Figura 1: regresin mltiple inicial.

La figura 1 muestra los resultados de la ecuacin de regresin

morosidad (inf , m2, ta, vc ) . Se puede apreciar un impacto negativo de INF, M2 y TA

sobre MOROSIDAD, mientras que VC tiene un impacto positivo sobre este ltimo. Una

disminucin promedio de 0,203 en la MOROSIDAD se encuentra asociada con un

incremento de una unidad en INF mientras se mantienen los dems predictores constantes. Si

M2 aumenta en una unidad, MOROSIDAD disminuir en promedio 0,059 unidades INF

mientras se mantienen los dems predictores constantes. MOROSIDAD percibir una

disminucin promedio de 0,229 unidades como respuesta a un incremento una unidad en TA

INF mientras se mantienen los dems predictores constantes. Un aumento de una unidad de

VC provocar un aumento de 0,007 unidades en promedio del nivel de MOROSIDAD INF

mientras se mantienen los dems predictores constantes.

Los valores P indican que las variables son estadsticamente significativas en los

niveles convencionales de confianza sealando que cada una de los predictores son una

adicin significativa para el modelo porque los cambios que se den en los valores de estos se

encuentran se encuentran relacionados con cambios en los valores de la variable de respuesta.

INF y TA son estadsticamente significativos al 99% de confianza, M2 es significativo al 95%

de confianza y VC es estadsticamente significativo al 90% de confianza. Adicionalmente, al

observar la probabilidad del estadstico F se verifica que las variables en conjunto son

estadsticamente significativas, es decir, que el modelo predice la variable de respuesta mejor

que la media de la misma.

El valor de R cuadrado provee una estimacin de la fortaleza de la relacin entre el

modelo y la variable de respuesta, este no provee de una prueba de hiptesis formal para esta

relacin, como lo hace la prueba general F. El modelo el R cuadrado es bajo 0,4792 indicando

que el 47,92% de la variacin de la variable de respuesta alrededor de su media es

representada por el modelo. Sin embargo, el criterio de obtener un R2 elevado es ms

importante en un estudio predictivo, incluso con un R2 bajo se puede realizar buenas pruebas

de hiptesis sobre los efectos de las variables de inters. Adems, el R2 no puede determinar

si los coeficientes estimados y predicciones son sesgadas (por lo cual se revisar el grfico de

residuos), ni tampoco si un modelo de regresin es inadecuado. Si los puntos del residuo se

encuentran distribuidos al azar alrededor del eje de las axisas, el modelo es apropiado para la

informacin.
 Figura 2: Modelo dinmico.

Se incluye un trmino autorregresivo asumiendo que la morosidad tambin es

influencia por niveles pasados de la misma. El R cuadrado es alto, pero esto es

principalmente debido a que a que una de las variables explicativas es un rezago de la

variable dependiente. Con el mtodo de Koyck se puede estimar la velocidad de ajuste de Y

ante cambios en las variables explicativas a travs de la mediana y la media del rezago,

mismas que adquieren los valores de 4,4683 y 5,9594 respectivamente. La mediana del

rezago indica que se requerir de 4,47 aos para que se cumpla en 50% del cambio en Y ante

un cambio sostenido en las Xs, mientras que la media del rezago sugiere que, en promedio,

se requerir de casi 6 aos para que los efectos de los cambios sostenidos de las variables

independientes se explicativas se trasladen a la MOROSIDAD.

Siguiendo la hiptesis de ajuste parcial por Merlove, se puede obtener el coeficiente

ajuste parcial (0,14369). Este valor indica que el 14,369% de la diferencia entre los niveles de

MOROSIDAD actuales y los deseados (o de largo plazo) es eliminada cada ao, una

velocidad de ajuste bastante lenta. No obstante, los parmetros a largo plazo son obtenidos al

dividir cada uno de los coeficientes a largo plazo para la velocidad de ajuste. La funcin a

largo plazo es:

 Morosidad=8,393068+ 0,058278INF0,630892M 20,249947TA0,0168278VC
(1)
Los coeficientes estimados en la figura 2 son los coeficientes a corto plazo, estos

indican que un incremento en una unidad de los niveles de INF observados o actuales llevar

a un aumento promedio de 0,0083 unidades en la MOROSIDAD, pero si se conserva este

aumento en los niveles de inflacin (o si este aumento en la inflacin es sostenido), entonces,

a la larga (o eventualmente), este llevara a un aumento promedio (o alrededor de) 0,0528

unidades en los niveles de MOROSIDAD. En otras palabras, cuando haya pasado el tiempo

necesario para que los niveles de morosidad se ajusten ante un incremento en la inflacin, la

morosidad incrementara su nivel en ltima instancia alrededor de 0.0528 unidades ante un

incremento de una unidad de INF.

Figura 3: Prueba de cointegracin.

 La prueba Trace indica que existen a lo ms tres vectores de cointegracin. As

mismo, la prueba de mxima verosimilitud indica la existencia de dos vectores de

cointegracin. Los resultados confirman la existencia de una relacin a largo plazo o de

equilibrio entre las variables, es decir, que, aunque individualmente las variables no sean

estacionarias, la combinacin lineal de estas es estacionaria. Por tanto, los mtodos

tradicionales de regresin, incluyendo las pruebas t y F son aplicables a estas series de tiempo

evitando as una situacin de regresin espuria. si se trabajara con series en diferencias,

implcitamente se est reconociendo que las relaciones son de corto plazo y que no existe

relacin de largo plazo alguna.

Se verifico la estabilidad estructural del modelo de regresin mediante la prueba de

estabilidad estructural de Chow. Los resultados confirman que existe un quiebre estructural

en marzo del 2010, es decir, hay un cambio estructural entre la relacin de la variable

regresada y los represores. Por tanto, los parmetros del modelo no se mantienen constantes a

lo largo del periodo de anlisis. Por lo general, este tipo de cambios se debe a fuerzas

externas, en este caso a

A pesar de que la prueba de Chow es til para identificar cambios estructurales, esta

no puede definir si estos cambios se deben a diferencias en los trminos de los intercepto o en

los coeficientes de la pendiente o en ambos. Para superar esta limitacin, se proceder a

utilizar variables dictomas como alternativa a la prueba de Chow.

 Figura 4: Estabilidad estructural: enfoque dictomo.

Al observar la significancia estadstica de D1, se puede concluir que no existe una

diferencia estadsticamente significativa entre los interceptos de ambos regmenes.

Figura 5: Prueba de causalidad de Granger.

 El anlisis de regresin trata sobre la dependencia de una variable sobre otra, sin

embargo, esto no implica causalidad. Es decir, la existencia de una relacin entre las variables

no es evidencia suficiente de causalidad o de la direccin de la influencia. La Prueba de

causalidad de Granger ser utilizada con el fin de determinar si las variables exgenas

seleccionada son tiles para predecir a la variable endgena. La importancia de determinar las

relaciones de causalidad radica en que los formuladores de polticas necesitan conocer las

consecuencias de las diferentes acciones que tomarn o estn pensando tomar.

Los resultados sealan que INF y VC no causan (segn Granger) los niveles de

morosidad, mientras que para M2 y TA ocurre lo contrario.