NGÂN HÀNG NHÀ NƯỚC VIỆT NAM BỘ GIÁO DỤC VÀ ĐÀO TẠO

HỌC VIỆN NGÂN HÀNG

NHÂN TỐ ẢNH HƯỞNG TỚI TÀI CHÍNH BAO TRÙM:

BẰNG CHỨNG MỚI TỪ PHÂN TÍCH DỮ LIỆU BẢNG

HÀ NỘI, THÁNG 12/2018

NHÂN TỐ ẢNH HƯỞNG TỚI TÀI CHÍNH BAO TRÙM:

BẰNG CHỨNG MỚI TỪ PHÂN TÍCH DỮ LIỆU BẢNG

Nhóm tác giả:

TS. Chu Khánh Lân

ThS. Nguyễn Minh Phương

ThS. Trương Hoàng Diệp Hương

ThS. Đào Bích Ngọc

TS. Phạm Mạnh Hùng

Báo cáo nghiên cứu 18/04

©2018 Báo cáo này thuộc bản quyền của Học viện Ngân hàng. Mọi sự sao chép, lưu hành

và/hoặc xuất bản một phần hoặc toàn bộ nội dung báo cáo mà không được sự cho phép của Học

viện Ngân hàng là vi phạm bản quyền.

Quan điểm được trình bày trong báo cáo này là của các tác giả và không nhất thiết phản ánh

quan điểm của Học viện Ngân hàng và của Ngân hàng Nhà nước.

Xin vui lòng trích dẫn báo cáo như sau: Học viện Ngân hàng (2018). Nhân tố ảnh hưởng tới tài

chính bao trùm: bằng chứng mới từ phân tích dữ liệu bảng. Báo cáo nghiên cứu 18/04.

Nhân tố ảnh hưởng tới tài chính bao trùm: bằng chứng mới từ phân tích dữ liệu bảng

Chu Khánh Lân

Nguyễn Minh Phương

Trương Hoàng Diệp Hương

Đào Bích Ngọc

Phạm Mạnh Hùng

Tóm tắt

Mục tiêu của nghiên cứu này là xác định các nhân tố ảnh hưởng tới tài chính bao trùm. Trước

tiên, chúng tôi thực hiện phân tích thành phần chính hai bước để tính chỉ số tài chính bao trùm

và ba cấu phần của nó. Chúng tôi nhận thấy các quốc gia phát triển có chỉ số tài chính bao trùm

cao hơn và ổn định hơn. Kết quả từ mô hình hồi quy tác động ngẫu nhiên cho thấy các điều

kiện kinh tế xã hội ổn định như thu nhập, phát triển tài chính, chất lượng thể chế, tăng trưởng

dân số và phát triển con người thúc đẩy tài chính bao trùm phát triển. Ngoài ra, tồn tại sự khác

biệt giữa các nhóm quốc gia trong các nhân tố ảnh hưởng tới tài chính bao trùm.

Phân loại JEL: G21; O16

Từ khóa: tài chính bao trùm

1. Giới thiệu

Cuộc khủng hoảng tài chính gần đây đã nhấn mạnh tầm quan trọng của tài chính bao

trùm trong việc thúc đẩy tăng trưởng kinh tế, giảm đói nghèo và giảm bất bình đẳng thu nhập.

Kể từ đó, chủ đề này đã thu hút sự quan tâm của các nhà nghiên cứu, các nhà hoạch định chính

sách nhằm khám phá khái niệm tài chính bao trùm, đo lường mức độ tiếp cận, đo lường các

nhân tố ảnh hưởng và tác động của tài chính bao trùm ở các nhóm quốc gia khác nhau.

Tài chính bao trùm được định nghĩa là quá trình cung cấp các dịch vụ tài chính một cách

hợp lý, thuận tiện, kịp thời tới mọi thành viên trong xã hội, đặc biệt là người nghèo và người dễ

bị tổn thương (Mohan, 2006; Rangarjan Committee, 2008; Ajide, 2015). Theo báo cáo mới nhất

của World Bank (2017) về việc sử dụng các dịch vụ tài chính, mức độ tài chính bao trùm đã

tăng lên trên toàn cầu, nhờ sự phát triển của điện thoại di động và mạng internet. Tuy nhiên,

mức độ tăng tài chính bao trùm không cân bằng giữa các quốc gia. Tỷ lệ người trưởng thành có

tài khoản tại tổ chức tài chính chính thức tăng nhanh từ mức 51% năm 2011 lên mức 62% năm

2014 và đạt mức 69% năm 2017, đạt khoảng 3.8 tỷ người trên toàn thế giới. Cùng với sự phát

triển của điện thoại di động và internet, tỷ lệ chủ sở hữu tài khoản gửi hoặc nhận thanh toán

điện tử tăng từ mức 67% năm 2014 lên 76% năm 2017. Ở một số quốc gia như khu vực Châu

Phi cận Sahara, công nghệ là yếu tố quyết định tới việc tăng tài chính bao trùm. Tuy nhiên, hiện

nay còn khoảng 1,7 tỷ người vẫn chưa được tiếp cận dịch vụ tài chính, dù thực tế là gần 70%

trong số họ sở hữu điện thoại di động. Cùng lúc đó, vẫn tồn tại chênh lệch về tỷ lệ người trưởng

thành được tiếp cận các dịch vụ tài chính giữa nam và nữ, nông thôn và thành thị, và các nước

đang phát triển và phát triển. Những tồn tại này yêu cầu phải tiếp tục nghiên cứu nhằm đẩy

mạnh mức độ tài chính bao trùm trên toàn thế giới.

Tuy nhiên, tài chính bao trùm dù là một vấn đề quan trọng nhưng vẫn còn là vấn đề mới

nổi trong lý thuyết kinh tế hiện đại. Do đó, số lượng các nghiên cứu thực nghiệm liên quan đến

chủ đề này còn khá hạn chế. Trong số đó, phần lớn các nghiên cứu tiếp cận tài chính bao trùm

trên khía cạnh đo lường mức độ tài chính bao trùm hoặc đánh giá ảnh hưởng của tài chính bao

trùm tới tăng trưởng kinh tế, giảm đói nghèo và bất bình đẳng (Clamara và đồng sự, 2014). Chỉ

có một vài nghiên cứu đánh giá các nhân tố tác động tới tài chính bao trùm. Bài viết này bổ

sung vào khoảng trống nghiên cứu bằng cách đo lường các nhân tố ảnh hưởng tới mức độ tài

chính bao trùm trên toàn thế giới nhằm đưa ra một số khuyến nghị để cải thiện khả năng tiếp

cận các dịch vụ tài chính.

Để đạt được mục tiêu, trước tiên chúng tôi xây dựng chỉ số tài chính bao trùm và ba cấu

phần, gồm tài khoản, thanh toán, vay và gửi, sử dụng dữ liệu Tài chính bao trùm toàn cầu của

Ngân hàng thế giới. Chúng tôi thực hiện phân tích thành phần chính hai bước để tính chỉ số tài

chính bao trùm cho 95 quốc gia trong hai năm 2014 và 2017. Sau đó, chúng tôi áp dụng mô

hình hồi quy tác động ngẫu nhiêu với dữ liệu từ 82 quốc gia để xem xét ảnh hưởng của các nhân

tố kinh tế, thể chế, xã hội, tài chính và đặc điểm của hệ thống ngân hàng tới tài chính bao trùm.

Nghiên cứu này có những đóng góp mới như sau. Thứ nhất, thông qua việc xây dựng

chỉ số tài chính bao trùm trên cơ sở dữ liệu có tính toàn diện cao, nghiên cứu đã giúp nhà làm

chính sách hiểu hơn về thực trạng các thành phần của tài chính bao trùm, giúp họ xây dựng

được các chính sách phù hợp. Kết quả nghiên cứu cho thấy, các quốc gia phát triển có chỉ số

tài chính bao trùm và các cấu phần bên trong cao và ổn định hơn các quốc gia đang phát triển.

Cấu phần vay và gửi giải thích nhiều nhất sự biến động trong chỉ số tài chính bao trùm, kế

đến là cấu phần tài khoản và thanh toán mặc dù sự khác biệt trong tỷ trọng của từng cấu phần

là khá thấp.

Thứ hai, nghiên cứu chỉ ra điều kiện kinh tế xã hội thuận lợi như thu nhập, phát triển tài

chính, chất lượng thể chế và phát triển con người thúc đẩy tài chính bao trùm phát triển. Kết

quả nghiên cứu vững chắc khi thay đổi quy mô mẫu, phân nhóm các quốc gia và lựa chọn các

biến số độc lập khác nhau.

Thứ ba, thông qua việc phân tách mẫu nghiên cứu thành các nhóm quốc gia dựa trên

mức độ phát triển và thu nhập, chúng tôi nhận thấy có sự khác biệt khá rõ ràng trong các nhân

tố ảnh hưởng tới tài chính bao trùm. Phát triển tài chính đóng vài trò quan trọng trong việc thúc

đẩy tài chính bao trùm tại các nước đang phát triển nhưng không có vai trò tại các nước phát

triển. Kết luận này được tìm thấy trong các nhân tố như lạm phát, đặc điểm hệ thống ngân hàng

khi lạm phát cao, cạnh tranh trong hệ thống ngân hàng thấp và hệ thống ngân hàng có rủi ro có

tác động làm tăng mức độ phổ biến của tài chính. Những kết quả nghiên cứu này gợi ý cho

người làm chính sách tại từng quốc gia thiết kế chính sách cho phù hợp với thực trạng.

Phần còn lại của nghiên cứu được trình bày như sau. Phần 2 trình bày các nghiên cứu

liên quan tới xây dựng chỉ số tài chính bao trùm và các nhân tố ảnh hưởng. Phần 3 mô tả phương

pháp và dữ liệu sử dụng để tính chỉ số tài chính bao trùm và các cấu phần. Phần 4 mô tả phương

pháp xác định các nhân tố ảnh hưởng tới tài chính bao trùm và thảo luận kết quả. Cuối cùng,

phần 5 trình bày các kết luận.

2. Tổng quan nghiên cứu

Khái niệm và đo lường tài chính bao trùm

Mỗi nghiên cứu lại đưa ra một định nghĩa khác nhau về tài chính bao trùm, nhưng tất cả

đều thừa nhận rằng tài chính bao trùm là một nỗ lực nhằm loại bỏ rào cản trong việc sử dụng

các dịch vụ tài chính. Trong đó, Mohan (2006) nhận định tài chính bao trùm là tình huống mà

những người chưa tiếp cận tới hệ thống tài chính được cung cấp các sản phẩm tài chính với chi

phí thấp, an toàn và hợp lý. Tương tự. Ajide (2015) cũng cho rằng tài chính bao trùm là việc

cung cấp các dịch vụ tài chính có giá cả phải chăng, kịp thời và dễ tiếp cận tới tất cả các thành

viên trong xã hội.

Để đo lường mức độ tài chính bao trùm, hầu hết các nghiên cứu đều xây dựng chỉ số tài

chính bao trùm tổng hợp từ các chỉ tiêu lựa chọn. Trong bước đầu tiên, các chỉ tiêu đo lường

tài chính bao trùm được lựa chọn và được chuẩn hóa bằng cách lấy giá trị thực của chỉ tiêu trừ

đi giá trị nhỏ nhất của chỉ tiêu, sau đó chia cho chênh lệch giữa giá trị lớn nhất và giá trị nhỏ

nhất của chỉ tiêu đó. Bước tiếp theo, chỉ số tài chính bao trùm được tính toán bằng phương pháp

khoảng cách nghịch đảo bình phương Euclidean (Sarma (2008), Kim (2016), Park và Mercado

(2015),…), hoặc phương pháp phân tích thành phần chính PCA.

Điểm khác biệt chính giữa hai phương pháp này là mức trọng số gắn với từng chỉ tiêu.

Ví dụ, Sarma (2008) xây dựng chỉ số tiếp cận tài chính toàn diện bao gồm ba cấu phần (mức độ

tiếp cận, mức độ sẵn có và mức độ sử dụng). Sarma (2008) không áp dụng các kỹ thuật thống

kê để xác định trọng số cho từng chỉ tiêu, mà chỉ áp dụng mức trọng số thấp hơn cho các chỉ

tiêu bị thiếu dữ liệu. Camara và Tuesta (2014) lại chia các chỉ tiêu thành ba cấu phần khác, đó

là mức độ sử dụng, mức độ tiếp cận và các rào cản, và sử dụng phương pháp phân tích thành

phần chính hai giai đoạn để đo lường trọng số gắn với từng chỉ tiêu và với từng cấu phần. Park

và Mercado (2018) kết hợp các phương pháp Sarma (2008) và Camara và Tuesta (2014), bằng

cách sử dụng các cấu phần giống như Sarma (2008) (mức độ tiếp cận, mức độ sẵn có và mức

độ sử dụng). Họ chuẩn hóa từng chỉ tiêu, sau đó sử dụng phương pháp phân tích thành phần

chính để tính từng cấu phần. Sau khi có được chỉ tiêu đo lường từng cấu phần của tài chính bao

trùm, họ tiếp tục sử dụng phương pháp phân tích thành phần chính lần thứ hai để tìm ra mức

trọng số gắn với từng cấu phần và tổng hợp thành chỉ số tài chính bao trùm.

Bằng cách xây dựng chỉ số tài chính bao trùm dựa trên ba cấu phần mới (tài khoản,

thanh toán, vay và tiết kiệm) và sử dụng dữ liệu được cập nhật từ World Bank (2017), bài viết

này cung cấp một đánh giá toàn diện hơn về tài chính bao trùm tại mỗi quốc gia.

Tác động của tài chính bao trùm

Tài chính bao trùm đã được chứng minh là có tác động tích cực đến giảm đói nghèo và

bất bình đẳng, tuy nhiên, mức độ và tầm quan trọng của các tác động này là khác nhau giữa các

quốc gia và khu vực. Cụ thể, Burgess và Pande (2005) đã kết luận rằng việc mở rộng tài chính

bao trùm có thể giải thích từ 14-17% cho việc giảm tỷ lệ đói nghèo ở khu vực nông thôn, tuy

nhiên, tác động này không đáng kể ở khu vực thành thị. Dabla-Norris và cộng sự (2015) nhấn

mạnh rằng hiệu quả của các chính sách thúc đẩy tài chính toàn diện phụ thuộc vào đặc điểm hệ

thống tài chính tại mỗi nền kinh tế. Gần đây, Park (2018) đã cung cấp bằng chứng cho thấy các

nền kinh tế có thu nhập cao và trung bình với mức độ tài chính bao trùm cao có tỷ lệ nghèo đói

thấp hơn đáng kể. Trong khi đó, không có mối quan hệ như vậy tại các quốc gia có mức thu

nhập thấp và trung bình.

Ngược lại, Bhandari (2009) sử dụng dữ liệu từ 1999 tới 2004 tại Ấn độ nhằm khám phá

mối quan hệ giữa tốc độ tăng tài khoản tiền gửi tại ngân hàng và tỷ lệ phần trăm dân số dưới

chuẩn nghèo. Ông nhấn mạnh rằng mối quan hệ giữa thay đổi tỷ lệ đói nghèo và tăng trưởng

tài khoản ngân hàng là ngược chiều, tuy nhiên, không có ý nghĩa thống kê. Trong một nghiên

cứu khác về mối liên hệ giữa tài chính bao trùm, đói nghèo và bất bình đẳng thu nhập ở các

nước Châu Phi, Agyemang-Badu và cộng sự (2018) sử dụng dữ liệu từ 47 nước Châu Phi trong

giai đoạn từ năm 2004 tới 2015 với mô hình hồi quy hiệu ứng cố định. Sử dụng chỉ số tài chính

bao trùm tính toán theo phương pháp của Park và Mecado (2016) với 4 cấu phần, kết quả của

nghiên cứu cho thấy tác động ngược chiều và có ý nghĩa thống kê của tài chính bao trùm tới tỷ

lệ đói nghèo. Tuy nhiên, tài chính bao trùm không có tác động có ý nghĩa thống kê tới bất bình

đẳng thu nhập.

Nhân tố tác động đến tài chính bao trùm

Có rất ít nghiên cứu đánh giá các nhân tố tác động tới tài chính bao trùm nhằm đưa ra

khuyến nghị giúp cải thiện khả năng tiếp cận các dịch vụ tài chính, các nghiên cứu này chia

thành hai nhóm dựa trên loại số liệu mà nghiên cứu sử dụng.

Nhóm đầu tiên sử dụng dữ liệu vĩ mô chủ yếu được cung cấp bởi Worldbank qua cơ sở

dữ liệu Global Findex. Trong nhóm này, các nhân tố ảnh hưởng tới tài chính bao trùm được

nhóm thành các nhân tố phía cung, phía cầu và các nhân tố vĩ mô. Sử dụng cùng một cơ sở dữ

liệu Global Findex 2011, nhưng thực hiện trên phạm vi khác nhau, Allen và cộng sự (2016),

Funganova và Weill (2014), và Demirgüç-Kunt và cộng sự (2013) đều tìm thấy mối liên hệ

giữa các yếu tố về phía cầu (đặc điểm cá nhân) và tài chính bao trùm. Cụ thể, trên phạm vi toàn

cầu, Allen và cộng sự (2016) tìm ra tỷ lệ những người giàu, có học thức, lớn tuổi, sống ở khu

vực nông thôn, có việc làm, đã kết hôn hoặc đã ly thân có tài khoản và có tiết kiệm tại một tổ

chức tài chính chính thức cao hơn nhóm còn lại. Tương tự, ở Trung quốc, Funganova và Weill

(2014) nhận thấy người nghèo, ít học vấn và trẻ hơn thường ít tiếp cận các dịch vụ tài chính. Sử

dụng mẫu gồm 98 quốc gia đang phát triển và mới nổi, Demirgüç-Kunt và cộng sự (2013) chỉ

ra khoảng cách về giới tính giữa những người có tài khoản, có tiết kiệm và vay vốn với những

người không có.

Về phía cung, sử dụng cả mô hình hồi quy tác động cố định và GMM với chuỗi số liệu

gồm 29 bang tại Ấn độ trong giai đoạn từ 1995 tới 2008, Kumar (2013) đã cho thấy hệ thống

các cơ sở giao dịch (số chi nhánh và số nhân viên) là yếu tố quyết định tới mức độ tài chính bao

trùm. Kết quả này tương tự Chakravarty và Pal (2010), cũng sử dụng số liệu cho Ấn độ nhưng

cho giai đoạn từ năm 1977 tới 1990. Hai tác giả kết luận rằng sự thâm nhập của mạng lưới chi

nhánh và tín dụng là hai chiến lược quan trọng để thúc đẩy tài chính bao trùm. Bên cạnh hệ

thống ngân hàng, Mendoza (2009) nhấn mạnh tầm quan trọng của tài chính vi mô trong việc

tăng cương tài chính bao trùm. Theo đó, số lượng các tổ chức tài chinh vi mô và các tổ chức

phi chính phủ góp phần không nhỏ cho sự thúc đẩy tài chính bao trùm tại khu vực nông thôn.

Các nghiên cứu kiểm định cả các yếu tố bên cung và yếu tố vĩ mô cũng cho thấy tác

động của các yếu tố này tới tài chính bao trùm. Sousa (2015), sử dụng dữ liệu bảng gồm 90

quốc gia đang phát triển và mới nổi từ bộ dữ liệu Global Findex 2011, kết luận rằng các yếu tố

giải thích cho tài chính bao trùm bao gồm các biến kinh tế vĩ mô như GDP đầu người, lạm phát,

và các biến bên cung như lãi suất thực, tín dụng ngân hàng cho khu vực tư nhân, chỉ số Z-score,

và mức độ thâm nhập của thị trường tài chính. Tương tự, Ajide (2017), sử dụng mô hình GMM

hệ thống (SYS-GMM) ước lượng trên dữ liệu bảng cân bằng của 18 quốc gia Châu Phi cận

Saharan, nhấn mạnh tầm qua trọng của các biến số vĩ mô như GDP bình quân đầu người, lạm

phát, chất lượng thể chế, và các biến số bên cung như mức độ tập trung của ngâng hàng và chỉ

số Z-score trong việc thúc đẩy tài chính bao trùm.

Các nghiên cứu sử dụng dữ liệu vĩ mô cũng cho thấy các nhân tố bên cung và kinh tế vĩ

mô có ảnh hưởng lớn tới tài chính bao trùm hơn các nhân tố bên cầu. Kumar và Srijit (2011)

cho thấy các yếu tố về kinh tế khu vực, như mật độ dân số, số dân trên mỗi chi nhánh ngân

hàng, GDP bình quân đầu người, tỷ lệ tín dụng, tỷ lệ nợ và tỷ lệ công nghiệp hóa có ảnh hưởng

đến mức độ tài chính bao trùm, nhưng tình trạng việc làm thì không. Singh và Kodan (2011)

kiểm tra tác động của các yếu tố như trình độ học vấn, tỷ lệ thất nghiệp, tỷ lệ nam và nữ (phía

cầu) và GDP bình quân đầu người, và tỷ lệ đô thị hóa (biến vĩ mô). Họ kết luận rằng các yếu tố

kinh tế vĩ mô (GDP bình quân đầu người và tỷ lệ đô thị hóa) là những yếu tố đóng góp chính

cho tài chính bao trùm. Ngoài ra, Gupta và Singh (2013) không tìm thấy mối quan hệ tích cực

giữa trình độ học vấn và tài chính bao trùm. Kaur (2017) cũng cho thấy tỷ lệ đô thị hóa, trình

độ giáo dục và GDP đều có tác động đến tài chính bao trùm, nhưng sự đóng góp của giáo dục

cho tài chính bao trùm thấp hơn so với các biến số khác.

Nhóm thứ hai gồm các nghiên cứu sử dụng dữ liệu vi mô thu thập từ phương pháp khảo

sát. Những nghiên cứu này chủ yếu phân tích tác động của các đặc điểm cá nhân (phía cầu) tới

tài chính bao trùm, cũng như phân tích ảnh hưởng của các yếu tố khác nhau đến sự tham gia

vào hệ thống tài chính chính thức (Clamara et al., 2014). Cụ thể, Devlin (2005) tập trung vào

các yếu tố quyết định đến việc sử dụng dịch vụ ngân hàng. Dựa trên dữ liệu thu thập được từ

các cuộc phỏng vấn trực tiếp với 15.880 người ở Anh vào năm 2000, nghiên cứu cho thấy các

yếu tố đóng góp tới tài chính bao trùm bao gồm tình trạng công việc, thu nhập hộ gia đình và

quyền sở hữu nhà.

Cũng sử dụng dữ liệu vi mô để kiểm tra các yếu tố phía cầu, Kuri và Laha (2011) áp

dụng mô hình hồi quy probit nhị phân để đánh giá tài chính bao trùm ở vùng nông thôn Tây

Bengal. Họ kết luận rằng mức độ nhận thức về các dịch vụ ngân hàng cơ bản, đa dạng hóa các

lĩnh vực phi nông nghiệp, và xóa mù chữ là một số yếu tố quan trọng cho phép mở rộng tài

chính bao trùm. Tương tự, Clamara và cộng sự (2014) sử dụng mô hình probit để khám phá các

đặc điểm cá nhân ảnh hưởng đến việc lựa chọn sử dụng các dịch vụ tài chính chính thức. Nghiên

cứu của họ cho thấy các nhóm người dễ bị tổn thương, bao gồm phụ nữ, thanh niên và những

người sống ở khu vực nông thôn, thường gặp khó khăn trong việc tiếp cận các dịch vụ tài chính

và ngân hàng. Đối với các doanh nghiệp nhỏ, loại hình kinh doanh cũng như trình độ học vấn

của người đứng đầu là những yếu tố ảnh hưởng đến tiếp cận dịch vụ tài chính. Ngoài ra,

Carpenter và Petersen (2002) liên kết việc sử dụng dịch vụ tài chính với sự phát triển của các

doanh nghiệp và cho thấy rằng các doanh nghiệp có sự tăng trưởng mạnh mẽ, đặc biệt là các

doanh nghiệp nhỏ, sẽ sử dụng nhiều khoản vay hơn.

Kiểm tra cả yếu tố bên cung và cầu ảnh hưởng đến việc sử dụng dịch vụ tài chính của

các hộ gia đình dựa trên dữ liệu vi mô từ 123 quốc gia, Allen và cộng sự (2012) sử dụng mô

hình probit và chỉ ra rằng mức độ tài chính bao trùm có tương quan nghịch với các yếu tố phía

cầu như thu nhập thấp và sống ở nông thôn, trong khi mối quan hệ tích cực được tìm thấy giữa

tài chính bao trùm và nhận thức của hộ gia đình về các yếu tố bên cung như giảm chi phí sử

dụng dịch vụ ngân hàng, sự gần gũi của các chi nhánh và văn phòng giao dịch, và giảm giấy tờ.

Tóm lại, một số yếu tố từ cung, cầu và kinh tế vĩ mô đã được ghi nhận là yếu tố quyết

định tài chính bao trùm trong các thị trường tài chính khác nhau, sử dụng cả dữ liệu vĩ mô và

vi mô. Tuy nhiên, hầu hết các nghiên cứu này đánh giá các yếu tố quyết định đến tài chính bao

trùm trên phạm vi một quốc gia hoặc khu vực. Nghiên cứu gần nhất với bài viết này là Sousa

(2015), sử dụng cơ sở dữ liệu Global Findex 2011. Bài viết của chúng tôi đóng góp cho lý luận

chung thông qua việc sử dụng chỉ số tài chính bao trùm tự tính toán dựa trên cơ sở dữ liệu

Global Findex 2014 và 2017, và các biến độc lập khác ở cấp quốc gia để kiểm tra các yếu tố

quyết định đến tài chính bao trùm. Hơn nữa, chúng tôi chia mẫu theo nhóm quốc gia để khám

phá sự khác biệt giữa các yếu tố quyết định đến tài chính bao trùm ở nhóm quốc gia khác nhau.

3. Xây dựng chỉ số tài chính bao trùm

3.1. Cấu phần của tài chính bao trùm

Trước khi xác định các nhân tố ảnh hưởng tới tài chính bao trùm, chúng tôi xây dựng

chỉ số tài chính bao trùm. Khó khăn trong việc xây dựng tài chính bao trùm là làm sao xây dựng

được một chỉ số toàn diện mà vẫn bảo đảm được chỉ số bao gồm nhiều quốc gia trên thế giới

khi mà dữ liệu về tài chính bao trùm tại các quốc gia là không giống nhau. Có một vài phương

pháp đo lường chỉ số tài chính bao trùm sử dụng các cấu phần khác nhau của tài chính bao trùm

như sử dụng, truy cập, trở ngại hoặc truy cập, sẵn có, và sử dụng (Honohan (2008), Sarma

(2008, 2015), Demirgüç-Kunt và Klapper (2012), Cámara và Tuesta (2014)). Trong khi Sarma

(2008) tập trung quá nhiều vào hệ thống ngân hàng mà bỏ qua vấn đề thanh toán và các dịch vụ

do hệ thống tài chính không phải ngân hàng cung cấp thì Cámara và Tuesta (2014) chưa xác

định rõ ràng về khái niệm tài chính bao trùm khi họ kết hợp nguyên nhân sử dụng và không sử

dụng các dịch vụ tài chính vào một chỉ số (Park, 2018).

Cơ sở dữ liệu Tài chính bao trùm toàn cầu do Ngân hàng thế giới xây dựng vào năm

2011 cung cấp dữ liệu mô tả dân cư toàn cầu tiết kiệm, vay mượn và thanh toán. Cơ sở dữ liệu

này thu thập dữ liệu từ 150.000 cư dần từ 15 tuổi trở lên từ hơn 140 quốc gia về cách thức họ

tiếp cận và sử dụng các dịch vụ tài chính chính thức và phi chính thức. Mặc dù cơ sở dữ liệu đo

lường nhiều khía cạnh khác nhau của tài chính bao trùm nhưng chủ yếu tập trung vào sở hữu

tài khoản, thanh toán, vay và gửi. Chúng tôi sử dụng cơ sở dữ liệu lớn và chi tiết này để xây

dựng ba cấu phần tài khoản, thanh toán, vay và gửi và chỉ số tài chính bao trùm tổng thể. Điểm

mới của chỉ số này là nó được xây dựng trên ba cấu phần dễ diễn giải và có giá trị tham khảo

cho quá trình xây dựng chính sách.

Phổ biến sở hữu và sử dụng tài khoản là một trong các biện pháp quan trọng để phát

triển tài chính bao trùm do hầu hết các dịch vụ tài chính chính thức đều gắn với việc sở hữu và

sử dụng tài khoản. Mức độ phổ biến của tài khoản còn được đo lường bởi phần trăm người lớn

có thẻ tín dụng ghi nợ và ghi có. Tuy nhiên, sở hữu tài khoản không phản ánh được mức độ sử

dụng tài khoản. Mức độ sử dụng tài khoản cho phép người nắm giữ hưởng lợi tối đa từ tài chính

bao trùm thông qua gửi tiền hoặc rút tiền trong khi thẻ ghi nợ, thẻ tín dụng cho phép họ thanh

toán các khoản chi tiêu. Do vậy, để đo lường cấu phần tài khoản, chúng tôi sử dụng 6 chỉ báo:

tài khoản (tài khoản, % tuổi từ 15 trở lên), gửi tiền (gửi tiền trong năm vừa rồi, tại tổ chức tài

chính, tuổi từ 15 trở lên), rút tiền (rút tiền trong năm vừa rồi, tại tổ chức tài chính, tuổi từ 15 trở

lên), thẻ ghi nợ (sở hữu thẻ ghi nợ, % tuổi từ 15 trở lên), thẻ tín dụng (sở hữu thẻ tín dụng, %

tuổi từ 15 trở lên), và sử dụng thẻ (sử dụng thẻ ghi nợ hoặc thẻ tín dụng trong năm vừa rồi, %

tuổi từ 15 trở lên).

Chúng tôi nhận định sự phổ biến của các phương thức thanh toán không dùng tiền mặt

là sự phản ánh sự phát triển của tài chính bao trùm. Chuyển dịch từ thanh toán tiền mặt như trả

hóa đơn, nhận tiền lương, thanh toán từ chính phủ sang sử dụng tài khoản sẽ mang lại những

lợi ích cho người sử dụng. Chúng tôi sử dụng 3 chỉ báo: thanh toán hóa đơn (thanh toán hóa

đơn qua tài khoản, % người thanh toán, tuổi từ 15 trở lên), nhận thanh toán từ chính phủ (nhận

thanh toán từ chính phủ qua tài khoản, % người nhận, tuổi từ 15 trở lên), nhận lương (nhận

lương qua tài khoản, % người nhận, tuổi từ 15 trở lên). Chúng tôi sử dụng cả chỉ số thanh toán

số (nhận hoặc chuyển tiền thanh toán số trong năm vừa rồi, % tuổi từ 15 trở lên) để xem xét cả

lợi ích từ việc chuyển từ thanh toán tiền mặt sang thanh toán số. Giảm chi phí, tăng tốc độ thanh

toán, bảo đảm an toàn và minh bạch là những lợi ích tiềm năng có thể nhận thấy.

Tiết kiệm tiền và vay tiền từ các tổ chức tài chính chính thức có vai trò quan trọng trong

phổ biến tài chính bao trùm. Chúng tôi sử dụng hai chỉ báo: vay (vay từ tổ chức tài chính hoặc

sử dụng thẻ tín dụng, % tuổi từ 15 trở lên) và tiết kiệm (gửi tiền tại tổ chức tài chính, % tuổi từ

15 trở lên) để đo lường cách thức người trưởng thành sử dụng các dịch vụ tài chính để tiết kiệm

cho tương lai hoặc giải quyết các thiếu hụt tài chính tại thời điểm hiện tại.

3.2. Phương pháp

Chúng tôi áp dụng phương pháp phân tích thành phần chính hai giai đoạn của Cámara

và Tuesta (2014) để tính các cấu phần và chỉ số tài chính bao trùm. Như đã phân tích ở trên, tài

chính bao trùm được xác định thông qua nhiều chỉ báo và được giả định tồn tại một cấu trúc cơ

sở ẩn sau một nhóm các chỉ báo có mối quan hệ tương quan. Tài chính bao trùm có thể được

trình bày dưới dạng sau:

𝐹𝐼𝐼𝑖 = 𝜔1𝑌𝑖𝑎 + 𝜔2𝑌𝑖

𝑝 + 𝜔3𝑌𝑖𝑏&𝑠 (1)

Trong đó, i chỉ các nước, (𝑌𝑖𝑎, 𝑌𝑖

𝑝, 𝑌𝑖

𝑏&𝑠) đại diện cho các cấu phần tài khoản, thanh

toán, vay và gửi.

Phân tích thành phần chính giai đoạn 1 đo lường các biến số (𝑌𝑖𝑎, 𝑌𝑖

𝑝, 𝑌𝑖

𝑏&𝑠) và các

thông số của 3 phương trình sau:

𝑌𝑖𝑎 = 𝛼1 𝑎𝑐𝑐𝑜𝑢𝑛𝑡𝑖 + 𝛼2 𝑑𝑒𝑝𝑜𝑠𝑖𝑡𝑖 + 𝛼3 𝑤𝑖𝑡ℎ𝑑𝑟𝑎𝑤𝑙𝑖 + 𝛼4 𝑑𝑒𝑏𝑖𝑡 𝑐𝑎𝑟𝑑𝑖

+ 𝛼5 𝑐𝑟𝑒𝑑𝑖𝑡 𝑐𝑎𝑟𝑑𝑖 + 𝛼6 𝑐𝑎𝑟𝑑 𝑢𝑠𝑎𝑔𝑒𝑖 (2)

𝑌𝑖𝑝 = 𝛽1 𝑝𝑎𝑖𝑑 𝑢𝑡𝑖𝑙𝑖𝑡𝑦 𝑏𝑖𝑙𝑙𝑠𝑖 + 𝛽2 𝑟𝑒𝑐𝑒𝑖𝑣𝑒𝑑 𝑔𝑜𝑣𝑒𝑟𝑛𝑚𝑒𝑛𝑡 𝑝𝑎𝑦𝑚𝑒𝑛𝑡𝑠𝑖

+ 𝛽3 𝑟𝑒𝑐𝑒𝑖𝑣𝑒𝑑 𝑤𝑎𝑔𝑒𝑠𝑖 + 𝛽4 𝑑𝑖𝑔𝑖𝑡𝑎𝑙 𝑝𝑎𝑦𝑚𝑒𝑛𝑡𝑠𝑖 (3)

𝑌𝑖𝑏&𝑠 = 𝛾1 𝑏𝑜𝑟𝑟𝑜𝑤𝑖 + 𝛾2 𝑠𝑎𝑣𝑒𝑖 (4)

𝑅𝑝, (𝑝 × 𝑝) là ma trận tương quan của p chỉ báo đối với mỗi cấu phần. 𝜆𝑗 (j = 1, …, m)

là giá trị eigenvalue thứ j, trong đó j là số lượng thành phần chính tương ứng với số lượng chỉ

báo p. 𝜑𝑗(𝑝 × 1) là eigenvector của ma trận tương quan. Đối với mỗi cấu phần, chúng tôi giả

định 𝜆1>𝜆2>…>𝜆𝑚 và gọi 𝑃𝑘 (k = 1, …, m) là cấu phần thứ k. Mỗi cấu phần được tính như

sau:

𝑌𝑖𝑎 =

∑ 𝜆𝑗𝑎𝑃𝑘𝑖

𝑎𝑚𝑗,𝑘=1

∑ 𝜆𝑗𝑎𝑚

𝑗=1

(5)

𝑌𝑖𝑝 =

∑ 𝜆𝑗𝑝𝑃𝑘𝑖

𝑝𝑚𝑗,𝑘=1

∑ 𝜆𝑗𝑝𝑚

𝑗=1

(6)

𝑌𝑖𝑏&𝑠 =

∑ 𝜆𝑗𝑏&𝑠𝑃𝑘𝑖

𝑏&𝑠𝑚𝑗,𝑘=1

∑ 𝜆𝑗𝑏&𝑠𝑚

𝑗=1

(7)

Trong đó 𝑃𝑘= X 𝜆𝑚. 𝜆𝑚 là phương sai của cấu phần thứ m, và X là ma trận các chỉ báo.

Do tỷ trọng của mỗi cấu phần giảm dần, phần lớn sự biến động của cấu phần được giải thích

bởi thành phần chính đầu tiên và giảm dần theo thứ tự cấu phần tiếp theo. Mặc dù thông lệ là

thay thế toàn bộ các biến số bằng một vài cấu phần chính ban đầu, chúng tôi sử dụng tất cả các

cấu phần chính để ghi nhận toàn bộ 100% sự biến động của các chỉ số.

Sau khi tính được chỉ số riêng cho ba cấu phần, chúng tôi sử dụng phương pháp phân

tích thành phần chính giai đoạn hai tính tỷ trọng cho từng cấu phần để tính chỉ số tài chính

bao trùm.

𝐹𝐼𝐼𝑖 =∑ 𝜆𝑗𝑃𝑘𝑖

𝑚𝑗,𝑘=1

∑ 𝜆𝑗𝑚𝑗=1

(8)

Trong đó 𝐹𝐼𝐼𝑖 là chỉ số tài chính bao trùm tổng quát cho nước i. 𝑃𝑘= X 𝜆𝑚. 𝜆𝑚 là phương

sai của cấu phần thứ m, và X là ma trận các chỉ báo. Chúng tôi tiếp tục sử dụng tất cả các cấu

phần chính để ghi nhận toàn bộ 100% sự biến động của các chỉ số. Sau khi biến đổi, chúng tôi

viết mỗi cấu phần 𝑃𝑘𝑖 dưới dạng sau:

𝑃1𝑖 = 𝜑11𝑌𝑖𝑎 + 𝜑12𝑌𝑖

𝑝 + 𝜑13𝑌𝑖𝑏&𝑠 (9)

𝑃2𝑖 = 𝜑21𝑌𝑖𝑎 + 𝜑22𝑌𝑖

𝑝 + 𝜑23𝑌𝑖𝑏&𝑠 (10)

𝑃3𝑖 = 𝜑31𝑌𝑖𝑎 + 𝜑32𝑌𝑖

𝑝 + 𝜑33𝑌𝑖𝑏&𝑠 (11)

Chỉ số tài chính bao trùm tổng quát được trình bày lại dưới dạng sau:

𝐹𝐼𝐼𝑖 =∑ 𝜆𝑗(𝜑𝑗1𝑌𝑖

𝑎 + 𝜑𝑗2𝑌𝑖𝑝 + 𝜑𝑗3𝑌𝑖

𝑏&𝑠)3𝑗=1

∑ 𝜆𝑗3𝑗=1

(12)

Chúng tôi có thể trình bày chỉ số tài chính bao trùm tổng quát dưới dạng bình quân có

trọng số với 𝜔𝑘 là tỷ trọng mỗi cấu phần như sau:

𝑤𝑘 =∑ 𝜆𝑗𝜑𝑗𝑘

3𝑗=1

∑ 𝜆𝑗3𝑗=1

(13)

3.3. Dữ liệu

Chúng tôi sử dụng dữ liệu Tài chính bao trùm toàn cầu năm 2014 và 2017 của Ngân

hàng thế giới. Chúng tôi chỉ lựa chọn các quốc gia có dữ liệu cả hai năm 2014 và 2017. Việc

lựa chọn này khiến số lượng quốc gia được lựa chọn giảm từ hơn 140 nước xuống còn 95 nước.

Ma trận tương quan các chỉ báo được trình bày tại Bảng 1.

3.4. Kết quả

Tại bước phân tích thành phần chính thứ nhất, chúng tôi tính tỷ trọng cho các chỉ báo

trong từng cấu phần tài khoản, thanh toán, vay và gửi. Kết quả tính toán các cấu phần này có

giá trị đối với những người làm chính sách. Bảng 2 trình bày eigenvectors, eigenvalues, và tỷ

trọng đối với từng cấu phần. Nhìn chung, tỷ trọng và mức độ giải thích sự biến động của từng

thành phần khá ổn định qua hai năm 2014 và 2017.

Đối với cấu phần tài khoản, chỉ báo gửi và rút tiền có tỷ trọng cao nhất (0,19), theo sau

là sử dụng thẻ ghi nợ hoặc thẻ tín dụng (0,17), sở hữu thẻ tín dụng (0,16), sở hữu thẻ ghi nợ

(0,15) và sở hữu tài khoản (0,14). Mặc dù tỷ trọng các chỉ báo không đồng đều hoàn toàn, không

có chỉ báo nào chiếm tỷ trọng quá lớn. Đây là một điều kiện tốt khi xây dựng chỉ số. Cần chú ý

rằng, chỉ báo sở hữu tài khoản vốn được sử dụng nhiều trong các nghiên cứu về tài chính bao

trùm lại chứa ít thông tin hơn các chỉ báo khác. Đối với cấu phần thanh toán, tỷ trọng của thanh

toán số, trả hóa đơn và trả lương khá tương đồng, lần lượt là 0,24, 0,25, và 0,23, thấp hơn mức

tỷ trọng của nhận thanh toán từ chính phủ là 0,28. Phần cuối của Bảng 3 chỉ ra tỷ trọng của việc

gửi tiền vào tổ chức tài chính cao hơn so với tỷ trọng vay từ tổ chức tài chính, 0,54 so với 0,46.

Đối với cấu phần tài khoản, thành phần thứ nhất giải thích tới 83% các thông tin trong

cấu phần, có mức độ phân bổ khá đồng đều đối với cả 6 chỉ báo (từ mức 0,38 tới 0,44). Kết quả

này cho thấy cả 6 chỉ báo đều đo lường cùng một cấu trúc ẩn giống nhau. Các chỉ báo về gửi

và rút tiền cung cấp thêm thông tin trong thành phần thứ hai trong khi sở hữu thẻ tín dụng cung

cấp thêm thông tin trong thành phần thứ ba. Bảng 3 cũng cho thấy sự đồng đều trong 4 chỉ báo

(từ mức 0,46 tới 0,53) trong thành phần thứ nhất. Tuy nhiên, chỉ báo thanh toán từ chính phủ

và thanh toán hóa đơn qua tài khoản có vai trò quan trọng hơn khi đóng góp thêm thông tin

trong thành phần thứ hai và thứ ba. Cuối cùng, chỉ báo gửi và vay tại tổ chức tài chính đóng

góp khá đồng đều trong thành phần thứ nhất, giải thích tới 92% sự biến động của cấu phần này.

Tại bước thứ hai của phân tích thành phần chính, chúng tôi áp dụng phương pháp giống

với khi tính toán các cấu phần của tài chính bao trùm. Bảng 5 trình bày các thành phần của

chính và tỷ trọng của mỗi cấu phần. Cấu phần gửi và vay chiếm tỷ trọng cao nhất trong giải

thích sự biến động của tài chính bao trùm (0,36), tiếp theo sau là tài khoản và thanh toán (0,32

và 0,31). Tuy vạy, sự khác biệt giữa các cấu phần là không đáng kể. Vì vậy, để có thể cải thiện

tài chính bao trùm, chính sách cần được thiết kế và thực hiện đồng đều giữa cả ba cấu phần.

Khi phân tích thành phần chính, thành phần thứ nhất giải thích tới 90% sự biến động

của dữ liệu và có sự phân bổ đồng đều giữa cả ba cấu phần. Gửi và vay tại tổ chức tài chính

cung cấp thêm thông tin thông qua thành phần thứ hai, và do đó, có ý nghĩa quan trọng hơn

trong việc giải thích chỉ số tài chính bao trùm tổng thể.

Bảng 4 và 7 trình bày thứ tự xếp hạng của các quốc gia trong mẫu nghiên cứu theo các

cấu phần và chỉ số tài chính bao trùm tổng thể trong năm 2017. Tại bảng 7, cột thứ hai cho biết

mức độ thay đổi trong thứ tự xếp hạng giữa năm 2017 và 2014. Một số điểm đáng chú ý như

sau: Các quốc gia phát triển có mức độ tài chính bao trùm và các cấu phần của nó cao hơn so

với các nước đang phát triển. Các quốc gia phát triển cũng có mức độ ổn định trong mức độ tài

chính bao trùm so trong giai đoạn từ 2014 đến 2017. Đối với chỉ số tài chính bao trùm tổng thể,

phần tư thứ nhất chủ yếu là các quốc gia đến từ Châu Âu, Bắc Mỹ, trừ bốn quốc gia châu Á là

Hàn Quốc, Nhật Bản, Singapore, và Hong Kong. Phần tư thứ hai tiếp tục bao gồm các nước từ

Châu Âu còn lại và ba quốc gia Tây Á xuất khẩu dầu mỏ là Các tiểu vương quốc Ả Rập Thống

nhất, Bahrain, và Kuwait, bốn quốc gia Châu Á là Đài Loan, Mongolia, Malaysia, và Trung

Quốc. Có hai trường hợp đáng chú ý tới từ Châu Phi là Namibia và Mauritius. Một vài quốc gia

Đông và Nam Âu như Serbia, Bulagria, Nga, Ukraine, Bosnia và Herzegovina, Romania, và

Kosovo thuộc nhóm phần tư thứ ba. Phần tư cuối cùng là nhóm các nước tới từ Châu Phi, Châu

Á, Trung Mỹ và Nam Mỹ. Mười quốc gia xếp hạng cuối cùng là các quốc gia có mức thu nhập

trung bình thấp từ Nam Mỹ, Nam và Đông Nam Á, và Tây Bắc Phi.

4. Nhân tố tác động tới tài chính bao trùm

4.1. Phương pháp và dữ liệu

Để xem xét các nhân tố ảnh hưởng tới tài chính bao trùm, chúng tôi ước lượng phương

trình sau:

𝑌𝑖𝑡 = 𝛼 + 𝛽𝑋𝑖𝑡 + 𝜀𝑖𝑡 (14)

Trong đó, biến độc lập, 𝑌𝑖𝑡 là chỉ số tài chính bao trùm tổng thể và các cấu phần của nó

tại quốc gia i vào thời điểm t; 𝑋𝑖𝑡 là ma trận các biến độc lập tại quốc gia i vào thời điểm t; và

𝜀𝑖𝑡 là phần dư bằng tổng của 𝑢𝑖 và 𝑣𝑖𝑡, trong đó 𝑢𝑖 là tác động cố định hoặc ngẫu nhiên với từng

quốc gia hoặc từng thời điểm chưa được đưa vào phương trình và 𝑣𝑖𝑡 là i.i.d. Các biến độc lập

trong mô hình là các biến mô tả đặc điểm của quốc gia và hệ thống ngân hàng tại quốc gia đó.

Đặc điểm quốc gia bao gồm: thu nhập bình quân đầu người (giá cố định 2010 US$), tín dụng

nội địa cho khu vực tư nhân (%GDP), tỷ lệ lạm phát, tốc độ tăng trưởng dân số, chỉ số chất

lượng thể chế (được tính từ sáu chỉ số: kiểm soát tham nhũng, hiệu quả chính phủ, ổn định chính

trị và không có bạo loạn, chất lượng ban hành và thực thi pháp luật hỗ trợ khu vực tư nhân, chất

lượng luật pháp, vai trò của người dân và tính minh bạch), và chỉ số phát triển con người. Ở

mức độ thấp, sự tăng lên trong mức độ phát triển con người có thể làm giảm khả năng tiếp cận

và tận dụng lợi ích của các dịch vụ tài chính của những người ít học và kém sức khỏe so với

những người có trình độ học vấn và khỏe mạnh hơn. Tuy nhiên, ở mức độ cao, khi sự bình đẳng

giữa hai nhóm kể trên được thu hẹp, sự tăng lên trong mức độ phát triển con người sẽ tạo điều

kiện tăng cường tài chính bao trùm. Để xem xét tác động này, chúng tôi bổ sung thêm biến bình

phương của phát triển con người vào phương trình (14). Đặc điểm của hệ thống ngân hàng bao

gồm mức độ tập trung tài sản và mức độ rủi ro của hệ thống ngân hàng. Chúng tôi sử dụng dữ

liệu từ Cơ sở dữ liệu Chỉ báo phát triển thế giới, Phát triển tài chính toàn cầu, Chỉ báo quản trị

thế giới của Ngân hàng thế giới, và Chỉ báo phát triển con người của tổ chức của Chương trình

phát triển liên hiệp quốc. Chi tiết về các biến và cơ sở dữ liệu được trình bày tại Phụ lục 1. Bảng

8 trình bày thống kê mô tả và tương quan giữa các biến trong mô hình.

Do các biến số kinh tế và phát triển tài chính có thể có tác động qua lại đồng thời, chúng

tôi sử dụng biến trễ 1 năm của các biến giải thích để giảm thiểu vấn đề nội sinh. Để lựa chọn

mô hình phù hợp giữa mô hình Pooled Ordinary Least Squared, Fixed Effect, and Random

Effect, chúng tôi sử dụng các kiểm định Breusch-Pagen Lagrange Multiplier test và Hausman

test. Kết quả chỉ ra mô hình tác động ngẫu nhiên là phù hợp.

Mặc dù chỉ số tài chính bao trùm bao gồm dữ liệu của 95 quốc gia, dữ liệu các biến độc

lập chỉ có tới 82 quốc gia. Chúng tôi ước lượng phương trình (14) sử dụng dữ liệu từ 82 quốc

gia. Sau đó, chúng tôi tác mẫu nghiên cứu thành hai nhóm, các quốc gia phát triển và đang phát

triển và ước lượng lại phương trình (14) với từng nhóm. Theo phân loại của Liên hiệp quốc, số

lượng các quốc gia phát triển và đang phát triển trong mẫu nghiên cứu lần lượt là 40 và 42.

4.2. Kết quả

Bảng 9 trình bày kết quả ước lượng các nhân tố ảnh hưởng tới tài chính bao trùm và các

cấu phần của nó. Cột thứ nhất và thứ hai trình bày các hệ số ước lượng của biến độc lập đối với

mẫu đầy đủ. Như kỳ vọng, dấu của biến thu nhập, phát triển tài chính, phát triển con người,

chất lượng thể chế là dương trong khi dấu của biến tốc độ tăng trưởng dân số là âm. Tài chính

bao trùm được gia tăng khi quốc gia trở nên giàu có hơn khi hệ số của biến GDP bình quân đầu

người dương và có ý nghĩa thống kê. Tương tự, hệ số ước lượng của biến tỷ lệ tín dụng/GDP

và chất lượng thể chế có ý nghĩa thống kê. Tăng trưởng dân số cao có ảnh hưởng không tốt tới

tài chính bao trùm. Mặc dù dấu của hệ số ước lượng của biến tỷ lệ lạm phát là dương, hệ số ước

lượng của biến này không có ý nghĩa thống kê.

Điểm đáng chú ý là mức độ tập trung tài sản ngân hàng có tác động tích cực tới tài chính

bao trùm trong khi kỳ vọng là hệ thống ngân hàng có mức độ cạnh tranh cao sẽ làm giảm chi

phí và tăng mức độ phổ biến của dịch vụ tài chính. Tuy nhiên, kết quả này tương đồng với kết

luận của Owen và Pereia (2018) rằng hệ thống ngân hàng càng tập trung thì khả năng tiếp cận

các tài khoản và khoản vay sẽ tăng lên. Cạnh tranh trong hệ thống ngân hàng sẽ có tương tác

không tích cực với mức độ thông tin bất cân xứng khi các ngân hàng lớn có được lợi thế từ quy

mô và đa dạng hóa danh mục hơn các ngân hàng nhỏ. Hệ số ước lượng của biến rủi ro ngân

hàng không có ý nghĩa thống kê.

Tại cột thứ 2 của Bảng 9, chúng tôi nhận thấy mỗi quan hệ giữa phát triển con người và

tài chính bao trùm có hình chữ U. Kết quả này xác nhận lập luận về sự khác biệt trong ảnh

hưởng của phát triển con người tới tài chính bao trùm tại các mức độ khác nhau.

Có một vài điểm đáng chú ý khi chúng tôi tác mẫu nghiên cứu thành hai nhóm là các

quốc gia phát triển (cột 3) và các quốc gia đang phát triển (cột 4 và 5). Đối với các quốc gia

phát triển, hệ số ước lượng của biến phát triển tài chính không có ý nghĩa thống kê nhưng hệ số

ước lượng của biến phát triển con người có ý nghĩa thống kê. Điều này có nghĩa là khi nền kinh

tế phát triển tới mức độ cao, phát triển con người đồng nghĩa với sự gia tăng về tài chính bao

trùm. Park (2018) cũng phát hiện thấy phát triển hệ thống tài chính không dẫn tới sự thay đổi

tài chính bao trùm tại các nước phát triển. Tỷ lệ lạm phát có tác động tiêu cực tới tài chính bao

trùm thể hiện qua dấu của hệ số ước lượng là âm nhưng không có ý nghĩa thống kê. Đối với các

quốc gia đang phát triển, tỷ lệ lạm phát có dấu dương và có ý nghĩa thống kê. Kết quả này được

giải thích là tại thời điểm khởi đầu của hệ thống tài chính tiền tệ, vòng quay tiền tệ gia tăng và

sự gia tăng nhu cầu do lạm phát cao sẽ khuyến khích người dân sử dụng nhiều dịch vụ tài chính

hơn (Sousa, 2015). Hơn nữa, mặc dù hệ số ước lượng của biến phát triển con người có dấu âm

và không có ý nghĩa thống kê (cột 4), khi bổ sung thêm biến bình phương (cột 5), chúng tôi

nhận thấy mối quan hệ dưới dạng chữ U tồn tại. tại các nước đang phát triển, mức độ tập trung

tài sản ngân hàng cao dẫn tới tài chính bao trùm được cải thiện hơn.

Năm cột đầu tiên của Bảng 10 trình bày các nhân tố tác động tới cấu phần tài khoản.

Thu nhập tăng, phát triển hệ thống tài chính, chất lượng thể chế tăng có tác động dương tới việc

sở hữu và sử dụng tài khoản. Tốc độ tăng trưởng dân số cao làm suy giảm tài chính bao trùm.

Đối với các quốc gia phát triển, tỷ lệ lạm phát giảm và chỉ số phát triển con người tăng làm gia

tăng sự phổ biến và sử dụng tài khoản. Đối với các quốc gia đang phát triển, thu nhập tăng, quy

mô thị trường tài chính mở rộng, tốc độ tăng trưởng dân số thấp, và chỉ số phát triển con người

cao làm tăng cấu phần tài khoản. Hệ số hồi quy của hai biến mô tả đặc điểm của hệ thống ngân

hàng không có ý nghĩa thống kê trong việc giải thích sự biến động của cấu phần tài khoản.

Năm cột tiếp theo của Bảng 10 trình bày ước lượng các nhân tố tác động tới cấu phần

thanh toán. Đối với toàn bộ mẫu nghiên cứu, hệ số của hai biến GDP đầu người và mức độ tập

trung tài sản của hệ thống ngân hàng có dấu dương và có ý nghĩa thống kê. Mức độ tập trung

của hệ thống ngân hàng cao, mặc dù phản ánh sự thiếu cạnh tranh trong hệ thống ngân hàng,

lại có tác động thúc đẩy hoạt động thanh toán. Kết quả này được tìm thấy khi hồi quy phương

trình (14) với các quốc gia đang phát triển. Phát triển hệ thống tài chính và tỷ lệ lạm phát vẫn

là các nhân tố quan trọng giải thích sự biến động của cấu phần thanh toán tại quốc gia đang phát

triển. Chỉ số phát triển con người có ý nghĩa thống kê khi tách biệt các quốc gia trong mẫu theo

hai nhóm trong khi biến chất lượng thể chế không có ý nghĩa thống kê.

Năm cột cuối của Bảng 10 trình bày ước lượng các nhân tố ảnh hưởng tới cấu phần vay

và gửi. Nhìn chung, thu nhập tăng, quy mô hệ thống tài chính tăng sẽ thúc đẩy hoặt động vay

và gửi mặc dù nhân tố thứ hai không có ý nghĩa thống kê tại mẫu các quốc gia phát triển. Chất

lượng thể chế có tác động tích cực tới hoạt động vay và gửi tại toàn bộ mẫu các quốc gia và các

quốc gia phát triển. Đối với các quốc gia đang phát triển, hệ số rủi ro hệ thống ngân hàng mang

dấu âm cho thấy hệ thống ngân hàng chấp nhận mức độ rủi ro càng cao thì mức độ phổ biến

của tài chính bao trùm càng gia tăng. Có một vài cách giải thích cho kết quả này. Thứ nhất, để

mở rộng số lượng người vay hoặc thực hiện các chính sách của Chính phủ đối với người nghèo,

hệ thống ngân hàng tại các nước đang phát triển phải nới lỏng các điều kiện cho vay. Thứ hai,

nếu các tổ chức tài chính vi mô không được quản lý chặt chẽ, việc gia tăng quá mức hoạt động

cho vay có thể làm giảm đi mức độ lành mạnh của hệ thống tài chính (Khan, 2011).

4.3. Độ vững của kết quả

Chúng tôi thực hiện kiểm định độ vững của kết quả thông qua việc: (1) xác định và loại

bỏ các ngoại lai, (2) lựa chọn cách phân loại quốc gia, (3) loại bỏ một vài quốc gia có chỉ số tài

chính bao trùm cao và thấp nhất, và (4) thay thế một số biến độc lập bằng các biến đại diện

khác. Đối với kiểm định độ vững thứ nhất, chúng tôi loại bỏ các quốc gia có quan sát vượt quá

mức 2,58 lần độ lệch chuẩn từ giá trị trung bình. Kết quả là, có 12 quốc gia bị loại khỏi mẫu,

khiến mẫu giảm còn 72 quốc gia (36 quốc gia phát triển và 36 quốc gia đang phát triển). Thứ

hai, thay vì sử dụng cách phân loại của Liên hiệp quốc, chúng tôi sử dụng phân loại các quốc

gia theo Ngân hàng thế giới thành hai nhóm quốc gia có thu nhập cao và quốc gia có thu nhập

trung bình. 42 quốc gia được phân loại vào nhóm có thu nhập cao và 40 quốc gia được phân

loại vào nhóm có thu nhập trung bình. Thứ ba, chúng tôi loại 3 quốc gia có chỉ số tài chính bao

trùm cao nhất và 3 quốc gia có chỉ số tài chính bao trùm thấp nhất. Thứ tư, chúng tôi sử dụng

các biến khác đo lường các biến độc lập của mô hình gồm biến đo lường phát triển hệ thống tài

chính, biến đo lường mức độ tập trung tài sản, biến đo lường chất lượng thể chế. Kết quả cho

thấy kết quả nghiên cứu vẫn vững chắc đối với cả 4 thay đổi kể trên1.

1 Không trình bày tại đây để tiết kiệm diện tích, kết quả độ vững có thể được cung cấp khi yêu cầu.

5. Kết luận

Nghiên cứu của chúng tôi thực hiện phân tích thành phần chính hai bước để tính chỉ

số tài chính bao trùm và sử dụng mô hình tác động ngẫu nhiên để xác định các nhân tố ảnh

hưởng tới tài chính bao trùm. Cấu phần gửi và vay chiếm tỷ trọng lớn nhất trong việc giải

thích sự biến động của tài chính bao trùm, tiếp theo sau là cấu phần tài khoản và thanh toán

mặc dù sự khác biệt giữa ba cấu phần là không đáng kể. Để cải thiện tài chính bao trùm,

những người làm chính sách cần thực hiện các giải pháp tại cả ba cấu phần một cách đồng

thời và bền vững. Chúng tôi cũng nhận thấy tài chính bao trùm cao hơn và ổn định hơn trong

trường hợp các quốc gia phát triển.

Thứ hai, hồi quy các nhân tố tác động tới tài chính bao trùm cho thấy điều kiện kinh tế

xã hội thuận lợi như thu nhập tăng, quy mô thị trường tài chính tăng, chất lượng thể chế tăng

thúc đẩy tài chính bao trùm phát triển. Ngoài ra, kiểm soát tốc độ gia tăng dân số và tăng cường

phát triển con người là điều kiện cần thiết để phát trển tài chính bao trùm.

Thứ ba, tồn tại sự khác biệt giữa các nhân tố ảnh hưởng tới các cấu phần của tài chính

bao trùm và giữa các nhóm quốc gia. Đặc điểm của hệ thống ngân hàng không phải là nhân tố

quan trọng ảnh hưởng tới cấu phần tài khoản nhưng lại có ảnh hưởng tới cấu phần thanh toán

và cấu phần vay và gửi. Tuy nhiên, chiều hướng tác động là khác so với kỳ vọng thông thường.

Gia tăng quy mô hệ thống tài chính chỉ có tác động tích cực tới tài chính bao trùm tại các quốc

gia đang phát triển. Tỷ lệ lạm phát tăng có ảnh hưởng không tốt tới các quốc gia phát triển

nhưng lại hỗ trợ phát triển tài chính bao trùm tại các quốc gia đang phát triển.

Tài liệu tham khảo

Agyemang-Badu, A. A., Agyei. K. and Duah, E. K. (2018) Financial Inclusion, Poverty and

Income Inequality: Evidence from Africa. Spiritan International Journal of Poverty Studies,

Vol. 2, Iss. 2. Assessing at: http://spijopost.org/2018/04/13/spiritan-journal-of-poverty-studies-

volume2-number-2-april-2018-financial-inclusion-poverty-and-income-inequality/.

Ajide, F. (2015). Financial Inclusion and Rural Poverty Reduction: Evidence from Nigeria.

International Journal of Management Sciences and Humanities. Vol. 3, No. 2, p.p 190-203

Ajide, K. B. (2017). Determinants of Financial Inclusion in Sub-Saharan Africa Countries:

Does Institutional Infrastructure Matter?. CBN Journal of Applied Statistics. Vol. 8 No. 2. p.p

69-89

Allen, F., Demiguc-Kunt, Al., Klapper, L., and Peria, M.S.M. (2012). Understanding

Ownership and Use of Formal Accounts. Policy Research working paper. No. WPS 6290.

Washington, DC: World Bank Group.

Allen, F., Demiguc-Kunt, Al., Klapper, L., and Peria, M.S.M. (2016). The Foundations of

Financial Inclusion: Understanding Ownership and Use of Formal Accounts. Journal of

Financial Intermediation, 2016, Vol. 27, Iss. C, pp. 1-30.

Brune, L., X. Giné, J. Goldberg, D. Yang. 2011. Commitments to Save: A Field Experiment

in Rural Malawi. World Bank Policy Research Working Paper No. 5748. Washington, DC.

Burgess, R., and Pande, R. (2005). Do Rural Banks Matter? Evidence from the Indian Social

Banking Experiment. The American Economic Review. Vol. 95, No. 3, pp. 780-795.

Camara, N. and Tuesta, D. (2014). Measuring Financial Inclusion: A Multidimensional Index.

BBVA Working Paper. No. 14/26.

Carpenter, R. E., and Petersen, B.C. (2002) Is the Growth of Small Firms Constrained by

Internal Finance? The Review of Economics and Statistics. Vol. 84, Iss. 2, 298-309.

Chakravarty, S. R. and Pal, R. (2010). Measuring Financial Inclusion: An Axiomatic Approach.

Working paper. No. Wp-2010-003. Mumbai: Indira Gandhi Institute of Development Research

Clamara, N., Pena, X., Tuesta, D. (2014). Factors that Matter for Financial Inclusion: Evidence

from Peru. BBVA Research Working Paper. No.14/09

Dabla-Norris, E., Ji,Y., Townsen, R., and Unsal, D.F. (2011). Identifying Constraints to

Financial Inclusion and Their Impact on GDP and Inequality: A Structural Framework for

Policy. IMF Working Paper. No. WP/15/22.

Delvin, J.F. (2005). A Detailed Study of Financial Exclusion in the UK. Journal of Consumer

Policy. Vol. 28, pp. 75-108.

Demirgüç-Kunt, A. and Klapper, L. (2012). Measuring Financial Inclusion: The Global Findex

Database. World Bank Policy Research Working Paper. No. 6025. World Bank.

Demirguc-Kunt, A., Klapper, L., Singer, D. (2013). Financial Inclusion and Legal

Discrimination Against Women: Evidence from Developing Countries. Policy Research

Working Paper. No. WPS6416. Washington, DC : World Bank Group.

Fungáčová, Z., and Weill, L. (2014). Understanding financial inclusion in China. Bank of

Finland Discussion Papers. No. 10.2014.

Gupta, P., and Singh, B. (2013). Role of Literacy Level in Financial Inclusion in India:

Empirical Evidence. Journal of Economics, Business and Management, Vol. 1, No. 3, August

2013.

Honahan, P., (2008). Cross-Country Variation in Household Access to Financial Services.

Journal of Banking and Finance. Vol. 32, Iss. 11, pp. 2493-2500.

Kama, U., and Adigun, M. (2013). Financial Inclusion in Nigeria: The Journey so Far. Available

at: SSRN: https://ssrn.com/abstract=2365209 or http://dx.doi.org/10.2139/ssrn.2365209

Kaur, J. (2017). Factors affecting financial inclusion: A case study of Punjab. International

Journal of Advanced Research and Development . Vol. 2, Iss. 6, pp. 422-426

Khan, H. R. (2011). Financial Inclusion and Financial Stability: Are They Two Sides of the

Same Coin? Address by Shri H. R. Khan, Deputy Governor of the Reserve Bank of India, at

BANCON 2011, organized by the Indian Bankers Association and Indian Overseas Bank,

Chennai, India, 4 November.

Kim, J-H (2016). A study on the effect of financial Inclusion on the relationship between

income inequality and economic growth. Emerging Markets Finance and Trade. Vol. 52, Is. 2,

pp. 498-512.

Kumar, C., and Mishra, S. (2011). Banking Outreach and Household level Access: Analyzing

Financial Inclusion in India. 13th Annual Conference on Money and Finance in the Indian

Economy.

Kumar, N, (2013). Financial inclusion and its determinants: evidence from India. Journal of

Financial Economic Policy. Vol. 5 Issue. 1, pp.4-19.

Laha, A., and Kuri, P.K. (2011). Determinants Of Financial Inclusion: A Study Of Some

Selected Districts Of West Bengal, India. ICSSR Major Research Project:Changing

Characteristics of Rural Credit and the Problem of Financial Inclusion-A Case Study of

Rural West Bengal. Department of Economics, The University of Burdwan.

Mendoza, M. (2009). Addressing Financial Exclusion through Microfinance: Lessons from the

State of Madhya Pradesh, India. The journal of International Policy Solutions. Vol 11.

Mohan,R. (2006). Economic growth, financial deepening and financial inclusion. Annual

Bankers' Conference 2006. Hyderabad, 3 November 2006

Owen, A.L., Pereira, J.M., (2018). Bank concentration, competition, and financial inclusion.

Review of Development Finance. Vol. 9, Iss. 1, pp.1-17.

Park, C. Y. and Mercado, R. J. V. (2018). Financial inclusion: New measurement and cross-

country impact assessment. ADB Economics working paper series No 539.

Park, C.Y. and Mercado, R.V., Jr. (2015). Financial inclusion, poverty, and income inequality

in developing Asia. ADB Economics Working Paper Series. No. 426

Park, C.-Y. and Mercado, R.V., Jr. (2016). Does financial inclusion reduce poverty and income

inequality in developing Asia. in Gopalan, S. and Kikuchi, T. (Eds.), Financial Inclusion in

Asia: Issues and Policy Concerns, Palgrave Macmillan, London, pp. 61-92.

Rangarajan Committee. (2008). Report of Committee on Financial Inclusion.

Sarma, M. (2008). Index of Financial Inclusion. Indian Council for Research on International

Economic Relations Working Paper. No. 215.

Sarma. M. (2015). Measuring Financial Inclusion. Economics Bulletin. Vol. 35, Iss. 1.

Singh, K. and Kodan, A.S. (2011). Financial Inclusion, Development and its Determinants : An

Empirical Evidence of Indian States. The Asian economic review : journal of the Indian Institute

of Economics. Vol. 53.2011, 1, pp. 115-134.

Sousa, M. M. (2015). Financial Inclusion and Global Regulatory Standards: An Empirical

Study across Developing Economies. Centre for International Governance Innovation Working

Paper. No. 7.

World Bank (2017). The Global Findex Database 2017: Measuring Financial Inclusion and the

Fintech Revolution.

Bảng

Bảng 1

Ma trận tương quan

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)

Sở hữu tài khoản 1 - - - - - - - - - - -

Sở hữu thẻ tín dụng 0.728 1 - - - - - - - - - -

Sở hữu thẻ ghi nợ 0.913 0.744 1 - - - - - - - - -

Gửi tiền 0.625 0.624 0.699 1 - - - - - - - -

Sử dụng thẻ 0.877 0.857 0.935 0.753 1 - - - - - - -

Rút tiền 0.576 0.627 0.677 0.886 0.732 1 - - - - - -

Thanh toán số 0.940 0.790 0.931 0.714 0.945 0.667 1 - - - - -

Thanh toán hóa đơn 0.823 0.748 0.827 0.622 0.882 0.555 0.916 1 - - - -

Thanh toán từ chính phủ 0.769 0.597 0.723 0.571 0.720 0.560 0.755 0.667 1 - - -

Nhận lương 0.838 0.700 0.850 0.752 0.866 0.717 0.890 0.775 0.812 1 - -

Vay 0.717 0.958 0.716 0.601 0.833 0.618 0.770 0.727 0.562 0.658 1 -

Gửi 0.809 0.817 0.805 0.611 0.841 0.567 0.827 0.824 0.547 0.681 0.818 1

Bảng 2

FIRST STAGE PRINCIPAL COMPONENTS ESTIMATES

2014

Tài khoản

Biến PC1 PC2 PC3 PC4 PC5 PC6 Tỷ trọng

Sở hữu tài khoản 0.41 -0.37 -0.40 0.06 0.70 -0.19 0.14

Sở hữu thẻ tín dụng 0.40 -0.19 0.81 -0.21 0.21 0.25 0.17

Sở hữu thẻ ghi nợ 0.43 -0.28 -0.33 0.16 -0.44 0.64 0.15

Gửi tiền 0.38 0.57 -0.24 -0.69 0.01 0.04 0.17

Sử dụng thẻ 0.45 -0.20 0.08 0.00 -0.51 -0.70 0.16

Rút tiền 0.37 0.62 0.11 0.67 0.12 -0.01 0.21

Eigenvalues 4.57 0.79 0.33 0.17 0.11 0.04

Thanh toán

Biến PC1 PC2 PC3 PC4 Tỷ trọng

Thanh toán số 0.52 -0.31 -0.17 -0.78 0.24

Thanh toán hóa đơn 0.49 -0.64 0.32 0.50 0.22

Thanh toán từ chính phủ 0.48 0.63 0.60 -0.05 0.28

Nhận lương 0.51 0.32 -0.71 0.36 0.26

Eigenvalues 3.47 0.38 0.10 0.04

Vay và gửi

Biến PC1 PC2 Tỷ trọng

Vay 0.71 -0.71 0.44

Gửi 0.71 0.71 0.56

Eigenvalues 1.79 0.21

2017

Tài khoản

Biến PC1 PC2 PC3 PC4 PC5 PC6 Tỷ trọng

Sở hữu tài khoản 0.40 -0.44 -0.41 0.55 0.42 -0.04 0.14

Sở hữu thẻ tín dụng 0.38 -0.32 0.83 0.02 0.11 0.23 0.16

Sở hữu thẻ ghi nợ 0.42 -0.21 -0.38 -0.57 -0.20 0.52 0.15

Gửi tiền 0.40 0.54 0.00 0.51 -0.48 0.25 0.19

Sử dụng thẻ 0.44 -0.15 0.01 -0.18 -0.41 -0.77 0.17

Rút tiền 0.40 0.60 0.02 -0.29 0.62 -0.15 0.29

Eigenvalues 4.99 0.51 0.31 0.08 0.06 0.04

Thanh toán

Biến PC1 PC2 PC3 PC4 Tỷ trọng

Thanh toán số 0.53 -0.24 -0.09 -0.81 0.24

Thanh toán hóa đơn 0.50 -0.43 0.65 0.38 0.25

Thanh toán từ chính phủ 0.46 0.86 0.20 0.02 0.28

Nhận lương 0.51 -0.11 -0.72 0.45 0.23

Eigenvalues 3.37 0.36 0.21 0.06

Vay và gửi

Biến PC1 PC2 Tỷ trọng

Vay 0.71 -0.71 0.46

Gửi 0.71 0.71 0.54

Eigenvalues 1.84 0.16

Bảng 3

CUMMULATIVE VARIANCE EXPLAINED BY COMPONENTS

2014

Thành phần Cumulative variance

Tài khoản

PC1 0.7622

PC2 0.8932

PC3 0.9482

PC4 0.9758

PC5 0.9937

PC6 1.0

Thanh toán

PC1 0.8684

PC2 0.9631

PC3 0.9891

PC4 1.0

Vay và gửi

PC1 0.8970

PC2 1.0

CUMMULATIVE VARIANCE EXPLAINED BY COMPONENTS

2017

Thành phần Cumulative variance

Tài khoản

PC1 0.8324

PC2 0.9181

PC3 0.9703

PC4 0.9843

PC5 0.9940

PC6 1.0

Thanh toán

PC1 0.8416

PC2 0.9327

PC3 0.9850

PC4 1.0

Vay và gửi

PC1 0.9199

PC2 1.0

Bảng 4

Xếp hạng quốc gia theo cấu phần

2014

Tài khoản Thanh toán Vay và gửi

Quốc gia Thứ

tự Quốc gia Quốc gia Thứ tự

Quốc

gia

Canada 1 Denmark 1 Norway 1

Norway 2 Norway 2 New Zealand 2

New Zealand 3 Sweden 3 Canada 3

Finland 4 Finland 4 Israel 4

United Kingdom 5 New Zealand 5 Luxembourg 5

Australia 6 Estonia 6 Australia 6

Denmark 7 Netherlands 7 Sweden 7

Sweden 8 Belgium 8 United States 8

Luxembourg 9 United Kingdom 9 Japan 9

Estonia 10 Australia 10 Finland 10

Netherlands 11 Germany 11 United Kingdom 11

United States 12 Austria 12 Hong Kong SAR, China 12

Japan 13 Japan 13 Korea, Rep. 13

Israel 14 Luxembourg 14 Switzerland 14

Switzerland 15 Canada 15 Denmark 15

Ireland 16 France 16 Germany 16

Spain 17 Israel 17 Austria 17

Belgium 18 Slovenia 18 Belgium 18

Germany 19 Korea, Rep. 19 Ireland 19

Austria 20 Switzerland 20 Spain 20

Latvia 21 Spain 21 France 21

Hong Kong SAR, China 22 Singapore 22 Netherlands 22

Croatia 23 Latvia 23 Taiwan, China 23

Korea, Rep. 24 United States 24 Singapore 24

France 25 Czech Republic 25 Malta 25

Singapore 26 Ireland 26 Bahrain 26

Slovak Republic 27 Hong Kong SAR, China 27 Italy 27

Czech Republic 28 Portugal 28 United Arab Emirates 28

Malta 29 Italy 29 Slovak Republic 29

Portugal 30 Slovak Republic 30 Mongolia 30

Slovenia 31 United Arab Emirates 31 Croatia 31

Taiwan, China 32 Croatia 32 Slovenia 32

United Arab Emirates 33 Iran, Islamic Rep. 33 Czech Republic 33

Lithuania 34 Malta 34 Malaysia 34

Brazil 35 Taiwan, China 35 Estonia 35

Italy 36 Lithuania 36 China 36

Hungary 37 Bahrain 37 Mauritius 37

Serbia 38 Kuwait 38 Thailand 38

Poland 39 Cyprus 39 Iran, Islamic Rep. 39

Cyprus 40 Belarus 40 Kuwait 40

Bahrain 41 South Africa 41 Uruguay 41

Thailand 42 Macedonia, FYR 42 Latvia 42

Argentina 43 Serbia 43 South Africa 43

Macedonia, FYR 44 Poland 44 Sri Lanka 44

Mauritius 45 Hungary 45 Cyprus 45

Kuwait 46 Kenya 46 Portugal 46

Bulgaria 47 Saudi Arabia 47 Dominican Republic 47

Iran, Islamic Rep. 48 Greece 48 Poland 48

Belarus 49 Mongolia 49 Kenya 49

Greece 50 Brazil 50 Bolivia 50

Russian Federation 51 Malaysia 51 Chile 51

Ukraine 52 Bulgaria 52 Brazil 52

Costa Rica 53 Russian Federation 53 Costa Rica 53

China 54 Uzbekistan 54 Botswana 54

Mongolia 55 Bosnia and Herzegovina 55 Lithuania 55

Montenegro 56 Algeria 56 Turkey 56

South Africa 57 Mauritius 57 Indonesia 57

Uruguay 58 Kazakhstan 58 Namibia 58

Georgia 59 Turkey 59 Macedonia, FYR 59

Chile 60 Costa Rica 60 Panama 60

Bosnia and Herzegovina 61 Montenegro 61 Russian Federation 61

Romania 62 Kosovo 62 Hungary 62

Malaysia 63 Botswana 63 Belarus 63

Botswana 64 Namibia 64 El Salvador 64

Turkey 65 China 65 Vietnam 65

Ecuador 66 Argentina 66 Montenegro 66

Peru 67 Georgia 67 Colombia 67

Namibia 68 Ukraine 68 Bulgaria 68

Azerbaijan 69 Dominican Republic 69 Saudi Arabia 69

Uzbekistan 70 Romania 70 Mexico 70

Bolivia 71 Mexico 71 Romania 71

Kenya 72 Chile 72 Ecuador 72

Mexico 73 Mauritania 73 Guatemala 73

Dominican Republic 74 Albania 74 Peru 74

Colombia 75 Uruguay 75 Argentina 75

Kosovo 76 Colombia 76 Greece 76

El Salvador 77 Panama 77 Azerbaijan 77

Indonesia 78 Guatemala 78 Ukraine 78

Kazakhstan 79 Jordan 79 Honduras 79

Moldova 80 Ecuador 80 Serbia 80

Saudi Arabia 81 Peru 81 Philippines 81

Gabon 82 Sri Lanka 82 Kazakhstan 82

Panama 83 El Salvador 83 Bosnia and Herzegovina 83

Mauritania 84 Azerbaijan 84 Gabon 84

Jordan 85 Gabon 85 India 85

Armenia 86 Thailand 86 Kosovo 86

Vietnam 87 Honduras 87 Nicaragua 87

Honduras 88 Bolivia 88 Armenia 88

Algeria 89 India 89 Albania 89

Guatemala 90 Nicaragua 90 Georgia 90

Philippines 91 Vietnam 91 Algeria 91

Sri Lanka 92 Indonesia 92 Mauritania 92

Albania 93 Armenia 93 Jordan 93

Nicaragua 94 Philippines 94 Moldova 94

India 95 Moldova 95 Uzbekistan 95

2017

Tài khoản Thanh toán Vay và gửi

Quốc gia Thứ

tự Quốc gia Thứ tự Quốc gia

Thứ

tự

Canada 1 Estonia 1 Canada 1

Norway 2 Norway 2 Norway 2

Finland 3 Denmark 3 New Zealand 3

New Zealand 4 New Zealand 4 Luxembourg 4

Luxembourg 5 Israel 5 Israel 5

United Kingdom 6 Austria 6 United States 6

Sweden 7 Luxembourg 7 United Kingdom 7

Australia 8 Sweden 8 Australia 8

Denmark 9 Belgium 9 Switzerland 9

United States 10 Latvia 10 Sweden 10

Korea, Rep. 11 Germany 11 Taiwan, China 11

Netherlands 12 United Kingdom 12 Japan 12

Belgium 13 Netherlands 13 Korea, Rep. 13

Germany 14 Canada 14 Singapore 14

Hong Kong SAR, China 15 Australia 15 Hong Kong SAR, China 15

Japan 16 Finland 16 Denmark 16

Austria 17 Slovenia 17 Germany 17

Estonia 18 Switzerland 18 Finland 18

Singapore 19 Singapore 19 Belgium 19

Switzerland 20 Japan 20 Austria 20

Ireland 21 France 21 Spain 21

Israel 22 Croatia 22 Ireland 22

Spain 23 Korea, Rep. 23 Netherlands 23

Italy 24 Iran, Islamic Rep. 24 France 24

Malta 25 Ireland 25 Italy 25

France 26 Spain 26 Malta 26

Latvia 27 Poland 27 Slovak Republic 27

Czech Republic 28 United Arab Emirates 28 Estonia 28

Poland 29 Czech Republic 29 Czech Republic 29

Slovak Republic 30 Slovak Republic 30 United Arab Emirates 30

Portugal 31 United States 31 Croatia 31

United Arab Emirates 32 Mongolia 32 Slovenia 32

Slovenia 33 Portugal 33 Bahrain 33

Taiwan, China 34 Italy 34 Turkey 34

Belarus 35 Hong Kong SAR, China 35 Poland 35

Bahrain 36 Malta 36 Malaysia 36

Croatia 37 Kenya 37 Portugal 37

Kuwait 38 Belarus 38 Thailand 38

Hungary 39 Macedonia, FYR 39 China 39

Mongolia 40 Kuwait 40 Lithuania 40

Lithuania 41 Bahrain 41 Kuwait 41

Cyprus 42 Saudi Arabia 42 Uruguay 42

Iran, Islamic Rep. 43 Taiwan, China 43 Iran, Islamic Rep. 43

Serbia 44 Turkey 44 Namibia 44

Greece 45 Cyprus 45 Chile 45

Uruguay 46 Lithuania 46 Cyprus 46

Bulgaria 47 Greece 47 Dominican Republic 47

Chile 48 Malaysia 48 Mongolia 48

Turkey 49 Namibia 49 Mauritius 49

Mauritius 50 Serbia 50 Bulgaria 50

Russian Federation 51 Brazil 51 Latvia 51

Ukraine 52 Mauritius 52 Sri Lanka 52

China 53 Montenegro 53 Kenya 53

Namibia 54 China 54 Costa Rica 54

Saudi Arabia 55 Russian Federation 55 Belarus 55

Brazil 56 South Africa 56 Kazakhstan 56

Montenegro 57 Georgia 57 Armenia 57

Malaysia 58 Kazakhstan 58 Brazil 58

Kazakhstan 59 Bosnia and Herzegovina 59 Indonesia 59

Macedonia, FYR 60 Hungary 60 Hungary 60

Romania 61 Bulgaria 61 Macedonia, FYR 61

Bosnia and Herzegovina 62 Costa Rica 62 Bolivia 62

Costa Rica 63 Uruguay 63 Russian Federation 63

Georgia 64 Chile 64 South Africa 64

Thailand 65 Ukraine 65 Vietnam 65

Argentina 66 Kosovo 66 Saudi Arabia 66

Kenya 67 Uzbekistan 67 Ukraine 67

Uzbekistan 68 Botswana 68 Montenegro 68

Dominican Republic 69 Thailand 69 Romania 69

Kosovo 70 Sri Lanka 70 Serbia 70

Azerbaijan 71 Gabon 71 Georgia 71

Jordan 72 Jordan 72 Argentina 72

South Africa 73 Argentina 73 Colombia 73

Moldova 74 Azerbaijan 74 Honduras 74

Colombia 75 Dominican Republic 75 Ecuador 75

Peru 76 Peru 76 Moldova 76

Philippines 77 Armenia 77 India 77

Ecuador 78 Honduras 78 Panama 78

Vietnam 79 Colombia 79 Jordan 79

Panama 80 Algeria 80 Botswana 80

Albania 81 Romania 81 Peru 81

Bolivia 82 Ecuador 82 Guatemala 82

Gabon 83 Guatemala 83 Bosnia and Herzegovina 83

Armenia 84 Moldova 84 Greece 84

Mexico 85 Mexico 85 Kosovo 85

El Salvador 86 India 86 Philippines 86

Botswana 87 Albania 87 El Salvador 87

Guatemala 88 Panama 88 Mexico 88

Sri Lanka 89 Mauritania 89 Nicaragua 89

Honduras 90 Bolivia 90 Gabon 90

Mauritania 91 El Salvador 91 Albania 91

Algeria 92 Indonesia 92 Azerbaijan 92

Indonesia 93 Nicaragua 93 Mauritania 93

India 94 Philippines 94 Algeria 94

Nicaragua 95 Vietnam 95 Uzbekistan 95

Bảng 5

SECOND STAGE PRINCIPAL COMPONENTS ESTIMATES

2014

Financial inclusion

Cấu phần PC1 PC2 PC3 Tỷ trọng

Tài khoản 0.59 -0.14 -0.79 0.32

Thanh toán 0.58 -0.62 0.54 0.31

Vay và gửi 0.57 0.77 0.28 0.37

Eigenvalues 2.71 0.21 0.08

2017

Financial inclusion

Cấu phần PC1 PC2 PC3 Tỷ trọng

Account 0.59 -0.18 -0.79 0.32

Payment 0.58 -0.59 0.57 0.31

Vay và gửi 0.56 0.79 0.24 0.36

Eigenvalues 2.73 0.21 0.06

Bảng 6

CUMMULATIVE VARIANCE EXPLAINED BY COMPONENTS

2014

Thành phần Cumulative variance

PC1 0.9030

PC2 0.9723

PC3 1

CUMMULATIVE VARIANCE EXPLAINED BY COMPONENTS

2017

Thành phần Cumulative variance

PC1 0.9092

PC2 0.9798

PC3 1

Bảng 7

Xếp hạng các quốc gia

Quốc gia Xếp hạng 2017 Thay

đổi Quốc gia

Xếp hạng

2017

Thay

đổi

Norway 1 0 Serbia 49 -2

Canada 2 1 Macedonia, FYR 50 -4

New Zealand 3 -1 Saudi Arabia 51 16

Luxembourg 4 3 Uruguay 52 5

United Kingdom 5 3 Kenya 53 -1

Australia 6 -1 Greece 54 1

Sweden 7 -3 Bulgaria 55 -1

Israel 8 1 Chile 56 6

Denmark 9 1 Russian Federation 57 -4

Finland 10 -4 Brazil 58 -15

Switzerland 11 5 Kazakhstan 59 11

United States 12 0 Montenegro 60 -1

Korea, Rep. 13 5 Costa Rica 61 -10

Japan 14 -3 Thailand 62 -4

Germany 15 0 Ukraine 63 2

Singapore 16 8 Georgia 64 5

Belgium 17 -3 Bosnia and

Herzegovina 65 -2

Austria 18 -1 South Africa 66 -24

Netherlands 19 -6 Dominican Republic 67 -3

Hong Kong SAR,

China 20 0 Romania 68 0

Ireland 21 1 Argentina 69 -8

Estonia 22 1 Kosovo 70 1

Spain 23 -4 Jordan 71 16

France 24 -3 Sri Lanka 72 10

Taiwan, China 25 0 Armenia 73 19

Italy 26 7 Azerbaijan 74 5

Malta 27 1 Colombia 75 -2

Slovenia 28 -2 Peru 76 2

Slovak Republic 29 1 Uzbekistan 77 -3

Czech Republic 30 1 Botswana 78 -18

Croatia 31 -2 Gabon 79 7

United Arab Emirates 32 0 Moldova 80 11

Poland 33 8 Ecuador 81 -6

Latvia 34 -7 Honduras 82 8

Portugal 35 0 Bolivia 83 -3

Bahrain 36 -2 Panama 84 -7

Iran, Islamic Rep. 37 -1 Guatemala 85 -1

Kuwait 38 1 Albania 86 2

Mongolia 39 1 Mexico 87 -15

Belarus 40 9 Algeria 88 -12

Turkey 41 15 Indonesia 89 -4

Lithuania 42 -5 Vietnam 90 -1

Cyprus 43 -5 India 91 4

Malaysia 44 4 El Salvador 92 -11

Namibia 45 21 Philippines 93 0

China 46 4 Mauritania 94 -11

Mauritius 47 -3 Nicaragua 95 -1

Hungary 48 -3

Bảng 8

Thống kê mô tả

Biến Bình

quân

Độ lệch

chuẩn Nhỏ nhất Lớn nhất

GDP 22,107 21,983 108,601 1,294

PRC 80.89 50.03 253.26 13.83

INF 2.66 2.41 12.90 -1.42

PGR 0.90 1.05 4.99 -1.42

INS 0.12 2.26 4.14 -3.67

BAC 77.57 15.20 100.00 38.06

BZS 15.26 9.12 55.80 1.19

HDI 0.81 0.10 0.95 0.51

FII 0.51 0.26 1.00 0.07

Ma trận tương quan

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)

FII 1 - - - - - - - - - - -

ACC 0.975 1 - - - - - - - - - -

PAY 0.951 0.912 1 - - - - - - - - -

S&B 0.947 0.893 0.823 1 - - - - - - - -

GDP 0.918 0.884 0.894 0.861 1 - - - - - - -

PRC 0.678 0.644 0.584 0.717 0.593 1 - - - - - -

INF -0.445 -0.457 -0.451 -0.375 -0.441 -0.354 1 - - - - -

PGR -0.145 -0.253 -0.188 0.013 -0.036 0.063 0.321 1 - - - -

INS 0.894 0.886 0.831 0.853 0.877 0.654 -0.438 -0.181 1 - - -

BAC 0.269 0.230 0.323 0.220 0.283 -0.032 -0.122 0.137 0.327 1 - -

BZS 0.150 0.062 0.130 0.230 0.175 0.218 -0.196 0.347 0.105 0.001 1 -

HDI 0.888 0.880 0.867 0.807 0.930 0.567 -0.527 -0.246 0.859 0.179 0.086 1

Bảng 9

Tài chính bao trùm

(1) (2) (3) (4) (5)

Biến FII FII FII FII FII

GDP per capita 0.140*** 0.104*** 0.109*** 0.126*** 0.103***

(0.03) (0.02) (0.04) (0.03) (0.03)

Domestic credit to private

sector 0.053** 0.054*** 0.038 0.077*** 0.089***

(0.02) (0.02) (0.02) (0.02) (0.02)

Inflation rate 0.173 0.225 -0.586 0.553* 0.658**

(0.24) (0.25) (0.38) (0.31) (0.33)

Population growth rate -1.540* -1.695** -2.129** -2.928** -2.256**

(0.84) (0.69) (0.84) (1.18) (1.15)

Institutional quality 0.026*** 0.012 0.001 0.008 0.008

(0.01) (0.01) (0.02) (0.01) (0.01)

Bank asset concentration 0.077* 0.072* 0.060 0.108* 0.121**

(0.04) (0.04) (0.05) (0.06) (0.06)

Bank Z-score 0.000 -0.006 -0.005 -0.028 -0.028

(0.02) (0.01) (0.01) (0.03) (0.02)

HDI 0.111 -20.173*** 1.709*** -0.134 -17.704***

(0.26) (3.48) (0.49) (0.26) (3.89)

HDI2 2.397*** 2.097***

(0.41) (0.47)

Constant -1.851* 41.346*** -8.464*** -0.873 35.970***

(1.00) (7.33) (2.18) (1.02) (8.10)

R-squared 0.877 0.897 0.738 0.634 0.688

Số quan sát 164 164 80 84 84

Nhóm nước Tất cả các

quốc gia

Tất cả các

quốc gia Phát triển

Đang phát

triển

Đang phát

triển

Số quốc gia 82 82 40 42 42

Bảng 10

Các cấu phần của tài chính bao trùm

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) (15)

Biến ACC ACC ACC ACC ACC PAY PAY PAY PAY PAY S&B S&B S&B S&B S&B

GDP per capita 0.123*** 0.092*** 0.018 0.120*** 0.096** 0.169*** 0.133*** 0.090* 0.205*** 0.159*** 0.134*** 0.097*** 0.192*** 0.063** 0.060**

(0.03) (0.03) (0.05) (0.04) (0.04) (0.04) (0.04) (0.05) (0.05) (0.05) (0.03) (0.03) (0.05) (0.03) (0.03) Domestic credit to private sector 0.044* 0.043** 0.039 0.057* 0.072** 0.043 0.042 0.010 0.079* 0.096** 0.075*** 0.078*** 0.053 0.106*** 0.107***

(0.02) (0.02) (0.03) (0.03) (0.03) (0.03) (0.03) (0.02) (0.05) (0.04) (0.03) (0.02) (0.04) (0.02) (0.02)

Inflation rate 0.141 0.189 -1.238*** 0.540 0.630 -0.295 -0.216 -1.080 0.382 0.677* 0.811** 0.811** 0.445 0.727* 0.730* (0.34) (0.35) (0.46) (0.50) (0.50) (0.36) (0.34) (0.70) (0.35) (0.35) (0.38) (0.38) (0.52) (0.43) (0.43)

Population growth rate -2.397* -2.460* -2.081 -3.923* -3.353 -2.926** -3.114*** -2.269** -5.091** -3.633* -0.407 -0.435 -1.520 -0.130 -0.029

(1.45) (1.33) (1.35) (2.23) (2.23) (1.20) (1.14) (1.10) (2.22) (2.04) (0.85) (0.90) (1.30) (1.20) (1.23) Institutional quality 0.033*** 0.020* 0.011 0.020 0.018 -0.007 -0.021* -0.032 -0.012 -0.008 0.048*** 0.035*** 0.035* 0.011 0.011

(0.01) (0.01) (0.02) (0.02) (0.01) (0.01) (0.01) (0.02) (0.02) (0.02) (0.01) (0.01) (0.02) (0.01) (0.01)

Bank asset concentration 0.050 0.045 0.068 0.048 0.071 0.206*** 0.200*** 0.095 0.272*** 0.287*** 0.019 0.008 0.006 0.027 0.028 (0.05) (0.05) (0.06) (0.09) (0.09) (0.06) (0.07) (0.08) (0.10) (0.10) (0.04) (0.04) (0.07) (0.05) (0.05)

Bank Z-score -0.022 -0.027 0.010 -0.055 -0.053 0.008 0.001 -0.006 0.005 0.005 0.010 0.006 -0.003 -0.034** -0.034**

(0.02) (0.02) (0.01) (0.03) (0.03) (0.02) (0.02) (0.02) (0.04) (0.04) (0.02) (0.01) (0.02) (0.01) (0.01) HDI 0.224 -17.669*** 1.884*** -0.127 -18.192*** 0.489 -20.980*** 2.502*** 0.006 -35.830*** -0.357* -19.600*** 0.557 -0.205 -2.500

(0.34) (3.96) (0.64) (0.36) (5.35) (0.42) (5.83) (0.70) (0.46) (7.20) (0.21) (6.14) (0.56) (0.19) (4.06)

HDI2 2.116*** 2.159*** 2.534*** 4.271*** 2.275*** 0.274 (0.48) (0.66) (0.70) (0.88) (0.72) (0.49)

Constant -1.928 36.147*** -8.355*** -0.387 37.387*** -4.215*** 41.554*** -

11.694*** -2.884 72.466*** 0.270 41.255*** -4.194* 0.119 4.935

(1.28) (8.32) (2.62) (1.53) (11.00) (1.55) (12.26) (3.08) (1.83) (14.89) (0.84) (13.20) (2.37) (0.72) (8.50)

R-squared 0.842 0.856 0.662 0.538 0.584 0.799 0.816 0.598 0.527 0.612 0.823 0.851 0.718 0.588 0.591

Số quan sát 164 164 80 84 84 164 164 80 84 84 164 164 80 84 84

Nhóm nước Tất cả các

quốc gia

Tất cả các

quốc gia Phát triển

Đang phát

triển

Đang phát

triển

Tất cả các

quốc gia

Tất cả các

quốc gia Phát triển

Đang phát

triển

Đang phát

triển

Tất cả các

quốc gia

Tất cả các

quốc gia Phát triển

Đang phát

triển

Đang phát

triển

Số quốc gia 82 82 40 42 42 82 82 40 42 42 82 82 40 42 42

PHỤ LỤC 1

Khái niệm và nguồn

Biến Khái niệm Nguồn

Account (% age 15+) The percentage of respondents who report having an account (by themselves or together with someone else) at

a bank or another type of financial institution or report personally using a mobile money service in the .past 12

months

World Bank, Global

Financial Inclusion

database

Deposit in the past year (% with

a financial institution account,

age 15+)

Among respondents with a financial institution account, the percentage who report one or more deposits into

their account in the past 12 months. This includes cash or electronic deposits or any time money is transferred

into the account by the respondent, an employer, or another person or institution.

World Bank, Global

Financial Inclusion

database

Withdrawal in the past year (%

with a financial institution

account, age 15+)

Among respondents with a financial institution account, the percentage who report neither a deposit into nor a

withdrawal from their account in the past 12 months.

World Bank, Global

Financial Inclusion

database

Debit card ownership (% age

15+)

The percentage of respondents who report having a debit card. World Bank, Global

Financial Inclusion

database

Credit card ownership (% age

15+)

The percentage of respondents who report having a credit card. World Bank, Global

Financial Inclusion

database

Used a debt or credit card to

make purchase in the past year

(% age 15+)

The percentage of respondents who report using a debit or credit card to make a purchase in the past 12 months. World Bank, Global

Financial Inclusion

database

Made or received digital

payments in the past year (% age

15+)

The percentage of respondents who report using mobile money, a debit or credit card, or a mobile phone to make

a payment from an account, or report using the internet to pay bills or to buy something online, in the past 12

months. It also includes respondents who report paying bills, sending or receiving remittances, receiving

payments for agricultural products, receiving government transfers, receiving wages, or receiving a public sector

pension directly from or into a financial institution account or through a mobile money account in the past 12

months

World Bank, Global

Financial Inclusion

database

Paid utility bills: using an

account (% paying utility bills,

age 15+)

Among respondents reporting personally making regular payments for water, electricity, or trash collection in

the past 12 months, the percentage who report making these payments directly from a financial institution

account or using a mobile money account.

World Bank, Global

Financial Inclusion

database

Received government payments:

into an account (% payment

recipients, age 15+)

Among respondents reporting personally receiving payments from the government in the past 12 months, the

percentage who report receiving the payments directly into a financial institution account, into a card, or into a

mobile money account.

World Bank, Global

Financial Inclusion

database

Received wages: into an account

(% wage recipients, age 15+)

Among respondents reporting receiving any money from an employer in the past 12 months in the form of a

salary or wages for doing work, the percentage who report receiving this money directly into a financial

institution account, into a card, or into a mobile money account.

World Bank, Global

Financial Inclusion

database

Borrowed from a financial

institution or used a credit card

(% age 15+)

The percentage of respondents who report borrowing any money from a bank or another type of financial

institution, or using a credit card, in the past 12 months

World Bank, Global

Financial Inclusion

database

Saved at a financial institution The percentage of respondents who report saving or setting aside any money at a bank or another type of financial World Bank, Global

(% age 15+) institution in the past 12 months. Financial Inclusion

database

GDP per capita (constant 2010

US$)

GDP per capita is gross domestic product divided by midyear population. GDP is the sum of gross value added

by all resident producers in the economy plus any product taxes and minus any subsidies not included in the

value of the products. It is calculated without making deductions for depreciation of fabricated assets or for

depletion and degradation of natural resources. Data are in constant 2010 U.S. dollars.

World Bank, World

Development

Indicators

Domestic credit to private sector

(% of GDP)

Domestic credit to private sector refers to financial resources provided to the private sector, such as through

loans, purchases of nonequity securities, and trade credits and other accounts receivable, that establish a claim

for repayment. For some countries these claims include credit to public enterprises.

World Bank, World

Development

Indicators

Inflation, consumer prices

(annual %)

Inflation as measured by the consumer price index reflects the annual percentage change in the cost to the average

consumer of acquiring a basket of goods and services that may be fixed or changed at specified intervals, such

as yearly. The Laspeyres formula is generally used.

World Bank, World

Development

Indicators

Population growth (annual %) Annual population growth rate for year t is the exponential rate of growth of midyear population from year t-1

to t, expressed as a percentage . Population is based on the de facto definition of population, which counts all

residents regardless of legal status or citizenship.

World Bank, World

Development

Indicators

Control of Corruption: Estimate Control of Corruption captures perceptions of the extent to which public power is exercised for private gain,

including both petty and grand forms of corruption, as well as "capture" of the state by elites and private interests.

Estimate gives the country's score on the aggregate indicator, in units of a standard normal distribution, i.e.

ranging from approximately -2.5 to 2.5.

World Bank, World

Governance

Indicators

Government Effectiveness:

Estimate

Government Effectiveness captures perceptions of the quality of public services, the quality of the civil service

and the degree of its independence from political pressures, the quality of policy formulation and

implementation, and the credibility of the government's commitment to such policies. Estimate gives the

country's score on the aggregate indicator, in units of a standard normal distribution, i.e. ranging from

approximately -2.5 to 2.5.

World Bank, World

Governance

Indicators

Political Stability and Absence of

Violence/Terrorism: Estimate

Political Stability and Absence of Violence/Terrorism measures perceptions of the likelihood of political

instability and/or politically-motivated violence, including terrorism. Estimate gives the country's score on the

aggregate indicator, in units of a standard normal distribution, i.e. ranging from approximately -2.5 to 2.5.

World Bank, World

Governance

Indicators

Regulatory Quality: Estimate Regulatory Quality captures perceptions of the ability of the government to formulate and implement sound

policies and regulations that permit and promote private sector development. Estimate gives the country's score

on the aggregate indicator, in units of a standard normal distribution, i.e. ranging from approximately -2.5 to 2.5.

World Bank, World

Governance

Indicators

Rule of Law: Estimate Rule of Law captures perceptions of the extent to which agents have confidence in and abide by the rules of

society, and in particular the quality of contract enforcement, property rights, the police, and the courts, as well

as the likelihood of crime and violence. Estimate gives the country's score on the aggregate indicator, in units of

a standard normal distribution, i.e. ranging from approximately -2.5 to 2.5.

World Bank, World

Governance

Indicators

Voice and Accountability:

Estimate

Voice and Accountability captures perceptions of the extent to which a country's citizens are able to participate

in selecting their government, as well as freedom of expression, freedom of association, and a free media.

Estimate gives the country's score on the aggregate indicator, in units of a standard normal distribution, i.e.

ranging from approximately -2.5 to 2.5.

World Bank, World

Governance

Indicators

5-bank asset concentration Raw data are from Bankscope. (Sum(data2025) for five largest banks in Bankscope) / (Sum(data2025) for all

banks in Bankscope). Only reported if number of banks in Bankscope is 5 or more. Calculated from underlying

bank-by-bank unconsolidated data from Bankscope.

World Bank, Global

Financial

Development

Bank Z-score It captures the probability of default of a country's banking system. Z-score compares the buffer of a country's

banking system (capitalization and returns) with the volatility of those returns. It is estimated as

(ROA+(equity/assets))/sd(ROA); sd(ROA) is the standard deviation of ROA. ROA, equity, and assets are

country-level aggregate figures Calculated from underlying bank-by-bank unconsolidated data from Bankscope.

World Bank, Global

Financial

Development

Human Development Index

(HDI)

A composite index measuring average achievement in three basic dimensions of human development—a long

and healthy life, knowledge and a decent standard of living.

Human Development

Indicators and Indices

2018 Statistical

Update