La morosidad en la Cooperativa de ahorro y crédito en la provincia de Tocache (Perú) (página 2)

1. 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
   fijos

   A 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.

2. ASPECTOS
   TEÓRICOS

3. LOGROS
   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)

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

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

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:

1. 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:

   ,
   =
   3.84

   Por 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.

2. PRUEBA F.-
3. 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.

1. 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 –
   LM

   ARCH 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 adjustments
   Variable	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 var		188985.0
   Adjusted R-squared	0.697742	S.D. dependent var		399667.7
   S.E. of regression	219729.2	Akaike info criterion		27.45368
   Sum squared resid	6.08E+12	Schwarz criterion		27.49824
   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.

2. HETEROSCEDASTICIDAD:
3. 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

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]

1. 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.

2. CONCLUSIONES

3. 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