1
Factores asociados al rendimiento en competencia financiera
en PISA 2012 Dolores Moreno Herrero
Manuel Salas Velasco
José Sánchez Campillo
Departamento de Economía Aplicada
Universidad de Granada
Un mundo globalizado, caracterizado por una mayor complejidad de los mercados y de la
economía, requiere que los ciudadanos, y en particular los jóvenes, adquieran más
conocimientos –y desarrollen competencias– en temas económico-financieros que las
generaciones pasadas. El objetivo de este trabajo es analizar qué factores se asocian al
rendimiento en competencia financiera de los jóvenes de 15 años de los dieciocho países que
participaron en el programa PISA de la OCDE en 2012, entre ellos España. En PISA, la
competencia financiera se define como el conocimiento, las habilidades y la confianza para
tomar decisiones financieras responsables. Usando la metodología econométrica de análisis
multinivel, los resultados muestran que las diferencias en la competencia financiera de los
alumnos vienen explicadas tanto por características individuales de los mismos como por las
relativas a sus centros educativos. En el primer caso, la ansiedad ante las matemáticas y la
condición de inmigrante afectan negativamente a las puntuaciones alcanzadas en competencia
financiera; mientras que un mayor estatus socioeconómico, y los hábitos y actitudes de los
jóvenes ante asuntos de dinero –como tener una cuenta bancaria–, se relacionan positivamente
con su nivel de competencia financiera. En el segundo caso, un mayor grado de autonomía y de
responsabilidad escolar sobre el currículo y la evaluación, y la realización de actividades
extracurriculares de matemáticas en la escuela, se relacionan positivamente con el rendimiento
en finanzas para la vida.
El interés por conocer la manera en la que los centros escolares pueden realizar
aportaciones a la promoción de la cultura financiera de los jóvenes es fundamental para
garantizar la igualdad de oportunidades en el desarrollo de habilidades financieras. La
implementación de contenidos económico-financieros de manera transversal en distintas
materias de la enseñanza obligatoria podría contribuir al desarrollo de dichas habilidades.
Palabras clave: PISA 2012, competencia financiera, educación financiera, análisis multinivel.
2
1. Introducción
Las decisiones económicas y financieras de los individuos, ya sean las relacionadas con la
generación de activos o con la gestión de deudas, requieren la capacidad para realizar cálculos,
incluyendo algunos complejos. Tales decisiones se ven condicionadas por diversos factores
como el nivel educativo, la renta, determinadas características de comportamiento como la
actitud ante el riesgo (Hilgert et al., 2003) y la preferencia temporal respecto al consumo y
ahorro de los individuos. Pero sin duda, también se ven influenciadas por el nivel de
conocimientos en materia económico-financiera.
En los últimos años, el interés por la educación financiera de los ciudadanos y por la
medición de los conocimientos económicos y financieros de los individuos es cada vez más
importante (OECD/INFE, 2011). Cualquier familia media ha de decidir cómo equilibrar su
presupuesto, si comprar o no una vivienda, cómo financiar la educación de los hijos y cómo
asegurarse un ingreso para la jubilación. Los individuos y los hogares siempre han sido
responsables de la gestión de sus propias finanzas, pero en los últimos años varios factores han
contribuido a tomar conciencia de la importancia cada vez mayor de la educación financiera
para el bienestar de los ciudadanos. Por un lado, la evolución demográfica, tanto en la Unión
Europea como en otros países de la OECD, unido a los recortes en los sistemas de ayudas
públicas, conlleva a tensiones importantes para la viabilidad financiera de los sistemas públicos
de pensiones (OECD/INFE, 2011), lo que genera gran preocupación. Ello está suponiendo un
desplazamiento del riesgo de los gobiernos a los individuos y una mayor responsabilidad
individual respecto a la financiación de las necesidades en materia de asistencia social y
sanitaria. Por otro lado, la crisis económica actual ha demostrado que muchas familias son muy
vulnerables a los vaivenes de la economía, y es necesario mejorar las competencias financieras
de los ciudadanos para que puedan tomar sus decisiones con mayor previsión, calibrando el
riesgo y el rendimiento de los diferentes activos, tanto financieros como reales. Todo ello, en un
contexto de mayor interconexión global, con una amplia gama de productos y servicios
financieros, cada vez más sofisticados, y grandes cambios en las comunicaciones y en la forma
de realizar las transacciones financieras.
La idea de que la educación financiera afecta al comportamiento de los individuos con
relación al ahorro, y en particular a sus decisiones respecto a la jubilación, no es nueva.
Bernheim (1995, 1998) y Bernheim y Sholz (1992) concluyen que quienes tienen mayor
educación formal son más propensos a realizar una planificación financiera más sofisticada.
Asimismo, Lusardi y Mitchell (2007a, 2007b) han demostrado que la educación financiera
tiene efectos positivos en el nivel de ahorro para la jubilación y que los planificadores tienen
significativamente mayor riqueza para la jubilación que los no planificadores. La literatura
3
reciente ha demostrado que la alfabetización financiera se asocia con una amplia gama de
decisiones financieras, no sólo con las que afectan a la jubilación, tales como la participación en
el mercado de valores, la diversificación de la cartera, y la tendencia a evitar el
sobreendeudamiento (Guiso y Jappelli, 2008; Lusardi y Tufano, 2009; Van Rooij et al., 2011).
La educación financiera de los jóvenes, y en particular en los centros docentes, viene
siendo considerada como una cuestión prioritaria desde hace tiempo, y en este sentido la Red
Internacional de Educación Financiera (International Network on Financial Education, INFE)
creada por la OCDE en 2008, ha elaborado pautas para la educación financiera en los centros.
Sin embargo, no todos los países abordan de igual forma el objetivo de preparar a sus
estudiantes para un mundo financiero cada vez más complejo (OECD, 2014). Algunos de ellos
han empezado a introducir conocimientos financieros en el currículo escolar, mientras que otros
orientan sus esfuerzos a reforzar la comprensión conceptual de los estudiantes en áreas clave
como las matemáticas con el fin de que los estudiantes sean capaces de aplicar lo aprendido a
diferentes contextos, entre ellos el financiero. La competencia financiera requiere ciertos
conocimientos básicos de aritmética o competencia matemática, y en este sentido, tal como
señala Huston (2010), si una persona tiene problemas con sus capacidades aritméticas, ello
afectará a su competencia financiera. De hecho, Mancebón y Pérez (2014) demuestran para
España que las competencias de índole financiera de los individuos está mediatizada por la
adquisición de conocimientos matemáticos. Estas aportaciones sugieren que la mejora de las
habilidades financieras podría lograrse a través de mejoras en los conocimientos matemáticos y,
por tanto, la impartición de más horas de matemáticas junto a la orientación de la docencia de
esta materia hacia el fomento de una actitud positiva hacia ella por parte de los alumnos, podría
constituir una estrategia adecuada, y fácil de implementar, para desarrollar las competencias
financieras de los alumnos. En cualquier caso, la cuestión de cómo desarrollar los
conocimientos financieros está abierta a debate ya que, según PISA 2012, en países como
Shanghái-China, donde no se ha introducido el conocimiento financiero en el currículo escolar,
sus estudiantes muestran mayor dominio en este ámbito que en cualquier otro país.
Este trabajo tiene precisamente como objetivo conseguir un mejor entendimiento de los
factores que explican el nivel de conocimientos financieros que han adquirido los jóvenes de18
países, entre ellos España, cuando terminan su enseñanza obligatoria. Los resultados obtenidos
por los estudiantes de 15 años en la prueba de finanzas para la vida pueden estar determinados
por numerosos factores personales y relacionados con su contexto familiar, sin olvidar variables
relacionadas con los procesos de enseñanza-aprendizaje (preparación del docente, sistema de
evaluación, etc.). Pero la variabilidad de los resultados puede también ser atribuible a
características de los centros, como el grado de autonomía, los mecanismos de selección del
alumnado, o los recursos humanos y materiales puestos a su disposición.
4
La organización del trabajo es la siguiente. En la segunda sección se presenta la metodología de
análisis de los datos. Dada la estructura jerárquica que presentan los mismos, variables
individuales (nivel 1) y grupales (nivel 2), se requiere el uso de la modelización multinivel.
Utilizando esta metodología econométrica, se analiza cómo ciertas características socio-
demográficas, prácticas docentes percibidas por los estudiantes, variables relativas a sus
experiencias con asuntos monetarios, y variables relativas a sus centros educativos, influyen en
los resultados obtenidos por los estudiantes de 15 años en la prueba de finanzas para la vida. A
continuación, en la tercera sección, se analizan los principales resultados obtenidos. El trabajo
se cierra con una sección de conclusiones finales y recomendaciones de política educativa.
2. Metodología
2.1. Análisis multinivel
La modelización multinivel asume que los datos que se analizan presentan una estructura
jerárquica; por ejemplo, alumnos (nivel 1) que pertenecen a distintos colegios o centros
educativos (nivel 2). Un modelo estadístico que use las características a nivel individual para
explicar los resultados educativos de los estudiantes, pero que no contemple los efectos de la
institución educativa en la que se encuentran matriculados (efecto colegio o escuela), puede
considerarse insatisfactorio por dos razones. Primera, los test estadísticos de significatividad
están a menudo sesgados. Segunda, si los efectos institucionales son ignorados, el modelo falla
para arrojar luz sobre la influencia de la institución en el proceso educativo (Goldstein, 1995,
1997). Sin embargo, la modelización multinivel incorpora explícitamente efectos institucionales
o de grupo a la hora de explicar la relación entre los resultados de los estudiantes y factores
individuales que determinan el rendimiento.
Consideremos, en primer lugar, un modelo simple en el contexto de la producción
educativa. Denotemos por 𝑦𝑖𝑗 el rendimiento académico del i-ésimo alumno matriculado en el j-
ésimo centro educativo o escuela; entonces, el modelo se especificaría como (modelo 0):
𝑦𝑖𝑗 = 𝛽𝑗 + 𝑒𝑖𝑗 = 𝛽0 + 𝑢𝑗 + 𝑒𝑖𝑗
El modelo anterior, conocido como modelo vacío, indica que el rendimiento individual
del alumno puede dividirse, por un lado, en una contribución específica de colegio (𝛽𝑗) y, por
otro, en una desviación (𝑒𝑖𝑗) de la contribución de su colegio. La contribución específica de
colegio (𝛽𝑗) es adicionalmente dividida en un valor medio a través de todos los colegios o
centros educativos (𝛽0) y una desviación de la media (𝑢𝑗). A estos 𝑢𝑗 a menudo se les denomina
“efectos de grupo” (en nuestro caso, efecto colegio), y que discutiremos más adelante.
En relación con el análisis efectuado hasta ahora deberíamos anotar dos cosas. La
primera, que los centros educativos se asumen que son una muestra aleatoria de la población de
5
escuelas. Los 𝑢𝑗, los cuales son distribuidos entre centros, se distribuyen normalmente con
media 0 y varianza 𝜎𝑢2. Los residuos a nivel de estudiante o individuo (𝑒𝑖𝑗) también se
distribuyen normalmente con media 0 y varianza 𝜎𝑒2. Con un software específico, como Stata,
pueden obtenerse las estimaciones de los parámetros desconocidos (𝛽0,𝜎𝑢2,𝜎𝑒2). Cada efecto
estimado de colegio 𝑢𝚥� tiene un error de muestreo, y así pueden también computarse intervalos
de confianza.
El modelo anterior puede adaptarse para incorporar predictores de la variable
dependiente. Por ejemplo, el mejor predictor del rendimiento de un alumno es probable que sea,
como probamos en este artículo, su estatus socioeconómico (𝑥𝑖𝑗). El modelo, por tanto, se
especificaría ahora como (modelo 1):
𝑦𝑖𝑗 = 𝛽0 + 𝛽1𝑥𝑖𝑗 + 𝑢𝑗 + 𝑒𝑖𝑗
En este modelo, la pendiente de la relación entre 𝑦𝑖𝑗 y 𝑥𝑖𝑗 queda constante, mientras que
el intercepto varía entre colegios. Así, 𝛽0 y 𝛽1 son cantidades fijas; y los errores 𝑢𝑗 y 𝑒𝑖𝑗 son la
parte aleatoria del modelo. Ni que decir tiene que un número mayor de variables explicativas
podrían ser añadidas a este modelo.
Finalmente, consideremos un modelo que permita que la pendiente de la relación entre
𝑦𝑖𝑗 y 𝑥𝑖𝑗 varíe entre colegios así como también el intercepto. Se escribiría como (modelo 2):
𝑦𝑖𝑗 = 𝛽0 + 𝛽1𝑗 𝑥𝑖𝑗 + 𝑢𝑗 + 𝑒𝑖𝑗𝛽1𝑗 = 𝛽1 + 𝜐𝑗
Así, la pendiente media global para la población de colegios es 𝛽1, y cada colegio puede
desviarse de ésta por 𝜐𝑗. Los términos 𝑢𝑗 y 𝜐𝑗 siguen una distribución normal bivariada (hay dos
variables aleatorias en el nivel 2) con media igual a cero. La varianza de 𝑢𝑗 mide la variación a
través de las rectas de los colegios en sus interceptos, denotada por var(𝑢𝑗) = 𝜎𝑢2; la varianza de
𝜐𝑗 mide la variación a través de las rectas de los colegios en sus pendientes y es denotada por
var(𝜐𝑗) = 𝜎𝜐2; y la covarianza entre 𝑢𝑗 y 𝜐𝑗 mide la covarianza entre el intercepto a nivel de
colegio y la pendiente, y es denotada por cov(𝑢𝑗, 𝜐𝑗) = 𝜎𝑢,𝜐. El rendimiento individual de los
alumnos varía de su recta resumen por la cantidad 𝑒𝑖𝑗. En este modelo, conocido como modelo
de pendiente aleatoria, 𝛽0 y 𝛽1 son cantidades fijas; 𝜐𝑗, 𝑢𝑗, 𝑒𝑖𝑗 son coeficientes aleatorios.
2.2. Datos y variables
PISA 2012 es el primer estudio internacional que evalúa la competencia financiera de los
jóvenes de 15 años. En esta evaluación han participado 18 países, 13 de la OCDE (Australia,
Bélgica, Eslovaquia, Eslovenia, España, Estados Unidos, Estonia, Francia, Israel, Italia, Nueva
Zelanda, Polonia y República Checa) y 5 países asociados (Colombia, Croacia, Federación
6
Rusa, Letonia y Shanghai-China). Los alumnos que participaron en esta evaluación contestaron
un cuestionario sobre ellos mismos, sus familias, su instituto y su aprendizaje, y además,
respondieron preguntas sobre su experiencia en cuestiones de dinero. Por su parte, los directores
de los centros escolares cumplimentaron un cuestionario sobre gestión escolar, entorno de
aprendizaje y cuestiones sobre educación financiera en el ámbito escolar.
2.2.1. Variable dependiente
La variable dependiente en las distintas estimaciones econométricas realizadas es el
rendimiento en competencia financiera de los estudiantes evaluados en PISA 2012. Esta
competencia "hace referencia al conocimiento y comprensión de los conceptos y riesgos
financieros, y a las destrezas, motivación y confianza para aplicar dicho conocimiento y
comprensión con el fin de tomar decisiones eficaces en distintos contextos financieros, mejorar
el bienestar financiero de los individuos y la sociedad, y permitir la participación en la vida
económica" (OECD, 2013a, pág. 144). Hicieron la aprueba unos 29.000 alumnos, lo que
representó a 9 millones de adolescentes de 15 años de los países participantes.
Tabla 1. Puntuaciones medias en competencia financiera por países (número de observaciones entre paréntesis)*
Australia 526,05 (3293) Italia 466,33 (7068)
Bélgica 541,10 (1093) Letonia 500,60 (970)
Colombia 378,66 (2100) Nueva Zelanda 519,98 (957)
República Checa 513,19 (1207) Polonia 510,13 (1054)
España 484,25 (1108) China 603,38 (1197)
Estonia 529,06 (1088) Federación Rusa 486,27 (1187)
Francia 486,26 (1068) República Eslovaca 470,45 (1055)
Croacia 480,30 (1145) Eslovenia 484,10 (1312)
Israel 476,46 (1006) EE.UU. 491,60 (1133)
* La puntuación media de la OCDE es 500 puntos. Las cifras mostradas en la tabla se han obtenido teniendo en cuenta los pesos correspondientes.
Fuente: Elaboración propia a partir de la base de datos de PISA 2012
La tabla 1 muestra las puntuaciones medias en competencia financiera por países.
Claramente, las puntuaciones más altas corresponden a Shanghái-China (603) y Flandes-Bélgica
(541). A continuación se sitúan Estonia (529), Australia (526) y Nueva Zelanda (520) con
puntuaciones por encima del promedio OCDE. La puntuación obtenida por España (484) es
inferior al promedio de la OCDE de forma significativa. En el lado opuesto, Colombia (379),
Italia (466) y Eslovaquia (470) obtienen las puntuaciones medias más bajas.
2.2.2. Variables explicativas relativas a prácticas docentes y ambiente de clase (nivel 1)
Los profesores pueden desempeñar un papel importante en la conformación de la actitud
de los estudiantes hacia el aprendizaje, y en animarles a trabajar al máximo de sus capacidades,
7
a través de las estrategias de enseñanza y de la conducta del profesor en el aula. Aunque no se
dispone de información directa sobre métodos docentes para el desarrollo de competencias
financieras, debido a la muy alta correlación entre las puntuaciones en matemáticas y en
finanzas para la vida (correlación de 0,8074 y estadísticamente significativo al 5% para el
conjunto de países participantes), utilizamos la información facilitada por PISA sobre prácticas
de enseñanza de las matemáticas para explicar los resultados en competencia financiera.
En PISA 2012 se introducen por primera vez tres índices relacionados con las prácticas
de enseñanza de matemáticas según la percepción de los alumnos. Se les pidió a los estudiantes
que informaran con qué frecuencia una serie de situaciones se presentaban durante sus clases de
matemáticas. Dichas prácticas relacionadas con la conducta del profesor se refieren, en primer
lugar a la evaluación formativa; en segundo lugar, a una conducta del profesor orientada al
estudiante; y en tercer lugar, a la instrucción dirigida por el docente.
El primer índice, denominado conducta del profesor: evaluación formativa, se construye
en base a las respuestas individuales sobre la frecuencia con la que el profesor de matemáticas:
a) dice a los estudiantes lo bien que lo están haciendo en la clase de matemáticas; b) da a los
estudiantes retroalimentación sobre sus fortalezas y debilidades en las matemáticas; c) dice a los
alumnos lo que espera de ellos ante un examen, prueba o tarea; d) dice a los estudiantes lo que
necesitan hacer para ser mejores en matemáticas.
El segundo índice, denominado conducta del profesor: orientación al estudiante, se
construye a partir de las respuestas dadas por cada estudiantes sobre la frecuencia con que su
profesor de matemáticas: a) asigna tareas diferentes a los estudiantes según tengan dificultades
de aprendizaje o puedan avanzar más rápido; b) asigna proyectos que requieren al menos una
semana para su realización; c) forma pequeños grupos de trabajo para llegar a soluciones
conjuntas a un problema o tarea; d) pide a los estudiantes que ayuden a planificar los temas o
actividades del aula.
El tercer índice, denominado conducta del profesor: instrucción dirigida por el docente
se construye a partir de las respuestas individuales sobre la frecuencia con la que el profesor en
sus clases de matemáticas: a) establece metas claras para el aprendizaje; b) pide al alumno que
muestre su pensamiento o razonamiento con cierta extensión; c) hace preguntas al estudiantes
para comprobar si se ha comprendido lo que enseña; d) al comienzo de la lección, presenta un
breve resumen de la lección anterior; e) dice al estudiante lo que tiene que aprender.
Adicionalmente, usamos dos índices elaborados por PISA relacionados con la calidad de
la enseñanza de las matemáticas. El primero de ellos, clima disciplinario, mide si los estudiantes
gozan o no de aulas disciplinadas en sus clases de matemáticas. En concreto, PISA utiliza las
opiniones de los estudiantes sobre el ruido y desorden en las clases, el tiempo de espera del
8
profesor para que los estudiantes se callen, etc. para construir una medida del clima disciplinario
en el aula. Es evidente que los estudiantes no pueden trabajar bien donde el clima disciplinario
no es el más propicio para el aprendizaje. El segundo índice, apoyo del profesor, se ha
construido tomando como base las respuestas dadas por los estudiantes respecto al interés y la
actitud de ayuda del profesor para facilitar su aprendizaje.
2.2.3. Variables explicativas a nivel de escuela (nivel 2)
Son múltiples los factores que pueden condicionar el rendimiento de los alumnos. Las
características de los centros educativos también pueden causar diferencias en los resultados en
finanzas para la vida. En nuestro análisis econométrico introducimos factores geográficos, como
la ubicación rural o urbana en la que se encuentra el centro (escuela en localidad con menos de
3.000 habitantes), e indicadores de los recursos humanos y materiales puestos a disposición de
los centros construidos por PISA a partir de las opiniones de los directores de los centros. En
concreto, de estos últimos, introducimos el índice de liderazgo instruccional, el índice sobre la
moral del profesorado, y un tercer índice que mide la calidad de los recursos educativos
escolares. El primero de ellos se construye teniendo en cuenta principalmente si los docentes
promueven o no prácticas de enseñanza basadas en la investigación educativa reciente. El
segundo capta el entusiasmo con el que trabajan los docentes, su moral y orgullo de pertenencia
al centro, y la valoración que hacen del rendimiento académico. Por último, el índice de calidad
de los recursos educativos se calculó a partir de las percepciones de los directores de posibles
factores que dificultaban la enseñanza en su centro, como la escasez de: equipos de laboratorio
de ciencias, libros de texto, materiales en biblioteca y ordenadores para la enseñanza.
Asimismo, y con la finalidad de contrastar si distintos mecanismos de asignación de
alumnos a centros educativos influyen en las diferencias de rendimiento en competencia
financiera, se incluye un índice de selección escolar/políticas de admisión del estudiante. En
PISA 2012, este índice se calculó mediante la asignación de las escuelas a una de tres categorías
en función de la frecuencia con la que dos factores, el rendimiento académico de los estudiantes
y la recomendación de sus escuelas de procedencia, fueron considerados para la admisión de los
estudiantes en su centro actual: (1) los dos factores nunca fueron considerados; (2) al menos un
factor se considera a veces, pero no siempre; y (3) al menos un factor fue siempre considerado.
Además, la variabilidad de los resultados académicos puede ser atribuible a procesos
internos del centro como el grado de autonomía. En este trabajo, como indicador de este aspecto
se introduce como variable explicativa el índice de responsabilidad escolar sobre el currículo y
la evaluación, que recoge principalmente la mayor o menor descentralización en relación con
aspectos como la elección de los libros de texto, el establecimiento de políticas de evaluación de
9
los estudiantes o la determinación de los contenidos de las asignaturas. Los valores más altos
indican una mayor responsabilidad del centro (director o profesor) en los aspectos citados.
Por último, se introduce el índice de actividades extracurriculares de matemáticas en la
escuela, que se construye dependiendo de si la escuela tiene simultáneamente o no: a) clases
adicionales de matemáticas fuera del horario escolar, bien de refuerzo, bien avanzadas; b) club
de matemáticas; c) competiciones de matemáticas; y d) un club centrado en los ordenadores y
nuevas tecnologías.
2.2.4. Variables de características socio-demográficas (nivel 1)
Como tercer bloque de variables explicativas consideradas en nuestro análisis las
características socio-demográficas de los estudiantes. En concreto, se analiza la relación de la
competencia financiera con el género del alumnado, la repetición de curso, el estatus de
inmigración, el índice socioeconómico y cultural, y la ansiedad ante las matemáticas.
En PISA, el índice de estatus económico, social y cultural se considera una combinación
de varios factores de contexto que se resumen en una única variable denominada ESCS
(Economic, Social and Cultural Status). Este índice se construye a partir de ciertos indicadores
que recogen el nivel educativo de los padres del alumno y su ocupación profesional, así como
los recursos tecnológicos, culturales y educativos disponibles en el hogar.
En segundo lugar, la condición de inmigrante del estudiante se ha incorporado en nuestra
estimación econométrica como un grupo de variables dummies: nativo, inmigrante de 2ª
generación, e inmigrante de 1ª generación. Ni que decir tiene que la educación financiera se
considera un componente importante para la integración de los inmigrantes en su nuevo país de
residencia. En muchos países, los hijos de inmigrantes presentan mayor riesgo de obtener
rendimiento bajo en educación que los hijos de nativos, y el bajo rendimiento en esta
competencia en concreto puede contribuir a su no participación completa en la sociedad.
En tercer lugar, para recoger la ansiedad ante las matemáticas, PISA ha construido un
índice sobre la base de las respuestas de los estudiantes acerca de los sentimientos de estrés y la
impotencia cuando se trata de las matemáticas (OECD, 2013b).
Por último, se ha tenido en cuenta la repetición de curso, ya que existen importantes
diferencias en la tasa de repetición por países, estando de hecho España entre los países con la
tasa de alumnos repetidores más alta de la OCDE.
2.2.5. Variables relativas a experiencias de los estudiantes con asuntos monetarios (nivel 1)
La información acerca de las experiencias en asuntos monetarios y financieros de los
estudiantes de 15 años se recabó en un cuestionario añadido a la evaluación de PISA 2012. En
todos los países, se produjo una importante proporción de observaciones perdidas en respuestas
10
a cuestiones específicas relacionadas con la experiencia, la actitud y el comportamiento en
finanzas. Esta falta de respuesta se explica, al menos en parte, por el diseño de esta parte de la
encuesta que solo formula cada pregunta a la mitad de la muestra. Debido al elevado número de
valores perdidos en gran parte de las variables, únicamente nos ha sido posible incluir en el
análisis información relativa, por un lado a la tenencia de una cuenta bancaria (= 1) y, por otro,
una variable de lo que nosotros entendemos que mide la ignorancia financiera (= 1 si el
estudiante no tenía ni idea de lo que era una tarjeta de débito de prepago). Esto se ha hecho en el
apartado 3.2.2.
3. Resultados
3.1. Resultados del modelo vacío
Este apartado muestra los resultados de la estimación del modelo multinivel vacío o nulo.
Los resultados nos permiten obtener la proporción de la varianza del nivel de adquisición de la
competencia financiera del alumnado que se debe a factores asociados con las características de
los centros educativos (varianza entre centros) y la que es debida a las características a nivel de
individuo (variación de resultados dentro de un mismo centro: varianza dentro de los centros).
La tabla 2 muestra el porcentaje de la varianza del rendimiento en finanzas para la vida
del alumnado de 15 años explicada por las diferencias entre los centros y dentro de los centros
en cada país participante. La última columna muestra la variación de rendimiento de los
alumnos entre centros expresada como porcentaje de la varianza total de cada país. La
variabilidad dentro de los centros se obtiene restándole a 100 el porcentaje atribuido a la
variabilidad entre centros. Se observa que España es el país con la menor variabilidad entre
centros, seguido de Estonia y Polonia, con valores estimados del 16,0%, 19,8% y 20,1%
respectivamente. Los resultados relativos a España apuntan, por tanto, a una mayor equidad de
nuestro sistema educativo, indicando que en todos los centros pueden encontrarse alumnos con
bajo, medio y alto rendimiento en competencia financiera. Valores similares se obtienen en
Estonia y Polonia, con valores muy por debajo del promedio de la OCDE (37%), lo que
corrobora que los resultados educativos del alumnado dependen en mayor medida de las
características y de las circunstancias propias de los estudiantes, que de las características de los
centros educativos a los que acuden.
En el extremo opuesto se encuentran Eslovenia, República Eslovaca y Francia, donde la
proporción de la varianza del nivel de adquisición de la competencia financiera del alumnado se
debe principalmente a factores asociados a las características de los centros educativos
(variación de resultados entre centros), con unos valores estimados del coeficiente de partición
de la varianza por encima del 50%. Las características de los centros educativos pueden causar
diferencias en los resultados. De hecho, estas diferencias, como más adelante confirman los
11
resultados del análisis multinivel, reflejan, en parte, los distintos mecanismos de selección que
tienen estos países para asignar los alumnos a los centros educativos.
Tabla 2. Variabilidad del rendimiento del alumnado dentro y entre centros
Varianza entre
centros Varianza dentro de
centros Coeficiente de partición
de la varianza (ICC) Australia 2515,262 7650,103 0,247 Bélgica 4075,626 5186,604 0,440 Colombia 3123,127 7842,582 0,285 Rep. Checa 3588,583 3867,899 0,481 España 1181,805 6188,216 0,160 Estonia 1181,071 4775,772 0,198 Francia 6058,068 4923,300 0,552 Croacia 2641,092 4584,341 0,366 Israel 5785,928 7097,964 0,449 Italia 3412,063 4019,793 0,459 Letonia 1369,098 4384,956 0,238 N. Zelanda 3235,321 10218,170 0,240 Polonia 1329,490 5281,344 0,201 China 3124,287 3856,487 0,448 Fed. Rusa 2350,411 5303,719 0,307 R. Eslovaca 6150,831 4785,905 0,562 Eslovenia 4365,888 3246,436 0,574 EE.UU. 2396,122 7373,853 0,245
ICC: Coeficiente de correlación intra-clase. En todos los países resulta estadísticamente significativo al 5%. Las cifras mostradas en la tabla se han obtenido teniendo en cuenta los pesos correspondientes.
Fuente: Elaboración propia a partir de la base de datos de PISA 2012
3.2. Resultados del modelo multinivel de pendiente aleatoria
3.2.1. Resultados del modelo sin las variables relativas a asuntos monetarios
Los resultados del modelo de pendiente aleatoria se muestran en la tabla 3. En relación
con los índices relativos a las prácticas de enseñanza de las matemáticas (según la percepción de
los estudiantes), en todos los países analizados las puntuaciones en competencia financiera se
ven reducidas cuando los alumnos perciben que su profesor lleva a cabo una enseñanza
orientada al estudiante, asignando tareas diferentes a estudiantes según sus habilidades u
organizando pequeños grupos de trabajo para solucionar problemas. En todos los casos, los
valores obtenidos se interpretan como una reducción del rendimiento en competencia financiera
asociada a una variación de un punto en el índice de enseñanza orientada a los estudiantes,
destacando Nueva Zelanda, Croacia y Polonia. Dado que a priori esta conducta del profesor
podría considerarse beneficiosa para el aprendizaje de las matemáticas, y con el fin de explicar
el resultado obtenido contrario a dicha hipótesis, se ha realizado un análisis descriptivo (no
mostrado en este trabajo) en el que se observa que, en general, los alumnos con habilidad
matemática alta (puntuaciones iguales o superiores a 500 en la prueba PISA 2012 de
12
matemáticas) dan valoraciones inferiores a la media de su país en ese índice, mientras que los
alumnos de habilidad matemática baja (con menos de 500 puntos) otorgan valores superiores a
la media en este índice. En definitiva, los resultados sugieren que, a pesar de contar con países
culturalmente distintos y con sistemas educativos diferentes, en todos ellos la valoración que
hacen los estudiantes de esta conducta de sus docentes depende de la habilidad matemática de
los alumnos. Sin embargo, la instrucción dirigida por el docente presenta resultados desiguales
según los países. En concreto, este tipo de instrucción hace que se reduzca la puntuación en
competencia financiera de forma significativa en la República Checa, China y Croacia; y por el
contrario, tiene un impacto positivo y significativo en Eslovenia, Polonia, Bélgica, Israel,
Letonia y en Australia. Por último, la evaluación formativa solo tiene un efecto positivo y
significativo en los resultados de finanzas para la vida en Francia, y en menor medida en Italia;
mientras que esta práctica reduce el rendimiento en competencia financiera de los alumnos de
Israel, EE.UU., Rusia, Polonia, Letonia y Eslovenia.
En segundo lugar, y respecto a las variables relacionadas con el ambiente de clase y el
apoyo del profesor, de nuevo según la percepción de los estudiantes, los resultados de la
estimación econométrica mostrados en la tabla 3 revelan, por un lado, que un clima de
aprendizaje positivo en el aula contribuye favorablemente al desarrollo de competencias
financieras. En concreto, destaca el caso de Israel con un coeficiente de 19,02; que se interpreta
como el aumento del rendimiento en competencia financiera asociado a una variación de un
punto en el clima disciplinario. Por otro lado, el coeficiente estimado asociado a la variable de
apoyo del profesor es positivo y estadísticamente significativo en Nueva Zelanda, Croacia,
República Checa y Estonia. Sin embargo, se relaciona negativamente con la competencia
financiera en Eslovenia, España e Israel, donde los alumnos con una menor habilidad para las
matemáticas son los que más valoran el apoyo de su profesor.
En tercer lugar, y centrándonos en factores controlables por las escuelas, la política de
admisión de los centros, medida por el índice de selección escolar, es una variable que se
relaciona positivamente con el rendimiento en la competencia financiera en cinco países de
Europa del Este (Croacia, Eslovenia, República Eslovaca, Letonia y República Checa) y
también en China. Este resultado apunta a que estamos ante sistemas educativos estratificados,
menos equitativos y más exclusivos. Por su parte, el índice de responsabilidad escolar sobre el
currículo y la evaluación tiene un efecto desigual según los países, con una incidencia positiva y
significativa sobre las puntuaciones de competencia financiera en España, Israel y la República
Checa pero, por el contrario, presenta un efecto negativo en Nueva Zelanda y en Croacia. En
cuanto a las actividades extracurriculares de matemáticas en la escuela, éstas contribuyen
positivamente a elevar la puntuación en competencia financiera en la mitad de los países
participantes; en concreto, en Eslovenia, China, Croacia, Italia, Israel, República Eslovaca y
13
España. Por último, la calidad de los recursos escolares resulta positiva y altamente significativa
en Australia, EE.UU. y Colombia; en estos países, por tanto, el dinero sí importa.
En cuarto lugar, la moral del profesorado, variable clave para el logro de los objetivos de
aprendizaje en cualquier sistema educativo, tiene un efecto positivo y significativo en las
puntuaciones en competencia financiera de los estudiantes de gran parte de los países
participantes (EE.UU., Federación Rusa, Australia, Polonia, Italia, Bélgica e Israel). Por su
parte, el liderazgo instruccional no resulta significativo en la mayoría de los países; únicamente
muestra un efecto positivo en la competencia financiera de los estudiantes letones, mientras que
en Israel, Australia, Italia y España reduce la puntuación en competencia financiera.
En quinto lugar, los alumnos escolarizados en centros rurales y ciudades pequeñas
obtienen puntuaciones inferiores en competencia financiera a los de ciudades más grandes,
aunque únicamente esta diferencia resulta estadísticamente significativa al 5% en Eslovenia, y
al 10% en Croacia, Letonia y Federación Rusa.
En sexto lugar, y como era de esperar, el estatus socioeconómico, medido por el índice
social económico y cultural (ESCS), se relaciona positiva y significativamente con el
rendimiento de los estudiantes en competencia financiera en todos los países participantes,
encontrándose diferencias de dicho impacto por países. Este valor se interpreta como el aumento
del rendimiento en competencia financiera asociado a una variación de un punto en el ESCS. El
impacto de este índice en los resultados se considera una medida de la equidad de los sistemas
educativos: a mayor impacto del índice, menor equidad en el sistema educativo. En concreto, en
Nueva Zelanda, Australia y en Israel se observa una mayor asociación entre el rendimiento en
competencia financiera y este índice. Además, y al haber estimado un modelo de pendiente
aleatoria donde se ha hecho interactuar esta variable individual con el segundo nivel, los
resultados de la estimación multinivel nos permiten afirmar que no hay un efecto fijo de país,
sino que el impacto del ESCS cambia según colegios en cada país (al haber obtenido una
estimación de la varianza de ESCS estadísticamente significativa en todos los países).
En séptimo lugar, y al tratarse de la primera evaluación que realiza PISA de la
competencia financiera, cabe preguntarse si hay diferencias de rendimiento entre chicos y
chicas. En promedio, las puntuaciones de chicos y chicas en conocimientos financieros en PISA
2012 se hallan muy próximas (OCDE, 2014); sin embargo, los resultados de nuestro análisis
econométrico demuestran que en ocho países el coeficiente estimado asociado a la variable del
género es negativo y estadísticamente significativo (al 5%), lo que viene a indicar la existencia
de diferencias estadísticamente significativas a favor de los chicos en competencia financiera.
Entre estos países se encuentran Bélgica, República Checa, España (donde la diferencia es de
casi 11 puntos a favor de ellos), Croacia, Israel, Italia y Eslovenia. La excepción viene dada por
14
Letonia, donde las chicas obtienen mayor puntuación media que ellos (11 puntos). Este patrón
con respecto al género está en línea con el observado para los estudiantes cuyo rendimiento es
comparable en competencias matemática y lectora, entre los que se observa un mejor
rendimiento de los chicos que el de las chicas en 11 de los 18 países participantes. Nuestros
resultados también coinciden con los obtenidos por Atkinson y Messy (2012) en el estudio
piloto llevado a cabo por la Red Internacional Educación Financiera (INFE) de la OCDE en 14
países, donde los hombres obtienen puntuaciones significativamente más altas en alfabetización
financiera que las mujeres.
En octavo lugar, la brecha entre las puntuaciones de estudiantes nativos y de inmigrantes
muestra que los hijos de inmigrantes tienden a obtener rendimientos significativamente
inferiores a los de los hijos de nativos. En la mayoría de los países, las diferencias son
estadísticamente significativas y favorables a los hijos de nativos, sobre todo en relación con los
de primera generación, destacando China, República Eslovaca, Letonia y Polonia. La condición
de inmigrante de segunda generación afecta a las puntuaciones alcanzadas en competencia
financiera en sentido negativo entre los inmigrantes de Colombia, Francia y Rusia. En este
análisis, la excepción la constituye Australia donde la media obtenida por los alumnos
inmigrantes supera a la obtenida por los alumnos nativos.
En noveno lugar, la ansiedad ante las matemáticas es un factor que está asociado al
rendimiento en competencia financiera, al igual que sucede con el rendimiento en matemáticas.
En 17 de los 18 países participantes el coeficiente estimado resulta negativo y estadísticamente
significativo. El mayor efecto se observa en Nueva Zelanda, Letonia, Estonia y Polonia con más
de 30 puntos, mientras que dicho efecto es menor en España o Israel. Estos resultados están en
línea con los obtenidos en promedio para los países de la OCDE en matemáticas, ya que más
ansiedad en matemáticas se asocia con una puntuación de 34 puntos menos en este dominio, el
equivalente a casi un año de escuela. Además, en el modelo se ha incorporado la ansiedad de
forma multiplicativa con el género, de forma que en Estonia y en Croacia el ser mujer compensa
el efecto negativo que ejerce la ansiedad en las puntuaciones en competencia financiera.
Para terminar, debemos resaltar que existen diferencias de rendimiento en competencia
financiera según la repetición de curso. Entre los países de la OCDE existen políticas diversas
con respecto a la repetición de curso. Es de todos conocido que en España la tasa de alumnos
repetidores es de las más altas de la OCDE. El 32,3% de los alumnos españoles que participaron
en la evaluación de la competencia financiera estaban matriculados en tercero o en segundo de
la ESO; es decir, habían repetido uno o dos cursos académicos. Este porcentaje es el mayor de
los países participantes en la evaluación de la competencia financiera, y más de 2,5 veces
superior al promedio de la OCDE (12,0%). En Israel y Nueva Zelanda, apenas un 5% de
15
alumnos se encontraban en esta situación. En general, nuestro análisis muestra que los alumnos
que han repetido curso tienen peores resultados que los no repetidores. Con la excepción de
Israel, Nueva Zelanda y Rusia, las diferencias observadas entre las puntuaciones de alumnos
que no han repetido curso y los repetidores son importantes y significativas, superando los 25
puntos. La mayor brecha, de en torno a 100 puntos, se observa en Francia y en Eslovenia.
3.2.2. Resultados del modelo con las variables relativas a asuntos monetarios
En esta sección analizamos la relación entre las experiencias de los estudiantes
relacionadas con asuntos monetarios (financieros), tales como la tenencia de una cuenta
bancaria o el conocimiento de productos financieros, y su rendimiento en la evaluación de
finanzas para la vida, controlando por el resto de variables incorporadas en la estimación antes
comentada (tabla 4). En general, para estas últimas se sigue confirmando el signo y la
significatividad de los coeficientes, por lo que nos centramos en esta sección solo en comentar
los resultados relativos a las variables relativas a asuntos económicos.
En primer lugar, con respecto a la relación entre el rendimiento en finanzas para la vida y
tener una cuenta bancaria, se observa que en la mitad de los países tener una cuenta bancaria
está asociado a obtener puntuaciones más altas en la prueba de educación financiera. En
concreto, los estudiantes que son titulares de una cuenta bancaria obtienen 90 puntos más que
los que no disponen de ella en Nueva Zelanda, y 30 puntos en Eslovenia, mientras que en
España (17 puntos) es mucho menor. Las diferencias más altas observadas en Nueva Zelanda y
Eslovenia pueden deberse, en parte, a que en estos países los jóvenes de 15 años no necesitan el
permiso de los padres para abrir una cuenta bancaria. La relación positiva observada entre ser
titular de una cuenta bancaria y los resultados de la prueba de competencia financiera puede ser
interpretada de diversas maneras. Por un lado, tener conocimientos y destrezas financieras
puede despertar la curiosidad entre los alumnos por los productos financieros (Otto, 2013). Por
otro lado, disponer de una cuenta bancaria permite a los estudiantes familiarizarse con
cuestiones financieras (Sherraden et al., 2011), al tiempo que fomenta determinados hábitos de
ahorro con beneficios a largo plazo en la edad adulta (Friedline et al., 2011).
En segundo lugar, resulta interesante observar si existen diferencias en el rendimiento en
competencia financiera entre los estudiantes que tienen unos conocimientos mínimos de los
productos financieros formales y los que no los tienen. Como se observa en la tabla 4, existe una
relación negativa y estadísticamente significativa en la mitad de los países considerados entre el
rendimiento en finanzas para la vida y el indicador de ignorancia financiera definido
previamente. En concreto, este efecto se observa con mayor intensidad principalmente en la
República Eslovaca, donde la variable introducida para captar la ignorancia financiera de los
16
alumnos reduce hasta 122 puntos la puntuación en competencia financiera. También resulta
importante este efecto en Nueva Zelanda, en Bélgica, Estonia y Australia.
4. Conclusiones
Unos mercados financieros cada vez más sofisticados (nuevos productos, pagos on-line,
etc.), junto con un aumento de la esperanza de vida que obliga a que los individuos planifiquen
su futuro asegurándose de que tienen suficientes ahorros para la jubilación, exigen una mayor
competencia en temas económicos y financieros. La importancia de la competencia financiera
se reconoce también cada vez más en el ámbito escolar. PISA 2012 es el primer estudio
internacional a gran escala que evalúa la competencia financiera de los jóvenes de 15 años.
Intenta medir hasta qué punto una muestra representativa de alumnos procedentes de 18 países
de la OCDE y asociados tienen el conocimiento y la comprensión necesarias para tomar
decisiones en el ámbito de las finanzas cotidianas y para planificar diversos aspectos de su
futuro. Los datos cuantitativos proporcionados por el proyecto PISA nos han permitido
comparar a los alumnos españoles con los del resto de países participantes, observándose una
brecha entre las puntuaciones de los países con mejor rendimiento, como Shanghái-China (603)
y Flandes-Bélgica (541), y España (484).
En un primer análisis exploratorio de las puntuaciones de alfabetización financiera, y tras
estimar un modelo multinivel (modelo vacío), se calcula el coeficiente de partición de la
varianza (ICC), resultando estadísticamente significativo en todos los países que participan en
PISA financiera, con diferencias importantes entre ellos. Por ejemplo, en Eslovenia más del
57% de la variabilidad de las puntuaciones en competencia financiera se debe a la diferencia
entre escuelas (también destacan Eslovaquia y Francia con un ICC superior al 55%). Por el
contrario, países como España, Estonia, Polonia y Letonia muestran un ICC inferior al 24%. En
particular, en España solo el 16% de la variabilidad de los resultados de PISA financiera es
debida a la diferencia entre centros educativos.
En un análisis más pormenorizado de las variables predictoras del rendimiento en
finanzas para la vida, se ha estimado un modelo multinivel de pendiente aleatoria. Aunque son
múltiples los factores que condicionan el rendimiento de los alumnos, se observa que, en
general, en todos los países hay dos variables de características individuales que afectan a las
puntuaciones alcanzadas en competencia financiera en sentido negativo: la ansiedad ante las
matemáticas y la condición de inmigrante; por el contrario, el estatus socioeconómico, como era
de esperar, se relaciona positivamente con el rendimiento de los estudiantes y la competencia
financiera en todos los países participantes, especialmente en Nueva Zelanda, Australia e Israel.
Adicionalmente, un buen clima de aprendizaje en el aula tiene un efecto positivo en las
puntuaciones en competencia financiera. Por último, se observa en la mitad de los países
17
considerados, entre ellos España, una relación positiva y estadísticamente significativa entre el
rendimiento en finanzas para la vida y el tener una cuenta bancaria; también, en la mitad de los
países se observa una relación negativa entre el rendimiento en finanzas para la vida y la
ignorancia financiera, aunque para España no ha mostrado significatividad el coeficiente.
En cuanto a las variables a nivel de escuela, la política de admisión de los centros, medida
por el índice de selección escolar, es una variable que se relaciona positivamente con el
rendimiento en la competencia financiera en los países de Europa del Este y también en China.
Por último, el índice de responsabilidad escolar sobre el currículo y la evaluación, y el relativo a
las actividades extracurriculares de matemáticas en la escuela tienen un efecto desigual según
los países, si bien en España ambos tienen una incidencia positiva y significativa sobre las
puntuaciones de competencia financiera.
El interés por conocer la manera en la que los centros escolares pueden realizar
aportaciones a la promoción de la cultura financiera de los jóvenes es fundamental. Un número
gradual de países están ya elaborando nuevos currículos y aplicando estrategias de aprendizaje
centradas en este campo. La implementación de contenidos económico-financieros de manera
transversal en distintas materias de la enseñanza obligatoria podría contribuir de esta manera al
desarrollo de la competencia financiera.
Referencias
Atkinson, A. y Messy, F. (2012): "Measuring Financial Literacy: Results of the OECD/International
Network on Financial Education (INFE) Pilot Study", OECD Working Papers on Finance,
Insurance and Private Pensions, n.º 15, OECD Publishing.
Bernheim, D. (1995): "Do Households Appreciate Their Financial Vulnerabilities? An Analysis of
Actions, Perceptions, and Public Policy". En Tax Policy and Economic Growth, American Council
for Capital Formation, Washington, D.C., pp. 1–30.
Bernheim, D. (1998): "Financial Illiteracy, Education and Retirement Saving". En Mitchell, O. y
Schieber, S. (eds.): Living with Defined Contribution Pensions, University of Pennsylvania Press,
Philadelphia, pp. 38–68.
Bernheim, D. y Scholz, J.K. (1992): "Private Saving and Public Policy", National Bureau of Economic
Research, Working Paper nº 4215.
Friedline, T.L., Elliott, W. y Nam, I. (2011): “Predicting Savings from Adolescence to Young Adulthood:
A Propensity Score Approach”, Journal of the Society for Social Work and Research, 2, pp. 1-22.
Goldstein, H. (1995): Multilevel Statistical Models, Wiley and Sons, London.
Goldstein, H. (1997): "Methods in School Effectiveness Research", School Effectiveness and School
Improvement, 8(4), pp. 369–95.
Guiso, L. y Jappelli T. (2008): "Financial Literacy and Portfolio Diversification", CSEF Working Papers
nº 212.
18
Hilgert, M.A., J.M. Hogarth y S.G. Beverly (2003): "Household Financial Management: The Connection
Between Knowledge and Behavior", Federal Reserve Bulletin, 89(7), pp. 309- 322.
Huston, S.J. (2010): "Measuring Financial Literacy", The Journal of Consumer Affairs, 44(2), pp. 296-
316.
Lusardi, A. y Mitchell, O.S. (2007a): "Baby Boomer Retirement Security: The Role of Planning,
Financial Literacy, and Housing Wealth", Journal of Monetary Economics, 54, pp. 205–24.
Lusardi, A. y Mitchell, O.S. (2007b): "Financial Literacy and Retirement Preparedness: Evidence and
Implications for Financial Education", Business Economics, 42(1), pp. 35–44.
Lusardi, A. y P. Tufano (2009): "Debt Literacy, Financial Experiences, and Overindebtedness", NBER
Working Paper n.º 14808.
Mancebón, M.J. y Pérez, D. (2014): "Alfabetización financiera, competencias matemáticas y tipo de
centro". En: PISA 2012. Competencia Financiera (Informe español, Análisis secundario),
Ministerio de Educación, Madrid, pp. 137-164.
OCDE (2014): "¿Saben los jóvenes de 15 años cómo gestionar dinero?", PISA in Focus-07/2014, 41.
OECD/INFE (2011): Measuring Financial Literacy: Core Questionnaire in Measuring Financial
Literacy: Questionnaire and Guidance Notes for conducting an Internationally Comparable
Survey of Financial literacy, OECD Publishing.
OECD (2013a): PISA 2012 Assessment and analytical framework, OECD Publishing.
OECD (2013b): PISA 2012 Results: Ready to Learn – Students’ Engagement, Drive and Self-Beliefs
(Volume III), PISA, OECD Publishing.
OECD (2014): Financial Education for Youth: The Role of Schools, OECD Publishing.
Otto, A. (2013): “Saving in Childhood and Adolescence: Insights from Developmental Psychology”,
Economics of Education Review, 33, pp. 8-18.
Sherraden, S.M., Johnson, L., Guo, B. y Elliot, W. (2011): “Financial Capability in Children: Effects of
Participation in School-Based Financial Education and Savings Program, Journal of Family &
Economic Issues, 32, pp. 385-399.
Van Rooij, M., Lusardi, A. y Alessie, R. (2011): Financial Literacy and Stock Market Participation.
Journal of Financial Economics, 101(2), pp. 449–72.
19
Tabla 3. Estimación del modelo multinivel de pendiente aleatoria (solo se muestran los coeficientes estimados)
Australia Bélgica Colombia Rep. Checa España Estonia Francia Croacia Israel Variables de alumno (nivel 1) Relativas a prácticas docentes y ambiente de clase Conducta del profesor: evaluación formativa -4,703 1,487 1,084 -2,931 3,477 -7,205 9,025 ** 4,145 -16,446 ** Conducta del profesor: orientación al estudiante -17,972 ** -16,342 ** -13,648 ** -13,338 ** -17,214 ** -9,946 ** -12,072 ** -22,692 ** -13,269 ** Conducta del profesor: instrucción dirigida por el docente 5,446 * 11,209 ** -5,197 -16,461 ** 0,562 0,284 3,738 -7,054 * 10,395 ** Clima disciplinario 11,808 ** 12,655 ** 5,981 8,546 ** 4,508 2,830 7,445 ** 11,592 ** 19,029 ** Apoyo del profesor 3,635 -2,364 3,341 9,982 ** -6,338 ** 7,070 * -2,517 10,304 ** -10,205 * Características sociodemográficas Edad 34,548 ** 13,488 22,168 * -16,351 14,799 23,485 ** -8,702 27,178 ** -8,920 Género (mujer=1) 3,721 -18,754 ** -8,779 -24,896 ** -10,787 ** -1,368 -6,770 -21,585 ** -15,861 ** Ansiedad ante las matemáticas -22,164 ** -7,859 -30,701 ** -15,507 ** -9,938 ** -34,531 ** -17,193 ** -22,223 ** -12,048 ** (Ansiedad matemáticas)*(género) 1,309 -3,922 15,822 * -7,873 -2,065 13,572 ** -1,370 10,262 ** 7,357 Índice de estatus económico, social y cultural 33,925 ** 11,249 ** 16,385 ** 24,401 ** 14,900 ** 15,546 ** 21,229 ** 19,074 ** 31,255 ** Repetición de curso -48,499 ** -62,015 ** -37,635 ** -64,389 ** -68,275 ** -33,875 ** -97,291 ** -32,907 * -25,405 Nativo c,r, c,r, c,r, c,r, c,r, c,r, c,r, c,r, c,r, Inmigrante de 2ª generación 23,772 ** -21,706 * -94,092 ** -12,215 12,165 -12,891 -27,243 ** -4,168 15,225 Inmigrante de 1ª generación -5,813 -52,582 ** 24,664 * -44,370 * -30,703 ** -29,144 ** -59,717 ** 14,314 -3,166 Variables de escuela (nivel 2) Índice de responsabilidad escolar sobre el currículo y la evaluación -1,898 -7,960 -0,517 9,281 * 9,673 ** 3,669 3,506 -14,902 ** 9,626 ** Liderazgo instruccional -11,557 ** 4,754 1,816 -1,333 -5,472 ** 0,572 -0,829 -1,547 -11,856 ** Selección escolar/políticas de admisión del estudiante 0,176 0,452 -7,430 12,655 ** 1,656 4,041 5,651 51,239 ** 0,425 Actividades extracurriculares de matemáticas en la escuela 1,673 1,018 3,569 -0,140 5,288 * -2,219 3,787 11,737 ** 9,072 ** Calidad de los recursos educativos escolares 11,684 ** 7,926 7,583 ** -5,829 -2,557 -6,603 * -1,283 -1,274 5,020 Moral del profesorado 5,344 ** 9,436 * 3,081 2,777 1,261 5,948 2,516 3,835 9,006 * Escuela en localidad con menos de 3.000 habitantes -8,637 -10,813 -4,423 -20,317 -5,098 7,010 -23,660 -13,636 * 2,420 Constante -27,521 355,559 ** 119,811 758,836 ** 279,188 * 151,950 653,445 ** -122,019 607,709 ** var (ESCS) 274,16 ** 15,05 ** 20,70 ** 99,55 ** 12,29 ** 207,67 ** 178,01 ** 61,87 ** 35,82 ** var (cons) 1151,79 ** 1184,11 ** 1085,22 ** 1339,80 ** 535,45 ** 553,48 ** 1148,68 ** 992,00 ** 1384,43 ** cov (ESCS, cons) -95,01 -133,51 ** 149,88 124,44 -29,38 -132,91 77,88 46,70 -222,70 ** var (residual) 5263,10 ** 3855,55 ** 5812,83 ** 2923,95 ** 3603,89 ** 3600,02 ** 3703,72 ** 3116,43 ** 5466,18 ** Número de observaciones 1918 670 1206 622 689 705 613 723 573 Log pseudolikelihood -39667,9 ** -16083,2 ** -122732,1 ** -10365,9 ** -83427,0 ** -2561,8 ** -116812,0 ** -11510,0 ** -21420,1 **
c.r.: categoría referencia n.c.: variable no considerada (por problemas en la estimación) **,* Signicatividad al 5% y 10% respect. La estimación se ha realizado teniendo en cuenta los pesos correspondientes.
20
Tabla 3. Estimación del modelo multinivel de pendiente aleatoria (solo se muestran los coeficientes estimados). Continuación
Italia Letonia N. Zelanda Polonia China Fed. Rusa R. Eslovaca Eslovenia EE.UU. Variables de alumno (nivel 1) Relativas a prácticas docentes y ambiente de clase Conducta del profesor: evaluación formativa 3,239 * -9,397 ** -9,834 -9,577 ** 5,828 -10,251 ** -0,177 -9,103 ** -12,952 ** Conducta del profesor: orientación al estudiante -15,650 ** -7,785 ** -33,013 ** -19,757 ** -15,976 ** -7,551 ** -17,253 ** -7,042 ** -12,758 ** Conducta del profesor: instrucción dirigida por el docente 0,991 10,378 ** 10,889 14,769 ** -5,599 * -2,625 -1,208 16,150 ** 2,324 Clima disciplinario 6,700 ** -2,133 2,216 2,831 9,913 ** 4,567 -1,689 5,327 ** 7,775 ** Apoyo del profesor 0,576 0,015 10,800 ** -4,636 -0,266 n,c, -4,524 -6,547 ** 6,338 Características sociodemográficas Edad 13,415 ** 21,921 ** 13,144 14,292 * 4,849 5,043 15,655 -3,474 38,034 ** Género (mujer=1) -18,003 ** 11,441 ** -0,231 -5,275 -8,816 * -2,225 -11,891 * -21,122 ** -5,205 Ansiedad ante las matemáticas -17,559 ** -34,920 ** -37,738 ** -30,519 ** -14,895 ** -29,401 ** -20,468 ** -11,794 ** -19,371 ** (Ansiedad matemáticas)*(género) 3,854 10,442 * 7,398 -1,757 -3,210 3,163 -7,095 6,986 -2,949 Índice de estatus económico, social y cultural 8,917 ** 15,829 ** 53,607 ** 17,761 ** 7,944 ** 24,788 ** 20,655 ** 7,795 ** 25,570 ** Repetición de curso -42,542 ** -35,980 ** -23,785 -67,267 ** -41,393 ** -35,721 -56,711 ** -99,242 ** -64,321 ** Nativo c,r, c,r, c,r, c,r, c,r, c,r, c,r, c,r, c,r, Inmigrante de 2ª generación -10,352 -2,697 -2,614 n,c, -25,106 -30,891 ** 12,383 -12,325 -9,037 Inmigrante de 1ª generación -9,697 -93,636 ** -30,081 ** -63,426 ** -111,612 ** -46,281 ** -104,953 ** -50,336 ** 11,191 Variables de escuela (nivel 2) Índice de responsabilidad escolar sobre el currículo y la evaluación -2,460 1,926 -15,636 ** 1,279 -6,858 0,508 -6,638 -4,506 -0,745 Liderazgo instruccional -7,636 ** 9,211 ** 4,780 n,c, 4,688 -9,017 * 4,967 -5,826 0,083 Selección escolar/políticas de admisión del estudiante -0,101 9,488 ** -1,639 6,448 24,092 ** 1,768 29,307 ** 32,073 ** -2,945 Actividades extracurriculares de matemáticas en la escuela 11,028 ** -1,414 -0,827 -6,017 * 11,890 ** -2,665 7,655 * 14,555 ** 0,027 Calidad de los recursos educativos escolares 0,560 0,080 6,892 -2,544 -1,612 5,349 -9,000 2,216 9,663 ** Moral del profesorado 5,697 ** 3,759 -0,134 6,700 ** 4,487 12,296 ** 0,312 4,528 12,863 ** Escuela en localidad con menos de 3.000 habitantes 14,897 -17,369 * n,c, -10,726 n,c, -21,182 * 1,993 -80,901 ** -5,889 Constante 262,454 ** 133,701 338,722 * 313,573 ** 438,949 ** 448,978 ** 143,735 435,786 ** -93,987 var (ESCS) 25,19 ** 72,63 ** 60,42 ** 0,18 ** 102,44 ** 4,08 ** 47,49 ** 0,46 ** 163,04 ** var (cons) 1792,83 ** 870,25 ** 253,68 ** 416,22 ** 1182,96 ** 1058,72 ** 2479,42 ** 2229,86 ** 582,51 ** cov (ESCS, cons) -212,52 ** 129,42 123,80 8,76 ** 129,17 -65,68 169,66 32,00 ** -140,49 var (residual) 3359,39 ** 2947,48 ** 6857,96 ** 3148,82 ** 2937,97 ** 4122,48 ** 3543,03 ** 2322,51 ** 4554,40 ** Número de observaciones 4078 603 503 664 773 743 646 754 604 Log pseudolikelihood -118110,7 ** -2835,4 ** -10549,7 ** -87517,6 ** -23848,1 ** -262022,7 ** -10849,8 ** -2932,1 ** -796946,0 ** c.r.: categoría referencia n.c.: variable no considerada (por problemas en la estimación) **,* Signicatividad al 5% y 10% respect. La estimación se ha realizado teniendo en cuenta los pesos correspondientes.
21
Tabla 4. Estimación del modelo multinivel de pendiente aleatoria con variables relativas a asuntos monetarios (solo se muestran los coeficientes estimados)
Australia Bélgica Colombia Rep. Checa España Estonia Francia Croacia Israel Variables de alumno (nivel 1) Relativas a prácticas docentes y ambiente de clase Conducta del profesor: evaluación formativa -7,721 3,624 -6,739 -2,705 0,897 -12,088 ** 8,611 -2,760 -20,720 ** Conducta del profesor: orientación al estudiante -17,615 ** -14,517 ** -10,603 -14,323 ** -14,844 ** -12,175 ** -13,726 ** -18,765 ** -14,959 ** Conducta del profesor: instrucción dirigida por el docente 8,453 * 8,773 -3,143 -21,755 ** -4,245 -0,316 2,513 -8,106 16,110 ** Clima disciplinario 11,438 ** 13,976 ** 10,673 * 9,414 ** 7,206 2,354 8,202 ** 14,039 ** 21,778 ** Apoyo del profesor 3,899 -0,009 4,011 10,537 -2,955 13,698 ** -1,834 15,243 ** -19,455 ** Características sociodemográficas Edad 31,713 ** 11,352 39,988 ** -46,129 ** 17,840 12,105 -7,919 16,694 -3,876 Género (mujer=1) -6,379 -4,021 -19,947 -28,145 ** -6,353 0,009 3,809 -27,023 ** -19,441 * Ansiedad ante las matemáticas -19,844 ** 0,027 -56,358 ** -3,946 -15,398 * -36,094 ** -14,171 ** -14,446 ** -17,037 ** (Ansiedad matemáticas)*(género) -1,672 -7,583 44,566 ** -27,346 ** -3,524 23,592 ** -14,393 2,812 2,979 Índice de estatus económico, social y cultural 36,100 ** 7,524 16,548 ** 21,046 ** 11,137 ** 10,408 * 15,511 ** 24,414 ** 31,749 ** Repetición de curso -56,550 ** -61,700 ** -37,103 ** -64,797 ** -57,775 ** -35,967 ** -95,964 ** -61,739 ** 9,532 Nativo c,r, c,r, c,r, c,r, c,r, c,r, c,r, c,r, c,r, Inmigrante de 2ª generación 11,780 -15,755 -16,636 -42,670 -13,466 -16,522 10,648 12,212 Inmigrante de 1ª generación -2,471 -53,871 * 26,506 32,552 -38,856 ** 2,938 -34,534 * 16,213 9,309 Relativas a asuntos monetarios Tenencia de una cuenta bancaria 15,696 * 6,376 4,318 19,927 ** 18,664 ** 4,399 7,511 11,473 -0,657 Ignorancia financiera -19,072 ** -26,181 ** n,c, 37,504 -2,335 -25,530 ** n,c, -54,371 n,c, Variables de escuela (nivel 2) Índice de responsabilidad escolar sobre el currículo y la evaluación -2,862 -4,363 3,902 5,361 8,563 8,433 * 10,642 ** -15,889 13,844 ** Liderazgo instruccional -5,916 6,058 -6,217 4,566 -5,068 1,011 1,273 -0,010 -9,177 Selección escolar/políticas de admisión del estudiante -4,257 0,616 -9,782 16,563 ** 3,351 4,052 8,253 55,550 ** 1,682 Actividades extracurriculares de matemáticas en la escuela 1,296 -5,367 4,854 -2,979 3,389 -3,007 1,349 11,475 ** 3,430 Calidad de los recursos educativos escolares 13,399 ** -0,265 8,898 ** 1,435 -4,613 -9,841 ** 4,283 0,031 5,715 Moral del profesorado 6,800 * 10,384 * 12,369 ** -0,602 0,046 14,382 ** -0,473 1,264 13,287 ** Escuela en localidad con menos de 3.000 habitantes 1,314 7,512 13,669 -13,571 -24,186 -1,233 -26,646 -18,418 ** -10,882 Constante 26,227 410,556 * -149,151 1232,440 ** 220,559 338,128 * 633,231 ** 39,853 548,719 ** var (ESCS) 1012,06 ** 62,85 ** 21,70 ** 18,69 ** 48,04 ** 668,32 ** 2,31 ** 0,53 ** 131,96 ** var (cons) 1097,67 ** 1276,98 ** 6,79 ** 1552,27 ** 778,86 ** 688,74 ** 1126,82 ** 1126,82 ** 455,63 ** cov (ESCS, cons) -68,32 -283,30 -12,14 -93,48 -193,43 -282,33 51,03 ** 24,53 ** 173,22 var (residual) 4754,18 ** 3402,91 ** 6050,95 ** 2365,90 ** 3279,71 ** 2904,41 ** 3669,55 ** 3123,13 ** 4785,87 ** Número de observaciones 842 302 498 287 282 319 325 336 262 Log pseudolikelihood -17521,8 ** -7208,4 ** -50681,8 ** -4818,2 ** -33953,0 ** -1133,9 ** -62241,4 ** -5378,0 ** -9636,1 ** c.r.: categoría referencia n.c.: variable no considerada (por problemas en la estimación) **,* Signicatividad al 5% y 10% respect. La estimación se ha realizado teniendo en cuenta los pesos correspondientes.
22
Tabla 4. Estimación del modelo multinivel de pendiente aleatoria con variables relativas a asuntos monetarios (solo se muestran los coeficientes estimados). Continuación
Italia Letonia N. Zelanda Polonia China Fed. Rusa R. Eslovaca Eslovenia EE.UU. Variables de alumno (nivel 1) Relativas a prácticas docentes y ambiente de clase Conducta del profesor: evaluación formativa 1,434 -8,520 -0,518 -18,429 ** 8,995 -20,484 ** -5,585 -13,204 ** -9,091 Conducta del profesor: orientación al estudiante -20,051 ** -11,357 ** -35,495 ** -19,786 ** -19,991 ** -14,504 ** -9,658 -8,763 ** -13,647 ** Conducta del profesor: instrucción dirigida por el docente 4,497 11,894 17,357 * 24,289 ** -2,305 8,358 -7,143 21,047 ** 9,314 * Clima disciplinario 8,083 ** -3,664 -3,856 -0,945 14,364 ** 3,805 -14,255 ** 12,501 ** 11,220 ** Apoyo del profesor -1,007 -3,924 6,619 -1,914 -2,480 3,219 -3,435 -2,630 3,722 Características sociodemográficas Edad 14,533 * 19,919 31,771 ** 9,625 8,201 9,787 -5,774 5,405 26,603 Género (mujer=1) -14,593 ** 8,498 -2,912 -13,336 * -25,648 ** -4,555 -10,195 -7,596 -22,542 ** Ansiedad ante las matemáticas -14,566 ** -23,451 ** -35,282 ** -37,295 ** -14,131 ** -23,637 ** -21,946 ** -11,543 * -9,686 (Ansiedad matemáticas)*(género) -4,110 -1,172 5,509 11,256 -6,679 1,345 -8,213 2,018 -11,291 Índice de estatus económico, social y cultural 7,842 ** 9,536 * 49,540 ** 11,774 ** 7,081 * 27,611 ** 26,935 ** 5,443 23,087 ** Repetición de curso -45,771 ** -33,058 * -43,706 ** -91,025 ** -68,352 ** -36,502 -92,826 ** -93,433 ** -58,740 ** Nativo c,r, c,r, c,r, n,c, c,r, c,r, c,r, c,r, c,r, Inmigrante de 2ª generación -7,020 -18,384 31,680 n,c, -21,878 -29,821 ** n,c, -9,060 -3,513 Inmigrante de 1ª generación -12,653 -93,713 ** -25,191 * n,c, -201,033 ** -38,762 * -191,820 ** -78,900 ** 14,900 Relativas a asuntos monetarios Tenencia de una cuenta bancaria 6,309 90,072 ** 17,374 * 18,040 ** 10,024 -14,204 29,695 ** 13,337 Ignorancia financiera -14,707 * -7,491 -49,034 ** -4,830 -8,343 -12,520 -122,208 ** -45,920 * Variables de escuela (nivel 2) Índice de responsabilidad escolar sobre el currículo y la evaluación -3,497 3,327 -4,156 3,740 -7,697 1,157 -3,428 -2,365 -5,066 Liderazgo instruccional -8,394 ** 6,545 8,479 0,620 6,539 -14,747 ** 8,713 -4,515 2,351 Selección escolar/políticas de admisión del estudiante -1,633 18,970 ** 1,997 2,462 15,055 ** 7,936 33,474 ** 25,606 ** -1,460 Actividades extracurriculares de matemáticas en la escuela 10,351 ** -4,573 -5,871 -4,948 10,168 ** 0,593 9,012 9,309 ** -1,917 Calidad de los recursos educativos escolares 0,972 -0,837 4,100 -2,819 -3,252 4,223 -5,922 5,004 9,635 ** Moral del profesorado 6,300 ** 10,268 * 10,461 12,851 ** 8,529 ** 17,707 ** 6,397 2,337 13,984 ** Escuela en localidad con menos de 3.000 habitantes 23,558 -7,110 -60,274 ** -6,010 n,c, -11,184 22,643 -97,088 ** -32,075 ** Constante 255,292 ** 158,039 -24,746 394,369 ** 411,050 354,350 * 480,730 291,986 98,253 var (ESCS) 32,10 ** 4,55 ** 0,60 ** 1,32 ** 190,80 ** 205,22 ** 36,35 ** 9,97 ** 12,64 ** var (cons) 1746,41 ** 362,06 ** 115,30 ** 331,39 ** 990,13 ** 1352,42 ** 2823,63 ** 1705,85 ** 108,32 ** cov (ESCS, cons) -226,77 -40,60 8,32 -20,95 176,61 -526,82 ** 320,37 -130,44 37,00 var (residual) 2984,64 ** 3457,26 ** 5774,07 ** 3035,55 ** 2826,36 ** 3025,56 ** 3026,51 ** 2375,56 ** 4467,99 ** Número de observaciones 1719 260 229 286 360 342 286 388 283 Log pseudolikelihood -53028,7 ** -1202,7 ** -4608,5 ** -36277,0 ** -11053,6 ** -117020,0 ** -4709,5 ** -1552,8 ** -364044,5 ** c.r.: categoría referencia n.c.: variable no considerada (por problemas en la estimación) **,* Signicatividad al 5% y 10% respect. La estimación se ha realizado teniendo en cuenta los pesos correspondientes.
Top Related