1

1

Powody częstego wyboru gotówki przez Polaków- analiza wyników badań ankietowych i dzienniczkowych z 2016 roku

Ostatnia modyfikacja 11.12.2017

Arkadiusz Manikowski Departament Emisyjno-Skarbcowy, Narodowy Bank Polski, Wydział Zarządzania, Uniwersytet Warszawski. Email: arkadiusz.manikowski@nbp.pl.

Streszczenie

W niniejszym artykule wykorzystując dwumianowy model logitowy określono przyczyny częstego

wyboru gotówki przy dokonywaniu płatności przez Polaków. Podstawą oszacowań modelu były dane pozyskane podczas badania ankietowego i siedmiodniowego badania dzienniczkowego przeprowadzonego w 2016 roku przez NBP.

Z pomocą modelu zbadano wpływ na wybór gotówki cech społeczno-ekonomicznych respondentów, stan ich ubankowienia, wartość transakcji i wartość gotówki w portfelu oraz fakt akceptacji kart w POS. W artykule uwzględniono również czynnik behawioralny, wyrażający postrzeganie gotówki przez konsumentów.

Okazało się, że wiek, dochody, miejsce zamieszkania, liczba osób w gospodarstwie oraz forma zatrudnienia istotnie wpływać może na wybór gotówki. Istotną rolę odgrywa również stanu ubankowienia respondentów. Badania potwierdziły, że gotówka odgrywa istotną rolę przede wszystkich w płatnościach niskokwotowych. Stwierdzono także wpływ czynnika behawioralnego na decyzję o wyborze formy zapłaty.

1. Wprowadzenie

Od wielu lat pojawiają się głosy wieszczące koniec ery pieniądza gotówkowego na świecie. Przykłady takich sygnałów przytoczone zostały między innymi przez Manikowskiego (2017a). Obserwacja wielkości obiegu gotówkowego w wielu krajach wskazuje, że koniec ten, jeśli w ogóle nastąpi, nie nadejdzie w najbliższym czasie. Dotyczy to również Polski, gdzie w latach 2013-2016 średnioroczny wzrost wartości obiegu gotówki wynosił kilkanaście procent (w tym w 2016 roku był na poziomie 14,94%). Jednocześnie, w tym samym okresie dynamicznie rozwijał się rynek instrumentów bezgotówkowych. Koegzystencja tych dwóch rodzajów instrumentów płatniczych wymaga prowadzenia systematycznych badań nad przyczynami rozwoju ich rynków.

Postrzeganie gotówki w kontekście rozwoju rynku instrumentów płatniczych jest w zainteresowaniu banków centralnych z racji tego, że są one w wielu krajach jedynym emitentem banknotów, których wartość w obiegu jest dominująca. Stąd też, w literaturze można się spotkać z opisem wielu badań prowadzonych właśnie z inicjatywy banków centralnych. Podstawowym źródłem ich wiedzy są nie tylko statystyki obiegu gotówki (wielkość obiegu, przychodów i rozchodów) ale również badania ankietowe i dzienniczkowe. Ich analiza wymaga wsparcia narzędziami ekonometrycznymi, które pozwalają zrozumieć czynniki mające wpływ na wyboru rodzaju płatności.

Do prac leżących w tym nurcie badań zaliczyć należy prace Bounie i Francois (2006) oraz Klee (2008), które wykazały, że wartość transakcji jest dobrym predyktorem wyboru płatności. Badanie Klee (2008), koncentruje się na danych w punktach sprzedaży znajdujących się sklepach spożywczych. Stwierdza on, że schematy płatności różnią się znacznie w zależności od demografii konsumentów, takich jak dochody i wiek. Jednak ten związek może być wynikiem innych, nieobserwowalnych czynników, takich jak na przykład: wygoda konsumenta czy koszt alternatywnych metod płatności. Inną wadą jej badań jest to, że dane demograficzne znajdują się na poziomie spisu powszechnego, w związku z czym wyników nie można bezpośrednio przełożyć na cechy konsumenta.

2

2

Z kolei Jonker (2007) przeprowadziła na przykładzie gospodarstw domowych w Holandii mikroekonomiczną analizę używania czterech środków płatności: gotówki, karty debetowej, karty kredytowej i elektronicznej portmonetki. W tym celu zastosowała cztery modele probitowe ze zmienną endogeniczną odzwierciedlającą najczęściej wybierany sposób płatności za zakupy. Jonker i Kosse (2009) zastosowali modele Poissona dla opisu liczby transakcji kartą debetową i gotówką w 16 różnych zakładach usługowych, sklepach i obiektach kulturalno-rozrywkowych.

W badaniach dotyczących zwyczajów płatniczych Polaków na uwagę zasługuje praca Marca, Polasika i Fiszedre (2013). Dotyczy ona wykorzystania dwóch podstawowych metod płatności podczas codziennych zakupów: gotówki i karty debetowej. Dane uzyskano w ramach badania ankietowego zrealizowanego na przełomie 2010 i 2011 r. na ogólnopolskiej reprezentatywnej próbie losowej 2974 respondentów. W tym celu wykorzystano dwuwymiarowy model Poissona, który pozwolił na wykazanie m.in. tego, że na liczbę transakcji, zarówno gotówką, jak i kartami debetowymi, wpływa wiele zmiennych o charakterze demograficznym, społecznym i ekonomicznym.

Z kolei Fiszeder i Polasik (2009) dokonali analizy czynników determinujących intensywność wykorzystania w Polsce trzech głównych metod płatności: gotówki, karty debetowej oraz karty kredytowej. Do opisu liczby płatności zastosowali 6 modeli zmiennych licznikowych, między innymi model ujemny dwumianowy.

W niniejszej publikacji wykorzystano logitowy model zmiennych jakościowych dwumianowych do opisania prawdopodobieństwa wyboru gotówki podczas dokonywania płatności. Mieści się to w nurcie badań nakreślonych przez Arango i Taylora (2009), którzy wykorzystali modele logitowe w badaniach zwyczajów płatniczych mieszkańców Kanady. Ich pracę z wykorzystaniem wielomianowych modeli logitowych były kontynuowane przez Arango, Huynh i Sabetti (2011) oraz przez Arango, Hogga i Lee (2012).

Niniejsze opracowanie stanowi kontynuację pogłębionych analiz zapoczątkowanych przez Autora, których wyniki zaprezentowano w raporcie Manikowski (pkt. 5, 2017). Wstępnej analizie poddano tam dane ankietowe wykorzystując prosty model ekonometryczny ze zmienną objaśnianą oznaczającą wartościowy udział gotówki w deklarowanych rocznych wydatkach respondentów.

Prezentowane tutaj analizy bazują przede wszystkim na danych dzienniczkowych zarejestrowanych przez respondentów podczas siedmiodniowego badania przeprowadzonego przez NBP w 2016 roku (Manikowski, 2017). Badanie to stanowi kontynuację badań ankietowych i dzienniczkowych zapoczątkowanych przez Departament Systemów Płatniczy Narodowego Banku Polskiego w 2012- Koźliński (2012).

Autor analizując częstość wykorzystywania gotówki podczas dokonywania płatności starał się odpowiedzieć na pytanie jakie czynniki skłaniają polskich konsumentów do posługiwania się nią podczas zakupów.

Osiągnięciu tego celu przyświeca układ artykułu, który składa się z 6 części. W pierwszej kolejności opisano metodologię pozyskania danych ankietowych i dzienniczkowych. Następnie poddano je prostej analizie statystycznej, której celem była identyfikacja czynników mogące potencjalnie wpływać na wybór sposobu dokonania płatności przez konsumenta. Następnie opisano istotę zastosowanego modelu logitowego dla celów osiągniętych w kolejnej części artykułu polegających m.in. na wyjaśnieniu jakie cechy i z jaką siłą wpływają na to, że konsumenci decydują się na wybór gotówki przy zapłacie za poszczególne rodzaje towarów i usług. Na koniec podano wnioski z uzyskanych wyników.

2. Badanie ankietowe i dzienniczkowe

Dane poddane w artykule analizie pozyskano z badania, które zostało przeprowadzone w

okresie 21.09.2016 – 28.11.2016 na grupie reprezentatywnej 1000 gospodarstw domowych w Polsce

w ramach zadania Badanie czynników oddziałujących na wielkość obrotu gotówkowego w

poszczególnych regionach Polski. Obejmowało ono badanie ankietowe zrealizowane metodą CAPI i

siedmiodniowe badanie dzienniczkowe. Najwięcej wywiadów a tym samym i przekazań dzienniczków

3

3

do wypełnienia nastąpiło w połowie października (47%). Badanie ankietowe zostało przeprowadzone

tylko wśród tych osób, które zadeklarowały uczestnictwo w następującym po nim badaniu

dzienniczkowym. Dobór próby miał charakter reprezentatywny z punktu widzenia płci, wieku oraz

miejsca zamieszkania pod względem województw jak i wielkości miejscowości. Struktura próby z

punktu widzenia dochodów i wykształcenia jest zbliżona do struktury populacji.

Ankiety obejmowały swoim zakresem następujące zagadnienia związane z używaniem gotówki:

‒ Sposoby pozyskiwania gotówki;

‒ Wykorzystanie gotówki;

‒ Struktura nominałowa;

‒ Wartość portfela;

‒ Dostęp do gotówki;

‒ Trudności w posługiwaniu się gotówką.

Dzienniczki stanowiły tygodniową obserwację następujących stanów i czynności:

Codzienny skład portfela z wyróżnieniem poszczególnych nominałów banknotów i monet;

Zestaw codziennych transakcji zakupowych wraz ze sposobem i miejscem ich realizacji;

Zestaw codziennych wypłat gotówkowych i miejsc ich dokonywania.

Dodatkowo, do dzienniczków dołączono pytanie o wielkość wybranych wydatków1

rocznych/miesięcznych/tygodniowych wraz z prośbą o podanie sposobów ich realizacji (częstotliwość

oraz rodzaj używanych instrumentów płatniczych). Miało to na celu udostępnienie respondentom

tygodniowego czasu na wypełnienie obszernej tabeli wymagającej zastanowienia się, ile i jak realizują

swoje wydatki w 12 kategoriach, poczynając od wydatków konsumpcyjnych, a kończąc na tzw.

płatnościach masowych obejmujących opłaty za prąd, gaz, wodę, telefon i inne media.

3. Czynniki wpływające na wykorzystywanie gotówki- podstawowe wyniki badania

dzienniczkowego

3.1. Gotówka jako instrument nadal powszechnie wykorzystywany do realizacji płatności

Badania dzienniczkowe wykazały wysoki poziom ubankowienia polskiego społeczeństwa. Grupa dorosłych osób posiadających co najmniej jedno konto w banku, SKOK lub banku spółdzielczym stanowi 88,4%. Wśród posiadaczy kont 83,6% respondentów zadeklarowało w badaniach ankietowych, że posiada co najmniej jedną kartę debetową lub kredytową, choć 91,86% takich respondentów używało karty podczas transakcji zarejestrowanych w badaniu dzienniczkowym.

Pomimo tak wysokiego poziomu ubankowienia, gotówka nadal jest powszechnie wykorzystywana podczas dokonywania płatności. Wykazały to badania dzienniczkowe, w ramach których zarejestrowano 4 545 transakcji gotówką na łączną kwotę 218 801 zł, 3 582 transakcji kartami na łączną kwotę 248 160 zł i 302 transakcji innymi instrumentami bezgotówkowymi (np. płatności mobilne, przez Internet) na łączną kwotę 71 134 zł- Tabela 3.1.

Analiza porównawcza codziennych płatności z punktu widzenia wykorzystywanych

instrumentów płatniczych wykazała, że gotówka nadal jest najczęściej wykorzystywana w transakcjach

(w 53,92%), choć jej wartościowy udział jest mniejszy i wynosi 40,66%- Rysunek 3.1.

Udział płatności różnymi instrumentami w poszczególnych przedziałach do 200zł przedstawia rysunek 3.2. Wynika z niego, że w przedziale 30-40 zł wartości transakcji zaznacza się przewaga płatności kartą w stosunku do płatności dokonywanych gotówką.

Analiza statystyczna przeprowadzona przez Manikowskiego (2017) potwierdza istnienie w tym przedziale kwoty, poniżej której Polacy chętniej korzystają z gotówki. Wskazuje on, że płatności do 10

1 Nazywanych wydatkami deklarowanymi.

4

4

zł były w 80% realizowane za jej pomocą. W innych krajach również stwierdzono dużą popularność gotówki w płatnościach niskokwotowych. Na przykład wg badań z 2011 roku stwierdzono następujące udziały gotówki do pewnych poziomów płatności: w Holandii 69% płatności do 20 euro (Jonker et al., 2012), w Niemczech 98% płatności do 5 euro (Deutsche Bundesbank, 2013), w Austrii 86,7% płatności do 20 euro (Mooslechner et al., 2012) , we Francji 90% płatności do 5 euro (Bouhdaoui i Bounie, 2012). 3.2. Powody wykorzystywania gotówki do realizacji płatności

Jednym z powodów wyboru pomiędzy gotówką a kartą może być możliwość akceptacji kart płatniczych. Przeprowadzona analiza pokazała, że zaobserwowanej powszechności wykorzystywania gotówki szczególnie w niskokwotowych płatnościach towarzyszy wysoka akceptacja kart płatniczych w punktach obsługi klienta (POS). Poziom tej akceptacji w poszczególnych rodzajach POS dla płatności o różnych wartościach przedstawia tabela 3.2.

W większości POS rośnie ona wraz ze wzrostem wartości płatności2 co może wynikać m.in. z tego, że dla wyższych płatności, które w większości są dokonywane kartą, fakt ich akceptacji jest udokumentowany w przeciwieństwie do płatności niskokwotowych z przewagą gotówki. Badania dzienniczkowe pokazują 100% poziom akceptacji kart płatniczych na stacjach paliw i w dużych sklepach typu hiper- i supermarket. Nie jest zaskoczeniem, że gromadzenie oszczędności jak i płatności za usługi typu warsztat, pomoc domowa, fryzjer charakteryzują się jednym z najniższych poziomów akceptacji kart (odpowiednio 18,5% i 25,7%).

Wpływy akceptacji kart płatniczych na wybór instrumentu płatniczego przedstawia rysunek 3.3, z którego wynika, że udział gotówki w POS z akceptacją kart jest niższy. Co więcej, im większa płatność, tym udział gotówki jest mniejszy niezależnie od tego, że POS w którym jest dokonywana płatność honoruje karty płatnicze. Podobną zależność stwierdzono również w badaniach Bagnalla et al. (2014) w Austrii, Kanadzie i Niemczech.

Kolejnymi czynnikami mogącymi mieć wpływ na wybór rodzaju instrumentu płatniczego są cechy społeczno-ekonomiczne respondentów takie jak np. wiek, dochody i wykształcenie. Wyniki ich analiz, przeprowadzone w oparciu o dane dzienniczkowe, przedstawia Tabela 3.3, w której podano oszacowane prawdopodobieństwa użycia gotówki.

W przypadku wieku zaskoczeniem jest zaobserwowany niższy udział płatności gotówkowych wśród respondentów 35+ w stosunku do respondentów poniżej 35 roku życia. Dotyczy to szczególnie osób w wieku 65+, dla których udział gotówki w transakcjach jest najniższy. I trudno to wyjaśnić średnią wartością płatności, które są większe w przypadku młodszej części respondentów.

Podobne wyniki, nie do końca zgodne z oczekiwaniami, dotyczą przypadku dochodów do dyspozycji. Największy udział gotówki wystąpił dla przeciętnych dochodów 1,8 tys.-2,4 tys zł, zaś najmniejszy udział w najniższym przedziale do 1,3 tys. zł. Mogłoby się wydawać, że osoby z wyższymi dochodami dokonując większych płatności są skłonni do częstszego wykorzystywania karty. Dokładnie odwrotnie można by było oczekiwać w przypadku osób najmniej zarabiających. Okazuje się jednak, że między dochodami a średnimi wartościami płatności nie występuje silnej korelacji ujemnej.

W przypadku wykształcenia, skrajne udziały gotówki mają miejsce w przypadku respondentów z wykształceniem średnim (udział najwyższy) i podstawowym (udział najniższy). Warto odnotować, że w przypadku każdej, branej pod uwagę cechy społeczno-ekonomicznej występuje ponad 50% udział gotówki w wydatkach.

Wydaje się, że kolejnym, istotnym czynnikiem mogącym mieć wpływ na wybór gotówki jest jej postrzeganie przez społeczeństwo. W celu zidentyfikowania jak gotówkę widzą dorośli Polacy zadano w ankiecie pytanie o ocenę w skali 0-5 znaczenia (ważności) przyczyn wykorzystywania gotówki zamiast innych form realizacji płatności. Respondenci mieli do oceny 13 najbardziej charakterystycznych powodów, które mogłyby ich skłonić do częstszego używania gotówki. Odpowiedzi uzyskane na tak postawione pytanie przedstawia Tabela 3.4 wraz podaniem rankingu ważności tych powodów.

2 Podobnie jak to wynika z badań m.in. w Kanadzie- Arango et al. (2012).

5

5

Wynika z nich, że najwyższe noty otrzymały następujące powody wykorzystywania gotówki:

łatwość posługiwania się, możliwość realizacji płatności o niskich wartościach, kontrola wydatków3. W

badaniach używania gotówki w 7 krajach (Bagnall et al., 2014), ankietowani wskazali przede wszystkim

akceptacje gotówki, koszty z nią związane i łatwość jej użycia.

Co istotne, za wyjątkiem dwóch czołowych pozycji z rankingu, wszystkie pozostałe powody nie

miały znaczenia dla ponad 30% badanych. Najwyższe wskaźniki braku takiego znaczenia odnotowano

w przypadku anonimowości i unikania rejestracji pewnych transakcji (powyżej 50%) co w pewnym

stopniu potwierdza spostrzeżenia poczynione m.in. przez Stixa (2017) oraz Jobsta i Stixa (2017) o nie

istotności związku szarej strefy i wielkości zapotrzebowania na gotówkę.

Jedną z cech gotówki, jaką poddano ocenie przez respondentów był koszt jej używania. Zostały one

sklasyfikowane na siódmym miejscu (Tabela 3.4). Nie mniej jednak koszt ten można również wyrażać

poprzez wartość posiadanej w portfelu gotówki. Im większa jej wartość tym koszty utraconych możliwości

są wyższe. Choć z drugiej strony większa wartość gotówki w portfelu wiąże się z mniejszym kosztem tzw.

zdartych zelówek, czyli kosztem wynikającym z czasu niezbędnego do pozyskania gotówki w bankomacie

lub kasie banku. Dlatego też w badaniach dzienniczkowych poproszono respondentów o codzienne

rejestrowanie jaki jest stan ich portfela.

Dodatkową przesłanką wzięcia pod uwagę wartości portfela były wyniki badania ankietowego, w

którym 28,3% respondentów wskazało opcję płacenia gotówką zawsze wtedy, gdy znajduje się ona w

portfelu, co sugeruje stosowanie przez nich tzw. reguły Cash First badanej m.in. przez Arango et al. (2014),

Bouhdaoui i Bounie (2012), Eschelbach i Schmidt (2013). Badania dzienniczkowe po części potwierdzają

takie zachowanie respondentów. Dotyczy to szczególnie wartości portfela do 150 zł- Rysunek 3.4. Wynika z

niego, że wraz ze wzrostem wartości gotówki w portfelu rośnie prawdopodobieństwo (częstość) używania

gotówki, choć powyżej pewnej kwoty tendencja jest odwrócona. Można to tłumaczyć jedną z trzech funkcji

jaką spełnia gotówka- przezorność.

4. Specyfikacja modelu logitowego wyboru gotówki

4.1. Model logitowy

Rozważany problem wyboru spośród gotówki i innego instrumentu płatniczego podczas dokonywaniu zakupów można analizować za pomocą modeli ekonometrycznych ze zmienną dwumianową y jako zmienną objaśnianą. Zmienna ta przyjmie wartość 1 jeśli wybrano gotówkę, 0 w przypadku wyboru innego instrumentu płatniczego. Ze względu na posiadanie ocen jak jest postrzegana gotówka bez ocen innych, poszczególnych instrumentów płatniczych zdecydowano się na model dwumianowy. W prezentowanych rozważaniach wykorzystano model logitowy następującej postaci:

(1) 𝑝𝑖 = 𝑃(𝑦𝑖 = 1) =exp(𝑥𝑖

′𝛽)

1+exp(𝑥𝑖′𝛽)

gdzie x oznacza zestaw zmiennych objaśniających powodu wyboru gotówki, zaś 𝛽 - wektor parametrów szacowanych z wykorzystaniem metody największej wiarygodności.

W przypadku modelu logitowego interpretacja parametrów jest utrudniona ze względu na jego nieliniowy charakter (Train, 2003). W związku z tym wyznacza się tak zwane efekty krańcowe. Efekt krańcowy mówi jak (małe) zmiany zmiennych objaśniających wpłyną na wartość prawdopodobieństwa 𝑝𝑖 czyli wyboru gotówki podczas płatności. Sposób wyliczania efektu krańcowego zależy od rodzaju zmiennej objaśniającej.

3 Kontrola wydatków w badaniach Maison (2017) stanowiła główny powód posługiwania się gotówką (ale z innym zestawem powodów).

6

6

I tak, dla zmiennej ciągłej efekt krańcowy oznaczający wrażliwość prawdopodobieństwa 𝑝𝑖 na małe zmiany zmiennej egzogenicznej wyznacza się jako pochodną następującej postaci:

(2) 𝜕𝑝𝑖

𝜕𝑥𝑗𝑖= 𝛽𝑗

exp(𝑥𝑖′𝛽)

[1+exp(𝑥𝑖′𝛽)]

2

gdzie 𝑥𝑗𝑖- j-ta zmienna dla i-tej obserwacji.

Można zauważyć, że w modelu logitowym efekt krańcowy jest funkcją nie tylko parametru przy zmiennej ale również wszystkich zmiennych objaśniających.

Natomiast dla zmiennych binarnych efekt krańcowy oznacza różnicę między prawdopodobieństwem zapłacenia gotówką kiedy zmienna 𝑥𝑗𝑖 jest równa 1 (wskazuje na wybraną

cechę j) a prawdopodobieństwem zapłacenia gotówką gdy zmienna 𝑥𝑗𝑖 jest równa 0 (nie wskazuje na

występowanie cechy j), czyli

(3) ∆𝑝𝑖

∆𝑥𝑗𝑖= 𝑃(𝑦𝑖 = 1/𝑥𝑗𝑖 = 1) − 𝑃(𝑦𝑖 = 1/𝑥𝑗𝑖 = 0).

Zwykle efekty krańcowe wyznacza się dla wartości średnich wszystkich zmiennych

objaśniających (tzw. MEM- Marginal Effects at the Mean). Jednak w przypadku zmiennych objaśniających będących zmiennymi binarnymi wskazanym jest obliczanie efektów krańcowych dla konkretnej jednostki obserwacji (tzw. MER- Marginal Effects at Representative value). Najczęściej do interpretacji uzyskanych wyników wykorzystuje się średnie efekty krańcowe obliczane jako średnie efektów krańcowych wyznaczonych dla każdej obserwacji- AME (Average Marginal Effects).

W prezentowanym artykule wykorzystano kombinację efektów krańcowych typu MEM i MER- z ustalonymi wartościami zmiennych binarnych i średnimi wartościami pozostałych zmiennych- dalej oznaczanych jako ME.

Jakość modelu ze zmienną binarną można i zdaniem Gruszczyńskiego (s. 96-97, 2012) należy mierzyć z wykorzystaniem kilku wybranych miar. Autor zdecydował się na wykorzystanie w tym celu następujących ich zestawu:

pseudo-R2 Mc Faddena przyjmujący wartości z przedziału [0,1] i opierający się na porównaniu pełnego modelu z modelem zredukowanym do stałej (wyrazu wolnego) z wykorzystaniem logarytmów funkcji wiarygodności tych modeli. Wartość zero tej miary oznacza brak różnicy między wykorzystywanym modelem a modelem ze stałą,

procent trafnych prognoz wyznaczonych na podstawie modelu dla przyjętej wartości odcinającej c. Jeśli oszacowanie prawdopodobieństwa p jest większe od c wtedy prognoza z modelu wynosi y=1. Procent trafnych prognoz stanowi tzw. zliczeniowy R2 pomnożony przez 100,

kryteria informacyjne AIC (Akaike’a) i BIC (bayesowskie),

krzywa ROC (Receiver Operating Curve) ze wskaźnikiem False Positive Rate na osi odciętych wyrażającym 1 – specyficzność (1-procent poprawnie prognozowanych zer y=0) i wskaźnikiem True Positive Rate na osi rzędnych wyrażającym czułość (procent poprawnie klasyfikowanych jedynek y=1). Dodatkowo, w ocenie jakości modelu pomocnym jest pole powierzchni pod krzywa ROC- AUC (Area Under Curve), które dla modelu ze stałą wynosi 0,5. Wartość AUC na poziomie 1 oznacza idealną klasyfikację wg wykorzystywanego modelu.

4.2. Czynniki wpływające na zachowania płatnicze Polaków

W badaniach nad przyczynami wyboru gotówki z wykorzystaniem modelu logitowego wykorzystano kilka zestawów zmiennych.

Pierwszy z nich zawiera cechy społeczno-ekonomiczne takie jak wiek, dochody, wykształcenie, liczbę osób w gospodarstwie domowym, płeć, miejsce zamieszkania oraz zatrudnienie.

Drugi zestaw zmiennych dotyczy stanu ubankowienia respondentów wyrażone posiadaniem konta w banku, posiadaniem kart kredytowych i debetowych z uwzględnieniem dodatkowej opcji

7

7

dokonywania płatności zbliżeniowych. Z badań przeprowadzonych przez Manikowskiego (2017) wynika, że podczas dokonywania płatności wielu respondentów używało kart mimo deklaracji w ankiecie o braku ich posiadania. Oznacza to, że stan posiadania karty nie zawsze odzwierciedla faktyczny stan z jakim można się spotkać w sklepie. Niemniej jednak, ze względu na niewielkie zmiany jakości modelu po uwzględnieniu zmiennej mówiącej o faktycznym użyciu karty zdecydowano się na jej pominięcie.

Kolejny zestaw czynników stanowi charakterystykę dokonywanych płatności. Wśród nich znalazła się wartość transakcji. Dodatkowo, ze względu na fakt istnienia związku między decyzją o wyborze gotówki a stanem posiadanej gotówki uwzględniono zawartość portfela w dniu dokonywania transakcji. Stan posiadania gotówki jest również konsekwencją wypłat bieżących przede wszystkim z bankomatów. Jednak uwzględnienie ich w modelu ma znikomy wpływ na jakość modelu. W modelu wzięto pod uwagę iloraz wartości płatności i gotówki w portfelu ze względu na możliwość ujemnej korelacji tego czynnika z prawdopodobieństwem wyboru gotówki: im większa transakcja i im mniej posiadamy w portfelu gotówki tym większe prawdopodobieństwo wyboru innych instrumentów płatniczych. Wszystkie wymienione czynniki podniesione do kwadratu stanowiły kolejne zmienne rozważane w modelu.

Czwartą grupą czynników stanowią cechy miejsca/przedmiotu zakupu. Dodatkowo, uwzględniono również możliwość zapłaty w poszczególnych miejscach (za poszczególne zakupy) kartą płatniczą (czyli fakt akceptacji kart). Ze względu na zaobserwowany wzrost wartości obiegu gotówkowego w piątki, wprowadzono również do rozważań zmienną identyfikująca, czy płatność została dokonana w weekend.

Ostatnia grupa zmiennych reprezentuje postrzeganie gotówki przez respondentów: anonimowość, bezpieczeństwo, cel używania gotówki (jako środek przezornościowy, oszczędzanie, do niskich i wysokich płatności), łatwość i koszt używania, czas dokonywania płatności, trudności z dostępem do bankomatów i do sieci akceptacji kart płatniczych, kontrola wydatków i unikanie rejestracji . W tym celu skorzystano z ich oceny dokonanej podczas badania ankietowego, kiedy to respondenci ocenili ważność każdej z 13 przyczyn w skali 0-5.

Do analiz ekonometrycznych wzięto względne oceny RE gotówki i pozostałych instrumentów płatniczych wyliczone dla każdej i-tej transakcji w oparciu o oceny E otrzymane z badania ankietowego r-tego respondenta. Do ich wyznaczenia zastosowano podejście Arango i Taylora (2009) w następujący sposób: - dla płatności gotówkowych

𝑅𝐸𝐶𝑎𝑐ℎ𝑟𝑖 =𝐸𝑟

5

- dla płatności bezgotówkowych

𝑅𝐸𝑁𝑜𝑛𝐶𝑎𝑠ℎ𝑟𝑖 =5−𝐸𝑟

5 .

Uzasadnienie przyjęcia takiej właśnie formy oceny bezgotówkowych instrumentów płatniczych

przy posiadaniu oceny tylko gotówki jest następujące. Pytanie ankietowe związane z postrzeganiem gotówki brzmiało: „Oceń w skali 0-5 znaczenie (ważność) przyczyn wykorzystania przez Ciebie gotówki zamiast innych form realizacji płatności”, czyli stanowiło swego rodzaju porównanie z innymi instrumentami płatniczymi. Stąd założono w obliczeniach względnej oceny RE, że ocena instrumentu bezgotówkowego stanowi dopełnienie do 5 oceny instrumentu gotówkowego.

Sposób wyznacza wartości zmiennych z ostatniej grupy (postrzeganie gotówki) może budzić pewne wątpliwości. Jest to związane z przyjętym założeniem, że jeśli respondenci ocenili np. anonimowość gotówki na 5 w odniesieniu do innych instrumentów płatniczych, to oznacza, że anonimowość innych instrumentów będzie wynosiła 0 jako dopełnienie do 5. Ze względu na te wątpliwości, w dalszych rozważaniach przyjęto analizować dwa modele logitowe:

8

8

model 1 z zestawem zmiennych opisujących postrzeganie gotówki i pozostałych instrumentów płatniczych,

model 2 bez zestawu zmiennych reprezentujących postrzeganie instrumentów płatniczych. Szczegółowy opis zmiennych z podziałem na wymienione wyżej grupy podano w załączniku 1.

5. Wyniki analiz ekonometrycznych

5.1. Ocena jakości modelu logitowego

Na podstawie 8396 obserwacji reprezentujących dokonane przez respondentów i zarejestrowane w dzienniczku płatności4 oszacowano modele logitowe, których jakość wyrażoną różnymi miarami podano w tabelach 5.1 (pseudo R2), 5.2 (kryterium predykcyjne), 5.3 (kryteria informacyjne) i na rysunku 5.1 (krzywa ROC). Model 1 z postrzeganiem gotówki charakteryzuje się znacznie lepszą jakością. Wartość pseudo R2 dla tego modelu wynosi 0,7033 i jest o 0,44 większa od wartości tej miary dla modelu 2.

W przypadku kryterium predykcyjnym przyjęto punkt odcięcia c na poziomie 0,5 ze względu na zbilansowanie próby (podobny udział operacji gotówkowych i bezgotówkowych). Można więc uznać, że ustalono wartość c na zbliżonym poziomie do tzw. optymalnej wartości granicznej Cramera. Również to kryterium wyraźnie wskazuje na model 1, w przypadku którego procent poprawnych klasyfikacji wynosi 92,04% przy 71,53% dla modelu 2 bez zmiennych mówiących o postrzeganiu gotówki. Oznacza to, że tzw. wartości zliczeniowego R2 wynoszą dla poszczególnych modeli odpowiednio 0,9204 i 0,7153. Dokładność klasyfikacji jedynek (y=1) i zer (y=0) jest bardzo zbliżona dla obydwu modeli.

Rozważając krzywą ROC można zauważyć wartość AUC na poziomie 0,9741 na modelu 1, co potwierdza prawie idealną klasyfikację zmiennych y. Wartości kryteriów informacyjnych AIC i BIC w przypadku modelu 1 są znacznie niższe (lepsze) od odpowiednich wartości dla modelu 2. Dodatkowo, AIC dla modeli 1 i 2 są znacznie niższe od AIC dla modelu ze stałą, stanowiący swego rodzaju punkt odniesienia.

Wszystkie miary jakości wskazują, że dołączenie do modelu zestawu zmiennych wyrażających postrzeganie gotówki znacznie poprawia jego jakość. Może to sugerować, że: - aspekt behawioralny przy wyborze instrumentu płatniczego odgrywa bardzo istotną rolę i/lub - respondenci nie koniecznie poprawnie zinterpretowali treść pytania ankietowego związanego z postrzeganiem gotówki w relacji do innych instrumentów. 5.2. Analiza efektów krańcowych

W ocenach wpływu poszczególnych cech na wybór rodzaju instrumentu płatniczego

wykorzystano efekty krańcowe ME z ustalonymi wartościami zmiennych binarnych i średnimi

wartościami pozostałych zmiennych.

Zdecydowano się wyznaczać ME dla osób, które charakteryzują się zbliżonym do neutralnego

podejściem do gotówki. Dodatkowo, ze względu na usunięcie niektórych zmiennych binarnych na

skutek współliniowości (dotyczy wieku, dochodów, wykształcenia, miejsca zamieszkania), ustalenie w

taki sposób ich wartości, w których ME zostały policzone, aby ułatwiało to interpretację uzyskanych

wyników. I tak na przykład z powodów współliniowości z modelu usunięto zmienną reprezentującą

wiek z przedziału 18-24. Tym samym interpretacja ME dla zmiennych związanych z wiekiem będzie

odnosiła się do porównań z wiekiem 18-24. Dlatego też przy obliczaniu ME przyjęto zerowy poziom

wszystkich zmiennych w modelu, które reprezentują wiek.

4 Z analiz usunięto płatności dokonane w dniach z zerowym stanem portfela, co jest skutkiem wykorzystywania zmiennej stanowiącej iloraz wartości transakcji i zawartości portfela.

9

9

Dodatkowo, przyjęto rozpatrywać osobę o typowym stanie ubankowienia, tzn. posiadającą

konto i karty płatnicze ale bez opcji zbliżeniowej.

W przypadku pozostałych zmiennych (ciągłych), do obliczania wartości ME ustalono ich poziom

średni (wartość płatności= 63,84zł, wartość gotówki w portfelu=166,41zł, liczba osób w gospodarstwie

domowym=2,85). Dotyczy to również zmiennych binarnych reprezentujących rodzaj zatrudnienia choć

są to zmienne binarne. Okazało się bowiem, że wielu respondentów posiada po kilka form

zatrudnienia. Oznacza to, że sformułowanie typu- osoba jest w 20% zatrudniona na pełen etat i w 80%

jest emerytem- nie jest do końca bezsensowne.

Okazało się, że w przypadku modelu 1 prawdopodobieństwo p wyboru gotówki dla tak

ustalonych wartości zmiennych objaśniających wynosi 0,5915, zaś dla modelu 2 wartość p równa się

0,5132. Tym samym potwierdza to osiągniecie celu, czyli przyjęcie takich wartości zmiennych, aby

reprezentowały osoby z prawie neutralnym podejściem do gotówki.

Wpływ cech społeczno-ekonomicznych

Wyniki analizy efektów krańcowych pod kątem cech społeczno-ekonomicznych przedstawia tabela 5.4. Uwzględniono w niej dochód, wiek, wykształcenie, liczbę osób w gospodarstwie domowym, płeć, miejsce zamieszkania oraz zatrudnienie.

Z wyników tam przedstawionych dla modelu 1 (z postrzeganiem gotówki) można wywnioskować, że największą, statystycznie istotną skłonność do używania gotówki posiadają osoby:

z dochodem z przedziału 1800-2400zł. Wartość ME=0,09 oznacza, że w stosunku do osób z dochodem do 1300zł prawdopodobieństwo wyboru gotówki jest większe o 0,09,

w wieku 25-34. Wartość ME=0,17 oznacza, że w stosunku do osób w wieku 18-24 prawdopodobieństwo wyboru gotówki jest większe o 0,17,

zamieszkałe na wsi. Wartości ME dla pozostałych miejsc, które są reprezentowane w modelu zmiennymi (miasto-centrum i miasto-przedmieścia) są ujemne, co oznacza, że w innych miejscach zamieszkania niż wieś prawdopodobieństwo użycia gotówki jest mniejsze,

o statusie studenta. Wartość ME=0,18 oznacza o tyle większe prawdopodobieństwo wyboru gotówki dla tej grupy osób.

Analiza liczby osób w gospodarstwie domowym (statystycznie istotna wartość ME=0,03) wskazuje, że dodatkowa osoba zwiększa szansę wyboru gotówki o 0,03.

Analiza danych społeczno-ekonomicznych wykazuje nieistotny wpływ zarówno płci jak i wykształcenia na prawdopodobieństwo wyboru gotówki.

Zbliżone wnioski można wyciągnąć analizując wartości ME uzyskane dla modelu 2 (bez postrzegania gotówki), przynajmniej co do charakteru wpływu/znaku ME (wzrost lub spadek prawdopodobieństwa wyboru gotówki). Występują jednak różnice w wartościach bezwzględnych efektów krańcowych jak i ich istotności.

Stan ubankowienia

Wartości efektów krańcowych ME dotyczącej wpływu ubankowienia na prawdopodobieństwo wyboru gotówki podano w tabeli 5.5.

W przypadku modelu 1 wszystkie wartości ME są istotne i pozwalają wyciągnąć wniosek, że posiadanie konta zmniejsza o 0,07 prawdopodobieństwo wyboru gotówki. Jednak posiadanie kart płatniczych (kredytowej i debetowej) istotnie zwiększa prawdopodobieństwo użycia gotówki szczególnie w przypadku karty debetowej (ME na poziomie odpowiednio 0,14 i 0,17) co może świadczyć o tym, że jest ona wykorzystywana w dużym stopniu do wypłat gotówki z bankomatu. Jednak opcja zbliżeniowa kart, skracająca czas dokonywania płatności, znacznie redukuje prawdopodobieństwo użycia gotówki (odpowiednio o 0,13 i 0,08), co jest zgodne z wieloma badaniami przeprowadzonymi w innych krajach (np. U.S.- Borzekowski, Kiser, 2008; Kanada- Arango, Huynh, Sabetti, 2011).

10

10

Wyniki uzyskane dla modelu 2 wskazują na nieistotność wpływu posiadania konta jak i opcji zbliżeniowej dla kart debetowych na wybór instrumentu płatniczego.

Charakterystyki transakcji i portfela

Analiza statystyczna przeprowadzona w pkt. 3 niniejszego artykułu wskazuje na większą popularność gotówki w płatnościach niskokwotowych. Potwierdzają to analizy z wykorzystaniem efektów krańcowych dla wartości transakcji, których wyniki podano w tabeli 5.6. Okazuje się bowiem, że wzrost wartości płatności zmniejsza istotnie szansę wybrania gotówki w celu dokonania płatności (ME=-0,001). Podobna relacja dotyczy wartości gotówki w portfelu z ME=-0,003. Jednak należy zauważyć, że te dwie zmienne występują dodatkowo zarówno z kwadratami jak i w powiązaniu ze sobą (tzn. wartość transakcji/wartość portfela). Oznacza to, że w celu pokazania jaki jest ich wpływ na wybór gotówki dogodnym są analizy wyników symulacji (predykcji) prawdopodobieństwa p dla zmieniających się wartości tych zmiennych przeprowadzone z wykorzystaniem modelu logitowego (wykonano je tylko dla modelu 1).

Wyniki symulacji dla dwóch wartości portfela (10zł i 200zł) przy zmieniającej się wartości transakcji od 0zł do 500zł pokazano na rysunku 5.2. Wynika z niego, że faktycznie, im większa wartość płatności tym maleje prawdopodobieństwo wyboru gotówki. Spadek ten jest coraz wolniejszy, co może oznaczać, że wpływ wartości transakcji jest coraz mniejszy. Co więcej, większej wartości gotówki w portfelu towarzyszy większa szansa jej użycia w POS, choć do wartości transakcji 37 zł zależność jest odwrotna. Jednak różnica między prawdopodobieństwami poniżej tej kwoty płatności jest niewielka. Warto również zwrócić uwagę, że w okolicach transakcji na poziomie 46 zł, prawdopodobieństwo użycia gotówki spada poniżej 0,5 co może świadczyć o tym, że jest to kwota graniczna między powszechnością wykorzystywania gotówki a pozostałymi instrumentami płatniczymi.

Wyniki symulacji dla dwóch wartości transakcji (10zł i 100zł) przy zmieniającej się wartości gotówki w portfelu od 0zł do 300zł pokazano na rysunku 5.3. Wynika z niego potwierdzenie wcześniejszych spostrzeżeń, że im większa wartość płatności tym mniejsze prawdopodobieństwo wyboru gotówki. Można również zauważyć, że wzrost wartości gotówki w portfelu tylko do pewnej granicy (ok. 15zł dla wartości transakcji 10zł i ok. 70zł dla wartości transakcji 100zł) zwiększa szansę użycia gotówki (efekt wspomnianej reguły Cash First). Powyżej tej granicy prawdopodobieństwo się stabilizuje z tendencją do niewielkiego spadku. Może to oznaczać, że powyżej pewnej wartości, gotówka w portfelu pełni funkcję przezornościową i niekoniecznie musi być używana podczas transakcji zakupowych.

Cechy POS

Kolejną grupą zmiennych mogących wpływać na wybór instrumentu płatniczego jest rodzaj nabywanych towarów i rodzaj miejsca ich zakupu. Wielkości efektów krańcowych ME dla tych zmiennych prezentuje tabela 5.7. Uzyskane tam wartości odnoszą się do zakupu w dużych sklepach typu super- i hipermarket. Wynika z nich (dla modelu 1), że do miejsc/towarów z większą i istotną statystycznie szansą wyboru gotówki jako instrumentu płatniczego należą: małe sklepy osiedlowe i kioski (ME=0,14), różnego rodzaju usługi takie jak fryzjer, pomoc domowa, płatność innej osobie czy miejsca dokonania płatności takie jak warsztat, bazar (ME=0,11).

Wśród miejsc/towarów cieszących się większą popularnością instrumentów bezgotówkowych należą hotel (ME=-0,58), ubezpieczenie (ME=-0,39), restauracja i kino (ME=-0,19). Co ciekawe, w przypadku płatności na stacjach benzynowych, wprawdzie szansa użycia gotówki w stosunku do dużych sklepów jest mniejsza o 0,06, to jednak różnica ta jest statystycznie nieistotna. Wyniki uzyskane dla modelu 2 są zbieżne co do charakteru wpływu lecz nieco różniące się co do wartości bezwzględnej.

Dodatkowo, w tabeli 5.7 podano wpływ faktu akceptacji kart płatniczych na decyzję o wyborze gotówki. Uzyskane wyniki są zgodne z oczekiwaniami i spostrzeżeniami poczynionymi w pkt. 3:

11

11

akceptacja kart w POS zmniejsza istotnie szansę użycia gotówki o 0,40 dla modelu 1 i o 0,46 dla modelu 2.

Okazuje się, że mimo obserwowanego wzrostu wartości obiegu gotówkowego w piątki, fakt dokonywania płatności w weekendy nie pociąga za sobą wzrostu szans użycia w tych dniach gotówki.

Postrzeganie gotówki

Ostatnią, badaną cechą jest postrzeganie gotówki. Jak wcześniej wspomniano, wyróżnione aspekty nie wyznaczono w oparciu o postawę respondentów w ramach poszczególnych płatności ale w oparciu o dane ankietowe określające jak respondenci postrzegają gotówkę bez względu na to gdzie i za co płacą. Wyniki analizy podano w tabeli 5.8 odnoszącej się do modelu 1, do którego włączono 13 aspektów postrzegania gotówki.

Analiza ME wykazuje nieistotność (na poziomie 0,1) jedynie jednej cechy: unikanie rejestracji pewny transakcji. Jest to więc kolejny dowód na to, że nie można bezpośrednio łączyć obrotu gotówkowego z szarą strefą.

Wartości ME dla pozostałych cech wskazuje na występowanie dwóch różniących się od siebie grup:

pierwsza, wpływająca na większe prawdopodobieństwo użycia gotówki (bezpieczeństwo, łatwość posługiwania się, możliwość dokonywania płatności niskokwotowych i kontrola wydatków);

druga, zniechęcająca do używania gotówki (anonimowość, przezorność, możliwość oszczędzania, niskie koszty, krótki czas dokonywania płatności, możliwość dokonywania płatności wysokokwotowych, słaba infrastruktura akceptacji kart płatniczych i sieci bankomatów).

Jak można zauważyć, część cech należących do drugiej grupy, może być pewnym zaskoczeniem. Szczególnie jeśli weźmiemy pod uwagę to, co mogłoby skłaniać do częstszego używania gotówki a co jest wymieniane w literaturze jako jej zalety. Chodzi przede wszystkim o anonimowość. Przezorność i oszczędzanie, jako 2 z 3 funkcji gotówki, mogą różnie wpływać na chęć/skłonność użycia gotówki, co w dużej mierze zależeć będzie od warunków ekonomicznych (poziom stóp procentowych, inflacja). Zaliczenie do drugiej grupy kosztów świadczy o tym, że respondenci mogą przy używaniu gotówki sugerować się wysokimi ich zdaniem kosztami jej posługiwania się. Natomiast występowanie w drugiej grupie cechy mówiącej o krótkim czasie płacenia gotówką sugeruje, że respondenci wybierając kartę odnoszą wrażenie, że płacenie gotówką jest czynnością trwającą dłużej, co w kontekście istnienia opcji zbliżeniowej kart płatniczych nie powinno być zaskoczeniem.

6. Wnioski

Analizy zaprezentowane w niniejszym artykule bazowały na mikrodanych pozyskanych w trakcie siedmiodniowego badania dzienniczkowego w 2016 roku poprzedzonego badaniem ankietowym na tej samej grupie 1000 respondentów. Wykorzystano w tym celu dwumianowy model logitowy opisujący prawdopodobieństwo wyboru gotówki podczas dokonywania płatności. Oszacowany model charakteryzuje się bardzo dobrą jakością mierzoną różnymi miarami takimi jak m.in. pseudo-R2, kryterium predykcyjnym (klasyfikacyjnym), kryteria informacyjne, krzywa ROC.

Z pomocą modelu zbadano wpływ cech społeczno-ekonomicznych respondentów. Okazało się, że wiek, dochody, miejsce zamieszkania, liczba osób w gospodarstwie oraz forma zatrudnienia istotnie wpływać może na wybór gotówki. Analiza stanu ubankowienia respondentów, zgodnie z oczekiwaniami wpływa na ograniczenie użycia gotówki, choć posiadanie kart płatniczych bez opcji zbliżeniowej może przyczynić się do częstszego używania gotówki z racji tego, że karty mogą pełnić funkcję jej pozyskiwania przede wszystkim w bankomatach.

Badania wykazały, że na decyzję o wyborze instrumentu płatniczego może mieć istotny wpływ wartość transakcji i wartość gotówki w portfelu. Uzyskane wyniki potwierdzają częstsze użycie gotówki podczas dokonywania płatności niskokwotowych. Nie bez znaczenia jest również zawartość portfela ale tylko w pewnych granicach, co potwierdza stosowanie wtedy reguły Cash First.

12

12

Niebagatelne znaczenie przy wyborze gotówki ma nie tylko fakt akceptacji kart w POS ale również miejsce i cel dokonywania wydatków. Nie jest zaskoczeniem potwierdzenie faktu, że małe sklepy oraz punkty usługowe są tymi, w których gotówka króluje.

W artykule uwzględniono również czynnik behawioralny, wyrażający postrzeganie gotówki przez konsumentów z 13 punktów widzenia. Niestety wartości tych czynników pozyskano z części ankietowej badania. Tym samym odnoszą się do ogólnych poglądów respondentów na temat gotówki a nie do gotówki w określonych sytuacjach dokonywania płatności. Co więcej, postrzeganie o którym mowa dotyczy jedynie gotówki choć należało je podać w badaniu w porównaniu do innych instrumentów. Ponieważ względny charakter czynników behawioralnych w badaniach ankietowych mógł zostać nie zauważony przez niektórych respondentów, może czynić tę grupę zmiennych objaśniających grupą obarczoną pewnym błędem. Stąd też zdecydowano się wykonać analizę ekonometryczną zarówno z uwzględnieniem tej grupy (model 1) jak i bez niej (model 2). Niemniej jednak należy zauważyć, że czynnik behawioralny odgrywa istotną rolę w podejmowaniu decyzji o wyborze formy zapłaty.

Zaprezentowane wyniki stanowią pierwszy krok związany z pogłębionymi analizami ekonometrycznymi wyników badań ankietowych i dzienniczkowych przeprowadzonych w 2016 roku przez NBP. Kolejny krok powinien obejmować analizę przyczyn wyboru innych instrumentów z zastosowaniem wielomianowego modelu logitowego.

7. Literatura

Arango C., Bouhdaoui Y., Bounie D., Eschelbach M., Hernàndez L (2014), Cash management and

payment choices: A simulation model with international comparisons, DNB Working Paper, No.

409/January.

Arango C., Hogg D., Lee A. (2012), Why Is Cash (Still) So Entrenched? Insights from the Bank of Canada’s 2009 Methods-of-Payment Survey, Discussion Paper, 2012-2, Bank of Canada.

Arango C., Huynh K.P., Sabetti L. (2011), How Do You Pay? The Role of Incentives at the Point-of-Sale, Working Paper 2011-23, Bank of Canada.

Arango, C., Taylor V. (2009), The Role of Convenience and Risk in Consumers’ Means of Payment, Discussion Papers 09-8, Bank of Canada.

Bagnall J,. Bounie D., Huynh K., Kosse A., Schmidt T., Schuh S., Stix H., (2014), Consumer Cash Usage: A Cross-Country Comparison with Payment Diary Survey Data, March 19.

Borzekowski R., Kiser E. K. (2008), The choice at the checkout: Quantifying demand across payment instruments, International Journal of Industrial Organization, 26(4), 889–902.

Bouhdaoui, Y., Bounie, D. (2012), Modeling the Share of Cash Payments in the Economy: An Application to France, International Journal of Central Banking, 8(4): 175-195.

Bounie, D., Francois A. (2006): “Cash, Check or Bank Card? The Effects of Transaction Characteristics on the Use of Payment Instruments,” SSRN eLibrary.

Deutsche Bundesbank (2013), Payment Behavior in Germany in 2011, Frankfurt am Main: Deutsche Bundesbank.

Eschelbach, M., Schmidt, T. (2013), Precautionary Motives in Short-Term Cash Management - Evidence from German POS Transactions, Bundesbank Discussion Paper.

Fiszeder P., Polasik M. (2009), Modelowanie liczby transakcji dokonywanych przy użyciu gotówki i kart płatniczych na rynku polskim, Acta Universitatis Nicolai Copernici – Ekonomia XXXIX, Zeszyt specjalny – Dynamiczne modele ekonometryczne, 389, Toruń, 93−104.

13

13

Gruszczyński M. (red.) (2012), Mikroekonometria, Wolters Kluwer Polska, Warszawa.

Jobst C., Stix H. (2017), Doomed to disappear? The surprising of cash across time and across countries,

3rd International Cash Conference, Deutsche Bundesbank, Mainau, 26 April.

Jonker N. (2007), Payment instruments as perceived by consumers, results from a household survey, de Economist, 155(3), 271−303.

Jonker N., Kosse A. (2009), The impact of survey design on research outcomes: a case study of seven pilots measuring cash usage in the Netherlands, DNB Working Papers, Netherlands Central Bank − Research Department.

Jonker, N., Kosse, A., Hernández, L. (2012), Cash Usage in the Netherlands: How Much, Where, When, Who and Whenever One Wants? DNB Occasional Studies, 10(2), De Nederlandsche Bank.

Jonker N., Kosse A. (2013), Estimating Cash Usage: The Impact of Survey Design on Research Outcomes De Economist 161:19–44.

Klee, E. (2008), How people pay: Evidence from grocery store data, Journal of Monetary Economics, 55(3), 526–541.

Koźliński T. (2012), Zwyczaje Płatnicze Polaków, Raport z badania NBP, www.nbp.pl.

Manikowski A. (2017), Raport z badania czynników oddziałujących na wielkość obrotu gotówkowego w poszczególnych regionach Polski. Wyniki badania ankietowego i dzienniczkowego w 2016 r., www.nbp.pl.

Manikowski A. (2017a), Analysis of the denomination structure of the Polish currency in the context of the launch of the new 500 zloty banknote, Bank&Credit, Vol. 48, No.5.

Marzec J., Polasik M., Fiszeder P. (2013), Wykorzystanie gotówki i karty płatniczej w punktach handlowo-usługowych w Polsce: zastosowanie dwuwymiarowego modelu Poissona, Bank i Kredyt 44 (4), 2013, 375–402.

Maison D., (2017), Postawy Polaków wobec obrotu bezgotówkowego. Raport z badania 2016 i analiza porównawcza z danymi z 2009 i 2013 roku, dostępne na www.nbp.pl.

Mooslechner, P., Stix, H., Wagner, K. (2012), The Use of Payment Instruments in Austria, Austrian Central Bank, Monetary Policy & the Economy, 4, 53-77.

Stix H. (2017), The surprising resilience of cash, 44th OeNB Economics Conference The Financial System of the Future, May 29-30.

Train K.E. (2003), Discrete Choice Methods with Simulation, Cambridge University Press.

14

14

8. Dodatek 1 - Zestaw zmiennych objaśniających

8.1. Cechy społeczno-ekonomiczne

‒ Wiek- zmienne binarne określające przynależność respondentów do odpowiedniej grupy wiekowej. ‒ Dochód- zmienne binarne określające przynależność respondentów do odpowiedniej grupy

dochodowej. ‒ Wykształcenie- zmienne binarne identyfikujące posiadane wykształcenie: zawodowe, średnie,

wyższe. ‒ L. osób – zmienna oznaczająca liczbę osób w gospodarstwie domowym. ‒ kobieta- zmienna binarna równa 1 gdy respondentem była kobieta. ‒ Zamieszkanie- zmienne binarne identyfikujące miejsce zamieszkania: wieś, miasto centrum, miasto

przedmieścia. ‒ Zatrudnienie- zmienne binarne identyfikujące rodzaj zatrudnienia: zatrudniony (w formie umowy o

prace, zlecenie/dzieło, samozatrudnienie, prace dorywcze/sezonowe), rolnik, bezrobotny, uczeń/student, emeryt/rencista, wolny zawód, prowadzenie domu/gospodarstwa.

8.2. Stan ubankowienia

‒ Konto- zmienna binarna identyfikująca posiadanie konta w banku komercyjnym/SKOK/banku spółdzielczym.

‒ Karta Kred- zmienna binarna identyfikująca posiadanie karty kredytowej. ‒ Karta Deb- zmienna binarna identyfikująca posiadanie karty debetowej. ‒ Karta Kred Zbliż- zmienna binarna identyfikująca posiadanie karty kredytowej z opcją zbliżeniową. ‒ Karta Deb Zbliż- zmienna binarna identyfikująca posiadanie karty debetowej z opcją zbliżeniową 8.3. Cechy transakcji i stanu posiadania gotówki

‒ Trans war- wartość płatności. ‒ Trans war sq- wartość płatności do kwadratu. ‒ Portfel – wartość gotówki w portfelu w dniu dokonywania płatności. ‒ Portfel sq- wartość gotówki w portfelu w dniu dokonywania płatności do kwadratu. ‒ Trans war/P.- wartość transakcji / wartość gotówki w portfelu w dniu dokonywania płatności. ‒ Trans war/P.- wartość transakcji / wartość gotówki w portfelu w dniu dokonywania płatności do

kwadratu. 8.4. Charakterystyki POS

‒ Akceptacja kart- zmienna binarna równa 1 gdy podczas dokonywania płatności można było skorzystać z karty płatniczej.

‒ Rodzaj miejsca dokonania płatności lub przedmiot zakupu:

Mały sklep- zmienna binarna równa 1 gdy płatności dokonano w małym sklepie lub w kiosku.

CPN- zmienna binarna równa 1 gdy płatności dokonano na stacji benzynowej.

Apteka- zmienna binarna równa 1 gdy płatności dokonano w aptece.

Usługi- zmienna binarna równa 1 gdy płatności dokonano innej osobie, na bazarze, w warsztacie, za usługę fryzjerską lub za pomoc domową.

Restauracja- zmienna binarna równa 1 gdy płatności dokonano w restauracji lub w kinie.

Bilet- zmienna binarna równa 1 gdy płatności dokonano za bilet, parking lub w automacie.

Ubezp.- zmienna binarna równa 1 gdy płatności dokonano za ubezpieczenie.

15

15

Oszczędn.- zmienna binarna równa 1 gdy płatności dokonano w formie oszczędzania, za studia, lub inne.

AGD, Odzież- zmienna binarna równa 1 gdy płatności dokonano za sprzęt AGD lub za odzież.

Hotel- zmienna binarna równa 1 gdy płatności dokonano za hotel, przelot samolotem lub przez Internet.

Dodatkowo uwzględniono zmienną binarną weekend, dla określenia czy płatność dokonywana była w sobotę lub w niedzielę. 8.5. Postrzeganie gotówki

13 zmiennych stanowiących ocenę ważności różnych przyczyn wykorzystywania gotówki zamiast innych form realizacji płatności: anonimowość, bezpieczeństwo, przezornie na wypadek pojawienia się okazji, oszczędzanie, łatwość posługiwania się, niski koszt, krótki czas realizacji płatności, dokonywanie płatności o niskich wartościach, dokonywanie płatności o wysokich wartościach, słaba infrastruktura akceptacji kart, ograniczony dostęp do bankomatów, kontrola wydatków, unikanie rejestracji pewnych transakcji.

16

16

9. Dodatek 2- zestaw tabel i rysunków

Tabela 3.1. Statystyki płatności w Polsce

płatności gotówka karta inne

Liczba płatności (w szt.) 4 545 3 582 302

Wartość płatności (w zł) 218 801 248 160 71 134

Średnia wartość płatności (w zł) 48,14 69,28 235,54

Mediana wartości płatności (w zł) 19,89 40,25 150,04

Dominanta wartości płatności (w zł) 10 50 100

Źródło: opracowanie własne na podstawie danych z badania dzienniczkowego Manikowski (2017).

Tabela 3.2 Udział płatności z możliwością akceptacji kart płatniczych w poszczególnych rodzajach POS

Miejsce dokonania płatności

liczba płat szt.

Udział płatności z możliwością akceptacji kart płatniczych (%)

0+ 0-10 10-20 20-30 30-40 40-50 50-60 60-70 70-80 80-90 90-100 100+

MALY SKLEP, KIOSK

2128 70,1 58,0 71,8 74,6 79,0 84,7 89,3 83,3 96,0 87,5 87,5 86,8

CPN 448 100 100 100 100 100 100 100 100 100 100 100 100

APTEKA 500 94,4 87,2 97,8 88,2 95,3 94,4 97,5 96,6 91,7 100 100 94,1

INNE OSOBIE BAZAR,

FRYZJER WARSZTAT OPIEKUNKA

872 25,7 22,6 21,4 12,3 12,5 14,3 19,6 32,5 17,2 45,5 42,1 38,6

RESTAURACJA KINO

884 85,2 76,3 88,2 81,0 87,5 80,0 92,0 93,2 100 93,8 90,9 83,3

BILET PARKING AUTOMAT

347 44,1 37,4 39,0 82,4 75,0 44,4 100 66,7 50,0 100 100 90,0

UBEZPIECZENIE 26 38,5 - 100 100 - - - - 0,0 - 0,0 36,4

OSZCZEDNOŚCIINNE, STUDIA

464 18,5 2,5 16,2 24,4 14,3 83,3 25,0 35,7 25,0 33,3 40,0 37,5

AGD ODZIEŻOWY

402 83,6 42,9 70,4 57,1 88,9 66,7 94,1 94,1 69,2 85,7 85,7 93,3

HOTEL, LOT, INTERNET

156 55,1 - - 33,3 44,4 60,0 71,4 100 20,0 28,6 50,0 56,2

DUŻY SKLEP 2202 100 100 100 100 100 100 100 100 100 100 100 100

Źródło: opracowanie własne na podstawie danych z badania dzienniczkowego Manikowski (2017).

Tabela 3.3. Prawdopodobieństwo użycia poszczególnych instrumentów płatniczych i średnia wartość płatności wg wybranych cech społeczno-ekonomicznych

Prawdopodobieństwo użycia Średnia wartość transakcji

Liczba

płatności Gotówka Karty inne Gotówka karty inne

wiek

18-24 1036 0,565 0,402 0,034 43,84 75,10 237,65

25-34 1755 0,577 0,394 0,029 50,28 72,17 230,89

35-54 2839 0,524 0,436 0,040 41,68 64,63 237,99

55-64 1330 0,544 0,418 0,038 47,72 73,34 251,70

65+ 1463 0,502 0,462 0,036 46,80 66,62 217,53

17

17

27,20%

27,90%

37,10%

36,40%

31,40%

45,30%

43,60%

51,40%

53,80%

44,80%

37,50%

47,60%

42,80%

11,10%

11,60%

11%

10,80%

10,90%

10,80%

14,30%

11%

10,10%

15%

15,40%

14,40%

14,90%

12,20%

12,70%

11%

13,30%

11,80%

10,60%

13,20%

9%

8,30%

10,80%

13,30%

11,40%

14,30%

13,60%

12,60%

11,30%

13,10%

20%

12%

8,70%

8,80%

9,40%

11,50%

16%

9,80%

13%

15,70%

15,90%

11,30%

12%

10%

8%

7,90%

7,40%

8,40%

10,50%

10,20%

9,00%

8,70%

20,20%

19,30%

17,90%

14,20%

15,60%

14,00%

12,30%

12,80%

10,00%

7,80%

8,00%

7,80%

6,20%

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Łatwość posługiwania się

Możliwość realizacji płatności o niskich wartościach

Kontrola wydatków

Krótki czas realizacji transakcji gotówkowych

Przezornie na wypadek pojawienia się okazji do…

Bezpieczeństwo

Niski koszt używania gotówki

Unikanie rejestracji pewnych transakcji

Anonimowość

Możliwość trzymania oszczędności

Ograniczony dostęp do bankomatów

Możliwość realizacji płatności o wysokich wartościach

Słaba infrastruktura akceptacji kart płatniczych

Bez znaczenia 1 2 3 4 5

dochody

Do 13 1639 0,517 0,452 0,031 45,13 68,22 246,31

13-18 1684 0,539 0,424 0,037 53,37 76,31 266,02

18-24 2550 0,557 0,409 0,033 42,77 69,48 251,38

24-38 1345 0,526 0,428 0,046 43,78 67,64 189,42

38+ 672 0,546 0,417 0,037 48,04 61,49 250,29

wykształcenie

podstawowe 465 0,514 0,437 0,049 42,16 78,07 259,00

zawodowe 1419 0,533 0,433 0,035 41,99 75,42 245,34

średnie 3439 0,551 0,411 0,038 47,70 69,85 242,29

wyższe 3105 0,533 0,435 0,032 45,52 64,59 216,29

Uwaga: Z analiz usunięto jedną płatność powyżej 10 tys. zł.

Źródło: opracowanie własne na podstawie danych z badania dzienniczkowego Manikowski (2017).

Tabela 3.4. Postrzeganie gotówki w skali 0-5- znaczenie (ważność) przyczyn wykorzystywania gotówki zamiast innych form realizacji płatności

* 1- małe znaczenie,…, 5- bardzo duże znaczenie

Źródło: opracowanie własne na podstawie danych z badania ankietowego Manikowski (2017).

Tabela 5.1 Pseudo R2 Model z postrzeganiem bez postrzegania Number of obs 8396 8396

LR chi2(57) 8150,20 3011,73

Prob > chi2 0,0000 0,0000

Log likelihood -1719,5336 -4288,7685

Pseudo R2 0,7033 0,2599

Źródło: opracowanie własne

t2b średnia

35,90% 2,40

35,20% 2,35

29,20% 2,02

26,40% 1,97

26,00% 2,14

21,60% 1,68

20,20% 1,60

20,20% 1,48

18,40% 1,39

18,30% 1,52

18,20% 1,70

16,80% 1,42

14,90% 1,49

18

18

Tabela 5.2. Jakość predykcyjna modeli – tablice trafności - model 1 z postrzeganiem gotówki - model 2 bez postrzegania gotówki

-------- True -------- Classified D ~D Total -----------+--------------------------+----------- + 4169 315 4484 - 353 3559 3912 -----------+--------------------------+----------- Total 4522 3874 8396 Classified + if predicted Pr(D) >= .5 True D defined as cash_trans != 0

--------------------------------------------------------------- Sensitivity Pr( + | D) 92,19% Specificity Pr( - |~D) 91,87% Positive predictive value Pr( D | +) 92,98% Negative predictive value Pr(~D| -) 90,98% --------------------------------------------------------------- False + rate for true ~D Pr( + |~D) 8,13% False - rate for true D Pr( - | D) 7,81% False + rate for classified + Pr(~D| +) 7,02% False - rate for classified - Pr( D | -) 9,02% --------------------------------------------------------------- Correctly classified 92,04% ----------------------------------------------------------------

Źródło: opracowanie własne

-------- True -------- Classified D ~D Total -----------+--------------------------+----------- + 2924 792 3716 - 1598 3082 4680 -----------+--------------------------+----------- Total 4522 3874 8396 Classified + if predicted Pr(D) >= .5 True D defined as cash_trans != 0

--------------------------------------------------------------- Sensitivity Pr( + | D) 64,6% Specificity Pr( - |~D) 79,56% Positive predictive value Pr( D | +) 78,69% Negative predictive value Pr(~D| -) 65,85% --------------------------------------------------------------- False + rate for true ~D Pr( + |~D) 20,44% False - rate for true D Pr( - | D) 35.34% False + rate for classified + Pr(~D| +) 21,31% False - rate for classified - Pr( D | -) 34,15 --------------------------------------------------------------- Correctly classified 71,53% ----------------------------------------------------------------

Tabela 5.3. Jakość modeli wg kryteriów informacyjnych AIC i BIC -----------------------------------------------------------------------------------------------------------

Model | Obs ll(null) ll(model) df AIC BIC

-------------+--------------------------------------------------------------------------------------------

1 z postrzeganiem | 8396 -5794,633 -1719,534 59 3557,067 3972,162

2 bez postrzegania | 8396 -5794,633 -4288,768 46 8669,537 8993,17

-----------------------------------------------------------------------------------------------------------

Źródło: opracowanie własne

Tabela 5.4. Efekty krańcowe dla cech społeczno-ekonomicznych osoby neutralnej wobec ryzyka

Model 1 z postrzeganiem gotówki Model 2 bez postrzegania gotówki

zmienna dy/dx Std. Err. Z P>z dy/dx Std. Err. Z P>z

Dochód (do 13 – grupa porównawcza)

13-18* 0,05089 0,03466 1,47 0,142 0,02990 0,02125 1,41 0,159

18-24* 0,09113 0,03140 2,9 0,004 0,02869 0,01904 1,51 0,132

24-38* -0,06716 0,03837 -1,75 0,08 -0,01357 0,02277 -0,6 0,551

38+* 0,06419 0,04340 1,48 0,139 0,01800 0,02829 0,64 0,525

Wiek (18-24 grupa porównawcza)

25-34* 0,17807 0,04721 3,77 0 0,05723 0,02831 2,02 0,043

35-54* 0,04140 0,04388 0,94 0,345 -0,00696 0,02736 -0,25 0,799

54-64* 0,15617 0,05000 3,12 0,002 0,02962 0,03022 0,98 0,327

65+* 0,10961 0,05023 2,18 0,029 0,00068 0,03136 0,02 0,983

Wykształcenie (podstawowe- grupa porównawcza)

Zaw* -0,00765 0,05389 -0,14 0,887 -0,01979 0,03300 -0,6 0,549

Średnie* -0,00165 0,04981 -0,03 0,974 0,01024 0,03059 0,33 0,738

Wyższe* 0,01197 0,05170 0,23 0,817 -0,02573 0,03193 -0,81 0,42

Gosp.dom

l. osób 0,02981 0,01020 2,92 0,003 0,00865 0,00618 1,4 0,161

19

19

Płeć

kobieta* -0,01005 0,02293 -0,44 0,661 -0,00295 0,01375 -0,21 0,83

Zamieszkanie (wieś- grupa porównawcza)

Miasto-centr.* -0,02432 0,02387 -1,02 0,308 0,03000 0,01414 2,12 0,034

Miasto-przed.* -0,13868 0,04543 -3,05 0,002 -0,04819 0,02487 -1,94 0,053

Zatrudnienie

Zatrudniony 0,06556 0,04335 1,51 0,13 0,02878 0,02294 1,25 0,21

Rolnik -0,30115 0,08407 -3,58 0 -0,11871 0,05558 -2,14 0,033

Bezrobotny 0,14716 0,06106 2,41 0,016 0,02817 0,03909 0,72 0,471

Student 0,17941 0,05719 3,14 0,002 0,08186 0,03567 2,3 0,022

Emeryt 0,06180 0,03446 1,79 0,073 0,08635 0,01977 4,37 0

Wolny zawód -0,26486 0,07456 -3,55 0 -0,04675 0,05852 -0,8 0,424

Dom 0,05734 0,05184 1,11 0,269 0,04211 0,02888 1,46 0,145

Źródło: opracowanie własne.

Tabela 5.5. Efekty krańcowe dla stanu ubankowienia (posiadania konta i karty) osoby neutralnej wobec ryzyka

Model 1 z postrzeganiem gotówki Model 2 bez postrzegania gotówki

zmienna dy/dx Std. Err. Z P>z dy/dx Std. Err. Z P>z

Konto* -0,06751 0,04027 -1,68 0,094 -0,01166 0,02381 -0,49 0,624

Karta Kred.* 0,14421 0,05223 2,76 0,006 0,09704 0,03323 2,92 0,003

Karta Deb.* 0,16705 0,04716 3,54 0 0,06256 0,02823 2,22 0,027

Karta Kred. Zbliż* -0,13160 0,05368 -2,45 0,014 -0,11341 0,03374 -3,36 0,001

Karta Deb. Zbliż* -0,07634 0,04489 -1,7 0,089 -0,02630 0,02671 -0,98 0,325

(*) dy/dx dla dyskretnych zmian zmiennych binarnych z 0 na 1.

Źródło: opracowanie własne.

Tabela 5.6. Efekty krańcowe dla charakterystyk transakcji

Model 1 z postrzeganiem gotówki Model 2 bez postrzegania gotówki

zmienna dy/dx Std. Err. Z P>z dy/dx Std. Err. Z P>z

Trans war. -0,00115 0,00023 -5,12 0 -0,00161 0,00014 -11,24 0

Trans war.sq 6,38E-07 0,00000 3,04 0,002 7,37E-07 0,00000 5,33 0

Portfel -0,00029 0,00022 -1,31 0,192 -5,7E-05 0,00012 -0,46 0,644

Portfel sq 5,05E-07 0,00000 1,28 0,201 1,38E-07 0,00000 0,66 0,507

Trans war/P. -0,00910 0,00374 -2,44 0,015 -0,00097 0,00233 -0,42 0,678

Trans war/P.sq 0,00004 0,00002 2,16 0,031 0,00001 0,00001 0,79 0,428

Źródło: opracowanie własne.

Tabela 5.7. Efekty krańcowe dla cech POS

Model 1 z postrzeganiem gotówki Model 2 bez postrzegania gotówki

zmienna dy/dx Std. Err. Z P>z dy/dx Std. Err. Z P>z

Weekend* 0,01365 0,02359 0,58 0,563 -0,01033 0,01445 -0,72 0,475

Akceptacja kart

Akceptacja kart* -0,39580 0,09002 -4,4 0 -0,46134 0,05357 -8,61 0

Rodzaj POS

Mały Sklep* 0,13669 0,03104 4,4 0 0,08945 0,01730 5,17 0

CPN* -0,06066 0,04896 -1,24 0,215 -0,01308 0,02885 -0,45 0,65

20

20

Apteka* -0,05273 0,04513 -1,17 0,243 0,00569 0,02618 0,22 0,828

Usługi* 0,11374 0,04818 2,36 0,018 0,03869 0,03330 1,16 0,245

Restauracja* -0,18653 0,03753 -4,97 0 -0,19684 0,02266 -8,69 0

Bilet* 0,07322 0,06040 1,21 0,225 -0,02323 0,04068 -0,57 0,568

Ubezp.* -0,38872 0,12369 -3,14 0,002 -0,42111 0,06209 -6,78 0

Oszczędn.* -0,06676 0,07154 -0,93 0,351 -0,01719 0,04778 -0,36 0,719

AGD, Odzież* 0,02911 0,05119 0,57 0,57 0,01677 0,03243 0,52 0,605

Hotel* -0,58246 0,09148 -6,37 0 -0,50551 0,05764 -8,77 0

(*) dy/dx dla dyskretnych zmian zmiennych binarnych z 0 na 1.

Źródło: opracowanie własne.

Tabela 5.8. Efekty krańcowe dla postrzegania gotówki osoby neutralnej wobec ryzyka (model 1).

zmienna dy/dx Std. Err. Z P>z

Anonimowość -0,5871 0,06071 -9,67 0

Bezpieczeństwo 0,0749 0,04357 1,72 0,086

Przezornie -0,1694 0,04542 -3,73 0

Oszczędzanie -0,7324 0,06602 -11,09 0

Łatwość użycia 1,0425 0,08843 11,79 0

Koszt -0,5264 0,06099 -8,63 0

Krótki czas -0,2484 0,04575 -5,43 0

Niskie płatności 0,6198 0,06144 10,09 0

Wysokie płatności -0,9424 0,08131 -11,59 0

Akceptacja kart -0,6967 0,06918 -10,07 0

Dostęp do ATM -0,1996 0,04580 -4,36 0

Kontrola wydatków 0,4470 0,05180 8,63 0

Unikanie rejestracji -0,0556 0,03894 -1,43 0,153

Źródło: opracowanie własne.

Rysunek 3.1 . Udziały poszczególnych instrumentów płatniczych w płatnościach dzienniczkowych wg wolumenu i wartości

Źródło: Opracowanie własne na podstawie wyników badania dzienniczkowego Manikowski (2017).

40,66%

46,12%

13,22%

53,92%42,50%

3,58%

gotówka

karta

inne

Wolumen Wartość

21

21

Rysunek 3.2. Udział płatności realizowanych poszczególnymi rodzajami instrumentów w przedziałach wartości

do 200zł.

Źródło: Opracowanie własne na podstawie wyników badania dzienniczkowego Manikowski (2017).

Rysunek 3.3. Wpływ akceptacji kart na wielkość udziału gotówki w płatnościach

Źródło: Opracowanie własne na podstawie wyników badania dzienniczkowego Manikowski (2017).

Rysunek 3.4. Wpływ wartości portfela na prawdopodobieństwo użycia gotówki podczas płatności

Źródło: Opracowanie własne na podstawie wyników badania dzienniczkowego Manikowski (2017).

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200

gotówka karty

0

0,2

0,4

0,6

0,8

1

0-10 10-20 20-30 30-40 40-50 50+

wartość transakcji zł

Udział gotówki w zależności od akcpetacji kart

wszystkie POS

POS z akcpetacją kart

0,51

0,52

0,53

0,54

0,55

0-50 50-100 100-150 150+

wartość portfela zł

Prawdopodobieństwo użycia gotówki

22

22

Rysunek 5.1. Krzywe ROC dla modelu: z postrzeganiem gotówki bez postrzegania gotówki

Źródło: opracowanie własne

Rysunek 5.2. Prawdopodobieństwo p wyboru gotówki vs. wartość transakcji dla dwóch poziomów gotówki w portfelu (1- 10zł; 2-200zł )

Źródło: opracowanie własne

Rysunek 5.3. Prawdopodobieństwo p wyboru gotówki vs. wartość gotówki w portfelu dla dwóch wartości płatności (1- 10zł, 2- 100zł)

Źródło: opracowanie własne

0.0

00

.25

0.5

00

.75

1.0

0

Se

nsitiv

ity

0.00 0.25 0.50 0.75 1.001 - Specificity

Area under ROC curve = 0.7992

0

0,1

0,2

0,3

0,4

0,5

0,6

0 100 200 300 400 500wartość płatności zł

Prawdopodobieństwo p vs. trans val

CASH_TRANS_1 CASH_TRANS_2

0

0,1

0,2

0,3

0,4

0,5

0,6

0 50 100 150 200 250 300

wartość gotówki w portfelu zł

Prawdopodobieństwo p vs. wallet val

CASH_TRANS_1 CASH_TRANS_2

0.0

00

.25

0.5

00

.75

1.0

0

Se

nsitiv

ity

0.00 0.25 0.50 0.75 1.001 - Specificity

Area under ROC curve = 0.9741