II. DISEÑO DE INVESTIGACIÓN
2.2. Técnicas e instrumentos de recolección de datos
Para la obtención de la información se utiliza el consolidado de clientes con créditos consumo de enero del 2011 a diciembre del 2018 proporcionado por la Caja Municipal de Ahorro y Crédito Trujillo, la cual se ha analizado para llegar a los objetivos planteados en la presente investigación, durante el periodo de estudio establecido.
2.2.2. Instrumentos
Guías de análisis de contenidos:
Base de datos: La información materia de estudio es extraída del
consolidado de clientes con créditos consumo de enero del 2011 a diciembre del 2018 de la Caja Municipal de Ahorro y Crédito Trujillo, de la plataforma de datos de la Superintendencia de Banca y Seguros (SBS), portal web de datos de la Federación Peruana de Cajas Municipales de Ahorro y Crédito (FEPCMAC) y la plataforma de la misma entidad en estudio (CMACT).
2.3. Estrategias metodológicas
Para la realización de la investigación primero se inicia con la revisión de diversas guías relacionadas con el tema a tratar, posteriormente se identifica la idea de la investigación para luego plantear el problema y los objetivos. De tal manera, haciendo uso de las bibliografías se procede a la elaboración del marco teórico, para así realizar el planteamiento de la hipótesis de la presente investigación. Para contrastar la hipótesis de la investigación se recolecta los datos provenientes de la base consolidada de créditos consumo, la misma que comprende un total de 54896 clientes con créditos otorgados entre el período de enero del 2011 a diciembre del 2018 proporcionados y autorizados por la Caja Municipal de Ahorro y Crédito Trujillo, considerándose solamente una muestra de 12740 clientes con créditos consumo para materia de estudio.
En lo que refiere a la elección del período de observaciones, se opta por un período de tiempo que comprende los años a partir del 2011 a 2018, de modo que se pueda contar con una muestra de créditos con un tamaño considerable. La finalidad de la elección del periodo de estudio es ante la necesidad de datos lo suficientemente extensos a partir de la concesión del crédito, para que el tomador del mismo cuente con un plazo prudente para finalizar el período de amortización inicialmente pautado. De tal manera que si el beneficiario del crédito no logrará los pagos en los plazos establecidos será materia de estudio para poder medir a través de un modelo de Credit Scoring la probabilidad de incumplimiento del crédito en base a las características relevantes de cada cliente y según el crédito otorgado.
Es así que, se plantea un modelo econométrico de regresión logística, que mediante su utilización permita estudiar la relación de la variable dependiente (Incumplimiento del Cliente), la misma que se obtendrá considerando como atrasos o incumplimiento a aquellos créditos que presenten treinta días en delante de mora y un conjunto de variables independientes (Zona Territorial, Tipo de Crédito, Cliente Caja Trujillo, Calificación SBS, Monto, Cuota, Tasa de interés, estado civil, Nivel Educativo, género, edad, ingresos, egresos, Tipo de Vivienda, Garantía, N° Entidades en el sistema financiero, Tipo de cambio, PBI, Tasa activa en moneda nacional); con el objetivo de determinar cómo influye en la
probabilidad de ocurrencia de que un individuo tenga un buen comportamiento de cancelación o no de un crédito de consumo en ausencia de diversos factores y a qué nivel y además de identificar los factores y variables más significativas. En la regresión, la variable dependiente (incumplimiento del cliente) puede tomar dos valores 0 o 1 (Buen pagador o Mal pagador); mientras que las variables explicativas son cuantitativas o cualitativas.
La elección de este modelo de regresión permite que aquellas variables utilizadas para la estimación del modelo sean de cualquier tipo, siendo importante considerar lo siguiente:
Si la variable que se incluye en el modelo es continua, se introducirá en su forma real o bien una transformación de ella cuando sea necesario.
Si la variable que se incluye en el modelo es categórica o de más de dos categóricas será necesario la transformación de las mismas para que los resultados sean correctos e interpretables. En tal caso, si la variable tiene n categorías deberá ser expresada cada una de las categorías mediante n-1 variables dummy
Esta relación se puede definir como:
P (Mal pagador / Buen pagador) = f (Zona Territorial, Tipo de Crédito, Cliente Caja Trujillo, Calificación SBS, Monto, Cuota, Tasa de interés, estado civil, Nivel Educativo,
edad, género, ingresos, egresos, Tipo de Vivienda, Garantía, N° Entidades en el sistema financiero, Tipo de cambio, PBI, Tasa activa en moneda nacional).
La ecuación a estimar es la siguiente.
ln ( 𝑃
1 − 𝑃) = 𝛼1+ 𝛽1𝑋1+ 𝛽2𝑋2+ 𝛽3𝑋3+ 𝛽4𝑋4+ 𝛽5𝑋5+ 𝛽6𝑋6+ 𝛽7𝑋7+ 𝛽8𝑋8+ 𝛽9𝑋9
+ 𝛽10𝑋10+ 𝛽11𝑋11 + 𝛽12𝑋12+ 𝛽13𝑋13+ 𝛽14𝑋14+ 𝛽15𝑋15+ 𝛽16𝑋16+ 𝛽17𝑋17 + 𝛽18𝑋18+ 𝛽19𝑋19+ 𝑢
Donde P es la probabilidad de ocurrencia de interés, 𝛼1 es el intercepto, 𝛽𝑖 (𝑖 =
1,2,3 … .19) son los coeficientes a estimar, 𝑋𝑖 (𝑖 = 1,2,3, … 19) son las variables que representan los factores de estudio y 𝑢 es el error.
En la ilustración N° 7 se muestra el proceso de un diseño de modelo Credit Scoring:
Ilustración N° 7: Diagrama de diseño de Modelo Credit Scoring
III. RESULTADOS
De acuerdo a la metodología planteada se presenta los resultados respondiendo a los objetivos planteados:
3.1. Descripción y análisis de la evolución de la cartera de créditos consumode la
Caja Trujillo: 2011 - 2018.
La Caja Trujillo ocupa a diciembre del 2018 el sexto lugar dentro del sistema de cajas municipales respecto a captaciones y colocaciones, manteniendo así la misma posicióncon respecto a años anteriores. Así mismo, la Caja se mantiene en el cuarto lugar respecto al patrimonio.
Tabla N° 7: Participación en el Sistema de Cajas Municipales (2014 – 2018)
Participación Sistema de Cajas
Municipales
Caja Trujillo (CMACT)
2014 2015 2016 2017 Dic. 2018 Créditos Directos 10.40% 9.25% 8.38% 7.91% 7.65% Depósitos Totales 10.70% 9.30% 8.85% 8.44% 8.47% Patrimonio 14.40% 13.80% 13.50% 13.07% 12.81%
Fuente: Superintendencia de Banca y Seguros (SBS) Elaboración: Propia
Al analizar la cartera de colocaciones por tipo de crédito que posee la entidad, se observa en el gráfico N° 15 que su composición está comprendida principalmente a diciembre del 2018 por créditos a pequeñas empresas (42.7%), créditos al consumo (20.5%) y microempresas (16.2%), quedando en menor proporción aquellos créditos dirigidos al destino corporativos y medianas empresas ya que como se conoce el mayor campo de desempeño de la caja municipal es el desarrollado para clientes consumo, pequeñas y micro empresas.
Gráfico N° 15: Colocaciones por Tipo de Crédito: CMACT (2011 - 2018)
Fuente: Superintendencia de Banca y Seguros (SBS) Elaboración: Propia
Durante el ejercicio de diciembre del 2016 a diciembre del 2017 se observa un incremento de los créditos al consumo, lo cual pudo ser ocasionado por el impulso en los desembolsos que fueron de S/ 73.2 millones. Así mismo, según se visualiza en el gráfico Nº 16, las colocaciones de crédito consumo en la entidad han tenido una tendencia mayor con respecto al promedio de colocaciones a nivel de cajas municipales, siendo entre diciembre del 2015 y diciembre del 2016 donde las colocaciones del crédito consumo en la Caja Trujillo han estado por debajo (17.6% y 17.7% respectivamente) que lo registrado para las 12 cajas municipales de ahorro y crédito, las cuales representaron un 18.2% y 18.8%, respectivamente durante el ejercicio. 46.1% 48.1% 48.7% 42.6% 44.5% 43.6% 40.8% 42.7% 6.7% 7.7% 9.4% 11.0% 12.1% 11.4% 11.3% 12.0% 22.5% 21.7% 21.4% 18.7% 17.6% 17.7% 21.0% 20.5% 4.1% 3.5% 3.3% 5.4% 5.0% 5.1% 6.7% 5.8% 20.6% 18.8% 19.2% 18.9% 17.9% 17.9% 15.7% 16.2% 0.0% 10.0% 20.0% 30.0% 40.0% 50.0% 60.0% 70.0% 80.0% 90.0% 100.0%
Dic.11 Dic.12 Dic.13 Dic.14 Dic.15 Dic.16 Dic.17 Dic.18 Pequeñas Empresas Hipotecario Vivienda Consumo
Gráfico N° 16: Colocaciones Crédito Consumo: CMACT (2011 - 2018)
Fuente: Superintendencia de Banca y Seguros (SBS) Elaboración: Propia
Así mismo, la Caja Trujillo cuenta con una estructura de crédito consumo segmentada de la siguiente manera a diciembre del 2018, tal como se evidencia en el gráfico N° 17, donde los créditos “Emprende Más” representa el 34.3% constituyéndose como el primer producto de importancia según el nivel de colocaciones. En segundo lugar, se registra los créditos “Descuento por planilla” (23.5%) y en tercer lugar el crédito “Disfruta Más” con un 20.2%.
22.5% 21.7% 21.4% 18.7% 17.6% 17.7% 21.0% 20.5% 20.4% 20.5% 19.6% 18.5% 18.2% 18.8% 19.2% 20.3%
Dic.11 Dic.12 Dic.13 Dic.14 Dic.15 Dic.16 Dic.17 Dic.18
Gráfico N° 17: Estructura de la cartera de Consumo CMACT (Dic. 2018)
Fuente: Caja Trujillo Elaboración: Propia
Respecto a la segmentación de las colocaciones según situación para el crédito consumo, se observa en el gráfico N° 18 que la cartera vigente a diciembre del 2018 representa el 92.1% de la cartera total. Por su parte, los créditos reestructurados y refinanciados conformaron el 1.3% de la cartera, los cuales respecto a años anteriores se han incrementado donde la razón de las refinanciaciones puede deberse al Fenómeno del Niño Costero (FEN) debido a que el 16 de marzo del 2017, la Superintendencia de Banca y Seguros (SBS) emite un Oficio Múltiple N° 10250 – 201714 en el cual facultaba a las entidades financieras a reprogramar los créditos minoristas otorgados a deudores ubicados en zonas de emergencia y que a su vez se encuentren al día en sus pagos, sin que ello afecte la categoría del deudor. Finalmente, los créditos vencidos y en cobranza judicial representan el 3.1% y 3.5% de la cartera a diciembre del 2018, respectivamente (2.4% y 3.5% a diciembre del 2017), de lo cual resalta la disminución de la cartera en cobranza judicial entre ejercicios.
14Plantea las Medidas prudenciales relacionadas a deudores domiciliados en las zonas que presentan intensas
precipitaciones pluviales e inundaciones que a causa de lo acontecido ha originado pérdidas económicas y dificultades.
Gráfico N° 18: Colocaciones según situación – Crédito Consumo: Caja Trujillo (2014 – 2018)
Fuente: Superintendencia de Banca y Seguros (SBS) Elaboración: Propia
Según el criterio de clasificación al deudor establecido por la Superintendencia de Banca y Seguros mediante Resolución SBS N° 11356-2008, para el caso de las Cajas Municipales para el caso del tipo de crédito consumo tal como se observa en el gráfico N° 19, para diciembre del 2018 se registra que aquellos clientes clasificados en categoría normal ascienden a 90.8% disminuyendo en 0.6 puntos porcentuales con respecto al año anterior diciembre 2017. Así mismo, aquellos que se encuentran catalogados como clientes con problemas potenciales alcanzan un 1.5% en diciembre del 2018, manteniéndose en el mismo porcentaje que a diciembre 2017 (1.5%).
Los clientes con clasificación deficiente, dudoso y pérdida, al cierre de diciembre del 2018 registraron el 2.1%, 3.1% y 2.4%, respectivamente siendo los clientes declarados como pérdida los que se mantuvieron respecto a diciembre 2017 en el mismo porcentaje (2.4%) y disminuyeron con respecto a diciembre 2015 (5.0%) y diciembre 2016 (3.7%). 91.8% 90.4% 92.7% 91.8% 92.1% 2.1% 1.9% 1.2% 1.6% 1.3% 2.2% 3.4% 2.5% 2.4% 3.1% 3.8% 4.3% 3.6% 4.1% 3.5% 84% 86% 88% 90% 92% 94% 96% 98% 100%
Dic.14 Dic.15 Dic.16 Dic.17 Dic.18 Vigente Reestructurados y Refinanciados Vencido Cobranza Juidicial
Gráfico N° 19: Estructura del Crédito Consumo según tipo de deudor: Caja Trujillo (2014 – 2018)
Fuente: Superintendencia de Banca y Seguros (SBS) Elaboración: Propia
Respecto a la estructura de la cartera atrasada se observa en el gráfico N° 20 que la mora del crédito consumo se sitúa en 3.0% para diciembre 2018 registrando un porcentaje menor a lo indicado por el sector a nivel de cajas municipales al mismo periodo en ejercicio, el cual representó el 3.6%. Sin embargo, en líneas con los resultados en períodos anteriores entre los años de ejercicio 2014 – 2016, las ratios de mora del crédito consumo superaron a los ratios promedio del conjunto de cajas municipales de ahorro y crédito siendo estos de 2.8%, 4.5% y 3.9%; respectivamente.
El aumento en la morosidad puede originarse debido a la alta sensibilidad de los créditos de consumo ante cambios en el ciclo económico. Este producto representa un porcentaje significativo dentro de las colocaciones de las cajas como ya se ha observado con anterioridad. Así también, la morosidad en los créditos de consumo ha seguido al alza en durante los periodos de diciembre 2015 a diciembre 2018, con excepción de diciembre del 2017 que la mora se redujo en 0.2 puntos porcentuales.
89.3% 88.5% 88.3% 88.3% 84.6% 89.3% 91.4% 90.8% 2.5% 2.7% 2.7% 2.7% 2.9% 1.6% 1.5% 1.5% 2.0% 2.0% 2.2% 2.4% 3.7% 2.2% 1.9% 2.1% 4.0% 4.2% 4.4% 4.2% 5.0% 3.7% 2.9% 3.1% 2.2% 2.6% 2.4% 2.4% 3.8% 3.3% 2.4% 2.4% 75.0% 80.0% 85.0% 90.0% 95.0% 100.0%
Dic.11 Dic.12 Dic.13 Dic.14 Dic.15 Dic.16 Dic.17 Dic.18
Normal (0) CPP (1)
Deficiente (2) Dudoso (3) Pérdida (4)
Dentro del periodo en mención, los créditos han incrementado ligeramente su ritmo de crecimiento, ya que en un contexto de potencial desaceleración las familias son las más propensas en incumplir sus obligaciones.
Gráfico N° 20: Mora Caja Trujillo – Crédito Consumo (2011-2018)
Fuente: Superintendencia de Banca y Seguros (SBS) Elaboración: Propia
Así mismo, cabe recalcar que con la finalidad de enfrentar el deterioro de los créditos es que la Caja Trujillo mantiene un importante de saldo de provisiones, las cuales se ubican en 140,1 millones de soles a diciembre del 2018 y 19, 9 millones como provisiones voluntarias las cuáles podrían emplearse para cubrir el deterioro de sus colocaciones. La entidad muestra un adecuado nivel cobertura de cartera atrasada tal como se observa en el gráfico N° 21 (136.4% a diciembre del 2018), situándose por encima de lo que se registra en el Sistema de Cajas Municipales al ejercicio (127.5%). 2.4% 2.8% 2.1% 2.8% 4.5% 3.9% 2.7% 3.0% 2.4% 2.5% 2.4% 2.4% 2.9% 3.0% 2.8% 3.6%
Dic.11 Dic.12 Dic.13 Dic.14 Dic.15 Dic.16 Dic.17 Dic.18
Gráfico N° 21: Provisiones/ Cartera Atrasada Caja Trujillo (2011 – 2018)
Fuente: Superintendencia de Banca y Seguros (SBS) Elaboración: Propia
3.2. Estimar la regresión probabilística de Credit Scoring para la evaluación del riesgo crediticio de la cartera de créditos consumo de la Caja Trujillo: 2011 – 2018
3.2.1. Estadística Descriptiva de las variables cualitativas y cuantitativas
En esta sección previo a la estimación del modelo de regresión logística es necesario la realización de tablas descriptivas mediante análisis bivariado entre la variable dependiente y las posibles variables independientes a incluir en el modelo. Dicho proceso tiene por finalidad indicar a aquellas variables cualitativas y cuantitativas que continúan siendo candidatas para formar parte del modelo.
3.2.1.1. Tablas de Contingencia
El procedimiento para analizar a las variables cualitativas fue mediante las tablas de contingencia o tablas cruzadas, las mismas que se detallan en el Anexo N° 2. Para ejemplificar la utilización de las mismas se toma dos variables y se indica porque continúan o no con la posibilidad de incluirse en el modelo.
En la tabla N° 8 se detalla el recuento de créditos aprobados y desaprobados según la zona territorial, indicando que el mayor número
143.2% 134.5% 136.4% 150.1% 146.6% 137.9% 128.6% 136.4% 146.9% 144.0% 136.5% 132.4% 134.8% 133.2% 133.8% 127.5%
Dic.11 Dic.12 Dic.13 Dic.14 Dic.15 Dic.16 Dic.17 Dic.18 CMAC Trujillo Sector
de buenos pagadores se encuentra en la zona Sede 1 (2176 clientes con crédito consumo), la misma que comprende aquellas agencias ubicadas en el departamento de La Libertad, mientras que el mayor número de malos pagadores se encuentran en la zona Norte 2 (207 clientes con crédito consumo) comprendiendo a aquellas agencias ubicadas en los departamentos de Tumbes, Piura y Lambayeque. En tal forma se corrobora el poder discriminatorio de la variable zona territorial contra la variable dependiente de incumplimiento del cliente. Además, en la tabla N° 9, se observa que mediante el test de chi- cuadrado los datos están distribuidos independientemente uno del otro, esto quiere decir que el incumplimiento del cliente está independientemente distribuido de la zona territorial, puesto que su p- valor es menor a 0.05. Se concluye, que la variable zona territorial debe continuar como variable candidata o tentativa para el modelo.
Tabla N° 8:Tabla de contingencia ZONA_TERRITOR * INCUMPLIMIENTO_CLIENTE INCUMPLIMIENTO_CLIENTE
Total BUEN
PAGADOR MAL PAGADOR
ZONA_TERRITOR LIMA NORTE Recuento 1249 121 1370 % dentro de ZONA_TERRITOR 91,2% 8,8% 100,0% LIMA SUR Recuento 906 74 980 % dentro de ZONA_TERRITOR 92,4% 7,6% 100,0% NORTE1 Recuento 1990 110 2100 % dentro de ZONA_TERRITOR 94,8% 5,2% 100,0% NORTE2 Recuento 1428 207 1635 % dentro de ZONA_TERRITOR 87,3% 12,7% 100,0% NORTE3 Recuento 1171 77 1248 % dentro de ZONA_TERRITOR 93,8% 6,2% 100,0% NORTE4 Recuento 1104 90 1194
INCUMPLIMIENTO_CLIENTE
Total BUEN
PAGADOR MAL PAGADOR
% dentro de ZONA_TERRITOR 92,5% 7,5% 100,0% SEDE1 Recuento 2176 99 2275 % dentro de ZONA_TERRITOR 95,6% 4,4% 100,0% SEDE2 Recuento 1882 56 1938 % dentro de ZONA_TERRITOR 97,1% 2,9% 100,0% Total Recuento 11906 834 12740 % dentro de ZONA_TERRITOR 93,5% 6,5% 100,0%
Elaboración: Propia. Salida de resultados de SPSS 22.
Tabla N° 9: Pruebas de chi-cuadrado ZONA_TERRITOR * INCUMPLIMIENTO_CLIENTE
Valor Gl Sig. asintótica
(bilateral) Chi-cuadrado de Pearson 201,018a 4 ,000 Razón de verosimilitudes 306,722 4 ,000 N de casos válidos 12740
Elaboración: Propia. Salida de resultados de SPSS 22.
Del mismo modo, se realiza las tablas de contingencia entre las variables Nivel Educativo del cliente e incumplimiento del cliente tal como se observa en la tabla N° 10 donde se detalla el recuento de créditos aprobados y desaprobados, indicando que el mayor número de buenos pagadores se encuentra en el Nivel Educativo de Técnico, Superior con un total de 9753 clientes con crédito consumo, así también el mayor número de malos pagadores se encuentra en el mismo nivel educativo de Técnico, Superior con un total de 707 clientes con crédito consumo. En la tabla N° 11, se observa que mediante el test de chi- cuadrado, los datos no están distribuidos independientemente uno del otro, esto quiere decir que la variable dependiente incumplimiento del
cliente y el nivel educativo no cuentan con existencia de independencia entre este grupo de variables, puesto que su p-valor es mayor a 0.05. Se concluye, que la variable Nivel educativo debe ser descartada como variable candidata o tentativa para el modelo.
Tabla N° 10: Tabla de Contingencia NIVEL_EDU_CLI * INCUMPLIMIENTO_CLIENTE
INCUMPLIMIENTO_CLIENTE
Total BUEN
PAGADOR MAL PAGADOR
NIVEL_EDU_CLI Primaria Recuento 393 18 411 % dentro de NIVEL_EDU_CLI 95,6% 4,4% 100,0% Secundaria Recuento 1760 109 1869 % dentro de NIVEL_EDU_CLI 94,2% 5,8% 100,0% Técnico, Superior Recuento 9753 707 10460 % dentro de NIVEL_EDU_CLI 93,2% 6,8% 100,0% Total Recuento 11906 834 12740 % dentro de NIVEL_EDU_CLI 93,5% 6,5% 100,0% Elaboración: Propia. Salida de resultados de SPSS 22.
Tabla N° 11:Pruebas de chi-cuadrado NIVEL_EDU_CLI * INCUMPLIMIENTO_CLIENTE
Valor gl Sig. asintótica (bilateral)
Chi-cuadrado de Pearson 5,487a 2 ,064
Razón de verosimilitudes 5,926 2 ,052 N de casos válidos 12740
3.2.1.2. Tablas ANOVA
En el anexo N° 3 se detalla la estadística descriptiva de las variables cuantitativas tentativas del modelo las cuales son : Tipo de cambio , Tasa activa en moneda nacional, Tasa de interés, PBI, Ingresos, Egresos, Edad, Cuota , Monto, en la primera columna se detalla el N° de observaciones de la muestra , la media de la variable , su varianza, su error estándar y en la quinta columna el intervalo de confianza al 95%, los limites tanto inferior como superior donde se puede encontrar la media de esta variable y a su vez en las columnas siguientes se muestra su valor máximo y valor mínimo.
En la tabla N° 12 a modo de ejemplo se muestra a la Tasa Activa en Moneda Nacional, la cual tiene una media de 14.75 puntos porcentuales, además tiene una varianza de 0.97 y un error estándar 0.0089, finalmente se establecen el intervalo de confianza al 95% de confianza, en el cual el límite inferior es de 14.74 y un límite superior 14.77, además de un valor mínimo de 14.06 y un máximo 19.61.
Tabla N° 12: Tabla Informativa TAMN* INCUMPLIMIENTO_CLIENTE
TAMN
N Media Desviación típica
Error típico
Intervalo de confianza para la media al 95% Mínimo Máximo Límite inferior Límite superior BUEN PAGADOR 11906 14,759527 ,9737828 ,0089244 14,742034 14,777020 14,0626 19,6167 MAL PAGADOR 834 15,983553 1,2241905 ,0423902 15,900349 16,066757 14,0626 19,6167 Total 12740 14,839655 1,0372244 ,0091894 14,821643 14,857668 14,0626 19,6167 Elaboración: Propia. Salida de resultados de SPSS 22.
En la tabla N° 13 también se detalla el test de Levene el cuál prueba la homogeneidad de varianzas para muestreos repetidos de la variable TAMN, el estadístico es de 29.953 y posee un p-valor de 0.00.
Tabla N° 13: Prueba de Homogeneidad de varianzas
TAMN
Estadístico de
Levene gl1 gl2 Sig.
29,953 1 12738 ,000
Elaboración: Propia. Salida de resultados de SPSS 22.
El análisis de varianza para la variable de Tasa Activa en moneda nacional se muestra en la tabla N° 14 obteniéndose que a nivel de grupos la media cuadrática es de 1167.73 y tiene un F-estadístico de 1186.42 y un p-valor de 0.00 por lo que se establece que alguna de las medias de las muestras de las variables TAMN y INCUMPLIMIENTO_CLIENTE son diferentes. Se concluye por esta razón que la variable Tasa activa en moneda nacional debe mantenerse como candidata para la estimación del modelo.
Tabla N° 14: Tabla ANOVA TAMN
TAMN Suma de cuadrados Gl Media cuadrática F Sig. Entre grupos 1167,733 1 1167,733 1186,425 ,000 Dentro de grupos 12537,320 12738 ,984 Total 13705,054 12739
Elaboración: Propia. Salida de resultados de SPSS 22.
De la misma manera, en la tabla N° 15 se muestran los EGRESOS, los cuales tienen una media de 981.11, además tiene una varianza de 7851.13 y un error estándar 71.95, finalmente esta se establecen el intervalo de confianza al 95% de confianza, en el cual el límite inferior es de 840.07 y un límite superior 1122.15, además de un valor mínimo de 12 y un máximo 600000.
Tabla N° 15:Tabla Informativa EGRESOS* INCUMPLIMIENTO_CLIENTE EGRESOS
N Media Desviación
típica Error típico
Intervalo de confianza para la media al 95% Mínimo Máximo Límite inferior Límite superior BUEN PAGADOR 11906 981,119565 7851,1331293 71,9530822 840,079776 1122,159354 12,0000 600000,0000 MAL PAGADOR 834 724,559520 809,5779635 28,0333922 669,535132 779,583909 13,0000 10270,0000 Total 12740 964,324347 7592,8712830 67,2699839 832,465073 1096,183621 12,0000 600000,0000
Elaboración: Propia. Salida de resultados de SPSS 22.
En la tabla N° 16 también se detalla el test de Levene el cuál prueba la homogeneidad de varianzas para muestreos repetidos de la variable EGRESOS, el estadístico es de 2.447 y posee un p-valor de 0.118.
Tabla N° 16:Prueba de Homogeneidad de Varianzas
EGRESOS
Estadístico de
Levene gl1 gl2 Sig.
2,447 1 12738 ,118
Elaboración: Propia. Salida de resultados de SPSS 22.
El análisis de varianza para la variable de EGRESOS se muestra en la tabla N° 17