922) (0,000537)
Caj. Corresponsales t -1,55e-06 -2,90e-06 -9,58e-07 -1,60e-05 -7,73e-07
(1,15e-05) (1,14e-05) (1,15e-05) (2,12e-05) (1,15e-05)
(0 < 𝐷𝑖𝑠𝑡 ≤ 20)𝑡 0,00334*** 0,00319*** 0,00343*** 0,00330*** 0,00410***
(0,000658) (0,000659) (0,000658) (0,000659) (0,000689)
(20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑡 0,00181*** 0,00166** 0,00190*** 0,00177** 0,00258***
(0,000689) (0,000689) (0,000688) (0,000689) (0,000718)
Créditos Cajas t 0,00291*** 0,00279*** 0,00394*** 0,00296*** 0,00260***
(0,000619) (0,000622) (0,000770) (0,000676) (0,000754)
Créditos Bancos t -0,00159*** -0,00247*** -0,00128*** -0,00156*** -0,00122**
(0,000499) (0,000569) (0,000494) (0,000525) (0,000533)
Depósitos Totales t 0,00262*** 0,00264*** 0,00262*** 0,00241***
(0,000415) (0,000415) (0,000415) (0,000416)
(Créditos Cajas t) * 0,000575
(Créditos Bancos t) (0,000356)
Depósitos Banco t 0,00284***
(0,000445)
Depósitos Cajas t -0,000979
(0,00186)
(Bancos t)2 1,61e-06
(2,12e-05)
(Cajas municipales t)2 5,17e-06
(2,88e-05)
(Caj. corresponsales t)2 8,10e-09
(1,21e-08)
Comp. Alta -0,000446
(0,00152)
Comp. Media 0,00167
(0,00151)
Comp. Baja 0,00331***
(0,000878)
Constante -8,88e-06 -0,000135 -8,89e-06 -2,89e-05 -9,13e-06
(0,000241) (0,000250) (0,000241) (0,000242) (0,000241)
¿Con controles? Sí Sí Sí Sí Sí
Observaciones 103.098 103.098 103.098 103.098 103.098

Errores estándares robustos en paréntesis

*** p<0,01, ** p<0,05, * p<0,1
Fuente: Elaboración propia

38
Tabla 3. Modelo within y variantes: Efecto del acceso y uso del servicio financiero sobre el
gasto total

Efectos sobre el total de gasto

(1) (2) (3) (4) (5)
Variables Interacción Depósitos Accesos al
Modelo base HHI
créditos desagreg. cuadrado
Bancos t 0,0238*** 0,0210*** 0,0239*** 0,0812*** 0,0228***
(0,00413) (0,00458) (0,00457) (0,00810) (0,00456)
Cajas Municipales t -0,0296*** -0,0285*** -0,0296*** -0,151*** -0,0287***
(0,00387) (0,00432) (0,00432) (0,00923) (0,00429)
Caj. Corresponsales t 0,00048*** 0,00051*** 0,00048*** 0,00137*** 0,00046***
(9,08e-05) (9,86e-05) (9,77e-05) (0,000216) (9,78e-05)
(0 < 𝐷𝑖𝑠𝑡 ≤ 20)𝑡 -0,139*** -0,135*** -0,139*** -0,139*** -0,132***
(0,00526) (0,00624) (0,00621) (0,00621) (0,00667)
(20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑡 -0,188*** -0,184*** -0,188*** -0,188*** -0,181***
(0,00565) (0,00676) (0,00674) (0,00674) (0,00718)
Créditos Cajas t 0,0871*** 0,0900*** 0,0901*** 0,132*** 0,0796***
(0,00461) (0,00518) (0,00668) (0,00567) (0,00620)
Créditos Bancos t -0,0364*** -0,0135*** -0,0354*** -0,0489*** -0,0399***
(0,00331) (0,00490) (0,00395) (0,00406) (0,00407)
Depósitos Totales t 0,0579*** 0,0573*** 0,0581*** 0,0574***
(0,00290) (0,00377) (0,00380) (0,00383)
(Créditos Cajas t) * -0,0150***
(Créditos Bancos t) (0,00204)
Depósitos Banco t 0,0586***
(0,00403)
Depósitos Cajas t 0,0469***
(0,0148)
(Bancos t)2 -0,00162***
(0,000213)
(Cajas municipales t)2 0,00391***
(0,000277)
(Caj. corresponsales t)2 -6,4e-07***
(1,04e-07)
Comp. Alta 0,0534***
(0,0137)
Comp. Media -0,0231*
(0,0138)
Comp. Baja 0,0265***
(0,00878)
Constante -0,236*** 8,852*** 8,848*** 8,845*** 8,848***
(0,00193) (0,00239) (0,00235) (0,00237) (0,00235)
¿Con controles? Sí Sí Sí Sí Sí
Observaciones 103.098 103.098 103.098 103.098 103.098

Errores estándares robustos en paréntesis

*** p<0,01, ** p<0,05, * p<0,1
Fuente: Elaboración propia

39
Por otro lado, el efecto de las variables de acceso directo sobre la proporción del gasto familiar
en bienes duraderos varía en función al tipo de entidad financiera. En todos los modelos, a
excepción del modelo que considera efectos cuadráticos de las variables de acceso directo, solo
la cantidad de cajas municipales tuvo un efecto significativo y positivo al 90 % de significancia.
A su vez, la excepción se debe a que los efectos cuadráticos quitan significancia a los efectos
lineales. Por otro lado, el efecto del número de bancos y de cajas corresponsales sobre el gasto
total ha sido positivo y significativo al 99 % de significancia, en todos los modelos, mientras que
el número de cajas municipales ha tenido un efecto negativo y significativo sobre el gasto total al
mismo nivel de significancia. En el modelo (4), el efecto de la cantidad cuadrática de bancos,
cajas municipales y cajeros corresponsales sobre el gasto es significativo al 99 % y opuesto a sus
coeficientes lineales.

En cuanto a la otra variable de uso, el efecto del total de depósitos sobre la proporción del gasto
destinado a bienes duraderos y sobre el gasto total ha sido positivo y significativo al 99 % en
todos los modelos en los que se ha incluido dicha variable. En el caso del modelo en el que se
desagrega el depósito por el tipo de entidad financiera, se encuentra que solo el efecto de los
depósitos de los bancos ha sido positivo y significativo al 99 % sobre ambas medidas de bienestar.
Mientras que el efecto de los depósitos de las cajas municipales solo mantiene un efecto positivo
y significativo al 99 % sobre el gasto total.

Con respecto a la inclusión de variables asociadas a la competencia financiera, se han encontrado

resultados contrarios. El modelo (5) indica que únicamente un bajo nivel de competencia tiene un
efecto positivo y significativo al 99 % de significancia sobre la proporción del gasto en bienes
duraderos, en contraste con los coeficientes no significativos de niveles moderados y altos de
competencia. Por otro lado, los efectos de los niveles altos y bajos de competencia sobre el gasto
total han sido positivos y significativos al 99 %, mientras que la competencia moderada ha tenido
un efecto negativo y significativo al 90 %.

En cuanto a los modelos agregados, cuyos resultados se detallan en la tabla 4, se hallaron

resultados similares. En cuanto a las variables de acceso indirecto, el efecto de estar a una
distancia entre 0 y 20 km de un distrito con una entidad financiera en su territorio (entre 0,0031 y
0,0034) resultó positivo y significativo al 99 % sobre la proporción del gasto familiar promedio
destinado a bienes duraderos para las familias sin puntos de atención del sistema financiero dentro
de su territorio. Asimismo, estar a una distancia entre 20 y 50 km (entre 0,0023 y 0,0027) también
tuvo un efecto positivo, aunque en menor magnitud y significancia, siendo significativo solo al

40
90 % y 95 % en los modelos (6) y (7), respectivamente.

Respecto del efecto de las distancias sobre el gasto total familiar, este fue negativo y significativo
al 99 % en ambos modelos. Al igual que en los modelos no agregados, a medida que la distancia
se acorta, el gasto total se reduce menos. De esta forma, la magnitud del efecto negativo sobre el
gasto total de estar a menos de 20 km (entre -0,0748 y -0,0967) es menor en valor absoluto que
el de vivir entre 20 y 50 km (entre -0,143 y -0,146).

Tabla 4. Modelo agregado: Efecto del acceso y uso del servicio financiero sobre la
proporción del gasto en inversión y el gasto total

Efectos sobre la proporción de

Efectos sobre el total de gasto
gasto destinado a inversión
(6.1) (7.1) (6.2) (7.2)
Modelo ubigeo Modelo Modelo ubigeo
Variables Modelo ubigeo
y lengua ubigeo y lengua
Bancos t -0,000330 -0,000849 0,00671 0,0207*
(0,00136) (0,00142) (0,0117) (0,0118)
Cajas Municipales t 0,000958 0,00140 -0,0159 -0,0188**
(0,00128) (0,00136) (0,0109) (0,00922)
Caj. Corresponsales t -7,97e-06 -1,25e-05 0,000473** 0,000206
(1,33e-05) (1,51e-05) (0,000215) (0,000162)
(0 < 𝐷𝑖𝑠𝑡 ≤ 20)𝑡 0,00307*** 0,00342*** -0,0748*** -0,0967***
(0,00116) (0,00121) (0,0141) (0,0142)
(20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑡 0,00234* 0,00274** -0,143*** -0,146***
(0,00124) (0,00131) (0,0159) (0,0158)
Créditos Cajas t 0,00115 -7,65e-07 0,0926*** 0,102***
(0,00102) (0,00112) (0,0140) (0,0130)
Créditos Bancos t -0,00104 -3,39e-05 -0,0155* -0,0384***
(0,000842) (0,00102) (0,00927) (0,0102)
Depósitos Totales t 0,00201*** 0,00217*** 0,0328*** 0,0512***
(0,000545) (0,000620) (0,00868) (0,0105)
Quechua 0,00555*** 0,00504*** -0,148*** -0,0802***
(0,00125) (0,00117) (0,0165) (0,0144)
Otros idiomas 0,000574 -0,00287 -0,396*** -0,269***
(0,00210) (0,00189) (0,0311) (0,0276)
Constante 0,0713*** 0,0683*** 8,703*** 8,748***
(0,00596) (0,00615) (0,0696) (0,0682)
¿Con controles? Sí Sí Sí Sí
Observaciones 4.487 5.037 4.487 5.037

Errores estándares robustos en paréntesis

*** p<0,01, ** p<0,05, * p<0,1
Fuente: Elaboración propia

Por otro lado, todas las variables de acceso directo no han tenido un efecto significativo sobre la
proporción del gasto familiar promedio destinado a bienes duraderos. Además, su efecto sobre el
gasto total ha sido variado tanto en magnitud como dirección y hasta en significancia. En el
modelo (7), la cantidad de bancos ha tenido un efecto positivo y significativo al 90 % sobre el

41
gasto familiar promedio, mientras que la cantidad de cajas municipales ha tenido un efecto
negativo y significativo al 95 %. Por otro lado, en el modelo (6) solamente la cantidad de cajeros
corresponsales ha tenido un efecto significativo sobre el gasto familiar, al 95 % de significancia.

Respecto del efecto de las variables de uso sobre la proporción del gasto familiar destinado a
bienes duraderos, los créditos fueron no significativos y solo la cantidad de depósitos tuvo un
efecto positivo y significativo al 99 %. Por otro lado, el efecto de los créditos sobre el gasto
familiar total sí fue significativo en ambos modelos. En ese sentido, en ambos modelos, el efecto
de la cantidad de depósitos totales y la cantidad de créditos de cajas municipales sobre el gasto
familiar fue positivo y significativo al 99 %. Por el contrario, el efecto del crédito de los bancos
sobre el gasto familiar fue negativo y significativo al 90 % y 95 %, en los modelos (6) y (7),
respectivamente.

Finalmente, en relación con las variables de control, se ha hallado que un mayor nivel educativo,
estar casado, ser usuario del sistema financiero y ser empleador tuvieron un impacto positivo tanto
en la proporción del gasto en bienes duraderos como en el gasto total. Por otro lado, la edad del
jefe de familiar tiene un efecto significativo y negativo en ambas medidas de bienestar. Además,
si el jefe de familia es independiente es observa un efecto positivo sobre la proporción del gasto
en bienes no duraderos, pero negativo sobre el gasto familiar. Por último, ser hombre solo tuvo
un efecto significativo positivo sobre el gasto total familiar.

42
Capítulo V. Discusión

Para interpretar los resultados anteriores, se ha identificado dos canales mediante los cuales la
inclusión financiera afecta a las decisiones de consumo de las familias en zonas de baja densidad
poblacional. En primer lugar, siguiendo el modelo de Banerjee et al. (2015), los productos
financieros permiten a las familias adquirir activos y bienes duraderos que no podían conseguir
por sus restricciones presupuestarias. El uso de este servicio financiero los habilita para llegar a
niveles de utilidad más altos. Por otro lado, los servicios financieros permiten a los
microempresarios desarrollar nuevos negocios, logrando la dinamización de la economía.

En segundo lugar, la mayor cantidad de entidades financieras dentro del mismo distrito permite
una mayor cobertura espacial en el distrito, bajo el supuesto de que los puntos de atención se
encuentran distribuidos uniformemente a lo largo del territorio. Entonces, el desarrollo del distrito
no se concentra en un único punto. De este modo, independientemente del monto de créditos o
prestamos de los distritos, el mayor acceso directo de por sí solo puede dinamizar la economía.

De este modo, las familias cercanas a estos mercados desarrollados con presencia financiera que
no cuentan con oferta física financiera podrían verse afectadas indirectamente y positivamente
debido a su proximidad. En este caso, existe una gran variabilidad en cuanto a los costos asociados
a la conectividad para las familias que viven en distritos sin servicios financieros. La
segmentación realizada sobre las distancias asociadas a esta población permite obtener hallazgos
importantes sobre las diferencias entre estos grupos de familias. Para interpretar los coeficientes
es necesario recordar que la población base de las regresiones está compuesta por aquellas
familias que se encuentran a más de 50 kilómetros del distrito más cercano con al menos un punto
de atención del sistema financiero.

En ese sentido, en el gráfico 7 se observa un distrito X que sí tiene un cajero corresponsal dentro
de su territorio. Adicionalmente se pueden observar 3 familias que habitan en otros distritos que
no tienen presencia física financiera en sus territorios. Para todos estos distritos, el distrito X es
el más cercano con un punto de atención del sistema financiero. La familia A está a menos de 20
km, la familia B a más de 20 km y menos de 50 km, y la familia C se encuentra a más de 50 km.

43
Gráfico 7. Análisis de la distancia a un punto de atención financiero para las familias rurales
que habitan un distrito sin acceso financiero directo

Fuente: Elaboración propia

Los resultados sugieren que la cobertura financiera en el distrito X tiene un efecto spillover sobre
los distritos vecinos. Entendiéndose por efecto spillover a aquel impacto sobre las medidas de
bienestar de las familias que habitan distritos desatendidos por el sistema financiero.

El efecto positivo de ambas variables de acceso indirecto sobre la proporción del gasto destinado
a bienes duradero implicaría que las familias A y B, las cuales están más cerca de un distrito
atendido por el sistema financiero, destinan relativamente una mayor parte de sus ingresos en la
adquisición de bienes duraderos o activos/servicios con rentabilidad a futuro. Además, la familia
A destina una mayor proporción del gasto a este tipo de bienes que la familia B, puesto que la
distancia física hacia el distrito X es menor. En específico, usando los resultados promedio de los

44
modelos within, se puede observar que la familia B gasta un 0,20 % más que la familia C en
bienes duraderos; mientras que la familia A gasta 0,37 % más. Por lo tanto, en términos relativos,
el gasto diferencial de la familia A es casi el doble que el de la familia B.

No obstante, se observa un efecto negativo del acceso indirecto sobre el gasto total de las familias
A y B frente al gasto de la familia C. Específicamente, según los resultados promedio de los
modelos within, se puede observar que la familia B gasta un 18,4 % menos que la familia C en
bienes duraderos, mientras que la familia A gasta 13,4 % menos15. Por lo tanto, en términos
relativos, el gasto diferencial en valor absoluto de la familia B es mayor que el de la familia A.
Por lo que, la familia A tiene un mayor nivel de gasto que la B.

Adicionalmente, la mayoría de variables de acceso y uso directo muestran un efecto positivo sobre
el gasto total. Por lo tanto, este resultado implica que aquellas familias que habitan en un distrito
desatendido físicamente por el sistema financiero muestran un menor nivel de gasto que las que
sí tienen acceso directo. Sin embargo, entre estos distritos desatendidos, los que se encuentran
más lejanos del sistema financiero (la familia C en el ejemplo) incurren en un mayor gasto.

Por lo tanto, aquellas familias que están a más de 50 km gastan más que aquellos que están a
menos de 50 km, pero probablemente en bienes no duraderos. Este hallazgo permite entender que
es posible que una mayor distancia del sistema financiero está relacionada con una asignación de
recursos enfocada en subsistir. De este modo, el mayor gasto puede ser en transporte, dado que
se debe viajar mayores distancias para acceder a los mercados desarrollados, o en alimentos,
porque no se benefician de los menores costos de venta de las economías de escala o producción
masiva. Dicha interpretación está alineada con el argumento propuesto por De la Riva
Agüero (2009), quien argumentaba que los productores más lejanos debían gastar más para
mantenerse competitivos. No obstante, en este caso no se halla un mayor nivel de inversión sino
un mayor gasto en bienes no duraderos.

Bajo el argumento de que la mayor distancia implica altos costos de conexión a los mercados, los
resultados de menor gasto en los distritos desatendidos más cercanos tienen sentido. Por otro lado, la
cercanía a los mercados genera que las familias tengan mayores opciones de productos para consumir,
lo cual fomenta un mayor gasto. Por eso, se ha hallado que las familias a menos de 20 km gastan más
que las que están entre 20 km y 50 km.

15 Dado que el modelo considera el logaritmo del gasto total, los coeficientes son semielasticidades.

45
Aunque el nivel de gasto es una medida de bienestar ampliamente empleada en la literatura, gastar
S/ 500 mensuales en transporte en vez de S/100, no necesariamente implica un mayor nivel de
bienestar para las familias. Incurrir en un mayor gasto para recibir el mismo servicio es un indicio
de una disparidad en la atención y cobertura, no de una mejor calidad de vida. Por lo tanto, en la
presente investigación, la proporción del gasto en bienes duraderos resulta ser una variable más
apropiada para medir el bienestar, puesto que se identifica cuánto del gasto realmente es
productivo. Este atributo resulta fundamental en el contexto de poblaciones de bajos ingresos,
porque permite identificar si se ha logrado mejorar las condiciones de vida o se está subsistiendo.

Aunque el foco de este estudio gira en torno al impacto de la distancia física al sistema financiero
sobre el bienestar, es importante hacer una acotación sobre las variables de acceso directo y uso
financiero. En primer lugar, las variables de uso han sido construidas con datos a nivel distrital,
sin poder distinguir cuánto emplea cada familia. Por lo tanto, la interpretación es respecto de la
concentración financiera del distrito. Entonces, dado que en la mayoría de distritos hay créditos
de ambas entidades financieras, los signos de los resultados prueban que el crédito de las cajas ha
tenido un impacto mayor que el de los bancos sobre las medidas de bienestar. Los créditos, en
general, tienen un impacto positivo, pero hay sustitución entre los créditos de distintas entidades.

En cuanto a los depósitos, el efecto positivo para ambas medidas de gasto refleja que esta variable
resulta ser un buen indicador de desarrollo financiero. La mayor cantidad de depósitos posibilita
la multiplicación de la riqueza mediante la recepción por las familias rurales de remesas, pago de
servicios, transferencias financieras, entre otros. Adicionalmente, la acumulación de depósitos
genera fondos para las entidades financieras, los cuales generan gastos productivos e inversiones
(Allen et al. 2015). De este modo, la economía se dinamiza y aumenta el gasto familiar.

Como se mencionó anteriormente, el crecimiento de los puntos de atención del sistema financiero
dentro del periodo de análisis ha sido exponencial. Esto ha permitido que haya mayor presencia
en distritos que previamente estaban desatendidos y que se expanda la cobertura dentro de varios
distritos. Esta descentralización de los servicios financieros, capturada por las variables de acceso
directo, tuvo un impacto positivo sobre la dinamización de la economía mediante el aumento del
gasto. Asimismo, el signo negativo de la cantidad de cajas municipales no indica necesariamente,
que su presencia ralentiza la economía y disminuya el gasto. Lo que podría estar ocurriendo es
que está canibalizando el efecto de las otras variables de acceso directo, puesto que se ha mostrado
que la expansión de la oferta financiera se debe principalmente a los cajeros corresponsales. Este
es el mismo fenómeno que ocurre con el uso de créditos.

46
Adicionalmente, el efecto negativo y significativo que tiene la cantidad de entidades financieras
al cuadrado sobre el gasto total permite explicar el efecto de la cobertura intradistrital. Dado que
las variables de acceso directo se construyeron a nivel distrital, podría ser que cada vez hay menos
espacios nuevos que cubrir dentro de los distritos. Por ello, el efecto sobre la dinamización de la
economía es cada vez menor. De este modo, existen indicios de que la expansión de la oferta
financiera podría tener un efecto marginal decreciente dentro de los distritos ya atendidos, pero
un efecto positivo sobre aquellos desatendidos.

A pesar de que el índice de competitividad se empleó para incluir el nivel de informalidad del
sistema financiero dentro del modelo, los resultados indican que las variables de competencia no
han funcionado como una buena aproximación del grado de informalidad financiera. La literatura
señala que en lugares con baja competitividad habría un mayor grado de informalidad financiera,
la cual está asociada a una mayor proporción de préstamos para el gasto corriente (Alvarado et
al. 2001). Por lo tanto, se esperaría que una baja competitividad debería tener un efecto positivo
en el gasto mediante mayor informalidad. Sin embargo, el efecto de la competencia baja, a pesar
de ser positivo, resulta menor que el de la competencial alta sobre el gasto familiar. Por lo tanto,
queda pendiente hallar una variable que considere el importante efecto de la informalidad.

1. Nuevas líneas de investigación

Como se ha observado, la disponibilidad de información no ha permitido obtener efectos más

claros y robustos de la inclusión financiera en los patrones de gasto. En ese sentido, queda
pendiente para nuevas líneas de investigación, identificar el efecto sobre los usuarios como los no
usuarios, incluso en los distritos cercanos no atendidos físicamente. Además, si se pudiera
identificar si los créditos y los depósitos de un distrito son de sus residentes o de los residentes de
los distritos cercanos, permitirá ver el efecto spillover y sus canales con información más precisa.

Por otro lado, en otra línea de investigación, identificar si las personas toman préstamos de manera
informal, permitirá obtener cual es el efecto sobre el bienestar de las familias de cada uno de estos
tipos de préstamos. Asimismo, si se considera la presencia de la informalidad como una firma
incumbente y la posible entrada del banco como la firma entrante, se podría analizar los costos y
dificultades en el marco de un modelo Stackelberg.

Respecto de los resultados obtenidos en las variables de acceso indirecto, se podría profundizar
el análisis contando con información más precisa acerca del costo de acceder al sistema

47
financiero. En el caso de las variables de acceso directo, sería ideal tener el tiempo que le toma
llegar, a la entidad financiera desde su hogar, las limitaciones que tiene para usarlo, y costos
adicionales. La ENDSF recoge algunos de estos datos, pero no se cuenta con información para
una gran cantidad de periodos. En ese sentido, si en vez de contar con la cantidad de oficinas en
un distrito se contara con su localización, se podría obtener un indicador del porcentaje de un
distrito cubierto. Adicionalmente, con información de la densidad poblacional dentro de un
distrito, se podría construir un indicador con el porcentaje de la población cubierta.

Por otro lado, se ha utilizado la distancia entre los distritos para construir las variables de acceso
indirecto y medir el efecto spillover. Sin embargo, en nuevas líneas de investigación se podría
considerar utilizar otras variables. Por ejemplo: accidentes geográficos, transporte disponible, así
como otros factores que afectan al costo de acceso ya sea en términos monetarios o en tiempo.

2. Recomendaciones de política

Finalmente, los hallazgos sobre la importancia de la distancia al sistema financiero sobre el tipo
de consumo en las familias rurales junto al hecho de que aún la mayoría de distritos a nivel
nacional no cuentan con servicios financieros en sus territorios generan la necesidad de plantear
algunas medidas que puedan ayudar a mejorar el panorama actual. Por lo tanto, se plantean las
siguientes recomendaciones de políticas públicas, las cuales se encuentran alineadas con el Plan
de Acción de la Estrategia Nacional de Inclusión Financiera (Ministerio de Economía y Finanzas
[MEF] 2015).

En los resultados se ha encontrado que el efecto spillover pierde potencia después de los 50 km.
En ese sentido, una política pública que promueva y de incentivos para que se creen cajeros
corresponsales en distritos céntricos desatendidos reduciría la brecha en la falta del acceso al
sistema financiero no solo en ese distrito sino en los aledaños. Sobre la base de datos de acceso
financiero de la SBS (2019), se ha hallado que la mayoría de distritos aislados del sistema
financiero (a más de 50 km del distrito más cercano con al menos una caja corresponsal) se
encuentran en Loreto y Huancavelica, concentrando el 38,16 % y 23,68 % del total de 76 distritos
desatendidos a finales del 2017, respectivamente. Por lo tanto, sería recomendable focalizar la
atención es estos distritos, ya que tienen una mayor necesidad de tener al menos una caja
corresponsal en su proximidad.

Por otro lado, una estrategia complementaria podría ser fortalecer los servicios financieros en los

48
distritos que son los más cercanos para una cantidad significativa de distritos desatendidos. Puesto
que estos puntos de atención pueden cubrir las necesidades financieras de sus pobladores y de las
familias de otros distritos. De esta forma, sobre la base de datos de acceso financiero de la SBS
(2019) a finales del 2017, se ha identificado en la tabla 5 a aquellos distritos que, debido a su
ubicación y a que tienen presencia física financiera, podrían tener la mayor cantidad de distritos
vecinos dependientes de los servicios financieros ofrecidos en este.

Tabla 5. Distritos con presencia física financiera con al menos 20 distritos desatendidos que
lo perciben como el distrito más cercano con un punto de atención del sistema financiero

Distrito Provincia Departamento Nº de distritos cercanos sin acceso al sistema financiero

Chalhuanca Aymaes Apurímac 25
Zúñiga Cañete Lima 24
Huarochirí Huarochirí Lima 24
Chiquián Bolognesi Áncash 23
Vilcashuamán Vilcashuamán Ayacucho 21
Cotahuasi La Unión Arequipa 20

Fuente: SBS 2019. Elaboración propia

De Vreyer et al. (2009) mencionan que existen áreas dentro del territorio peruano que podrían ser
clasificadas como trampas de pobreza espaciales. Los habitantes de estos territorios no logran
desarrollarse debido a la falta de acceso a servicios y a sus características socioeconómicas, no
por las características geográficas de la zona. Por lo tanto, la medida de fortalecimiento de los
servicios financieros sí podría ser beneficiosa en la medida que permita mejorar las dotaciones de
servicios y mejorar el nivel de escolaridad para lograr un posterior impacto en el consumo.

Del mismo modo, un mayor gasto público en infraestructura de carreteras y de acceso a internet
disminuiría los costos de acceso para las personas que viven en distritos sin acceso al sistema
financiero. En ese sentido, el efecto spillover de los servicios financieros en un distrito sobre sus
distritos vecinos tendría un mayor alcance, debido a la mejor conectividad. Además, la mayor
infraestructura disminuiría los costos de transportes para otros bienes de primera necesidad. Esto
generaría una caída en los precios de estos bienes, permitiendo a las familias alcanzar un mayor
bienestar al incrementar su consumo sin tener que gastar más.

Finalmente, otra medida complementaria sería fomentar la educación financiera en las zonas
rurales con apoyo de las entidades financieras. Así, se podría difundir los beneficios que se pueden
obtener accediendo al sistema financiero y educando sobre conceptos financieros básicos. Incluso
esta medida podría ayudar a mitigar la popularidad del crédito informal.

49
Conclusiones

En el Perú, la literatura de inclusión financiera ha sido explotada moderadamente con un énfasis

en identificar cuáles son los determinantes del acceso y uso financiero. No obstante, este estudio
buscó entender cómo el acceso indirecto financiero impactaba sobre los patrones de gasto de
las familias rurales, así como los canales a través de los cuales afecta la dinamización económica.

En relación con los efectos spillover, se encontró que vivir a una distancia más cercana de un distrito
con un punto de atención, les permitió a las familias sin presencia física financiera gastar menos y
asignar una mayor proporción de su gasto a bienes duraderos. Este menor gasto es resultado de dos
fuerzas contrarias. La menor distancia implica menores costos de conexión a los mercados, pero la
cercanía a los mercados hace que la familia tenga más opciones de gasto. Por ello, se observa que las
familias a más de 50 km de distancia tienen un mayor nivel de gasto que las familias cercanas, pero
que las familias a menos de 20 km gastan más que las que están entre 20 km y 50 km.

Estos resultados permiten entender que es necesario que en el Perú haya una mayor conectividad entre
los distritos, debido a que el 64,9 % de los distritos a finales del 2017 no poseía presencia física del
sistema financiero. Por lo tanto, se debe incentivar la instalación de entidades financieras en
distritos céntricos desatendidos y fortalecer los servicios más aislados. De este modo, se logrará
un incremento en la proporción de gasto en bienes duraderos y una reducción en los costos de
conectividad que permitirán a las familias gastar en otros bienes.

50
Bibliografía

Agnello, L., Mallick, S. y Sousa, R. (2012). “Financial reforms and income inequality”.
Economics Letters 116 (3), p. 583-587.

Aguilar, G. (2011). Microcrédito y crecimiento regional en el Perú. Lima: Departamento de

Economía – Pontificia Universidad Católica del Perú.

Aguilar, G. (2016). Competencia en el mercado de microcréditos peruano, una medición

utilizando el Indicador de Boone. Lima: Departamento de Economía - Pontificia Universidad
Católica del Perú.

Ahmed, I. (2016). The Impact of Microfinance on Consumption: Evidence Using Household and
Subdistrict Data in Bangladesh. Chicago: American Economic Association.

Alfageme, A. y Ramírez-Rondán, N. (2016). “Acceso a servicios financieros de los hogares en el

Perú”. BCRP Documentos de Trabajo, Documento de trabajo, vol. 15.

Allen, F., Carletti, E. y Marquez, R. (2015). “Deposits and bank capital structure”. Journal of
Financial Economics 118(3), p. 601-619.

Alvarado, J. y Pintado, M. (2017). Necesidad, demanda y obtención de crédito en el sector

agropecuario en el Perú. Lima: Organización de las Naciones Unidas para la Alimentación y la
Agricultura (FAO).

Alvarado, J., Portocarrero, F., Trivelli, C., Gonzales, E., Galarza, F. y Hildegardi, V. (2001). El
financiamiento informal en el Perú. Lima: IEP Ediciones.

Amin, S., Rai, A. y Topa, G. (2003). “Does microcredit reach the poor and vulnerable? Evidence
from northern Bangladesh”. Journal of development Economics 70(1), p. 59-82.

Banerjee, A. (2013). “Microcredit under the microscope: what have we learned in the past two
decades, and what do we need to know?”. Annu. Rev. Econ. 5(1), p. 487-519.

51
Banerjee, A., Duflo, E., Glennester, R. y Kinnan, C. (2015). “The miracle of microfinance?
Evidence from a randomized evaluation”. American Economic Journal: Applied Economics 7(1),
p. 22-53.

Banerjee, A., Karlan, D. y Zinman, J. (2015). “Six randomized evaluations of microcredit:

Introduction and further steps”. American Economic Journal: Applied Economics 7(1), p. 1-21.

Banco Central de Reserva del Perú [BCRP] (2019). BCRP: Entidades Financieras. En: Banco
Central de Reserva del Perú. Fecha de consulta: 13/04/2019. <http://www.bcrp.gob.pe/sitios-de-
interes/entidades-financieras.html>.

Bebczuk, R. y Haimovich, F. (2007). “MDGs and microcredit: An empirical evaluation for Latin
American Countries”. Documento de Trabajo. Centro de Estudios Distributivos, Laborales y
Sociales. La Plata, No. 48.

Beck, T. y De la Torre, A. (2007). “The Basic Analytics of Access to Financial Services”.

Financial Markets, Institutions & Instruments, 16(2), p. 79-117.

Beck, T., Büyükkarabacak, B., Rioja, F. y Valev, N. (2012). “Who gets the credit? And does it
matter? Household vs. Firm lending across countries”. The BE Journal of Macroeconomics
12 (1).

Beck, T., Demirgüç-Kunt, A. y Martinez, M. S. (2008). “Banking Services for Everyone? Barriers
to Bank Access and Use around the World”. The World Bank Economics Review, 22 (3), p. 397-
430.

Berhane, G. y Gardebroek, C. (2011). “Does microfinance reduce rural poverty? Evidence based
on household panel data from northern Ethiopia”. American Journal of Agricultural Economics,
93(1), p. 43-55.

Bittencourt, M. (2012). “Financial Development and Economic Growth in Latin America: Is

Schumpeter Right?”. Journal of Policy Modeling, 34 (3), p. 341-355.

Bogan, V., Turvey, C. y Salazar, G. (2015). “The Elasticity Demand for Microcredit: Evidence
from Latin America”. Development Policy Review 33(6), p. 725-757.

52
Bruhn, M. y Love, I. (2009). The economic impact of banking the unbanked: evidence from
Mexico. The World Bank.

Burgess, R. y Pande, R. (2005). “Do rural banks matter? Evidence from the Indian social banking
experiment”. American Economic Review 95(3), p. 780-795.

Cámara, N. y Tuesta, D. (2015). “Factors that matter for financial inclusion: Evidence from Peru”.
Aestimatio: The IEB International Journal of Finance (10), p. 10-31.

Choy, M., Costa, E. y Churata, E. (2015). Radiografía del costo del crédito en el Perú, Serie de
Documentos de Trabajo. Lima: Banco Central de Reserva del Perú (BCRP).

Claessens, S. (2006). “Access to Financial Services: A Review of the Issues and Public Policy
Objectives”. The World Bank Research Observer 21(2), p. 207-240.

Coleman, B. (1999). “The Impact of Group Lending in Northeast Thailand”. Journal of

Development Economics 60, p. 105–141.

Coleman, B. (2006). “Microfinance in Northeast Thailand: Who Benefits and How Much?”.
World Development 34 (9), p. 1612-1638.

Cotler, P. y Aguilar, G. (2013). “The Microfinance Sectors in Peru and Mexico: Why have they
followed different paths?”. En: R. Manos, J. Gueyie y J. Yaron, Promoting Microfinance:
Challenges and Innovations in Developing Countries and Countries in Transition (p. 39-55).
Londres: Palgrave Macmillan.

Cull, R., Ehrbeck, T. y Holle, N. (2014). Financial inclusion and development: Recent impact
evidence. Focus Note 92.

De la Riva Agüero, R. (2009). Beyond agriculture: the role of economic distance on rural
productive asset accumulation in Peru. Washington DC: Doctoral dissertation, Georgetown
University.

53
De Vreyer, P., Herrera, J. y Mesplé-Somps, S. (2009). “Consumption growth and spatial poverty
traps: an analysis of the effect of social services and community infrastructures on living standards
in rural Peru”. Poverty, Inequality, and Policy in Latin America, p. 129-155.

Deaton, A. (2018). The Analysis of Household Surveys: A Microeconometric Approach to

Development Policy. Reissue Edition with a New Preface. Washington DC: World Bank.

Demirgüç-Kunt, A. y Klapper, L. (2012). Measuring financial inclusion: The global findex

database. Banco Mundial.

Demirgüç-Kunt, A., Beck, T. y Honohan, P. (2008). Finance for all?: Policies and pitfalls in
expanding access. Washington DC: Banco Mundial.

Duong, H. A. y Nghiem, H. S. (2014). “Effects of Microfinance on Poverty Reduction in Vietnam:

A Pseudo-Panel Data Analysis”. Journal of Accounting, Finance and Economics, 4(2), p. 58-67.

Ellis, K., Lemma, A. y Rud, J. P. (2010). “Investigating the impact of access to financial services
on household investment”. Londres: Overseas Development Institute.

Gertler, P., Levine, D. y Moretti, E. (2009). “Do microfinance programs help families insure
consumption against illness?”. Health economics 18(3), p. 257-273.

Guillerm, M. (2017). “Pseudo-panel methods and an example of application to household wealth

data”. Economics and Statistics, núm. 491- 492, p. 109-130.

Honohan, P. (2008). “Cross-country variation in household access to financial services”. Journal

of Banking & Finance, 32 (11), p. 2493-2500.

Islam, A. y Maitra, P. (2012). “Health shocks and consumption smoothing in rural households:
Does microcredit have a role to play?”. Journal of development economics, 97 (2), p. 232-243.

Jaramillo, M. (2014). El modelo de la Caja Municipal en Perú. Lima: Grade.

Jaramillo, M., Aparicio, C. y Cevallos, B. (2013). ¿Qué factores explican las diferencias en el
acceso al sistema financiero?: evidencia a nivel de hogares en el Perú. Lima: SBS.

54
Karlan, D. y Zinman, J. (2009). “Expanding credit access: Using randomized supply decisions to
estimate the impacts”. The Review of Financial Studies 23(1), p. 433-464.

Khandker, S. (2005). “Microfinance and poverty: Evidence using panel data from Bangladesh”.
The World Bank Economic Review 19(2), p. 263-286.

Kostov, P., Arun, T. y Annim, S. (2012). “Determinants of Access to Finance: An Investigation

into the Mzansi intervention”. The European Journal of Development Research, 24 (3), p. 397-
412.

León, J. (2018). “Inclusión financiera de las microempresas y las pequeñas y medianas empresas
en el Perú: el caso de la banca de desarrollo”. En: E. Pérez Caldentey y D. Titelman, La inclusión
financiera para la inserción productiva y el papel de la banca de desarrollo, Libros de la Cepal
N° 153 (p. 189-256). Santiago: Comisión Económica para América Latina y el Caribe (Cepal).

León, J., Sánchez, M. y Jopen, G. (2016). Determinantes del acceso y uso de servicios financieros
de las microempresas en el Perú. Lima: CIES & PUCP.

Lizarzaburu, E. (2014). “Sistema financiero peruano: Área de tesorería”. Strategy Management

Business Review, 5(1), p. 33-70.

Mahmoud, H. y Akkari, N. (2016). “Shortest Path Calculation: A comparataive sutdy for

Location-Based Recommender System”. 2016 World Symposium on Computer Applications and
Research (WSCAR), 1-5.

Ministerio de Economía y Finanzas [MEF] (2015). Estrategia Nacional de Inclusión Financiera

(ENIF). Lima: MEF.

Monge-González, R., Monge-Ariño, F. y Vargas-Aguilar, J. C. (2007). Servicios Financieros

para las Micros y Pequeñas Empresas: Desempeño e Impacto de BN-Desarrollo. San José:
Editorial Tecnológica de Costa Rica.

Morduch, J. (1998). Does microfinance really help the poor?: New evidence from flagship
programs in Bangladesh. Nueva York: Research Program in Development Studies, Woodrow
School of Public and International Affairs.

55
Organización de las Naciones Unidas (2015). Transforming Our World: The 2030 Agenda for
Sustainable Development. Nueva York: UN Publishing.

Pitt, M. y Khandker, S. (1998). “The impact of group-based credit programs on poor households
in Bangladesh: Does the gender of participants matter?”. Journal of political economy, 106(5),
p. 958-996.

Roodman, D. y Morduch, J. (2014). “The impact of microcredit on the poor in Bangladesh:

Revisiting the evidence”. Journal of Development Studies 50 (4), p. 583-604.

Rosemberg, R., Gonzalez, A. y Narain, S. (2009). “The new moneylenders: are the poor being
exploited by high microcredit interest rates?”. En: T. Watkins y K. Hicks, Moving beyond
storytelling: Emerging research in microfinance (Contemporary Studies in Economic and
Financial Analysis, Volume 92) (p. 145-181). England: Emerald Group Publishing Limited.

Sarmiento, A. (2018). “Análisis de la tenencia de productos financieros: evidencia para contribuir

financiera en Bolivia”. En: M. J. Roa y D. Mejía, Decisiones financieras de los hogares e
inclusión financiera: evidencia para América Latina y el Caribe (p. 17-54). México: Cemla.

Superintendencia de Banca, Seguros y AFP [SBS]. (2018). Perú: Reporte de indicadores de

inclusión financiera de los sistemas financieros, de seguros y de pensiones. Lima: SBS.

SBS (2019). SBS: Estadísticas / Sistema Financiero. En: Superintendencia de Banca, Seguros y
AFP. Disponible en: <https://intranet2.sbs.gob.pe/estadistica/financiera/2019/Febrero/SF-0003-
fe2019.PDF>.

Schroeder, E. (2012). The Impact of Microcredit Borrowing on Household Consumption in

Bangladesh. Washington DC: Department of Economics, Georgetown University.

Sotomayor, N., Talledo, J. y Wong, S. (2018). Determinantes de la inclusión financiera en el

Perú: Evidencia Reciente. Lima: SBS.

Talledo, J. (2015). Access to and use of financial services: Evidence from Peru. Lima: SBS.

56
Townsend, R. y Ueda, K. (2006). “Financial deepening, inequality, and growth: a model-based
quantitative evaluation”. The Review of Economic Studies 73 (1), p. 251-293.

Verbeek, M. (2008). “Pseudo-panels and repeated cross-sections”. En: M. Verbeek, The

econometrics of panel data (p. 369-383). Berlin: Springer.

Banco Mundial (2006). Measuring financial access: outlining the scope of current data collection
efforts. Washington DC: Banco Mundial.

57
Anexos

58
Anexo 1. Evolución anual departamental de la oferta del sistema financiero de las
instituciones de banca múltiple y de las cajas municipales (2009 – 2017)

Evolución anual departamental de los bancos (2009-2017)

Departamento 2009 2010 2011 2012 2013 2014 2015 2016 2017
Amazonas 2 2 2 2 3 3 5 8 8
Áncash 24 27 28 28 36 38 39 56 54
Apurímac 3 4 4 4 4 4 6 10 11
Arequipa 40 48 56 66 72 73 75 99 97
Ayacucho 5 6 5 5 6 6 6 9 10
Cajamarca 17 20 21 20 23 24 27 48 47
Callao 71 79 82 81 82 84 86 87 85
Cusco 24 27 28 32 32 32 40 56 56
Huancavelica 1 1 1 1 1 1 1 1 1
Huánuco 8 10 10 10 10 16 16 18 18
Ica 35 42 42 44 48 53 58 62 62
Junín 34 42 40 37 43 46 47 53 58
La Libertad 59 68 68 67 83 84 87 107 105
Lambayeque 40 43 39 43 51 53 56 69 64
Lima 841 886 919 954 1.059 1.077 1.115 1.180 1.167
Loreto 12 15 15 16 20 21 23 24 25
Madre de Dios 3 4 4 4 5 5 6 6 6
Moquegua 11 12 12 11 11 11 12 16 16
Pasco 5 5 6 5 5 4 5 6 6
Piura 44 52 55 62 68 71 77 102 103
Puno 15 17 18 21 25 24 24 44 43
San Martín 15 18 20 18 20 23 23 28 30
Tacna 14 18 20 21 22 22 22 26 24
Tumbes 8 9 9 8 8 8 9 12 11
Ucayali 8 9 9 9 11 14 18 19 19
Total 1.339 1.464 1.513 1.569 1.748 1.797 1.883 2.146 2.126

Fuente: SBS 2019. Elaboración propia

Evolución anual departamental de los cajeros automáticos (2009-2017)

Departamento 2009 2010 2011 2012 2013 2014 2015 2016 2017
Amazonas 2 10 2 3 2 4 10 22 22
Áncash 51 74 68 73 20 132 174 299 299
Apurímac 6 5 5 7 4 11 22 34 34
Arequipa 127 166 157 238 47 302 421 707 677
Ayacucho 15 33 16 17 5 30 77 137 142
Cajamarca 35 40 46 55 15 86 134 210 203
Callao 165 180 198 222 28 298 421 594 582
Cusco 105 110 120 137 30 182 288 414 372
Huancavelica 2 37 7 3 4 6 7 75 77
Huánuco 13 14 17 17 10 52 67 98 95
Ica 83 102 115 141 33 218 351 508 470
Junín 62 86 81 96 36 151 244 362 353
La Libertad 148 175 201 235 33 334 509 687 647
Lambayeque 93 125 117 152 25 217 332 489 447
Lima 2.125 2.204 2.688 3.085 288 4.313 5.984 8.243 7.981
Loreto 46 48 51 67 15 88 120 155 150

59
Departamento 2009 2010 2011 2012 2013 2014 2015 2016 2017
Madre de Dios 4 6 9 11 6 18 26 38 37
Moquegua 12 12 15 17 10 24 46 71 69
Pasco 10 8 11 10 9 17 21 35 34
Piura 109 115 133 198 39 258 387 561 557
Puno 30 27 29 47 10 62 107 148 138
San Martín 25 23 29 30 16 63 80 114 112
Tacna 28 35 40 52 9 69 113 167 172
Tumbes 13 12 16 20 6 26 41 56 63
Ucayali 19 21 28 36 9 48 87 122 111
Total 3.328 3.668 4.199 4.969 709 7.009 10.069 14.346 13.844

Fuente: SBS 2019. Elaboración propia

Evolución anual departamental de los cajeros corresponsales (2009-2017)

Departamento 2009 2010 2011 2012 2013 2014 2015 2016 2017
Amazonas 10 21 36 31 58 60 115 292 261
Áncash 79 107 139 176 217 342 667 1.278 1.386
Apurímac 8 18 24 29 51 81 108 284 357
Arequipa 285 502 811 962 1.329 1.900 2.470 4.554 4.605
Ayacucho 14 30 48 51 78 120 230 428 403
Cajamarca 62 91 162 202 264 421 763 1.333 1.329
Callao 165 245 359 474 703 849 1.315 2.565 2.373
Cusco 107 162 242 298 378 510 764 1.032 1.341
Huancavelica 8 8 25 19 23 35 34 106 135
Huánuco 21 27 44 64 65 145 278 514 575
Ica 116 177 247 293 357 475 677 1.493 1.384
Junín 148 192 329 388 537 734 1.057 1.931 2.164
La Libertad 219 283 343 445 671 912 1.685 3.021 3.048
Lambayeque 162 223 294 385 499 789 1.218 2.341 2.293
Lima 2.469 3.010 4.584 5.913 8.212 9.833 13.418 25.403 22.454
Loreto 27 43 49 53 62 78 181 320 365
Madre de Dios 6 9 13 17 14 24 18 59 74
Moquegua 18 38 56 65 66 117 217 322 283
Pasco 15 23 22 41 58 74 112 189 257
Piura 169 203 293 359 461 571 826 1.683 1.582
Puno 37 45 75 96 130 146 357 639 665
San Martín 42 73 124 182 227 340 591 1.043 1.150
Tacna 30 60 75 97 151 189 432 683 711
Tumbes 29 36 47 45 56 68 88 169 242
Ucayali 51 54 73 97 173 262 508 881 786
Total 4.297 5.680 8.514 10.782 14.840 19.075 28.129 52.563 50.223

Fuente: SBS 2019. Elaboración propia

Evolución anual departamental de las cajas municipales (2009-2017)

Departamento 2009 2010 2011 2012 2013 2014 2015 2016 2017
Amazonas 7 9 9 10 8 11 13 12 12
Áncash 12 15 18 18 19 17 17 20 21
Apurímac 7 13 14 14 15 17 18 18 19
Arequipa 16 28 37 43 46 51 57 57 57
Ayacucho 7 10 11 12 11 12 14 16 16

60
Departamento 2009 2010 2011 2012 2013 2014 2015 2016 2017
Cajamarca 15 19 19 19 20 24 25 25 26
Callao 3 4 4 5 5 5 5 5 6
Cusco 20 26 30 31 35 39 48 54 57
Huancavelica 4 4 6 6 7 8 7 9 10
Huánuco 10 9 11 12 13 13 13 18 19
Ica 10 22 22 24 21 23 23 29 33
Junín 15 19 26 26 32 37 42 45 53
La Libertad 21 25 28 29 30 31 34 37 40
Lambayeque 13 16 20 21 21 23 23 24 25
Lima 82 98 116 124 127 133 134 139 142
Loreto 8 10 10 10 10 11 12 12 13
Madre de Dios 7 9 10 10 11 11 11 10 10
Moquegua 4 4 5 9 10 10 13 13 14
Pasco 5 5 5 5 8 8 9 9 9
Piura 30 40 48 48 51 53 53 54 58
Puno 17 28 28 31 37 38 43 47 49
San Martín 15 15 15 15 17 19 18 18 23
Tacna 7 9 12 12 13 14 16 16 17
Tumbes 6 8 10 10 10 10 10 9 10
Ucayali 5 5 7 8 10 10 11 11 11
Total 346 450 521 552 587 628 669 707 750

Fuente: SBS 2019. Elaboración propia

Evolución porcentual acumulada del crecimiento departamental de la oferta del sistema financiero
por tipo de punto de acceso (2009-2017)

Departamento Bancos Caj. automáticos Caj. Corresp. CMAC

Amazonas 300,00 % 1000,00 % 2510,00 % 71,43 %
Áncash 125,00 % 486,27 % 1654,43 % 75,00 %
Apurímac 266,67 % 466,67 % 4362,50 % 171,43 %
Arequipa 142,50 % 433,07 % 1515,79 % 256,25 %
Ayacucho 100,00 % 846,67 % 2778,57 % 128,57 %
Cajamarca 176,47 % 480,00 % 2043,55 % 73,33 %
Callao 19,72 % 252,73 % 1338,18 % 100,00 %
Cusco 133,33 % 254,29 % 1153,27 % 185,00 %
Huancavelica 0,00 % 3750,00 % 1587,50 % 150,00 %
Huánuco 125,00 % 630,77 % 2638,10 % 90,00 %
Ica 77,14 % 466,27 % 1093,10 % 230,00 %
Junín 70,59 % 469,35 % 1362,16 % 253,33 %
La Libertad 77,97 % 337,16 % 1291,78 % 90,48 %
Lambayeque 60,00 % 380,65 % 1315,43 % 92,31 %
Lima 38,76 % 275,58 % 809,44 % 73,17 %
Loreto 108,33 % 226,09 % 1251,85 % 62,50 %
Madre de Dios 100,00 % 825,00 % 1133,33 % 42,86 %
Moquegua 45,45 % 475,00 % 1472,22 % 250,00 %
Pasco 20,00 % 240,00 % 1613,33 % 80,00 %
Piura 134,09 % 411,01 % 836,09 % 93,33 %
Puno 186,67 % 360,00 % 1697,30 % 188,24 %
San Martín 100,00 % 348,00 % 2638,10 % 53,33 %
Tacna 71,43 % 514,29 % 2270,00 % 142,86 %
Tumbes 37,50 % 384,62 % 734,48 % 66,67 %
Ucayali 137,50 % 484,21 % 1441,18 % 120,00 %
Total 58,78 % 315,99 % 1068,79 % 116,76 %

Fuente: SBS 2019. Elaboración propia

61
Anexo 2. Explicación de variables explicativas

Descripción de las variables explicativas del ejercicio empírico

Variable Descripción Tipo de variable

Es la cantidad de bancos en el periodo actual, a nivel
Bancos t Variable de acceso
distrital, entre el área del distrito multiplicado por 100.
Es la cantidad de cajas municipales en el periodo actual, a
Cajas Municipales t Variable de acceso
nivel distrital, entre el área del distrito multiplicado por 100.
Es la cantidad de cajeros corresponsales en el periodo
Caj. Corresponsales t actual, a nivel distrital, entre el área del distrito multiplicado Variable de acceso
por 100.
Es una dummy que muestra si la familia habita en un distrito
(0 < 𝐷𝑖𝑠𝑡 ≤ 20)𝑡 que está a menos de 20 km de distancia de otro distrito que Variable de acceso
sí tiene al menos un cajero corresponsal.
Es una dummy que muestra si la familia habita en un distrito
(20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑡 que está a más de 20km, pero no más de 50 km de distancia Variable de acceso
de otro distrito que sí tiene al menos un cajero corresponsal.
Es la cantidad de bancos en el periodo actual, a nivel
(Bancos t)2 distrital, entre el área del distrito multiplicado por 100, Variable de acceso
elevado al cuadrado.
Es la cantidad de cajas municipales en el periodo actual, a
(Cajas Municipales t)2 nivel distrital, entre el área del distrito multiplicado por 100, Variable de acceso
elevado al cuadrado.
Es la cantidad de cajeros corresponsales en el periodo
(Caj. Corresponsales t)2 actual, a nivel distrital, entre el área del distrito multiplicado Variable de acceso
por 100, elevado al cuadrado.
Es el total de créditos a nivel distrital provistos por los
Créditos Bancos t Variable de uso
bancos, dividido entre la población del distrito.
Es el total de créditos a nivel distrital provistos por las cajas
Créditos Cajas t Variable de uso
municipales, dividido entre la población del distrito.
Es el total de depósitos a plazo a nivel distrital, dividido
Depósitos totales t Variable de uso
entre la población del distrito.
Es el total de depósitos a la vista a nivel distrital provistos
Depósitos Banco t Variable de uso
por los bancos, dividido entre la población del distrito.
Es el total de depósitos a la vista a nivel distrital provistos
Depósitos Cajas t por las cajas municipales, dividido entre la población del Variable de uso
distrito.
Es la cantidad de bancos en el periodo anterior, a nivel
Bancos t-1 Instrumento
distrital, entre el área del distrito multiplicado por 100
Es la cantidad de cajas municipales en el periodo anterior,
Cajas Municipales t-1 a nivel distrital, entre el área del distrito multiplicado por Instrumento
100
Es la cantidad de cajeros corresponsales en el periodo
Caj. Corresponsales t-1 anterior, a nivel distrital, entre el área del distrito Instrumento
multiplicado por 100
Es la cantidad de créditos a nivel distrital provistos por los
Créditos Bancos t-1 bancos en el periodo anterior, dividido entre la población Instrumento
del distrito.
Es el total de créditos a nivel distrital provistos por las caj.
Créditos Cajas t-1 municipales en el periodo anterior, dividido entre la Instrumento
población del distrito.
Es la cantidad total de depósitos a nivel distrital en el
Depósitos totales t-1 Instrumento
periodo anterior, dividido entre la población del distrito.
Es una dummy que toma el valor de 1 si la unidad familiar
Usuario ha tomado un préstamo para financiar su casa, terreno y Variable de control
otros; y 0 de lo contrario.
Nivel de Educación Es el nivel de educación del jefe de familia. Variable de control
Es una dummy que toma el valor de 1 si el jefe de familia
Sexo Variable de control
es hombre, y 0 si es mujer.

62
 Variable Descripción Tipo de variable
Es una dummy que toma el valor de 1 si el jefe de familia
Casado Variable de control
es casado, y 0 de otro modo.
Edad Es la edad del jefe de familia. Variable de control
Es una dummy que toma el valor de 1 si el jefe de familia
No Trabaja Variable de control
no trabaja y 0 caso contrario.
Es una dummy que toma el valor de 1 si el jefe de familia
Independiente Variable de control
es trabajador independiente y 0 caso contrario.
Es una dummy que toma el valor de 1 si el jefe de familia
Empleador Variable de control
es empleador y 0 caso contrario.
Es una dummy que toma el valor de 1 si el distrito en el que
Comp. Alta habita la familia tiene un HHI crediticio entre 0.13 y 0.42, Variable de control
y 0 de otro modo.
Es una dummy que toma el valor de 1 si el distrito en el que
Comp. Media habita la familia tiene un HHI crediticio entre 0.42 y 0.71 y Variable de control
0 de otro modo.
Es una dummy que toma el valor de 1 si el distrito en el que
Comp. Baja habita la familia tiene un HHI crediticio entre 0.71 y 1 de Variable de control
otro modo.
Es una dummy que toma el valor de 1 si la lengua materna
Quechua Variable de control
del jefe de familia es quechua, y 0 de otro modo.
Es una dummy que toma el valor de 1 si la lengua materna
Otros idiomas del jefe de familia es distinta a castellano o quechua, y 0 de Variable de control
otro modo.

Fuente: Elaboración propia

Anexo 3. Modelos within y agregados con seudopaneles con todas las variables sobre la
proporción del gasto en inversión y el gasto total en el periodo 2009-2017

Modelos within y variantes con todas las variables: Efecto del acceso y uso del servicio financiero
sobre la proporción del gasto en inversión

Efectos sobre la proporción de gasto destinado a inversión

(1) (2) (3) (4) (5)
Interacción Depósitos Accesos al
Variables Modelo base HHI
créditos desagreg. cuadrado
(0 < 𝐷𝑖𝑠𝑡 ≤ 20)𝑡 0,00334*** 0,00319*** 0,00343*** 0,00330*** 0,00410***
(0,000658) (0,000659) (0,000658) (0,000659) (0,000689)
(20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑡 0,00181*** 0,00166** 0,00190*** 0,00177** 0,00258***
(0,000689) (0,000689) (0,000688) (0,000689) (0,000718)
Bancos t -0,000772 -0,000663 -0,000739 -0,000697 -0,000745
(0,000535) (0,000525) (0,000537) (0,000820) (0,000533)
Cajas Municipales t 0,000913* 0,000869 0,000922* 0,000811 0,000907*
(0,000534) (0,000531) (0,000533) (0,000922) (0,000537)
Caj. Corresponsales t -1,55e-06 -2,90e-06 -9,58e-07 -1,60e-05 -7,73e-07
(1,15e-05) (1,14e-05) (1,15e-05) (2,12e-05) (1,15e-05)
Créditos Cajas t 0,00291*** 0,00279*** 0,00394*** 0,00296*** 0,00260***
(0,000619) (0,000622) (0,000770) (0,000676) (0,000754)
Créditos Bancos t -0,00159*** -0,00247*** -0,00128*** -0,00156*** -0,00122**
(0,000499) (0,000569) (0,000494) (0,000525) (0,000533)
Depósitos Totales t 0,00262*** 0,00264*** 0,00262*** 0,00241***
(0,000415) (0,000415) (0,000415) (0,000416)
Usuario 0,0105*** 0,0105*** 0,0105*** 0,0105*** 0,0104***
(0,00265) (0,00265) (0,00265) (0,00265) (0,00265)
Nivel de Educación 0,00413*** 0,00413*** 0,00413*** 0,00413*** 0,00411***
(0,000143) (0,000143) (0,000143) (0,000143) (0,000143)

63
 Efectos sobre la proporción de gasto destinado a inversión
Sexo -0,000324 -0,000323 -0,000336 -0,000329 -0,000265
(0,000692) (0,000692) (0,000692) (0,000693) (0,000693)
Casado 0,00461*** 0,00462*** 0,00463*** 0,00462*** 0,00460***
(0,000537) (0,000537) (0,000537) (0,000537) (0,000537)
Edad -0,00028*** -0,00028*** -0,00028*** -0,00028*** -0,00028***
(7,77e-05) (7,77e-05) (7,77e-05) (7,77e-05) (7,77e-05)
No trabaja 0,00927*** 0,00927*** 0,00928*** 0,00927*** 0,00931***
(0,000987) (0,000987) (0,000987) (0,000987) (0,000987)
Independiente 0,00695*** 0,00694*** 0,00694*** 0,00694*** 0,00696***
(0,000584) (0,000584) (0,000584) (0,000584) (0,000584)
Empleador 0,0272*** 0,0272*** 0,0272*** 0,0272*** 0,0272***
(0,00118) (0,00118) (0,00118) (0,00118) (0,00118)
(Créditos Cajas t) * 0,000575
(Créditos Bancos t) (0,000356)
Depósitos Banco t 0,00284***
(0,000445)

Fuente: Elaboración propia

Modelos within y variantes con todas las variables: Efecto del acceso y uso del servicio financiero
sobre la proporción del gasto en inversión (Cont.)

Efectos sobre la proporción de gasto destinado a inversión

(1) (2) (3) (4) (5)
Interacción Depósitos Accesos al
Variables Modelo base HHI
créditos desagreg. cuadrado
Depósitos Cajas t -0,000979
(0,00186)
(Bancos t)2 1,61e-06
(2,12e-05)
(Cajas Municipales t)2 5,17e-06
(2,88e-05)
(Caj. Corresponsales t)2 8,10e-09
(1,21e-08)
Comp. Alta -0,000446
(0,00152)
Comp. Media 0,00167
(0,00151)
Comp. Baja 0,00331***
(0,000878)
Constante -8,88e-06 -0,000135 -8,89e-06 -2,89e-05 -9,13e-06
(0,000241) (0,000250) (0,000241) (0,000242) (0,000241)
Observaciones 103.098 103.098 103.098 103.098 103.098

Errores estándares robustos en paréntesis

*** p<0,01, ** p<0,05, * p<0,1
Fuente: Elaboración propia

64
Modelos within y variantes con todas las variables: Efecto del acceso y uso del servicio financiero
sobre el gasto total

Efectos sobre el total de gasto

(1) (2) (3) (4) (5)
Interacción Depósitos Accesos al
Variables Modelo base HHI
créditos desagreg. cuadrado
(0 < 𝐷𝑖𝑠𝑡 ≤ 20)𝑡 -0,139*** -0,135*** -0,139*** -0,139*** -0,132***
(0,00526) (0,00624) (0,00621) (0,00621) (0,00667)
(20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑡 -0,188*** -0,184*** -0,188*** -0,188*** -0,181***
(0,00565) (0,00676) (0,00674) (0,00674) (0,00718)
Bancos t 0,0238*** 0,0210*** 0,0239*** 0,0812*** 0,0228***
(0,00413) (0,00458) (0,00457) (0,00810) (0,00456)
Cajas Municipales t -0,0296*** -0,0285*** -0,0296*** -0,151*** -0,0287***
(0,00387) (0,00432) (0,00432) (0,00923) (0,00429)
Caj. Corresponsales t 0,00048*** 0,00051*** 0,00048*** 0,00137*** 0,00046***
(9,08e-05) (9,86e-05) (9,77e-05) (0,000216) (9,78e-05)
Créditos Cajas t 0,0871*** 0,0900*** 0,0901*** 0,132*** 0,0796***
(0,00461) (0,00518) (0,00668) (0,00567) (0,00620)
Créditos Bancos t -0,0364*** -0,0135*** -0,0354*** -0,0489*** -0,0399***
(0,00331) (0,00490) (0,00395) (0,00406) (0,00407)
Depósitos Totales t 0,0579*** 0,0573*** 0,0581*** 0,0574***
(0,00290) (0,00377) (0,00380) (0,00383)
Usuario 0,289*** 0,289*** 0,289*** 0,289*** 0,289***
(0,0182) (0,0231) (0,0231) (0,0231) (0,0231)
Nivel de Educación 0,0961*** 0,0962*** 0,0961*** 0,0966*** 0,0960***
(0,00111) (0,00135) (0,00135) (0,00135) (0,00135)
Sexo 0,0536*** 0,0535*** 0,0535*** 0,0523*** 0,0538***
(0,00581) (0,00708) (0,00708) (0,00707) (0,00708)
Casado 0,189*** 0,189*** 0,189*** 0,190*** 0,189***
(0,00429) (0,00518) (0,00518) (0,00517) (0,00518)
Edad -0,0118*** -0,0118*** -0,0118*** -0,0116*** -0,0118***
(0,000594) (0,000753) (0,000753) (0,000752) (0,000753)
No trabaja -0,0301*** -0,0302*** -0,0302*** -0,0299*** -0,0298***
(0,00759) (0,00920) (0,00921) (0,00919) (0,00921)
Independiente -0,180*** -0,180*** -0,180*** -0,177*** -0,180***
(0,00476) (0,00574) (0,00574) (0,00574) (0,00574)
Empleador 0,211*** 0,212*** 0,211*** 0,210*** 0,211***
(0,00814) (0,00982) (0,00982) (0,00980) (0,00982)
(Créditos Cajas t) * -0,0150***
(Créditos Bancos t) (0,00204)
Depósitos Banco t 0,0586***
(0,00403)
Depósitos Cajas t 0,0469***
(0,0148)
(Bancos t)2 -0,00162***
(0,000213)
(Cajas Municipales t)2 0,00391***
(0,000277)

Fuente: Elaboración propia

65
Modelos within y variantes con todas las variables: Efecto del acceso y uso del servicio financiero
sobre el gasto total (Cont.)

Efectos sobre el total de gasto

(1) (2) (3) (4) (5)
Interacción Depósitos Accesos al
Variables Modelo base HHI
créditos desagreg. cuadrado
(Caj. Corresponsales t )2 -6,4e-07***
(1,04e-07)
Comp. Alta 0,0534***
(0,0137)
Comp. Media -0,0231*
(0,0138)
Comp. Baja 0,0265***
(0,00878)
Constante -0,236*** 8,852*** 8,848*** 8,845*** 8,848***
(0,00193) (0,00239) (0,00235) (0,00237) (0,00235)
Observaciones 103.098 103.098 103.098 103.098 103.098

Errores estándares robustos en paréntesis

*** p<0,01, ** p<0,05, * p<0,1
Fuente: Elaboración propia

Modelos agregados con todas las variables: Efecto del acceso y uso del servicio financiero sobre
la proporción del gasto en inversión y el gasto total

Efecto sobre la proporción de gasto destinado a

Efecto sobre el total de gasto
inversión
(6,1) (7,1) (6,2) (7,2)
Modelo ubigeo Modelo Modelo ubigeo
Variables Modelo ubigeo
y lengua ubigeo y lengua
(0 < 𝐷𝑖𝑠𝑡 ≤ 20)𝑡 0,00307*** 0,00342*** -0,0748*** -0,0967***
(0,00116) (0,00121) (0,0141) (0,0142)
(20 < 𝐷𝑖𝑠𝑡 ≤ 50)𝑡 0,00234* 0,00274** -0,143*** -0,146***
(0,00124) (0,00131) (0,0159) (0,0158)
Créditos Cajas t 0,00115 -7,65e-07 0,0926*** 0,102***
(0,00102) (0,00112) (0,0140) (0,0130)
Créditos Bancos t -0,00104 -3,39e-05 -0,0155* -0,0384***
(0,000842) (0,00102) (0,00927) (0,0102)
Bancos t -0,000330 -0,000849 0,00671 0,0207*
(0,00136) (0,00142) (0,0117) (0,0118)
Cajas Municipales t 0,000958 0,00140 -0,0159 -0,0188**
(0,00128) (0,00136) (0,0109) (0,00922)
Caj. Corresponsales t -7,97e-06 -1,25e-05 0,000473** 0,000206
(1,33e-05) (1,51e-05) (0,000215) (0,000162)
Depósitos Totales t 0,00201*** 0,00217*** 0,0328*** 0,0512***
(0,000545) (0,000620) (0,00868) (0,0105)
Quechua 0,00555*** 0,00504*** -0,148*** -0,0802***
(0,00125) (0,00117) (0,0165) (0,0144)
Otros idiomas 0,000574 -0,00287 -0,396*** -0,269***
(0,00210) (0,00189) (0,0311) (0,0276)
Usuario 0,00188** 0,00171* 0,137*** 0,132***
(0,000922) (0,000980) (0,0116) (0,0117)
Nivel de Educación 0,00397*** 0,00468*** 0,214*** 0,172***
(0,000623) (0,000586) (0,00753) (0,00666)
Sexo -0,00383 -0,000787 -0,0814* -0,0291

66
 Efecto sobre la proporción de gasto destinado a
Efecto sobre el total de gasto
inversión
(0,00402) (0,00409) (0,0495) (0,0459)
Casado 0,00335 0,00186 0,111*** 0,0802***
(0,00256) (0,00263) (0,0322) (0,0306)
Edad -0,000353*** -0,000435*** -0,00423*** -0,00138
(8,95e-05) (8,91e-05) (0,00106) (0,000998)
No trabaja 0,00854 0,0109* -0,144** -0,183***
(0,00538) (0,00592) (0,0576) (0,0571)
Independiente 0,00130 0,00360 -0,741*** -0,763***
(0,00292) (0,00275) (0,0342) (0,0327)
Empleador 0,0389*** 0,0398*** -0,100 -0,0555
(0,00549) (0,00597) (0,0669) (0,0628)
Constante 0,0713*** 0,0683*** 8,703*** 8,748***
(0,00596) (0,00615) (0,0696) (0,0682)
Observaciones 4.487 5.037 4.487 5.037

Errores estándares robustos en paréntesis

*** p<0,01, ** p<0,05, * p<0,1
Fuente: Elaboración propia

67