PROBABILIDAD DE INCURRIR EN MORA DE LOS USUARIOS DE UNA

I

PROBABILIDAD DE INCURRIR EN MORA DE LOS USUARIOS DE UNA

TARJETA DE CRÉDITO MARCA PROPIA EN CALI

SHIRLEY PATRICIA SARRIA ALMEIDA

UNIVERSIDAD DEL VALLE

FACULTAD DE CIENCIAS SOCIALES Y ECONÓMICAS

PROGRAMA ACADÉMICO DE ECONOMÍA

SANTIAGO DE CALI

2013

II

Probabilidad de Incurrir en Mora de los Usuarios de Una Tarjeta de Crédito Marca

Propia en Cali

Shirley Patricia Sarria Almeida

Trabajo de Grado para optar el Título de

Economista

Director

Inés María Ulloa

Economista

Universidad del Valle

Facultad de Ciencias Sociales y Económicas

Programa Académico de Economía

Santiago de Cali

2013

III

Probabilidad de Incurrir en Mora de los Usuarios de Una Tarjeta de Crédito Marca

Propia en Cali

Shirley Patricia Sarria Almeida

Descriptores:

Crédito de consumo

Racionamiento de crédito

Factores determinantes de la morosidad

Modelos de elección discreta

Universidad del Valle

Facultad de Ciencias Sociales y Económicas

Programa Académico de Economía

Santiago de Cali

2013

IV

TABLA DE CONTENIDO

RESUMEN........................................................................................................................................1

INTRODUCCIÓN............................................................................................................................2

1. MARCO TEÓRICO .................................................................................................................5

2. REVISIÓN DE LA LITERATURA .........................................................................................8

3. ASPECTOS METODOLÓGICOS ........................................................................................ 12

3.1 Conformación de la Base de Datos ........................................................................ 12

3.2 Modelos de Elección Discreta ................................................................................ 13

3.2.1 Modelos Logit ....................................................................................................... 14

3.2.2 Modelos Probit ..................................................................................................... 14

3.2 Variables Incluidas en el Estudio ........................................................................... 15

3.4 Análisis Descriptivo de la Base de Datos .............................................................. 16

3.5 Morosidad de los Usuarios de la Tarjeta de Crédito Marca Propia en la Ciudad de

Cali ........................................................................................................................ 18

4. RESULTADOS DE LA ESTIMACIÓN DE LOS MODELOS DE ELECCIÓN

DISCRETA ............................................................................................................................. 22

CONCLUSIONES ......................................................................................................................... 29

REFERENCIAS BIBLIOGRÁFICAS .......................................................................................... 31

A N E X O S ..................................................................................................................................... 33

V

LISTA DE GRÁFICOS

Gráfico 1. Porcentaje de Morosidad de los Usuarios de la Tarjeta de Crédito en el Periodo 2008-

2012. En la Ciudad de Cali.........................………………………………………………………...18

Gráfico 2. Porcentaje de Morosidad de los Usuarios de la Tarjeta de Crédito en el Periodo 2008-

2012 (Discriminado). En la Ciudad de Cali……………………………………………………..19

LISTA DE TABLAS

Tabla 1. Distribución de la Base de Datos Filtrada para la Ciudad de Cali.………………………..12

Tabla 2. Descripción de las Variables Utilizadas en el Estudio…………………………………..15

Tabla 3. Características Socioeconómicas de los Usuarios de la Tarjeta de Crédito en el Periodo

2008-2012. En la Ciudad de Cali. .........………………………………………………………..18

Tabla 4. Características Socioeconómicas de los Usuarios de la Tarjeta de Crédito Asociados a la

Morosidad en el Periodo 2008-2012 en la Ciudad de Cali ............................................................... 20

Tabla 5. Resultados de los Modelos de Elección Discreta para la Decisión de Incurrir en Mora de

los Usuarios de la Tarjeta de Crédito en la Ciudad de Cali, en el Periodo 2008-2012 ...................... 24

Tabla 6. Efectos Marginales del Mejor de los modelos de Elección Discreta para Determinar la

Probabilidad de Incurrir en Mora de los Usuarios de la Tarjeta de crédito, en el Periodo 2008-

2012……………….................................................................................................................27

Tabla 7. Medidas de Bondad de Ajuste de los Modelos de Elección Discreta ……………………28

1

RESUMEN

En este trabajo de grado se buscan identificar las principales características de un usuario

de la tarjeta de crédito marca propia que inciden en que se incurra en mora en el periodo

2008-2012. Para ello, se utilizó la información suministrada por los clientes para solicitar

una tarjeta de crédito marca propia de una compañía de financiamiento comercial en la

ciudad de Cali. Con estos datos se estimó un modelo de elección discreta (probit). El

principal resultado es que el perfil ocupacional de los titulares incide para incurrir en mora,

es decir que las personas con ocupaciones más estables caen en menor proporción en mora.

Por otra parte, la edad y la calificación de riesgo Scoring, a pesar de ser relevantes

(significativas) para explicar la morosidad, no tienen un impacto considerable sobre la

probabilidad de incurrir en mora.

2

INTRODUCCIÓN

No todos los hogares tienen la posibilidad de utilizar sus recursos para cubrir sus

necesidades de consumo, ya que las diferentes obligaciones que adquieren como son el

sostenimiento del hogar (alimentación, educación, vivienda, etc.) traen consigo que el

disfrute de ciertos bienes no sea el deseado. En este sentido, el sistema financiero desarrollo

alternativas de recursos (prestamos), es decir, que brindan alternativas para que las personas

puedan acceder a bienes a los cuales con su ingreso permanente no pueden hacerlo. Dentro

de las innovaciones que han tenido los diferentes empresarios en Colombia es la llegada de

diferentes tarjetas de crédito (marcas propias) que utilizan algunas cadenas comerciales

para impulsar de una manera efectiva sus productos y aumentar las ventas con descuentos

especiales y promociones que motivan directamente al tarjetahabiente. Según información

de la Superintendencia Financiera de Colombia1 en Septiembre de 2013, entre las

principales tarjetas de este tipo están: la Tarjeta ÉXITO y Fallabela que abarcan

aproximadamente el 40% del mercado de tarjetas de crédito marca y con una proporción de

participación menor están almacenes como La 14, Olímpica y Carrefour.

La intermediación financiera es clave para el desarrollo y cada vez presenta financiaciones

y ampliación de su margen de acción, un ejemplo de ello, son las tarjetas marca propia que

se dirigen a muchos sectores poblacionales en especial los estratos medios, medios bajo s y

bajos Aldana, Rios y Herrera (2012), los cuales son grupos de población heterogénea y

susceptible al riesgo de no pago de las obligaciones adquiridas. En este sentido, se tiene la

necesidad de analizar los factores que pueden incidir en este fenómeno.

Dadas las restricciones en la información, el acceso al crédito está restringido en algunas

entidades para personas con perfiles considerados no buenos y de alto riesgo. No obstante,

debido a la facilidad y los bajos requisitos que piden las compañías de financiamiento para

acceder tarjetas marca propia, se ha permitido que la brecha del racionamiento de crédito se

reduzca. Según Beck (2004) una mayor profundización financiera promueve el crecimiento

económico, el incremento en el acceso de los grupos poblacionales de menor ingreso a los

servicios financieros contribuye a la disminución de la pobreza y a una mejora en la

distribución del ingreso.

Con el propósito de mitigar las posibilidades de no pago por parte de los usuarios de las

entidades financieras, éstas utilizan diferentes metodologías basadas en características

1 www.superfinanciera.gov.co

http://www.superfinanciera.gov.co/

3

socioeconómicas como el modelo de valoración de riesgo Scoring, el cual puede ser

estándar o diseñado para determinada entidad.

De acuerdo, a todo lo anterior es que surge la necesidad de analizar cuáles son las

características de los usuarios de una tarjeta de crédito marca propia inciden en la

probabilidad de que un cliente incurra en mora en la ciudad de Cali. Se escogió esta ciudad,

ya que es donde la entidad financiera tiene el mayor número de tarjetahabientes y es donde

existe mayor presencia de los almacenes de cadena que usan principalmente la tarjeta de

crédito marca propia de La 14.

Es por ello que este trabajo tiene como interrogante central analizar ¿Cuáles son las

principales características de un usuario de esta tarjeta de crédito marca propia que inciden

en que incurra en mora en el periodo 2008-2012? y preguntas específicas como ¿Cuál es la

efectividad del modelo scoring de selección de cliente sobre el fenómeno de incurrir en

mora? ¿Son clientes de los estratos socioeconómico más bajos son quienes presentan mayor

probabilidad de no pago? ¿Cuáles características deben identificarse como señal de alerta

para los analistas de crédito de la entidad financiera?

En este sentido, este trabajo tiene como objetivo central identificar las principales

características de un usuario de la tarjeta de crédito marca propia que inciden en que se

incurra en mora en el periodo 2008-2012. Los objetivos específicos son corroborar la

importancia del modelo scoring de selección de cliente sobre el fenómeno de incurrir en

mora; determinar si los clientes de los estratos socioeconómico más bajos son quienes

presentan mayor probabilidad de no pago y seleccionar cuáles características deben

identificarse como señal de alerta para los analistas de crédito de la entidad financiera.

Para dar cumplimiento con los objetivos se utilizó la base de datos sin las variables de

identificación personal del cliente, suministrada por la compañía de financiamiento Giros y

Finanzas S.A. En ella se recopila la información socioeconómica suministrada por el titular

de la tarjeta de crédito al momento de solicitarla, datos sobre la calificación Scoring para

ser aceptado como cliente y adicionalmente la información del departamento de cartera

sobre días en mora. La base de datos se construyó para el periodo 2008-2012 con los

informes consolidados en el año de todos los clientes. De esta forma se tiene un

comportamiento bastante amplio sobre el uso de la tarjeta de crédito marca propia en la

ciudad de Cali y se puede analizar el transitar del titular como usuario de la tarjeta de

crédito a lo largo de estos cinco años.

4

Este documento se divide en seis partes. La primera es la presente introducción que

presenta el planteamiento del problema, la justificación, los objetivos y delimitación de la

investigación. En la segunda parte está el marco teórico que muestra las principales teorías

sobre el consumo de los agentes y la teoría de restricción del crédito. En la tercera parte, se

muestra una revisión de la literatura donde se presentan algunos trabajos realizados a nivel

nacional e internacional sobre el tema de probabilidad de no pago. En la cuarta sección se

presentan los aspectos metodológicos donde se hace una descripción de la base de datos, las

variables incluidas en el estudio, una presentación de los modelos de elección discreta y las

estadísticas descriptivas. En la quinta parte se muestran los resultados de la estimación de

los modelos de elección discreta. Finalmente en la sexta parte se presentan las conclusiones

y recomendaciones.

5

1. MARCO TEÓRICO

El mercado de crédito, en especial el de tarjetas de crédito, difiere de los mercados de

bienes tradicionales principalmente por: primero no ser un producto homogéneo y segundo

el pago por el bien no se produce de forma simultánea. En cambio, al recibir un crédito hoy

se cambia por una promesa de pago en el futuro (Jaffe y Stiglitz 1990). No obstante, existe

la probabilidad que esa promesa de pago no se cumpla, al igual que tampoco se conoce si

esa promesa que ofrece un agente sea tan “buena” como la que puede ofrecer otro.

En este sentido, un análisis de oferta de crédito como el planteado por Stiglitz y Weiss

(1981), podría ir por mal camino al aplicarse un modelo tradicional de oferta y demanda.

En un modelo competitivo se espera que la tasa de interés que sería el “precio del bien”,

posibilite llegar al equilibrio entre la oferta y la demanda. Sin embargo, en modelo no

competitivo se puede presentar un exceso de demanda puesto que los oferentes racionan el

crédito como se explicara a continuación. La tasa de interés sólo indica lo que el agente se

compromete a pagar, no lo que en realidad va a pagar. Ella hace parte de una promesa que

puede cumplirse o incumplirse. La verdadera naturaleza del mercado de crédito, y en

especial de un préstamo, es recuperar el capital más unos intereses por el disfrute o

usufructo de ese préstamo que corresponde al bien transado. Este retorno no puede

asegurarse en este mercado, lo que lo hace muy especial.

Las entidades que realizan préstamos y/o ofrecen tarjetas de crédito deben tener en cuenta

ciertas características claves al momento de determinar la oferta de crédito. En primer

lugar, la incertidumbre, que está estrechamente relacionada con la capacidad y voluntad de

los prestatarios para hacer los pagos, cuando se vence el término del préstamo. Esto se

refiere a la moral de pago del prestatario. Por otra parte, el prestatario conoce la

rentabilidad esperada de su proyecto y su riesgo, mientras que el prestamista, sólo conoce la

información entregada sobre la rentabilidad esperada y el riesgo promedio en la economía o

en el sector. Para el caso particular de los préstamos a través de tarjetas de crédito, se

espera que el riesgo este relacionado directamente con las perspectivas de ingresos y gastos

familiares del individuo Botas (2006) y Madeira (2012), los cuales son determinantes para

el acceso al crédito al igual que los modelos de valoración de riesgo Scoring.

Ante estos problemas de moral de pago y de información asimétrica, las entidades

financieras, oferentes de crédito, toman decisiones de restringir el crédito a algunos agentes

y de esta forma pueden presentarse excesos de demanda. La incertidumbre en los mercados

de crédito es un aspecto determinante y condiciona la probabilidad de incumplimiento. Los

contratos de préstamo especifican el monto del préstamo B, y la tasa de interés r. Por tal

6

razón el monto que se compromete a pagar el prestatario es un monto fijo que se denota por

( ) . Cuando el resultado del préstamo es el adecuado y se paga el monto establecido

no hay problema; pero cuando los resultados no son los esperados y por diversas razones

y/o fluctuaciones de la economía las condiciones del prestatario cambiaron, y no puede

cancelar el monto fijo acordado, el único recurso de un prestamista es tratar de reclamar los

activos del prestatario. Pero en el caso de las tarjetas de crédito, las alternativas para las

entidades financieras son diferentes pues los créditos de consumo no tienen garantías

reales. La existencia de las centrales de riesgo (centrales de información financiera) se

explica por la imposibilidad de las entidades financieras de conocer la moral de pago del

prestatario. Con ello conoce su comportamiento crediticio previo. En caso de

incumplimiento a los pagos de una tarjeta de crédito, la entidad financiera reporta a las

centrales de riesgo e inicia cobros jurídicos.

La probabilidad que el prestatario cancele su obligación está relacionada con el monto

aprobado, ya que el reembolso prometido ( ) disminuye a medida que aumenta la

tasa de préstamo. Igualmente, la probabilidad de pago cae a medida que la incertidumbre

aumenta. Es decir, las entidades financieras evalúan los proyectos y las tasas buscando

obtener el mayor retorno del crédito con alta probabilidad. Es decir, no es óptimo para la

entidad colocar crédito a tasas muy altas puesto que propicia proyectos con altas

rentabilidades y seguramente más riesgosos.

La clasificación de los prestatarios es determinante para definir el monto a prestar y la tasa

de interés, pero debido a la naturaleza subjetiva para la evaluación del riesgo en el mercado

de créditos, no es probable que sea tan "perfecta" como en un mercado competitivo. Esta

característica, hace que nuevamente, las entidades se vean motivadas a realizar un

racionamiento de crédito.

El racionamiento del crédito se define ampliamente como una situación en la que existe un

exceso de demanda de préstamos debido a las tasas de préstamos indicados están por

debajo del nivel de equilibrio del mercado, cabe resaltar los diferentes tipos de

racionamiento. Racionamiento vía tipo de interés: se presenta cuando la entidad bancaria

aplica un mayor tipo de interés a medida que aumenta la demanda de crédito. En este

sentido, el prestatario no obtiene la cantidad de crédito que requiere. Esto se presenta

porque la probabilidad de no devolución de este crédito es creciente respecto al tamaño del

crédito Jaffe y Stiglitz (1990). Racionamiento por Discrepancia de Créditos: se presenta

cuando los prestamistas y prestatarios tienen valoraciones diferentes respecto al riesgo que

incluye realizar préstamos a determinada actividad. Por tal razón, no se presenta ningún

contrato y el prestatario estará fuera del mercado. Racionamiento por Falta de

7

Rentabilidad (Redlining): se presenta básicamente cuando el banco no concede el crédito

porque no cubre los costos en los que incurre (prima de riesgo y rentabilidad media de la

banca), Keeton (1979). Racionamiento Puro: Los bancos son incapaces de distinguir unos

prestatarios de otros de manera tal, que decide no atender el total de la demanda efectiva

del crédito si no cumple con las condiciones del rendimiento esperado. Esta situación se

presenta principalmente por la existencia de información asimétrica Keeton (1979). En este

estudio se utilizara la definición de racionamiento puro.

La literatura sobre el racionamiento del crédito puede ser dividida en dos partes: una

literatura anterior sobre la base de diversas imperfecciones del mercado de crédito, y una

bibliografía actual basado en información imperfecta sugerida como un factor en los

mercados de préstamos por Akerlof (1970) y Rotschild y Stiglitz ( 1971) , y se aplicó por

primera vez en un modelo de racionamiento de crédito por Jaffee y Russell ( 1976).

Cómo se ha podido ver a lo largo de este capítulo el mercado de crédito está ligado al con

el otorgamiento de créditos de consumo vía tarjetas de crédito. En este sentido, es claro que

no todas las personas están en la capacidad de acceder a las modalidades de crédito, por los

problemas de la asimetría en la información y la moral de pago. Dado el perfil de las

personas que acceden al crédito a través de una tarjeta marca propia, que como se ha

explicado pueden ser agentes racionados del crédito en las entidades financieras principales

(como grandes bancos), surge la necesidad de responder uno de los interrogantes de este

trabajo: las personas que logran acceder al crédito cumplen oportunamente con sus

obligaciones o por el contrario representan un riesgo para las entidades que otorgan el

crédito a través de esta tarjeta de crédito.

8

2. REVISIÓN DE LITERATURA

A nivel nacional son pocos los estudios que analizan la probabilidad de no pago de los

créditos de consumo o usuarios de tarjetas de crédito. Entre ellos se tiene, el estudio de

Gutiérrez, Capera y Estrada (2011), tiene como objetivo identificar los determinantes de

incumplimiento y sobreendeudamiento de los hogares. Esto se hace a través de los datos de

la Encuesta de Educación y Carga Financiera (IEFIC) realizada por el Departamento

Administrativo Nacional de Estadística (DANE) y el Banco de la República de Colombia

para el año 2010. Ellos construyen tres indicadores de carga financiera y endeudamiento de

los hogares (disponibilidad de recursos del hogar, riqueza total del hogar e ingreso del

hogar por año) basado en la metodología de Cifuentes y Cox (2006). Los resultados de

estos indicadores muestran que los hogares destinan el 16.9% de los ingresos para pagar sus

obligaciones financieras. El endeudamientos llega al 19.3% de su riqueza y al 33.9% de sus

ingresos anuales.

A través de la estimación de un modelo logit para determinar la probabilidad de pago y

encontrar sus determinantes, los autores encontraron que ésta relacionada positivamente

con la edad del jefe de hogar, con el ingreso, con ser hombre y estar empleado. Mientras

que mayor educación refleja mayor endeudamiento lo cual se explica por la relación

positiva entre educación e ingreso. Las mujeres jefe de hogar destinan menos de sus

ingresos al pago de sus obligaciones; la refinanciación de la deuda aumenta la probabilidad

de no pago y la reducción de la capacidad de pago.

Murcia (2007), busca identificar los determinantes del acceso al crédito (tarjetas de crédito

y crédito hipotecario) de los hogares colombianos, teniendo en cuenta que un mayor acceso

al crédito permite un mayor consumo intertemporal incrementando el bienestar y las

condiciones de crecimiento económico. Este estudio utiliza la información de la Encuesta

de Calidad de Vida del año 2003 (ECV-2003) del DANE. A través de la estimación de un

modelo Probit cuya variable dependiente es 1 si es usuario del crédito y cero en caso

contrario. Los resultados muestran que la probabilidad de acceder a la tarjeta de crédito

aumentan con el ingreso del jefe del hogar, el indicador de riqueza, la afiliación a seguridad

social y el nivel de educación, además de habitar en una zona urbana. A diferencia de las

variables sexo del jefe del hogar y tener una mala historia de pago no resultaron

estadísticamente significativas para el modelo

Zapata (2009), busca evaluar si existen variables determinantes en la caracterización del

riesgo en la recuperación del Microcrédito Rural para aportar la sostenibilidad a las

políticas del estado de acceso al crédito de las poblaciones rurales. Con la base de datos de

9

una entidad crediticia que otorga el 70% de los microcréditos en el país. Estimó un modelo

probabilístico. La base de datos se dividió en clientes con morosidad de 1 a 30 días y de 31

días en adelante o con cobro jurídico. Con estos datos realizó un análisis discriminante y la

regresión logística binaria las cuales son complementarios y pueden convalidar los

resultados.

Los resultados muestran que los valores no son excepcionalmente significativos. Las

variables que inciden negativamente sobre la probabilidad de que paguen o se vaya a cobro

jurídico son la cuota pactada, el plazo del crédito y la mayoría de los sectores económicos a

los cuales se les otorgó el crédito (ganadería, caña y actividades varias, hortalizas,

avicultura y carnes, aguacate y cacao). La variable flujo de caja resultó tener un impacto

positivo ya que a mayor flujo de caja aumenta la probabilidad de pago al igual que si la

actividad principal sea el cultivo de café.

Los estudios nacionales utilizan metodologías similares para analizar la probabilidad de no

pago (modelos de elección discreta no lineales). No obstante utilizan encuestas que si bien

cuentan con bastante observaciones no reflejan de primera mano el perfil de los clientes de

las modalidades de crédito. Por otra parte, a pesar que los modelos teóricos que estudian el

racionamiento de crédito datan de hace bastantes años, en Colombia los estudios se han

desarrollado básicamente en la última década.

A diferencia de Colombia en Latinoamérica se han desarrollado mas estudios para analizar

el mercado crediticio y en especial la probabilidad de no pago se tienen el estudio

desarrollado por Alfaro, Pacheco y Sagner (2011), Ellos plantean como objetivo calcular la

tasa de incumplimiento de crédito de consumo basado en el modelo Vasicek (1991) cuya

hipótesis es que una firma cesa el pago cuando el valor de los activos se encuentra por

debajo de cierto umbral. Para cumplir este objetivo utilizaron la base de la

Superintendencia de Bancos e Instituciones Financieras que cuenta con datos trimestral

desde el año 2003 hasta junio de 2010 para diferentes entidades financieras y tipos de

crédito. A través de un modelo de regresión lineal en función de variables

macroeconómicas se estima la probabilidad de no pago en un ciclo o LRDP (Long – Run

Probability of Default LRDP). Los resultados muestran que la LRDP aumenta en 14.6%

cuando se considera el número de créditos o en 13.3% considerando la ponderación de los

montos otorgados en los diferentes créditos. Por otra parte variables que inciden de manera

positiva son la tasa de inflación y la proporción de créditos otorgados, caso contrario ocurre

con la variación anual del Indicador Mensual de Actividad Económica (IMACEC).

10

Pallares (2009), desarrolla un modelo predictivo que estima la probabilidad que el cliente

tenga un perfil deseado para las entidades de financiamiento. Para ello utiliza los datos de

los usuarios de una tarjeta de crédito en el periodo febrero del 2005 hasta marzo del 2008.

Su base de datos esta por 122.257 observaciones. Con base en los diferentes patrones

crediticios se define una muestra para cada caso. A través de un análisis multivariado

discriminante de manera individual, se observan las posibles relaciones que existen con el

resto de las variables. Posteriormente estimó un modelo de regresión logístico. Los

resultados muestran que variables como antigüedad en el trabajo, la edad, se casado, soltero

y viudo, ser mujer inciden de manera positiva en tener el perfil deseado (reducción en la

probabilidad de no pago). Mientras que la cantidad de hijos, el estado civil separado,

solicitar el crédito de manera personal, comprar en una sucursal determinada, se empleado

o jubilado afectan negativamente la probabilidad de no tener el perfil deseado para las

entidades financieras.

Spognardi (2002), busca identificar las variables determinantes de la calidad crediticia de

los usuarios de una tarjeta de crédito regional en Argentina. Los datos utilizados para

corresponden a las solicitudes de crédito aprobadas y no aprobadas en el mes de febrero del

año 2002 con aproximadamente 6.958 observaciones. A través de un muestreo aleatorio

simple para muestras finitas se obtuvo una muestra de 1550 observaciones. Estimó un

modelo probabilístico no líneal basado en características socioeconómicas y de calificación

de riesgo. Los resultados muestran que la edad disminuye la probabilidad de ser incobrable

(no pagar). Mientras que características como el nivel de ingresos comprometidos, ser un

cliente ansioso (usar la tarjeta en un periodo menor a 28 días), realizar avances, solicitar la

tarjeta de crédito de manera personal aumentan la probabilidad de no pago. En conclusión

un mejor conocimiento acerca del riesgo crediticio contribuye a un mejor tratamiento del

riesgo, mejora las condiciones de crédito y atraerá clientes con mejor calidad crediticia.

Otros estudios como el desarrollado Botas (2006) y Madeira (2012), buscan desarrollar

alternativas para la asignación de cupos de créditos para las usuarios de acuerdo a su perfil

crediticio. Botas (2006) tiene como objetivo desarrollar un modelo que permita modificar la

asignación de límites en las tarjetas de crédito y calcular la probabilidad de morosidad de e

los usuarios de una tarjeta de crédito. Con un tamaño de la muestra de 1000 registros de

usuarios de una entidad financiera en España, se construyó un algoritmo que buscaba

cambiar los límites asignados a las tarjetas de crédito ante cambios en las necesidades vistas

en los clientes, lo cual no fue posible obtener. Por el lado de la probabilidad de no pago,

encontró que las características como nacionalidad, estado civil, número de hijos, régimen

económico y edad están relacionadas con el incumplimiento. También encontró que cuanto

11

más morosa es un cliente de una tarjeta de crédito mayor es su puntuación en el modelo de

“Scoring”, que en este estudio corresponde con el modelo de seguimiento.

Madeira (2012), analiza el efecto de las diferentes políticas de Tasa Máxima Convencional

(TMC) en la proporción de familias excluidas del mercado crediticio de Chile. Estima la

probabilidad de no pago en un modelo Probit en función de características demográficas y

tres factores de riesgo económico y financiero. Encontró que características como el

ingreso, una alta probabilidad de despido, y el ratio carga financiera/ingreso (RCI) son

significativas para explicar la probabilidad de no pago con un nivel de confianza del 95%,

sacándolos así fuera del mercado de crédito. Por otra parte, aplicando el TMC el riesgo de

pago cambia teniendo en cuenta las familias y los diferentes periodos del ciclo económico.

No obstante, las casas comerciales otorgan créditos a consumidores con mayor probabilidad

de no pago a diferencia de los bancos. El principal problema es que la TMC es negativa

para las poblaciones más pobres por lo cual se limita el crédito para este grupo.

12

3. ASPECTOS METODOLÓGICOS

A continuación se describen la parte metodológica para el desarrollo del estudio como son

la conformación de la base de datos, descripción de las variables a utilizar en el estudio, un

análisis descriptivo de los datos y la relación existente entre la mora y las variables

utilizadas. Finalmente, se realizará una presentación de los modelos de elección discreta.

3.1 Conformación de la Base de Datos

La base de datos que se utilizó para este trabajo fue suministrada por la empresa Giros y

Finanzas S.A., La base de datos es el resultado de unir en primer lugar el formulario de

solicitud de la tarjeta de crédito con toda la información socioeconómica y de ingresos –

gastos suministrados por el cliente, seguidamente se adicionaron las variables relevantes

para la aprobación de la tarjeta como son la calificación Scoring y el puntaje del cliente en

las centrales de riesgo, al igual que el monto aprobado para cada uno de los clientes.

Además se obtuvo la información de los clientes que tenían mora a partir de treinta días y

con esta base de datos fue posible identificar cuáles de los usuarios de las tarjetas de crédito

que habían presentado mora.

Tabla 1

Distribución de la Base de Datos Filtrada para la Ciudad de Cali

AÑO OBSERVACIONES BASE DE DATOS

ORIGINAL

OBSERVACIONES FINAL DESPUES DE

FILTRAR

2007 597 0

2008 5.365 2.104

2009 4.693 1.892

2010 5.146 843

2011 5.238 465

2012 4.005 114

2013 214 0

TOTAL 25.258 18.212

Fuente: Datos suministrados por la entidad financiera, cálculos propios.

La base de datos e suministrada estaba conformada por 32.983 registros para todas las

sucursales de la empresa, se filtra en primer lugar para la ciudad de Cali, ya que es en esta

ciudad donde tiene un mayor número de clientes. En la Tabla 1, se presenta la distribución

de la base de datos filtrada para la ciudad de Cali, quedando conformada por 25.258

registros. Posteriormente, se realizó una verificación de los datos suministrados que se

consideraron relevantes para explicar el fenómeno e identificar si todos los registros

contaban con valores en cada uno de las variables, por tal razón se eliminaron estos

13

registros; de esta manera, la base de datos quedo conformada por 18.212 observaciones.

Para el caso del año 2007, se encontró que el formulario de solicitud del crédito contaba

con otro tipo de información y no permitía realizar el análisis de la misma manera que el

resto de años. Por otra parte, los datos del año 2013, no se tomaron como referente para el

estudio, ya que la exposición al riesgo es muy baja. Después de haber realizado este

proceso y haber revisado el resto de variables la base de datos finalmente quedo

conformada por 18.212 registros. La base de datos obtenida se procesó con ayuda del

Software Stata 10, el cual permite calcular las estadísticas descriptivas y los Modelos de

Elección Discreta.

3.2 Modelos de Elección Discreta

Para identificar que características inciden en la probabilidad de caer en mora; se utilizó

una variable dicótoma que identificara a los usuarios de la tarjeta de crédito marca propia

de la siguiente manera: uno si el usuario había incurrido en mora superior a treinta días y

cero en caso contrario (nunca haber incurrido en mora). Para ello, se estimó un modelo de

elección discreta. El número de alternativas incluidas en la variable endógena distinguen

los modelos de respuesta dicotómica frente a los denominados modelos de elección

múltiple. Al tener en cuenta la función de distribución utilizada para la estimación de la

probabilidad, existe el Modelo Logit, y el Modelo Probit. En este estudio, el modelo utiliza

como variable dependiente, una variable dicotómica (Y) con una función de distribución de

probabilidad.

La estimación de los modelos de probabilidad no lineal se realiza por máxima

verosimilitud, Green (2003), dado que la distribución de los datos es necesariamente

definida por el modelo Bernoulli. Los modelos Logit y Probit se especifican en formas

funcionales no lineales respecto a los parámetros para la probabilidad en función de algunas

variables regresoras. En el caso del Logit se define una función de distribución logística y

en el caso del Probit se define una función de distribución normal. A continuación se dará

una breve descripción de las principales características de los modelos Logit y Probit

El objetivo de la estimación es establecer la probabilidad de observar el evento de incurrir

en mora en función de unas variables socioeconómicas que se consideran relevantes para

explicar la ocurrencia del evento. Como se menciona en el siguiente acápite, dichas

variables en este caso se agrupan en socioeconómicas y de diagnóstico para otorgar el

crédito. El modelo a estimar es el siguiente:

{

}

14

3.2.1 Modelo Logit

El modelo de regresión logística Green (2003)2especifica

( )

Las condiciones de primer orden para la estimación por máxima verosimilitud son:

∑( (

))

Donde ( ) ( )[ ( )]. El residual i-ésimo es ortogonal a los regresores, similar a

la estimación por MCO. Los efectos marginales están dados por:

3.2.2 Modelo Probit

El modelo Probit Green (2003)3, específica la probabilidad condicional como:

( ) ∫ ( )

Donde ( )

√ ( ), la cual es la función de densidad normal estándar. Las

condiciones de primer orden del modelo Probit para la estimación de máxima verosimilitud

son:

∑ ( ( ))

El ponderador ( ) [ (

)( ( ))], varía a través de las observaciones.

Los efectos marginales del Probit están dados por,

(

)

2 Econometría de Green (2003), Capitulo 21, Paginas 663-686

3 Econometría de Green (2003), Capitulo 21, Paginas 663-686

15

3.3 Variables Incluidas en el Estudio

A continuación se presentan la definición de las variables más importantes.

Tabla 2

Descripción de Variables Utilizadas en el Estudio

VARIABLE TIPO CATEGORIAS HIPOTESIS

PERFIL CATEGÓRICA

MÚLTIPLE

1 Ama de casa

2 Empleado

3 Independiente Profesional

4 Independiente Formal

5 Jubilado

6 Rentista de Capital

7 Transportador

Se espera que la incidencia de esta

variable muestre que los perfiles

ocupacionales menos

formalizados presenten una mayor

probabilidad de no pago

PUNTAJE SCORING CONTINUA

hace referencia a la calificación

de riesgo que utiliza la entidad

financiera para otorgar y/o

aprobar los diferentes productos

en este caso la tarjeta de crédito

Se espera que a mayor puntaje de

scoring la probabilidad de no

pago disminuya. Por políticas de

la entidad, está le otorga una

tarjeta de crédito a clientes con

puntaje scoring ≥ 751

INGRESO DEL

TITULAR

CATEGÓRICA

MÚLTIPLE

1 Menor de 3 SMLMV

2 Entre 3 y 5 SMLMV

3 Entre 5 y 7 SMLMV

4 Superior a 7 SMLMV

Se espera que la incidencia de esta

variable sobre la probabilidad de

no pago sea negativa, es decir a medida que aumenta el ingreso la

probabilidad disminuya.

ESTRATO

SOCIOECONÓMICO

CATEGÓRICA

MÚLTIPLE

Conformada por seis categorías

que van desde el estrato

socioeconómico 1 hasta el

estrato socioeconómico 6

Se espera que la incidencia sea

negativa para la probabilidad de mora conforme aumente el

estrato.

TIPO DE VIVIENDA CATEGÓRICA

MÚLTIPLE

1 Alquilada

2 Familiar

3 Totalmente Propia

Se espera que la probabilidad de

caer en mora disminuya para las categorías 2 y 3, mientras que

aumente para la categoría 1

SEXO DEL TITULAR DICÓTOMA 1 Hombre

0 Mujer

se espera que la probabilidad de

mora disminuya cuando se es

hombre frente a ser mujer

ESTADO CIVIL DEL

TITULAR

CATEGÓRICA

MÚLTIPLE

1 Soltero

2 Unión Libre

3 Casado,

4 Divorciado o Separado 5

Viudo

Se espera que las personas con

familia o con mayor nivel de

compromiso tengan una menor

probabilidad de mora

NIVEL DEL

ESTUDIOS

CATEGÓRICA

MÚLTIPLE

1 Primaria

2 Secundaria

3 Técnica/Tecnológica

4 Universitario

5 Especialidad

Se espera que las personas con un

mayor nivel educativo tengan una

probabilidad menor de mora

MORA DICÓTOMA

1= si el usuario ha caído en

mora en un periodo superior o

igual a treinta días 0= cero en caso contrario

Fuente: Datos suministrados por la entidad financiera, Diseño Propio.

16

3.4 Análisis Descriptivo de la Base de Datos

En la Tabla 3 se presenta la distribución de algunas de las variables presentes en la base de

datos. El 54% de los usuarios son mujeres y el restante 46% son hombres. El 60% de los

tarjetahabientes son casados, 20% soltero y 11% viven en unión libre. En cuanto, al nivel

educativo el 43% tiene especialización, seguido de educación primaria y universitaria con

porcentajes del 32% y 18%. La edad promedio de los usuarios de la Tarjeta de Crédito es

54 años.

Por el lado de las variables del entorno como la vivienda, el 61% de los titulares de la

tarjeta habitan en viviendas propias, 33% en vivienda familiar y 16% en vivienda alquilada.

El estrato socioeconómico muestra que el 36% pertenecen al estrato tres y el 40% de los

tarjetahabientes pertenece a los estratos cinco y cuatro, mientras que los estratos dos y seis

y uno están representados con el 6% y el 2% respectivamente.

Teniendo en cuenta las características ocupacionales del titular, el 50% son empleados,

38% jubilados y 4% independiente formal. Otras categorías como independiente

profesional, ama de casa, rentista de capital y transportador se encuentran en la muestra con

una representación del 4%, 3% 1% y % respectivamente. El ingreso del titular evidencia

que 46% tiene ingresos menores a tres salarios mínimos, el 25% ingresos entre tres y cinco

salarios mínimos y el 15% ingresos superiores a 7 salarios mínimos.

Finalmente, se presenta el año en el cual solicitó y se aprobó la tarjeta de crédito. El 25% la

solicitó en el año 2011, 3% en el año 2010 y el 20% en el año 2012. Esto evidencia la

creciente demanda de tarjetas de crédito emitidas por la entidad financiera en los últimos

años. Es importante aclarar que la base de datos cubría el periodo 2008-2012

Los usuarios de la tarjeta de crédito son principalmente mujeres, casadas con

especialización en su formación académica, que habitan en viviendas propias y

pertenecientes al estrato tres; son empleados con salarios en promedio menores a tres

salarios mínimos legales vigentes.

17

Tabla 3

Características Socioeconómicas de los Usuarios de la Tarjeta de Crédito, periodo 2008-2012. en Cali

VARIABLE CATEGORÍA FREC. %

SEXO DEL

TITULAR

Femenino 9,826 53.9%

Masculino 8,386 46.1%

Total 18,212 100%

ESTADO CIVIL

Soltero 3,631 19.9%

Unión Libre 2,078 11.4%

Casado 10,981 60.3%

Divorciado o Separado 280 1.5%

Viudo 1,242 6.8%

Total 18,212 100%

NIVEL EDUCATIVO

DEL TITULAR

Primaria 5,785 31.8%

Secundaria 741 4.1%

Técnica/Tecnológica 575 3.7%

Universitario 3,343 18.4%

Especialidad 7,768 42.7%

Total 18,212 100%

EDAD PROMEDIO DEL

TITULAR DE LA TARJETA

Mujeres 53.71

Hombres 55.39

Total 54.48

TIPO DE VIVIENDA

Alquilada 1,130 6.2%

Familiar 5,940 32.6%

Totalmente Propia 11,142 61.2%

Total 18,212 100%

ESTRATO

SOCIOECONÓMICO

Estrato 1 408 2.1%

Estrato 2 2,632 14.5%

Estrato 3 6,627 36.4%

Estrato 4 3,638 20.0%

Estrato 5 3,819 21.0%

Estrato 6 1,088 6.0%

Total 18,212 100%

PERFIL

OCUPACIONAL

Ama De Casa 453 2.5%

Empleado 9,106 50.00%

Independiente Profesional 649 3.6%

Independiente Formal 667 3.7%

Jubilado 6,951 38.2%

Rentista De Capital 232 1.3%

Transportador 154 0.9%

Total 18,212 100%

INGRESO

DEL TITULAR

Menor De3 SMLMV 8,442 46.4%

Entre 3 Y5 SMLMV 4,514 24.8%

Entre 5 Y7 SMLMV 2,474 13.6%

Superior A7 SMLMV 2,782 15.3%

Total 18,212 100%

18

VARIABLE CATEGORÍA FREC. %

AÑO DE

SOLICITUD

TARJETA DE

CREDITO

Año 2008 3,054 16.8%

Año 2009 2,725 15.0%

Año 2010 4,163 22.9%

Año 2011 4,583 25.2%

Año 2012 3,687 20.2%

Total 18,212 100%


3.5 Morosidad de los Usuarios de la Tarjeta de Crédito Marca Propia en la Ciudad

de Cali.

En el Gráfico 1 se observa el porcentaje de morosidad de los usuarios de la tarjeta de

crédito en Cali, en el periodo 2008-2012 es 9%. Adicionalmente en el Gráfico 2, se observa

el porcentaje de morosidad discriminada por años, donde se observa que para el año 2008 el

porcentaje de morosidad es de 14%, en el año 2009 de 9%, 8.4% en el 2010, 8.3% en el

2011 y finalmente en el año 2012 el porcentaje es de 6%, lo cual puede sugerir que

recientemente el perfil de los tarjetahabientes ha disminuido o la situación económica local

de estos usuarios a pesar de cumplir el filtro para acceder a la tarjeta de crédito, un

porcentaje no puede cumplir con las obligaciones.

Gráfico 1

Morosidad de los Usuarios de la Tarjeta de Crédito, periodo 2008-2012. En Cali


90,9%

9,1%

No Si

19

Gráfico 2

Morosidad de los Usuarios de la Tarjeta de Crédito en el Periodo 2008-2012 (Discriminado). En Cali

Fuente: Datos Suministrados por la Entidad Financiera, Cálculos Propios.

En la Tabla 4 se presentan las características socioeconómicas de los usuarios de la tarjeta

de crédito con reportes de mora y sin estos en el periodo 2008-2012 en la ciudad de Cali. Se

observa que el 53% de los usuarios que caen en mora son mujeres y el restante 47% son

hombres. Esta proporción es igual para los usuarios que no han incurrido en mora.

El estado civil de los usuarios de la tarjeta de crédito, que caen en mora es principalmente

casado (57%), soltero (22%) y unión libre (14%) Esta distribución es similar para los

usuarios que no han caído en mora. Por el lado, del nivel educativo de los usuarios que han

caído en mora son especialización, primaria y universidad, con porcentajes del 40%, 29%

y 23% respectivamente, los porcentajes para los usuarios que caen en mora es casi igual.

El tipo de vivienda de los usuarios que han incurrido en mora es del 48.42% habitan en

vivienda familiar, seguido del 43.63% que lo hacen en vivienda totalmente propia. Mientras

que los usuarios que no han caído en mora tiene principalmente vivienda propia con un

porcentaje del 63.93%. En el estrato socioeconómico no se observan diferencias respecto al

porcentaje de caer o no en mora, no obstante, los porcentajes de los usuarios en mora son

37.32% estrato tres, estrato cuatro 18.75% estrato dos 18.63%.

El perfil ocupacional de ambos usuarios (mora y no mora) mantiene la misma distribución,

que se observa en la Tabla 1, es decir principalmente empleados, jubilados con porcentajes

de 62.99% Y 24.51% respectivamente. Los ingresos de los usuarios que han incurrido en

mora el 53.88% tienen ingresos inferiores a tres salarios mínimos, seguido del 22.82%

cuyos salarios oscilan entre dos y cinco SMLMV, la distribución es similar para los

usuarios de la tarjeta que no han caído en mora.

0%

20%

40%

60%

80%

100%

Año 2008 Año 2009 Año 2010 año 2011 Año 2012

86,0% 90,2% 91,6% 91,7% 94,0%

14,0% 9,8% 8,4% 8,3% 6.0%

No Si

20

Tabla 4

Características Socioeconómicas de los Usuarios de la Tarjeta de Crédito Asociados a la Morosidad en Cali

VARIABLE CATEGORÍA NO MORA MOROSIDAD

FREC. % FREC. %

SEXO DEL

TITULAR

Femenino 8,959 54.09% 867 52.61%

Masculino 7,605 45.91% 781 47.39%

Total 16,564 100% 1,648 100%

ESTADO CIVIL

Soltero 3,274 19.77% 357 21.66%

Unión Libre 1,848 11.16% 230 13.96%

Casado 10,047 60.66% 934 56.67%

Divorciado o Separado 253 1.53% 27 1.64%

Viudo 1,142 6.89% 100 6.07%

Total 16,564 100% 1,648 100%

NIVEL

EDUCATIVO

DEL TITULAR

Primaria 5,303 32.02% 482 29.25%

Secundaria 685 4.14% 56 3.40%

Técnica/Tecnológica 517 3.12% 58 3.52%

Universitario 2,955 17.84% 388 23.54%

Especialidad 7,104 42.89% 664 40.29%

Total 16,564 100% 1,648 100%

TIPO DE

VIVIENDA

Alquilada 999 6.03% 131 7.95%

Familiar 5,142 31.04% 798 48.42%

Totalmente Propia 10,423 62.93% 719 43.63%

Total 16,564 100% 1,648 100%

ESTRATO

SOCIOECONÓMICO

Estrato 1 357 2.16% 51 3.09%

Estrato 2 2,325 14.04% 307 18.63%

Estrato 3 6,012 36.30% 615 37.32%

Estrato 4 3,329 20.10% 309 18.75%

Estrato 5 3,518 21.24% 301 18.26%

Estrato 6 1,023 6.18% 65 3.94%

Total 16,564 100% 1,648 100%

PERFIL

OCUPACIONAL

Ama De Casa 430 2.60% 23 1.40%

Empleado 8,068 48.71% 1,038 62.99%

Independiente

Profesional 573 3.46% 76 4.61%

Independiente Formal 592 3.57% 75 4.55%

Jubilado 6,547 39.53% 404 24.51%

Rentista De Capital 220 1.33% 12 0.73%

Transportador 134 0.81% 20 1.21%

Total 16,564 100% 1,648 100%

INGRESO

DEL TITULAR

Menor De3 SMLMV 7,554 45.60% 888 53.88%

Entre 3 Y5 SMLMV 4,138 24.98% 376 22.82%

Entre 5 Y7 SMLMV 2,294 13.85% 180 10.92%

Superior A7 SMLMV 2,578 15.56% 204 12.38%

Total 16,564 100% 1,648 100%


21

En los Anexos 1,2 y 3 se presenta las características socioeconómicas de los usuarios de la

tarjeta de crédito asociados a la morosidad discriminados por el año en el cual solicitaron y

aprobaron la Tarjeta de Crédito. El sexo de los usuarios que han incurrido en mora es

principalmente femenino para los años 2008, 2010 y 2012. En los años restantes,

predomina el sexo masculino. El estado civil mantiene una distribución similar a la general

presentada en la Tabla 2, es decir, casado, soltero y unión libre con porcentajes superiores

al 46%. El nivel educativo de los morosos para los años 2008 y 2012 son principalmente

tarjetahabientes con nivel educativo de primaria, mientras que para los años 2009, 2010 y

2011 son titulares con especialización en su formación educativa.

La vivienda de los titulares con mora en el pago es principalmente viviendas familiares en

los años 2008-2010, mientras que en los años 2011 y 2012 son personas que habitan en

viviendas propias con porcentajes superiores al 47%. La distribución del estrato

socioeconómico diferenciando por años, es similar a la general (Tabla 1), predomina el

estrato 3, 4 y 5. De igual manera sucede con el perfil ocupacional y los ingresos de los

titulares de la tarjeta de crédito.

22

4. RESULTADOS DE LA ESTIMACIÓN DE LOS MODELOS DE ELECCIÓN

DISCRETA

A continuación, se presentan los resultados de la estimación de los modelos de elección

discreta para los usuarios de la tarjeta de crédito en la ciudad de Cali en el periodo 2008-

2012. En la Tabla 5, se muestran los resultados de la estimación del modelo Logit y Probit

para determinar la probabilidad de caer en mora de los usuarios de la tarjeta de crédito en la

ciudad de Cali. En cuanto a la significancia estadística de las variables se encontró que,

características como el perfil ocupacional, el tipo de vivienda, el año de solicitud de la

tarjeta de crédito, la edad del titular y el puntaje Scoring son significativos al nivel de

significancia del 95%. Mientras que todas las categorías de la variable estrato

socioeconómico no fueron significativas para explicar el fenómeno de incurrir en mora.

Mientras que los signos obtenidos fueron consistentes con las hipótesis planteadas (Ver

Tabla 3). Es decir, que los clientes de la tarjeta de crédito marca propia no muestran

diferencias relevantes frente a otros estudios como Alfaro, Pacheco y Sagner (2011),

Spognardi (2002) a nivel de Latinoamérica, y en Colombia como el realizado por Gutiérrez,

Capera y Estrada (2011), que buscan explicar la morosidad de los usuarios de créditos de

libre inversión o tarjetas de crédito.

Las variables que inciden de manera negativa sobre la probabilidad de incurrir en mora son

todas las categorías del ingreso: se esperaba que a medida que aumente el ingreso, la

probabilidad de caer en mora disminuyera, lo cual se confirmo con el resultado. De igual

manera, tener vivienda propia disminuye la probabilidad de caer en mora frente a habitar en

vivienda alquilada. También, todas las categorías del estrato socioeconómico inciden de

manera negativa sobre la probabilidad de caer en mora. Otras variables como el nivel

educativo de secundaria, tener especialización en la formación, la edad y el puntaje scoring

disminuyen esta probabilidad.

Por otra parte, las variables que tienen incidencia positiva sobre la probabilidad de caer en

mora son: ser hombre frente a ser mujer, todas las categorías del perfil ocupacional excepto

rentista de capital, habitar en vivienda familiar, tener educación técnica/tecnológica y

universidad, todas las categorías de la variable estado civil y el número de personas a cargo.

Debido a que se estimaron los dos modelos de elección discreta, se hizo necesario realizar

las pruebas de elección de modelos como son el criterio Akaike (AIC) y (BIC),

encontrando que el modelo que mejor explica la probabilidad de incurrir en mora es el

modelo Probit, (Ver Tabla 5). Adicionalmente se tiene en cuenta el Pseudo R2 y en ambos

casos se corrobora que el mejor modelo es el Probit.

23

Tabla 5

Resultados de los Modelos de Elección Discreta para la Decisión de Incurrir en Mora de los Usuarios de la

Tarjeta de Crédito en la Ciudad de Cali, en el Periodo 2008-2012

VARIABLE DEPENDIENTE: 1=TITULAR INCURRIO EN MORA, 0= NO INCURRIO EN MORA

VARIABLE CATEGORÍA

MODELO LOGIT MODELO PROBIT

COEFICIENTE ERROR

ESTÁNDAR COEFICIENTE

ERROR

ESTÁNDAR

(P>Z) (P>Z)

SEXO DEL TITULAR 0.058 0.057 0.031 0.029

(0.314) (0.289)

PERFIL

OCUPACIONAL

Ama de Casa

Empleado 0.612 0.226 0.293 0.106

(0.007)** (0.006)**

Independiente

Profesional

0.895 0.257 0.436 0.124

(0.001)*** (0.000)***

Independiente Formal 0.652 0.254 0.309 0.123

(0.010)* (0.012)**

Jubilado 0.476 0.232 0.230 0.109

(0.041)* (0.035)**

Rentista De Capital 0.074 0.372 0.034 0.173

(0.843) (0.846)

Transportador 0.792 0.328 0.391 0.166

(0.016) (0.018)**

INGRESO

DEL TITULAR

Menor De3 SMLMV

Entre 3 Y 5

SMLMV

-0.070 0.072 -0.040 0.036

(0.332) (0.275)

Entre 5 Y 7

SMLMV

-0.148 0.096 -0.076 0.048

(0.124) (0.116)

Superior A 7

SMLMV

-0.085 0.102 -0.047 0.051

(0.404) (0.357)

TIPO DE VIVIENDA

Alquilada

Familiar 0.295 0.110 0.154 0.058

(0.007)** (0.008)***

Totalmente Propia -0.183 0.121 -0.092 0.062

(0.133) (0.141)

ESTRATO

SOCIOECONÓMICO

Estrato 1

Estrato 2 -0.016 0.166 -0.005 0.089

(0.926) (0.951)

Estrato 3 -0.149 0.161 -0.078 0.086

(0.355) (0.362)

Estrato 4 -0.118 0.169 -0.069 0.090

(0.487) (0.446)

Estrato 5 -0.080 0.172 -0.050 0.091

(0.643) (0.584)

Estrato 6 -0.327 0.210 -0.165 0.107

(0.119) (0.124)

24


VARIABLE CATEGORÍA


COEFICIENTE ERROR

ESTÁNDAR COEFICIENTE

ERROR

ESTÁNDAR

(P>Z) (P>Z)

NIVEL EDUCATIVO

DEL TITULAR

Primaria

Secundaria -0.115 0.160 -0.050 0.080

(0.473) (0.533)

Técnica/

Tecnológica

0.291 0.150 0.154 0.077

(0.053) (0.047)**

Universitario 0.117 0.077 0.066 0.040

(0.128) (0.094)*

Especialidad -0.113 0.077 -0.055 0.039

(0.144) (0.160)

AÑO DE

SOLICITUD

TARJETA DE

CREDITO

Año 2008

Año 2009 -0.199 0.087 -0.108 0.046

(0.022)* (0.018)**

Año 2010 -0.340 0.082 -0.176 0.043

(0.000)*** (0.000)***

Año 2011 -0.353 0.081 -0.185 0.042

(0.000)*** (0.000)***

Año 2012 -0.739 0.091 -0.376 0.046

(0.000)*** (0.000)***

ESTADO CIVIL

Soltero

Unión Libre 0.211 0.095 0.113 0.050

(0.026)* (0.022)**

Casado 0.199 0.072 0.107 0.037

(0.006)** (0.004)***

Divorciado o

Separado

0.379 0.215 0.199 0.111

(0.078)** (0.073)*

Viudo 0.581 0.133 0.304 0.066

(0.000)*** (0.000)***

EDAD DEL TITULAR -0.018 0.003 -0.009 0.002

(0.000)*** (0.000)***

NUMERO DE PERSONAS

A CARGO DEL TITULAR

0.034 0.034 0.015 0.017

(0.305) (0.390)

PUNTAJE SCORING -0.008 0.002 -0.004 0.001

(0.001)*** (0.000)***

CONSTANTE 4.529 1.717 2.291 0.831

(0.008)** (0.006)*** AKAIKE (AIC) 10571.068 10567.474

SCHWARZ (BIC) 10828.793 10825.199

RANK 33 33

PSEUDO R2 0.0502 0.0506

PROBABILIDAD DEL ESTADÍSTICO Z, EN PARÉNTESIS

*p<0.05; **p<0.01; ***p<0.001


25

Teniendo en cuenta, que es posible que existan cambios en la significancia y/o se presentan

variaciones en la explicación de la probabilidad de incurrir en mora de los usuarios de la

Tarjeta de Crédito, se realizó la estimación de los modelos de elección discreta

discriminando los modelos por los años en los cuales se solicito la tarjeta de crédito, Estos

resultados se pueden observar en los Anexos 4, 7, 10, 13 y 16, Donde se observa que pocas

variables son significativas pero se corrobora la importancia del puntaje scoring, la edad y

el ingreso del titular.

Por otra parte, a este tipo de modelos es determinante para los resultados conocer el ajuste

del modelo, para ello existen diferentes estadísticos a través de las cuales es posible

conocerlo; los más comunes en la literatura, y que serán aplicados en este trabajo, son los

siguientes: Cociente de Verosimilitud conocido como R2 de McFadden, que busca

comparar el valor de la función de verosimilitud de dos modelos (Restringido y No

Restringido) y dependiendo de la cercanía de este cociente a 1, el modelo tendrá buena

capacidad explicativa.

El estadístico Chi-cuadrado de Pearson utiliza medidas de error que cuantifican la

diferencia entre el valor observado y el estimado; la regla de decisión plantea que el ajuste

del modelo será mejor cuanto más cerca esté el estadístico de cero. Otra medida de bondad

de ajuste es la prueba de Hosmer-Lemeshow, que permite descartar la probabilidad de que

exista una mejor especificación para el modelo teniendo en cuenta la comparación entre el

valor estimado y el observado en grupos.

A continuación, se observan los estadísticos para los modelos Logit y Probit, con lo cual

podremos decir cuál es el modelo que mejor se ajusta a los datos para posteriormente

realizar el cálculo de los efectos marginales. En la tabla 4, se tiene que según las reglas de

decisión el modelo que mejor se ajusta a los datos es el Probit. De igual manera se realiza

este análisis para los modelos discriminados por años, lo cual se puede observar en los

Anexos 5, 8, 11, 14 y 17.

A continuación en la Tabla 5, se presentan los efectos marginales del modelo Probit. Las

categorías de la variable perfil ocupacional aumenta la probabilidad de caer en mora de la

siguiente manera: empleado en 4.4% al diferencia de Gutiérrez, Capera y Estrada (2011),

profesional independiente 8.5%, profesional formal en 5.6%, jubilado en 3.6% y

transportador en 7.5% frente a tener una ocupación de ama de casa. Por su parte habitar en

vivienda de tipo familiar aumenta la probabilidad en 2.4% frente a habitar una vivienda

alquilada.

26

En cuanto al nivel educativo, tener educación técnica y/o tecnológica y universitaria

aumenta la probabilidad de incurrir en mora en 2.5% y 1% respectivamente, frente a tener

nivel educativo de primaria.

27

Tabla 6

Efectos Marginales del Mejor de los modelos de Elección Discreta para Determinar la Probabilidad de Incurrir en Mora en Cali


VARIABLE CATEGORÍA

EFECTOS

MARGINALES

DEL MODELO

PROBIT

VARIABLE CATEGORÍA

EFECTOS

MARGINALES

DEL MODELO

PROBIT

VARIABLE CATEGORÍA

EFECTOS

MARGINALES

DEL MODELO

PROBIT

SEXO DEL TITULAR 0.005

(0.004)

ESTRATO

SOCIOECONÓMICO

Estrato 1

ESTADO

CIVIL

Soltero -

PERFIL

OCUPACIONAL

Ama de Casa - Estrato 2 -0.001

(0.013) Unión Libre

0.018**

(0.008)

Independiente Profesional 0.085***

(0.030) Estrato 3

-0.011

(0.012) Casado

0.016***

(0.005)

Transportador 0.075** (0.039)

Estrato 4 -0.010

(0.013)

Divorciado o

Separado 0.034* (0.021)

Independiente

Formal 0.056**

(0.026) Estrato 5

-0.007

(0.013) Viudo 0.054***

(0.014)

Empleado 0.044**

(0.016) Estrato 6

-0.022

(0.013)

AÑO DE

SOLICITUD

TARJETA

DE

CREDITO

Año 2008 -

Jubilado 0.036**

(0.018)

NIVEL EDUCATIVO

DEL TITULAR

Primaria - Año 2009 -0.015***

(0.006)

Rentista De

Capital

0.005

(0.027) Secundaria

-0.007

(0.011) Año 2010

-0.025***

(0.006)

INGRESO

DEL TITULAR

Menor De3

SMLMV -

Técnica/

Tecnológica

0.025**

(0.014) Año 2011

-0.026*

(0.006)

Entre 3 Y 5 SMLMV

-0.006

(0.005) Universitario

0.010* (0.006)

Año 2012 -0.048***

(0.005)

Entre 5 Y 7

SMLMV -0.011

(0.007)

Especialidad -0.008

(0.006)

TIPO DE

VIVIENDA

Alquilada -

Superior A 7

SMLMV -0.007

(0.007)

Familiar 0.024***

(0.009)

Totalmente

Propia

-0.014

(0.010)

NUMERO DE PERSONAS

A CARGO DEL TITULAR

0.002

(0.003) EDAD DEL TITULAR

-0.001***

(0.000) PUNTAJE SCORING

-0.001***

(0.000)

Fuente: Datos suministrados por la entidad financiera, cálculos propios, error estándar en paréntesis

28

El estado civil del titular refleja que la probabilidad de caer en mora aumenta para todas las

categorías frente a ser soltero. Ésta aumenta en 1.8% si vive en unión libre, en 1.6% si es

casado, en 3.4% si es divorciado o separado y en 5.4% si el titular es viudo frente a ser

soltero. Estos resultados son similares a los hallados por Botas (2006) y Pallares (2009).

Por su parte, un aumento en un año de vida del titular de la tarjeta disminuye la

probabilidad en una fracción muy pequeña en 0.1% a diferencia de los resultados de

Pallares (2009) y Gutiérrez, Capera y Estrada (2011). Lo mismo ocurre con el puntaje

Scoring que disminuye esta probabilidad en exactamente la misma proporción. Por el lado,

del año de solicitud de la tarjeta de crédito evidencia que mientras más reciente es el año de

solicitud disminuye la probabilidad de incurrir en mora de la siguiente manera: para el 2009

en 1.5%, 2010 en 2.5%, 2011 en 2.6% y 2012 en 4.8% frente a solicitar la tarjeta en el año

2008

Tabla 7

Medidas de Bondad de Ajuste de los Modelos de Elección Discreta

ESTADÍSTICO MODELOS GENERAL

LOGIT PROBIT

Coeficiente de Verosimilitud

R2 McFaden 0.0502 0.0506

Chi-Cuadrado de Pearson

Probabilidad (X2 Pearson)

17739.33

(0.615)

17825.39

(0.435)

Hosmer-Lemeshow (HL)

Probabilidad (HL)

15.05

(0.058) 17.28

(0.027)


29

CONCLUSIONES

Algunos almacenes de cadena se han visto motivados a incursionar en la emisión de

diferentes productos que permitan que los consumidores accedan a bienes que con sus

ingresos habituales no lo pueden hacer. Un ejemplo de esto son las tarjetas de crédito

Marca Propia que las diferentes entidades financieras y/o de financiamiento emiten y que

llegan a ser una alternativa para el consumidor final. No obstante, el fenómeno no consiste

solamente en emitir una tarjeta que permita que el cliente satisfaga sus necesidades, sino

que éste cumpla con la obligación que adquiere con la entidad, es decir, que cumpla de

manera oportuna con las cuotas pactadas.

En este sentido, este estudio buscó identificar las principales características

socioeconómicas inciden sobre la posibilidad de incurrir en mora mayor a 30 días de los

usuarios de una tarjeta de crédito en la ciudad de Cali. Del análisis exploratorio se tiene que

el porcentaje de morosos es de aproximadamente 9.05% lo cual no es muy alto. Teniendo

en cuenta la discriminación por año de solicitud de la tarjeta se encontró que el porcentaje

de morosidad ha venido disminuyendo con el pasar de los años excepto en el último año

(2012) el porcentaje fue de aproximadamente 6%. Este comportamiento es posible

atribuirlo a dos fenómenos, primero que el proceso de selección sea cada vez más estricto y

segundo que las sanciones, la divulgación y los mecanismos de cobranza sean adecuados y

eviten en alguna medida que los usuarios incidan en la mora. Este resultado se corrobora

con la estimación de los modelos de elección discreta donde la incidencia es negativa y va

en aumento a media que es más reciente el pasar de los años.

Por otra parte, la caracterización de los usuarios de la tarjeta mostró el perfil de los

tarjetahabientes, los cuales son principalmente mujeres, casadas con especialidad en su

formación académica que habitan en viviendas propias y pertenecientes al estrato tres son

empleados y con salarios en promedio menores a tres salarios mínimos legales mensuales.

Los resultados de los modelos de elección discreta se encontraron diferencias importantes

como los obtenidos en estudios como el realizado por Gutiérrez, Capera y Estrada (2011)

donde el estar empleado tiene un efecto positivo sobre la posibilidad de incurrir en mora en

un 4.4%. Estos resultados del perfil ocupacional muestran que la informalidad es un factor

relevante para incurrir en este fenómeno, es decir la probabilidad aumenta

considerablemente cuando se es profesional independiente o transportador, a diferencia de

tener trabajos estables como ser profesional formal o estar jubilado. La educación es

fundamental para tener unos hábitos de pago adecuados para las entidades financieras; a

pesar que la probabilidad aumenta cuando se ha logrado un nivel educativo técnico y/o

30

tecnológico y universitario, los efectos son bastante bajos. Esto puede ser que las personas

que adquieren mayor educación prefieren pagar sus obligaciones financieras.

Otro aspecto que resulta interesante es el referente al estado civil. Los titulares de la tarjeta

que van adquiriendo mayor compromiso civil aumentan la tasa morosidad, lo cual puede

ser atribuido a los compromisos que se adquieren. Finalmente, variables como la edad y el

puntaje scoring que se creía que tenían una alta incidencia en el fenómeno de incurrir en

mora, a pesar de ser significativas no tienen mayor relevancia en el aporte a la probabilidad

de que se presente el fenómeno. Esto evidencia que si bien tiene importancia es necesario

analizar otras variables.

31

REFERENCIAS BIBLIOGRÁFICAS

Alfaro, R.; Pacheco, D. y Sagner, A. (2011): “Dinámica de la Tasa de Incumplimiento de

Crédito de Consumo en Cuotas”. Banco Central de Chile, Documento Vol. 14 # 2, Chile.

Aldana, E.; Rios, M. y Herrera, C. (2012). “Global Conference on Business and Finance

Proceedings” Volume 7, Number 2 PP 1149-1151 Cartagena de Indias- Colombia.

Beck, T., Demirguic, A. y Levine R. (2004). “Finance, inequality and poverty: Cross-

country evidence.” NBER working paper no. 10979. National Bureau of Economic

Research, Cambridge, MA.

Botas, A. (2006): “Asignación de Límites en Tarjetas de Crédito”, Universidad de Valencia

España. Documento de Trabajo

Green, W., (2003), “Análisis Econométrico”. Prentice Hall. Tercera Edición.

Gutiérrez, J.; Capera, L. y Estrada, D. (2011): “Un Análisis de Endeudamiento de los

Hogares”. En Reporte de Estabilidad Financiera No. 61. Banco de la República de

Colombia. Bogotá

Jaffee, D y J., Stiglitz (1990), “Credit Rationing”, En B. M Friedman y F.H. Hann (Coms).

Handbook of Monetary Economics, Vol II, cap. 16. Amsterdamn, Elsevier Science

Publication.

Keeton (1979), Equilibrium credit rationing, Nueva York. Garland Press. King,

Murcia, A. (2007): “Determinantes del Acceso al Crédito de los Hogares Colombianos”.

Borradores de Economía. No. 449, Banco de la República de Colombia.

Pallares, M. (2009): “Construcción de un Modelo Predictivo de Riesgo Rentabilidad Para

una Entidad Bancaria”. MBA Universidad del CEMA. Argentina

Spognardi, M. (2002): “Calidad Crediticia de los Usuarios de una Tarjeta de Crédito

Regional”. Un Análisis Empírico en Base a Información Limitada. Universidad Nacional

de Mar del Plata. Facultad de Ciencias Sociales y Económicas. Argentina.

32

Stiglitz, J. y Andrew W. (1981), “Credit Rationing in Markets with Imperfect Information”,

American Economic Review Vol. 71, 393-410. Junio

Zapata, D. (2009): “Caracterización de las Variables Determinantes del Riesgo en el

Microcrédito Rural”. Escuela de Ingeniería de la Organización, Facultad de Minas,

Universidad Nacional de Colombia. Sede Medellín

33

A N E X O S

34

Anexo 1

Características Socioeconómicas de los Usuarios de la Tarjeta de Crédito Asociados a la Morosidad en los

años 2008 y 2009 en la Ciudad de Cali

VARIABLE CATEGORÍA

AÑO 2008 AÑO 2009

NO MORA SI MORA NO MORA SI MORA

FREC % FREC % FREC % FREC %

SEXO DEL

TITULAR

Femenino 1,412 53.77% 226 52.80% 1,333 54.25% 128 47.76%

Masculino 1,214 46.23% 202 47.20% 1,124 45.75% 140 52.24%

Total 2,626 100% 428 100% 2,457 100% 268 100%

ESTADO CIVIL

Soltero 681 25.93% 141 32.94% 481 19.58% 53 19.78%

Unión Libre 300 11.42% 70 16.36% 139 5.66% 24 8.96%

Casado 1,451 55.26% 199 46.50% 1,635 66.54% 168 62.69%

Divorciado o Separado 36 1.37% 4 0.93% 31 1.26% 5 1.87%

Viudo 158 6.02% 14 3.27% 171 6.96% 18 6.72%

Total 2,626 100% 428 100% 2,457 100% 268 100%

NIVEL

EDUCATIVO

DEL TITULAR

Primaria 876 33.36% 151 35.28% 508 20.68% 50 18.66%

Secundaria 20 0.76% 1 0.23% 34 1.38% 2 0.75%

Técnica/Tecnológica 110 4.19% 20 4.67% 50 2.04% 8 2.99%

Universitario 587 22.35% 132 30.84% 672 27.35% 82 30.60%

Especialidad 1,033 39.34% 124 28.97% 1,193 48.56% 126 47.01%

Total 2,626 100% 428 100% 2,457 100% 268 100%

TIPO DE

VIVIENDA

Alquilada 277 10.55% 47 10.98% 121 4.92% 18 6.72%

Familiar 959 36.52% 231 53.97% 759 30.89% 132 49.25%

Totalmente Propia 1,390 52.93% 150 35.05% 1,577 64.18% 118 44.03%

Total 2,626 100% 428 100% 2,457 100% 268 100%

ESTRATO

SOCIOECONÓMICO

Estrato 1 131 4.99% 29 6.78% 52 2.12% 5 1.87%

Estrato 2 521 19.84% 118 27.57% 257 10.46% 50 18.66%

Estrato 3 892 33.97% 162 37.85% 928 37.77% 101 37.69%

Estrato 4 458 17.44% 61 14.25% 473 19.25% 53 19.78%

Estrato 5 471 17.94% 47 10.98% 576 23.44% 47 17.54%

Estrato 6 153 5.83% 11 2.57% 171 6.96% 12 4.48%

Total 2,626 100% 428 100% 2,457 100% 268 100%

PERFIL

OCUPACIONAL

Ama De Casa 18 0.69% 1 0.23% 97 3.95% 2 0.75%

Empleado 1,661 63.25% 331 77.34% 1,242 50.55% 171 63.81%

Independiente Profesional - 0.00% - 0.00% - 0.00% - 0.00%

Independiente

Formal 184 7.01% 30 7.01% 173 7.04% 24 8.96%

Jubilado 710 27.04% 60 14.02% 886 36.06% 66 24.63%

Rentista De Capital 28 1.07% 2 0.47% 43 1.75% 2 0.75%

Transportador 25 0.95% 4 0.93% 16 0.65% 3 1.12%

Total 2,626 100% 428 100% 2,457 100% 268 100%

INGRESO

DEL TITULAR

Menor De3 SMLMV 1,465 55.79% 299 69.86% 1,035 42.12% 139 51.87%

Entre 3 Y5 SMLMV 512 19.50% 69 16.12% 675 27.47% 73 27.24%

Entre 5 Y7 SMLMV 284 10.81% 26 6.07% 362 14.73% 27 10.07%

Superior A7 SMLMV 365 13.90% 34 7.94% 385 15.67% 29 10.82%

Total 2,626 100% 428 100% 2,457 100% 268 100%


35

Anexo 2


años 2010 y 2011 en la Ciudad de Cali

VARIABLE CATEGORÍA

AÑO 2010 AÑO 2011

NO MORA SI MORA NO MORA SI MORA

FREC % FREC % FREC % FREC %

SEXO DEL

TITULAR

Femenino 2,027 53.16% 194 55.43% 2,141 50.96% 190 49.74%

Masculino 1,786 46.84% 156 44.57% 2,060 49.04% 192 50.26%

Total 3,813 100% 350 100% 4,201 100% 382 100%

ESTADO CIVIL

Soltero 696 18.25% 54 15.43% 745 17.73% 64 16.75%

Unión Libre 436 11.43% 48 13.71% 460 10.95% 52 13.61%

Casado 2,341 61.40% 221 63.14% 2,679 63.77% 238 62.30%

Divorciado o Separado 79 2.07% 9 2.57% 46 1.09% 3 0.79%

Viudo 261 6.85% 18 5.14% 271 6.45% 25 6.54%

Total 3,813 100% 350 100% 4,201 100% 382 100%

NIVEL

EDUCATIVO

DEL TITULAR

Primaria 917 24.05% 70 20.00% 1,356 32.28% 108 28.27%

Secundaria 274 7.19% 27 7.71% 226 5.38% 21 5.50%

Técnica/Tecnológica 71 1.86% 3 0.86% 95 2.26% 11 2.88%

Universitario 580 15.21% 70 20.00% 615 14.64% 65 17.02%

Especialidad 1,971 51.69% 180 51.43% 1,909 45.44% 177 46.34%

Total 3,813 100% 350 100% 4,201 100% 382 100%

TIPO DE

VIVIENDA

Alquilada 173 4.54% 20 5.71% 164 3.90% 21 5.50%

Familiar 1,133 29.71% 167 47.71% 1,293 30.78% 178 46.60%

Totalmente Propia 2,507 65.75% 163 46.57% 2,744 65.32% 183 47.91%

Total 3,813 100% 350 100% 4,201 100% 382 100%

ESTRATO

SOCIOECONÓMICO

Estrato 1 41 1.08% 3 0.86% 48 1.14% 7 1.83%

Estrato 2 342 8.97% 37 10.57% 486 11.57% 45 11.78%

Estrato 3 1,259 33.02% 122 34.86% 1,536 36.56% 150 39.27%

Estrato 4 803 21.06% 80 22.86% 942 22.42% 75 19.63%

Estrato 5 1,036 27.17% 93 26.57% 944 22.47% 84 21.99%

Estrato 6 332 8.71% 15 4.29% 245 5.83% 21 5.50%

Total 3,813 100% 350 100% 4,201 100% 382 100%

PERFIL

OCUPACIONAL

Ama De Casa 246 6.45% 14 4.00% 68 1.62% 6 1.57%

Empleado 1,889 49.54% 211 60.29% 1,907 45.39% 207 54.19%

Independiente Profesional 209 5.48% 29 8.29% 256 6.09% 39 10.21%

Independiente

Formal 158 4.14% 11 3.14% 61 1.45% 9 2.36%

Jubilado 1,192 31.26% 72 20.57% 1,811 43.11% 113 29.58%

Rentista De Capital 77 2.02% 7 2.00% 59 1.40% 1 0.26%

Transportador 42 1.10% 6 1.71% 39 0.93% 7 1.83%

Total 3,813 100% 350 100% 4,201 100% 382 100%

INGRESO

DEL TITULAR

Menor De3 SMLMV 1,275 33.44% 128 36.57% 1,643 39.11% 173 45.29%

Entre 3 Y5 SMLMV 1,095 28.72% 97 27.71% 1,186 28.23% 97 25.39%

Entre 5 Y7 SMLMV 663 17.39% 64 18.29% 653 15.54% 45 11.78%

Superior A7 SMLMV 780 20.46% 61 17.43% 719 17.11% 67 17.54%

Total 3,813 100% 350 100% 4,201 100% 382 100%


36

Anexo 3


años 2012 en la Ciudad de Cali

VARIABLE CATEGORÍA

AÑO 2012

NO MORA SI MORA

FREC % FREC %

SEXO DEL

TITULAR

Femenino 2,046 59.01% 129 58.64%

Masculino 1,421 40.99% 91 41.36%

Total 3,467 100% 220 100%

ESTADO CIVIL

Soltero 671 19.35% 45 20.45%

Unión Libre 513 14.80% 36 16.36%

Casado 1,941 55.99% 108 49.09%

Divorciado o Separado 61 1.76% 6 2.73%

Viudo 281 8.10% 25 11.36%

Total 3,467 100% 220 100%

NIVEL

EDUCATIVO

DEL TITULAR

Primaria 1,646 47.48% 103 46.82%

Secundaria 131 3.78% 5 2.27%

Técnica/Tecnológica 191 5.51% 16 7.27%

Universitario 501 14.45% 39 17.73%

Especialidad 998 28.79% 57 25.91%

Total 3,467 100% 220 100%

TIPO DE

VIVIENDA

Alquilada 264 7.61% 25 11.36%

Familiar 998 28.79% 90 40.91%

Totalmente Propia 2,205 63.60% 105 47.73%

Total 3,467 100% 220 100%

ESTRATO

SOCIOECONÓMICO

Estrato 1 85 2.45% 7 3.18%

Estrato 2 719 20.74% 57 25.91%

Estrato 3 1,397 40.29% 80 36.36%

Estrato 4 653 18.83% 40 18.18%

Estrato 5 491 14.16% 30 13.64%

Estrato 6 122 3.52% 6 2.73%

Total 3,467 100% 220 100%

PERFIL

OCUPACIONAL

Ama De Casa 1 0.03% - 0.00%

Empleado 1,369 39.49% 118 53.64%

Independiente

Profesional 108 3.12% 8 3.64%

Independiente Formal 16 0.46% 1 0.45%

Jubilado 1,948 56.19% 93 42.27%

Rentista De Capital 13 0.37% - 0.00%

Transportador 12 0.35% - 0.00%

Total 3,467 100% 220 100%

INGRESO

DEL TITULAR

Menor De3 SMLMV 2,136 61.61% 149 67.73%

Entre 3 Y5 SMLMV 670 19.33% 40 18.18%

Entre 5 Y7 SMLMV 332 9.58% 18 8.18%

Superior A7 SMLMV 329 9.49% 13 5.91%

Total 3,467 100% 220 100%


37

Anexo 4


Tarjeta de Crédito en la Ciudad de Cali, en el año 2008


VARIABLE CATEGORÍA


COEFICIENTE ERROR ESTÁNDAR COEFICIENTE ERROR ESTÁNDAR

(P>Z) (P>Z)

SEXO DEL TITULAR 0.084 0.114 0.044 0.062

(0.459) (0.480)

PERFIL

OCUPACIONAL

Ama de Casa

Empleado 0.638 1.043 0.333 0.505

(0.541) (0.510)

Independiente

Profesional

- - - -


(0.432) (0.399)

Jubilado 0.466 1.049 0.257 0.508

(0.657) (0.613)


(0.780) (0.707)

Transportador 0.657 1.172 0.340 0.583

(0.575) (0.560)

INGRESO

DEL TITULAR

Menor De3 SMLMV

Entre 3 Y 5

SMLMV

-0.016 0.165 -0.020 0.088

(0.922) (0.820)

Entre 5 Y 7

SMLMV

-0.306 0.243 -0.162 0.125

(0.208) (0.194)

Superior A 7

SMLMV

-0.124 0.245 -0.077 0.127

(0.614) (0.545)

TIPO DE VIVIENDA

Alquilada

Familiar 0.403 0.193 0.224 0.104

(0.036)* (0.032)**

Totalmente Propia 0.051 0.216 0.038 0.114

(0.814) (0.739)

ESTRATO

SOCIOECONÓMICO

Estrato 1

Estrato 2 -0.058 0.237 -0.034 0.134

(0.807) (0.799)

Estrato 3 -0.166 0.230 -0.094 0.129

(0.471) (0.466)

Estrato 4 -0.154 0.261 -0.096 0.144

(0.555) (0.506)

Estrato 5 -0.219 0.279 -0.128 0.151

38


VARIABLE CATEGORÍA



(P>Z) (P>Z)

(0.432) (0.398)

Estrato 6 -0.547 0.403 -0.282 0.207

(0.175) (0.173)

NIVEL EDUCATIVO

DEL TITULAR

Primaria

Secundaria -1.249 1.041 -0.668 0.504

(0.230) (0.185)

Técnica/

Tecnológica

0.252 0.269 0.132 0.149

(0.349) (0.373)

Universitario 0.180 0.137 0.106 0.076

(0.190) (0.165)

Especialidad -0.200 0.158 -0.098 0.085

(0.203) (0.251)

ESTADO CIVIL

Soltero

Unión Libre 0.063 0.173 0.038 0.098

(0.716) (0.694)

Casado -0.048 0.135 -0.024 0.074

(0.721) (0.742)

Divorciado o

Separado

-0.219 0.547 -0.116 0.285

(0.688) (0.684)

Viudo 0.011 0.323 0.032 0.164

(0.972) (0.846)

EDAD DEL TITULAR -0.018 0.006 -0.010 0.003

(0.002)** (0.002)***

NUMERO DE PERSONAS

A CARGO DEL TITULAR

0.018 0.067 0.008 0.037

(0.789) (0.818)

PUNTAJE SCORING -0.008 0.004 -0.004 0.002

(0.033)* (0.009)***

CONSTANTE 4.462 2.900 2.595 1.378

(0.124) (0.060)*

AKAIKE 2399.871 2398.307

SCHWARZ 2568.549 2566.985

RANK 28.000 28.000

PSEUDO R2 0.0530 0.0537


*p<0.05; **p<0.01; ***p<0.001


39

Anexo 5

Medidas de Bondad de Ajuste de los Modelos de Elección Discreta, Año 2008


LOGIT PROBIT


R2 McFaden 0.0530 0.0536



2988.58

(0.509)

2993.85

(0.481)


Probabilidad (HL)

10.22

(0.249)

6.85

(0.553)


Anexo 6

Efectos Marginales del Mejor de los modelos de Elección Discreta para Determinar la Probabilidad de

Incurrir en Mora de los Usuarios de la Tarjeta de crédito, en el Año 2008

VARIABLE DEPENDIENTE: 1=TITULAR INCURRIO EN MORA,

0= NO INCURRIO EN MORA

VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO PROBIT

COEFICIENTE


(0.013)

PERFIL

OCUPACIONAL

Ama de Casa

Empleado 0.065

(0.094)

Independiente

Profesional

Independiente

Formal 0.109

(0.152)

Jubilado 0.057

(0.121)

Rentista De Capital 0.054

(0.161)

Transportador 0.084

(0.168)

INGRESO

DEL TITULAR

Menor De3

SMLMV

Entre 3 Y 5

SMLMV -0.004

(0.018)

40



VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO PROBIT

COEFICIENTE

Entre 5 Y 7

SMLMV -0.031

(0.022)

Superior A 7

SMLMV -0.015

(0.025)

TIPO DE VIVIENDA

Alquilada

Familiar 0.048

(0.023)

Totalmente Propia 0.008

(0.024)

ESTRATO

SOCIOECONÓMICO

Estrato 1

Estrato 2 -0.007

(0.027)

Estrato 3 -0.019

(0.026)

Estrato 4 -0.019

(0.028)

Estrato 5 -0.025

(0.029)

Estrato 6 -0.050

(0.031)

NIVEL EDUCATIVO

DEL TITULAR

Primaria

Secundaria -0.092

(0.040)

Técnica/

Tecnológica 0.029

(0.035)

Universitario 0.023

(0.017)

Especialidad -0.020

(0.017)

ESTADO CIVIL

Soltero

Unión Libre 0.008

(0.021)

Casado -0.005

(0.015)

Divorciado o

Separado -0.023

(0.052)

41



VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO PROBIT

COEFICIENTE

Viudo 0.007

(0.035)

EDAD DEL TITULAR -0.002

(0.001)

NUMERO DE PERSONAS

A CARGO DEL TITULAR 0.002

(0.008)

PUNTAJE SCORING -0.001

(0.000)

ERROR ESTÁNDAR EN PARÉNTESIS


42

Anexo 7




VARIABLE CATEGORÍA



(P>Z) (P>Z)

SEXO DEL TITULAR 0.185 0.147 0.106 0.076

(0.207)* (0.163)*

PERFIL

OCUPACIONAL

Ama de Casa

Empleado 1.407 0.735 0.596 0.299

(0.056)** (0.046)*

Independiente

Profesional

- - - -


(0.045)* (0.042)

Jubilado 1.339 0.749 0.565 0.306

(0.074) (0.064)


(0.563) (0.582)

Transportador 1.703 0.976 0.770 0.460

(0.081) (0.094)

INGRESO

DEL TITULAR

Menor De3 SMLMV

Entre 3 Y 5

SMLMV

0.016 0.170 0.020 0.088

(0.926) (0.824)

Entre 5 Y 7

SMLMV

-0.312 0.244 -0.148 0.121

(0.202) (0.223)

Superior A 7

SMLMV

-0.188 0.258 -0.086 0.128

(0.466) (0.505)

TIPO DE VIVIENDA

Alquilada

Familiar 0.385 0.295 0.211 0.159

(0.192) (0.185)


(0.956) (0.992)

ESTRATO

SOCIOECONÓMICO

Estrato 1

Estrato 2 0.732 0.505 0.394 0.259

(0.147) (0.128)

Estrato 3 0.254 0.488 0.135 0.249

(0.603) (0.588)

Estrato 4 0.322 0.502 0.169 0.257

(0.522) (0.511)

Estrato 5 0.256 0.510 0.150 0.259

43


VARIABLE CATEGORÍA



(P>Z) (P>Z)

(0.616) (0.563)

Estrato 6 0.168 0.578 0.087 0.291

(0.771) (0.765)

NIVEL EDUCATIVO

DEL TITULAR

Primaria

Secundaria -0.442 0.770 -0.212 0.371

(0.565) (0.568)

Técnica/

Tecnológica

0.508 0.422 0.271 0.228

(0.229) (0.235)

Universitario 0.032 0.201 0.043 0.104

(0.874) (0.681)

Especialidad 0.131 0.211 0.068 0.108

(0.534) (0.529)

ESTADO CIVIL

Soltero

Unión Libre 0.407 0.281 0.213 0.152

(0.147) (0.162)

Casado 0.228 0.181 0.130 0.095

(0.208) (0.170)

Divorciado o

Separado

0.705 0.520 0.362 0.285

(0.175) (0.204)

Viudo 0.869 0.333 0.455 0.170

(0.009)*** (0.008)**

EDAD DEL TITULAR -0.007 0.008 -0.004 0.004

(0.403) (0.371)

NUMERO DE PERSONAS

A CARGO DEL TITULAR

0.170 0.083 0.084 0.044

(0.040)** (0.058)

PUNTAJE SCORING -0.020 0.007 -0.010 0.004

(0.004)*** (0.005)**

CONSTANTE 11.843 5.260 5.985 2.761

(0.024)** (0.030)**

AKAIKE 1705.066 1705.858

SCHWARZ 1870.553 1871.344

RANK 28 28

PSEUDO R2 0.0587 0.0582


*p<0.05; **p<0.01; ***p<0.001


44

Anexo 8

Medidas de Bondad de Ajuste de los Modelos de Elección Discreta, año 2009


LOGIT PROBIT


R2 McFaden 0.059 0.058



2737.07

(0.092)

2743.61

(0.078)


Probabilidad (HL)

3.970

(0.860)

6.390

(0.603)


Anexo 9





VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE


(0.011)

PERFIL

OCUPACIONAL

Ama de Casa

Empleado 0.110

(0.060)

Independiente

Profesional -

Independiente

Formal 0.198

(0.142)

Jubilado 0.124

(0.083)


(0.124)

Transportador 0.248

(0.213)

INGRESO

DEL TITULAR

Menor De3

SMLMV

Entre 3 Y 5

SMLMV 0.001

(0.013)

45



VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE

Entre 5 Y 7

SMLMV -0.022

(0.015)

Superior A 7

SMLMV -0.014

(0.018)

TIPO DE VIVIENDA

Alquilada

Familiar 0.031

(0.025)

Totalmente Propia -0.001

(0.0259

ESTRATO

SOCIOECONÓMICO

Estrato 1

Estrato 2 0.071

(0.060)

Estrato 3 0.020

(0.039)

Estrato 4 0.027

(0.045)

Estrato 5 0.021

(0.044)

Estrato 6 0.014

(0.050)

NIVEL EDUCATIVO

DEL TITULAR

Primaria

Secundaria -0.028

(0.041)

Técnica/

Tecnológica 0.048

(0.047)

Universitario 0.002

(0.016)

Especialidad 0.010

(0.016)

ESTADO CIVIL

Soltero

Unión Libre 0.036

(0.029)

Casado 0.017

(0.013)

Divorciado o

Separado 0.072

(0.067)

46



VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE

Viudo 0.091

(0.045)

EDAD DEL TITULAR 0.000

(0.001)

NUMERO DE PERSONAS

A CARGO DEL TITULAR 0.013

(0.006)


(0.001)



47

Anexo 10




VARIABLE CATEGORÍA



(P>Z) (P>Z)

SEXO DEL TITULAR -0.250 0.127 -0.127 0.065

(0.049)* (0.051)*

PERFIL

OCUPACIONAL

Ama de Casa

Empleado 0.799 0.309 0.389 0.148

(0.010)** (0.009)***

Independiente

Profesional

1.044 0.366 0.518 0.181

(0.0049** (0.004)***


(0.400) (0.428)

Jubilado 0.564 0.334 0.278 0.159

(0.091) (0.081)*


(0.076) (0.079)*

Transportador 0.903 0.532 0.440 0.277

(0.090) (0.112)

INGRESO

DEL TITULAR

Menor De3 SMLMV

Entre 3 Y 5

SMLMV

0.015 0.150 0.001 0.076

(0.919) (0.994)

Entre 5 Y 7

SMLMV

0.220 0.181 0.107 0.092

(0.225) (0.246)

Superior A 7

SMLMV

0.104 0.200 0.045 0.100

(0.604) (0.648)

TIPO DE VIVIENDA

Alquilada

Familiar 0.310 0.266 0.168 0.138

(0.244) (0.226)


(0.142) (0.174)

ESTRATO

SOCIOECONÓMICO

Estrato 1

Estrato 2 0.012 0.631 0.002 0.305

(0.985) (0.995)

Estrato 3 -0.110 0.613 -0.060 0.295

(0.858) (0.839)

Estrato 4 -0.016 0.619 -0.017 0.299

(0.980) (0.954)

Estrato 5 -0.115 0.621 -0.079 0.300

48


VARIABLE CATEGORÍA



(P>Z) (P>Z)

(0.853) (0.792)

Estrato 6 -0.756 0.671 -0.371 0.321

(0.260) (0.249)

NIVEL EDUCATIVO

DEL TITULAR

Primaria

Secundaria 0.005 0.267 0.008 0.134

(0.984) (0.950)

Técnica/

Tecnológica

-0.642 0.608 -0.278 0.272

(0.291) (0.308)

Universitario 0.247 0.186 0.131 0.094

(0.186) (0.164)

Especialidad -0.067 0.176 -0.028 0.087

(0.701) (0.747)

ESTADO CIVIL

Soltero

Unión Libre 0.426 0.217 0.213 0.110

(0.050)* (0.054)*

Casado 0.529 0.170 0.264 0.084

(0.002)** (0.002)***

Divorciado o

Separado

0.581 0.389 0.289 0.200

(0.135) (0.149)

Viudo 0.461 0.315 0.237 0.152

(0.143) (0.120)

EDAD DEL TITULAR -0.009 0.007 -0.005 0.003

(0.166) (0.175)

NUMERO DE PERSONAS

A CARGO DEL TITULAR

0.160 0.073 0.080 0.038

(0.028)* (0.036)***

PUNTAJE SCORING -0.002 0.005 -0.001 0.003

(0.681) (0.677)

CONSTANTE -1.023 4.171 -0.661 2.095

(0.806) (0.752)

AKAIKE 2356.249 2357.127

SCHWARZ 2539.935 2540.813

RANK 29 29

PSEUDO R2 0.0436 0.0432


*p<0.05; **p<0.01; ***p<0.001


49

Anexo 11

Medidas de Bondad de Ajuste de los Modelos de Elección Discreta, año 2010


LOGIT PROBIT


R2 McFaden 0.0435 0.0432



4134.03

(0.214)

4139.28

(0.198)


Probabilidad (HL)

5.22

(0.7336)

5.18

(0.7381)


Anexo 12





VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE

SEXO DEL TITULAR -0.017

(0.009)

PERFIL

OCUPACIONAL

Ama de Casa

Empleado 0.055

(0.022)

Independiente

Profesional

0.106

(0.051)

Independiente

Formal

0.029

(0.039)

Jubilado 0.043

(0.028)


(0.067)

Transportador 0.090

(0.072)

INGRESO

DEL TITULAR

Menor De3

SMLMV

Entre 3 Y 5

SMLMV

0.001

(0.010)

50



VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE

Entre 5 Y 7

SMLMV

0.016

(0.014)

Superior A 7

SMLMV

0.007

(0.014)

TIPO DE VIVIENDA

Alquilada

Familiar 0.022

(0.020)


(0.022)

ESTRATO

SOCIOECONÓMICO

Estrato 1

Estrato 2 0.001

(0.044)

Estrato 3 -0.007

(0.041)

Estrato 4 -0.001

(0.042)

Estrato 5 -0.008

(0.041)

Estrato 6 -0.040

(0.027)

NIVEL EDUCATIVO

DEL TITULAR

Primaria

Secundaria 0.0003

(0.018)

Técnica/

Tecnológica

-0.034

(0.024)

Universitario 0.018

(0.015)

Especialidad -0.005

(0.012)

ESTADO CIVIL

Soltero

Unión Libre 0.034

(0.020)

Casado 0.035

(0.011)

Divorciado o

Separado

0.051

(0.042)

51



VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE

Viudo 0.038

(0.030)


(0.000)

NUMERO DE PERSONAS

A CARGO DEL TITULAR

0.011

(0.005)

PUNTAJE SCORING 0.000

(0.000)



52

Anexo 13




VARIABLE CATEGORÍA



(P>Z) (P>Z)

SEXO DEL TITULAR 0.117 0.117 0.058 0.058

(0.319) (0.329)

PERFIL

OCUPACIONAL

Ama de Casa

Empleado -0.086 0.449 -0.043 -0.043

(0.848) (0.850)

Independiente

Profesional

0.219 0.482 0.111 0.111

(0.650) (0.648)


(0.734) (0.755)

Jubilado 0.029 0.459 0.013 0.013

(0.950) (0.954)

Rentista De Capital -1.779 1.106 -0.851 -0.851

(0.108) (0.075)

Transportador 0.488 0.609 0.265 0.265

(0.423) (0.403)

INGRESO

DEL TITULAR

Menor De3 SMLMV

Entre 3 Y 5

SMLMV

-0.256 0.145 -0.129 -0.129

(0.076)* (0.075)*

Entre 5 Y 7

SMLMV

-0.405 0.191 -0.204 -0.204

(0.034)** (0.030)**

Superior A 7

SMLMV

-0.112 0.191 -0.059 -0.059

(0.556) (0.540)

TIPO DE VIVIENDA

Alquilada

Familiar 0.216 0.262 0.123 0.123

(0.408) (0.369)

Totalmente Propia -0.175 0.282 -0.074 -0.074

(0.535) (0.611)

ESTRATO

SOCIOECONÓMICO

Estrato 1

Estrato 2 -0.363 0.443 -0.183 -0.183

(0.413) (0.437)

Estrato 3 -0.226 0.425 -0.111 -0.111

(0.595) (0.623)

Estrato 4 -0.338 0.439 -0.175 -0.175

(0.442) (0.454)

Estrato 5 -0.037 0.441 -0.027 -0.027

53


VARIABLE CATEGORÍA



(P>Z) (P>Z)

(0.933) (0.908)

Estrato 6 -0.061 0.493 -0.032 -0.032

(0.902) (0.903)

NIVEL EDUCATIVO

DEL TITULAR

Primaria

Secundaria 0.032 0.277 0.023 0.023

(0.907) (0.870)

Técnica/

Tecnológica

0.515 0.340 0.276 0.276

(0.130) (0.114)

Universitario 0.098 0.172 0.062 0.062

(0.570) (0.475)

Especialidad -0.041 0.157 -0.012 -0.012

(0.795) (0.879)

ESTADO CIVIL

Soltero

Unión Libre 0.309 0.205 0.169 0.169

(0.132) (0.107)

Casado 0.346 0.158 0.173 0.173

(0.028) (0.030)

Divorciado o

Separado

0.114 0.621 0.074 0.074

(0.854) (0.803)

Viudo 0.855 0.274 0.428 0.428

(0.002)*** (0.002)**

EDAD DEL TITULAR -0.027 0.006 -0.013 -0.013

(0.000)*** (0.000)***

NUMERO DE PERSONAS

A CARGO DEL TITULAR

-0.050 0.073 -0.023 -0.023

(0.493) (0.531)

PUNTAJE SCORING -0.011 0.005 -0.006 -0.006

(0.021)** (0.014)*

CONSTANTE 8.199 3.851 4.311 4.311

(0.033)** (0.030)*

AKAIKE 2565.902 2564.835

SCHWARZ 2752.376 2751.308

RANK 29 29

PSEUDO R2 0.0463 0.0467


*p<0.05; **p<0.01; ***p<0.001


54

Anexo 14



LOGIT PROBIT


R2 McFaden 0.046 0.046



4438.77

(0.5235)

4457.98

(0.4425)


Probabilidad (HL)

2.99

(0.9349)

4.1

(0.8478)


Anexo 15





VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE


(0.008)

PERFIL

OCUPACIONAL

Ama de Casa

Empleado -0.006

(0.030)

Independiente

Profesional

0.016

(0.038)

Independiente

Formal

0.014

(0.045)

Jubilado 0.002

(0.031)

Rentista De Capital -0.061

(0.015)

Transportador 0.040

(0.061)

INGRESO

DEL TITULAR

Menor De3

SMLMV

Entre 3 Y 5

SMLMV

-0.017

(0.009)

55



VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE

Entre 5 Y 7

SMLMV

-0.024

(0.010)

Superior A 7

SMLMV

-0.007

(0.012)

TIPO DE VIVIENDA

Alquilada

Familiar 0.015

(0.019)


(0.020)

ESTRATO

SOCIOECONÓMICO

Estrato 1

Estrato 2 -0.022

(0.024)

Estrato 3 -0.015

(0.027)

Estrato 4 -0.021

(0.025)

Estrato 5 -0.003

(0.029)

Estrato 6 -0.004

(0.032)

NIVEL EDUCATIVO

DEL TITULAR

Primaria

Secundaria 0.002

(0.019)

Técnica/

Tecnológica

0.043

(0.034)

Universitario 0.007

(0.012)

Especialidad -0.003

(0.011)

ESTADO CIVIL

Soltero

Unión Libre 0.023

(0.017)

Casado 0.022

(0.010)

Divorciado o

Separado

0.008

(0.046)

56



VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE

Viudo 0.080

(0.033)


(0.000)

NUMERO DE PERSONAS

A CARGO DEL TITULAR

-0.003

(0.005)


(0.000)



57

Anexo 16




VARIABLE CATEGORÍA



(P>Z) (P>Z)

SEXO DEL TITULAR 0.154 0.157 0.075 0.076

(0.325)** (0.324)

PERFIL

OCUPACIONAL

Ama de Casa

Empleado 12.169 5.212 3.454 2.512

(0.020)** (0.169)

Independiente

Profesional

12.253 5.153 3.482 2.484

(0.017)** (0.161)


(0.024)** (0.190)

Jubilado 11.866 5.300 3.304 2.553

(0.025) (0.196)

Rentista De Capital - - - -

Transportador - - - -

INGRESO

DEL TITULAR

Menor De3 SMLMV

Entre 3 Y 5

SMLMV

-0.020 0.205 -0.014 0.098

(0.923) (0.886)

Entre 5 Y 7

SMLMV

-0.044 0.289 -0.027 0.138

(0.880) (0.847)

Superior A 7

SMLMV

-0.373 0.350 -0.158 0.158

(0.286) (0.318)

TIPO DE VIVIENDA

Alquilada

Familiar -0.041 0.278 -0.014 0.138

(0.884) (0.919)


(0.183) (0.196)

ESTRATO

SOCIOECONÓMICO

Estrato 1

Estrato 2 -0.128 0.423 -0.067 0.209

(0.763) (0.748)

Estrato 3 -0.344 0.420 -0.169 0.206

(0.412) (0.412)

Estrato 4 -0.145 0.447 -0.087 0.219

(0.746) (0.692)

Estrato 5 -0.011 0.467 -0.035 0.228

(0.981) (0.878)

58


VARIABLE CATEGORÍA



(P>Z) (P>Z)

Estrato 6 -0.057 0.610 -0.030 0.290

(0.926) (0.919)

NIVEL EDUCATIVO

DEL TITULAR

Primaria

Secundaria -0.648 0.501 -0.265 0.222

(0.195) (0.231)

Técnica/

Tecnológica

0.443 0.287 0.216 0.141

(0.123) (0.126)

Universitario 0.048 0.206 0.027 0.100

(0.815) (0.785)

Especialidad -0.309 0.213 -0.157 0.103

(0.147) (0.126)

ESTADO CIVIL

Soltero

Unión Libre 0.028 0.246 0.024 0.120

(0.910) (0.841)

Casado 0.010 0.197 0.020 0.095

(0.960) (0.836)

Divorciado o

Separado

0.773 0.468 0.370 0.237

(0.099)* (0.119)

Viudo 0.810 0.299 0.398 0.146

(0.007)*** (0.007)***

EDAD DEL TITULAR -0.022 0.009 -0.010 0.004

(0.011)** (0.014)**

NUMERO DE PERSONAS

A CARGO DEL TITULAR

-0.115 0.098 -0.058 0.047

(0.239) (0.214)

PUNTAJE SCORING -0.004 0.007 -0.002 0.003

(0.564) (0.563)

CONSTANTE -9.983 . -2.627 .

- -

AKAIKE 1650.815 1651.129

SCHWARZ 1812.165 1812.478

RANK 26 26

PSEUDO R2 0.0391 0.0389


*p<0.05; **p<0.01; ***p<0.001


59

Anexo 17



LOGIT PROBIT


R2 McFaden 0.0391 0.0389



3623.80

(0.1156)

3620.19

(0.1240)


Probabilidad (HL)

14.61

(0.0672)

17.3

(0.0271)


Anexo 18





VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE


(0.008)

PERFIL

OCUPACIONAL

Ama de Casa

Empleado 0.987

(0.040)

Independiente

Profesional

0.964

(0.007)

Independiente

Formal

0.950

(0.005)

Jubilado 0.914

(0.185)

Rentista De Capital

Transportador

INGRESO

DEL TITULAR

Menor De3

SMLMV

Entre 3 Y 5

SMLMV

-0.001

(0.010)

Entre 5 Y 7

SMLMV

-0.002

(0.014)

60



VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE

Superior A 7

SMLMV

-0.016

(0.013)

TIPO DE VIVIENDA

Alquilada

Familiar -0.002

(0.014)


(0.017)

ESTRATO

SOCIOECONÓMICO

Estrato 1

Estrato 2 -0.006

(0.020)

Estrato 3 -0.017

(0.020)

Estrato 4 -0.007

(0.021)

Estrato 5 -0.001

(0.023)

Estrato 6 -0.003

(0.029)

NIVEL EDUCATIVO

DEL TITULAR

Primaria

Secundaria -0.025

(0.014)

Técnica/

Tecnológica

0.026

(0.020)

Universitario 0.002

(0.011)

Especialidad -0.015

(0.009)

ESTADO CIVIL

Soltero

Unión Libre 0.001

(0.012)

Casado 0.000

(0.010)

Divorciado o

Separado

0.054

(0.044)

Viudo 0.055

(0.027)

61



VARIABLE CATEGORÍA

EFECTOS

MARGINALES DEL

MODELO LOGIT

COEFICIENTE


(0.000)

NUMERO DE PERSONAS

A CARGO DEL TITULAR

-0.006

(0.005)

PUNTAJE SCORING 0.000

(0.000)



Documents

PROBABILIDAD DE INCURRIR EN MORA DE LOS USUARIOS DE UNA