La morosidad en la Cooperativa de ahorro y crédito en la provincia de Tocache (Perú) (página 2)
El término "microfinanzas" alude a la
provisión de servicios
financieros a clientes
de bajos ingresos,
incluyendo a aquellos que son laboralmente independientes.
Los servicios financieros incluyen ahorros y créditos aunque en algunos casos
también se tiene la provisión de seguros
(Ledgerwood 1999). Las instituciones que se dedican a estas
actividades son denominadas Instituciones Microfinancieras
(FMF).Como cualquier intermediario financiero las IMF
están expuestas al problema del riesgo del
crédito, es decir se encuentran
expuestas a enfrentar el retraso en el pago de los
créditos que han otorgado y, en algunos casos pueden
enfrentarse al incumplimiento total en el pago.Los mercados
de créditos en general son ineficientes debido al
problema de información asimétrica que ellos
envuelven (Stiglitz y Weiss, 1981; Stiglitz 1996; Virmani
1982). La naturaleza
de las transacciones financieras es distinta al de otras
transacciones económicas, porque en ellas se establece
un contrato en
el que se intercambia dinero por
la promesa de pago futuro del dinero que se
presta.Este rasgo promisorio de las transacciones
financieras hace necesario que quiénes otorgan
crédito y quiénes lo reciben dispongan de a
mayor cantidad posible de información para determinar
el riesgo del crédito: De un contexto económico
estable donde puedan establecer correctamente la madurez de
los contratos; de
precios
que fluctúen libremente para reflejar os riesgos
del crédito y de reglas claras y precisas para hacer
que los contratos se cumplan y los conflictos, en caso de producirse, se
resuelvan satisfactoriamente para ambas partes.Como ya ha sido mencionado, el problema de una
elevada cartera morosa constituye un serio problema que
compromete a viabilidad de largo plazo de la
institución y finalmente del propio sistema.En efecto, la fragilidad de una institución
financiera debido a altos niveles de morosidad de sus
créditos conlleva inicialmente a un problema de
liquidez, que en el largo plazo, si es recurrente y si la
institución no posee líneas de créditos
de contingencia, se convierte en uno de solvencia que,
determina, probablemente, la liquidación de la
institución (Freixas y Rochet, 1998). En el caso
especifico de las IMF, estudios han demostrado que elevados
niveles de morosidad conducen al fracaso de estas entidades
(Huppi y Feder, 1990).La mayor parte de trabajos que intentan explicar
cuáles son los factores que determinan la morosidad
bancaria abordan el tema desde enfoques micro o
macroeconómicos exclusivamente, sin adoptar una
perspectiva global que incluya conjuntamente ambos
aspectos.No existe un modelo
teórico que analice de manera general los factores que
determinan la morosidad bancaria ya que la mayoría de
modelos
teóricos analizan el efecto exclusivo de
determinadas variables
por separado. La aproximación global se ha realizado
principalmente desde una perspectiva empírica, con el
objeto de encontrar aquellas variables que mejor contribuyan
a determinar la tasa de morosidad observada.En este sentido, en el trabajo
de Saurina (1998) se demuestra empíricamente la
importancia conjunta de los factores agregados (evolución de la economía, demanda
agregada, tasa de desempleo,
salarios,
etc.) y de los factores específicos a la política crediticia de cada entidad
(cuota de mercado,
tasa de crecimiento de las colocaciones, políticas de incentivos,
niveles de eficiencia y
solvencia, etc.) sobre la tasa de morosidad de las cajas de
ahorro
españolas.A continuación y siguiendo el esquema de
Saurina (1998) se revisará brevemente la literatura
existente sobre los determinantes de la morosidad bancaria
con el propósito de extraer hipótesis que posteriormente puedan se
validadas empíricamente.Factores Macroeconómicos.
Son relativamente comunes los modelos
que explican los determinantes macroeconómicos que
generan la quiebra de
una empresa.
Saurina (1998) sostiene que, debido a la naturaleza de los
problemas
financieros que atraviesan las empresas que
fracasan, la morosidad es un paso previo a dicha insolvencia
aunque no necesariamente una empresa
morosa terminará cerrando. De esta manera utiliza
algunas de las conclusiones teóricas de modelos que
tratan quiebras de empresas para explicar los determinantes
agregados de la morosidad.Una conclusión compartida por los modelos
teóricos y empíricos es que existe una
relación negativa entre ciclo económico y
morosidad. Sin embargo, esta relación puede ser
afectada por las variables que se usan para medir el
ciclo.Adicionalmente, se debe evaluar si la
relación entre morosidad y ciclo es sincronizada o
incluye rezagos. es decir si es la tasa de crecimiento
corriente de la economía determina la morosidad
actual, o si períodos previos de expansión
generaron una mejor capacidad de pago futura de los agentes y
por lo tanto menores tasas de morosidad
posteriores.Las mayores restricciones de liquidez pueden generar
problemas en la capacidad de pagos. Por ejemplo, un aumento
generalizado de los salarios, del precio de
las materias primas o de !os tipos de interés activos
puede reducir la capacidad de pago de las empresas o familias
(un incremento en los salarios mejora su capacidad de
pago).Mayores niveles de endeudamiento (medido como
porcentaje del FBI o del ingreso medio) pueden aumentar las
dificultades de los agentes para hacer frente a sus
compromisos, ya sea por & lado del mayor peso del
servicio
de la deuda como por el menor acceso a créditos nuevos
ya que niveles de apalancamiento más alto hacen
más difícil obtener financiación
adicional. Sin embargo, Davis (1992) y Petersen y Rajan
(1994) demuestran que: Para el sistema
financiero japonés los bancos
están dispuestos a financiar a las empresas en
periodos de dificultades aún cuando el año de
endeudamiento de estas últimas sea elevado Wadhwani
(1984 y 1986) deriva un modelo teórico en si que
supone que las empresas operan en mercados imperfectos y
obtiene que la probabilidad
de quiebra de una empresas está relacionada con los
salarios, los precios de las materias primas, los tipos de
interés reales y nominales, el cociente entre
endeudamiento y el valor de
mercado de las empresas y de la demanda
agregada real.De manera similar Davis (1992) utiliza la tasa de
crecimiento del PBI, los salarios y precios reales de as
materias primas, los tipos de interés y el ratio de
endeudamiento sobre PBI para explicar el ratio de quiebras
empresariales en algunos países de la OCDE. Freixas
(1994) introduce mediciones de expectativas, la oferta
monetaria, a demanda agregada real, la inflación y el
endeudamiento del sector privado sobre el PBI, el salario
real y os tipos de interés reales.Brookes (1994) explica la probabilidad de mora en el
pago de los créditos hipotecarios de las familias como
función del nivel de renta y del ratio
de servicio de deuda del cociente entre a riqueza neta del
sector privado y el número de créditos
hipotecarios, de la tasa de variación del desempleo y
del ratio de endeudamiento sobre el valor de las propiedades
inmobiliarias, así como de las restricciones de
liquidez que enfrentan los agentes.Muñoz (1999) evalúa a través de
un modelo de efectos fijos de datos de
panel el impacto del crecimiento
económico sobre a solvencia del sistema bancario
peruano. Encuentra que la evolución de la tasa de
morosidad es contracíclica que la volatilidad del tipo
de cambio
afecta la mora de las colocaciones en moneda extranjera y que
las variaciones de las tasas de
interés tienen una relación directa con la
calidad de la
cartera.En el Perú, la investigación sobre los determinantes
de la morosidad en las IMF es relativamente nueva y poco
desarrollada, uno de los trabajos más conocidos y
recientes es el documento de Murrugarra y Ebentreich
(1999).El objetivo
de dicho trabajo es
examinar el efecto de las políticas crediticias de las
Edpymes sobre los niveles de morosidad observados en sus
agencias utilizando como variables explicativas las
características del mercado crediticio local y de las
políticas de gestión de créditos de cada
entidad y agencia. Estiman un modelo clásico de datos
de panel analizando la presencia de efectos fijos y
aleatorios en la muestra
empleada y adicionalmente tomando en cuenta la naturaleza
censurada de a variable dependiente por la que en los
primeros meses de funcionamiento las agencias no tienen tasas
de morosidad significativas! presentan os resultados de la
estimación de un modelo Tobit con efectos
fijosA pesar que, para los autores, los factores que
afectan a la morosidad de las Edpymes son principalmente
microeconómicos incorporan en la estimación a
tasa de morosidad observada en e! mercado crediticio local.
Reconocen que si bien las características de las
agencias y de la entidad determinan la tasa de morosidad por
agencia, las condiciones de mercado también pueden
afectar a este resultado, es decir, que las
característica regionales tienen impacto en la
capacidad de los agentes de pagar sus créditos en el
plazo acordado, En el caso de la estimación de efectos
fijos encuentran que un incremento de 1% en la morosidad del
departamento donde se ubica la Edpyme hace que ésta
vea afectada su morosidad en un 002%, mientras que en el caso
del modelo Tobit el efecto es de 0.25%Un estudio reciente que intenta encontrar los
determinantes del monto de cartera atrasada de los bancos del
sistema financiero peruano se puede encontrar en
Guillén (2001). El autor encuentra evidencia que los
barcos más grandes son los más afectados por
variables externas como el tipo de
cambio, contracciones de la demanda agregada y
tasas de interés, mientras que las variables internas
a cada institución tienen un papel más
importante en el caso de los bancos más
pequeños, dentro de estas variables destacan la
política de otorgamiento de créditos y a
conducta
tomadora de riesgos de fa institución así como
la proporción de crédito vencidos.En resumen, los determinantes macroeconómicos
de la morosidad se pueden clasificar en tres grandes grupos:
Variables que miden el ciclo económico, las que
afectan el grado de liquidez de los agentes y aquellas
variables que miden el nivel de endeudamiento.La manera en que cada uno de estos grupos contribuye
a determinar la tasa de morosidad genera hipótesis de
comportamiento que deben ser evaluadas
empíricamente. De esta manera, se esperan relaciones
negativas entre ciclo económico y morosidad y entre
liquidez y morosidad, mientras que se espera una
relación positiva (o indeterminada) entre
endeudamiento y morosidad.Factores Macroeconómicos
El comportamiento de cada entidad financiera es
fundamental para explicar su nivel de morosidad, por ejemplo
aquellas entidades que tengan una política de
colocaciones más agresiva se espera que presenten
tasas de morosidad mayores. En este sentido, el crecimiento
del crédito, el tipo de negocio y los incentivos a
adoptar políticas más arriesgadas son los
grupos de variables más analizados. Saurina
(1998).Uno de los elementos más importantes sobre la
tasa de morosidad de una institución bancaria es la
velocidad
de su expansión crediticia, incrementos importantes en
la tasa de crecimiento de las colocaciones pueden ir
acompañados de reducciones en los niveles de
exigencias a los solicitantes. Adicionalmente Clair (1992),
Soltilla y Vihriala (1994) encuentran evidencia de que el
crecimiento del crédito en el pasado contribuye a
explicar los niveles de morosidad corrientes.Una posible causa del incremento en a morosidad es
el posible incentivo que tengan los gestores a asumir
políticas de crédito más arriesgadas.
Entidades con problemas de solvencia pueden iniciar una
especie de "huida hacia adelante" buscando expansiones en
segmentos más rentables pero con mayores riesgos.
Saurina (1998).Por otro lado, la selección adversa también
actúa en contra de las instituciones que intentan
aumentar rápidamente su participación en el
mercado de crédito, ya que si una entidad intenta
arrebatar a los clientes de otro banco,
éste probablemente sólo deje marchar a sus
peores clientes.Si dicha expansión se tace en un área
o segmentos nuevos, los problemas de selección adversa
se podrían multiplicar ya que los primeros clientes
que acudirán a la nueva entidad serán los de
peor calidad.El número de agencias de cada entidad se
utiliza como un indicador proxy de la
diversificación geográfica de cada
iristitución. En principio, el incremento en el
número de agencias significa tener acceso a una mayor
variedad de mercados lo cual puede generar dificultades en el
monitoreo y control
con o que se tiende a empeorar la capacidad de evaluación y de recuperación,
Murrugarra y Ebentreich (1999). Sin embargo, y contrariamente
a lo mencionado líneas arriba, también se deben
evaluar que si las instituciones siguen una política
de buscar los mejores prestamistas de cada sitio es posible
que el incremento en el número de agencias genere
acceso a segmentos con mejor capacidad de pago, lo cual
incremente a calidad promedio del solicitante de
crédito, lo que tiende a reducir la tasa de morosidad
esperada.En el modelo de Efectos Fijos de Murrugarra y
Ebentreich (1999) se estima que una agencia adicional
representa un 0.6% adicional de morosidad. En el modelo
Tobit-Efectos Fijos esta variable deja de ser
significativa.El tipo de negocio que desarrollan las entidades
también es un determinante de la calidad de la cartera
de activos de esa institución. En general, los
créditos a familias y empresas son más
arriesgados que la compra de deuda gubernamental.En este sentido, la estructura
del balance y de a cartera de activos crediticios reflejan el
riesgo que quiere asumir cada entidad. Niveles mayores de
riesgo de crédito suelen estar asociados a ciertos
sectores. Keeton y Morris (1987) encuentran mayores niveles
de riesgo de crédito en el sector agrícola. Los
mismos autores (1988) desarrollan medidas de
diversificación del riesgo para explicar el ratio de
morosidad, y encuentran que las entidades que para los mismos
tipos de riesgo de crédito cobran tipo de
interés más altos son las que presentan mayores
tasas de morosidad.Por otro lado, en toda entidad crediticia la
adecuada vigilancia de los créditos colocados puede
ser un determinante importante de la tasa de
recuperación. La escasez de
los recursos
destinados a las tareas de monitoreo es una práctica
peligrosa que puede afectar la capacidad de control y
recuperación de los créditos
otorgados.Un indicador bastante común es el monto
colocado por empleado. Refleja el monto colocado que, en
promedio, cada empleado debe atender y se define como el
ratio entre el total de colocaciones sobre el número
de empleados.En principio se espera que el efecto de este
indicador sobre la tasa de morosidad sea positivo. Sin
embargo, esta relación no es clara ya que Incrementos
en el monto colocado por empleado generan mayores tasas de
morosidad siempre y cuando este empleado haya superado el
punto de saturación de créditos que pueda
monitorear eficientemente, es decir, que hasta cierto monto
colocado! el empleado puede aumentar o mantener la eficiencia
de los controles, y que a partir de cierto punto y por el
excesivo tamaño del monto que debe supervisar es
posible que empiecen a generarse pérdidas de
eficiencia en el control. En resumen, no necesariamente el
incremento marginal de créditos colocados por empleado
genera mayores tasas de morosidad.Al respecto. Murrugarra y Ebentreich (1999) utilizan
el número de créditos que un empleado promedio
debe atender y esperan que, asumiendo el resto de
características constantes, las agencias con mayores
créditos por persona
presenten sistemas
de evaluación crediticia más deficiente y, por
o tanto, mayores niveles de morosidad. Los autores concluyen
que el número de créditos colocados por persona
es significativo aunque pequeño, lo que implica que
para que tenga un efecto en la tasa de morosidad el
incremento en el número de créditos por
empleado debe ser exageradamente grande.Adicionalmente, Berger y de Young (1997) encuentran
evidencia con respecto a que disminuciones de la eficiencia
de costos van
acompañadas de aumentos en la morosidad.La relación entre tasa de morosidad y
garantías es de signo incierto ya que las teorías tradicionales sostienen que los
mejores prestamistas están dispuestos a apodar
más garantías para señalizar que son de
riesgo bajo y a su vez, un mayor número de
garantías aportadas limita el riesgo moral del
cliente.
Sin embargo, se han venido desarrollando teorías que
plantean una relación positiva, ya que afirman que la
existencia de garantías disminuye los incentivos que
tiene la institución para un adecuado monitoreo del
crédito a la par que puede generar un exceso de
optimismo entre os acreditados (Padilla y Requejo.
1998).En el sistema financiero peruano las
garantías crediticias se clasifican y se publican
teniendo en cuenta su capacidad de ser ejecutadas en el menor
plazo posible De esta manera existen garantías de
lenta realización, de rápida realización
y otras no clasificadas. Sin embargo y tal como lo reconocen
Murrugarra y Ebentreich (1293) en el caso de
microcréditos este indicador no es tan preciso, ya que
no captura el efecto de otros tipos de garantías
bastante usadas por los diferentes tipos de crédito
ofrecidos, como son las garantías grupales, las
garantías
individuales, las cuales son de naturaleza distinta a las
garantías reales.Por otro lado. Shaffer (1997) utiliza indicadores como el número de
días en que una entidad se demora en entregar los
estados
financieros, lo cual no tiene relevancia en instituciones
más reguladas, donde los plazos son cumplidos
estrictamente.En resumen, del repaso de la literatura sobre los
determinantes microeconómicos de la morosidad se puede
concluir que la expansión crediticia, el tipo de
diversificación sectorial, los incentivos y nivel de
eficiencia de a empresa, la presencia de garantías, el
poder de
mercado y la solvencia de las entidades son importantes en la
determinación de la tasa de morosidad observadas por
una institución crediticia. El tipo de relación
existente entre estas variables y la calidad de cartera de
las IMF se evaluará empíricamente en as
siguientes secciones del presente trabajo.En relación a las provisiones, estas
constituyen un mecanismo contable para recoger el riesgo
atente del crédito, en esa medida: El mantenimiento de una eficiente política
de provisiones para insolvencias, permite tener un adecuado
conocimiento de a real situación
financiera de la institución. El riesgo crediticio
aparece desde el momento en que se otorga el crédito.
La morosidad es sencillamente la realización ex
post de ese riesgo. Un eficiente manejo de las
provisiones deberá descansar en mecanismos adecuados
para recoger ese riesgo ex ante de los créditos y no
sólo parte del mismo manifestado en la morosidad.
Algunos de estos mecanismos han sido puestos en
práctica en España
desde julio del 2000. (Saurina et al., 2000).Las normas
contables y financieras en el país, establecen que as
provisiones deben realizarse en función a la cartera
atrasada (morosa). De esta manera cuando aumenta la cartera
morosa se provisiona más y viceversa,
observándose por tanto, una relación positiva
entre tasa de morosidad y provisiones. Saurina et al. (2000)
señalan que las provisiones realizadas de esta manera
muestran un comportamiento procíclico. En las fases de
expansión económica, disminuyen los
créditos morosos lo que va asociado con una
disminución de las provisiones yen periodos recesivos
sucede lo contrario.Sin embargo, desde que el riesgo latente del
crédito no se incorpora adecuadamente en los
resultados contables de las instituciones a través de
esta política de provisionamiento, es evidente que los
beneficios (utilidades) obtenidos de esta manera, no reflejan
correctamente la real situación financiera de la empresa,
llegando a distorsionar la rentabilidad de largo plazo. Por otro lado, se
corre el riesgo de sobrevaluar los reales beneficios que a su
vez, puede traducirse en problemas de solvencia y en
incentivos para que los gestores se arriesguen a llevar a
cabo políticas más agresivas en el
mercado.De o expuesto anteriormente, una forma de evaluar si
a institución está llevando a cabo una adecuada
política de provisiones y de sus efectos en el
resultado económico de las MF, es observar la
relación entre la tasa de provisiones y a tasa
morosidad sea que se mida a través de la cartera
atrasada, la cartera en alto riesgo o la cartera pesada. Una
relación positiva, será indicador de la
existencia posibles problemas en la medición del riesgo, antes
señalados, con los potenciales problemas sobre la
correcta obtención de las utilidades de la entidad,
con lo cual podría argumentarse que la política
de provisiones no está siendo la más adecuada.
Mientras que la existencia de una relación negativa
entre provisiones e indicadores de morosidad será
indicador de todo lo contrario. Sobre esta base serán
evaluadas las provisiones hechas por las IMF seleccionadas
para los estudios de caso.Tal como se dijo anteriormente, el objetivo de este
trabajo es estimar los determinantes de la tasa de morosidad
de las IMF; en este sentido la econometría proporciona
herramientas que permiten encontrar las
variables que son estadísticamente significativas en a
determinación de la tasa de morosidad. Por el tipo de
datos que se tienen y por las ventajas que este tipo de
estructuras presentan se utilizará la
metodología de datos de panel. En a
siguiente parte del informe se
presentan las principales características de los
modelos que se emplearán para encontrar los
determinantes de la tasa de morosidad de las IMF.ASPECTOS
TEÓRICOSLOGROS
MÁS IMPORTANTES
Para formular y correr el modelo se utilizó los
datos recopilados mediante una encuesta
rechazada a los socios morosos de la Cooperativa
de Ahorro y Crédito y luego se cruzo la
información primaria con la secundaria, tal como se
puede ver en el cuadro 02.
La aplicación econométrica nos
permitirá verificar la hipótesis planteada, de
tal manera que tendremos los elementos suficientes para poder
medir el grado significancia y/o repercusión de la
variable explicativa sobre la variable explicada.
Para tal efecto, se ha utilizado un modelo
básico de regresión
lineal simple, la cual tiene la siguiente
presentación formal:
Modelo Literal:
Modelo Matemático:
Donde:
Mor = Morosidad.
Sf = Ahorro familiar
CUADRO 02
BASE DE DATOS DE LOS DETERMINANTES DE LA
MOROSIDAD EN LA
COOPERATIVA DE AHORRO Y CREDITO EN LA
PROVINCIA DE TOCACHE
(BASE = ENERO 2005)
No | Morosidad en (S/.) | Ahorro Familiar | No | Morosidad en (S/.) | Ahorro Familiar | No | Morosidad en (S/.) | Ahorro Familiar |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 21 32 33 34 35 36 37 38 39 40 41 42 43 | 7625 7126 6955 6947 6770 6370 6048 5766 5550 5528 5495 5022 5002 4996 4806 4734 4723 4618 4472 4400 4386 4342 4285 4263 4249 4199 4094 4092 4062 4041 4033 3963 3945 3823 3742 3672 3604 3551 3549 3534 3441 3413 3384 | -800 -765 -665 -620 -530 -500 -420 -330 -300 -300 -300 -300 -300 -265 -260 -250 -250 -200 -200 -200 -200 -200 -200 -200 -200 -200 -200 -180 -150 -150 -150 -150 -146 -146 -145 -143 -142 -140 -140 -140 -140 -139 -124 | 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 | 3296 3239 3194 3130 3114 3083 3007 3000 2990 2869 2835 2831 2782 2770 2767 2723 2714 2657 2553 2525 2457 2457 2351 2271 2243 2234 2226 2205 2205 2191 2186 2170 2154 2129 2112 2108 2098 2030 2012 1961 1931 1910 1892 | -124 -122 -120 -120 -120 -120 -120 -115 -100 -100 -100 -100 -100 -100 -100 -100 -100 -100 -100 -100 -82 -82 -80 -80 -80 -80 -66 -66 -54 -54 -50 -50 -50 -50 -50 -50 -46 -40 -40 -40 -40 -36 -30 | 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 | 1890 1889 1877 1857 1811 1802 1785 1772 1772 1764 1760 1728 1630 1558 1544 1522 1500 1464 1450 1413 1387 1304 1292 1227 1216 1213 1187 1172 1153 1128 1111 1110 1100 1094 1090 1089 1078 1045 1010 1005 1000 1000 931 | -22 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 5 5 12 20 20 21 22 24 25 26 36 40 40 40 42 44 44 50 50 50 50 50 51 54 54 |
Fuente: Encuesta Socio Económica a los Socios
de la Cooperativa de Ahorro y Crédito Tocache Ltda.
2005.
El comportamiento de la data en el periodo de análisis se presenta de la siguiente
manera:
GRAFICO 01
MOROSIDAD
GRAFICO 02
AHORRO FAMILIAR
GRAFICO 03
MOROSIDAD Vs AHORRO FAMILIA
Es fácil notar que es posible encontrar
correlaciones signíficativas según el
análisis gráfico, es decir; que se puede
encontrar un modelo signiflcativo con la variable
propuesta.
3.2 ESTIMACIÓN Y RESULTADOS DEL
MODELO:
La regresión del modelo, se hizo utilizando el
paquete econométrico EVIEWS. Los resultados nos muestran
las relaciones funcionales que existen entre las variables, de
donde; entre a Morosidad (Mor) y e! ahorro familiar
(Sf).
CUADRO 03
MODELO ESTIMADO
Dependent Variable: MOR | ||||
Method: Least Squares | ||||
Date: 07/03/05 Time: 00:12 | ||||
Simple: 1 129 | ||||
Included observations: 129 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
SF | -9.444993 | 0.269627 | -35.02981 | 0.0000 |
C | 1833.711 | 51.31423 | 35.73494 | 0.0000 |
R-squared | 0.906210 | Mean dependent | 2864.899 | |
Adjusted R-squared | 0.905471 | S.D. dependent | 1552.676 | |
S.E. of regresión | 477.3780 | Akaike info | 15.18988 | |
Sum squared resid | 28942001 | Schwarz | 15.23421 | |
Log likelihood | -977.7471 | F-statistic | 1227.088 | |
Durbin-Watson stat | 0.093564 | Prob(F-statistic) | 0.000000 | |
Fuente: En base a los anexos.
Estimation Command:
=====================
LS MOR SF C
Estimation Equation:
=====================
MOR = C(1)*SF + C(2)
Substituted Coefficients:
=====================
MOR = -9.444993*SF + 1833.711
Los indicadores obtenidos nos muestran que el modelo
es supuestamente bueno, a juzgar por el coeficiente de
determinación (R2) que es de 90.62 %, el Fc
es de 1227.088 y Prob (F-statistic) es menor al 5% o que
explica una mayor o menor crecimiento económico en
nuestro periodo de estudio.
3.3 EVALUACIÓN DEL MODELO:
3.3.1. PRUEBA DE ESTABILIDAD DE
PARAMETROS:
TEST DE RAMSEY.- Primero planteamos las
hipótesis:
H0 = El modelo esta bien especificado,
no hay variables significativas no incluidas en el
modelo.
H1 = El modelo no esta bien
especificado, existen variables significativas que no
están incluidas en el modelo.
CUADRO 04
RESULTADOS DEL TEST DE
RAMSEY
Ramsey RESET Test: | ||||
F-statistic | 495.7813 | Probability | 0.000000 | |
Log likelihood ratio | 205.9235 | Probability | 0.000000 | |
Test Equation: | ||||
Dependent Variable: MOR | ||||
Method: Least Squares | ||||
Date: 07/03/05 Time: 00:47 | ||||
Sample: 1 129 | ||||
Included observations: 129 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
SF | -18.60390 | 0.429008 | -43.36495 | 0.0000 |
C | 1967.636 | 23.95836 | 82.12733 | 0.0000 |
FITTED^2 | -0.000109 | 4.91E-06 | -22.26615 | 0.0000 |
0.98099401 | ||||
R-squared | 0.980994 | Mean dependent | 2864.899 | |
Adjusted R-squared | 0.980692 | S.D. dependent | 1552.676 | |
S.E. of regression | 215.7473 | Akaike info | 13.60907 | |
Sum squared resid | 5864911. | Schwarz | 13.67558 | |
Log likelihood | -874.7853 | F-statistic | 3251.750 | |
Durbin-Watson stat | 0.253469 | Prob(F-statistic) | 0.000000 | |
Según los resultados al 5 % de
significación, podemos concluir que el modelo esta bien
especificado, por lo tanto una variable adicional no mejora la
significancia del modelo de regresión. Es decir: no
podemos rechazar la hipótesis nula.
3.3.2. PRUEBA DE SIGNIFICANCIA GLOBAL E
INDIVIDUAL:
En el cuadro 03 presentamos los resultados del
modelo seleccionado para explicar el comportamiento de a
morosidad en un punto en el tiempo,
sobre a base de ese modelo se desarrollará la prueba
de significación global de los parámetros de
regresión, para ello planteamos la siguiente
hipótesis:1ro Planteamos las
hipótesis:Ho: ß1 =
ß2 = 0 (Los parámetros del modelo de
regresión no son significativos. No existe
Regresión Lineal)H1: ß1 ≠
ß2 ≠ 0 (Los parámetros del modelo
de regresión son significativos. Existe
Regresión Lineal)2do Determinamos el nivel de
Significación:Utilizaremos un α de 5 % σ
0.05, para determinar los puntos
críticos.3ro Calculamos el F –
estadístico:Se determina de la siguiente manera.
4to determinamos la región
Crítica:El F de tabla lo determinamos de la siguiente
manera:,
=
3.84Por lo tanto se puede concluir que el F – calculado
(1227.088) es mayor que el F -tabla (3.84), tal como se puede
apreciar en el siguiente gráfico, lo cual nos indica
que se rechaza la hipótesis nula y se acepta la
hipótesis alternante, lo que quiere decir que la
variable ahorro familiar (Sf) contribuye significativamente
al modelo planteado. Además que existe
regresión lineal entre las variables en
estudio.También podemos notar que el modelo tiene un
coeficiente de determinación (R2) de 90.62
%, lo que indica que a variable independiente (Sf) explican
en un 90.62% el comportamiento de la morosidad, mientras que
la diferencia 9.38% son explicados por otras variables no
incluidas en el modelo.GRÁFICO 04
Finalmente se rechaza la hipótesis nula y se
acepta la alternante.- PRUEBA F.-
- PRUEBA T – STUDENTS.-
Esta prueba permitirá verificar la
significación individual de cada una de las variables
explicativas del modelo.
Parámetro de la Ahorro Familia
(Sf):
1ro Planteamos las
hipótesis:
Ho: ß2 = 0 (No influye en
el modelo)
H1: ß 2 ≠ 0 (Si influye
en el modelo)
2do Determinamos el nivel de
Significación:
Utilizaremos un α de 5 % σ
0.05, para determinar los puntos
críticos.
3ro Calculamos el T-estadístico:
Se determina de la siguiente manera.
4to determinamos la región
Crítica:
El T de tabla lo determinamos de la siguiente
manera:
Por lo tanto se puede concluir que el
parámetro β2 (Ahorro Familiar)
estadísticamente es significativo dentro del modelo,
debido que el T – calculado (-35.03) es mayor que el T –
tabla (-1.960), tal como se puede apreciar en el grafico
anterior
3.3. PRUEBAS
ESTADÍSTICAS SOBIRE LOS RESIDUOS DEL MODELO DE
REGRESIÓN:
Las pruebas que se resolverán están
orientados a verificar si los errores del modelo de
regresión deja morosidad (cuadro 03), siguen un
patrón de comportamiento no esférico, si esto es
significativo. entonces podremos tener estimadores ineficientes
y por consiguiente tener pruebas de significación
estadísticas irrelevantes, ocasionados
por tener variancias relativamente grandes.
Por lo tanto, el modelo será.
PBI = 1833.711 – 9.444993*Sf +
et
Probaremos si et sigue
perturbaciones no esféricas, esto es problemas de
Heteroscedasticidad y Autocorrelación.
Como se trata de un modelo con datos longitudinales
(series de
tiempo) las pruebas que se realizarán
serán:TEST ARCH – LM.- que significa heteroscedasticidad
autorregresiva condicionada, lo cual nos permitirá
verificar si el et2 sigue el siguiente
comportamiento;et2 = , datos
mensuales.Por lo tanto las pruebas de hipótesis
serán:H0: b i = 0 Los errores
son constantes, no existe heteroscedasticidad.H1: b i ¹ 0 Los errores no son constantes,
existe heteroscedasticidad.Para todo i = 2, 3, …., 129
CUADRO 05
RESULTADOS DEL TEST DE ARCH –
LMARCH Test:
F-statistic
294.1713
Probability
0.000000
Obs*R-squared
89.61566
Probability
0.000000
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/29/06 Time: 09:40
Sample (adjusted): 2 129
Included observations: 128 after
adjustmentsVariable
Coefficient
Std. Error
t-Statistic
Prob.
C
41924.59
21229.98
1.974782
0.0505
RESID^2(-1)
0.687888
0.040107
17.15142
0.0000
R-squared
0.700122
Mean dependent
var188985.0
Adjusted R-squared
0.697742
S.D. dependent
var399667.7
S.E. of regression
219729.2
Akaike info
criterion27.45368
Sum squared resid
6.08E+12
Schwarz
criterion27.49824
Log likelihood
-1755.036
F-statistic
294.1713
Durbin-Watson stat
1.908202
Prob(F-statistic)
0.000000
Al 5 % de significación la Prob(F-statistic)
tiende a 0, lo cual nos permite aceptar la hipótesis
nula, por o tanto; concluimos que a varianza de los errores
es constante, pues el coeficiente C (intercepto
β1) es
significativo según se aprecia en cuadro
05.Finalmente podemos concluir que según este
test no existe hetoroscedasticidad en nuestro
modelo.- HETEROSCEDASTICIDAD:
- AUTOCORRELACION:
Existen varias pruebas para detectar
autocorrelación, como pueden ser el test Gráfico,
el test LM de Breusch – Godfrey, y el test de Durban – Watson,
nosotros utilizaremos este último.
TEST DE DURBIN – WATSON.- Esta prueba se realiza para
verificar la existencia de correlación serial de primer
orden, del tipo et = r
et-1 + e t
, donde e t es un
ruido
blanco.
Para ello se plantea las siguientes
hipótesis:
H0: r = 0 No
existe Autocorrelación en el modelo.
H1: r
¹ 0 Existe
Autocorrelación significativa de primer orden en el
modelo.
El modelo regresionado para explicar el crecimiento
económico (cuadro 02) indica que el valor de Durbin
– Watson Estadístico es de 0.093564, el cual
debemos contrastar con el valor crítico:
DWt = DW(1, 129) 5% = (di =
1.65, ds = 1.69)
Según el valor estimado del DW, nos encontramos
en la zona de existencia de Autocorrelación positiva, el
cual tenemos que corregir.
CUADRO 05
MODELO SIN
AUTORRELACIÓN
Dependent Variable: MOR | |||||
Method: Least Squares | |||||
Date: 03/31/05 Time: 05:03 | |||||
Sample (adjusted): 2 129 | |||||
Included observations: 128 after | |||||
Convergence achieved alter 9 | |||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. | |
SF | -1.001499 | 0.373119 | -2.684125 | 0.0083 | |
C | 872.1966 | 391.6727 | 2.226851 | 0.0277 | |
AR(1) | 0.977439 | 0.004074 | 239.9336 | 0.0000 | |
0.998544 | 2830.523 | ||||
R-squared | 0.998544 | Mean dependent | 2830.523 | ||
Adjusted R-squared | 0.998520 | S.D. dependent | 1508.690 | ||
S.E. of regression | 58.03425 | Akaike info | 10.98310 | ||
Sum squared resid | 420996.8 | Schwarz | 11.04995 | ||
Log likelihood | -699.9185 | F-statistic | 42852.11 | ||
Durbin-Watson stat | 1.870713 | Prob(F-statistic) | 0.000000 | ||
Inverted AR Roots | .98 | ||||
Estimation Command:
=====================
LS MOR SF AR(1) C
Estimation Equation:
=====================
MOR = C(1)*SF + C(2) + [AR(1)=C(3)]
Substituted Coefficients:
=====================
MOR = -1.001499258*SF + 872.1966042 +
[AR(1)=0.9774390329]
Para demostrar la hipótesis se analizò
a 129 socios que se encontraban morosos en un momento dado,
se tuvo en cuenta los datos de crédito de consumo y
crédito microempresarial porque explicaban de mejor
manera el comportamiento de la morosidad.2. Las variable ahorro familia explica en un 90.62%
el comportamiento de la morosidad en a provincia de Tocache
departamento de San Martín -Perú.3. La variable Ahorro familiar, guarda una
relación negativa con la morosidad bancaria, es decir;
a una menor nivel de ahorro familiar la morosidad
aumentará, y por lo tanto la morosidad seguirá
esa misma tendencia, estadísticamente, esta variable
es significativa en el comportamiento de la morosidad
bancaria por que el T de tabla es mayor que el T calculado, o
que indica que se acepta la hipótesis nula y se
rechaza a hipótesis alternante.4. El modelo que explica la morosidad en a provincia
de Tocache es muy significativa pero tiene problemas de
autorrelación y como son datos transversales no se
pudo aplicar las correcciones necesarias para corregir este
problema como se hace a los modelos de series de
tiempo.CONCLUSIONES
BIBLIOGRAFÍA
1 Esteban Churampi, Efraín. Normas de
Redacción en Investigación Científica.
Año 2001.
2 Jhonny Javier Hidalgo Benito. I cumbre
Nacional de Microfinanzas. Año 1997.
Perú
3. Mormontoy Laurel. WILFREDO.
Elaboración del protocolo de
la investigación en ciencias de
la salud, de la
conducta y áreas afines. Ed. Universidad
Peruana Cayetano Heredia. Lima Perú,
Año1993.
4. Muhamad Yunus. Hacía un Mundo sin
Pobreza.
Bangladesh. Año l,997.
5. Eliseu Santandreti y Pol Santandreu.
Manual ce
Finanzas.
España. Año 2.000.
6. Robert E. Ekelund, J.R y Robert F. Hebert.
Historia de a
Teoría Económica y su Método.
7. Lic. ADM: NILSON CÁRDENAS CHAVES. Rol
del crédito Agrario en el Desarrollo
del agro del Alto Huallaga. Tingo Maria Año
1.992.
8. Eco. WILMER CASTILLO SOTO. Política
Crediticia Agrícola en a zona del alto Huallaga, periodo
1981 -1990. Tingo Maria. Año 1,993.
9. CPC. ELDER PAREDES TORRES. El Desarrollo y
fuga de capitales en las entidades bancarias de Tingo Maria.
Tingo María Año 1996.
10. Periódico Gestión de los
Años 2000 y 2001.
11. Periódico el Comercio de
los Años 2000 y 2001.
12 www.monografias/morosidad en
Trujillo.com.pe
Presentado por:
Eco. HUGO SOTO PEREZ
UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA
TINGO MARIA
ESCUELA DE POS GRADO
MAESTRIA EN CIENCIAS ECONOMICAS
MENCION: FINANZAS
Para Optar en Grado de:
MAESTRO EN CIENCIAS ECONOMICAS
TINGO MARIA – PERU
2006
Página anterior | Volver al principio del trabajo | Página siguiente |