Megküzdési stratégiák a pénzügyi problémákra
Milyen tényezők határozzák meg a pénzügyekre figyelést az OECD 2022. évi jelentésének magyarországi adatai alapján?
Absztrakt
A tanulmány célja, hogy feltárja a demográfiai tényezők szerepét a pénzügyi problémák kezelésének stratégiáiban, az OECD 2022-es magyarországi pénzügyi kultúra felmérésének adatai alapján. Az elemzés középpontjában az életkor, a nem, a lakóhely típusa, a jövedelem és a régiók közötti különbségek álltak. A kutatás többváltozós statisztikai módszereket, például kanonikus korrelációanalízist és Ridge-regressziót alkalmazott, hogy azonosítsa a demográfiai tényezők és a pénzügyi viselkedés (pénzügyekre figyelés) közötti összefüggéseket. Az eredmények rámutattak, hogy a régió és az életkor a legjelentősebb tényezők a pénzügyi stratégiák megválasztásában, míg az iskolai végzettség és a jövedelem hatása kisebb. A budapesti lakosok magasabb pénzügyi tudatosságot és diverzifikáltabb stratégiákat mutattak, szemben a vidéki lakosok hagyományosabb megközelítésével. Az eredmények alapján célzott pénzügyi oktatási programok fejlesztése javasolt, amelyek figyelembe veszik a demográfiai és regionális különbségeket, ezzel is támogatva a pénzügyi stabilitás növelését.
Hivatkozások
Andrade, C. (2021): Z Scores, Standard Scores, and Composite Test Scores Explained. Indian Journal of Psychological Medicine, 43(6): 555–557. https://doi.org/10.1177/02537176211046525
Banerjee, A. V. – Duflo, E. (2011): Poor Economics: A Radical Rethinking of the Way to Fight Global Poverty. Public Affairs.
Barber, B. M. – Odean, T. (2001): Boys will be Boys: Gender, Overconfidence, and Common Stock Investment. The Quarterly Journal of Economics, 116(1): 261–292. https://doi.org/10.1162/003355301556400
Bechly, P. (2018): An Examination of Demographic Differences in Obtaining Investment and Financial Planning Information. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3369267
Carroll, C. D. (1997): Buffer-stock saving and the life cycle/permanent income hypothesis. Quarterly Journal of Economics, 112(1), 1–55. http://www.jstor.org/stable/2951275
Collins, D. – Morduch, J. – Rutherford, S. – Ruthven, O. (2009): Portfolios of the Poor: How the World’s Poor Live on $2 a Day. Princeton University Press.
Coşgun, H. H. (2023): Dealing with Missing Data from Zero to Advanced. Medium. https://medium.com/@hhuseyincosgun/dealing-with-missing-data-from-zero-to-advanced-4fb734ee5998
Deaton, A. (1991): Saving and liquidity constraints. Econometrica, 59(5), 1221–1248. https://doi.org/10.2307/2938366
Demirgüç-Kunt, A. – Klapper, L. – Singer, D. – Ansar, S. – Hess, J. (2018): The Global Findex Database 2017: Measuring Financial Inclusion and the Fintech Revolution. World Bank. https://doi.org/10.1596/978-1-4648-1259-0
Demirgüç-Kunt, A. – Klapper, L. – Singer, D. – Ansar, S. (2022): The Global Findex Database 2021. Washington DC: International Bank for Reconstruction and Development / The World Bank. https://www.worldbank.org/en/publication/globalfindex
Dew, J. – Xiao, J. J. (2011): The Financial Management Behavior Scale: Development and Validation. SSRN Scholarly Paper. Rochester, NY: Social Science Research Network. https://papers.ssrn.com/abstract=2061265
Digitális Magyarország Ügynökség (2022): Nemzeti Digitalizációs Stratégia 2022–2030. Kormányzati Informatikai Fejlesztési Ügynökség. https://www.dmu.gov.hu/documents/prod/Nemzeti-Strategiai-Utemterv_vegl.pdf
Dunn, O. J. (1964): Multiple Comparisons Using Rank Sums. Technometrics, 6(3): 241–252. https://doi.org/10.1080/00401706.1964.10490181
Goodman, L. A. – Kruskal, W. H. (1954): Measures of Association for Cross Classifications. Journal of the American Statistical Association, 49(268): 732–764. https://doi.org/10.2307/2281536
Gosztonyi, M. (2016): A pénz zsonglőrei – Az alacsony jövedelmű családok pénzügyi túlélési stratégiája és egy részvételi akciókutatás története. PhD-értekezés, Budapesti Corvinus Egyetem. https://phd.lib.uni-corvinus.hu/989/13/Gosztonyi_Marton_dhu.pdf
Hergár, E. – Kovács, L. – Németh, E. (2024): A pénzügyi kultúra helyzete és fejlődése Magyarországon. Hitelintézeti Szemle, 23(1):5–28. https://doi.org/10.25201/HSZ.23.1.5
Hofstede, G. (2001): Culture’s Consequences: Comparing Values, Behaviors, Institutions and Organizations Across Nations. 2nd ed. Thousand Oaks, CA, US: SAGE Publications, Inc. http://www.pdfdrive.com/cultures-consequences-comparing-values-behaviors-institutions-and-organizations-across-nations-e194565778.html
Huston, S. J. (2010): Measuring Financial Literacy. The Journal of Consumer Affairs, 44(2): 296–316. https://www.jstor.org/stable/23859793
Jerez, J. M. – Molina, I. – García-Laencina, P. J. – Alba, E. – Ribelles, N. – Martín, M. – Franco, L. (2010): Missing data imputation using statistical and machine learning methods in a real breast cancer problem. Artificial Intelligence in Medicine, 50(2): 105–115. https://doi.org/10.1016/j.artmed.2010.05.002
Kahneman, D. – Tversky, A. (1979): Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–291. https://doi.org/10.2307/1914185
Kleinbaum, D. G. – Klein, M. (2010) Ordinal Logistic Regression. In Logistic Regression. New York, NY: Springer, 463–488.
Kovács, L. – Nagy, E. (2022): A hazai pénzügyi kultúra fejlesztésének aktuális feladatai. Gazdaság és Pénzügy, 9(1): 2–19. https://doi.org/10.33926/GP.2022.1.1
Kőműves, Zs ; Pálmai, L. ; Kovács-Kósa, P. & Szabó-Szentgróti, G. (2023) Generációs különbségek elemzése a versenyszférában, Új Munkaügyi Szemle, 4 : 3 pp. 2-13. , 12 p.
Kőmüves, Zs ; Hopp, A & Szabó-Szentgróti, G. (2022) Generációs különbségek és motiváció az élelmiszeriparban, Studia Mundi - Economica 9 : 2 pp. 37-48. , 12 p.
KSH (2022): Keresetek. https://www.ksh.hu/docs/hun/xftp/gyor/ker/ker2212.html
KSH (2024): Jövedelem és fogyasztás. https://www.ksh.hu/jovedelem-es-fogyasztas
Langley, P. (1995): Elements of Machine Learning. 1st ed. San Francisco, CA: Morgan Kaufmann.
Little, R. – Rubin, D. (2019): Statistical Analysis with Missing Data. Third ed. Wiley. https://doi.org/10.1002/9781119482260
Loayza, N. V. (1996): The economics of the informal sector: A simple model and some empirical evidence from Latin America. Carnegie-Rochester Conference Series on Public Policy, 45, 129–162. https://doi.org/10.1016/S0167-2231(96)00021-8
Lukács, E. - Völgyi, K. (2018): Mega-FTAs in the Asia-Pacific region. European Journal of East Asian Studies, 17(1), 158–175. http://doi.org/10.1163/15700615-01701008
Lukács, E. - Völgyi, K. (2021): Chinese foreign direct investments in Hungary from the perspective of BRI, International Capacity Cooperation, and Made in China 2025. Contemporary Chinese Political Economy and Strategic Relations, 7(1), 413–446.
Lusardi, A. – Hasler, A. – Yakoboski, P. J. (2020): Building up financial literacy and financial resilience. Mind & Society, 1–7. https://doi.org/10.1007/s11299-020-00246-0
Lusardi, A. – Mitchell, O. S. (2014): The economic importance of financial literacy: Theory and evidence. Journal of Economic Literature, 52(1), 5–44. https://doi.org/10.1257/jel.52.1.5
Mitchell, O. S. – Lusardi, A. (2015): Financial Literacy and Economic Outcomes: Evidence and Policy Implications. The Journal of Retirement, 3(1): 107–114. https://doi.org/10.3905/jor.2015.3.1.107
MNB (2020): A pénzügyi kultúra fejlesztése – értékelés és javaslatok. Magyar Nemzeti Bank. https://www.mnb.hu/letoltes/mnb-penzugyi-kultura-fejlesztes-2020.pdf
Modigliani, F. – Brumberg, R. (1954): Utility analysis and the consumption function: An interpretation of cross-section data. In Kurihara, K. K. (ed): Post-Keynesian Economics. Rutgers University Press, 388–436.
Murray, L. – Nguyen, H. – Lee, Y.-F. – Remmenga, M. D. – Smith, D. W. (2012): Variance inflation factors in regression models with dummy variables. Conference on Applied Statistics in Agriculture. https://doi.org/10.4148/2475-7772.1034
Németh, E. – Zsótér, B. – Béres, D. (2020): A pénzügyi sérülékenység jellemzői a magyar lakosság körében az OECD 2018-as adatainak tükrében. Pénzügyi Szemle, 65 (2), 281–308. https://real.mtak.hu/111279/
OECD (2013): OECD/INFE toolkit to measure financial literacy and financial inclusion: guidance, core questionnaire and supplementary questions. OECD_Russia Trust Fund. https://www.oecd.org/daf/fin/financial-education/TrustFund2013_OECD_INFE_toolkit_to_measure_fin_lit_and_fin_incl.pdf
OECD (2019): Evaluating financial education programmes: OECD/INFE guidance. Organisation for Economic Co-operation and Development. https://www.oecd.org/finance/Evaluating-Financial-Education-Programmes.pdf
OECD (2022): OECD/INFE Toolkit for Measuring Financial Literacy and Financial Inclusion 2022. OECD. https://doi.org/10.1787/cbc4114f-en
Pénziránytű (2015): A Pénziránytű Alapítvány által lebonyolított pénzügyi kultúra kutatás fő eredményeinek bemutatása. Pénziránytű Alapítvány. https://www.mnb.hu/letoltes/a-penziranytu-alapitvany-altal-lebonyolitott-penzugyi-kultura-kutatas-fo-eredmenyeinek-bemutatasa.pdf
Pénziránytű (2021a): Iránytű a pénzügyekhez: Középiskolai pénzügyi-gazdasági alapismeretek. Pénziránytű Alapítvány. https://penziranytu.hu/sites/default/files/tananyag/tankonyv/Iranytu_a_Penzugyekhez_2021.pdf
Pénziránytű (2021b): Pénzügyi tudatosság a köznevelésben. Pénziránytű Alapítvány. https://penziranytu.hu/sites/default/files/penzugyi_tudatossag_a_kozoktatasban.pdf
Polya, G. (1920): Über den zentralen Grenzwertsatz der Wahrscheinlichkeitsrechnung und das Momentenproblem. Mathematische Zeitschrift, 8(3–4): 171–181. https://doi.org/10.1007/BF01206525
Salas-Velasco, M. (2022): Causal Effects of Financial Education Intervention Aimed at University Students on Financial Knowledge and Financial Self-Efficacy. Journal of Risk and Financial Management, 15(7), 284. https://doi.org/10.3390/jrfm15070284
Shalabh (2022): Theory of Ridge Regression Estimation with Applications. Journal of the Royal Statistical Society Series A: Statistics in Society, 185(2): 742–743. https://doi.org/10.1111/rssa.12816
Shapiro, S. S. – Wilk, M. B. (1965): An Analysis of Variance Test for Normality (Complete Samples). Biometrika, 52(3–4): 591–611. http://links.jstor.org/sici?sici=0006-3444%28196512%2952%3A3%2F4%3C591%3AAAOVTF%3E2.0.CO%3B2-B
Suri, T. – Jack, W. (2016): The long-run poverty and gender impacts of mobile money. Science, 354(6317), 1288–1292. https://doi.org/10.1126/science.aah5309
TÁRKI (2020): Túlzottan eladósodott családok megélhetési stratégiái és szolgáltatási válaszok feltérképezése. Szociális és Gyermekvédelmi Főigazgatóság, EFOP-1.9.4.–VEKOP-16-2016-0001 „A szociális ágazat módszertani és információs rendszereinek megújítása” – „Módszertani tárgyú kutatások és fejlesztések” c. program. https://szocialisportal.hu/wp-content/uploads/2023/09/30T_Tulzottan-eladosodott-uzsoraval-erintett-csaladok-megelhetesi-strategiai.pdf
Thaler, R. H. (1999): Mental accounting matters. Journal of Behavioral Decision Making, 12(3), 183–206. https://doi.org/10.1002/(SICI)1099-0771(199909)12:3<183::AID-BDM318>3.0.CO;2-F
Thaler, R. H. (2000): From homo economicus to homo sapiens. Journal of Economic Perspectives, 14(1), 133–141. https://doi.org/10.1257/jep.14.1.133
Thaler, R. H. – Sunstein, C. R. (2008): Nudge: Improving decisions about health, wealth, and happiness. Yale University Press.
Tukey, J. (1977): Exploratory Data Analysis. 1st ed. London: Pearson. https://www.amazon.com/Exploratory-Data-Analysis-John-Tukey/dp/0201076160
Uurtio, V. – Monteiro, J. M. – Kandola, J. – Shawe-Taylor, J. – Fernandez-Reyes, D. – Rousu, J. (2017): A Tutorial on Canonical Correlation Methods 33. https://doi.org/10.48550/ARXIV.1711.02391
Wallis, J. J. (1989): Employment in the Great Depression: New data and hypotheses. Explorations in Economic History, 26(1): 45–72. https://doi.org/10.1016/0014-4983(89)90004-1
Zhang, Y. – Politis, D. N. (2020): Ridge Regression Revisited: Debiasing, Thresholding and Bootstrap. arXiv. https://doi.org/10.48550/ARXIV.2009.08071
