Página 1

1.- RESUMEN

El presente documento trata de llegar a conocer el nivel de bancarización y su evolución que existe
en Bolivia, así mismo el impacto que provoca en la economía boliviana.

Ya que un buen funcionamiento del sector financiero favorece al desarrollo económico, debido a
que, entre otros aspectos, canaliza mejor el ahorro hacia la inversión, facilita una distribución
temporal del gasto más acorde con las preferencias de los agentes, permite la diversificación de
riesgos y de esta manera, atrae mayores recursos para la financiación de proyectos de inversión y de
gasto. (Chulver, 2012)

Para ello se precisaron datos de series de tiempo que permitan medir la variable “cartera de crédito
respecto al PIB” a través de las variables explicativas como son: números de puntos de atención
financiera, número de prestatarios, tasa de interés activa, cartera de crédito y nivel de pobreza.
Comprendidos entre las gestiones 2006 a 2016.

Además, se afirma que una mayor bancarización permite mejorar el desarrollo social y económico
de un país a través de los diferentes productos y servicios que brindan y que facilitan las transacciones
de las personas en los diferentes medios.
 Página 2

2.- INTRODUCCION

La presente investigación se refiere a la bancarización en Bolivia, fenómeno asociado al alcance de

los puntos de atención de servicios financieros en una localidad y a la participación de los
intermediarios financieros en las actividades económicas y sociales de la población en general.
(ASFI, 2009)

La realización de este trabajo surgió a raíz de conocer y tratar de comprender las variables que
influyen sobre la cartera de crédito con respecto al PIB con el propósito de medir el nivel de la
bancarización en Bolivia, elaborando un modelo econométrico y haciendo un análisis respectivo
sobre las variables explicativas, dando a conocer cual o cuales son las variables más significativas
de este modelo.

El interés del presente estudio trata no solo de conocer el nivel de bancarización que existe en Bolivia,
así también en la importancia que involucra a las personas para realizar diferentes transacciones
reduciendo los costos de desplazamiento.

El trabajo se divide en las siguientes partes: en primer lugar, el marco teórico que comprende el
concepto de la bancarización, el objetivo general y los objetivos específicos, el motivo de la elección
del tema, fuentes de informaciones, metodología, en segundo lugar, especificación del modelo, tercer
lugar definición de las variables, cuarto lugar análisis de las variables a través del instrumental
econométrico, quinto lugar conclusión y recomendación.
 Página 3

3.- MARCO TEORICO.

CONCEPTO DE LA BANCARIZACION.

Grado en el que los habitantes de un determinado país hacen uso de los productos y servicios
financieros ofrecidos por las entidades financieras.

OBJETIVO GENERAL.

Conocer el nivel de bancarización que existe en Bolivia a través de las variables explicativas que
permitan estimar dicha variable.

OBJETIVOS ESPECICOS.

 Definir las variables explicativas del modelo.

 Establecer el nivel de significación.
 Analizar el nivel de explicación de las variables de manera individual y grupal a través de la
prueba de hipótesis.
 Realizar la estimación del modelo para tener una mejor argumentación respecto al tema de
estudio.

MOTIVO DE LA ELECCION DEL TEMA.

Como mencionamos anteriormente, la bancarización es un factor que permite mejorar el crecimiento

económico de un determinado país. Debido a que gracias a los diferentes servicios que prestan, las
personas tienden a tener mejores condiciones de vida de tal modo que puedan tomar mejores
decisiones, en el sentido de que puedan ahorrar parte de su dinero a y obtener u rendimiento a una
determinada tasa de interés (pasiva) y realizar proyectos de inversiones con la facilidad de acceder a
los créditos de acuerdo a sus necesidades de igual modo a una tasa de interés (activa) acordada, es
por tal motivo y además por la falta de información actualizada respecto al tema se decidió realizar
un estudio que permita medir en nivel de bancarización que existe en Bolivia.
 Página 4

FUENTES DE INFORMACION

Para el presente trabajo de investigación se utilizó datos de series de tiempo constituyéndose en

fuente secundarias, tal información se recopilo en intervalos anuales, desde el 2006 al 2016, siendo
de naturaleza no experimental.
Los datos obtenidos para realizar el análisis provienen en su mayoría de internet de los sitios web
oficial de la Autoridad de Supervisión Del Sistema Financiero (ASFI), Banco central de Bolivia
(BCB), Instituto nacional De Estadística (INE).

METODOLOGIA

En la presente investigación, se empleará una metodología con un enfoque cuantitativo dada la

finalidad del estudio, así como la naturaleza de los datos y el método a emplearse para el análisis de
los mismos, (Hernandez Sampieri, Fernandez Collado, & Baptista Lucio, 2010) afirma que en el
enfoque cuantitativo se emplean datos de naturaleza numérica que son analizados estadísticamente
con el fin de describir variables y explicar sus cambios y movimientos. Para la redacción del trabajo
de investigación se empleara el programa Microsoft® Word aplicando las normas APA, para la
estimación del modelo econométrico las herramientas que se utilizaran son programa Econometrics
EViews 9.0, así como Microsoft® Excel los cuales nos proporcionaran datos y los cálculos
necesarios para llevar a cabo nuestros propósitos en cuanto al modelo, y luego procederemos a
utilizar el método de estimación estudiado M.C.O. (Mínimos Cuadrados Ordinarios) a través del cual
podremos obtener información sobre el efecto de las variables explicativas sobre la variable
dependiente, por ultimo para la redacción documento se recurrió a la revisión de la literatura primaria
a través de papers , pagina oficial de la ASFI Bolivia e enciclopedia libre

4.- ESPECIFICACION DEL MODELO.

Para el estudio de la bancarización se utilizará el modelo de regresión múltiple debido a que para
explicar la bancarización se está utilizando más de dos variables regresoras o explicativas

FORMA FUNCIONAL
𝒀𝒊 = 𝜷𝟏 + 𝜷𝟐 𝑿𝟐 + 𝜷𝟑 𝑿𝟑 + 𝜷𝟒 𝑿𝟒 + 𝜷𝟓 𝑿𝟓 + 𝜷𝟔 𝑿𝟔 + 𝑼𝒊
 Página 5

Dónde:
Yi = Variable dependiente
X = Variable independiente o explicativa
Ui = Termino de perturbación o Error

5.- DEFINICION DE LAS VARIABLES.

Cabe destacar que existen varios estudios que han tratado de medir el nivel de bancarización que
existe en la economía de un determinado país. Considerando la revisión de la literatura realizada para
el presente trabajo de investigación y teniendo muy en cuenta el objeto de estudio se debe tener en
claro que el tipo de medidas que se incluye en la mayoría de investigaciones empíricas acerca de
bancarización incluye el volumen de depósitos o créditos como proporción de alguna variable o
escala de nivel macroeconómico como lo puede ser el PIB, la población o los activos bancarios en
su totalidad (Vera et al., 2012).
Sin embargo se considera apropiado usar razones como el número de créditos sobre PIB como un
ratio proxy de bancarización y desarrollo financiero tanto por su fácil recolección de información,
como por su análisis de series estadísticas extensas a lo largo del tiempo. (levine, 2008).
Por otro lado confirmamos lo dicho anteriormente con los que dice (Burneo, 2009) quien hace
referencia a que ratios tales como el crédito privado con respecto al PIB refleja de mejor manera el
acceso de los individuos al sistema financiero, y considera que este tipo de cocientes son apropiados
para medir la bancarización en países en vías de desarrollo, donde el ahorro y el crédito son elementos
fundamentales de la intermediación financiera.
Analizadas las literaturas anteriores se llegó a la conclusión de que para este trabajo se de igual forma
se tomará en cuenta la cartera de crédito en Bolivia con respecto al PIB, como la variable que
permitirá medir el nivel de bancarización.
Para medir esta variable se precisan otras variables que permitan explicar el nivel de bancarización
como ser:
Puntos de atención financiera (P.A.F), numero de prestatarios (NP), tasa de interés activa (T.I.A),
cartera de crédito (C.C) y el nivel de pobreza (NP) cabe mencionar que las 4 primeras variables
mencionadas anteriormente son tomadas en cuenta a través de la autoridad de supervisión del sistema
financiero (ASFI), mientras que el nivel de pobreza se debe tomar en cuenta según (Alejandra ,
 Página 6

Emilio , Pedro, & Máximo , Octubre-Diciembre 2010) a continuación, se describen cada una de las
variables:

X2. PUNTOS DE ATENCION FINANCIERA.

La primera variable explicativa que se utiliza para explicar la bancarización son los puntos de
atención financieros. Para efecto de este trabajo de investigación se entenderá por punto a de atención
financiera a las oficinas de una entidad supervisada que cuenta con las condiciones necesarias para
operaciones de intermediación financiera o servicios financieros (AUTORIDAD DE
SUPERVICION DEL SISTEMA FINANCIERO , 21 0CTUBRE 2010) cabe destacar que los puntos
de atención financieros autorizados para la otorgación de servicios de crédito según (ASFI,
2009)están conformados por los oficinas centrales, sucursales y agencias.
Por otro lado (LARA, 2012) dice que el régimen de oficinas (punto de atención financiera en
nuestro caso) son concebido como un elemento de enorme trascendencia porque resultaban
necesarios para asegurar un adecuado servicio al cliente, además (Chulver, 2012) señala que
indicadores radiales de bancarización son instrumentos que proponen el establecimiento de puntos
de atención financiera (PAF) de acceso óptimo, tienen por objeto mejorar la cobertura, creando
mayor inclusión de la población en el sistema financiero, lo cual generara desarrollo económico del
País. Por tales motivos se introdujo la variable “puntos de atención financiera “para explicar el índice
bancarización en el país.

X3. NUMERO DE PRESTATARIOS.

La variable número de prestatario es una variable cuantitativa que se define como el número de
personas ya sea naturales o jurídicas que toman crédito de las entidades supervisadas por autoridad
de supervisión del sistema financiero (ASFI), para efecto de estudio de esta variable se tomó como
referencia lo que dice (Mejía, Cardona Orozco, & Rincón Barreño, Septiembre 2015) que el acceso
por parte de los habitantes a servicios como las cuentas de ahorro y al crédito, han sido determinantes
en la evolución de la bancarización para constrastar la anterior afirmación señalamos que el estudio
realizado por la (ASFI, 2009) toma a la variable número de prestatario para explicar la proporción
de clientes que cuentan con créditos de una población potencialmente activa, de tal manera
consideramos que esta variable es de mucha incidencia para explicar la bancarización de un
determinado país.
 Página 7

X4. TASA DE INTERES ACTIVA.

La variable explicativa, tasa de interés activa es una variable cuantitativa y se define como el precio
que se paga por la utilización de dinero o capital ajeno por un periodo determinado, el cual se expresa
como un porcentaje del monto prestado por unidad de tiempo (ASFI).
En general, la literatura económica indica que en la mayoría de los países existen algunos sectores
sociales y regiones geográficas que enfrentan más restricciones para acceder a los servicios bancarios
que otros, esto podría relacionarse con los diferenciales de costos (tasa activa bancaria). (Alejandra
Anastasi, 2010), Siendo un factor determinante en el momento para la toma de decisión en adquirir
un crédito, en teoría a medida que la tasa de interés activa se incrementa la utilización de los servicios
disminuirán y viceversa, por otro lado (Alejandra , Emilio , Pedro, & Máximo , Octubre-Diciembre
2010) indica que los individuos
Pueden verse voluntariamente excluidos cuando las condiciones de precio, costos o formato del
servicio los lleva a no demandar servicios bancarios

X5. CARTERA DE CREDITO.

La variable cartera de crédito es una variable explicativa cuantitativa y se define como: los préstamos
directos otorgados por la entidad financiera originados en la actividad principal de intermediación
financiera, sin considerar el estado actual de recuperación. (ASFI).
Esta variable permite medir la asistencia por parte del público en general en la adquisición de
créditos, en teoría cuanto más elevado sea la cartera de crédito mayor será la participación de las
personas al acudir a una entidad financiera. (mayor bancarización). Tal como lo afirma. (Alejandra
Anastasi, 2010) los indicadores más resaltantes de la bancarización están referidos a la atención al
público, como el monto de depósitos o los créditos. Por su parte, (Alejandra , Emilio , Pedro, &
Máximo , Octubre-Diciembre 2010) bien el acceso a los servicios de crédito es uno de los aspectos
tradicionalmente más enfatizados en parte por su rol en la promoción del crecimiento económico

X6. NIVEL DE POBREZA.

Es una variable explicativa cuantitativa que se define como la situación o condición socioeconómica
de la población que no puede acceder o carece de los recursos para satisfacer las necesidades físicas
psíquicas básicas que permiten un adecuado nivel de calidad de vida tales como la alimentación, la
vivienda, la asistencia sanitaria o el acceso al agua potable. (wikipedia enciclopedia libre, 2017).
 Página 8

Una mayor bancarización se relacionaría con una mejor distribución del ingreso, menores niveles de
pobreza y mayor bienestar económico general. (Alejandra Anastasi, 2010), es decir la bancarización
estaría asociada de manera directa negativa con los niveles de pobreza que exista en un determinado
país ya que las personas debido a la falta de recursos no tendrían la posibilidad de ahorrar aún menos
acceder a un crédito por que no tendrán para pagar las cuotas. Dicho de otra forma, dejarán de hacer
uso de los servicios financieros que ofrece un banco, por otro lado, las áreas que tengan mayores
niveles de ingresos y alta densidad poblacional serán claramente atractivos para la provisión de
servicios financieros.

6.- ESTIMACIÓN DEL MODELO A TRAVÉS DEL EVIEWS 9.0

Cuadro Nro. 1 Fuente: Elaboración Propia.

INTERPRETACION DE LOS BETAS

β1= Si los puntos de atención financiera, numero de prestatarios, la tasa de interés activa, la cartera
de crédito y el nivel de pobreza permanecen constantes o son igual cero; entonces la Bancarización
será de 22.43%.
 Página 9

β2 = Si los números de prestatarios, la tasa de interés activa, la cartera de crédito y el nivel de pobreza
permanecen constantes o son igual cero y los puntos de atención financiera varia en una unidad,
entonces la bancarización se incrementará en 0.0036%.

Con esto resultados concordamos con que estudio de bancarización realizo en argentina el cual
menciona que al ver mayor de agencias, las personas van a acudir a las misma a por la cercanía y
oferta de servicios financieros (Alejandra , Emilio , Pedro, & Máximo , Octubre-Diciembre 2010).

β3 = Si los puntos de atención financiera, la tasa de interés activa, la cartera de crédito y el nivel de
pobreza permanecen constantes o son igual cero y el número de prestatarios varia o se incrementa en
una unidad, entonces la bancarización disminuirá en un - 0.0000291%.

β4 = Si los puntos de atención financiera, número de prestatarios, la cartera de crédito y el nivel de

pobreza permanecen constantes o son igual cero y la tasa de interés activa varia o se incrementa en
un punto, entonces la bancarización se incrementará en 1.88%. en este caso podemos constatar que
el signo de la beta es incorrecto. (Alejandra Anastasi, 2010). Menciona que la tasa de interés es un
factor importante en el momento de la toma de decisión al acceder a un crédito, es decir, a medida
que la tasa de interés activa aumente la posibilidad de acceder a los servicios financieros (créditos)
será menor

β5 = Si los puntos de atención financiera, número de prestatarios, la tasa de interés activa, y el nivel
de pobreza permanecen constantes o son igual cero y la cartera de crédito varia o se incrementa en
un porciento, entonces la bancarización se incrementará en un 0.000424%. (Alejandra Anastasi,
2010). Menciona que a medida que la cartera de crédito se incremente existe mayor atención al
público, por ende, a priori existe mayor bancarización es decir mayor uso de los servicios financieros.

Β6 = Si los puntos de atención financiera, numero de prestatarios, la tasa de interés activa, las carteras
de crédito permanecen constantes o son igual cero y el nivel de pobreza varia o se incrementa en un
por ciento, entonces la bancarización disminuirá en -0.277%. Entonces afirmamos a lo que menciona.
(Hernandez Sampieri, Fernandez Collado, & Baptista Lucio, 2010) quien mencionan que existen
barreras en este caso el nivel de pobreza que impiden la bancarización en las personas, es decir a
medida que el nivel de pobreza aumente en un determinado país menor uso de los servicios
financieros por parte de las personas.

ANALISIS DE SIGNO
 Página 10

β2 = (+)

El signo de beta 2 es correcto porque al incrementarse los puntos de atención financiera lo que se
espera es que la bancarización aumente.

β3 = (-)

El signo de beta 3 no es el correcto porque al incrementarse los números de prestatarios, lo que se

espera en teoría es que la bancarización se incremente.

β4 = (+)

El signo de beta 4 no es el correcto porque al incrementarse la tasa de interés activa lo que se espera
en teoría que la bancarización disminuya.

β5 = (+)

El signo de beta 5 es el correcto porque al incrementarse la cartera de crédito lo que se espera, es que
la bancarización se incremente.

Β6 = (-)

El signo de beta 6 es el correcto porque al incrementase el nivel de pobreza, lo que se espera es que
la bancarización disminuya.

BONDAD DE AJUSTE O COEFICIENTE DE DETERMINACIÓN (R2)

R-squared = 0.9914 = 99.14%

Las variables independientes (Puntos de atención financiera, N° de Prestatarios, Tasa de Interés

Activa, Cartera de crédito y Nivel de pobreza) estimadas en el modelo explican en forma conjunta el
comportamiento de la variable dependiente (Bancarización) en un 99.14%. Y el restante 0.86%
explicaran otras variables que no están dentro de nuestro modelo econométrico, este hecho se
respalda con lo obtenido por (Alejandra , Emilio , Pedro, & Máximo , Octubre-Diciembre 2010)
donde los servicios bancarios se refleja en la evidencia presenta una correlación positiva entre
desarrollo económico y profundidad financiera
 Página 11

TEST DE HIPOTESIS

TEST DE HIPOTESIS INDIVIDUAL

𝐑𝐞𝐠𝐥𝐚 𝐝𝐞 𝐃𝐞𝐜𝐢𝐬𝐢ó𝐧

𝐸𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜 "𝑡" > 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 Se rechaza la H0

𝐸𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜 "𝑡" < 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 Se Acepta la H0

β2 1.148478 > 0.3027 Se rechaza la H0

Se rechaza la hipótesis nula concluyendo que β2 es un parámetro estadísticamente significativo

debido que las variaciones en la bancarización son generadas por cambios o variaciones en los puntos
de atención financiera.

β3 -2.787393 < 0.0386 Se Acepta la H0

Se acepta la hipótesis nula concluyendo que β3 no es un parámetro estadísticamente significativo

debido que las variaciones en la bancarización no son generadas por cambios o variaciones en los
números de prestatarios.

β4 2.271734 > 0.0723 Se rechaza la H0

Se rechaza la hipótesis nula concluyendo que β4 es un parámetro estadísticamente significativo

debido que las variaciones en la bancarización son generadas por cambios o variaciones en la tasa de
interés activa.

β5 8.362567 > 0.0004 Se rechaza la H0

Se rechaza la hipótesis nula concluyendo que β5 es un parámetro estadísticamente significativo

debido que las variaciones en la bancarización son generadas por cambios o variaciones en la cartera
de crédito.

β6 -1.171977 < 0.2940 Se Acepta la H0

Se acepta la hipótesis nula concluyendo que β6 no es un parámetro estadísticamente significativo

debido que las variaciones en la bancarización no son generadas por cambios o variaciones en el
nivel de pobreza.
 Página 12

TEST DE HIPÓTESIS GLOBAL

𝑹𝒆𝒈𝒍𝒂 𝒅𝒆 𝑫𝒆𝒄𝒊𝒔𝒊ó𝒏
Estadistico "F" > Probabilidad Se rechaza la H0
Estadistico "F" < Probabilidad Se Acepta la H0

𝟏𝟏𝟓. 𝟓𝟒𝟔𝟎 > 𝟎. 𝟎𝟎𝟎𝟎𝟑𝟕 Se rechaza la H0

Se Concluyó que en forma conjunta todas las variables son estadísticamente significativas para el
modelo y que ayuda a explicar el comportamiento de la Bancarización.

MATRIZ DE CORRELACION.

Cuadro Nro. 3 Fuente: Elaboración Propia

La matriz de correlaciones nos permite ver la relación de entre las variables y posibles problemas de
multicolinealidad que podrían surgir en el modelo, en nuestro caso podemos ver que las correlaciones
son muy altas.
 Página 13

INTERVALOS DE CONFIANZA

Cuadro Nro. 4 Fuente: Elaboración Propia.

Β1 = 𝑪 ( −𝟏𝟏. 𝟔𝟕𝟗𝟒𝟗 ≤ 𝛃𝟏 ≤ 𝟓𝟔. 𝟓𝟒𝟔𝟐𝟔) = 𝟎. 𝟗𝟓

INTERPRETACION

El intervalo de confianza de B1 nos indica que el verdadero valor poblacional de B1 se encuentra

entre-11.67949 y 56.54626 %, con una probabilidad de ocurrencia del 95%.

Β2 = 𝑪 (−𝟎. 𝟎𝟎𝟒𝟒𝟖𝟕 ≤ 𝛃𝟐 ≤ 𝟎. 𝟎𝟏𝟏𝟕𝟑𝟑) = 𝟎. 𝟗𝟓

INTERPRETACION

El intervalo de confianza de B2 nos indica que el verdadero valor poblacional de B2 se encuentra

entre —0.004487 y 0.011733 unidades, con una probabilidad de ocurrencia del 95%.

β3 = 𝑪 ( −𝟎. 𝟎𝟎𝟎𝟎𝟓𝟓𝟗 ≤ 𝛃𝟑 ≤ −𝐎. 𝐎𝐎𝐎𝐎𝐎𝟐𝟐𝟔) = 𝟎. 𝟗𝟓

INTERPRETACION

El intervalo de confianza de B3 nos indica que el verdadero valor poblacional de B3 se encuentra

entre —0.0000559 y 0.00000226 unidades, con una probabilidad de ocurrencia del 95%.
 Página 14

β4 = 𝑪 (−𝟎. 𝟐𝟒𝟕𝟗𝟔𝟏 ≤ 𝛃𝟒 ≤ 𝟒. 𝟎𝟏𝟕𝟕𝟕𝟑) = 𝟎. 𝟗𝟓

INTERPRETACION

El intervalo de confianza de B4 nos indica que el verdadero valor poblacional de B4 se encuentra

entre —0.247961 y 0.017773 %, con una probabilidad de 95%.

β5 = 𝑪 (𝟎. 𝟎𝟎𝟎𝟐𝟗𝟒 ≤ 𝛃𝟓 ≤ 𝟎. 𝟎𝟎𝟎𝟓𝟓𝟓) = 𝟎. 𝟗𝟓

INTERPRETACION

El intervalo de confianza de B5 nos indica que el verdadero valor poblacional de B5 se encuentra

entre 0.000294 y 0.000555 %, con una probabilidad de ocurrencia del 95%.

Β6 = 𝑪 (−𝟎. 𝟖𝟖𝟓𝟖𝟕𝟏 ≤ 𝛃𝟔 ≤ 𝟎. 𝟑𝟑𝟏𝟎𝟓𝟐) = 𝟎. 𝟗𝟓

INTERPRETACION

El intervalo de confianza de B6 nos indica que el verdadero valor poblacional de B6 se encuentra

entre -0.885871 y 0.331052 %, con una probabilidad de ocurrencia del 95%

7.- ANÁLISIS DE MULTICOLINEALIDAD

7.1.-1er. SINTOMA

“Un Coeficiente De Determinación Relativamente Alto, Donde Los “T” Son Poco Significativos Y
“F” Sea Representativa”.

 Coeficiente de Determinación (R2)

R-squared = 0.9914 = (99,14%)

 Página 15

 Modelo con “t” poco significativos

TEST INDIVIDUAL

𝐑𝐞𝐠𝐥𝐚 𝐝𝐞 𝐃𝐞𝐜𝐢𝐬𝐢ó𝐧
P value > Nivel de significación Se acepta la H0
P value < Nivel de significación Se rechaza la H0

B2 0,3027 > 0.05 Aceptamos la H0

B3 0,0386 < 0.05 Rechazamos la H0
B4 0,0723 > 0.05 Aceptamos la H0
B5 0,0004 < 0.05 Rechazamos la H0
B6 0,2940 > 0.05 Aceptamos la H0
Cuadro Nro. 5 Fuente: Elaboración Propia

 Modelo con la “F” significativa

TEST GLOBAL

𝑹𝒆𝒈𝒍𝒂 𝒅𝒆 𝑫𝒆𝒄𝒊𝒔𝒊ó𝒏
𝑷𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 > 𝑵𝒊𝒗𝒆𝒍 𝒅𝒆 𝒔𝒊𝒈𝒏𝒊𝒇𝒊𝒄𝒂𝒄𝒊ó𝒏 Se acepta la H0
𝑷𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 < 𝑵𝒊𝒗𝒆𝒍 𝒅𝒆 𝒔𝒊𝒈𝒏𝒊𝒇𝒊𝒄𝒂𝒄𝒊ó𝒏 Se rechaza la H0

𝟎. 𝟎𝟎𝟎𝟎𝟑𝟕 < 𝟎. 𝟎𝟓 Se rechaza la H0

CONCLUSION:

El síntoma 1 se cumple de manera perfecta porque se tiene el R^2 igual a 99.14%; los test
individuales de los parámetros la mayoría de las variables no son estadísticamente significativos, en
la prueba de hipótesis global todos los parámetros son estadísticamente significativo para el modelo,
esto es un indicio de multicolinealidad.
 Página 16

7.2.-2do. SINTOMA

“Los Errores Estándar Son Muy Altos O No Son Significativos”

𝑆𝑡𝑑. 𝐸𝑟𝑟𝑜𝑟 > 1 Error muy Grande

𝑆𝑡𝑑. 𝐸𝑟𝑟𝑜𝑟
𝐶𝑉 = >1
𝛽𝑖

B2 0.8644 > 1

B3 -0.3570 < 1

B4 0.4374 < 1

B5 0,1192 < 1

B6 -0.8463 > 1

El síntoma 2 no se cumple de manera perfecta porque todos los errores estándares del parámetro no
son significativos. Lo que nos indica que puede que este modelo no presente problemas de
multicolinealidad.

7.3.-3er. SINTOMA

“Los Parámetros Son Indeterminados”

No se cumple este síntoma porque los parámetros son determinados, es decir que los valores de las
betas si se pueden calcular.

7.4.-4to. SINTOMA

“Pequeños Cambios En Los Datos Pueden Producir Grandes Cambios En Los Parámetros”

El modelo sufre grandes cambios en los Betas o parámetros al quitar una observación del modelo, lo
que nos dice que este síntoma si se cumple y por lo tanto pueden que exista problema de
multicolinealidad.
 Página 17

En la imagen siguiente podremos observar esos grandes cambios que sufren los parámetros o beta

Cuadro Nro. 6 Fuente: Elaboración Propia

7.5.- 5to SINTOMA

“Los Coeficientes Pueden Tener Signo Opuesto Al Esperado O Una Magnitud Poco Creíble”

El síntoma 5 se cumple porque en los parámetros (B2, B5, B6) los signos esperados son el correcto
y no así (B3 y B4) porque es opuesto al esperado, dado a que si se tiene uno o más variables con
signos opuestos indica que se cumple el síntoma 5.

7.6.-CONCLUSIÓN GENERAL

Luego de analizar los 5 síntomas se llegó a la conclusión de que existe problemas de

multicolinealidad imperfecta porque la mayoría de los síntomas se cumple.
En la realización del modelo medimos la bancarización mediante el índice de la cartera de crédito
con respecto al PIB con el cual llegamos a la conclusión que la variables que mayor explica a la
bancarización es la tasa de interés activa de las entidades de intermediación financiera (Alejandra ,
Emilio , Pedro, & Máximo , Octubre-Diciembre 2010) la cual se constituye en un costo, y en la
 Página 18

medida que este costo disminuya va aumentar la bancarización debido a que las personas van a acudir
más a las entidades financieras para adquirir el servicios, por otro lado confirmamos lo dicho por
(fuente) que a el nivel de pobreza en un país aumente, estas se van a ver limitadas para adquirir
servicios financieros, por lo tanto es importante que las entidades relacionadas tanto el ente
regulador, como el gobierno tomen medidas para que toda la población Bolivia pueda adquirir por
lo menos un servicio financieros.

7.7.-CORRECION DEL PROBLEMA

Luego de aplicar el método de corrección se llegó a la conclusión de que las variables eliminadas y
causantes del problema de multicolinealidad imperfecta fueron (Puntos de atención financiera,
Numero de prestatarios, Tasa de interés activa y nivel de pobreza). Por lo tanto, el modelo queda
corregido.
Nueva función de regresión:
Bancarizacion = 21,84515 + 0,000243 (cartera de credito)

8.-FACTOR DE INFLACION DE LA VARIANZA

Cuadro Nro. 7 Fuente: Elaboración Propia

 Página 19

INTERPRETACION
En conclusión, podemos señalar que la intensidad de la multicolinealidad en el modelo econométrico
bancarización es insignificativo en todas las variables (<10), es decir la multicolinealidad es muy
baja.

9.-ANALISIS DE HETEROSCEDASTICIDAD

9.1.-PLANTEAMIENTO DE LA HIPÓTESIS

2 2
𝐻0 = ∄ 𝐻𝑒𝑡𝑒𝑟𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑 𝜎𝑢𝑖 ≈ 𝜎𝑢𝑖 (Las varianzas del error son constantes)
2 2
𝐻𝑖 = ∃ 𝐻𝑒𝑡𝑒𝑟𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑 𝜎𝑢𝑖 ≠ 𝜎𝑢𝑖 (Las varianzas del error no son constantes)

9.2.-DEFINIR EL NIVEL DE SIGNIFICACIÓN

Para esta prueba utilizaremos un nivel de significación del 5% (0.05)

9.3.-REGLA DE DECISIÓN

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 > 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 Se acepta la H0

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 < 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 Se rechaza la H0

9.4.-DESARROLLO Y CONCLUSIONES

Ya que contamos con pocas observaciones y muchas variables, hacemos el test de White sin cruzar
(White Heteroskedasticity – no cross terms)

𝟎. 𝟒𝟓𝟓𝟑 > 𝟎. 𝟎𝟓 Aceptamos la H0

• Se acepta la hipótesis nula lo cual nos indica que las varianzas del error son constantes es
decir que son iguales y no existe Heteroscedasticidad.
 Página 20

10.-ANÁLISIS DE AUTOCORRELACIÓN

10.1.-TEST DE DURBIN-WATSON

 valor comprendido entre 0 y 4

Durbin-Watson stat

∃ 𝐴𝑢𝑡𝑜 + ∄ 𝐴𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛 ∄ 𝐴𝑢𝑡𝑜 −

0 𝐷𝑢𝑑𝑎 𝐷𝑢𝑑𝑎 4
2.57517
9

En este caso el estadístico de Durbin-Watson cae en la región de duda, por lo tanto no se

puede identificar si existe o no existe auto correlación, dado que se utilizara otro tipo de test.

10.2.-ANALISIS DEL GRAFICO DE RESIDUOS

Cuadro Nro. 8 Fuente Elaboración Propia

 Página 21

La grafica indica que no existe auto correlación.

10.3.-CORRELOGRAM-Q-STATISTICS

Cuadro Nro. 9 Fuente: Elaboración Propia

El presente grafico nos indica que no existe auto correlación, debido a que no presenta en forma de
tornado ni descendente, por tanto su p value no es estadísticamente significativo.

10.4.-TEST DE CORRELACION SERIAL LM

1. PLANTEAMIENTO DE LA HIPÓTESIS

𝐻0 = ∄ 𝐴𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛 𝐶𝑂𝑉𝑢𝑖,𝑢𝑗 = 0 (Los errores no están asociados)

𝐻𝑖 = ∃ 𝐴𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛 𝐶𝑂𝑉𝑢𝑖,𝑢𝑗 ≠ 0 (Los errores si están asociados)

2. DEFINIR EL NIVEL DE SIGNIFICACIÓN

Para esta prueba utilizaremos un nivel de significación del 5% (0.05)

 Página 22

3. REGLA DE DECISION

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 > 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 Se acepta la H0

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 < 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 Se rechaza la H0

𝟎. 𝟎𝟐𝟐𝟒 < 𝟎. 𝟎𝟓 Rechazamos la H0

10.5.-CONCLUSION

Se rechaza la hipótesis nula Con esta prueba concluimos que si existe problemas de auto correlación.
Por lo tanto, aplicaremos el método de corrección.

10.6.-MÉTODO DE CORRECCIÓN

El método de corrección consiste en la utilización de un término auto-regresivo de primer orden

“AR(1)” con el fin de quebrar la relación entre el termino error y el cambio sistemático.

Luego de haber introducido el término a la ecuación de regresión vemos cómo cambia la gráfica de
residuos de la siguiente manera:
 Página 23

Ahora vamos a revisar la prueba nuevamente vemos que la probabilidad a cambiado:

𝟎, 𝟎𝟎𝟒 < 𝟎. 𝟎𝟓 rechazamos la H0

Se concluye que aun con el método de corrección AR(2), no se pudo solucionar el problema de auto
correlación.
 Página 24

11.- CONCLUSIONES

11.1.- CONCLUSIONES DEL MODELO

Concluimos que el modelo que hemos estudiado tiene problema de multicolinealidad, también de
auto correlación y no así de heterocedasticidad.
Dado que existe problema de multicolinealidad, debido a que las variables no están correlacionadas
entre sí.

Debido a que no se presenta problemas de heterocedasticidad en el modelo econométrico, ya que

mediante el planteamiento de hipótesis pudimos verificar que no tiene este problema de
heterocedasticidad.

Con el test LM se pudo determinar que, si existe problema de multicolinealidad, por tanto, se recurrió
al método de corrección y concluimos que aun así no se pudo solucionar el problema de auto
correlación.

Con respecto al análisis del modelo econométrico podemos evidenciar que no todas las variables
regresoras explican de manera significativa la bancarización.

12.- JUICIO SOBRE LA EXPERIENCIA PERSONAL

Para la realización de este trabajo, nos ha llegado a descubrir la importancia de la aplicación de la

econometría en nuestro ámbito de especialización (finanzas).

De acuerdo con la revisión de la literatura, nos dio a conocer que existen otras variables que explicar
significativamente a la bancarización como ser: la educación financiera, el nivel de estudio en
Bolivia, los aspectos legales en la regulación del sistema financiero, pero por falta de la información
de datos no se ha tomado en cuenta para la realización de este modelo econométrico, lo cual
explicarían mejor la variable dependiente. Este hecho nos ha llevado a tener experiencia sobre las
dificultades que se presentan al realizar un modelo econométrico en la vida profesional.
 Página 25