Financial Inclusion and the Role of Financial Literacy in the Philippines
Notice bibliographique
Résumé
Financial inclusion is increasingly seen as a key enabler of various development objectives. While not explicitly one of the UN Sustainable Development Goals (SDGs), financial inclusion is recognized as an important enabler for them. The Philippine central bank—the Bangko Sentral ng Pilipinas (BSP)—has even identified financial inclusion as a “national development agenda” that requires a conscious effort by various sectors to accelerate and enable its societal benefits. This paper studies the relationship between financial literacy and financial inclusion in the Philippines using data gathered from the 2019 Financial Inclusion Survey (FIS). We apply ownership of financial account and use of financial services as indicators of financial inclusion. Based on the results, financial literacy is a positive driver of financial inclusion. We calculated that a one-standard-deviation increase in financial literacy scores increased the likelihood of holding at least one account by 3.7 to 4.2 percentage points. On the other hand, a one-point increase in financial literacy scores improved the likelihood of availing of a financial service by 4.9 to 6.0 percentage points. The other drivers of owning at least one formal account and availing of financial services are age, gender, employment status, awareness of BSP’s programs, income above 40,000 PHP, and being the main household financial decision-maker. This paper aims to promote BSP’s agenda to bridge the financial inclusion gap and raise financial literacy levels in the country. With this study, the authors second BSP’s advocacy that financial inclusion is one of the instruments to attain sustainable and equitable development in the Philippines.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».