T3657 MGFARF Arroyo Modelo

Universidad Andina Simón Bolívar
Sede Ecuador
Área de Gestión
Maestría en Gestión Financiera y Administración de Riesgos Financieros
Modelo econométrico aplicado para determinar el comportamiento de

la cartera de microcrédito de los bancos privados del Ecuador
especializados en microcrédito en el periodo 2007-2019
Isabel Mercedes Arroyo Cajas
Tutor: Felipe Alexander Andrade Cóndor
Quito, 2021
2
3
Cláusula de cesión de derecho de publicación
Yo, Isabel Mercedes Arroyo Cajas, autora de la tesis intitulada ―Modelo

econométrico aplicado para determinar el comportamiento de la cartera de microcrédito
de los bancos privados del Ecuador especializados en microcrédito en el periodo 2007-
2019‖ mediante el presente documento dejo constancia de que la obra es de mi
exclusiva autoría y producción, que la he elaborado para cumplir con uno de los
requisitos previos para la obtención del título de Máster en Gestión Financiera y
Administración de Riesgos Financieros en la Universidad Andina Simón Bolívar, Sede
Ecuador.
1. Cedo a la Universidad Andina Simón Bolívar, Sede Ecuador, los derechos
exclusivos de reproducción, comunicación pública, distribución y divulgación,
durante 36 meses a partir de mi graduación, pudiendo por lo tanto la
Universidad, utilizar y usar esta obra por cualquier medio conocido o por
conocer, siempre y cuando no se lo haga para obtener beneficio económico. Esta
autorización incluye la reproducción total o parcial en los formatos virtual,
electrónico, digital, óptico, como usos en red local y en internet.
2. Declaro que en caso de presentarse cualquier reclamación de parte de terceros
respecto de los derechos de autor/a de la obra antes referida, yo asumiré toda
responsabilidad frente a terceros y a la Universidad.
3. En esta fecha entrego a la Secretaría General, el ejemplar respectivo y sus
anexos en formato impreso y digital o electrónico.
Fecha. 30 de Junio de 2021
Firma: Isabel Mercedes Arroyo Cajas
3
4
5
Resumen
El microcrédito, contribuye de manera importante a mejorar las condiciones de

vida de las personas de escasos recursos económicos, impactando en sectores como el
social, financiero y económico. Está cartera ha venido creciendo en los últimos 20 años
de manera importante, sin embargo, a ese mismo ritmo presenta problemas de deterioro
desencadenando en una alta morosidad.
Por ello, en este trabajo se presenta un modelo econométrico de los
determinantes de la de la cartera de microcrédito en los bancos privados del Ecuador.
Para el etudio se utilizó métodos descriptivos y cuantitativos, una muestra compuesta de
19 variables en el periodo 2017 -2019.
La estimación econométrica se realizó con dos metodologías, regresión lineal
con componentes principales y regresión lineal múltiple. El Análisis de Componentes
Principales (ACP) permitió reducir el número de variables e identificar cuáles eran más
relevantes estadísticamente. No obstante, al aplicar un modelo de regresión lineal no
todos los componentes resultaron ser significativos. Por ello, se procedió a estimar un
modelo de regresión lineal múltiple, el cual cumplió con todas las pruebas estadísticas
para confirmar su validez.
Los resultados del modelo de regresión indican que existen varios factores
importantes que contribuyen al comportamiento de la cartera de microcrédito, como son
el empleo adecuado, la liquidez, las utilidades y las provisiones de cartera. Estos
resultados reflejan la importancia de las políticas macroeconómicas en el segmento de
microcrédito, así como, evidencian también que las provisiones de la cartera son un
componente fundamental en este segmento.
En la primera sección del documento se presentan la revisión de la literatura y
trabajos académicos relacionados al microcrédito. Posteriormente se presenta la
metodología utilizada en el estudio, para luego continuar con la estimación
econométrica y el análisis de los resultados. Finalmente, se presentan las conclusiones y
recomendaciones.
Palabras clave: microcrédito, ACP,regresión lineal, morosidad 5

6
7
A Dios por su amor infinito, sabiduría y bendiciones que cada día se reflejan en mi vida.
A mis amados padres por enseñarme a no rendirme nunca, por todo el amor
incondicional que me han dado siempre, por sus sabios consejos y valores.
A mis hermanos queridos, por ser tan incondicionales conmigo siempre, por todo el
cariño y apoyo que me dan cada día.
7
8
9
Agradecimiento
Especialmente a Dios por lo que hace con mi vida y por dejarme alcanzar a este
punto de mi vida profesional
Infinitas gracias a mi familia por el amor, el apoyo incondicional, la paciencia y
la fortaleza que me han dado durante todo este tiempo
A la Universidad Andina Simón Bolívar en particular al área de gestión por su
incomparable trabajo y dedicación para formar excelentes profesionales
Al Econ. Alexander Andrade, por su valiosa directriz, motivación, tiempo
dedicado, conocimientos compartidos y apoyo en el desarrollo de este trabajo
A mis amigos Luis, Alexandra, David, Alfredo y Gaby que siempre han estado
presentes aportando con sus conocimientos y sobre todo palabras de aliento.
A la Superintendencia de Bancos del Ecuador, por todos los conocimientos
adquiridos en estos años de trabajo y el apoyo para poder concluir mis estudios
9
10
11
Tabla de contenidos
Lista Figuras y Tablas .................................................................................. 13
Introducción .................................................................................................. 15
Capítulo primero Planteamiento del problema............................................. 17

1. Descripción de la realidad problemática ................................................. 17
2. Delimitación del problema...................................................................... 19
3. Pregunta central ...................................................................................... 19
4. Objetivos ................................................................................................. 19
5. Justificación ............................................................................................ 20
Capítulo segundo Revisión del estado del arte .............................................. 23

1. Investigaciones internacionales previas .................................................. 23
2. Investigaciones previas en Ecuador ........................................................ 30
Capítulo tercero Metodología ......................................................................... 35

1. Construcción de la base de datos ............................................................ 35
1.1. Interpolación ................................................................................... 37
1.2. Estacionariedad ............................................................................... 38
1.3. Causalidad en modelos econométricos ........................................... 39
2. Modelos Estadístico y Econométrico ..................................................... 40
2.1 Análisis de Componentes Principales ............................................. 41
2.2 Obtención de variables con el método ACP ................................... 41
2.3 Regresión Lineal Múltiple sobre componentes principales ............ 46
2.4 Regresión Lineal Múltiple .............................................................. 49
Capítulo cuarto Aplicación de modelos y Resultados ................................... 57

1. Análisis descriptivo de las variables ....................................................... 57
2. Aplicación de pruebas de estacionariedad a las variables ...................... 74
3. Aplicación del modelo análisis de componentes principales ACP ......... 75
3. Regresión de Lineal Múltiple sobre Componentes Principales .............. 82
4. Regresión lineal múltiple – Variables originales .................................... 86
5. Discusión de resultados .......................................................................... 93
Conclusiones y recomendaciones ..................................................................... 97 1

1
12
1. Conclusiones ........................................................................................... 97
2. Recomendaciones ................................................................................... 98
Lista de referencias ......................................................................................... 101
Anexos .......................................................................................................... 109

A.- El microcrédito, definición ..................................................................... 109
B.- Definiciones adicionales, usadas en el estudio ....................................... 111
C.- Gráficos de pruebas de estacionariedad de las variables ........................ 112
13
Lista Figuras y Tablas
Figura 1 Aplicación – Spline .......................................................................................... 37

Figura 2 Comportamiento de la morosidad de microcrédito .......................................... 58
Figura 3 Comportamiento de la morosidad de microcrédito y la tasa de formalidad ..... 59
Figura 4 Comportamiento de la morosidad de microcrédito y la tasa de informalidad .. 60
Figura 5 Comportamiento de la morosidad de microcrédito y la tasa de desempleo ..... 61
Figura 6 Comportamiento de la morosidad de microcrédito y la tasa de empleo
adecuado ................................................................................................................. 62
Figura 7 Comportamiento de la morosidad de microcrédito y la tasa de subempleo ..... 63
Figura 8 Comportamiento de la morosidad de microcrédito y la tasa de empleo bruto . 64
Figura 9 Comportamiento de la morosidad de microcrédito y la incidencia de la pobreza
................................................................................................................................ 65
Figura 10 Comportamiento de la morosidad de microcrédito y el coeficiente de Gini .. 66
Figura 11 Comportamiento de la morosidad de microcrédito y tasa liquidez total ........ 67
Figura 12 Comportamiento de la morosidad de microcrédito y los fondos disponibles 68
Figura 13 Comportamiento de la morosidad de microcrédito y la tasa de crecimiento del
PIB .......................................................................................................................... 69
Figura 14 Comportamiento de la morosidad de microcrédito y el Precio del Barril del
Petróleo ................................................................................................................... 69
Figura 15 Comportamiento de la morosidad de microcrédito y la Inflación Anual ....... 70
Figura 16 Comportamiento de la morosidad de microcrédito y tasa de interés activa ... 71
Figura 17 Comportamiento de la morosidad de microcrédito y el volumen de crédito . 72
Figura 18 Comportamiento de la morosidad de microcrédito y las Obligaciones
Financieras .............................................................................................................. 73
Figura 19 Comportamiento de la morosidad de microcrédito y utilidades ..................... 73
Figura 20 Comportamiento de la morosidad de microcrédito y Provisiones de Cartera 74
Figura 21 Porcentaje de la varianza explicada por componentes ................................... 77
Figura 22 Varianza acumulada por componente ............................................................ 77
Figura 23 Contribuciones de variables en el primer componente principal .................. 78
Figura 24 Contribuciones de variables en el segundo componente principal................ 78
Figura 25 Contribuciones de variables en el tercer componente principal .................... 79 1
3
14
Figura 26 Contribuciones de variables en el cuarto componente principal ................... 79

Figura 27 Contribuciones de variables en el quinto componente principal ................... 80
Figura 28 Contribuciones de variables en el sexto componente principal..................... 80
Figura 29 Contribuciones de variables en el séptimo componente principal ................ 81
Figura 30 Contribuciones de variables en el octavo componente principal .................. 81
Figura 31 Test gráfico de residuos – Regresión ACP ..................................................... 85
Figura 31 Test gráfico de residuos – variables originales............................................... 89
Figura 32 Test de homocedasticidad – variables originales. .......................................... 90
Tabla 1 Variables y Periodicidad ................................................................................... 35

Tabla 2 Test Augmentado Dickey-Fuller ...................................................................... 75
Tabla 3 Valores propios - eigenvalues ............................................................................ 76
Tabla 4 Contribuciones por variable y componente ..................................................... 82
Tabla 5 Regresión sobre Componentes Principales ....................................................... 83
Tabla 6 Coeficientes de Regresión ................................................................................ 84
Tabla 7 Factores de Inflación de varianza (FIV) ........................................................... 84
Tabla 8 Test de normalidad Shapiro-Wilk ..................................................................... 85
Tabla 9 Test studentized Breusch-Pagan ....................................................................... 85
Tabla 10 Test Durbin-Watson........................................................................................ 86
Tabla 11 Coeficientes del modelo de regresión – variables originales.......................... 86
Tabla 14 Test de normalidad – Shapiro-Wilk ................................................................ 89
Tabla 15 Inflación de la varianza – variables originales................................................ 89
Tabla 16 Test de Durbin-Watson ................................................................................... 90
Tabla 17 Test de Hausman............................................................................................. 91
Tabla 18 Granger causality test ..................................................................................... 91
15
Introducción
El microcrédito contribuye a mejorar las condiciones vida de las personas de

escasos recursos económicos, y con ello la economía de los países en vías de desarrollo
como lo menciona Clavijo (2016), pues estos créditos ofrecen a las personas la
posibilidad de tener sus propios negocios o emprendimientos, de tal forma que el
autoempleo les proporciona una seguridad económica para ellos y sus familias, además
generan empleo para personas que se encuentran en condiciones similares.
La cartera de microcrédito del Sistema de Bancos Privados del Ecuador es una
cartera que si bien es cierto ha ido incrementándose en el transcurso del tiempo, también
ha mostrado a altos niveles de morosidad, precisamente porque está destinada a
personas que no poseen un trabajo fijo y que dependen exclusivamente de lo que
generen sus pequeños negocios, adicionalmente este tipo de créditos no requiere de
garantías reales para su otorgamiento con lo cual el riesgo de crédito es aún más alto,
sin mencionar el proceso de otorgamiento y los gastos operativos que se derivan de ello.
Por lo anterior y debido a que existen varias interrogantes sobre los factores que
determinan el comportamiento de la cartera de microcrédito, nació la importancia de
realizar el presente estudio, partiendo del análisis de una combinación de indicadores
macroeconómicos, financieros del sector bancario e indicadores socioeconómicos y
tomando como variable explicada a la morosidad.
El estudio tomó información previa de trabajos realizados por autores como
Greenidge y Grosvenor (2009), y Poma (2005) quienes aplicaron un modelo de
regresión lineal múltiple tomando como variable dependiente al indicador de morosidad
para determinar el comportamiento de la cartera microcrédito. En concordancia con lo
aplicado por Matarazzo (2006) se complementó el estudio con el uso de un modelo de
análisis de componentes principales.
El desarrollo del trabajo se divide en cinco capítulos, los mismos que muestran
el proceso que se siguió para determinar el comportamiento de la cartera de
microcrédito.
En el primer capítulo se presenta el planteamiento y justificación del problema
de investigación. En el segundo capítulo se presenta la revisión de la literatura y
aplicaciones nacionales y extranjeras. El tercer capítulo se esboza la metodología de 1
5
16
Regresión Lineal Múltiple y Análisis de Componentes Principales. La aplicación de

modelos se muestra en el cuarto capítulo, donde se analizan las variables seleccionadas
y se presentan los resultados de los modelos estadísticos y econométricos para
determinar el comportamiento de la cartera de microcrédito. Finalmente, en el último
capítulo se muestran las conclusiones y recomendaciones del estudio.
Los resultados del estudio indican que existen varios factores importantes que
contribuyen al comportamiento de la cartera de microcrédito, de manera positiva está el
desempleo y la inflación en tanto que de manera negativa el crecimiento del PIB, el
coeficiente de Gini y la provisión de cartera del segmento de microcrédito.
17
Capítulo primero
Planteamiento del problema
1. Descripción de la realidad problemática
El microcrédito a través de los años ha permitido que los pequeños negocios, y

emprendimientos tengan los recursos económicos necesarios para generar más empleos
y ampliar sus negocios, esto se ve reflejado en el aumento de la cartera de microcrédito
que en el año 2007 se ubicó en USD 635 millones en comparación con el año 2019 que
fue de USD 2.010 millones, denotando una tendencia creciente.
El estudio del microcrédito se ha centrado en explicar la morosidad de los
créditos individuales a través del perfil los deudores o por medio de datos históricos de
morosidad. No obstante, de manera complementaria es necesario abordar el estudio del
microcrédito desde la influencia de factores macroeconómicos externos para de esta
manera poder desarrollar y fortalecer las herramientas de colocación y recuperación de
la cartera de microcrédito. Entre los factores macroeconómicos más importantes se
puede mencionar el precio del barril del petróleo, el PIB, la inflación, entre otros.
Sobre el sistema financiero ecuatoriano es importante mencionar que luego del
feriado bancario de 1999, el organismo de control buscó mejorar la forma de
supervisión y el control del sistema financiero. Muchas de las normas que hasta antes
del feriado bancario se aplicaban se derogaron entre ellas la: ―Ley General de
Instituciones Financieras‖, la cual fue posteriormente modificada y finalmente fue
derogada, con la creación del ―Código Orgánico Monetario y Financiero‖ en el mes de
septiembre de 2014, el cual se encuentra vigente hasta el presente.
El Código antes citado crea y faculta a la Junta de Política y Regulación
Monetaria y Financiera (JPRMF) a formular y dirigir las políticas en términos
monetarios, cambiarios, crediticios, financieros y de valores y seguros. En este
contexto, la citada Junta emitió la resolución 209-2016-F de 12 de febrero de 2016, en
dicha resolución se define como Microcrédito al:
1
7
18
[…] otorgado a una persona natural o jurídica con un nivel de ventas anuales inferior o
igual a USD 100,000.00, o a un grupo de prestatarios con garantía solidaria, destinado a
financiar actividades de producción y/o comercialización en pequeña escala, cuya
fuente principal de pago la constituye el producto de las ventas o ingresos generados por
dichas actividades, verificados adecuadamente por las entidades del Sistema Financiero
Nacional. (JPRMF 2016)
Sobre lo anterior se puede observar que el microcrédito financia pequeñas

actividades comerciales y se otorga sin garantías reales, pues está dirigido a personas de
bajos recursos económicos, que no disponen de garantías o referencias financieras que
les permitan acceder a otro tipo de crédito. Además, la fuente de pago de estos recursos
proviene de los negocios en su gran mayoría informales. A. Martínez (2008)
La importancia de este segmento es el acceso que se puede dar a las personas
que se encuentran en áreas no bancarizadas que generalmente son sectores rurales de
nuestro país, si bien esto contribuye a ayudar estar personas, sus costos de
instrumentación resultan onerosos para las entidades financieras. Sin tomar en cuenta
que este segmento de la población es muy sensible a factores externos como el
desempleo y los bajos ingresos, dichos factores serán analizados como parte del
presente documento para determinar su influencia en la cartera de microcrédito. Rosero
(2016)
Un hito en la historia del microcrédito es el Grameen Bank GB con sede en
Bangladesh. Esta institución posee un modelo de banca para los pobres creada en 1983,
dedicado al otorgamiento de microcréditos, inicialmente trabajando solo con grupos de
mujeres, para posteriormente enfocarse al otorgamiento de crédito a gente pobre. Esta
banca trabaja bajo la consideración de que los pobres son capaces de pagar sus créditos,
y progresar, esta consigna se ha demostrado a lo largo del tiempo y también se ha
observado que las personas con recursos escasos, son capaces de ahorrar.(―Breaking the
vicious cycle of poverty through microcredit‖ 2010)
No obstante, de acuerdo a los datos de la Superintendencia de Bancos del
Ecuador con corte a diciembre del 2017, la morosidad de la cartera del segmento de
microcrédito fue de 5.36%, superior a la morosidad total del Sistema de Bancos
Privados (2.96%). Cabe destacar que, la morosidad del microcrédito es la más alta a
nivel de todos segmentos de crédito (consumo, corporativo, PYMES, etc).
En razón de lo antes expuesto, en el presente estudio se analizará la cartera de
microcrédito a través de la estimación de un modelo econométrico para identificar las
19
variables micro y macroeconómicas que influyen de manera positiva o negativa en este

segmento.
Para fortalecer los resultados del modelo econométrico se plantea utilizar
adicionalmente el método de Análisis de Componentes Principales con el objetivo de
reducir la dimensión de las variables independientes.
2. Delimitación del problema
El presente estudio procura determinar los factores que afetan el

comportamiento de la cartera de microcrédito en el Sistema Financiero de Bancos
Privados del Ecuador, mendiante la combinación de dos modelos: análisis de
componentes principales y un modelo econométrico de regresión lineal múltiple. Para
ello, se utilizará la información de la Superintendencia de Bancos del Ecuador, Sistema
de Bancos privados del Ecuador, Instituto Nacional de Estadísticas y Censos (INEC),
Banco Central del Ecuador (BCE) en el periodo 2007 al 2019
En este sentido, este estudio incluye varios de los indicadores y variables como
precio del Barril del Petróleo, inflación anual, producto interno bruto, empleo bruto,
indicadores financieros como tasa activa, entre otros. Dichas variables se utilizaron en
los trabajos de M. Martínez (2008), Escalante (2016), Izurieta (2012), López y Peña
(2005), Mayorca y Aguilar (2016) que buscan explicar los determinantes del
comportamiento de la morosidad en la cartera de microcréditos, los cuales estarán
explicados con mayor detalle en el capítulo cuarto.
3. Pregunta central
¿Cuáles son las variables macro o micro económicas que afectan el

comportamiento de la cartera del segmento de microcrédito del grupo de bancos
privados del Ecuador especializados en microcrédito en el periodo 2007-2019?
4. Objetivos
Objetivo general:
Identificar las variables que determinan el comportamiento de la cartera del
segmento de microcrédito del grupo de bancos privados del Ecuador especializados en
microcrédito en el periodo 2007- 2019, con la aplicación de un modelo econométrico. 1
9
20
Objetivos específicos:
 Caracterizar el microcrédito y determinar las variables endógenas y exógenas
que afecten al segmento de cartera en el periodo 2007-2019.
 Definir un modelo econométrico para aplicar en el estudio.
 Aplicar el modelo elegido para determinar el comportamiento de la cartera del
segmento de microcrédito del grupo de bancos privados del Ecuador
especializados en microcrédito en el periodo 2007-2019
5. Justificación
Se estima que en los países latinoamericanos existe una gran parte de la

población que vive bajo la línea de la pobreza, una de las causas es la falta de acceso a
créditos o a la utilización de sistemas bancarios. Rosero (2016)
En este sentido, Basilea II agregó a sus parámetros regulaciones para entidades
de microfinanzas, específicamente las relacionadas con un menor requerimiento de
capital de operación para las entidades que se dediquen al otorgamiento de créditos 1. En
la teoría se explica que este requerimiento mínimo de capital podría favorecer a los
bancos que se dediquen a otorgar microcréditos, ya que no estarían supeditados a
cumplir con los altos requerimientos que tienen el resto de entidades bancarias. Artega
(2005)
Para los países en vías de desarrollo el microcrédito se ha mostrado como una
importante opción que permite llegar a la población que en condiciones normales no
podría acceder a créditos en entidades financieras, por cuanto, los microcréditos carecen
de una garantía real y son concedidos a personas naturales que poseen microempresas
formales e informales. Izurieta (2012)
Es por ello que, al analizar la información que se presenta en el sitio web de la
Superintendencia de Bancos del Ecuador, dentro del grupo de bancos privados el
segmento de microcrédito a diciembre de 2019 posee una morosidad de 5.32%, superior
al presentado por los segmentos de consumo (4.57%), comercial (0.98%), inmobiliario
y vivienda (2.99%), educativo (1.72%), y del Sistema de Bancos Privados que fue de
2.73%, para ese mismo corte.
1
Aplicación de Basilea II: aspectos prácticos
21
El incremento de la morosidad obedece principalmente al incremento de la

cartera improductiva del segmento de microcrédito que paso de 79.27 millones de
dólares en diciembre del 2017 a 94.02 millones en diciembre de 2019, a esto se suman
mayores gastos operativos en el proceso de concesión.
Sin embargo, de las dificultades por las que atraviesan las entidades para
conseguir clientes de este segmento y poder conceder créditos, se puede observar que
este segmento contribuye a generar nuevos clientes y por ende más ingresos a las
entidades, además aporta a combatir la desbancarización existente. Bucheli Sáenz
(2011)
En el Ecuador existen varios trabajos de análisis comportamental de la cartera de
microcréditos, entre ellos se pueden mencionar a Sierra (2011), Izurieta (2012), y
Escalante (2016). Estos trabajos no se han orientado a medir el microcrédito desde la
morosidad, sino más bien desde leyes y políticas, modelos de gestión y factores que
influyen en la oferta del crédito.
En consecuencia, el estudio se justifica, en la falta de trabajos específicos en los
que se estudie al indicador de la morosidad para determinar el comportamiento de la
cartera de microcrédito específicamente de las entidades del Sistema de Bancos
Privados del Ecuador que pertenecen a este segmento.
Por lo antes mencionado el análisis del comportamiento del microcrédito es un
tema relevante para las entidades bancarias porque contribuiría a mejorar su gestión de
crédito y evitar caer en elevados indicadores de morosidad, además cuánto afecta el
comportamiento de la cartera estudiada para que en base a ello puedan determinar el
nivel de riesgo que asumirán en cuanto a su colocación; en tanto que para el caso del
organismo de control, éste pueda observar políticas adicionales que permitan tener un
sistema más sólido y estable, sin dejar de lado la ayuda que pueden prestar al sector
rural que son los principales clientes que acceden a este tipo de créditos para poder
generar sus micronegocios.
2
1
22
23
Capítulo segundo
Revisión del estado del arte
A continuación, se muestra: una breve explicación del Sistema Financiero y del

Segmento de Microcrédito, así como los trabajos e investigaciones nacionales e
internacionales relacionadas con el tema de estudio.
1. Investigaciones internacionales previas
Los sistemas financieros viven de la intermediación financiera y de varios

productos y servicios derivados de esto, en tal razón al tomar dinero de las personas y
utilizarlo para colocar créditos de cartera, están expuestos a factores externos o shocks
macroeconómicos. En este sentido, a continuación, se detallan los estudios realizados
particularmente sobre la cartera de microcrédito, las perspectivas de crecimiento, el
riesgo de crédito y las variables que podrían influir en su comportamiento:
Gambera (2000), enfocó su estudio en demostrar la factibilidad de utilizar
modelos Regresión Lineal y de Vector Autorregresivo (VAR) para bancos con
problemas en su cartera de créditos en Estados Unidos de Norteamérica. Para este
análisis se utilizó datos de cartera agrícola (AG), comercial e industrial (C&I) e
inmobiliaria (ER). Adicionalmente se utilizaron variables macroeconómicas cómo la
tasa de desempleo estatal, ingreso per cápita, número de bancarrotas, el índice de la
Asociación Nacional de Gerentes de Compras, tasa de desempleo, y las ventas de
automóviles. De los modelos aplicados se observa que las medidas de ingresos
(incluidos los ingresos agrícolas) y el desempleo parecen ser buenos predictores de los
préstamos problemáticos en todos los casos. También señala que las declaraciones de
quiebra a menudo resultan ser regresores significativos en estos sistemas, incluso si no
fueron elegidos en todo momento como los mejores.
Fernández, Martínez y Saurina (2000) realizaron un estudio ―Crédito bancario,
morosidad y dotación de provisiones para insolvencias en España‖, donde se destaca
que las provisiones son normalmente procíclicas y en épocas de expansión del ciclo
presentan bajos niveles, además se efectúa una comparación sobre las tradicionales
2
3
24
provisiones genéricas versus una provisión estadística nueva que permitiría a las
entidades bancarias esta preparadas para situaciones de riesgo de no pago.
Por su parte, Roberts (2003) en su estudio efectuado en la ciudad de Buenos
Aires, destaca la importancia del microcrédito como elemento del desarrollo
económico, por cuanto, es una forma de apoyar a las personas de escasos recursos
económicos a progresar y a tener mayores ingresos. A decir del autor, el microcrédito,
brinda la posibilidad de fomentar nuevos micro negocios e ingresos para pagar el
préstamo.
López y Peña (2005) mencionan en su estudio sobre el microcrédito productivo
rural en Colombia que la importancia del microcrédito radica en la generación de
autoempleo a personas pobres que, sin embargo de su condición económica, pueden
contribuir con su trabajo al crecimiento de un país. El microcrédito rural tiene sus
limitaciones, pues no llega a todas las personas de estos sectores, sino que son sobre
todo urbanos y cuando llegan al área rural llegan con altos costos operativos y tasas
elevadas. En este estudio, se aplicó un modelo de datos de panel y una serie de tiempo,
los resultados demuestran que es posible colocar una mayor cantidad de microcréditos
si la tasa es menor y con ello se reducen los gastos operativos de las entidades.
En el estudio sobre ―Factores determinantes de la mora en el crédito rural del
departamento de La Paz (Caso: ONG'S financieras y FFP-PRODEM)‖, realizado por
(Poma 2005), se señala la importancia del control del índice de morosidad para
mantener una estabilidad en las entidades financieras. Se aplicó una regresión estimada
con Mínimos Cuadrados Ordinarios (MCO) en la que se identificó tres factores que
determinan el comportamiento de la cartera en mora del segmento de microcrédito:
destino de la cartera hacia actividades productivas y de libre disponibilidad, tipo de
cambio, y conflictos sociales. Así también se señala la importancia de la variable tipo de
cambio como uno de los principales determinantes para el incremento de la morosidad.
En Buenos Aires – Argentina, Matarazzo (2006) realizó un estudio sobre
―Aplicación de modelos estadísticos a entidades financieras‖. El estudio utilizó un
Análisis de Componentes Principales (ACP) para realizar un análisis descriptivo los
individuos y como complemento para evaluar la eficiencia de las entidades financieras
uso un modelo de regresión logística. De los resultados se observa que existe una
correlación entre las características básicas y los servicios prestados por las entidades,
25
es decir mientras más solvente y sólida es una entidad mejores servicios financieros
puede prestar.
En España, Vasallo y Vilar (2006) en su estudio denominado ―Bancos y cajas de
ahorros: Modelización del margen de beneficio por Regresión Lineal Múltiple. Análisis
comparativo‖, utilizaron variables como: margen de explotación sobre productos
totales, fondos propios, cuotas de mercado de depósitos, activos totales. Las
estimaciones indican que las dos variables que recogen en sus coeficientes el costo de
capital son los activos totales y los fondos propios.
El Banco Central de Uruguay realizó un estudio en el año 2007 sobre
―Determinantes de la Morosidad Bancaria en una Economía Dolarizada. El Caso
Uruguayo‖, tomó en cuenta la ―existencia de relaciones de cointegración con un
conjunto de variables macroeconómicas‖ usando un modelo econométrico de
Cointegración y Mecanismo de Corrección de Error (MCE). Para los análisis los autores
incluyeron ―la tasa de variación real del producto interior bruto (PIB), precios de las
materias primas, los salarios, renta disponible, tasa de desempleo o paro, inflación,
depreciación de la moneda, , oferta monetaria. tipos de interés (nominales o reales),
ratio de endeudamiento o del servicio de la deuda‖. Estas variables podrían agruparse en
3 grandes, aquellas relacionadas con el ciclo económico, liquidez y nivel de
endeudamiento. Posteriormente se indica que al incluirse el producto interior bruto en la
relación de cointegración se tiene modelos con un ajuste menor. Se concluye el estudio
mencionado que con mayores ingresos o salarios, una tasa menor, a largo plazo se
tendría una disminución de la morosidad .(Vallcorba y Delgado 2007).
Vera y Costa (2007) en su artículo sobre ―Estimación y Proyección de la Calidad
de la Cartera de Crédito‖, utilizaron un modelo ARDL, a través del cual analizaron
cuatro determinantes macroeconómicos de la morosidad en cartera: ―Los ciclos
expansivos del crédito, Shocks en el producto interno, Tasas de interés activas y
variaciones en el tipo de cambio‖. En los resultados del estudio se indica que es de gran
utilidad usar agregados macroeconómicos a fin de estimar la calidad de la cartera,
además se habla de lo complejo del sistema Bancario Venezolano lo cual limita la
capacidad predictiva de los modelos usados.
Gutiérrez Nieto, (2008, 2) presenta un estudio del microcrédito comparado el
costo del desempleo en España, bajo lo cual se compara como este tipo de créditos
2
5
26
puede ayudar a generar autoempleo principalmente a las personas que están en una
situación de exclusión financiera, y en cambio el costo para el estado al pagar a
personas que se encuentran en paro y que no generan recursos por sus propios medios.
Se concluye que resultaría menos caro el otorgar microcréditos y dejar que la gente
ponga sus propios negocios generando autoempleos que pagando el subsidio de
desempleo.
Greenidge y Grosvenor (2009) en su estudio denominado ―Forecasting Non-
Performing Loans in Barbados‖ utilizan varios modelos econométricos, entre ellos un
modelo de regresión lineal múltiple para proyectar el ratio de morosidad en el sistema
bancario de ese país. Las estimaciones indican que los factores macroeconómicos cómo
la tasa de inflación, el crecimiento del PIB real y la tasa de las letras del Tesoro
muestran un impacto en el nivel de morosidad.
Aparicio y Moreno (2011) en su estudio ―Calidad de la cartera crediticia
bancaria y el ciclo económico: una mirada al gasto en provisiones bancarias en el Perú‖
utilizan varios modelos econométricos para determinar cuáles son las variables
macroeconómicas que están relacionadas a las oscilaciones de las provisiones. De los
resultados se tiene que existe una relación no lineal entre los gastos de provisiones las
actividades económicas.
Buera, Kaboski y Shin (2012) modelaron los efectos macroeconómicos de las
microfinanzas en marcos de equilibrio general y parcial. Usaron un modelo de línea
base con el que evaluaron el agregado y los impactos distributivos de las microfinanzas.
Los principales indicadores macroeconómicos que utilizaron para este estudio fueron: la
producción, el capital, los salarios, la productividad total de los factores, la
redistribución y las tasas de interés. Los resultados sugieren que los préstamos de
microfinanzas tienen un efecto de redistribución, y este efecto es más fuerte en el
equilibrio general que en el equilibrio parcial. El capital, la producción, la productividad
total de los factores se ven afectados positivamente por los préstamos de microfinanzas
en equilibrio parcial y general, excepto por la productividad total de los factores que se
ve afectada negativamente en el equilibrio parcial. Los salarios y las tasas de interés,
por otro lado, aumentan de acuerdo a los resultados obtenidos.
Jiménez (2013) su estudio sobre la ―Economía del desarrollo humano y
microfinanciación: Una aproximación a los determinantes de microcrédito" fue
27
realizado en España pero incluyó información de varios países europeos, de los que se
tomó variables como la seguridad alimentaria, la educación, y la sanidad. Empleando un
modelo de regresión lineal se llegó a determinar que las variables de desarrollo humano
explican enormemente el comportamiento del impacto que tiene el microcrédito en el
los ingresos. De éstas, la variable sanidad es la que mayor variación provoca en la
variable dependiente de acuerdo al estudio.
De la Fuente Mella y Díaz Bravo (2013) en su ―Análisis de los factores
determinantes de la calidad percibida del servicio prestado por una cooperativa de
ahorro y crédito: una aplicación basada en modelos de ecuaciones estructurales”
consideran que la cartera de créditos es uno de los activos más importantes que tienen
las instituciones financieras ya que están relacionadas directamente con las utilidades
que generan, por ello es imprescindible no permitir que la misma envejezca ya que pone
en riesgo a la institución, para conseguir este fin es necesario aplicar medidas para
renovar cartera y conseguir nuevos clientes, en tal razón se elaboró una aplicación para
una cooperativa en Chile, que se enfocó al servicio prestado, dicho estudio se hizo sobre
modelos de ecuaciones estructurales que incluía un análisis multivariante, lo que
permitió estudiar atributos como el comportamiento del consumidor.
Roodman y Morduch (2014), en su estudio ―The Impact of Microcredit on the
Poor in Bangladesh: Revisiting the Evidence‖, reprodujeron y volvieron a actualizar
estudios anteriores similares, usando en primer lugar las regresiones lineales orginales y
posteriormente usaron un modelo de datos de panel, de los cuales se concluye que luego
de 35 años de implementado el microcredito no se tienen pruebas de que en realidad sea
un medio para reducir la pobreza. Ademas se menciona en el documento, que para que
los estudios no aleatorios contribuyan a medir la causalidad en los sistemas sociales, la
calidad de los experimentos naturales debe ser alta, y demostrada.
Raihan y Osmani (2015) muestran un análisis de la contribución de las
microfinanzas al PIB en la cuidad de Bangladesh y encontraron que en 2012 el impacto
fue de entre 8.9 % y 11.9%, dependiendo del crecimiento del mercado laboral. Además,
se menciona que la contribución de los microcreditos rurales al PIB rural en Bangladesh
en el mismo año estuvo entre el 12,6% y 16,6%, dependiendo del supuesto del mercado
laboral. Sin embargo, dicha estimación está sujeta a subestimación debido a dos razones
principales: (1) el modelo no consideró el subempleo, y los ajustes del mercado laboral
2
7
28
que compensan algunos de los efectos negativos que genera la retirada de MFI capital; y
(2) la proporción del PIB rural podría ser inferior al 60 por ciento, ya que los ingresos
urbanos muy altos no suelen captarse en las encuestas de hogares; lo que implicaría que
la contribución de las microfinanzas rurales al PIB rural en Bangladesh sería aún mayor
al que se pudo estimar.
Hamad y Fernal (2015) , en su artículo ―Microcredit participation and women‘s
health: results from a cross-sectional study in Peru‖, se tomó una población de 1593
mujeres, usando variables como duración de participación en el microcrédito,
características sociodemográficas, e indicadores de bienestar de las mujeres, aplicando
modelos de regresiones lineales multivariables, y bivariantes, con lo que se concluyó
que existe evidencia de mejora psicológica en las mujeres asociada al microcrédito, no
así de su salud en general, determinado que para tener una mejora real de las
condiciones de salud de las mujeres se debe asociar mejoras de tipo social, cultural,
político y de infraestructura en su entorno.
Mayorca y Aguilar (2016) plantean un análisis sobre ―la relación de la calidad de
la cartera de créditos y la competencia en el Perú‖, específicamente en el sector
microfinanciero. A nivel microeconómico, en su estudio los autores utilizan variables
como el nivel de endeudamiento de las personas y tipo de cambio, mientras que, a nivel
macroeconómico, incluyen variables como crecimiento de la cartera, tasa de interés
activa, rentabilidad y eficiencia de las entidades financieras. Con el fin de explicar la
relación citada, se tomó el índice de Lerner para determinar el poder de mercado
estimado en el caso de la competencia y en el caso de la calidad de la cartera se usó una
regresión en la que se usó a la morosidad como variable dependiente. Los resultados se
dividieron en grupos grandes, medianos y pequeños, posteriormente se determinó
mayor crecimiento de la competencia en los grupos grandes y pequeños, por cuanto, el
Índice de Lerner disminuyó en el período de análisis, en tanto que el grupo de medianos
mostró un ligero crecimiento. Con ello, el estudio concluye en la existencia de una
relación inversa entre la competencia y la calidad de la cartera.
Clavijo (2016) realizó un estudio de ―los determinantes de la morosidad de la
cartera de microcrédito en Colombia‖. En este documento se utilizó metodologías logit
y probit, y uso el concepto de información suave, misma que contiene variables
socioeconómicas de los clientes, con el fin de establecer el impacto sobre la
29
probabilidad de caer en mora. El estudio destaca la importancia de la relación entre la

morosidad de los microcréditos y las siguientes variables: 1) características del oficial
de crédito, 2) factores exógenos. De los resultados se evidencia que la información
suave (edad, género, tipo de vivienda, personas a cargo, años de experiencia laboral),
presenta una relación significativa con la morosidad.
Irimia, Blanco y Oliver (2016) realizaron un artículo académico sobre
―Modelización de la autosuficiencia de las instituciones microfinancieras mediante
regresión logística basada en análisis de componentes principales‖, este estudio incluyó
a 313 entidades y 31 variables financieras, los resultados mostraron que existe una
relación inversa entre el riesgo de crédito y la sostenibilidad de las entidades y al final
se recomienda incrementar la eficiencia y la productividad,, y controlar el riesgo de
crédito .
Uquillas (2017) analizó los ―determinantes del riesgo comportamental en
préstamos de consumo y microcrédito‖ en Centro América. Mediante la aplicación de
un modelo de Regresión Logística se llegó a determinar si la edad del prestatario está
relacionada con la disminución de la morosidad. Además, menciona la existencia de una
relación positiva entre: la probabilidad de caer en mora - deuda sobre salario, así como:
probabilidad de caer en mora - atraso en pagos.
Mballa, (2017) en su artículo ―Desarrollo local y microfinanzas como estrategias
de atención a las necesidades sociales: un acercamiento teórico conceptual‖, analiza las
necesidades asociadas al microcrédito y a sus principales clientes que son los pobres,
los cuales según el autor del artículo deberían están más bancarizados y los servicios
financieros no solo deben incluir los créditos, también de acciones que busquen ayudar
a la gente a generar más recursos, en cuanto al estado, éste debe aportar a través de
mejores políticas que tengan objetivos sociales.
(Montalvo, Vázquez, y Amézquita 2018), presentan un artículo académico
―Desigualdad, microcréditos y desarrollo sostenible: un estudio en la Zona
Metropolitana de Guadalajara‖, en el que se enfocan en un análisis descriptivo de la
desigualdad y la pobreza, y el aporte que podría dar el microcrédito para mejorar las
condiciones de vida de las personas. Se concluye que el microcrédito a largo plazo no
ayudaría a mejorar el problema.
2
9
30
Rodrigues y Felinto de Farias en su estudio ―Microcredit and Gender: Are There

Differences in the Credit Conditions?‖ realizado con datos tomados del Paribas de
Brasil, se efectuó un análisis diferenciado por género del proceso de otorgamiento de
microcréditos, pues de la literatura menciona que se destaca como una alternativa para
la lucha contra la pobreza pero varía por los géneros. Para el efecto se usó un modelo
de regresión lineal múltiple el cual permite el control de muchos aspectos que afectan a
la variable dependiente, en este sentido, se usaron variables como género, estado civil,
calificación de riesgo, edad, residencia, etc. El estudio concluye que efectivamente
existe un 1.91% más en los valores que se les otorgan a las mujeres en comparación con
los hombre.
Iji, Neji y Pius (2018) en su artículo ―Microfinance Credit Programmes:
Implications on Poverty Reduction in Southern Senatorial District of Cross River State,
Nigeria‖, proponen un análisis sobre el rol de los programas de microfinanzas en la
reducción de la pobreza, para ello realizaron una recolección de datos en todo el distrito
Senatorial, y con los datos obtenidos se aplicó una regresión lineal. El resultado del
estudio demostró claramente que el programa de crédito microfinanciero tiene un
impacto significativo en la reducción de la pobreza en el Distrito Senatoria
Choque (2019) estudió para el caso boliviano los determinantes financieros de la
mora. En su análisis usó información de series de tiempo en un modelo VEC, además
aplico un test de raíces unitarias y un contrate de cointegración. Los resultados del
estudio indican que variables como la tasa de crecimiento del Producto Interno Bruto de
la Industria Manufacturera y el Comercio, devaluación de la moneda, y la tasa de interés
activa son determinantes de la morosidad.
2. Investigaciones previas en Ecuador
En Ecuador se han realizado principalmente estudios relacionados al impacto de

la cartera de microcrédito en diferentes cuidades y entidades financieras del país, con
modelos de Scoring y procesos de calificación crediticia, así también, se han realizado
análisis de la calidad de la cartera de microcrédito. A continuación, se presenta una
descripción de los principales estudios.
Martínez Mora (2008, 97) en su tesis sobre ―Las Microfinanzas en el Ecuador y
su contribución en la reducción de la pobreza‖, se enfoca al estudio de los clientes de
31
microcrédito en la zona urbano marginal de Quito y de como ha impactado estos

créditos en ellos; menciona además que tras casi trés decadas de la insercion de las
microfinanzas es aun imposible poder medir efectivamente la pobreza, pues a parte de
ser caros los sistemas que les permitirían a las entidades de microcréditos tener
indicadores para medir la pobreza, estos no son del todo ceteros ya que hay muchos
factores que imposiblitan tan medición como es el acceso a las áreas mas pobres.
Ycaza (2010), realizó el estudio sobre ―Impacto y evolución de los diferentes
tipos de crédito de la banca en el Ecuador y análisis del microcrédito como producto de
mayor aceptación‖, en el que analizó el microcrédito frente a variables
socioeconómicas como el desempleo, subempleo y la pobreza, y como influyen estas al
momento de acceder a un microcrédito.
Sierra (2011) realizó un estudio sobre las instituciones de microfinanzas y las
variables socioeconómicas que permitan medir el impacto social en el Ecuador, además
determinó estrategias de competitividad. En el estudio se menciona que no existe
ningún modelo para gestión de las entidades de microfinanzas que se adapte a los
requerimientos del país, por cuanto, no hay criterios unificados para el análisis, sino que
más bien cada entidad se orienta a sus necesidades, esto ha conllevado a incurrir en
altos costos, tiempo y dedicación. Además, menciona que los indicadores sociales por sí
solos no explicarían mucho, por tanto, es importante su análisis en conjunto.
Finalmente, para este estudio se propone un ―Modelo de Gestión de las Instituciones de
Microfinanzas‖ que mezcla a los indicadores propuestos para obtener resultados más
aproximados a la realidad.
Izurieta Pacheco (2012) estudió sobre las políticas públicas y leyes que
promueven e influecian en el microcrédito en el Ecuador, entre otros apectos analizó los
costos del microcrédito, enfatizando que son altos debido a que los montos otorgados
son pequeños, sin embargo no dejan de demandar desarrollo de tecnologías
especializadas, visitas in situ a los clientes, además de un mayor riesgo en el
otorgamiento. En relación al nivel de colocación del microcrédito, basado en
información extraída de la Superintendencia de Bancos del Ecuados pudo evidenciar
que la mayor parte esta colocada en la Sierra Ecuatoriana con un 77% en el año 2010,
con un menor porcentaje se encuenta la región costa con el 18% . Sobre esto concluye
que el sector financiero formal esta cada vez más interesado en este segmento pues
3
1
32
tiende a crecer favorablemente y un aspecto a resaltar es que las garantías son

compartidas o solidarias een este segmento.
Salgado Escobar (2015) desarrolló una investigación para poder identificar
cuáles eran los factores macroeconómicos determinantes que influenciaban en
otorgamiento de la cartera de créditos de Bancos Privados del Ecuador. Entre sus
conclusiones se destaca la teoría que explicaba efectivamente cuales son los factores
macroeconómicos influyentes en el comportamiento de la cartera de créditos, sin
embargo no pudo demostrar de forma técnica ni econométrica de que factores
específicamente depende el incremento o diminución del volumen de la cartera.
Tampoco se evidencio correlación alguna en el volumen de crédito y los depósitos del
extranjero.
Chico, López, Santamaría y Villacis (2015), trabajaron en un estudio
denominado ―Valoración del Beneficio del Microcrédito y su Contribución al
Autoempleo‖ en el que se presenta un análisis cuantitativo y correlacional del que se
explica el beneficio del microcrédito a partir del autoempleo y se concluye que los
microcréditos contribuyen a que las personas salgan de la informalidad y puedan
acceder a un sector formal con más beneficios como acceso a productos financieros, sin
embargo se aclara que utilizado de mala manera no contribuiría a disminuir la pobreza.
En este mismo contexto, Escalante Bottia (2016) realizó un estudio sobre
―Determinación de los factores de la oferta de crédito de los Bancos Privados
Ecuatorianos‖, con un horizonte de 6 años desde el 2008 al 2014. En este sentido, por
medio de la estimación de un modelo econométrico de datos de panel dinámico con
heterocedasticidad y algoritmo de Arellano y Bond se observó que los principales
determinantes son: la tasa activa referencial, la morosidad, el PIB, la liquidez y fondeo
del banco, capitalización y capacidad real del crédito.
Jaramillo (2016), realizó un estudio sobre ―crédito productivo otorgado por la
banca privada a las pequeñas y medianas empresas de la construcción y su relación con
la generación de empleo directo en la ciudad de Quito D.M.‖, en dicho estudio se
analizan conceptos como empleo adecuado, inadecuado, empelo urbano y rural,
subocupación, empleo directo, indirecto, índice de pobreza, mercado laboral, a fin de
construir un índice de generación de empleo. Los resultados muestran que el crédito
33
productivo en el sector de la construcción no influye en la generación de empleo en el

sector de la construcción.
Uchuari (2019) realizó un estudio sobre el ―Índice de Vulnerabilidad Financiera
de las Cooperativas de Ahorro y Crédito (COAC´S) del Segmento 1 y 2‖. A través del
método de Análisis de Componentes Principales (ACP) y utilizando indicadores
financieros, como el PIB, Depósitos totales, Créditos totales, Morosidad de la cartera,
ROE, y ROA, se determinó que la intermediación financiera manifiesta una mejor
dinámica entre las captaciones y colocaciones, incremento de la colocación de crédito y
mayor control de las cooperativas del segmento 1.
Alvarado, (2019) en su artículo ―Restricción de créditos por parte de la banca
privada en el Ecuador‖ menciona que el precio del barril del petróleo está relacionado a
la falta liquidez de las entidades financieras, lo cual provocaría un restricción al
momento de otorgar créditos en todos los segmentos.
Finalmente se puede concluir que, dentro de la revisión a la literatura no se ha
podido encontrar un estudio realizado desde un enfoque basado en la falta de pago de
los créditos, enfocado específicamente en el Sistema de Bancos Privados del Ecuador,
es decir que use al indicador de morosidad para el estudio, por lo cual el presente
trabajo busca determinar los factores macroeconómicos que influyen en esta cartera,
apoyado en el uso variables macroeconómicas y variables financieras específicas de este
sistema.
3
3
34
35
Capítulo tercero
Metodología
1. Construcción de la base de datos
Para el estudio se consideró los Bancos Privados del Ecuador del segmento de
microcrédito. Se utilizaron un total de 19 variables con información comprendida entre
el periodo 2007 al 2019. A continuación, se enumera cada una de las variables con su
respectiva frecuencia:
Tabla 1
Variables y Periodicidad
No. Nombre Abreviatura Frecuencia Referencia / Estudio
(Gambera 2000)
(Poma 2005)
(Vallcorba y Delgado 2007)
(Vera y Costa 2007)
Morosidad (Greenidge y Grosvenor 2009)
1 mor_micro mensual
Microcrédito (Mayorca y Aguilar 2016)
(Clavijo 2016)
(Uquillas 2017)
(Choque 2019)
(Escalante 2016)
2 Sector formal sec_form semestral (Chico et al. 2015)
3 Sector informal sec_inf semestral (Chico et al. 2015)
(Gambera 2000)
4 Desempleo desem anual
(Izurieta 2012)
(Gutiérrez Nieto 2008)
(Chico et al. 2015)
5 Empleo Adecuado emp_ade anual
(Jaramillo 2016)
(Izurieta 2012)
6 Empleo Bruto emp_bruto anual
(Gutiérrez Nieto 2008)
7 subempleo subem anual (Ycaza 2010)
(M. Martínez 2008)
Incidencia de
8 inc_pobreza anual (Montalvo, Vázquez, y
pobreza
Amézquita 2018)
(Jiménez 2013)
9 Coeficiente de gini gini_desig anual (Montalvo, Vázquez, y
Amézquita 2018)
(Vera y Costa 2007)
10 Liquidez total liq_tot mensual
(Escobar, Cañarte, y Macías
2017)
(Poma 2005)
11 Fondos disponibles fondos_disp mensual (Vasallo y Vilar 2006)
(Sierra 2011)
3
5
36
No. Nombre Abreviatura Frecuencia Referencia / Estudio

(Escalante 2016)
(Vera y Costa 2007)
(Greenidge y Grosvenor 2009)
12 Crecimiento del PIB crec_PIB trimestral
(Choque 2019)
(Izurieta 2012)
(Salgado Escobar 2015)
13 Precio barril crudo val_barril anual (Alvarado 2019)
(Greenidge y Grosvenor 2009)
14 Inflación anual infl_anual mensual
(Jiménez 2013)
(López y Peña 2005)
(Buera, Kaboski, y Shin 2012)
(Mayorca y Aguilar 2016)
15 Tasa activa tasa_act mensual
(Clavijo 2016)
(Choque 2019)
(Izurieta 2012)
(Escalante 2016)
(Vera y Costa 2007)
16 Volumen crédito vol_cred mensual (Mayorca y Aguilar 2016)
(Uchuari 2019)
Obligaciones (Sierra 2011)
17 oblig_finan mensual
financieras (Escalante 2016)
(Mayorca y Aguilar 2016)
18 Utilidad micro utilid_micr mensual (de la Fuente Mella y Díaz
Bravo 2013)
(Sierra 2011)
Provisiones cartera (Fernández, Martínez, y
19 prov_cartmc mensual
microcrédito Saurina 2000)
(Aparicio y Moreno 2011)
Fuente: Elaboración propia
La base para el estudio se estructuró con los datos publicados en las páginas web
de las siguientes instituciones públicas: Superintendencia de Bancos del Ecuador (SB),
Instituto Nacional de Estadísticas y Censos (INEC), Banco Central del Ecuador (BCE).
Puntualmente, de la SB se tomó la información del indicador de morosidad tanto
del sistema de Bancos Privados como del segmento de Microcrédito, la provisión de
cartera de crédito y el volumen de crédito colocado, adicionalmente de los balances del
sistema se tomó la cuenta de pasivos ―Obligaciones Financieras‖, y las utilidades. Del
BCE se obtuvo la variable de la liquidez total, los fondos disponibles, el crecimiento del
PIB, el precio del barril del petróleo, la inflación anual y la tasa activa. Del INEC, se
37
recolectó información del sector formal, sector informal, desempleo, empleo adecuado,
empleo bruto, subempleo, incidencia de pobreza y desigualdad de ingresos (Gini).
1.1. Interpolación
Debido a la naturaleza de los datos recolectados en relación a la periodicidad, se

tiene datos con periodos mensuales, trimestrales, semestrales, y otros anuales, por lo
tanto, se tiene la necesidad de estimar los puntos intermedios con el objeto de obtener la
misma dimensión de los mismos, para esto se utilizó la técnica de interpolación
conocida como splines, la cual mediante polinomios estima una curva entre cada par de
puntos.(Prenter 2008)
Para este estudio se usó el paquete estadístico R, en cual viene incorporada la
función que permite realizar este cálculo, esta es: spline(x, y, n,…)
dónde:
x: Recibe los puntos del eje X
y: Recibe los puntos del eje Y,
n: Es el número de particiones que se va a ejecutar o el número de puntos que la
función devolverá, en el caso que se omita este argumento, el resultado será el mismo
valor ingresado, es decir no habrá realizado ningún cambio.
Ejemplo:
La aplicación que se presenta a continuación corresponde a la variable sector
formal. Para la aplicación de la función spline, x = fechas de estudio, y = sect_form, n=
145 (el número de puntos o cortes que tiene la totalidad de los datos).
Figura 1 Aplicación – Spline

Fuente y Elaboración Propias
3
7
38
En el gráfico anterior, las barras azules corresponden a los datos originales, que
se encuentran de manera trimestral, la aplicación de la función devuelve los puntos
intermedios, teniendo así datos con periodicidad mensual.
1.2. Estacionariedad
La estacionariedad significa que las propiedades estadísticas del proceso no

cambian con el tiempo. Si hablamos de una serie temporal tiene estacionariedad si un
desplazamiento en el tiempo no provoca un cambio en la forma de la distribución.
Además se conservan propiedades básicas de la distribución, como la media, la varianza
y la covarianza, y deberán ser constantes a lo largo del tiempo. Engle y Granger (1991)
De acuerdo a Enders (2014) los modelos pueden mostrar diferentes tipos de
estacionariedad:
Estacionariedad estricta.- Significa que la distribución conjunta de cualquier
momento de cualquier grado (por ejemplo, valores esperados, varianzas, momentos de
tercer orden y superiores) dentro del proceso nunca depende del tiempo. Esta definición
es, en la práctica, demasiado estricta para ser utilizada en cualquier modelo de la vida
real.
Las series estacionarias de primer orden.- Tienen medias que nunca cambian con
el tiempo. Cualquier otro estadístico (como la varianza) puede cambiar.
Las series estacionarias de segundo orden.- También llamadas estacionarias
débiles, tienen una media constante, una varianza y una autocovarianza que no cambia
con el tiempo. Otros estadísticos del sistema son libres de cambiar con el tiempo. Esta
versión restringida de la estacionariedad estricta es muy común.
Los modelos estacionarios de tendencia.- fluctúan en torno a una tendencia
determinista (la media de la serie). Estas tendencias deterministas pueden ser lineales o
cuadráticas, pero la amplitud (altura de una oscilación) de las fluctuaciones no aumenta
ni disminuye a lo largo de la serie.
Los modelos diferenciales-estacionarios.- son modelos que necesitan una o más
diferenciaciones para convertirse en estacionarios.
Puede ser difícil saber si un modelo es estacionario o no. A diferencia del
ejemplo obvio de estacionalidad anterior, normalmente no se puede saber solo mirando
39
un gráfico. Si hay seguridad de la estacionariedad de un modelo, una prueba de

hipótesis puede ayudar. Tiene varias opciones para realizar las pruebas, entre ellas
Pruebas de raíz unitaria como la prueba Dickey-Fuller aumentada (ADF). Fuller
(2009)
La prueba Dickey Fuller aumentada (ADF) es una prueba de raíz unitaria para la
estacionariedad. Las raíces unitarias pueden causar resultados imprevisibles en su
análisis de series temporales.
La prueba Dickey-Fuller aumentada puede utilizarse con correlación serial. La
prueba ADF puede manejar modelos más complejos que la prueba Dickey-Fuller, y
también es más potente. Dicho esto, debe utilizarse con precaución porque, como la
mayoría de las pruebas de raíz unitaria, tiene una tasa de error de tipo I relativamente
alta.
Las hipótesis para la prueba:
La hipótesis nula para esta prueba es que existe una raíz unitaria.
La hipótesis alternativa difiere ligeramente según la ecuación que se utilice. La
hipótesis alternativa básica es que la serie temporal es estacionaria (o con tendencia
estacionaria).
1.3. Causalidad en modelos econométricos
Se debe distinguir una vez más entre correlación y causalidad. La correlación es

la existencia de una relación o conexión mutua entre dos o más procesos o fenómenos
que tienden a variar, a asociarse o a producirse juntos de una manera que no se espera
sólo por el azar. La causalidad (denominada también causa y efecto) es la relación
racional entre dos procesos, el primero de los cuales (la causa) es parcial o totalmente
responsable del segundo, mientras que el segundo depende parcial o totalmente del
primero. Un proceso puede tener muchas causas, que partiendo del pasado pueden
determinar cuantitativamente la evolución de los efectos en el futuro. La causalidad no
puede existir sin una forma de correlación; sin embargo, cualquier correlación no
significa la existencia de causalidad. Además, la causalidad no puede existir si la causa
es anterior a su efecto y, además, proporciona información estadísticamente
significativa sobre su efecto. Profilidis (2019)
3
9
40
La causalidad entre dos variables X y Y puede probarse con el uso de la llamada

prueba de causalidad de Granger, que lleva el nombre del econometrista británico Sir
Clive Granger. Esta prueba hace uso de las pruebas t-estadística y F-estadística de
Student y atestigua cuando los valores de la variable X proporcionan información
estadísticamente significativa sobre la evolución de los valores futuros de la variable Y.
Supongamos que Y y X son dos variables que tienen series temporales estacionarias de
datos u observaciones. Para probar la hipótesis nula de que X no es causa de Granger de
Y, primero encontramos los p valores retardados apropiados de Y (el orden p del
proceso AR(p)) para incluir en un proceso AR de Y
La hipótesis nula de que la variable X no es causa de Granger de la variable Y se
acepta cuando no se conservan valores retardados de la variable X, tras la aplicación de
las pruebas t-estadística y F-estadística. En caso contrario, rechazamos la hipótesis nula
a favor de la alternativa, y concluimos que la variable X es la causante de la variable Y
y, por tanto, los valores futuros de la variable Y dependen de los valores presentes de la
variable X. Granger (2001)
2. Modelos Estadístico y Econométrico
En base a la revisión de la literatura y especificamente a los trabajos realizados

por Gambera (2000), Matarazzo(2006), Greenidge y Grosvenor (2009), Jimenez (2013),
(Iji, Neji, y Pius 2018), (Irimia, Blanco, y Oliver 2016) y (Rodrigues y Felinto de Farias
2018), para estimar los determinantes del microcrédito se propone aplicar un modelo de
Regresisión Lineal Múltiple y una combinación de Regresión Lienal Múltiple con el
método de Análisis de Componentes principales (ACP). Ademas, porque estos modelos
permiten tener una vision mas amplia de cada uno de los factores que podría influir en
la variable estudiada dentro un períódo determinado de tiempo, proporciona un
sinmumero de pruebas proveen mas información a ser analizada, adicionalmente porque
permite observar en cada uno de los componentes principales la agrupación de las
variables que pueden influir sobre la variable estudiada. En las siguientes secciones del
capítulo, se describe a detalle cada una de las metodologías aplicadas.
41
2.1 Análisis de Componentes Principales
Los grandes conjuntos de datos están cada vez más presentes en casi todas las
disciplinas, con el propósito de interpretar estos datos, se hace imprescindible el uso de
métodos y técnicas estadísticas que permitan simplificar de manera óptima estos
grandes conjuntos de datos. Con este propósito se han desarrollado muchas técnicas, sin
embargo el análisis de componentes principales (ACP) es una de las técnicas más
antiguas y más empeladas universalmente. Jolliffe y Cadima (2016)
En su trabajo Lozares y López (1991) mencionan que el objetivo básico del ACP
es reducir el número de variables introducidas, para esto se generan componentes
principales, mismos que contienen información de todas las variables y pasan a ser las
variables de estudio, se elige un número de componentes que tengan el peso necesario y
permitan tener en poca medida la varianza total.
Es así que en un contexto estándar el ACP podrá basarse en la matriz de
covarianza o en la matriz de correlación. En cualquiera de los dos casos, las nuevas
variables (ACP) van a depender del conjunto de datos que se analice, en lugar de ser
funciones predefinidas, por lo que son adaptables en un sentido amplio. Los principales
usos de los componentes principales (CP) son descriptivos, más que inferenciales, según
lo explica (Jolliffe y Cadima 2016)
2.2 Obtención de variables con el método ACP
Para la aplicación de la metodología de obtención de los componentes

principales que busca determinar el comportamiento de la cartera de microcrédito, se
utilizará una combinación de los criterios de Zelterman (2015), Peña (2013), D. Peña
(2014) y Cuadras (2010).
El ACP consiste en identificar una combinación lineal de variables que
proporcionen la máxima variabilidad. El primer componente principal explica la mayor
proporción posible de la varianza de los x‘s. El segundo componente tiene la máxima
varianza entre todas las combinaciones lineales restantes. El tercer componente
principal es ortogonal al primero y al segundo, y así sucesivamente para los demás
componentes.
En otras palabras, el análisis de componentes principales reduce un gran número
de variables multivariantes a un número relativamente pequeño de combinaciones
4
1
42
lineales que pueden utilizarse para explicar gran parte de la varianza de los datos. Las
variables con mayor varianza suelen dominar el análisis. Por ello, en la práctica, el
análisis de componentes principales se realiza a menudo en la matriz de correlación. La
correlación proporciona la escala para que todas las variables puedan ser comparadas en
igualdad de condiciones. Del mismo modo, en la descripción del análisis de
componentes principales, se utiliza indistintamente la correlación y las matrices de
correlación y de covarianza.
Para realizar un análisis de componentes principales, comenzamos con un vector
aleatorio multivariante vector x = ( ,, ,...,xp) con media μ y covarianza Σ.
Consideremos p combinaciones lineales diferentes de x que escribimos como:
( 1)
. .
. .
. .
Para unos multiplicadores adecuados dan como resultado p nuevas variables

aleatorias denotadas por , denominadas componentes principales de .
Las ponderaciones también se denominan cargas porque explican cuánto
contribuye cada una de las observaciones originales a cada uno de los componentes
principales. Las cargas en (1) se eligen de forma que los tengan las mayores
varianzas posibles y además que no estén correlacionados entre sí.
Para cada i =1,...,,p las varianzas de pueden expresarse como
( 2)
Nótese que estas varianzas pueden hacerse arbitrariamente grandes

multiplicando por un escalar grande. Para evitar esta ambigüedad, restringimos las
cargas para que tengan longitud unitaria, de modo que .
El segundo criterio es hacer que los estén mutuamente no correlacionados,
por lo que establecemos:
43
( ) ( 3)
para todos los i ≠ j entre 1 y p.

El objetivo, entonces, es hacer que las varianzas en (2) sean lo más grandes
posible y tener todas las covarianzas en (3) iguales a cero.
Para lograr este fin, primero observamos que las funciones objetivo en (2) y
(3.3) se refieren a la matriz Σ y no a las medias μ de x.
Se puede suponer entonces que las medias de x son cero. Normalmente no

conocemos Σ y tendremos que estimarla utilizando la matriz de varianza de la ―muestra
S‖. Nada en esta formulación nos obliga a suponer que x tiene una distribución normal
multivariante.
La solución es examinar los pares de valores propios y vectores propios
( ) (4)
Dónde: son los valores propios ordenados de S.

Si los pesos se sustituyen por los respectivos vectores propios entonces las
varianzas estimadas de los componentes principales se maximizan con respecto a la
matriz de covarianza estimada S, y estos no están correlacionados.
Las varianzas estimadas satisfacen
̂ (5)
Para demostrar que las estimaciones ( ) no están correlacionadas,

comenzamos recordando la siguiente ecuación:
(6)
Por cada j = 1, 2…p.
Posteriormente se multiplica esta ecuación a la izquierda por y utilizamos (4)
entonces tenemos:
̂( ) (7)
porque los vectores propios y son mutuamente ortogonales para i ≠ j.
4
3
44
¿Qué dice todo esto? Empezamos con p observaciones multivariantes

dimensionales x. En (1) las reexpresamos como un conjunto diferente de p
observaciones dimensionales. En cierto modo, no se ha perdido ni ganado nada. Estos
componentes principales y ={ } no están correlacionados entre sí, lo que los hace más
fáciles de manejar, pero más complejos de interpretar.
El primero de ellos, , tiene la varianza más grande . La segunda y
siguientes componentes tienen varianzas más pequeñas, por lo que el primer
componente principal capta la mayor cantidad de varianza. El segundo componente
describe la mayor cantidad de variabilidad que queda de porque y no están
correlacionados.
Utilizando (4) para decir que el i – th el componente principal capta una
fracción de la varianza total.
⁄ (8)
Si en (5) es una fracción sustancialmente grande, entonces hemos reducido un

problema p-dimensional a una dimensión con poca pérdida de información o varianza.
Del mismo modo, si y fueran fracciones grandes, entonces tendríamos un resumen
bidimensional de los datos con poca varianza omitida. Un diagrama de dispersión
examina los valores ordenados de λi. Esta figura nos permite visualizar cuántos
componentes principales se necesitan para resumir razonablemente los datos.
De la información obtenida luego de aplicar los puntos antes detallados, se
conciben algunos criterios para determinar el número de componentes principales que
concentre de mejor manera los datos y contribuya a su posterior interpretación, dichos
criterios son: Criterio de Kaiser, Porcentaje de la varianza explicada, Test de
esfericidad, Criterio de Bastón roto, Biplot, Criterio del porcentaje. De la revisión a la
literatura se observa que habitualmente se usan dos criterios el de Kaiser y el de
eliminación de componentes asociados a autovalores muy pequeños, que se describen a
continuación y que se aplicarán en el presente estudio:
Criterio de Kaiser.- Para este criterio se elimina todas las componentes
principales con autovalores inferiores a 1. Este criterio se justifica en que no es
necesario adicionar una componente con menor varianza de la contenida en una variable
original. Este criterio tiene como límite inferior un valor de 0.7. Además tiene una
45
segunda opción la cual consiste en seleccionar el número de factores explicativos que

tengan una ―raíz característica mayor al valor medio de todas las raíces
características‖.(Schuschny y Soto 2009).
Formalmente, en ―el criterio de Kaiser retenemos las m primeras componentes
tales que , donde que son los valores propios de R, que además
son las varianzas de las componentes‖. (Dayan Peña 2014)
En base a lo detallado se mostrarán los resultados obtenidos del primer modelo
estadístico planteado para este estudio, con lo cual se podrá observar el comportamiento
de las componentes significativas relacionadas con la cartera de microcrédito.
Criterio del porcentaje.- Este criterio, permite eliminar las componentes del
modelo asociadas a autovalores muy pequeños hasta que los componentes principales
restantes expliquen un determinado porcentaje del total de la varianza, que
generalmente es de un 80 %. Considerando que el porcentaje de información que
proporcionan las primeras componentes principales está dado por:
(9)
El porcentaje varía en función del campo que se esté estudiando, ya que por
ejemplo en un estudio de ámbito social el porcentaje estaría arriba del 60 %, en tanto
que en un estudio científico el porcentaje estaría próximo a un 80 %.(Deduy 2019)
Selección de las componentes principales2
Para el análisis de componentes principales se tomarán los tres argumentos
primeros y el argumento graph.
Dónde:
 X.- Es la matriz de datos,

 scale.unit.- Es un valor de tipo lógico, en caso de ser verdadero (recomendable),
la matriz de datos se normalizará, caso contrario no.
2
En términos algebraicos, las componentes principales son los vectores propios (eigenvector) de una matriz no singular y
los valores propios (eigenvalues) son la desviación estándar de cada variable, es decir, se realiza una transformación o cambio de
base de los datos originales de la siguiente manera.
4
5
46
 ncp. - Indica el número de componentes que deseamos calcular.

 graph. – Es un valor lógico que indica si se desea o no obtener el gráfico
resultante.
El número de valores propios serán tantos según variables se tenga, en este caso
18, en la siguiente tabla se detalla los valores propios asociados a cada componente
principal (desviación estándar), en la siguiente, la varianza explicada por cada
componente y en la última, la varianza explicada acumulada.
Por lo general, no se suele elegir más de tres componentes principales para una
mejor visualización y representación; lo apropiado es elegir dos componentes, esto,
dependiendo del nivel de varianza que deseemos explicar. Deduy (2019)
2.3 Regresión Lineal Múltiple sobre componentes principales
El concepto de Regresión sobre Componentes Principales (RCP) se originó en el

año 1953 de la mano de Maurice Kendall, este método buscaba que la multicolinealidad
disminuya. El modelo de análisis de componentes principales, convierte a las variables
originales en nuevos conjuntos de variables no correlacionadas denominadas
componentes principales (CP). Dicha categorización de variables ortogonales se las
hace por la aportación que dan al modelo, y en el proceso se excluyen algunas de las
mencionadas componentes, para obtener una reducción de la varianza en las nuevas
componentes principales.(Deduy 2019)
Una de las razones para transformar un conjunto de variables en componentes
principales es que sus relaciones con otra variable pueden explorarse más fácilmente.
Si las variables independientes originales (las x) son muy colineales entre sí, o si hay un
gran número de variables explicativas potenciales, puede ser conveniente simplificar su
espacio muestral mediante una transformación en componentes principales. La variable
dependiente puede entonces regresarse sobre los componentes principales resultantes en
lugar de sobre las variables originales.(Massy 1965)
Para explicar el método de regresión sobre componentes principales se ha
tomado la teoría explicada por (Massy 1965), (Massy 1965), (Deduy 2019), que se
detalla a continuación:
47
Tomando en cuenta que luego de aplicar el ACP las componentes principales

son ortogonales y por lo que de esta se rexpresaría el modelo de
regresión lineal clásica como se muestra a continuación:
( 10 )
Considerando Z =XA y tomando: se tiene:
Debido a que dónde:

⁄
= Matríz diagonal cuyo elemento k-enesimo de la diagonal es , entonces
por lo que el vector ̀ tendrá la siguiente forma:
̀
Sustituyendo en , se tiene:
̂
Considerando Z =XA se puede expresar de la siguiente manera:
̂ ( 11 )
Dónde:
= k-énesima columna de A
k-enésimo elemento de
Dado que entonces por lo que:
̂ ( 12 )
con lo cual, el estimador de MCO de los coeficientes de regresión sobre las p

componentes principales γˆ es una transformación lineal del estimador de MCO de los
coeficientes de regresión sobre las p variables originales.
̂ ̀ ̀ ̂
También los valores ajustados y los residuos concuerdan puesto que:
̂ ̀ ̀
Entonces, suponiendo que la matriz de varianzas y covarianzas de Y es , se
tiene a la matriz de varianzas y covarianzas de ̂ , de la siguiente manera:
4
7
48
( ̂)
( 13 )
Consecuentemente, la multicolinealidad se presenta como una componente

principal con varianza muy pequeña. Tomando en cuenta que la varianza de la k-ésima
CP es , una componente con varianza muy pequeña tiene valores bajos de , y por lo
tanto, valores muy grandes de . Es decir, que los valores de los autovalores cercanos
a cero (0) inducen gran varianza del estimador. Para impedirlo, se eliminan los términos
de la ecuación (7) correspondientes a valores muy pequeños de , consiguiendo el
siguiente estimador:
̃ ( 14 )
Por lo que equivalen a autovalores muy pequeños para m < s ≤ p

Posteriormente se tienen que eliminar los términos que presentan gran varianza
(ecuación 10) y además se deberá encontrar y eliminar los elementos de ̀ que no
son significativamente distintos de cero, para lo cual se tiene que seleccionar variables
cuyas variables son las CP. Zelterman (2015)
El estimador ̃ es sesgado dado que:
̃ ̂ ( 15 )
Por lo tanto:
* ̃+ [ ̂] [ ]
( 16 )
Se tiene [̃ ] por lo que la regresión sobre componentes principales

pertenece al grupo de los ―Métodos Sesgados de regresión‖
La matriz de varianzas-covarianzas de es:
( ̃) ( 17 )
De la descomposición espectral de:

49
( 18 )
Se tiene:
( ̃) ( 19 )
Entonces los términos no nulos se muestran cuando h = j = k, dado que los

vectores son ortonormales. Por lo que se tiene:
( ̃) ( 20 )
Por lo anterior, si los m primeros atovalores no son pequeños, no se tendrá

varianzas grandes en la diagonal de ( ̃) , lográndose disminuir la varianza del
estimador ( ̃) comparado con la varianza de ̂ ( ̃) ( ̂ ).
Si los elementos de ̀ que corresponden a los CP eliminados son realmente nulos,
no será necesario incluir el sesgo del que se mencionó para el estimador.
Por lo tanto, para la Regresión sobre componentes principales
se usa un modelo de regresión lineal, y se estima , como sigue:
̃ ( 21)
Dónde:
M= Subconjunto de los enteros { }
2.4 Regresión Lineal Múltiple
Hair y Black (2014) definieron el análisis de Regresión Lineal Múltiple como un

método estadístico para analizar la relación de una sola variable dependiente y diversas
variables independientes, cuyo objetivo es utilizar los regresores para predecir el
comportamiento de la variable dependiente. Además, explica que cada uno de estos
regresores o variables independientes se pondera por la forma de análisis de regresión
asegurando una predicción máxima del total de variables independientes utilizadas, por
lo que se entiende que el conjunto de regresores ponderados conforma la variable de
4
9
50
regresión, dando como resultado una combinación lineal que predice de mejor manera
la variable dependiente estudiada.
―El Análisis de Regresión Lineal Múltiple nos permite establecer la relación que se
produce entre una variable dependiente Y y un conjunto de variables independientes
(X1, X2, ... XK). El análisis de regresión lineal múltiple, a diferencia del simple, se
aproxima más a situaciones de análisis real puesto que los fenómenos, hechos y
procesos sociales, por definición, son complejos y, en consecuencia, deben ser
explicados en la medida de lo posible por la serie de variables que, directa e
indirectamente, participan en su concreción.‖(Rodríguez 2001)
Considerando lo expuesto, para la aplicación del modelo de regresión lineal

múltiple del presente estudio se ha combinado información sobre los criterios de los
autores: Gujarati (2003), Greene (2003), Verbeek (2012), Faraway (2015), Zelterman
(2015), y Amat (2016), además de los documentos de trabajo de Granados (2016), y
Andrade (2018) los cuales están explicados a continuación:
Para estudiar la regresión lineal múltiple, suponemos que existe una relación
general válida para todas las observaciones posibles de una población bien definida (por
ejemplo, todos los hogares o todas las empresas de un determinado sector). Limitando la
atención a las relaciones lineales, especificamos un modelo estadístico como el
siguiente:
( 22 )
En donde:
, = Son variables observables
Parámetros desconocidos a estimar
= Término de perturbación estocástica o error
La regresión lineal múltiple busca revelar cuál de todas las variables

explicativas ( seleccionadas para el modelo es la que más influencia tiene
sobre la variable dependiente Y.
Al empezar con el análisis de la regresión lineal múltiple es importante
determinar el impacto que cada una de las variables independientes tiene en el modelo,
para esto se empleará los coeficientes de regresión estandarizados, los cuales
51
determinan la ecuación de regresión lineal, dichos coeficientes se obtienen

estandarizandolos. convirtiendo las puntuaciones directas en típicas.
El modelo de regresión lineal múltiple debe cumplir principalmente con los
siguientes requisitos:

 No colinealidad o multicolinialidad entre las variables independientes
 Normalidad de los residuos
 Homocedasticidad de los residuos
 Independencia de los residuos
 Endogenidad
A continuación, se explica cada uno de estos supuestos.

No colinealidad o multicolinialidad
En el modelo clasico de regresión lineal se espera que no exista
multicolinealidad entre las variables independientes. Sin embargo es improbable que
entre las varibales del modelo no exista una colinialidad parcial o multicolinialidad no
perfecta, de algun grado, por lo cual en esas situaciónes se debe analizar cada una de las
variables y descartar la que menos sentido al momento de intepretar le de al modelo.
Para, García (2013), la multicolinealidad o dependencia casi lineal, es un
fenómeno estadístico en el que dos o más predictores variables en un modelo de
regresión múltiple están altamente correlacionadas. Si no existe una relación lineal entre
variables predictoras, se dice que son ortogonales. Para determinar la multicolinealidad
entre los predictores no hay métodos estadísticos que se apliquen exactamente para esos
casos; no obstante, se tiene son algunas reglas formales e informales.
En el presente estudio se usará el Factor de Inflación de Varianza.
Factor de Inflación de la Varianza (FIV).- Cuando existe correlación entre los
predictores, el error estándar de los coeficientes de los predictores aumentará y en
consecuencia, la varianza de los coeficientes de los predictores se infla. El VIF es una
herramienta para medir y cuantificar cuánto se infla la varianza. Los VIF suelen ser
calculados como parte del análisis de regresión y aparecerán en la columna VIF como
parte del resultado. La utilidad del VIF, a diferencia de la tolerancia, es que el VIF
indica específicamente la magnitud de la inflación en los errores estándar asociados con
5
1
52
un peso beta particular que se debe a la multicolinealidad. Uno de los problemas de la

presencia de colinealidad (tolerancias pequeñas, FIVs grandes) se da por la inestabilidad
de las estimaciones de los coeficientes de regresión. Es decir que el FIV sea mayor a 10.
De la Fuente (2011)
El predictor se calcula con la siguiente fórmula según sea el caso:
( 23 )
se calcula de la regresión del predictor sobre los otros predictoresNormalidad

(Distribución normal de los residuos)
Según Pardo y Ruíz (2010), se debe cumplir el supuesto de que los residuos se
distribuyen ―normalmente con media cero, para cada valor de la variable independiente
o combinación‖. Para su comprobación se recurre a la prueba de Shapiro y Wilks.
Su cálculo se realiza de la siguiente manera:
( 24 )
Donde:
D= Sumantoria de las diferencias corregidas
= Varianza Muestral
Homocedasticidad de los residuos

El supuesto de Homocedasticidad, es considerado como uno de los supuestos
mas importantes dentro del modelo clasico de regresión lineal, dado que la distribución
de errores respecto al plano de regresión debe ser constante es decir uniforme a lo largo
de los valores pronosticados.
La homoscedasticidad se refiere a una condición en la que la varianza del
residuo, o término de error, en un modelo de regresión es constante. Es decir, el término
de error no varía mucho cuando cambia el valor de la variable de predicción. Otra forma
de decir esto es que la varianza de los puntos de datos es aproximadamente la misma
para todos los puntos de datos. Andrade (2018)
―No existen reglas precisas y rápidas para detectar las heterocedasticidad,
solamente algunas reglas prácticas‖(Gujarati 2003). (Mankiw 1990), en su artículo ―A
Quick Refresher Course in Macroeconomics” menciona lo siguiente: “La
53
heterocedasticidad jamás ha sido una razón para desechar un modelo que de otra
forma sería adecuado”.
Para comprobar el supuesto homocedasticidad, uno de las preubas más populares
es la de Breusch – Pangan Godfrey. Esta prueba fue propuesta por Breusch y Pagan
(1979) y consiste en ajustar un modelo de regresión lineal con variable respuesta dada
por residuales del modelo original al cuadrado y como covariables las variables del
modelo original. Hernández y Mazo (2020). El procedimiento para efectuar esta prueba
es el siguiente:
Se estima
( 25 )
Con lo cual se obtienen los residuos de ̂ .
Obtenemos
̂ ( 26 )
Posteriormente se construirán las variables
̃ ( 27 )
Regrésese los condtruídos sobre las Z
Donde es el término de residuo en esta regresión

Luego se obtiene la suma explicada de los residuos (SEC) de la citada regresión
( 28 )
Entonces suponemos que los están distribuidos normalmente se puede

demostrar que existe homocedasticidad y si el tañamo n de la muestra aumenta
indefinidamente entonces asintóticamente
Independencia de los residuos
Los residuos se comportan como una variable aleatoria por lo cual son
independientes entre sí de las variables independientes y de los pronósticos, ya que
5
3
54
provienen de la diferencia de los valores observados y los pronosticados. De no

cumplirse este supuesto se presenta la llamada autocorrelación.
Para la validación de este supuesto se usará el estadístico de Durbin – Watson,
definido como una prueba de autocorrelación en los residuos de un análisis estadístico
de regresión:
( 29 )
El estadístico Durbin Watson fluctúa entre 0 y 4, y tomando un valor 2 cuando

existe independencia en los residuos. Un valor de 2,0 significa que no se detecta
autocorrelación en la muestra. Los valores de 0 a menos de 2 indican autocorrelación
positiva y los valores de 2 a 4 indican autocorrelación negativa. Con lo cual se puede
decir que se cumple este supuesto cuando DW toma valores entre 1,5 y 2,5.
Endogeneidad
Puede probarse siempre que supongamos que el instrumento es válido. Hausman
en el año de 1978 propuso comparar los estimadores de Mínimos Cuadrados Ordinarios
(MCO) y de Variables Instrumentrales (IV). A continuación, el proceso:
Para suponiendo que:
( 30 )
Y además
{ }
el estimador IV es consistente. Si, además, { } , el estimador de
mínimos cuadrados ordinarios también es consistente y debería diferir del IV sólo por
el error de muestreo. Una versión computacionalmente atractiva de la prueba de
Hausman para la endogeneidad (a menudo denominada prueba Durbin-Wu-Hausman)
puede basarse en una simple regresión auxiliar. En primer lugar, estimar una regresión
que explique a partir de , de ,y , guardar los residuos, digamos que ̂. Esta es
la ecuación de forma reducida. A continuación, añada los residuos al modelo de interés
y estime:
̂ ( 31 )
por MCO. Esto reproduce el estimador IV para y , pero también produce

una estimación para . Si es exógena. En consecuencia, se prueba
55
fácilmente la endogeneidad para realizando una prueba estándar sobre en la

regresión anterior. Obsérvese que la prueba de endogeneidad requiere el supuesto de
que el instrumento es exógeno y, por lo tanto no ayuda a determinar la condición del
momento de identificación { } o { } es apropiada.
5
5
56
57
Capítulo cuarto
Aplicación de modelos y Resultados
1. Análisis descriptivo de las variables
A continuación, se presentan algunos indicadores macro y microeconómicos que

de acuerdo a la revisión bibliográfica detallada en el capítulo dos poseen una relación
con el microcrédito. Para comprender de mejor manera la naturaleza del indicador,
previo al análisis descriptivo se presenta una breve descripción de cada uno3.
Morosidad
La morosidad mide el porcentaje de la cartera improductiva que está conformada
por la cartera vencida y la cartera que no devenga interés, frente al total de la cartera
Superintendencia de Bancos (2019). 4
Cartera Improductiva
Morosidad Cartera 
Cartera Bruta
En tanto que la morosidad de la cartera del segmento de microcrédito está dada

por:
Cartera Improductiva Microcrédito
Morosidad Cartera Microcrédito 
Cartera Bruta Microcrédito
3
Cabe destacar que se identificó los valores atípicos de cada una de las variables, mediante un
diagrama de caja. Una vez identificados los valores atípicos se procedió a realizar las siguientes pruebas:
 Creación de un modelo con los datos completos
 Llevando los valores atípicos a los extremos anteriores
 Eliminando datos atípicos
Luego de las pruebas realizadas a los valores atípicos y su análisis, se determina que dichos
valores no producen cambios importantes en las variables, ni afectan el cumplimiento de los supuestos de
las técnicas estadísticas aplicadas.
4
La cartera bruta está compuesta por cartera por vencer, vencida y no devenga intereses
5
7
58
Para el presente estudio solo se considera la morosidad del segmento de

microcrédito, por lo que en secciones posteriores se hará énfasis sobre esta variable, es
decir las relaciones que mantiene con las demás variables seleccionadas.
En la figura de comportamiento se observa que a mayo del 2016, se registra la
morosidad más alta del periodo de análisis, este dato podría ser por el impacto del
terremoto ocurrido en el Ecuador en el mes de abril del mismo año. Después de este
período la morosidad mantiene una tendencia decreciente registrando un 4.6% a
diciembre del año 2019.
Figura 2 Comportamiento de la morosidad de microcrédito

Fuente: Superintendencia de Bancos del Ecuador
Elaboración: Propia
Tasa de empleo formal

Según el INEC (2019a), el empleo formal contiene a las personas que trabajan
en establecimientos que tienen RUC. Adicionalmente se aclara que “para efectos del
cálculo en la Encuesta Nacional de Empleo, Desempleo y Subempleo, las personas que
trabajan en establecimientos de 100 trabajadores y más son parte del sector formal,
pues se considera que estos establecimientos tienen todos los registros de ley
(incluyendo el RUC)”. La tasa de empleo formal (EF) es relación del empleo formal con
respecto a la Población Económica Activa.
( 32 )
Donde, PEA la Población Económicamente Activa.

59
En la siguiente figura se muestra que la tasa de empleo formal, presenta una

tendencia de crecimiento hasta finales del año 2015, fecha en la cual por la crisis
financiera internacional toma una tendencia de descenso hasta el final de periodo.
Figura 3 Comportamiento de la morosidad de microcrédito y la tasa de formalidad

Fuente: Superintendencia de Bancos del Ecuador (SB), Instituto Nacional de Estadística y
Censos (INEC).
Tasa de empleo informal

El empleo informal “se define operativamente como el conjunto de personas que
trabajan en unidades productivas de menos de 100 trabajadores, que no tienen Registro
Único de Contribuyentes (RUC)‖, esta definición fue formulada por el (INEC 2019a),
de acuerdo a las preceptos internacionales dictados para este tipo de empleo. La tasa de
empleo formal es relación del empleo informal (EI) con respecto a la Población
Económica Activa.
( 33 )

De acuerdo con lo observado en la figura, la tasa de empleo formal, muestra un
comportamiento inverso a la tasa de empleo informal, pues a partir del año 2015 en que
se dio la crisis internacional, aumenta la informalidad sobre todo en los años 2017 y
2018, alcanzando valores por encima del 10%.
5
9
60
Figura 4 Comportamiento de la morosidad de microcrédito y la tasa de informalidad

Censos (INEC).
Tasa de desempleo
El INEC (2019a) define al desempleo como la suma del desempleo abierto más
el desempleo oculto. Este mismo instituto lo define como:
―Desempleo Abierto.- Personas de 10 años y más, que en el periodo de referencia

presentan simultáneamente las siguientes características: a) Sin empleo, no ocupado en
la semana pasada b) Buscaron trabajo, realizaron gestiones concretas para conseguir
empleo o para establecer algún negocio en las cuatro semanas anteriores.
Desempleo Oculto.- Personas de 10 años y más, que en el periodo de referencia
presentan simultáneamente las siguientes características: a) Sin empleo, no ocupado en
la semana pasada b) No buscaron trabajo (no hicieron gestiones concretas para
conseguir empleo o para establecer algún negocio en las cuatro semanas
anteriores),‖(INEC 2019a)
En tanto que la tasa de desempleo (TD) se calcula de la siguiente manera:

( ) ( 34 )
Donde, D es el desempleo y PEA la Población Económicamente Activa.
En la siguiente figura, se observa que el desempleo presenta su mayor tendencia

de crecimiento alcanzado su máximo valor en el año 2016, a partir de este año hasta el
mediados del 2019 donde retoma una tendencia de crecimiento.
61
Figura 5 Comportamiento de la morosidad de microcrédito y la tasa de desempleo

Censos (INEC).
Tasa de empleo adecuado

Dentro del empleo adecuado o pleno, se consideran a las personas con empleo
que, ―perciben ingresos laborales iguales o superiores al salario mínimo, trabajan igual
o más de 40 horas a la semana, independientemente del deseo y disponibilidad de
trabajar horas adicionales‖. (INEC 2019a)
La tasa de empleo adecuado (EA) o pleno se calcula:
( 35 )

Como se puede apreciar en la siguiente figura, en el año 2009 existe un descenso
importante en el empleado adecuado, esto producto de la crisis internacional que
también afectó al Ecuador, posteriormente hasta el año 2015 se observa un incremento
constante del empleo adecuado; sin embargo, a finales de ese mismo año se muestra una
disminución importante que se ha mantenido hasta el 2019.
6
1
62
Figura 6 Comportamiento de la morosidad de microcrédito y la tasa de empleo adecuado

Censos (INEC).
Tasa de subempleo
―Existe subempleo cuando las personas con empleo no alcanzan su nivel de
pleno empleo en relación con la duración o la productividad del trabajo‖ y están
dispuestos a trabajar horas adicionales. ―En otras palabras, las personas están
subempleadas cuando la duración o productividad de su trabajo, el cual es inferior a su
nivel de pleno empleo‖.(INEC 2019a)
La tasa de subempleo se calcula de la siguiente manera:
( ) ( 36 )
La variable del subempleo presenta un comportamiento opuesto al empleo

formal, en tal razón se observa que, mientras el empleo formal disminuye el subempleo
se incrementa y viceversa. En este sentido, en el período de análisis se muestra tres
cortes importantes. El primero, del año 2007 al 2011 en el cual el subempleo tiende a
disminuir. En el segundo corte, a partir del año 2012 hasta el 2016 en cambio, se tiene
un incremento sostenido de desempleo y finalmente desde finales del 2016 al 2019 se
mantiene entre el 16% al 21%.
63
Figura 7 Comportamiento de la morosidad de microcrédito y la tasa de subempleo

Censos (INEC).
Empleo bruto
Corresponde a la población ocupada o total del empleo sobre la población en
edad de trabajar (PET). INEC (2019a)
La tasa de empleo bruto, se calcula de la siguiente manera:
( 37 )
En la siguiente figura se observa que el empleo bruto, se mantiene en niveles

superiores a la morosidad, sin embargo presenta cortes importantes el primero a
mediados de 2008 que es el pico más alto entre las fechas de análisis ubicándose en el
65.9% en los siguientes años se mantiene entre el 59% y el 62%, a partir del 2014 esta
tasa muestra un incremento que llega en algunos meses al 65%, y finalmente luego del
2016 se ha mantenido en niveles superiores al 62%.
6
3
64
Figura 8 Comportamiento de la morosidad de microcrédito y la tasa de empleo bruto

Censos (INEC).
Incidencia de pobreza
―Es el cociente entre el total de la población pobre y la población total‖.(INEC
2019a)
―Para calcular la incidencia de pobreza por ingresos se compara el ingreso total per-
cápita con la línea de pobreza por consumo y los individuos cuyo ingreso total per-
cápita es menor a la línea de pobreza por consumo son considerados pobres. Finalmente
calculamos la proporción de pobres frente al total de la población calculada mediante la
base expandida.‖(Manosalvas et al. 2008)
Como se puede notar en la siguiente figura, la incidencia en la pobreza desde el

2008 al 2012 muestra una tendencia decreciente. A partir del 2013 hasta el 2017 ha
mantuvo un comportamiento estable. A finales del 2018 empieza a mostrar un
incremento de aproximadamente 3 puntos.
65
Figura 9 Comportamiento de la morosidad de microcrédito y la incidencia de la pobreza

Censos (INEC).
Gini
Desigualdad de ingresos, el coeficiente de Gini es una medida que resume la
manera en la que se distribuye el ingreso per cápita entre los habitantes de la población,
mide el grado de desigualdad en la distribución del ingreso. Manosalvas et al. (2008)
La fórmula usada para calcular este índice es:
( 38 )
Como se observa en la figura el coeficiente de Gini, muestra una tendencia

decreciente desde el 2007 al 2014, en el año 2015 tiene un pico de crecimiento superior
a 0.48, y desde esa fecha no presenta variaciones importantes.
6
5
66
Figura 10 Comportamiento de la morosidad de microcrédito y el coeficiente de Gini

Censos (INEC).
Liquidez total
―Está dada por la relación entre los fondos disponibles y el total de depósitos a
corto plazo. Esta relación permite conocer la capacidad de respuesta de las instituciones
financieras, frente a los requerimientos de efectivo de sus depositantes, en el corto
plazo‖. BCE (2021)
Se calcula de la siguiente manera:
( 39 )
Se observa que el comportamiento de la liquidez no influye o no presenta

relación alguna con la morosidad, además se observa que presenta una tendencia
creciente en todo el período de estudio
67
Figura 11 Comportamiento de la morosidad de microcrédito y tasa liquidez total

Fuente: Superintendencia de Bancos del Ecuador (SB), Banco Central del Ecuador (BCE)
Fondos disponibles
―Registra los recursos de alta liquidez de los cuales dispone la entidad para sus
operaciones regulares y que no está restringido su uso‖. Superintendencia de Bancos
(2019)
Los fondos disponibles en el sistema de bancos privados están compuestos por
las siguientes cuentas de balance:
1101 Caja
1102 Depósitos para encaje
1103 Bancos y otras instituciones financieras
1104 Efectos de cobro inmediato
1105 Remesas en tránsito
Los fondos disponibles muestran una tendencia a disminuir hasta el año 2015,
sin embargo, también muestran picos importantes de incremento en ciertos meses,
adicionalmente en el año 2016 se observa que los fondos disponibles se incrementan lo
que podría estar relacionado con el terremoto ocurrido en este año, finalmente a partir
del año el 2017 vuelven a disminuir.
6
7
68
Figura 12 Comportamiento de la morosidad de microcrédito y los fondos disponibles

Fuente: Superintendencia de Bancos del Ecuador (SB)
Crecimiento del PIB

De acuerdo al BCE (2021), ―el PIB está compuesto por el valor monetario de los
bienes y servicios finales, es decir, los que adquiere el consumidor final y que son
producidos por un país en un período determinado‖.
Existen dos métodos para obtener el PIB, de acuerdo con el BCE (2021) por la
producción y por el gasto:
( 40 )
Donde, Pb (Producción bruta), Ci (Consumo intermedio), Imp1 (Impuestos netos

sobre productos) Re (Remuneraciones)
( 41 )
Donde, CH (Consumo Hogares), CG (Consumo Gobierno), FBKF (Formación

Bruta de Capital Fijo), Ve (Variación de Existencias), X (Exportaciones) M
(Importaciones)
Como se observa en la figura, el PIB en el período de estudio muestra dos
decrecimientos importantes, el primero en el año 2009 producto de la crisis
internacional y el segundo en el año 2016, ocasionado por el terremoto ocurrido en la
ciudad de Manta, como resultado de estas disminuciones el país sufrió estancamientos
de la economía, que a posterior como se muestra en la gráfica se fueron superando.
69
Figura 13 Comportamiento de la morosidad de microcrédito y la tasa de crecimiento del PIB

Fuente: Superintendencia de Bancos del Ecuador, Banco Central del Ecuador
Precio barril crudo

El precio del petróleo se da por el tipo de suelo de donde sea extraído, pues sus
usos y formas de transporte son diferentes de acuerdo a su ubicación geográfica.
En la siguiente figura se observa que el valor del crudo a través de los años ha
tenido un comportamiento inusual especialmente en el año 2008 y 2016, dado
principalmente por las crisis internacionales, adicionalmente mantuvo valores
superiores al USD 86 dólares entre los años 2012 y 2014, luego del 2016 el precio del
barril no ha superado los USD 71 dólares, sin embargo, en este mismo período se
observa que la morosidad presenta mayores incrementos.
Figura 14 Comportamiento de la morosidad de microcrédito y el Precio del Barril del Petróleo

6
9
70
Inflación anual
De acuerdo al INEC (2019b) la inflación anual es ―Variación de precios del mes
con respecto al mismo mes del año anterior, es decir, la variación de los últimos 12
meses‖
La inflación se calcula de la siguiente manera:
( ) ( 42 )
Donde, IPC es el índice de precios al consumidor, t tiempo

El comportamiento de la Inflación anual, en el período de estudio alcanza su
mayor crecimiento en el año 2008, en los siguientes años no muestra variaciones
importantes, salvo a partir de los meses finales del 2017 en que muestra una
disminución por debajo de cero, ocasionando una deflación constante a partir de esa
fecha
Figura 15 Comportamiento de la morosidad de microcrédito y la Inflación Anual

Tasa activa
Es aquella que se “pacta en operaciones de crédito concedidas por las
instituciones del sistema financiero privado, para todos los plazos, y en cada uno de los
segmentos crediticios‖, según la definición del Banco Central del Ecuador (BCE).
71
La tasa activa en el Ecuador presenta techos para cada segmento los cuales son
regulados por el BCE
Se observa en la siguiente figura que en el año 2007 y 2008 la tasa de interés es
más elevada pese a esto, la morosidad es menor, además, entre los años 2014 y 2017, se
observa que existe una relación directamente proporcional, es decir a menor tasa, menor
morosidad.
Figura 16 Comportamiento de la morosidad de microcrédito y tasa de interés activa

Volumen crédito
La Superintendencia de Bancos del Ecuador (2019) señala ―que el volumen de
crédito se obtiene de la sumatoria de los montos concedidos en las operaciones de
crédito y contingentes‖.
Se observa en la siguiente figura claramente que el volumen otorgado en el
transcurso del tiempo, no presenta un comportamiento uniforme, además su distribución
presenta una gran cantidad de valores extremos.
7
1
72
Figura 17 Comportamiento de la morosidad de microcrédito y el volumen de crédito

Obligaciones financieras
Las obligaciones se originan en préstamos recibidos de instituciones financieras
y otras entidades públicas o privadas y en los recursos recibidos mediante la emisión de
títulos-valores. Superintendencia de Bancos (2019)
Es importante mencionar que las entidades bancarias en Ecuador, especialmente
las dedicadas al segmento de microcrédito consiguen préstamos del exterior para
colocar en microcréditos, a tasas menores o con mejores condiciones que las ofrecidas
localmente.
Como se observa en la siguiente figura el comportamiento de las obligaciones
financieras se observa que tiende a incrementarse levemente desde el 2010. No
obstante, presenta un dato extremo un año después de haber transcurrido el terremoto
del 2016 y a partir de eso continúa con su incremento, mostrándose además
inversamente proporcional a la morosidad en ese período.
73
Figura 18 Comportamiento de la morosidad de microcrédito y las Obligaciones Financieras

Utilidades
Son utilidades generadas por el Sistema de Bancos Privados del Ecuador,
específicamente las entidades financieras dedicadas al segmento de microcrédito, y se
refieren al beneficio producido por el giro del negocio, la relación existente entre los
ingresos y gastos que ha obtenido la entidad en un período determinado de tiempo que
generalmente es un año. Superintendencia de Bancos (2019)
Las utilidades presentan un comportamiento periódico, por lo que se observa que
no mantiene relación alguna con la variable de estudio.
Figura 19 Comportamiento de la morosidad de microcrédito y utilidades

7
3
74
Provisiones de cartera
Son las que surgen del análisis individual de cada sujeto de crédito como
estimaciones de pérdida, o que la Superintendencia de Bancos dispone sean constituidas
sobre un segmento del portafolio, en aplicación de la normativa vigente.
Superintendencia de Bancos (2019)
Se observa que las provisiones muestran una tendencia a disminuir hasta el año
2012, período en el que se incrementan, dichos incrementos podrían darse por mayores
requerimientos de provisiones dados por el Orgasmo de Control, sin embargo luego de
ese incremento se observa que continúan en diminución por dos años más y
posteriormente se mantienen con ciertos picos de incremento en algunos meses.
Además se muestra que en el inicio del período de análisis se contaba con mayores
provisiones que sirven para cubrir la cartera en mora, en tanto que al final del período se
ha contraído esa diferencia de manera importante, tal es así que el año 2016 no fueron
suficientes las provisiones para cubrir la morosidad.
Figura 20 Comportamiento de la morosidad de microcrédito y Provisiones de Cartera

2. Aplicación de pruebas de estacionariedad a las variables
Previo a la aplicación de los modelos econométricos se efectuó las pruebas de

estacionariedad a las variables, usando para ello el test de Dickey-Fuller, del cual en
primera instancia ninguna de las variables fue estacionaria, por lo que se procedió a
realizar la corrección diferenciado cada una de las variables y como resultado todas las
75
variables resultaron ser estacionarias al aplicar nuevamente el test de Dickey-Fuller y

realizado los gráficos de cada una, como se muestra a continuación:
Tabla 2
Test Augmentado Dickey-Fuller
p-
Variable Dickey-Fuller Retardo Hipótesis alternativa
valor
Morosidad -8.1751 0 0.01 estacionaria
Sector Formal -10.296 0 0.01 estacionaria
Sector Informal -11.686 0 0.01 estacionaria
Desempleo -10.499 0 0.01 estacionaria
Empleo Adecuado -9.1153 0 0.01 estacionaria
Empleo Bruto -9.6222 0 0.01 estacionaria
Subempleo -11.237 0 0.01 estacionaria
Indice de la Pobreza -10.804 0 0.01 estacionaria
Indice de Gini -9.6751 0 0.01 estacionaria
Fondos Disponibles -10.468 0 0.01 estacionaria
Crecimiento del PIB -5.0712 0 0.01 estacionaria
Precio del Barril del Petróleo -8.0319 0 0.01 estacionaria
Inflación Anual -5.4696 0 0.01 estacionaria
Tasa activa -11.871 0 0.01 estacionaria
Liquidez total -9.9771 0 0.01 estacionaria
Obligaciones financieras -13.263 0 0.01 estacionaria
Utilidad de microcrédito -9.0112 0 0.01 estacionaria
Provisión de cartera -9.8822 0 0.01 estacionaria
Fuente y elaboración propias
Además se efectuaron gráficos de cada una de las variables los cuales se

encuentran en el anexo C del presente estudio, en los gráficos se muestra la variable
antes y después de aplicar la primera diferencia, cuando ya es estacionaria.
3. Aplicación del modelo análisis de componentes principales ACP
En la actualidad, para realizar un estudio de cualquier naturaleza, la dimensión

de los datos (número de registros y variables) ya no es un problema, por cuanto, con el
avance tecnológico se han desarrollado diversas herramientas para la recolección y
análisis de los mismos.
Ahora bien, cuando se dispone de un gran número de variables cuantitativas y se
desea extraer la información más importante de los datos, el Análisis de Componentes
Principales (ACP) es una técnica apropiada, debido a que permite generar nuevas
7
5
76
variables expresadas como combinación lineal de los datos originales sin perder el
significado.
Para el presente estudio, se ha utilizado el criterio Kaiser (valor propio mayor a
uno) y el criterio del porcentaje (varianza mayor al 80%) para la selección de
componentes principales (CP); ambos coinciden con el número de componentes, en este
caso ocho.(Deduy 2019).
A continuación, se presenta el análisis estadístico descriptivo y la aplicación del
5
ACP :
Tabla 3
Valores propios - eigenvalues
Importancia de los componentes:
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
Desviación estándar 1.906 1.510 1.399 1.214 1.054
Proporción de la varianza 0.242 0.152 0.131 0.098 0.074
Proporción acumulada 0.242 0.394 0.525 0.623 0.697
Como se puede observar los primeros valores propios son los más altos y
mientras avanza, son cada vez más pequeños, lo mismo ocurre con la varianza
explicada.
De acuerdo a los resultados presentados en la tabla anterior, se puede apreciar
que siete componentes explican el 81.5%de la varianza, mientras que, con ocho
componentes se explica el 85.9%, a partir del décimo componente, la contribución es
marginal. Gráficamente se puede ver este resultado en las siguientes figuras.
5
Todo el análisis de esta sección, así como la estimación de los modelos de regresión lineal se
realizaron con el software estadístico Rstudio.
77
Figura 21 Porcentaje de la varianza explicada por componentes

Fuente y elaboración: Propia
Figura 22 Varianza acumulada por componente

De las imágenes anteriores se puede observar que en concordancia con el criterio

de Kaiser, las 8 primeras componentes principales están asociadas a autovalores
mayores que 1, y conforme al segundo criterio, explican al menos el 80% de la
varianza, por lo que se podría retener las ocho primeras componentes para el análisis.
En las siguientes figuras se muestra por cada uno de los ocho principales
componentes, el top 10 de las variables más representativas. En cada figura, la línea roja
7
7
78
corresponde al valor esperado o promedio de las contribuciones, de tal manera que, las
variables que estén por encima de esta línea son consideradas importantes en su
aportación a la componente. Observándose que la primera componente recoge la mayor
parte de la información 20.9%, para luego disminuir la varianza en las siguientes
componentes.
Figura 23 Contribuciones de variables en el primer componente principal

En el primer componente, se observa tanto en la figura como la tabla No. 4 que

muestra variables con asociaciones positivas como el empleo adecuado (0.434), y el
sector formal (0.413), por lo que se puede inferir que el primer componente recoge
información relacionada al empleo.
Figura 24 Contribuciones de variables en el segundo componente principal

79
En el segundo componente, se observa tanto en la figura como la tabla No. 4 que

muestra variables con asociaciones positivas fuertes en el indicador de desigualdad gini
(0.528), el índice de la pobreza (0.504) y en el desempleo (0.408), por lo que se puede
mencionar que el segundo componente recoge información relacionada a variables de
tipo social, que al ser en su mayoría positivas, construirían a incrementar la morosidad.
Figura 25 Contribuciones de variables en el tercer componente principal

En el tercer componente, se observa tanto en la figura como la tabla No. 4 que

muestra variables con asociaciones negativas fuertes en la variable liquidez total (-
0.586), fondos disponibles (-0.503) y utilidades de microcrédito (-0.538), por lo que se
puede inferir que el tercer componente recoge información relacionada a variables de
tipo financiero.
Figura 26 Contribuciones de variables en el cuarto componente principal

7
9
80
En el cuarto componente, se observa tanto en la figura como la tabla No. 4 que

muestra una sola variable fuerte, la tasa activa (-0.633) por lo que se puede inferir que el
cuarto componente recoge información relacionada a variables de tipo financiero.
Figura 27 Contribuciones de variables en el quinto componente principal

En el quinto componente, se observa tanto en la figura como la tabla No. 4 que

muestra dos asociaciones importantes de variables positivas inflación anual (0.699), y el
desempleo (0.448), por lo que se puede inferir que el quinto componente recoge
información relacionada a variables socioeconómicas.
Figura 28 Contribuciones de variables en el sexto componente principal

En el sexto componente, se observa tanto en la figura como la tabla No. 4 que
muestra una sola variable importante, obligaciones financieras (0.819), por lo que se
81
puede inferir que el sexto componente recoge información relacionada a variables

financieras.
Figura 29 Contribuciones de variables en el séptimo componente principal

En el séptimo componente, se observa tanto en la figura como la tabla No. 4 que

muestra cuatro asociaciones importantes de variables positivas empleo bruto (0.486), el
subempleo (0.283), tasa activa (0.417) y utilidad de microcrédito (0.377), por lo que se
puede inferir que el séptimo componente recoge información relacionada a variables
socioeconómicas y financieras.
Figura 30 Contribuciones de variables en el octavo componente principal

En el octavo componente, se observa tanto en la figura como la tabla No. 4 que

muestra dos asociaciones importantes de variables positivas fondos disponibles (0.539),
8
1
82
y empleo bruto (0.495) por lo que se puede inferir que el sexto componente recoge
información relacionada a variables socioeconómicas y financieras.
Complementando el análisis se puede observar la contribución de cada factor o
variable para con ello, poder ver las características de cada componente, tal como puede
apreciar en la siguiente tabla:
Tabla 4
Contribuciones por variable y componente
Variables Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7 Comp.8
sec_form 0.412 0.056 0.146 0.059 0.275 0.066 0.222 0.178
sec_inf -0.403 -0.309 -0.079 0.042 -0.221 -0.007 -0.092 -0.140
emp_ade 0.434 0.209 0.120 0.100 -0.062 -0.142 0.129 0.093
emp_bruto -0.322 -0.224 -0.095 0.112 0.233 0.012 0.486 0.495
subem -0.436 0.152 -0.097 0.147 0.107 -0.048 0.283 0.063
inc_pobreza -0.200 0.504 -0.084 0.192 0.022 -0.088 -0.184 -0.126
gini_desig -0.098 0.528 0.033 0.155 -0.206 -0.213 0.101 0.219
fondos_disp 0.108 -0.052 -0.503 -0.126 0.117 -0.243 -0.365 0.539
crec_PIB 0.150 -0.129 0.051 0.598 -0.112 -0.206 0.297 -0.078
desem -0.196 0.408 -0.037 -0.106 0.448 0.032 -0.023 -0.173
infl_anual 0.069 -0.197 -0.074 0.259 0.699 -0.188 -0.161 -0.274
tasa_act 0.065 0.076 -0.017 -0.633 0.098 -0.168 0.417 -0.063
liq_tot 0.175 0.031 -0.586 0.101 -0.165 -0.221 0.017 -0.069
oblig_finan 0.098 0.144 -0.190 0.163 0.059 0.819 -0.043 0.188
utilid_micr 0.119 0.021 -0.538 -0.036 -0.076 0.182 0.377 -0.427
Todos los componentes pueden expresarse formalmente de la siguiente manera:
Z1 = + 0.412 sec_form - 0.403 sec_inf + 0.434 emp_ade - 0.322 emp_bruto –

0.436 subem – 0.200 inc_pobreza – 0.098 gini_desig + 0.108
fondos_disp + 0.150 crec_PIB - 0.196 desem + 0.069 infl_anual + 0.065
tasa_act + 0.175 liq_tot + 0.098 oblig_finan + 0.119 utilid_micro
3. Regresión de Lineal Múltiple sobre Componentes Principales
El modelo de regresión lineal permite predecir el valor de la variable

dependiente o a su vez evaluar la influencia que tiene los predictores o variables
independientes sobre ella.
83
Para la selección de los predictores se utilizó un stepwise mixto, donde el proceso

de validación es realizado mediante el criterio de Akaike (AIC), de esto, el mejor
modelo resultante es el siguiente.
Adicionalmente, se consideró los criterios utilizados en los estudios realizados
por Deduy (2019) y Parra et al. (2014).
Tabla 5
Regresión sobre Componentes Principales
Residuos:
Min 1Q Median 3Q Max
-
1.28183 -0.20726 0.00149 0.25893 0.89555
Coeficientes:
Error
Estimación Std. t valor Pr(>|t|)
CP1 -0.07659 0.03142 -2.437 0.018263 *
CP2 -0.04252 0.03965 -1.072 0.288498
CP3 0.17711 0.04279 4.139 0.000128 ***
CP4 -0.07479 0.04934 -1.516 0.135618
CP5 0.05685 0.05683 1 0.321738
CP6 0.08269 0.05972 1.385 0.172104
CP7 -0.10262 0.06823 -1.504 0.138623
CP8 0.12986 0.07411 1.752 0.085628 .
Error standard residual: 0.4638 en 52 grados de libertad

Multiple R-cuadrada: 0.4007, R-cuadrada ajustada: 0.3085
F-estadístico: 4.263 en 8 y 52 GL, p-valor: 0.0004608
Como se puede observar en la tabla anterior, los componentes 1, 3 y 8 resultan

ser estadísticamente significativos al 99% de confianza, mientras que, el resto de
componentes no son significativos a los niveles de confianza convencionales (90, 95 y
99%), sin embargo de acuerdo a lo especificado en la literatura para este tipo de
regresión sobre componentes principales, es necesario para no perder los aportes que
cada componente le da a la regresión, que se use todos los componentes seleccionados
previamente, razón por la cual se conservará los 8.
La ecuación de la regresión se compone de la siguiente manera:
( 43 )
8
3
84
Ahora se realiza la transformación para obtener los coeficientes de regresión

originales y consecuentemente la ecuación de la regresión:
Tabla 6
Coeficientes de Regresión
sec_form sec_inf emp_ade emp_bruto subem inc_pobreza gini_desig
[1,] -0.009 0.005 -0.045 0.038 -0.02 -0.039 -0.032
fondos_disp crec_PIB desem infl_anual tasa_act liq_tot oblig_finan
[1,] 0.008 -0.106 0.007 -0.024 -0.023 -0.165 0.04
utilid_micr
[1,] -0.186
Y = – 0.009 sec_form + 0.005 sec_inf – 0.045 emp_ade + 0.038 emp_bruto –

0.02 subem – 0.039 inc_pobreza – 0.032 gini_desig + 0.008 fondos_disp
– 0.106 crec_PIB + 0.007 desem - 0.024 infl_anual – 0.023 tasa_act –
0.165 liq_tot + 0.04 oblig_finan - 0.186 utilid_micr
De esta manera se observa que el sector informal, el empleo bruto, los fondos
disponibles, el desempleo, y las obligaciones financieras incrementan el indicador de
morosidad, en tanto que el sector formal, el empleo adecuado, el subempleo, el índice
de pobreza, el coeficiente de Gini, el crecimiento del PIB, la inflación anual, la tasa
activa, la liquidez total y las utilidades contribuyen a la disminución de la morosidad de
la cartera de microcrédito.
Con el propósito de confirmar la validez de los resultados obtenidos se procedió
a realizar pruebas para demostrar el cumplimiento de cada uno de los supuestos de la
regresión sobre componentes principales.
Análisis de inflación de la varianza

El modelo con las variables predictoras o componentes principales no presenta
multicolinealidad dado que los FIV son iguales a 1:
Tabla 7
Factores de Inflación de varianza (FIV)
CP1 CP2 CP3 CP4 CP5 CP6 CP7 CP8
1 1 1 1 1 1 1 1
Fuente y elaboración: Propias
85
Normalidad de los Residuos
Figura 31 Test gráfico de residuos – Regresión ACP

El grafico muestra la normalidad de los residuos. El p valor del test de Shapiro-

Wilk resultó ser 0.084 mayor a 0.05, con lo cual no rechaza al 95% de confianza la
hipótesis nula de la normalidad de los residuos.
Tabla 8
Test de normalidad Shapiro-Wilk
W = 0.96516, p-valor = 0.08434

Homocedasticidad
Se observa que el test de Studentized Breusch-Pagan no rechaza la hipótesis
nula, por cuanto, el p-value 0.581 es mayor que 0,05, es decir, que al 95% de confianza
se puede afirmar que los residuos homocedásticos.
Tabla 9
Test studentized Breusch-Pagan
BP = 5.6516, df = 7, p-valor = 0.581

Independencia
Se observa que al aplicar la prueba Durbin Watson con un DW= 2.22 no se
rechaza la H0 al 95% de confianza, es decir que, el modelo no presenta problemas de
autocorrelación en los residuos.
8
5
86
Tabla 10
Test Durbin-Watson
DW = 2.2263, p-valor = 0.2779

Hipótesis Alternativa: la verdadera autocorrelación
no es 0
lag Autocorrelation D-W Statistic p-valor
1 -0.1133221 2.226268 0.218
Hipótesis Alternativa: rho != 0
4. Regresión lineal múltiple – Variables originales
A continuación, se presentan los resultados de la Regresión Lineal Múltiple

(RLM) estimada con Mínimos Cuadrados Ordinarios.
Como se puede apreciar en la siguiente tabla para la estimación de la RLM
inicial se consideró todas las variables obteniéndose los siguientes resultados.
Coeficientes
Tabla 11
Coeficientes del modelo de regresión – variables originales
Residuos:
-1.13244 -0.203 0.06206 0.26721 1.00137
Coeficientes:
Error
sec_form 0.08747 0.1178 0.742 0.46169
sec_inf -0.05577 0.1109 -0.503 0.6176
emp_ade -0.1039 0.06201 -1.676 0.10068 *
emp_bruto 0.09043 0.08105 1.116 0.27046
desem 0.08501 0.2113 0.402 0.68931
subem -0.09991 0.07957 -1.256 0.21577
inc_pobreza 0.05933 0.06717 0.883 0.38179
gini_desig -0.1387 0.1189 -1.167 0.24924
fondos_disp -0.5403 2.895 -0.187 0.85278
crec_PIB -0.02632 0.05334 -0.493 0.62419
infl_anual -0.1368 0.07813 -1.75 0.08688 .
tasa_act -0.06515 0.173 -0.377 0.70818
liq_tot -0.09923 0.06594 -1.505 0.13933
-
oblig_finan 0.00001111 0.0002396 -0.046 0.96322
utilid_micr -0.001731 0.0006253 -2.768 0.00815 **

87

F-estadístico: 2.505 en 15 y 45 GL, p-valor: 0.00891
Los resultados de la Tabla 11, indican que existen variables como el desempleo,
fondos disponibles, sector formal, sector informal, coeficiente de gini entre otras que no
son estadísticamente significativas, por tanto, no son determinantes del microcrédito.
Por esta razón, se procede a omitirlas del análisis, obteniendo el siguiente modelo:
Tabla 12
Residuos:
-1.186 -0.1683 0.108 0.3344 0.9207
Coeficientes:
Error
emp_ade -0.0596362 0.0286209 -2.084 0.04169 *
liq_tot -0.1137128 0.0566371 -2.008 0.04942 *
utilid_micr -0.001579 0.0005821 -2.713 0.00881 **

F-estadístico: 9.837 en 2 y 57 GL, p-valor: 2.519e-05
Como se puede observar todos los coeficientes son estadísticamente

significativos al 99% de confianza. Por ello, se puede afirmar que las variables incluidas
en este modelo RLM son los determinantes de la morosidad del microcrédito en nuestra
muestra de análisis, con lo cual la ecuación de regresión sería:
(1)
Y = – 0.05 emp_ade – 0.11 liq_tot – 0.001 utilid_micr
El coeficiente de la variable empleo adecuado (emp_ade), indica que frente al

incremento del 1% en la tasa de empleo adecuado, en promedio manteniendo el resto de
variables constantes, la morosidad de microcrédito disminuiría en 0.05%. Esto en
concordancia con los resultados obtenidos en los estudios realizados por Gutiérrez
(2008) y Chico (2015)
8
7
88
El coeficiente de la variable liquidez total (liq_tot), indica que frente al

incremento del 1%, en promedio manteniendo el resto de variables constantes, la
morosidad disminuiría en 0.11%. Esto se explica porque al generarse mayores ingresos
generalmente por depósitos, las entidades disponen de recursos para colocar créditos y
del igual manera al existir más ingresos por depósitos quiere decir que existe dinero
circulante y que las personas disponen de recursos para pagar estos préstamos, en
concordancia con lo analizado por Vallcorba - Delgado (2007), y Vera - Costa (2007)
El coeficiente de la variable utilidades de microcrédito (utilid_micr), indica que
frente al incremento del 1% en la inflación anual, en promedio manteniendo el resto de
variables constantes, la morosidad de microcrédito disminuiría en 0.001%. Esto en
concordancia con los resultados obtenidos en los estudios realizados por Mayorca y
Aguilar (2016)
A continuación, se muestra los intervalos de confianza de los coeficientes del
modelo de regresión, en ellos se puede demostrar la significancia estadística de todos
los coeficientes, por cuanto, en ningún intervalo incluye el cero:
Tabla 13
2.50% 97.50%
emp_ade -0.11694866 -0.00232384
liq_tot -0.22712656 -0.00029895
utilid_micr -0.00274472 -0.00041334
Con el propósito de confirmar la validez de los resultados obtenidos se procedió

a realizar pruebas para demostrar el cumplimiento de cada uno de los supuestos de la
RLM.
Bondad de ajuste
Las variables independientes explican el 31% de la varianza de la variable
dependiente (el R2 ajustado es 0,31).
Normalidad de residuos
89
Figura 32 Test gráfico de residuos – variables originales

El grafico muestra la normalidad de los residuos. El p valor del test de Shapiro-

Wilk resultó ser 0.3585 mayor a 0.05, con lo cual no rechaza al 95% de confianza la
hipótesis nula de la normalidad de los residuos.
Tabla 14
Test de normalidad – Shapiro-Wilk
W = 0.97823, p-valor = 0.3585
Análisis de inflación de la varianza

Tabla 15
Inflación de la varianza – variables originales
emp_ade liq_tot utilid_micr
1.024368 1.365761 1.338608
Considerando un R ajustado de 0.31 se tiene unos factores de inflación de
varianza que son superiores al mínimo que es 1 e inferiores a 10, por lo que ninguna
variable muestra una alta inflación de la varianza, descartando así problemas de
multicolinealidad.
Homocedasticidad
En la siguiente figura se observa que existe una variabilidad constante, esto se
comprueba con el test de Studentized Breusch-Pagan donde no se rechaza la hipótesis
nula, por cuanto, el p-valor 0.8115 es mayor que 0,05, es decir, que al 95% de confianza
se puede afirmar que los residuos homocedásticos.
8
9
90
studentized Breusch-Pagan test

data: MODELO_RL
BP = 0.41783, df = 2, p-valor = 0.8115
Figura 33 Test de homocedasticidad – variables originales.
Independencia
Se observa que el test de Durbin Watson muestra un resultado de 2.21, el cual de
acuerdo a la regla práctica no rechaza la H0 al 95% de confianza, es decir que, el
modelo no presenta problemas de autocorrelación en los residuos.
Tabla 16
Test de Durbin-Watson
data: MODELO_RL
DW = 2.2097, p-valor = 0.3477
Hipótesis alternativa: la verdadera autocorrelación
no es 0
lag Autocorrelation D-W Statistic p-value

1 -0.1058504 2.209651 0.31
Hipótesis alternativa: rho != 0
Endogeneidad
Saber si x1 es o no endógena no siempre se obtiene de la aplicación de un test,
también requiere de una revisión y análisis de las variables de las que se presume
endogeneidad, en tal razón se usará para este estudio el test de Hauman:
Prueba de hipótesis:
91
H0: La hipótesis nula es que no existe endogeneidad y no son necesarias

variables instrumentales
H1: La hipótesis alternativa es que existe endogeneidad y son necesarias
variables instrumentales
Tabla 17
Test de Hausman
Residuos:
-1.41242 -0.43063 0.06908 0.28779 1.4803
Coeficientes:
Error
(Intercept) -0.0099486 0.0711087 -0.14 0.88923
emp_ade -0.189545 0.0845773 -2.241 0.02893 *
utilid_micr -0.0020322 0.0006012 -3.38 0.00131 **
Diagnóstico de tests:
df1 df2 statistic p-value
Wu-Hausman 1 56 3.328 0.07345 *
Signif.codes:0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Error estándard residual: 0.5485 en 57 grados de libertad

Los resultados de la prueba de Hausman reflejan un p-valor mayor al 0.05, con

lo cual no se rechaza la H0, es decir, al 95% de confianza no existe endogeneidad.
Causalidad
Se efectuó las pruebas de causalidad a través del test de causalidad de Granger,
este tipo de pruebas se hace de manera general para estudios de series de tiempo, por lo
que deben efectuarse únicamente entre dos variables, es así que en este caso se tomó a
la variable dependiente es decir la morosidad y cada una de las variables independientes
que fueron comunes en las dos regresiones aplicadas, por lo que a continuación se
presentan los resultados:
Tabla 18
Granger causality test
Morosidad – Empleo adecuado
9
1
92
Model 1: emp_ade ~ Lags(emp_ade, 1:1) + Lags(mor_micro,

1:1)
Model 2: emp_ade ~ Lags(emp_ade, 1:1)
Res.Df Df F Pr(>F)
1 56
2 57 -1 9.2811 0.003528 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘
’ 1
Morosidad – Liquidez total

Model 1: mor_micro ~ Lags(mor_micro, 1:1) + Lags(liq_tot,
1:1)
Model 2: mor_micro ~ Lags(mor_micro, 1:1)
Res.Df Df F Pr(>F)
1 56
2 57 -1 0.3795 0.5404
Liquidez total- Morosidad

Model 1: liq_tot ~ Lags(liq_tot, 1:1) + Lags(mor_micro,
1:1)
Model 2: liq_tot ~ Lags(liq_tot, 1:1)
Res.Df Df F Pr(>F)
1 56
2 57 -1 0.1296 0.7202
Morosidad – Utilidad de Microcrédito

Model 1: mor_micro ~ Lags(mor_micro, 1:1) +
Lags(utilid_micr, 1:1)
Model 2: mor_micro ~ Lags(mor_micro, 1:1)
Res.Df Df F Pr(>F)
1 56
2 57 -1 6.0852 0.01672 *
---
Utilidad de Microcrédito - Morosidad

Model 1: utilid_micr ~ Lags(utilid_micr, 1:1) +
Lags(mor_micro, 1:1)
Model 2: utilid_micr ~ Lags(utilid_micr, 1:1)
Res.Df Df F Pr(>F)
1 56
2 57 -1 5.4695 0.02295 *
---
93
Como se puede observar en las pruebas no necesariamente la causalidad es los

dos sentidos, pues como se ve en el caso del empleo adecuado la morosidad causa el
empleo adecuado y no viceversa, sin embargo en el caso de las utilidades es de los dos
lados tanto la morosidad causa la utilidad, como la utilidad causa la morosidad. No
obstante de la revisión a la literatura sobre estas pruebas se menciona que no
necesariamente pueden reflejar la realidad de lo que ocurre con las variables por lo que
es necesario un análisis descriptivo de la relación existente, el cual se aplicó en todo el
estudio.
5. Discusión de resultados
En esta sección se presentará el análisis de los resultados obtenidos en la

aplicación de los modelos. Dichos resultados mostrarán el comportamiento de la cartera
de microcrédito, se enfatizará en las variables que han mostrado una influencia sobre
este segmento de crédito y los posibles sustentos por los que se llegó a dichos
resultados.
De acuerdo a lo mencionado, para este estudio comportamental se realizó un
análisis descriptivo de las variables consideradas relevantes para el microcrédito en base
a los estudios realizados por autores como Gambera (2000), Poma (2005), Greenidge y
Grosvenor (2009), Mayorca y Aguilar (2016), además se aplicaron dos modelos uno
de análisis de componentes principales y una regresión lineal múltiple.
En este contexto se tomó al indicador de morosidad de la cartera de microcrédito
como variable dependiente, la cual permitió analizar el comportamiento de la cartera
desde la óptica del no pago de los créditos. Dicho indicador se ubicó entre un 2.6% y un
9.6% durante el período de estudio. Correspondiendo el mayor incremento al terremoto
ocurrido en el año 2016 en el Ecuador.
En el caso del Ecuador hay varios indicadores macroeconómicos que afectan la
economía de manera importante, este es el caso del precio del barril del petróleo,
cuando su precio se estanca también lo hacen los sistemas financieros, pues se genera
una falta de liquidez para colocación de créditos, lo que refleja una disminución del
volumen de crédito, sin embargo, de ser tan importante en la colocación al hablar de la
morosidad, no muestra significancia.
9
3
94
Con relación a la variable de provisiones en el análisis descriptivo muestra que

tiene un comportamiento similar es decir a mayor morosidad mayor registro
provisiones, dado que las provisiones están para soportar el riesgo de no pago de
créditos.
Es importante entender que el crédito es esencial en la economía de los países, en
Ecuador el microcrédito permite que se genere más empleo, pero si este contrae, pues el
desempleo aumenta, al igual que el subempleo. Por lo tanto, el empleo adecuado
también disminuirá y en general el empleo bruto mostrará variaciones dependiendo del
caso.
Así también, la tasa activa presenta una relación directamente proporcional con
la morosidad del microcrédito, es decir mayores tasas de interés conllevan a un
incremento de la deuda contraída, debido a que se restringen los ingresos de la
población, y por ende se ve reflejado en un incremento de la morosidad,
El subempleo y el trabajo informal implican la necesidad de la obtención de
microcréditos, para satisfacer las necesidades básicas y en el mejor de los casos fomenta
el emprendimiento, nótese además que a mayor tasa de subempleo, menor es la tasa de
morosidad. Con ello se buscaría mejorar el indicador de incidencia de la pobreza y la
desigualdad que existe en el país, sin embargo no sucede tal cual pues la gente utiliza
estos recursos únicamente para satisfacer necesidades básicas y termina no siendo una
solución al problema de pobreza,
El desempleo provoca en la morosidad un incremento, es decir que cuando los
clientes pierden sus empleos o su fuente principal de ingresos, no disponen de los
recursos necesarios para cubrir préstamos bancarios, pues dan prioridad a necesidades
básicas.
La desigualdad de ingresos (coeficiente de Gini), muestra una relación negativa
con la morosidad esto producto de la desigualdad que existe en el país y a causa de esto
las personas de escasos recursos económicos no optan por acceder a microcréditos para
generar nuevos emprendimientos, sino más bien buscan cubrir sus necesidades urgentes
No obstante, la liquidez, las obligaciones financieras, los fondos disponibles, el
volumen de crédito, y las utilidades, son variables financieras que contribuyen a la
colocación de la cartera de microcrédito y que posteriormente dado el manejo que se le
95
dé a la cartera colocada podrán reflejar en incrementos o disminuciones de la morosidad

según sea el caso, esto se puede observar en la descripción gráfica de estas variables.
Las variables socioeconómicas como el desempleo y el coeficiente de Gini,
muestran que el microcrédito puede considerarse como una salida a la pobreza siempre
que sea manejado de manera adecuada y que el destino del crédito sea un micro negocio
o un emprendimiento, de lo contrario el indicador de morosidad tenderá a incrementarse
al igual que la pobreza, pues se entendería que estos créditos solo serían tomados como
una solución a corto plazo para cubrir las necesidades económicas inmediatas de las
personas de escasos recursos económicos.
En tanto que el crecimiento del PIB y la inflación anual al ser variables
macroeconómicas presentan variaciones que no solo afectan al microcrédito sino a todo
el entorno que compone el segmento es decir, con menores recursos producto de una
disminución en el valor del dinero, se reflejará en un incremento del desempleo y más
personas que viven en condiciones de pobreza, la que no les permite acceder a créditos
ni a servicios financieros.
Sobre los resultados obtenidos en la aplicación de los dos modelos se puede
evidenciar que el modelo de regresión lineal es complementario y además reconfirma
los resultados obtenidos en el modelo de regresión lineal sobre componentes
principales, pues en sus resultados se observa que el empleo adecuado, la liquidez total,
y las utilidades de cartera muestran las mismas tendencias.
El modelo inicial de regresión lineal múltiple con variables originales, muestra
que 12 de las variables seleccionadas no son estadísticamente significativas, por tanto,
no son determinantes del microcrédito. Por esta razón, se procedió a omitirlas del
análisis.
Consecuentemente, se obtuvo el modelo final de regresión lineal múltiple
modelo. Como se puede observar en la Tabla 12, las variables que son determinantes
para el comportamiento del microcrédito son: el empleo adecuado, la liquidez total, y
las utilidades de cartera. De los resultados de esta regresión se muestra que todos los
coeficientes son estadísticamente significativos al 99% de confianza y además cumplen
con los supuestos de la regresión lineal múltiple.
Las variables que resultaron comúnmente significativas en los dos modelos de
manera complementaria se analizan a continuación:
9
5
96
En el caso de la variable de empleo adecuado se observa que disminuye la

morosidad, esto porque mientras las personas disponen de un empleo adecuado pueden
obtener los recursos para cumplir con sus obligaciones, lo contrario sucede cuando no
disponen de un empleo y dan prioridad a cubrir sus necesidades básicas como alimento,
salud y educación, y dejan de cumplir con el pago de sus créditos.
La variable liquidez total, es una variable que contribuye a disminuir la
morosidad, esto se debe a que está compuesta en su cálculo por los depósitos y
captaciones que realizan los sectores que disponen de estos recursos en la economía,
que son el reflejo del dinero que dispone la población en general, producto de los
ingresos que genera, y que le permite además cumplir con sus obligaciones crediticias y
generar un ahorro, consecuentemente la morosidad disminuye y la cartera de crédito se
vuelve más saludable.
Utilidades de la cartera de microcrédito, esta variable de acuerdo a los
resultados disminuye el indicador de morosidad, para entender este resultado, es
importante considerar que, el principal medio de generación de ingresos de las entidades
bancarias es la colocación de créditos, y si existe un incremento de la morosidad por
falta de pago de los créditos se refleja en una disminución de las utilidades, por esta
razón las entidades buscan colocar la cartera de créditos de manera más eficiente,
bajando de esta manera los niveles de morosidad.
97
Conclusiones y recomendaciones
1. Conclusiones
Se puede concluir que el uso complementario de dos modelos estadístico-

matemáticos: Regresión Lineal Múltiple y Análisis de Componentes Principales,
aportan mayor información para ser analizada y contribuyen a obtener resultados más
robustos.
Tomando en cuenta los modelos utilizados, se puede determinar en primera
instancia con la revisión bibliográfica que existen varios factores importantes que
contribuyen al comportamiento de la cartera de microcrédito, como son el desempleo, el
coeficiente de Gini, el crecimiento del PIB, la inflación anual, las provisiones de cartera,
el empleo formal, el subempleo, la tasa activa, las utilidades, las obligaciones
financieras, la incidencia de la pobreza, el empleo informal, el empleo bruto, empleo
adecuado, y la liquidez total.
De la citada revisión bibliográfica también se desprende la importancia de incluir
variables macroeconómicas para el análisis del comportamiento de la cartera de
microcrédito, sin embargo de ser complejo su estudio e incidencia, han mostrado datos
importantes que podrían contribuir al manejo de la morosidad en el Ecuador.
Además se observó que en dichos estudios se utilizó el indicador de morosidad
como la variable dependiente, por ello se la escogió para el presente estudio, dicha
variable permitió analizar el comportamiento de la cartera de microcrédito detallando de
forma muy concisa los cambios de tendencia observados en dicha variable y su impacto.
En cuanto al modelo de análisis de componentes principales, el mismo presentó
resultados consistentes que fueron contrastados y ratificados con la aplicación de una
regresión lineal múltiple, los resultados muestran, consistencia con los fundamentos
teóricos expuestos, consiguiendo explicar el comportamiento de la cartera de
microcrédito en el Ecuador de manera provechosa, pues presentan un ajuste y
predicción bastante adecuados para el tipo de variables utilizadas.
En términos generales, tras la aplicación de los modelos econométricos se puede
concluir que las variables determinantes del microcrédito resultantes de este estudio
son: el empleo adecuado, la liquidez toral, y las utilidades.
9
7
98
Las variables que resultaron significativas al momento de determinar el

comportamiento del microcrédito, están atadas a los ingresos y condiciones
socioeconómicas que presenten los clientes, por lo que las entidades bancarias deberían
mejorar oferta de microcréditos de tal manera que los clientes puedan ser a futuro
microempresarios que generan ingresos y que cumplen con sus obligaciones.
El comportamiento del microcrédito en el presente estudio indica que está dado
por variables financieras propias del sector, así como socioeconómicas que es el caso
del empleo adecuado, el cual presenta una tendencia a disminuir, dado que el país
atraviesa crisis importantes, que no pueden generar niveles adecuados de empleo para la
gente, esto conlleva a que indicadores como la informalidad y la pobreza aumenten,
después de más de 15 años de implementación del microcrédito en el país no se observa
que efectivamente este contribuya a disminuir el desempleo o la informalidad, si no que
más bien por su característica sigue creciendo el número de personas pobres y sin un
empleo adecuando que acceden a estos créditos.
Finalmente, en la medida en que se tenga información adicional relacionada con
el comportamiento de la cartera de microcrédito, especialmente con los factores que se
usaron en el presente trabajo, para futuros estudios se podrá ir modificando los
resultados y observando como en el paso de tiempo afectan estas variables al
comportamiento de la cartera y si las mismas persisten en importancia, lo cual es
relevante para las entidades financieras ya que pueden orientar sus recursos de manera
más técnica al colocar cartera en este segmento, evitando pérdidas innecesarias y
mitigando riesgos de crédito.
2. Recomendaciones
El microcrédito es considerado una salida para la gente pobre, sin embargo no se

ha podido determinar si efectivamente el microcrédito contribuye a erradicar la pobreza,
por esta razón se considera necesario recomendar para futuros estudios este análisis.
De la revisión a la literatura se observó que el principal problema para que el
microcrédito contribuya a mejorar las condiciones de vida de las personas, son la falta
de políticas públicas que generen las condiciones necesarias para que la gente que
accede a los microcréditos pueda usar este dinero para un negocio y no para cubrir sus
99
necesidades primarias, por esta razón se recomendaría trabajar en una revisión y

planteamiento de nuevas políticas que ayuden a la gente escasos recursos económicos.
Las tasas de interés en el Ecuador tienen techos, sin embargo el techo más alto es
para el segmento de microcrédito el cual debería ser revisado pues en su gran mayoría
gente pobre accede a estos créditos que por sus tasas son más onerosos que el resto de
segmentos.
Para las próximas investigaciones se sugiere incluir información sobre el empleo
por cuenta propia e independiente, puesto que algunos estudios muestran que el
autoempleo es un indicador determinante para el microcrédito, sin embargo en el caso
de este estudio no se encontró información al respecto.
En el presente estudio se encontró que la morosidad podría estar atada a otro tipo
de factores como son los de calidad de colocación de la cartera, se sugiere para futuras
investigaciones profundizar en este tema.
Por último, se sugiere en próximos estudios la utilización de otro tipo de
modelos econométricos como de series de tiempo (Vector Autoregresivos o Vector de
Corrector de Error VEC), por cuanto, siempre es posible encontrar mejoras ya sea
incrementando otras variables o reestructurando las disponibles, es decir, cambiando de
escalas, segmentando en grupos, agregando variables dummy, entre otras cosas.
9
9
100
101
Lista de referencias
Alvarado, Andrés Ocampo. 2019. ―Restricción de créditos por parte de la banca privada
en el Ecuador‖. ScientiAmericana 6 (2). Centro de Investigación; Universidad
Americana: 72–80.
Amat, Joaquín. 2016. ―Introducción a la Regresión Lineal Múltiple‖. Ciencia de Datos.
https://www.cienciadedatos.net/documentos/25_regresion_lineal_multiple.
Andrade, Alexander. 2018. ―Análisis de Regresión Lineal Múltiple‖.
Aparicio, Carlos, y Hesione Moreno. 2011. ―Calidad de la cartera crediticia bancaria y
el ciclo económico: una mirada al gasto en provisiones bancarias en el Perú
(2001-2011)‖. Documento de trabajo 3: 27-citation_lastpage.
Artega, Ximena. 2005. ―El beneficio de Basilea II para las microfinanzas‖. Banco
Interamericano de Desarrollo. https://www.iadb.org/es/noticias/el-beneficio-de-
basilea-ii-para-las-microfinanzas.
BCE. 2021. ―Banco Central del Ecuador‖.
https://www.bce.fin.ec/index.php/informacioneconomica/sector-monetario-
financiero.
―Breaking the vicious cycle of poverty through microcredit‖. 2010. Grameen Bank -
Bank For The Poor. marzo 12. http://www.grameen-info.org/breaking-the-
vicious-cycle-of-poverty-through-microcredit/.
Bucheli Sáenz, Gabriel Esteban. 2011. ―Análisis del impacto de las microfinanzas en el
Ecuador. Caso: Proyecto COOPFIN-CREAR‖. B.S. thesis, QUITO/PUCE/2011.
Buera, Francisco J, Joseph P. Kaboski, y Yongseok Shin. 2012. ―The Macroeconomics
of Microfinance‖. https://www.nber.org/papers/w17905.
Chico, Ángel, Zoila López, Edwin Santamaría, y Juan Villacís. 2015. ―Valoración del
Beneficio del Microcrédito y su Contribución al Autoempleo‖. Cuestiones
Económicas 25 (1): 97–124.
Choque, Leyna. 2019. ―Los determinantes financieros de la mora en Bolivia‖. Thesis.
http://repositorio.umsa.bo/xmlui/handle/123456789/23378.
Clavijo, Felipe. 2016. ―Determinantes de la morosidad de la cartera de microcrédito en
Colombia‖. Banco de la República.
1
01
102
https://www.banrep.gov.co/sites/default/files/publicaciones/archivos/be_951.pdf
.
Cuadras, Carles. 2010. Nuevos métodos de análisis multivariante. CMC Edicions.
http://www.ub.edu/stat/personal/cuadras/nuevosmetodos.pdf.
De la Fuente, Santiago. 2011. ―REGRESIÓN MÚLTIPLE‖.
http://www.estadistica.net/ECONOMETRIA/MULTIVARIANTE/REGRE_MU
LTIPLE/regresion-multiple.pdf.
Deduy, Irene. 2019. ―Regresión sobre componentes principales‖.
https://idus.us.es/handle/11441/90005.
Enders, Walter. 2014. Applied Econometric Time Series.
Engle, Robert, y Clive Granger. 1991. ―Long-Run Economic Relationships: Readings in
Cointegration‖. OUP Catalogue. Oxford University Press.
https://econpapers.repec.org/bookchap/oxpobooks/9780198283393.htm.
Escalante, Johana. 2016. ―Determinación de los factores de la oferta de crédito de los
Bancos Privados Ecuatorianos durante el período 2008-2014‖. Quito.
http://bibdigital.epn.edu.ec/handle/15000/15150.
Escobar, Luis Rodrigo Iglesias, Jenni Sonia Ruperti Cañarte, y Kathy Lissette Valencia
Macías. 2017. ―El pago del anticipo del impuesto a la renta y su incidencia en la
liquidez de las microempresas de la ciudad de Manta‖. Mikarimin. Revista
Científica Multidisciplinaria. e-ISSN 2528-7842 3 (1): 25–36.
Faraway, Julian. 2015. Linear models with R. Boca Raton, Florida : CRC Press.
https://www.worldcat.org/title/linear-models-with-
r/oclc/904973313&referer=brief_results.
Fernández, Santiago, Jorge Martínez, y Jesús Saurina. 2000. ―Crédito bancario,
morosidad y dotación de provisiones para insolvencias en España‖, noviembre.
https://repositorio.bde.es/handle/123456789/1963.
Fuente Mella, Hanns de la, y Isabel Díaz Bravo. 2013. ―Análisis de los factores
determinantes de la calidad percibida del servicio prestado por una cooperativa
de ahorro y crédito: una aplicación basada en modelos de ecuaciones
estructurales‖. Ingeniare. Revista chilena de ingeniería 21 (2): 232–47.
doi:10.4067/S0718-33052013000200007.
103
Fuller, Wayne A. 2009. Introduction to Statistical Time Series. https://nbn-

resolving.org/urn:nbn:de:101:1-201412295022.
Gambera, Michele. 2000. ―Simple Forecasts of Bank Loan Quality in the Business
Cycle‖. Federal Reserve Bank of Chicago. www.chicagofed.org.
García, Jorge, Blanca Morales, Beatriz González, y Filadelfo León. 2013. Análisis
estadístico multivariante: [un enfoque teórico y práctico. México; Madrid:
McGraw-Hill.
Gil, Susana. 2021. ―Microcrédito - Definición, qué es y concepto‖. Economipedia.
Accedido abril 30. https://economipedia.com/definiciones/microcredito.html.
Granados, Roberto Montero. 2016. ―Modelos de regresión lineal múltiple‖. Granada,
España: Departamento de Economía Aplicada, Universidad de Granada.
https://www.ugr.es/~montero/matematicas/regresion_lineal.pdf.
Granger, Clive William John. 2001. ―Investigating Causal Relations by Econometric
Models and Cross-Spectral Methods‖. Causality, Integration and Cointegration,
and Long Memory. Cambridge: Cambridge University Press.
Greene, William H. 2003. Econometric Analysis.
Greenidge, Kevin, y Tiffany Grosvenor. 2009. ―Forecasting Non-Performing Loans in
Barbados‖. http://www.centralbank.org.bb/news/article/6672/forecasting-non-
performing-loans-in-barbados.
Gujarati, Damodar N. 2003. Econometria. Medellín: McGraw-Hill Interamericana.
Gutiérrez Nieto, Begoña. 2008. ―Coste del microcrédito versus coste del desempleo‖.
Revista de Economía Mundial; Huelva 19.
https://search.proquest.com/docview/1002593618/abstract/689325F2ABF94265
PQ/6.
Hair, Joseph, y William Black. 2014. Multivariate data analysis. Andover, Hampshire :
Cengage. https://is.muni.cz/el/1423/podzim2017/PSY028/um/_Hair_-
_Multivariate_data_analysis_7th_revised.pdf.
Hamad, Rita, y Lia C. H. Fernald. 2015. ―Microcredit Participation and Women‘s
Health: Results from a Cross-Sectional Study in Peru‖. International Journal for
Equity in Health 14 (1): 62. doi:10.1186/s12939-015-0194-7.
Hernández, Freddy, y Mauricio Mazo. 2020. Modelos de Regresión con R. Accedido
noviembre 3. https://fhernanb.github.io/libro_regresion/.
1
03
104
Iji, Mary, Ojong Neji, y Angioha Pius. 2018. ―Microfinance Credit Programmes:
Implications on Poverty Reduction in Southern Senatorial District of Cross
River State, Nigeria‖, junio, 38–45. doi:10.9790/0837-2306063845.
INEC. 2019a. ―Boletín Técnico - Encuesta Nacional de Empleo, Desempleo y
Subempleo (ENEMDU)‖. https://www.ecuadorencifras.gob.ec/empleo-abril-
2021/.
———. 2019b. ―INEC - Cifras de inflación anual 2019‖. Instituto Nacional de
Estadística y Censos. https://www.ecuadorencifras.gob.ec/inec-publica-las-
cifras-de-inflacion-anual-2019/.
Irimia, Ana, Antonio Blanco, y María Oliver. 2016. ―Modelización de La
Autosuficiencia de Las Instituciones Microfinancieras Mediante Regresión
Logística Basada En Análisis de Componentes Principales‖. Journal of
Economics, Finance and Administrative Science 21 (40). Elsevier: 30–38.
doi:10.1016/j.jefas.2015.12.002.
Izurieta, Daniela. 2012. ―Las políticas públicas como elemento promotor del
microcrédito, 2002-2011‖. B.S. thesis, Pontificia Universidad Católica del
Ecuador.
Jaramillo, Jefferson. 2016. ―Estudio del crédito productivo otorgado por la banca
privada a las pequeñas y medianas empresas de la construcción y su relación con
la generación de empleo directo en la ciudad de Quito D.M., en el año 2014‖.
Escuela Politécnica Nacional. http://bibdigital.epn.edu.ec/handle/15000/16757.
Jiménez, Manuel. 2013. ―Economía del desarrollo humano y microfinanciación: Una
aproximación a los determinantes de microcrédito‖. Tesis, Sevilla: Universidad
de Sevilla. https://idus.us.es/handle/11441/24063.
Jolliffe, Ian T., y Jorge Cadima. 2016. ―Principal component analysis: a review and
recent developments‖. Philosophical Transactions of the Royal Society A:
Mathematical, Physical and Engineering Sciences 374 (2065). Royal Society:
20150202. doi:10.1098/rsta.2015.0202.
JPRMF. 2016. ―Junta de Política y Regulación Monetaria y Financiera -Resolución 209-
2016-F‖. Junta de Política y Regulación Monetaria y Financiera.
https://juntamonetariafinanciera.gob.ec/financiero-indice/.
105
López, Sonia, y Enith Peña. 2005. ―El mercado de microcrédito productivo rural:
comprobación empírica en el sur de Santander‖. Tesis, Bogota: Pontificia
Universidad Javeriana.
https://www.aciamericas.coop/IMG/pdf/el_microcredito_productivo_rural.pdf
Lozares, Carlos, y Pedro López. 1991. ―El análisis multivariado: definición, criterios y
clasificación‖. Papers : revista de sociologia, no 37: 009–029.
doi:10.5565/rev/papers/v37n0.1594.
Mankiw, N. Gregory. 1990. ―A Quick Refresher Course in Macroeconomics‖. Jeconlite
Journal of Economic Literature 28 (4): 1645–60.
Manosalvas, David, Jorge García, Rodrigo Segarra, y José Castro. 2008. ―Medidas de
pobreza y extrema pobreza por ingresos -INEC‖.
https://www.ecuadorencifras.gob.ec/documentos/web-
inec/POBREZA/Metodologia+de+pobreza+por+ingresos.pdf.
Martínez, Alberto. 2008. ―El microcrédito como instrumento para el alivio de la
pobreza: Ventajas y limitaciones‖. Cuadernos de Desarrollo Rural 5 (61).
http://www.redalyc.org/resumen.oa?id=11713138004.
Martínez, Magdalena. 2008. ―Las Microfinanzas en el Ecuador y su contribución en la
reducción de la pobreza.‖ Quito: Instituto de Altos Estudios Nacionales.
http://repositorio.iaen.edu.ec/handle/24000/211.
Massy, William F. 1965. ―Principal Components Regression in Exploratory Statistical
Research‖. Journal of the American Statistical Association Journal of the
American Statistical Association 60 (309): 234–56.
Matarazzo, Zelmira. 2006. ―Aplicación de modelos estadísticos a entidades
financieras‖. Instituto Tecnológico de Buenos Aires.
https://ri.itba.edu.ar//handle/123456789/1119.
Mayorca, Ellen, y Giovanna Aguilar. 2016. ―Competencia y calidad de cartera en el
mercado microfinanciero peruano, 2003-2015‖. Economía: Revista del
Departamento de Economía, Pontificia Universidad Católica del Perú; Lima 39
(78): 67–93. doi:http://dx.doi.org/10.18800/economia.201602.003.
Mballa, Louis Valentin, y Louis Valentin Mballa. 2017. ―Desarrollo local y
microfinanzas como estrategias de atención a las necesidades sociales: un
acercamiento teórico conceptual‖. Revista mexicana de ciencias políticas y
1
05
106
sociales 62 (229). Universidad Nacional Autónoma de México, Facultad de

Ciencias Políticas y Sociales: 101–27.
Montalvo, Raúl, José Vázquez, y Juan Amézquita. 2018. ―Desigualdad, microcréditos y
desarrollo sostenible: un estudio en la Zona Metropolitana de Guadalajara‖.
CIENCIA ergo-sum 25 (1). Universidad Autónoma del Estado de México: 3.
Pardo, Antonio, y Miguel Ruiz. 2010. Análisis de datos con SPSS 13 Base. Madrid:
McGraw-Hill.
Parra, Daniel, Silvia Quijano, Diana Orrego, y Miguel Becerra. 2014. ―Análisis de
dependencia usando regresión lineal múltiple y regresión de componentes
principales en contaminantes delaire y parámetros meteorológicos caso de
estudio‖. QUID: Investigación, Ciencia y Tecnología, no 23. Institución
Universitaria Salazar y Herrera: 13–20.
Peña, Daniel. 2013. Análisis de datos multivariantes. McGraw-Hill España.
Peña, Dayan. 2014. ―Análisis de componentes principales en la estimación de índices de
empoderamiento en mujeres de Colombia‖. Granada: Universidad de Granada.
https://masteres.ugr.es/moea/pages/tfm1314/tfmpenamendez/.
Poma, Poma. 2005. ―Factores determinantes de la mora en el crédito rural del
departamento de La Paz (Caso: ONG‘S financieras y FFP-PRODEM)‖. Thesis,
Universidad Mayor de San Andrés. Facultad de Ciencias Económicas y
Financieras. Carrera de Economía. 2005.
http://repositorio.umsa.bo/xmlui/handle/123456789/8693.
Prenter, P. M. 2008. Splines and Variational Methods. Courier Corporation.
Profillidis, V. A., y G. N. Botzoris. 2019. ―Chapter 7 - Econometric, Gravity, and the 4-
Step Methods‖. En Modeling of Transport Demand, 271–351. Elsevier.
doi:10.1016/B978-0-12-811513-8.00007-8.
Raihan, Selim, y S. R. Osmani. 2015. ―Contribution of Microfinance to the Gross
Domestic Product (GDP) of Bangladesh‖. http://inm.org.bd/wp-
content/uploads/2016/01/Workingpaper44.pdf.
Roberts, Andrés. 2003. ―El Microcrédito y su aporte al desarrollo económico‖. Buenos
Aires: Universidad Católica de Argentina.
https://www.findevgateway.org/es/library/el-microcr%C3%A9dito-y-su-aporte-
al-desarrollo-econ%C3%B3mico.
107
Rodrigues, Camila, y Renan Felinto de Farias. 2018. ―Microcredit and Gender: Are
There Differences in the Credit Conditions?‖ BAR - Brazilian Administration
Review 15. ANPAD - Associação Nacional de Pós-Graduação e Pesquisa em
Administração. doi:10.1590/1807-7692bar2018180019.
Rodríguez, María. 2001. Estadística informática: casos y ejemplos con el SPSS.
Alicante: Universidad de Alicante.
Roodman, David, y Jonathan Morduch. 2014. ―The Impact of Microcredit on the Poor
in Bangladesh: Revisiting the Evidence‖. The Journal of Development Studies
50 (4). Routledge: 583–604. doi:10.1080/00220388.2013.858122.
Rosero, Robertho. 2016. ―‗Las tasas de interés en el segmento del microcrédito : análisis
de la restricción y la incidencia de los costos en las tasas de interés (periodo
2008-2010)‘.‖ http://repositorio.flacsoandes.edu.ec/handle/10469/9193.
Salgado Escobar, Santiago Gabriel. 2015. ―Determinantes macroeconómicos del crédito
en el sistema financiero del Ecuador 2005–2014‖. B.S. thesis, PUCE.
Schuschny, Andrés, y Humberto Soto. 2009. Guía metodológica: diseño de indicadores
compuestos de desarrollo sostenible. CEPAL.
https://www.cepal.org/es/publicaciones/3661-guia-metodologica-diseno-
indicadores-compuestos-desarrollo-sostenible.
Sierra, Mayra. 2011. ―Modelo de gestión aplicado a las instituciones de microfinanzas a
través de variables socio-económicas e indicadores financieros-bancarios para
evaluar la rentabilidad, impacto social del microcrédito en el Ecuador y
establecimiento de estrategias de competitividad‖. Quito: Escuela Polítecnica del
Ejército. http://repositorio.espe.edu.ec/xmlui/bitstream/handle/21000/1671/T-
ESPE-014568.pdf?sequence=1&isAllowed=y.
Superintendencia de Bancos. 2019. ―Glosario de Términos – Superintendencia de
Bancos‖. https://www.superbancos.gob.ec/bancos/glosario-de-terminos/.
Uchuari, Vanessa. 2019. ―Análisis del índice de vulnerabilidad financiera de las
cooperativas de ahorro y crédito (COAC‘S) del segmento 1 y 2 del ecuador del
período‖. Universidad Espiritu Santo.
http://repositorio.uees.edu.ec/handle/123456789/3095.
1
07
108
Uquillas, Adriana. 2017. ―Determinantes del riesgo comportamental en préstamos de

consumo y microcrédito: Un estudio de caso en Centro América‖. Revista de
Investigación en Ciencias Contables y Administrativas, diciembre.
Vallcorba, Martín, y Javier Delgado. 2007. ―Determinantes de la morosidad bancaria en
una economía dolarizada. El caso Uruguayo‖, 44.
Vasallo, Alejandro, y Juan Vilar. 2006. ―Bancos y cajas de ahorros: Modelización del
margen de beneficio por regresión múltiple. Análisis comparativo‖. Revista
Galega de Economía 15 (enero).
Vera, Leonardo, y Irene Costa. 2007. ―Estimación y Proyección de la Calidad de la
Cartera de Crédito utilizando Variables Macroeconómicas: Un estudio para
Venezuela‖. Revista de Economía y Estadística 45 (2): 29–52.
Verbeek, Marno. 2012. A Guide to Modern Econometrics. West Sussex: John Wiley &
Sons. http://international.scholarvox.com/book/88808446.
Ycaza, María. 2010. ―Impacto y evolución de los diferentes tipos de crédito de la banca
en el Ecuador y análisis del microcrédito como producto de mayor aceptación‖.
Guayaquil: Universidad de Especialidades Espíritu Santo.
http://repositorio.uees.edu.ec/handle/123456789/972.
Zelterman, Daniel. 2015. Applied Multivariate Statistics with R. New York: Springer
International Publishing.
109
Anexos
A.- El microcrédito, definición
Se define al microcrédito como ―un tipo de préstamo de pequeña cuantía y corta

duración que se concede habitualmente a personas con un bajo nivel de recursos, no
tienen avales y, por tanto, son excluidas de la banca tradicional.”(Gil 2021)
Sobre los beneficios del otorgamiento de los microcréditos se puede señalar que
permite a los clientes acceder a otros productos bancarios tales como: cuentas de ahorro,
créditos, banca en línea, depósitos a plazo, etc. Así también los préstamos otorgados
incluyen microseguros que dan acceso a seguros de salud, a los clientes y sus familias
que generalmente son de escasos recursos y que en condiciones normales no podrían
tener este tipo de beneficio, por sus limitaciones económicas. (Bucheli Sáenz 2011)
Al respecto del microcrédito, Andrés Roberts (2003) señala:
―a) los microcréditos no son para todos; poseer habilidades propias de un emprendedor
son indispensables para llevar adelante un microemprendimiento y no todos los
potenciales clientes están en igualdad de condiciones para hacerse cargo de una deuda.
(…)
c) el microcrédito puede ser efectivo para aquellos que no poseen tierra, que tienen
acceso limitado a los servicios sociales básicos, con un ingreso per capita menor a $ 1
diario.‖(Roberts 2003, 5)
Para la Superintendencia de Bancos del Ecuador (2019) ―el microcrédito es un

préstamo que se le otorga a una persona natural, jurídica o a un grupo de personas con
garantía solidaria, que esta destinado principalmente a pequeñas actividades
comerciales, y cuyos ingresos son la fuente de repago del microcrédito”.
Por lo anterior, se define a los microcréditos como préstamos que estan
destinados principalmente a personas de bajos ingresos, sin que sean necesarias
garantias reales y con lo cual pueden generar ingresos para sostener sus familias,
generar empleos y pagar los microcréditos.
El microcrédito es tipo de crédito que contribuye a mejorar las condiciones vida
de las personas de escasos recursos económicos, y con ello la economía de los países en
vías de desarrollo como lo menciona Clavijo (2016), pues estos créditos ofrecen a las
personas la posibilidad de tener sus propios negocios o emprendimientos, de tal forma
1
09
110
que el autoempleo les proporciona una seguridad económica para ellos y sus familias,
además generan empleo para personas que se encuentran en condiciones similares.
La cartera de microcrédito del Sistema de Bancos Privados del Ecuador es una
cartera que si bien es cierto ha ido incrementándose en el transcurso del tiempo, también
ha mostrado a altos niveles de morosidad, en comparación con los otros segmentos del
sistema, por esta causa se plantea el estudio del comportamiento del microcrédito a
través de este indicador que es muy representativo en el análisis del riesgo de crédito
que realizan tanto las entidades como los organismos de control.
111
B.- Definiciones adicionales, usadas en el estudio
Tabla 1
Definición de Variables
Nombre Definición
Un vector propio (o autovector) de una matriz A de n × n es un
Vector Propio vector x Rn, distinto de 0, tal que para cierto escalar λ R.
(Gujarati 2003)
Un escalar λ tal, se denomina valor propio (o autovalor) de A, es
decir, λ es valor propio de A si existe una solucion no trivial de
Valor Propio
Ax = λx, y a x se lo denomina vector propio asociado al valor
propio λ.(Gujarati 2003)
Se refiere al total de la Cartera de Crédito de una institución
financiera (comercial, consumo, vivienda y microempresa) sin
Cartera de Crédito Bruta
deducir la provisión para créditos incobrables. (Superintendencia
de Bancos 2017)
Se refiere al total de la Cartera de Crédito de una institución
financiera (comercial, consumo, vivienda y microempresa)
Cartera de Crédito Neta
deduciendo la provisión para créditos incobrables.
(Superintendencia de Bancos 2017)
Son aquellos préstamos que no generan renta financiera a la
institución, están conformados por la cartera vencida y la cartera
Cartera Improductiva que no devenga intereses e ingresos. (Superintendencia de Bancos
2017)
Mide el número de veces que representan los créditos
Morosidad Bruta Total improductivos con respecto a la cartera de créditos menos
provisiones. (Superintendencia de Bancos 2017)
Con la parsimonia se pretende tener un modelo simple que
represente lo esencial del comportamiento de la variable
explicada, empleando un número pequeño de parámetros. Además
Parsimonia
debe ser capaz de captar el complicado entorno de los mecanismos
que generan datos.(Gujarati 2003)
1
11
112
C.- Gráficos de pruebas de estacionariedad de las variables
Morosidad
Provisiones de cartera
Utilidades de microcrédito
113
Obligaciones Financieras
Liquidez total
Tasa activa
1
13
114
Desempleo
Sector Informal
Empleo Bruto
115
Empleo Adecuado
Subempleo
Índice de la pobreza
1
15
116
Índice de desigualdad Gini
Fondos disponibles
Crecimiento del PIB

117
Precio del Barril del petróleo
Inflación anual
1
17

T3657 MGFARF Arroyo Modelo

Cargado por

Copyright:

Formatos disponibles

T3657 MGFARF Arroyo Modelo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

T3657 MGFARF Arroyo Modelo

Cargado por

Copyright:

Formatos disponibles

Universidad Andina Simón Bolívar

Maestría en Gestión Financiera y Administración de Riesgos Financieros

Modelo econométrico aplicado para determinar el comportamiento de

Isabel Mercedes Arroyo Cajas

Tutor: Felipe Alexander Andrade Cóndor

Cláusula de cesión de derecho de publicación

Yo, Isabel Mercedes Arroyo Cajas, autora de la tesis intitulada ―Modelo

Fecha. 30 de Junio de 2021

Firma: Isabel Mercedes Arroyo Cajas

El microcrédito, contribuye de manera importante a mejorar las condiciones de

Palabras clave: microcrédito, ACP,regresión lineal, morosidad 5

Lista Figuras y Tablas .................................................................................. 13

Capítulo primero Planteamiento del problema............................................. 17

Capítulo segundo Revisión del estado del arte .............................................. 23

Capítulo tercero Metodología ......................................................................... 35

Capítulo cuarto Aplicación de modelos y Resultados ................................... 57

Conclusiones y recomendaciones ..................................................................... 97 1

Lista de referencias ......................................................................................... 101

Anexos .......................................................................................................... 109

Lista Figuras y Tablas

Figura 1 Aplicación – Spline .......................................................................................... 37

Figura 26 Contribuciones de variables en el cuarto componente principal ................... 79

Tabla 1 Variables y Periodicidad ................................................................................... 35

El microcrédito contribuye a mejorar las condiciones vida de las personas de

Regresión Lineal Múltiple y Análisis de Componentes Principales. La aplicación de

1. Descripción de la realidad problemática

El microcrédito a través de los años ha permitido que los pequeños negocios, y

Sobre lo anterior se puede observar que el microcrédito financia pequeñas

variables micro y macroeconómicas que influyen de manera positiva o negativa en este

2. Delimitación del problema

El presente estudio procura determinar los factores que afetan el

¿Cuáles son las variables macro o micro económicas que afectan el

Se estima que en los países latinoamericanos existe una gran parte de la

El incremento de la morosidad obedece principalmente al incremento de la

A continuación, se muestra: una breve explicación del Sistema Financiero y del

1. Investigaciones internacionales previas

Los sistemas financieros viven de la intermediación financiera y de varios

probabilidad de caer en mora. El estudio destaca la importancia de la relación entre la

Rodrigues y Felinto de Farias en su estudio ―Microcredit and Gender: Are There

2. Investigaciones previas en Ecuador

En Ecuador se han realizado principalmente estudios relacionados al impacto de

microcrédito en la zona urbano marginal de Quito y de como ha impactado estos

tiende a crecer favorablemente y un aspecto a resaltar es que las garantías son

productivo en el sector de la construcción no influye en la generación de empleo en el

1. Construcción de la base de datos

No. Nombre Abreviatura Frecuencia Referencia / Estudio

Debido a la naturaleza de los datos recolectados en relación a la periodicidad, se

Figura 1 Aplicación – Spline

La estacionariedad significa que las propiedades estadísticas del proceso no

un gráfico. Si hay seguridad de la estacionariedad de un modelo, una prueba de

1.3. Causalidad en modelos econométricos

Se debe distinguir una vez más entre correlación y causalidad. La correlación es

La causalidad entre dos variables X y Y puede probarse con el uso de la llamada

2. Modelos Estadístico y Econométrico

En base a la revisión de la literatura y especificamente a los trabajos realizados

2.1 Análisis de Componentes Principales

2.2 Obtención de variables con el método ACP

Para la aplicación de la metodología de obtención de los componentes

Para unos multiplicadores adecuados dan como resultado p nuevas variables