Caracterización Deuda Hogares 2017

Jan Dimter, Matías Guerra, Francisco Sánchez

15/6/2019

Contents
2. Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
3. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
4. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
5. Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
6. Análisis de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6.1 Análisis Univariado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6.1.1 RDI Hipotecario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6.1.2 RDI No Hipotecario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
6.1.3 Estrato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6.1.3 Género . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6.1.4 Edad Jefe de Hogar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6.1.5 Años escolaridad de Jefe de Hogar . . . . . . . . . . . . . . . . . . . . . . 8
6.1.6 Valor vivienda principal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
6.1.7 Número de miembros en el hogar . . . . . . . . . . . . . . . . . . . . . . . 10
6.1.8 Número de ocupados en el hogar . . . . . . . . . . . . . . . . . . . . . . . 11
6.1.9 Ingreso laboral mensual . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.2 Análisis Bivariado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6.2.1 Variable dependiente: RDI Hipotecario . . . . . . . . . . . . . . . . . . . . 13
6.2.3 Variable dependiente: RDI Hipotecario . . . . . . . . . . . . . . . . . . . . 17
6.3 Correlaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6.4 Regresiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
6.4.1 Regresiones simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
6.4.2 Regresiones Múltiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.4.3 Revisión de supuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
7. Discusión Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
8. Referencias Bibliográficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

2. Abstract
El presente trabajo investiga los factores que influyen en la relación deuda sobre ingreso (RDI) tanto a nivel
hipotecario como no hipotecario. Se analizarán las variables de género del jefe de hogar, estrato del hogar,
edad del jefe de hogar, años de educación del jefe de hogar, valor de vivienda principal, número miembros del
hogar y número de ocupados por hogar, prestando principal atención en las dos primeras. Se utilizó la base de
datos relativa a la Encuesta Financiera de Hogares 2017 del Banco Central (N= 4549) para realizar análisis
de correlación y regresión. Se presentan modelos de regresión lineal múltiple que toman como variables
dependientes a RDI hipotecario y a RDI no hipotecario. Los objetivos propuestos de la investigación son:
a) construir modelos de regresión capaces de explicar significativamente los valores relativos a ambos RDI,
b) identificar la influencia de la variable estrato del hogar en ambos RDI, c) identificar la influencia de la
variable género del jefe de hogar en ambos RDI. A modo de hipótesis se postula que: a) el valor estimado de
RDI hipotecario en el modelos de regresión múltiple es mayor para el factor de pertenencia a un hogar de
estrato 1 que para el resto de categorías de la variable, b) el valor estimado de RDI no hipotecario en los
modelos de regresión múltiple es menor para el factor de pertenencia a un hogar de estrato 3 que para el resto
de categorías de la variable, c) el valor estimado de RDI hipotecario en los modelos de regresión múltiple es
menor para el factor de pertenencia a un hogar de jefe de hogar masculino que para el factor de pertenencia
a un hogar de jefe de hogar femenino.

1
Conceptos clave: Ratio deuda-ingresos, endeudamiento, estrato, género.

3. Introducción
En el contexto de altas tasas de endeudamiento, la morosidad y el sobre-endeudamiento -entendido como
aquellos casos en que los hogares comprometen en el pago de deuda, incluyendo la deuda hipotecaria, más de
un 50% de sus ingresos (Ruiz-Tagle, García y Miranda, 2013)- son fenómenos que dejan ver una dificultad de
los chilenos para solventar sus compromisos crediticios, con posibles repercusiones al sector financiero, y a la
estabilidad socioeconómica familiar.
Para poder dar luces en torno a los factores que influyen en el endeudamiento tanto de créditos hipotecarios
como no hipotecarios pondremos atención en dar explicación a las variables “Ratio deuda sobre ingreso” en
deudas hipotecarias y “Ratio de Deuda sobre ingreso” en deudas no hipotecarias, a partir de las variables
género y estrato. Para complementar el análisis, por una potencial endogeneidad de la variable “estrato” con
“RDI” -por la razón de que las instituciones crediticias acceden a préstamos más grandes en relación a la
capacidad de pago-, y para sortear los problemas que presenta la variable estrato en cuanto a medición, se
añaden las variables Edad, años de educación, número de personas del hogar, número de ocupados por hogar
y valor de la vivienda principal.
En cuanto al uso de las variables, la variable independiente género se ve sustentada en los trabajos sobre
endeudamiento y género, tales como los de Weinstein (2001) y Bermeo (2017), y los de organizaciones tales
como las investigaciones de la Superintendencia de Bancos e Instituciones Financieras (2009, 2014) y ONU
Mujeres (2015). En general en estos trabajos se puede notar una mayor deuda bancaria hipotecaria en mujeres
en comparación a los hombres, y que la cantidad de mujeres endeudadas va alcanzando rápidamente a la
cantidad de hombres gracias a la facilidad para optar a créditos.
En torno a estrato (y clases, que puede utilizarse como concepto proxy en tanto que dan cuenta de patrones
de consumo similares) se revisaron los trabajos de Wilkis (2014) y Virot (2014). Según Virot (2014), y
complementando la tesis de Chóvar, Elgueta y Salgado (2010), en Chile el estrato que comprende los
percentiles del 51 al 80 tiene mayor endeudamiento en tarjetas de crédito en casas comerciales y por lo tanto,
podría haber en dicho estrato mayor probabilidad de riesgo financiero, venido de una pérdida de empleo de
dichos hogares y por ende, una mayor posibilidad de caer en default. Para Wilkis (2014) la cuestión del
crédito en América Latina, y en específico para las clases populares, ha significado un acceso al préstamo
que consolida una infraestructura monetaria en las clases populares, siendo el mecanismo de la deuda vía
crédito de consumo una de las formas de estrategias de sobrevivencia de los pobres. También se analizaron
trabajos que cruzan ambas variables tales como el de Catanzarite y Deere (2017), donde se hace un análisis
empírico sobre la situación de quienes solicitan créditos en Ecuador con el fin de acumular activos, llegando
a la conclusión que mediante el análisis de las correlaciones en la obtención de préstamos por hombres y
mujeres para adquirir activos tener una cuenta de ahorros formal es el principal factor asociado con tener
deudas destinadas a activos en ambos sexos, y que este factor inherentemente desigual mantiene una forma
desigual en la acaparación de activos en los diferentes sexos. Si se cruza con la variable estrato se observa
que las personas de estratos bajos tienen más probabilidad de pedir créditos en el sector informal, y no para
adquirir activos, sino que para pagar gastos en general.
Sobre las variables dependientes “RDI” de deuda hipotecaria y “RDI” de deuda no hipotecaria, siguiendo lo
postulado por el Banco Central (2018) la deuda hipotecaria es aquella que se divide en deuda asociada a
la vivienda principal y deuda asociada a otras propiedades, mientras que la deuda no hipotecaria agrupa
las deudas de consumo (la cual, a su vez, se descompone en bancaria, con casas comerciales y con cajas
de compensación, cooperativas y otros similares), deuda automotriz, deuda educacional y otras deudas no
hipotecarias (préstamos de parientes o amigos, crédito de prestamistas, casa de crédito prendario “Tía Rica”,
fiado y deudas por créditos de otras fuentes).
Sobre esta materia se revisaron trabajos de mapeo de montos de deuda, y de análisis de los factores de ingreso
y deuda, tales como Pinto (2016), Gutierrez (2018), el estudio de Ideapaís (2014), Parrado (2016), Ruiz Tagle,
García y Miranda (2013) y Cox, Parrado y Ruiz Tagle (2006). Los anteriores trabajos, hechos en su mayoría
por economistas asociados al Banco Central de Chile, buscan evidencia de sobre-endeudamiento y morosidad

2
en los pagos según el Ratio de la deuda sobre el ingreso, es decir, cuánto del ingreso anual se destina al pago
de compromisos crediticios.
En suma, se hará un análisis de las relaciones deuda-ingresos de los dos tipos de deuda señalados anteriormente,
sabiendo que en su mayoría, la deuda hipotecaria se concentra en el estrato 3 mientras que los porcentajes
de deuda de consumo son más altas en los estratos 1 y 2. Lo anterior con el objetivo de caracterizar la
distribución de los RDI según el estrato al cual se pertenece, y el género del jefe de hogar, entre otras variables.
La relevancia del tema radica en que las diferencias de RDI entre los dos tipos de deuda, muestran diferencias
en la capacidad de los hogares para solventar los compromisos crediticios, es decir: mientras más alto el RDI,
más dificultades para pagar las deudas a tiempo y caer en la morosidad.

4. Objetivos
• Con ello se proponen las siguientes objetivos:
• Construir modelos de regresión capaces de explicar significativamente los valores relativos a ambos
RDI.
• Identificar la influencia de la variable estrato del hogar en ambos RDI.
• Identificar la influencia de la variable género del jefe de hogar en ambos RDI.
Las hipótesis de investigación son las siguientes:
Primera hipótesis: El valor estimado de RDI hipotecario en el modelos de regresión múltiple es mayor
para el factor de pertenencia a un hogar de estrato 1 que para el resto de categorías de la variable.
Segunda hipótesis: El valor estimado de RDI no hipotecario en los modelos de regresión múltiple es menor
para el factor de pertenencia a un hogar de estrato 3 que para el resto de categorías de la variable.
Tercera hipótesis: El valor estimado de RDI hipotecario en los modelos de regresión múltiple es menor
para el factor de pertenencia a un hogar de jefe de hogar masculino que para el factor de pertenencia a un
hogar de jefe de hogar femenino.

5. Metodología
Los datos utilizados en esta investigación son recogidos de la Encuesta Financiera de Hogares del año 2017
(en adelante, EFH), estudio realizado por el Banco Central de Chile, con el objetivo de tener un seguimiento
de la actividad financiera de los hogares en Chile. La muestra cuenta con 4549 observaciones, de las cuales
1733 habían sido parte de la versión 2014 de la misma encuesta o “muestra panel” y 2816 son hogares nuevos
o “muestra de refresco”. Lo anterior sugiere que el estudio tiene una arista longitudinal, en el que se hace
seguimiento a hogares y se ve la evolución de su situación financiera en el tiempo.
Para el análisis se utiliza la base de datos sin imputar. Lo anterior debido a que la imputación de datos
implica supuestos estadísticos complejos; y hacer uso de una base de aquel estilo imposibilita un manejo
certero de los datos.
En cuanto a variables dependientes refiere, se utilizará el “Ratio deuda sobre ingreso” -en adelante “RDI”-
que muestra representa la cantidad de deuda de los hogares sobre su ingreso anual. (Banco Central, 2018) En
primer lugar se utilizará el RDI según deudas hipotecarias -en adelante “RDI hipotecario”- y como segunda
variable dependiente se utilizará el RDI según deudas no hipotecarias -desde ahora “RDI no hipotecario”-.
El RDI no es reportado por las personas entrevistadas, sino que es obtenida a partir de un cálculo posterior a
la aplicación de la encuesta realizado por el Banco Central, en el que se usan los datos de ingreso total anual
del hogar, más la deuda. La deuda puede estar descrita como deuda hipotecaria, deuda no hipotecaria, o la
deuda total del hogar, correspondiente a la suma de ambas.
RDI hipotecario (que aparece en nuestra base de datos como “rdi_dhip”) corresponde al cociente entre el
valor presente de la deuda hipotecaria y el ingreso total efectivo anual del hogar. RDI no hipotecario (en la
base de datos “rdi_dnhip”) corresponde al cociente entre el valor presente de la deuda no hipotecaria y el

3
ingreso total efectivo anual del hogar. Ambas variables dependientes son variables continuas, representadas
en un ratio que puede ir desde 0 al infinito. No obstante, para efectos del trabajo se determina que los valores
de RDI iguales a 0 y mayores que 6 corresponden a NA. El motivo de la determinación primera es reflejar los
casos en que efectivamente existe un endeudamiento, además de tomar en consideración el importante peso
que tienen estos casos, capaces de distorsionar relevantemente la muestra. El motivo de la segunda decisión
metodológica se basa en la baja posibilidad real de alcanzar niveles superiores a este monto, cuestión que se
refleja en lo extraordinario que representan estos casos en la muestra.
La variable género será tomada como género que indica el jefe de hogar (aquella persona que aporta mayor
cantidad de ingresos al grupo familiar, o en su defecto, tiene conocimiento de las deudas del hogar siendo
mayor de 18 años). Esta variable (“genero_pr” en base de datos) es dicotómica, y puede tomar los valores: 0
= Mujer ; 1 = Hombre.
La forma de estratificación de la base de datos (“estrato” en la base de datos) está dada a partir del avalúo
fiscal de los hogares, como indica el Banco Central:
“(. . . ) corresponde a una agrupación realizada de acuerdo a la distribución del avalúo fiscal de la propiedad
según la información disponible en el marco muestral. Así, el marco muestral fue dividido en 3 estratos de
riqueza según el avalúo fiscal de la propiedad: estrato 1 comprende los percentiles 1 a 50, el estrato 2 los
percentiles 51 a 80 y el estrato 3 los percentiles 81 a 100.” (Banco Central, 2018a, p. 11)
La variable estrato (“estrato” en la base de datos ) generó dificultades en la investigación puesto que, al
principio del documento metodológico de la EFH 2017 se señala como una ordenacion y clasificacion por
deciles del avalúo fiscal del inmueble de residencia del hogar, mientras que tanto en el glosario como en la base
de datos es señalada como “estrato de ingreso efectivo del hogar”. Sin embargo, para representar fielmente el
diseño de la EFH se ocupará la primera definición.
La variable edad (“edad_pr”) es una variable continua, que toma valores numéricos dependiendo de la edad
de la persona de referencia.
La Variable educación (“educ_pr”) refiere a los años de educación de la persona de referencia, variable
numérica también.
La variable Valor de vivienda principal (“act_vp”) es el monto en pesos que los propietarios le asignan a su
vivienda principal. Esta variable no determina la variable “estrato”, pues esta última es asignada como proxy
previamente indicado, mientras que la primera es indicada a discreción de la persona entrevistada.
La variable Número de miembros del hogar (“numh”) corresponde al número de personas que constituye el
hogar.
Usaremos también la variable Ocupados por hogar (“ocuph”) que muestra la cantidad de personas ocupadas
por hogar entrevistado.
Por último usaremos la variable Ingreso laboral mensual del hogar (“ylabh”) que muestra el monto en pesos
del ingreso laboral mensual del hogar.
Para el método de análisis se realizarán análisis descriptivos univariados, bivariados, evaluación de correlaciones
entre nuestras variables de interés. Se realizarán regresiones simples entre RDI y las variables que correlacionan
significativamente al 95%, y posteriormente se incluirán todas en los modelos de regresión múltiple. Se
procederá a realizar dos modelos de regresión múltiple, una con cada una de nuestras variables dependientes
(RDI hipotecario y RDI no hipotecario), seleccionando la que resulta más útil para análisis estadístico, en
términos de explicatividad y significancia estadística. Finalmente se someterán estos modelos a tests de
condiciones de aplicabilidad.
Los descriptivos básicos por variables son los que están tabulados a continuación:
Tabla 1: Estadísticos descriptivos variables tomadas

4
Statistic N Mean St. Dev. Min Pctl(25) Pctl(75) Max
rdi_dhip 496 1.54 1.13 0.01 0.71 2.12 5.64
rdi_dnhip 1,013 0.28 0.48 0.001 0.03 0.33 5.88
genero_pr 4,549 0.63 0.48 0 0 1 1
estrato 4,549 1.87 0.83 1 1 3 3
edad_pr 4,549 50.25 15.91 18 38 61 98
educ_pr 4,532 13.87 4.26 0.00 12.00 18.00 23.00
act_vp 4,348 33,563,456.00 78,272,347.00 0.00 0.00 35,000,000.00 803,400,000.00
numh 4,549 3.15 1.54 1 2 4 14
ocuph 4,549 1.50 0.95 0 1 2 7
ylabh 3,651 1,542,329.00 3,710,797.00 0.00 278,250.00 1,750,000.00 102,316,664.00

A modo de contexto general, se puede observar los estadísticos descriptivos para delimitar un mapa general
en torno a las variables que se utilizan en la investigación. Sobre las variables dependientes RDI hipotecario
y RDI no hipotecario hay un total de 496 casos positivos menores a 6 en magnitud para la primera y 1013
casos positivos menores a 6 en magnitud para la segunda.
Dicho esto, se puede notar, en primer lugar, que existe una distribución de datos bastante equilibrada para el
caso de la variable RDI hipotecario, y una tendencia a tener una mayor cantidad de ratios menores a 1 para la
variable RDI no hipotecario. La media es de 1,54 para el RDI hipotecario y 0,28 para el RDI no hipotecario,
sin embargo existe una importante desviación estándar para el caso de RDI hipotecario, correspondiente a
1,54. Es de notar que para ambas variables existen casos máximos elevados, pero que en ningún caso son
mayoritarios. El 75% de los casos en la muestra para RDI hipotecario es igual o menor a 2,12, mientras que
para RDI no hipotecario corresponde a 0,33. El RDI hipotecario máximo es de 5.64 y el RDI no hipotecario
máximo es de 5,88.
Considerando que si los estratos estuviesen representados en igual proporción el promedio de estos se
representaría numéricamente por un 2 el estadístico de media 1,87 representa un giro frente al sobremuestreo
del estrato tres realizado por la EFH 2017 (Banco Central, 2017), mostrando una mayor preponderancia en
este caso de hogares de estrato 1.
En el caso de la variable género existe una media 0.68 tendiente al valor 1, designado para los hombres. Esto
nos informa que dentro de la muestra existen más hombres jefes de hogar que mujeres jefas de hogar.
La edad promedio es de 50.25 años, con una desviación estándar de 15.91, por lo cual con seguridad se puede
señalar que la gran mayoría de las personas que presentan un RDI positivo (están endeudadas) son mayores
a 35 años, lo cual muestra que la entrada de nuevos titulares de créditos al mercado de créditos que sean
considerados adultos jóvenes no es significativa. Sobre la variable años de educación se puede notar que la
media es de 13.87 años, lo que significa casi una educación con cuarto medio completo. Por ende, en general
las personas de referencia no presentan educación universitaria o técnica superior. Los valores de las viviendas
principales tienden a ser muy variadas, siendo la media 33.3 millones de pesos y la desviación estándar de 78.2
millones de pesos. Sobre la cantidad de miembros por hogar se puede señalar que en promedio hay 3 personas
por hogar, y que, teniendo en consideración la variable ocupados por hogar, en promedio hay 1.5 personas
ocupadas por hogar. Por ende, en general la mitad de los habitantes de un hogar presentan estar trabajando.
Por último la variable ingreso laboral mensual del hogar tiene una media de 1,542,329.00 mientras que se tiene
una desviación estándar de 3,710,797.00. El caso máximo reportado es de 102,316,664.00 pesos mensuales,
mientras que cerca de un cuarto de los hogares presenta un ingreso cercano a un sueldo mínimo.

6. Análisis de datos
6.1 Análisis Univariado
A continuación se presentan las tablas e histogramas de las variables tanto dependientes como independientes
con un breve comentario acerca de los datos entregados.

6.1.1 RDI Hipotecario

5
 • Tabla 2: Distribución de Frecuencias RDI Hipotecario

Rango Frc. Absoluta Frc.relativa F. Absoluta Acumulada F. Rel. Acumulada

1 [0,0.5] 87 0.18 87 0.18
2 (0.5,1] 101 0.20 188 0.38
3 (1,1.5] 94 0.19 282 0.57
4 (1.5,2] 77 0.16 359 0.72
5 (2,2.5] 51 0.10 410 0.83
6 (2.5,3] 32 0.06 442 0.89
7 (3,3.5] 22 0.04 464 0.94
8 (3.5,4] 13 0.03 477 0.96
9 (4,4.5] 5 0.01 482 0.97
10 (4.5,5] 5 0.01 487 0.98
11 (5,5.5] 6 0.01 493 0.99
12 (5.5,6] 3 0.01 496 1.00

La tabla se divide en 12 rangos, siendo los primeros 3 rangos los que acaparan más de la mitad de los casos.
La moda de RDI hipotecario se encuentra en el rango entre 0,5 y 1 rdi. La mitad de los casos de la muestra
presentan un ratio de 1,5 o menos, haciendo creer que los casos de extremo endeudamiento son más que nada
casos excepcionales, y aunque cerca de un 60% reporta que sus ingresos son idénticos o mayores a sus gastos
vía créditos. Esto se condice con lo propuesto por la Superintendencia de bancos e instituciones financieras,
como también con las investigaciones llevadas a cabo por el Banco Central, donde se señalan los altos niveles
de endeudamiento y una vasta entrada de personas al mercado de créditos. El histograma de frecuencias a
continuación:
• Gráfico 1: Histograma de frecuencias para RDI Hipotecario
80 100
Frecuencia

60
40
20
0

0 1 2 3 4 5 6

RDI

6.1.2 RDI No Hipotecario

• Tabla 3: Distribución de Frecuencias RDI No Hipotecario
Para el caso del RDI no hipotecario el panorama es distinto. La gran mayoría de la muestra se encuentra en
el rango entre 0 y 0,5. Específicamente un 85% de la muestra. Contrastándo con la tabla anterior se puede
observar que los datos tienden a concentrarse mucho más que los montos no hipotecarios en torno a valores
más pequeños de RDI. El histograma se encuentra a continuación:
• Gráfico 2: Histograma de frecuencias para RDI Hipotecario

6
 Rango Frc. Absoluta Frc.relativa F. Absoluta Acumulada F. Rel. Acumulada
1 [0,0.5] 857 0.85 857 0.85
2 (0.5,1] 102 0.10 959 0.95
3 (1,1.5] 30 0.03 989 0.98
4 (1.5,2] 10 0.01 999 0.99
5 (2,2.5] 4 0.00 1003 0.99
6 (2.5,3] 3 0.00 1006 0.99
7 (3,3.5] 3 0.00 1009 1.00
8 (3.5,4] 1 0.00 1010 1.00
9 (4,4.5] 2 0.00 1012 1.00
10 (4.5,5] 0 0.00 1012 1.00
11 (5,5.5] 0 0.00 1012 1.00
12 (5.5,6] 1 0.00 1013 1.00
800
600
Frecuencia

400
200
0

0 1 2 3 4 5 6

RDI

6.1.3 Estrato
• Tabla 4: Frecuencia absoluta y relativa porcentual según Estrato

Estrato Frc. Absoluta Frc.relativa (%)

1 Estrato 1 1902 41.81
2 Estrato 2 1327 29.17
3 Estrato 3 1320 29.02

Se evidencia una mayor cantidad de personas endeudadas en el estrato 1, correspondiente a los deciles más
bajos. Esto coincide con la proporción de estratos a nivel general, donde hay menos gente a medida sube el
estrato. Lo anterior revela que hay relativamente más personas endeudadas en estratos bajos que en altos, no
obstante, es solo frecuencia general, no cantidades de deuda.

6.1.3 Género
En la presente tabla se puede demostrar que existe una confirmación de la observación anteriormente
mencionada a partir de los estadísticos descriptivos donde se menciona que por medio de la media se puede
aseverar que existe una mayor cantidad de jefes de hogar (hombres) que jefas de hogar (mujeres) en la
muestra. Esto se puede explicar por la evidencia proporcionada de la desigualdad estructural de las mujeres
en cuanto a ingreso de las investigaciones de Weinstein (2001) y la Superintendencia de Bancos e instituciones
financieras (2009, 2014).

7
 • Tabla 5: Frecuencia absoluta y relativa porcentual según Género

Género Frc. Absoluta Frc.relativa (%)

0 Mujeres 1702 37.41
1 Hombres 2847 62.59

En la presente tabla se puede demostrar que existe una confirmación de la observación anteriormente
mencionada a partir de los estadísticos descriptivos donde se menciona que por medio de la media se puede
aseverar que existe una mayor cantidad de jefes de hogar (hombres) que jefas de hogar (mujeres) en la
muestra. Esto se puede explicar por la evidencia proporcionada de la desigualdad estructural de las mujeres
en cuanto a ingreso de las investigaciones de Weinstein (2001) y la Superintendencia de Bancos e instituciones
financieras (2009, 2014).

6.1.4 Edad Jefe de Hogar

• Tabla 6: Distribución de frecuencias para Edad Jefe de Hogar

Rango Frc. Absoluta Frc.relativa F. Absoluta Acumulada F. Rel. Acumulada

1 [15,20] 31 0.01 31 0.01
2 (20,25] 150 0.03 181 0.04
3 (25,30] 303 0.07 484 0.11
4 (30,35] 433 0.10 917 0.20
5 (35,40] 489 0.11 1406 0.31
6 (40,45] 508 0.11 1914 0.42
7 (45,50] 525 0.12 2439 0.54
8 (50,55] 469 0.10 2908 0.64
9 (55,60] 442 0.10 3350 0.74
10 (60,65] 371 0.08 3721 0.82
11 (65,70] 278 0.06 3999 0.88
12 (70,75] 230 0.05 4229 0.93
13 (75,80] 144 0.03 4373 0.96
14 (80,85] 100 0.02 4473 0.98
15 (85,90] 54 0.01 4527 1.00
16 (90,95] 20 0.00 4547 1.00
17 (95,100] 2 0.00 4549 1.00

En la presente tabla se muestra que las frecuencias más altas se encuentran en el rango de 35 años hasta los
50, ubicándose la moda en el rango entre 45 y 50 años. El 74% de la muestra corresponde a personas de
hasta 60 años.. Esto se puede presenciar de mejor manera en el histograma a continuación, que asemeja la
curvatura demográfica de Chile:
• Gráfico 3: Histograma de frecuencias para Edad Jefe de Hogar

8
 500
Frecuencia

300
100
0

20 40 60 80 100

Edad

6.1.5 Años escolaridad de Jefe de Hogar

• Tabla 7: Distribución de frecuencias para Escolaridad de Jefe de Hogar

Rango Frc. Absoluta Frc.relativa F. Absoluta Acumulada F. Rel. Acumulada

1 [0,2] 52 0.01 52 0.01
2 (2,4] 88 0.02 140 0.03
3 (4,6] 104 0.02 244 0.05
4 (6,8] 353 0.08 597 0.13
5 (8,10] 216 0.05 813 0.18
6 (10,12] 1330 0.29 2143 0.47
7 (12,14] 309 0.07 2452 0.54
8 (14,16] 516 0.11 2968 0.65
9 (16,18] 1208 0.27 4176 0.92
10 (18,20] 318 0.07 4494 0.99
11 (20,22] 2 0.00 4496 0.99
12 (22,24] 36 0.01 4532 1.00

Resalta en este gráfico el hecho de que existen dos importantes intervalos. El primero, correspondiente a
la moda, es el de 10 a 12 años de escolaridad (representando el nivel aproximado de una educación media
completa), mientras que el segundo, correspondiente al intervalo con la segunda frecuencia más alta, es el de
16-17 representando un grado de educación superior completo aproximadamente. La mediana se encuentra en
el rango de 12 a 14 años. El histograma representa esta distribución de forma gráfica:
• Gráfico 4: Histograma de frecuencias para Escolaridad de Jefe de Hogar

9
 1200
Frecuencia

800
400
0

0 5 10 15 20

Edad

6.1.6 Valor vivienda principal

• Tabla 8: Distribución de frecuencias para Valor Vivienda Principal

Rango Frc. Absoluta Frc.relativa F. Absoluta Acumulada F. Rel. Acumulada

1 [0,5e+07] 3534 0.81 3534 0.81
2 (5e+07,1e+08] 383 0.09 3917 0.90
3 (1e+08,1.5e+08] 170 0.04 4087 0.94
4 (1.5e+08,2e+08] 96 0.02 4183 0.96
5 (2e+08,2.5e+08] 59 0.01 4242 0.98
6 (2.5e+08,3e+08] 34 0.01 4276 0.98
7 (3e+08,3.5e+08] 19 0.00 4295 0.99
8 (3.5e+08,4e+08] 15 0.00 4310 0.99
9 (4e+08,4.5e+08] 8 0.00 4318 0.99
10 (4.5e+08,5e+08] 10 0.00 4328 1.00
11 (5e+08,5.5e+08] 4 0.00 4332 1.00
12 (5.5e+08,6e+08] 8 0.00 4340 1.00
13 (6e+08,6.5e+08] 2 0.00 4342 1.00
14 (6.5e+08,7e+08] 1 0.00 4343 1.00
15 (7e+08,7.5e+08] 1 0.00 4344 1.00
16 (7.5e+08,8e+08] 2 0.00 4346 1.00
17 (8e+08,8.5e+08] 2 0.00 4348 1.00

Esta tabla nos indica que la moda y mediana se encuentra en el primer rango de valores para vivienda
principal, que va desde 0 hasta 50 millones de pesos. Resulta relevante que los dos primeros rangos contienen
al 90% de los casos, correspondiendo a los valores hasta 100 millones de pesos.
• Gráfico 5: Histograma de frecuencias para Valor vivienda principal

10
 3000
Frecuencia

2000
1000
0

0 200000000 600000000

Valor

6.1.7 Número de miembros en el hogar

• Tabla 9: Distribución de frecuencias para Número de miembros en el hogar

Rango Frc. Absoluta Frc.relativa F. Absoluta Acumulada F. Rel. Acumulada

1 [1,2] 1723 0.38 1723 0.38
2 (2,3] 1024 0.23 2747 0.60
3 (3,4] 1030 0.23 3777 0.83
4 (4,5] 485 0.11 4262 0.94
5 (5,6] 181 0.04 4443 0.98
6 (6,7] 66 0.01 4509 0.99
7 (7,8] 21 0.00 4530 1.00
8 (8,9] 11 0.00 4541 1.00
9 (9,10] 2 0.00 4543 1.00
10 (10,11] 3 0.00 4546 1.00
11 (11,12] 2 0.00 4548 1.00
12 (12,13] 0 0.00 4548 1.00
13 (13,14] 1 0.00 4549 1.00

La tabla presenta que un poco más del 80% de los hogares de la muestra tienen 4 o menos personas habitando
dicho hogar, siendo la mayor frecuencia encontrada en el rango entre 1 y 2 personas, con 1723 casos. - Gráfico
6: Histograma de frecuencias para Valor vivienda principal

11
 1500
Frecuencia

1000
500
0

2 4 6 8 10 12 14

Valor

6.1.8 Número de ocupados en el hogar

• Tabla 10: Distribución de frecuencias para Número de ocupados en el hogar

Rango Frc. Absoluta Frc.relativa F. Absoluta Acumulada F. Rel. Acumulada

1 [0,0.5] 594 0.13 594 0.13
2 (0.5,1] 1786 0.39 2380 0.52
3 (1,1.5] 0 0.00 2380 0.52
4 (1.5,2] 1621 0.36 4001 0.88
5 (2,2.5] 0 0.00 4001 0.88
6 (2.5,3] 417 0.09 4418 0.97
7 (3,3.5] 0 0.00 4418 0.97
8 (3.5,4] 114 0.03 4532 1.00
9 (4,4.5] 0 0.00 4532 1.00
10 (4.5,5] 12 0.00 4544 1.00
11 (5,5.5] 0 0.00 4544 1.00
12 (5.5,6] 2 0.00 4546 1.00
13 (6,6.5] 0 0.00 4546 1.00
14 (6.5,7] 3 0.00 4549 1.00

En cuanto al número de ocupados por hogar la mitad de los casos se encuentran en el rango de 0.5 y 1 persona
por hogar con un total de 1786 casos, y siendo el rango entre 1,5 y 2 personas el segundo más frecuentado
con un total de 1621 casos. Luego de esto la tendencia es de un decrecimiento exponencial de ocupados por
hogar. Por lo general se encuentra en concordancia con los datos de número de miembros por hogar y tiende
a ser que cerca de la mitad de los miembros de un hogar se encuentren con ocupación.
• Gráfico 7: Histograma de frecuencias para Valor vivienda principal

12
 1500
Frecuencia

1000
500
0

0 1 2 3 4 5 6 7

Valor

6.1.9 Ingreso laboral mensual

• Tabla 11: Distribución de frecuencias para ingreso laboral mensual

Rango Frc. Absoluta Frc.relativa F. Absoluta Acumulada F. Rel. Acumulada

1 [0,1e+07] 3609 0.99 3609 0.99
2 (1e+07,2e+07] 30 0.01 3639 1.00
3 (2e+07,3e+07] 3 0.00 3642 1.00
4 (3e+07,4e+07] 3 0.00 3645 1.00
5 (4e+07,5e+07] 1 0.00 3646 1.00
6 (5e+07,6e+07] 2 0.00 3648 1.00
7 (6e+07,7e+07] 1 0.00 3649 1.00
8 (7e+07,8e+07] 0 0.00 3649 1.00
9 (8e+07,9e+07] 0 0.00 3649 1.00
10 (9e+07,1e+08] 1 0.00 3650 1.00
11 (1e+08,1.1e+08] 1 0.00 3651 1.00

En esta tabla se puede ver que los casos extremos distorcionan los rangos, concentrándose en un 99% los
ingresos hasta los 10 millones de pesos mensuales, y 42 casos sobre esta cifra. - Gráfico 8: Histograma de
frecuencias para valor vivienda principal
3000
Frecuencia

2000
1000
0

0 40000000 80000000

Valor

13
6.2 Análisis Bivariado

6.2.1 Variable dependiente: RDI Hipotecario

• Gráfico 9: Nube de puntos según género

4
RDI Hipotecario

Hombre Mujer
Género
Se aprecia una distribución similar de RDI de deuda hipotecaria en hombres y mujeres hasta un ratio de 3.
De ahí en adelante, se puede ver que los hombres tienden a contraer deudas que requieren más porcentaje del
ingreso para el pago de esos compromisos. Los casos extremos del género femenino están separados del resto
de la distribución, pudiendo ser éstos atípicos.
• Gráfico 10: Nube de puntos según estrato

14
 4
RDI Hipotecario

Estrato
Llama la atención que en el estrato 1 los casos atípicos sean mayores a los del estrato 3. Por otro lado,
tenemos una línea marcada en el estrato 3, que contrasta con las separaciones entre casos en el estrato 1. La
distribución está concentrada, para todos los estratos, en su mayoría y antes del RDI con valor 3.
• Gráfico 11: Nube de puntos según edad del jefe de hogar

4
RDI Hipotecario

25 50 75 100
Edad
Los casos se concentran en el cohorte 37.5 - 50 años, edad laboral que podría representar mayor estabilidad,
comparado a cohortes más jóvenes y nuevos en cuanto a mercado laboral refiere. Llama la atención una
significativa ausencia de RDI mayores a 3 en el cohorte 50 - 62.5 años, lo que podría atribuirse a una intención
de planificación de la vejez. Sin embargo vuelven a aparecer valores altos de RDI pasados los 62 años, con

15
valores cercanos y superiores a 5, por lo que lo anterior es sólo una interpretación. De todas formas, a medida
aumenta la edad, la concentración de puntos disminuye, indicando probablemente una tendencia a cuidarse
de las deudas -además de la falta de oferta crediticia para la tercera edad-.
• Gráfico 12: Nube de puntos según años de educación del jefe de hogar

4
RDI Hipotecario

0 5 10 15 20
Años de Educación
Se observa en este gráfico que la distribución de datos está concentrada en 12, 16, 18 y 20 años de educación.
Los puntos que por ser tantos describen una línea, están en su mayoría en los 18 años de educación,
correspondientes a 6 años de educación después de la educación media. Se observa que el RDI de deuda
hipotecaria aumenta considerablemente después de la barrera de 12 años de educación, correspondientes a la
educación media; por lo que la educación media sería un factor discriminante en la consecución de créditos
hipotecarios.
• Gráfico 13: Nube de puntos según ocupados en el hogar

16
 4
RDI Hipotecario

0 2 4 6
Ocupados en el Hogar
La mayor cantidad de casos con RDI en cualquier proporción, se da en los hogares con 1 o 2 miembros
ocupados. Llama la atención la cantidad de casos con RDI superior a 1 con un número de ocupados en el
hogar igual a 0. Puede deberse a que la deuda se contrajo al momento de contar con una ocupación, o que
hay más formas de ingreso a parte de la ocupación. En el caso de que sea lo primero - contraer deuda y ya no
tener empleo- puede significar una dificultad en cuanto la mantención del pago de la deuda podría implicar
una inestabilidad económica en el hogar.
• Gráfico 14: Nube de puntos según ingreso laboral del hogar

4
RDI Hipotecario

0 5,000,000 10,000,000
Ingreso Laboral del Hogar

17
Este gráfico para optimizar la explicatividad visual limitó su visualización a los 13 millones de pesos.
La distribución de la variable Ingreso Laboral Mensual del hogar se concentra en los valores más bajos,
correspondiente con la proporcionalidad de Chile mostrada en la EFH. Por debajo de los 2.5millones de
pesos suele haber una gran cantidad de casos con deuda, con valores de RDI incluso cercanos a 6. El RDI
máximo -y cantidad de casos, también- disminuye a medida aumenta el ingreso, pudiendo esto significar que:
al tener mayores ingresos, el ratio de la deuda sobre éste último pierde peso relativo, evidenciándose cierta
endogeneidad. Es decir, la fórmula de RDI hace la relación de porcentaje de ingreso destinado al pago de
deudas, si aumenta el ingreso, la deuda significa menor porcentaje de ingreso.

6.2.3 Variable dependiente: RDI Hipotecario

• Gráfico 15: Nube de puntos según género
6
RDI No Hipotecario

Hombre Mujer
Género
Lo posible de extraer en este gráfico de puntos, es algo similar lo que sucede en el gráfico de RDI de deuda
hipotecaria x ingreso. Es decir, después de cierto umbral -en este caso un RDI mayor a 2- son los hombres
quienes tienen los mayores RDI de deuda no hipotecaria. También el que el RDI de “umbral” o desde el que
se perciben las diferencias de género sea esta vez de RDI 2 (y no RDI 4, como en la deuda hipotecaria) habla
de montos con un diferente peso en la economía familiar. Posiblemente estos créditos apuntan a bienes y/o
servicios más baratos que un bien inmueble.
• Gráfico 16: Nube de puntos según estrato

18
 RDI No Hipotecario 6

Estrato 1 Estrato 2 Estrato 3

Estrato
Trabajando bajo el supuesto de que las compañías crediticias ofertan créditos a quienes pueden pagarlos, los
altos RDI en el estrato 1 serían casos difíciles de explicar. Ahora, si consideramos el aumento en la cantidad
de instituciones crediticias como supermercados y tiendas de retail, y la ampliación de oferta crediticia a
sectores de bajos recursos, los casos del estrato 1 no causan tanto revuelo.
Sin embargo, el que existan casos con un RDI superior a 4, siendo casos atípicos - uno incluso llegando a
6- habla de un endeudamiento riesgoso por comprometer tantas veces la cantidad del ingreso en el pago de
créditos. Ruiz-tagle, García y Miranda hablan de los riesgos asociados a que las instituciones financieras
ofrezcan créditos de tan alto riesgo. Conceptos de morosidad al pagar, por parte de los deudores y burbuja
financiera, por parte de los acreedores, son de interés dado los datos en el gráfico presentados.
• Gráfico 17: Nube de puntos según número miembros hogar

19
 RDI No Hipotecario 6

5 10
Número miembros hogar
En general es posible apreciar que a medida que aumenta la cantidad e miembros de un hogar los valores
relativos al RDI no hipotecario disminuyen, con excepción del caso para 2 miembros, que al mismo tiempo se
puede apreciar como modal para su variable.
• Gráfico 18: Nube de puntos según ingreso laboral del hogar
6
RDI No Hipotecario

0 5,000,000 10,000,000
Ingreso Laboral del Hogar
Los sectores de menores ingresos están endeudados por una mayor parte de su ingreso, en comparación a los
hogares de ingreso laboral más alto. Nuevamente la distribución nota cierta diferencia antes de los 2.5M de
pesos. En la línea del ingreso laboral 0, encontramos nuevamente valores muy altos de RDI. La mayoría de

20
los hogares con deuda no hipotecaria mantienen una relación de deuda sobre ingreso inferior a 2, cifra que
baja a menos de 0.5 en los sectores de ingreso más alto.

6.3 Correlaciones
Tabla 12: Análisis de correlación y significacia al 95% de confianza para RDI hipotecario

Variable Correlacion P.Valor Significancia

1 Género JH -0.03 0.44 No significante
2 Estrato -0.08 0.09 No significante
3 Edad JH -0.17 0.00 Significante
4 Educación JH 0.09 0.05 Significante
5 Valor Vivienda Pr. 0.07 0.11 No significante
6 Número Integrantes -0.06 0.21 No significante
7 Ocupados Hogar -0.15 0.00 Significante
8 Ingr. Laboral Mensual -0.13 0.00 Significante

A partir de la tabla de correlaciones se puede señalar, en primer lugar, que las variables género, estrato,
número de integrantes del hogar y ocupados del hogar no son variables significativas al 95% de confianza ya
que sus p valores superan el nivel de significancia de 0,05. Esto implica que no es posible afirmar que estas
variables mantienen una correlación significativa respecto a RDI hipotecario. Las variables que tienen mayor
significación son las variables edad, ocupados por hogar e ingreso laboral mensual, todas presentando una
correlación negativa a con la variable dependiente RDI hipotecario.
• Tabla 13: Análisis de correlación y significacia al 95% de confianza para RDI no Hipotecario

Variable Correlacion P.Valor Significancia

1 Género JH 0.01 0.70 No significante
2 Estrato -0.10 0.00 Significante
3 Edad JH -0.00 0.91 No significante
4 Educación JH 0.00 0.97 No significante
5 Valor Vivienda Pr. -0.06 0.05 No significante
6 Número Integrantes -0.08 0.01 Significante
7 Ocupados Hogar -0.05 0.15 No significante
8 Ingr. Laboral Mensual -0.08 0.01 Significante

De la presente tabla de correlaciones se puede señalar con un 95% de confianza que las variables que
correlacionan con RDI no hipotecario son las variables estrato, número de integrantes y la variable ingreso
laboral mensual. Todas las variables mencionadas mantienen una correlación negativa con la variable
dependiente RDI no hipotecario. La variable género no es significante por lo tanto no tiene correlación con
dicha variable dependiente.
• Gráfico 19: Correlación entre variables (general)

21
 1
rdi_dhip

0.8
0.15 rdi_dnhip
0.6
0.03 0 genero_pr
0.4
−0.07 −0.14 0.2 estrato
0.2
−0.19 −0.05 0.04 0.02 edad_pr
0
0.07 −0.1 0.06 0.6 −0.09 educ_pr
−0.2
0 −0.11 0.15 0.42 0.19 0.33 act_vp
−0.4
−0.06 −0.04 0.11 0.14 −0.02 −0.05 0.28 numh
−0.6
−0.1 −0.02 0.18 0.3 −0.09 0.06 0.11 0.55 ocuph

−0.8
−0.14 −0.11 −0.01 0.28 0.04 0.19 0.2 0.12 0.2 ylabh

−1
Adentrándose ya en el terreno de correlaciones entre variables es que se pasa a observar el mapa de calor que
muestra dichas correlaciones en magnitud y dirección entre todas las variables. Las correlaciones relevantes, o
mejor dicho, aquellas que son significativas, son principalmente dos: En primer lugar existe una correlación
entre las variables independientes Estrato y Educación jefe de hogar con un coeficiente de 0.6; La segunda
correlación relevante es aquella existente entre las variables independientes Número de personas por hogar y
Número de ocupados por hogar con un coeficiente de 0.55. Ambas entonces son correlaciones positivas entre
variables. La primera correlación se puede explicar tomando en cuenta que la especialización y valorización
de la fuerza de trabajo, sobretodo en cuanto a habilidades que sirvan para optimizar el proceso de producción,
tienen un impacto directo con el estrato social en el que uno se encuentra, al existir mayores posibilidades
de ascenso social gracias a mayores habilidades producto de la educación. La segunda correlación se puede
explicar como efecto de que teniendo en cuenta los ingresos promedios una mayor cantidad de personas en
el hogar significa mayor carga económica para el grupo familiar, por lo que más integrantes de la familia
necesitan ocupación para aportar a la economía familiar.

6.4 Regresiones
A continuación se presentan las regresiones simples, filtrando para solo utilizar las variables significativas. Lo
relevante de esta decisión es que para el caso de RDI hipotecario las variables género y estrato mostraron
ser no significativas y para el caso de RDI no hipotecario la variable género resultó no ser significativa. Las
variables que no resultaron significativas se reincorporarán a los modelos de regresiones múltiples para analizar
cómo interaccionan en conjunto de otras variables para explicar a RDI.
Nota: La categoría base para todos los modelos de aquí en adelante respecto a estrato corresponde a Estrato
1, mientras que la categoría base para género corresponde a Mujer.

6.4.1 Regresiones simples

• Tabla 14: Regresión RDI Hipotecario / Estrato
De la presente regresión simple donde se controla a la variable RDI hipotecario en base a la educación del jefe
de hogar se puede pronunciar lo siguiente. En primer lugar es posible afirmar con un 95% de confianza que
por cada unidad que aumenta la educación del jefe de hogar aumenta en 0.032 unidades el RDI hipotecario.
Cuando se mira el R2 se puede corroborar que la varianza de la variable dependiente RDI hipotecario depende
en un 0.8% de la variable independiente Educación jefe de hogar. Por lo tanto se expresa una relación positiva
entre el nivel educacional del jefe de hogar y el ratio deuda ingreso de deuda hipotecaria. La regresión
presenta un estadístico F que le permite afirmar con 95% de confianza que al menos un coeficiente beta es
distinto de 0.

22
 • Tabla 15: Regresión RDI hipotecario / Educación Jefe de Hogar

Dependent variable:
rdi_dhip
educ_pr 0.032∗∗
(0.016)

Constant 1.020∗∗∗
(0.269)

Observations 496
R2 0.008
Adjusted R2 0.006
Residual Std. Error 1.129 (df = 494)
F Statistic 3.901∗∗ (df = 1; 494)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01
De la presente regresión simple donde se controla a la variable RDI hipotecario en base a la educación del jefe
de hogar se puede pronunciar lo siguiente. En primer lugar es posible afirmar con un 95% de confianza que
por cada unidad que aumenta la educación del jefe de hogar aumenta en 0.032 unidades el RDI hipotecario.
Cuando se mira el R2 se puede corroborar que la varianza de la variable dependiente RDI hipotecario depende
en un 0.8% de la variable independiente Educación jefe de hogar. Por lo tanto se expresa una relación positiva
entre el nivel educacional del jefe de hogar y el ratio deuda ingreso de deuda hipotecaria. La regresión
presenta un estadístico F que le permite afirmar con 95% de confianza que al menos un coeficiente beta es
distinto de 0.
• Tabla 16: Regresión RDI hipotecario / Edad Jefe de Hogar

Dependent variable:
rdi_dhip
edad_pr −0.017∗∗∗
(0.005)

Constant 2.329∗∗∗
(0.217)

Observations 496
R2 0.027
Adjusted R2 0.025
Residual Std. Error 1.118 (df = 494)
F Statistic 13.929∗∗∗ (df = 1; 494)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01
Es posible afirmar con un 99% de confianza que por cada año de edad del jefe de hogar disminuye un 0.017 el
RDI de deuda hipotecaria. El R2 ajustado de 0.025 nos indica que esta regresión simple es capaz de explicar
un 2.5% de la variación de la variable dependiente.
• Tabla 17: Regresión RDI hipotecario / Valor Vivienda Principal

23
 Dependent variable:
rdi_dhip
act_vp 0.000
(0.000)

Constant 1.465∗∗∗
(0.070)

Observations 488
R2 0.005
Adjusted R2 0.003
Residual Std. Error 1.136 (df = 486)
F Statistic 2.602 (df = 1; 486)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01
Por cada unidad en valor vivienda principal el RDI de deuda hipotecaria aumenta 0 unidades. Esto se
puede explicar por la magnitud de los montos que aparecen como valores de la vivienda principal, siendo
muy grandes como para dar cuenta de la variación de una unidad solamente. El ajuste de R2 indica que la
capacidad explicativa del modelo alcanza un 0.3%, lo cual implica que tiene una relevancia insignificante para
explicar la varianza de la variable dependiente.
• Tabla 18: Regresión RDI hipotecario / Ingreso laboral del hogar

Dependent variable:
rdi_dhip
ylabh −0.00000∗∗∗
(0.000)

Constant 1.618∗∗∗
(0.057)

Observations 496
R2 0.017
Adjusted R2 0.015
Residual Std. Error 1.124 (df = 494)
F Statistic 8.317∗∗∗ (df = 1; 494)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01
El coeficiente beta de ingreso laboral al redondearse se pierde en el modelo, sin embargo a través de su F
estadístico es posible señalar con 99% de confianza que este es diferente de 0. El bajo valor del coeficiente se
puede explicar por la magnitud de los montos que aparecen en el ingreso laboral, siendo muy grandes como
para dar cuenta de la variación de una unidad solamente. Este dato. Por último cabe recalcar que gracias a
que el R2 es de 0.017 es que se puede afirmar que la varianza explicada de la variable dependiente gracias a
la variable dependiente es de 1.7%.
• Tabla 19: Regresión RDI No hipotecario / Estrato

24
 Dependent variable:
rdi_dnhip
as.factor(estrato)2 −0.025
(0.037)

as.factor(estrato)3 −0.111∗∗∗
(0.035)

Constant 0.321∗∗∗
(0.023)

Observations 1,013
R2 0.010
Adjusted R2 0.008
Residual Std. Error 0.475 (df = 1010)
F Statistic 5.195∗∗∗ (df = 2; 1010)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01
Para este modelo de regresión simple pertenecer al estrato 2, significa una disminución de 0.025 en RDI de
deuda no hipotecaria, con respecto al estrato 1, sin embargo esto no es significativo, al existir un p valor mayor
a 0,1. A su vez, se puede afirmar con un 99% de confianza que pertenecer al estrato 3 implica una disminución
de 0.111 en RDI de deuda no hipotecaria con respecto al estrato 1. A mayor estrato tenemos menos tasas de
RDI de deuda hipotecaria. Lo anteriormente mencionado puede deberse a que a mayor estrato los ingresos
pueden subir, mejorando la relación de la deuda sobre el ingreso. En el caso del estrato 3, se aprecia una
disminución de 0.111 de RDI. R2 ajustado señala que nuestro modelo explica un 0.8% la varianza del RDI no
hipotecario penalizando por cantidad de predictores, es decir; presenta un mínimo de capacidad explicativa.
Este modelo es clave para nuestras hipótesis pero necesitará ser trabajado, aumentando la significatividad,
para poder validarse estadísticamente.
• Tabla 20: Regresión RDI No hipotecario / Número miembros del hogar

Dependent variable:
rdi_dnhip
numh −0.025∗∗
(0.010)

Constant 0.351∗∗∗
(0.033)

Observations 1,013
R2 0.006
Adjusted R2 0.005
Residual Std. Error 0.476 (df = 1011)
F Statistic 6.153∗∗ (df = 1; 1011)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01
Respecto a la tabla presentada es posible afirmar con un 95% de confianza que por cada persona que aumenta
el número de personas del hogar, el RDI de deuda no hipotecaria disminuye en 0.025. La capacidad explicativa
del modelo es baja, con un 0.5% demostrado en R2 ajustado.
• Tabla 21: Regresión RDI No hipotecario / Ingreso laboral del hogar

25
 Dependent variable:
rdi_dnhip
ylabh −0.000∗∗
(0.000)

Constant 0.293∗∗∗
(0.016)

Observations 1,013
R2 0.006
Adjusted R2 0.005
Residual Std. Error 0.476 (df = 1011)
F Statistic 5.967∗∗ (df = 1; 1011)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01
De igual modo que en el modelo de regresión simple que toma como dependiente el RDI hipotecario, en este
caso el coeficiente beta goza de significancia estadística, en este caso al 95% de confianza. El motivo de que
se muestre como 0 es el redondeo, validado por un estadístico F con un p valor menor a 0,05. De igual forma,
R2 ajustado nuevamente tiene un mínimo de capacidad explicativa de la varianza.

6.4.2 Regresiones Múltiples

A continuación se presentan los modelos de regresión múltiple para cada variable dependiente, acompañados
con un breve comentario analítico sobre los datos arrojados.
6.4.2.1 Variable dependiente: RDI Hipotecario
• Tabla 22: Modelo de regresión múltiple para RDI Hipotecario
Dependent variable:
rdi_dhip
(1) (2) (3) (4) (5) (6) (7)
estrato2 0.253 0.077 0.122 0.129 0.138 0.211 0.211
(0.155) (0.160) (0.159) (0.160) (0.159) (0.162) (0.162)

estrato3 −0.108 −0.445∗∗∗ −0.400∗∗ −0.534∗∗∗ −0.450∗∗∗ −0.311∗ −0.313∗

(0.140) (0.167) (0.166) (0.170) (0.172) (0.181) (0.182)

genero_pr1 −0.039 −0.029 −0.017 −0.049 −0.059 −0.031 −0.031

(0.107) (0.106) (0.105) (0.105) (0.105) (0.105) (0.105)

educ_pr 0.070∗∗∗ 0.061∗∗∗ 0.048∗∗ 0.050∗∗ 0.040∗∗ 0.039∗

(0.019) (0.019) (0.020) (0.019) (0.020) (0.020)

edad_pr −0.016∗∗∗ −0.020∗∗∗ −0.020∗∗∗ −0.021∗∗∗ −0.021∗∗∗

(0.005) (0.005) (0.005) (0.005) (0.005)

act_vp 0.000∗∗∗ 0.000∗∗∗ 0.000∗∗∗ 0.000∗∗∗

(0.000) (0.000) (0.000) (0.000)

ylabh −0.00000∗∗∗ −0.00000∗∗ −0.00000∗∗

(0.000) (0.000) (0.000)

ocuph −0.173∗∗ −0.164∗

(0.074) (0.085)

numh −0.009
(0.042)

Constant 1.556∗∗∗ 0.634∗∗ 1.459∗∗∗ 1.782∗∗∗ 1.774∗∗∗ 2.130∗∗∗ 2.158∗∗∗

(0.132) (0.287) (0.369) (0.380) (0.377) (0.406) (0.425)

Observations 496 496 496 488 488 488 488

R2 0.020 0.045 0.068 0.093 0.107 0.117 0.117
Adjusted R2 0.014 0.037 0.059 0.082 0.094 0.102 0.100
Residual Std. Error 1.125 (df = 492) 1.111 (df = 491) 1.099 (df = 490) 1.090 (df = 481) 1.083 (df = 480) 1.078 (df = 479) 1.079 (df = 478)
F Statistic 3.275∗∗ (df = 3; 492)5.783∗∗∗ (df = 4; 491)7.174∗∗∗ (df = 5; 490)8.227∗∗∗ (df = 6; 481)8.180∗∗∗ (df = 7; 480)7.900∗∗∗ (df = 8; 479)7.014∗∗∗ (df = 9; 478)

Note: ∗ p<0.1; ∗∗ p<0.05; ∗∗∗ p<0.01

El modelo de regresión múltiple de la variable dependiente RDI hipotecario entrega un sin fin de información
sociológicamente relevante. Primero cabe destacar que las variable Estrato deja de ser significativa para
estrato 2, mientras que estrato 3 decae en cuanto a su significatividad a medida que se incorporan nuevas
variables.Paralelamente, el coeficiente beta respectivo a la condición de ser hombre (genero_pr1) no es

26
significativo en ninguno de los modelos. Esto es importante pues aquellas variables que fueron propuestas
como las piezas centrales de la investigación, tienden a no ser significativas en estos modelos modelo. Se
confirma esta idea al ver el valor R2 y R2 ajustado de la primera regresión, donde se confirma una gran
disparidad entre ambos coeficientes. Por lo tanto la primera y tercera hipótesis queda imposibilitada de ser
comprobada. Recalcar también que la variable Integrantes por hogar tampoco tiene significación para el
modelo.
Los datos más relevantes que aparecen en la tabla son, en primer lugar, que las variables que aumentan en
una mayor cantidad al explicatividad del modelo son las variables valor de la vivienda principal (act_vp),
que incrementa el R2 ajustado en 0.023, y la variable edad del jefe de hogar (edad_pr), que incrementa el R2
ajustado en 0.022 respecto a los modelos previos donde no eran integradas. Lo segundo más relevante es
que el modelo 6 en su conjunto tiene una explicabilidad del 10.2% dado el R2 ajustado. También existe una
disminución en explicatividad en cuanto se añade la variable número de integrantes por hogar (numh), por
lo cual es una variable que tiene ínfima relevancia para explicar el RDI hipotecario. Esto significa que se
explica un 10% de la varianza cuando la variable dependiente RDI hipotecario es controlada por las variables
independientes estrato, género del jefe de hogar (genero_pr), educación del jefe de hogar (educ_pr), edad del
jefe de hogar (edad_pr), valor vivienda principal (act_vp), ingreso laboral mensual (ylabh), integrantes por
hogar(numh) y ocupados por hogar (ocuph), y un 10,2% cuando se quita la variable Integrantes por hogar
(numh) . Se pone especial relevancia en el valor R2 ajustado para limitar la distorsión otorgada tanto por
la correlación entre variables como también del aumento de R2 por el hecho de incrementar la cantidad de
variables explicativas. El R2 ajustado más explicativo lo encontramos en el modelo 6, aumentando un 0.8% al
agregar la variable número de ocupados por hogar, aunque a costa de un poco de parsimonia. Considerase al 6
el modelo más robusto para explicar la variación de RDI de deuda hipotecaria, siendo aquel que utilizaremos
en la revisión de supuestos.
Por ende, se puede afirmar que por cada unidad que aumenta la educación, aumenta en 0.04 unidades el RDI
hipotecario. Cada unidad adicional de edad hace disminuir en 0.21 el RDI hipotecario. Cada unidad que
aumenta tanto el valor de la vivienda principal como el ingreso laboral mensual significa un aumento para la
primera y una disminución para la segunda en 0 unidades. Y que por cada unidad que aumenta la variable
ocupados por hogar, disminuye en 0.173 el RDI hipotecario.
Con excepción del último modelo, pese a que se mantienen coeficientes beta no significativos, la integración de
estos datos permite un aumento en la explicación de la varianza dado por el modelo de regresión, manteniéndose
por tanto útiles para análisis pese a que no sea posible señalar con al menos un 90% de confianza que aquellos
corresponden al coeficiente a utilizar. El análisis del estadístico F sustenta estos modelos, manteniéndose
todos significativos al 99% de confianza.
6.4.2.2 Variable dependiente: RDI No Hipotecario
• Tabla 23: Modelo de regresión múltiple para RDI no hipotecario

27
 Dependent variable:
rdi_dnhip
(1) (2) (3) (4) (5) (6) (7)
estrato2 −0.030 −0.065 −0.065 −0.067∗ −0.065 −0.063 −0.067
(0.037) (0.040) (0.040) (0.041) (0.041) (0.043) (0.043)

estrato3 −0.120∗∗∗ −0.183∗∗∗ −0.184∗∗∗ −0.177∗∗∗ −0.163∗∗∗ −0.161∗∗∗ −0.166∗∗∗

(0.036) (0.045) (0.045) (0.048) (0.049) (0.052) (0.052)

genero_pr1 0.035 0.040 0.040 0.045 0.044 0.044 0.045

(0.031) (0.031) (0.031) (0.032) (0.032) (0.032) (0.032)

educ_pr 0.011∗∗ 0.011∗∗ 0.012∗∗ 0.012∗∗ 0.012∗∗ 0.011∗∗

(0.005) (0.005) (0.005) (0.005) (0.005) (0.005)

edad_pr 0.0001 0.0005 0.0004 0.0004 0.0001

(0.001) (0.001) (0.001) (0.001) (0.001)

act_vp −0.000 −0.000 −0.000 −0.000

(0.000) (0.000) (0.000) (0.000)

ylabh −0.000 −0.000 −0.000

(0.000) (0.000) (0.000)

ocuph −0.003 0.018

(0.022) (0.025)

numh −0.023∗
(0.012)

Constant 0.305∗∗∗ 0.171∗∗∗ 0.162∗ 0.142 0.148 0.155 0.214∗

(0.027) (0.062) (0.091) (0.095) (0.095) (0.106) (0.111)

Observations 1,013 1,013 1,013 995 995 995 995

R2 0.011 0.017 0.017 0.019 0.020 0.020 0.024
Adjusted R2 0.008 0.013 0.012 0.013 0.013 0.012 0.015
Residual Std. Error 0.475 (df = 1009) 0.474 (df = 1008) 0.474 (df = 1007) 0.477 (df = 988) 0.477 (df = 987) 0.477 (df = 986) 0.477 (df = 985)
F Statistic 3.886∗∗∗ (df = 3; 1009)4.362∗∗∗ (df = 4; 1008)3.489∗∗∗ (df = 5; 1007)3.158∗∗∗ (df = 6; 988)2.915∗∗∗ (df = 7; 987)2.551∗∗∗ (df = 8; 986)2.642∗∗∗ (df = 9; 98

Note: ∗ p<0.1; ∗∗ p<0.05; ∗∗∗ p<0.

Un primer aspecto que llama la atención del modelo es el hecho de que estrato 2 se mantiene no significativo
en todos los modelos, mientras que estrato 3 se mantiene significativo con 99% de confianza en todos los
modelos. La condición de ser hombre (genero_pr) no es significativa en ningún modelo, al igual que edad del
jefe de hogar (edad_pr), valor de la vivienda principal (act_vp), ingreso laboral (ylabh) y ocupados en el
hogar (ocuph). De todos modos, el hecho de que estrato 3 nos permite cumplir con la mitad del supuesto de la
segunda hipótesis, al poder afirmar que es significativamente inferior a uno de los dos estratos, no así respecto
del segundo. Si el coeficiente beta de estrato dos fuese significativo, considerando su valor, podría aceptarse
la segunda hipotesis. Pero este no es el caso. Como género no es significativo tampoco podemos probar parte
de nuestra tercera hipótesis. Pasando a las variables que sí poseen un nivel de significación de al menos 90%,
vemos el caso del nivel de educación del jefe de hogar (educ_pr). Según la tabla del modelo multinivel, por
cada año de escolaridad, el RDI aumenta un 0.11. Aún agregando más variables al modelo, el aumento de
RDI por año de escolaridad no se ve mayormente afectado-aumenta a un 0.12 por año de escolaridad. Según
la bibliografía, el alcanzar un mayor nivel de estudios se traduce en una mejora del ingreso y una mejora en la
realidad socioeconómica, lo que se evidencia en la significancia de Educ_pr y en el aumento de R2 ajustado,
que habla de un aumento en la capacidad explicativa del modelo de la varianza de RDI. Por tratarse del
aumento de R2 ajustado más alto -0.5%- en esta regresión multinivel es que se considera al modelo 2, por su
parsimonia y capacidad explicativa de la varianza (relativamente), el modelo que usaremos para posteriores
análisis.

6.4.3 Revisión de supuestos

Linealidad
Linealidad y Especificacion del modelo para RDI Hipotecario
• Gráfico 20: Linealidad para modelo RDI Hipotecario

28
 4

2
.resid

−2
−1 0 1 2
.fitted
Se puede observar, en el gráfico 5 que representa la linealidad del modelo, que los residuos se encuentran
distribuidos aleatoriamente alrededor de la línea residual (=0). Por lo anterior es posible afirmar que el
supuesto de linealidad se cumple, y consiguientemente, se da una correcta especificación del modelo de
regresión para RDI de deuda hipotecaria. Esto no reemplaza el análisis estadístico que se hará a continuación
a través de test F Anova:
## Analysis of Variance Table
##
## Model 1: rdi_dhip ~ estrato + genero_pr + educ_pr + edad_pr + act_vp +
## ylabh + ocuph
## Model 2: rdi_dhip ~ estrato + genero_pr + educ_pr + edad_pr + act_vp +
## ylabh + ocuph + I(.fitted^2)
## Res.Df RSS Df Sum of Sq F Pr(>F)
## 1 479 557.00
## 2 478 552.35 1 4.6519 4.0257 0.04537 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Se obtiene un F=4,0257 y Pr(>F) = 0,04537, lo que permite afirmar que el modelo cuadrático explicaría de
mejor forma los resultados obtenidos por el modelo de regresión.
Linealidad y Especificacion del modelo para RDI No Hipotecario
• Gráfico 21: Linealidad para modelo RDI no hipotecario

29
 4
.resid

0.1 0.2 0.3 0.4

.fitted
Aunque los intervalos de confianza para este modelo son más estrechos, en este modelo para RDI de deuda no
hipotecaria se cumple el supuesto de linealidad, por estar los casos distribuidos aleatoriamente con respecto a
la línea residual.
## Analysis of Variance Table
##
## Model 1: rdi_dnhip ~ estrato + genero_pr + educ_pr
## Model 2: rdi_dnhip ~ estrato + genero_pr + educ_pr + I(.fitted^2)
## Res.Df RSS Df Sum of Sq F Pr(>F)
## 1 1008 226.47
## 2 1007 225.27 1 1.2013 5.3703 0.02068 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Al igual que en el caso anterior, observamos que el modelo cuadrático permite un mejor análisis que el modelo
de regresión presentado. Esto es relevante para futuras observaciones.
Multicolinialidad
En este Test de Factor de Inflación de Varianza, conocido también como VIF, se evaluará la multicolinealidad
en términos de intensidad. Se llevará a cabo mediante un análisis de regresión lineal de Mínimos cuadrados
ordinario, para descubrir posibles correlaciones entre las variables de interés. El rango del análisis va de entre
1 y 10, que corresponden de menos a más colinealidad respectivamente.
Multicolinialidad RDI Hipotecario
• Tabla 24: Multicolinialidad RDI Hipotecario
En el presente test de factor de inflación de varianza, que toma como referencia el modelo de la variable
dependiente RDI hipotecario, todos los valores reportados son cercanos a 1, por lo cual se puede asegurar que
hay ausencia de multicolinealidad.
Multicolinialidad RDI NOHipotecario
• Tabla 25: Multicolinialidad RDI No Hipotecario

30
 Table 1:

GVIF Df GVIFˆ(1/(2∗Df))
estrato 2.014 2 1.191
genero_pr 1.063 1 1.031
educ_pr 1.631 1 1.277
edad_pr 1.091 1 1.045
act_vp 1.351 1 1.162
ylabh 1.165 1 1.080
ocuph 1.229 1 1.108

Table 2:

GVIF Df GVIFˆ(1/(2∗Df))
estrato 1.635 2 1.131
genero_pr 1.060 1 1.030
educ_pr 1.560 1 1.249

El análisis de multicolinealidad para el caso de las variables independiente RDI de deuda no hipotecaria y
RDI de deuda no hipotecaria con sus respectivos predictores muestra coeficientes cercanos a 1, lo que prueba
que en lo que respecta a estas variables existe ausencia de multicolinealidad.
Normalidad
A raíz de revisar los supuestos estadísticos que guían los modelos de regresión también es necesario comprobar
si existe o no normalidad en los residuos. A continuación se procede a aplicar el test shapiro-wilks para
testear la hipótesis nula de que los residuos están o no normalmente distribuidos.
Normalidad RDI Hipotecario
• Gráfico 22: Normalidad RDI Hipotecario
Studentized Residuals(regmH6)

2582
982
3
2
1
0
−2

−3 −2 −1 0 1 2 3

t Quantiles
## [1] 982 2582
##

31
## Shapiro-Wilk normality test
##
## data: Base.graficos$.resid
## W = 0.93, p-value = 0.00000000000002482
En este test de normalidad de residuos se puede observar un valor P menor a 0.05, permitiendo rechazar la
hipótesis nula de normalidad de los residuos.
Normalidad RDI No Hipotecario
• Gráfico 23: Normalidad RDI No Hipotecario
Studentized Residuals(regmNH2)

3762
12

3557
8
6
4
2
0

−3 −2 −1 0 1 2 3

t Quantiles
## [1] 3557 3762
##
## Shapiro-Wilk normality test
##
## data: Base.graficos2$.resid
## W = 0.57304, p-value < 0.00000000000000022
Al igual que con el caso anterior ocurre que el valor p del presente Test de normalidad es menor a 0,05, por lo
cual se rechaza la hipótesis nula de que los residuos están normalmente distribuidos.
Casos Influyentes
Para que el coeficiente de regresión represente de manera fehaciente el modelo en cuestión, sin una influencia
excesiva de observaciones influyentes que hacen que haya un apalancamiento, es necesario hacer un test de
casos influyentes. A continuación se hace este test de detección de casos influyentes aplicado a los modelos de
regresión múltiple.
Casos influyentes RDI Hipotecario (Modelo 6)
• Tabla 26: Modelo de regresión RDI Hipotecario sin casos influyentes

32
 Dependent variable:
rdi_dhip
OLS Sin Influyentes
(1) (2)
estrato2 0.211 0.252∗∗
(0.162) (0.114)

estrato3 −0.311∗ −0.251∗∗

(0.181) (0.127)

genero_pr1 −0.031 −0.108

(0.105) (0.068)

educ_pr 0.040∗∗ 0.043∗∗∗

(0.020) (0.014)

edad_pr −0.021∗∗∗ −0.024∗∗∗

(0.005) (0.003)

act_vp 0.000∗∗∗ 0.000∗∗∗

(0.000) (0.000)

ylabh −0.00000∗∗ −0.00000∗∗∗

(0.000) (0.000)

ocuph −0.173∗∗ −0.156∗∗∗

(0.074) (0.050)

Constant 2.130∗∗∗ 2.025∗∗∗

(0.406) (0.279)

Observations 488 367

R2 0.117 0.308
Adjusted R2 0.102 0.292
Residual Std. Error 1.078 (df = 479) 0.597 (df = 358)
F Statistic 7.900∗∗∗ (df = 8; 479) 19.901∗∗∗ (df = 8; 358)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01
El análisis de datos influyentes nos permite generar un nuevo modelo de regresión en el que, a través del
cálculo de D de Cook podemos eliminar aquellos casos que superan el D de cook crítico influyendo en demasía
el cálculo del modelo de regresión. En este caso el nuevo modelo es uno de los hallazgos más relevantes de
esta investigación, generando un nuevo modelo con una capacidad explicativa de aproximadamente el triple
que el modelo anterior, donde además el estrato 2 vuelve a ser significativo, permitiéndonos realizar una
conclusión a nuestras hipótesis. Particularmente respecto a nuestra primer hipótesis, este modelo muestra
que con un nivel de confianza del 95% es posible estimar que el valor estimado más alto para RDI respecto a
la variable estrato en este modelo correspondería a estrato dos, rechazando así nuestra primera hipótesis.
Casos Influyentes No Hipotecario (Modelo 2)
• Tabla 27: Modelo de regresión RDI No Hipotecario sin casos influyentes

33
 Dependent variable:
rdi_dnhip
OLS Sin Influyentes
(1) (2)
estrato2 −0.065 −0.022
(0.040) (0.021)

estrato3 −0.183∗∗∗ −0.074∗∗∗

(0.045) (0.024)

genero_pr1 0.040 0.009

(0.031) (0.016)

educ_pr 0.011∗∗ 0.005∗∗

(0.005) (0.002)

Constant 0.171∗∗∗ 0.156∗∗∗

(0.062) (0.033)

Observations 1,013 975

R2 0.017 0.011
Adjusted R2 0.013 0.007
Residual Std. Error 0.474 (df = 1008) 0.243 (df = 970)
F Statistic 4.362∗∗∗ (df = 4; 1008) 2.638∗∗ (df = 4; 970)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01
El análisis de casos influyentes en esta caso, para RDI no hipotecario, trae un nuevo modelo bastante similar
al anterior con particulares excepciones. En general no cambia la significación estadística de los factores,
se mantiene la validez de ambos modelos existiendo un estadístico F significativo al 99% de confianza para
ambos casos, la constante varía poco porcentualmente respecto al valor del intercepto, y género (clave para
nuestra tercera hipótesis) se mantiene sin significación estadística. Sin embargo, existe una baja en los
coeficientes beta de todas las variables que no se condice con un aumento en otra, sino que al parecer estaría
dado por la eliminación de aquellos casos influyentes. En segundo lugar disminuye el error estándar general
para el modelo sin casos influyentes, cuestión que no se condice necesariamente con un aumento en el R2 o
R2 ajustado. Por lo tanto podemos inferir que aquellos casos influyentes que fueron eliminados explicarían
mayormente la varianza respecto a RDI no hipotecario, pese a poseer un D de Cook mayor al crítico para
este caso. Fuera de lo analizado no hay implicancias mayores respecto de nuestras hipótesis de investigación.

7. Discusión Resultados
A modo de conclusión, la riqueza del análisis múltiple es que nos permite ver el efecto de un predictor sobre
otro, permitiendo que el modelo explique mejor cada una de las variables implicadas en el análisis una vez
tomado en cuenta los controles estadísticos necesarios. Y lo más interesante de este tipo de análisis es cómo
desafía expectativas investigativas, como veremos a continuación.
Los modelos de regresiones que se construyeron en base a las variables RDI hipotecario y RDI no hipotecario,
siendo estas controladas por las variables independientes género del jefe de hogar, estrato del hogar, edad del
jefe de hogar, años de educación del jefe de hogar, valor de vivienda principal, número miembros del hogar y
número de ocupados por hogar, sirvieron para cumplir parcialmente los objetivos de la investigación. En primer
lugar se pudo cumplir el objetivo sobre construir modelos de regresión capaces de explicar significativamente los
valores que determinan la variación de ambos RDI, aunque algunos valores terminaron no siendo significativos,
siendo los casos más emblemáticos las variables género y estrato para el RDI hipotecario y género para el RDI
no hipotecario, que fueron las variables centrales de la investigación. Por lo tanto, teniendo en cuenta esta
dificultad es que los objetivos en torno a identificar la influencia de la variable estrato del hogar en ambos
RDI e identificar la influencia de la variable género del jefe de hogar en ambos RDI se cumplen parcialmente,

34
como es el caso del primer objetivo mencionado, o simplemente no se cumplen, como es el caso del último
objetivo mencionado.
Esto hasta tomar en cuenta el nuevo modelo de regresión sin casos influyentes para RDI hipotecario. La
relevancia de este modelo, además de contar con un importante R2 ajustado (29,2%), es que vuelve significativo
el valor del coeficiente beta para estrato 2. Esto permite establecer, dentro del modelo, que si las demás
variables se mantienen constantes, el mayor valor de RDI hipotecario será para la estimación con estrato 2.
Esto nos permite de plano rechazar nuestra primera hipótesis: “que el valor estimado de RDI hipotecario en
el modelos de regresión múltiple es mayor para el factor de pertenencia a un hogar de estrato 1”.
Nuestra segunda hipótesis, “que el valor estimado de RDI no hipotecario en los modelos de regresión múltiple
es menor para el factor de pertenencia a un hogar de estrato 3” abre la puerta al debate de las responsabilidades
crediticias y la estabilidad socioeconómica familiar. La oferta crediticia ha crecido en Chile, y los sectores
más recientemente incluidos son sectores que hacen uso de créditos no hipotecarios para el consumo. Estos
sectores comprometen gran parte de su ingreso al pago de estas deudas, lo que repercute en la estabilidad
económica familiar. La morosidad en el pago de cuentas, además de influir en las crecientes tasas de interés
por mora y en las estrategias como la repactación o el endeudarse para saldar deudas (Ruiz-tagle, García
y Miranda, 2013) también influye en la integración de las familias a la sociedad, mediada por el acceso al
mercado.
Esta hipótesis no se ve alterada por el nuevo modelo de regresión sin casos influyentes para RDI no hipotecario,
pues el factor estrato 2 se mantiene sin significancia estadística, no siendo posible afirmar entonces que estrato
3 sería el estrato con menor valor para la estimación. Sin embargo, en este caso se trata de un problema de
significancia, pues si el coeficiente beta para estrato dos fuese significante sería posible afirmar que el estrato
3 otorgaría la menor estimación dentro del modelo de regresión múltiple.
Nuestra tercera hipótesis no puede ser probada pues la significatividad de género es menor a nuestro nivel
de significancia mínimo (p <0.10). No siendo posible establecer que existan valores superiores para uno
u otro factor. De todos modos nos referiremos a los resultados obtenidos bajo el supuesto de que fuesen
significativos. En este caso el RDI hipotecario relativo a la condición de jefe de hogar masculino reportaría
una estimación más baja en valor que la categoría base jefa de hogar (mujer). Esto apoyaría parcialmente
nuestra tercera hipótesis, no obstante, para RDI no hipotecario la situación sería a la inversa, reportando una
mayor estimación de RDI no hipotecario en caso de que el jefe de hogar sea hombre. En este supuesto de
tener los niveles de significación suficientes tampoco hubiésemos podido aceptar nuestra segunda hipótesis.
Otra temática que es necesaria repasar es la feminización del grupo de hogar y las estructuras jerárquicas que
existen al interior de la familia, cuestión que guarda relación a con las bases de la tercera hipótesis propuesta.
En la base de datos que se utiliza como base no se hace un análisis composicional respecto a la variable
género. Esto sería útil para realizar un análisis acabado de la influencia de la estratificación (de hogares) por
género. El punto de acercamiento a esto consistió en utilizar la variable género del jefe de hogar (genero_pr)
como un acercamiento, sin embargo, aparentemente esta variable no logra explicar la variación del índice
RDI. Esto podría estar dado por la naturaleza de ambos elementos: mientras la definición de quién es el jefe
de hogar en una familia es una decisión simbólica, la relación deuda ingreso está en un plano esencialmente
microeconómico. Con esto no se quiere decir que no exista correlación entre la definición de jefe de hogar y
características socioeconómicas del hogar, sino que hace falta de otra variable que permita analizar lo que la
bibliografía señala como diferencias de género en cuanto a ingresos y deuda.

8. Referencias Bibliográficas
Banco Central de Chile. (2018). Encuesta financiera de hogares 2017: Principales resultados. Santiago de
Chile: Banco Central de Chile.
Banco Central de Chile. (2018a). Encuesta financiera de hogares 2017: Metodología. Santiago de Chile:
Banco Central de Chile.
Bermeo, Elizabeth. (2017). Women and high cost credit: a gender analysis of the home credit industry in the
UK. Bristol, England: University of Bristol.

35
Catanzarite y Deere, (2017). ¿Quién obtiene préstamos para acumular activos? Clase, género y endeudamiento
en el mercado crediticio del Ecuador. Revista de la CEPAL N° 122 Agosto de 2017 : CEPAL.
Cox, Parrado and Ruiz-Tagle, (2006), “The Distribution of Assets, Debt and Income among Chilean
Households”, with Paulo Cox and Eric Parrado, Proceedings of the IFC Conference on "Measuring the
financial position of the household sector,” Basel, 30-31 August 2006 – Volume 2.
Gutierrez, Paulina. (2018). VIVIR CON DEUDAS EN CHILE Análisis de la estructura, fallas y regulación
en el mercado de créditos al consumo. Santiago de Chile: Facultad de Derecho Universidad de Chile.
Ideapaís. (2014). Endeudamiento y pobreza en Chile, Informe Social Nº1, 2014. Santiago de Chile: Ideapaís.
Parrado, Eric. (2016). Informe de endeudamiento. Santiago de Chile: SBIF.
Pinto, Cristian. (2016). El Perfil de los Hogares Más Endeudados en Chile. Santiago de Chile: Centro de
Investigación de la Empresa, Facultad de Economía y Negocios Universidad del Desarrollo.
Ruiz-Tagle, García y Miranda, (2013), “Proceso de Endeudamiento y Sobreendeudamiento de los Hogares en
Chile”. Documento de Trabajo del Banco Central de Chile, No. 703, Agosto 2013.
Superintendencia de Bancos e Instituciones Financieras. (2009). Género en el sistema financiero. Santiago de
Chile: SBIF.
Superintendencia de Bancos e Instituciones Financieras. (2014). Género en el sistema financiero. Santiago de
Chile : SBIF.
UN Women. (2015). WHO BORROWS? AN ANALYSIS OF GENDER, DEBT AND ASSETS IN ECUADOR,
GHANA AND KARNATAKA, INDIA. New York, United States.: UN Women.
Virot, Marlene. (2014). “Factores que influyen en el endeudamiento por tarjetas de crédito en Casas
Comerciales y default”. Santiago, Chile: FEN Universidad de Chile.
Weinstein, Debbie. (2001). Endeudamiento de personas en el sistema financiero. Santiago de Chile: SBIF.
Wilkis, Ariel. (2014). Sociología del crédito y economía de las clases populares. Universidad Nacional
Autónoma de México-Instituto de Investigaciones Sociales. Revista Mexicana de Sociología 76, núm. 2
(abril-junio, 2014): 225-252. México, D.F. ISSN: 0188-2503/14/07602-03.

36