El análisis es de tipo descriptivo en la que se evaluó la incidencia de los microcréditos sobre el sector de economía popular y solidaria y se reforzó con el estudio de mercado de mediante el método de la encuesta. Este trabajo hizo uso de la estadística descriptiva y la de inferencial. La primera parte, a través del tratamiento de la información de los montos globales que se destina de préstamos a la Economía Popular y Solidario (EPS). Para la segunda y tercera parte se generó datos a través de la encuesta. El motivo principal es conocer si el beneficiario ha sido el crédito de la EPS un indicador que mejoro su nivel de
beneficios. Esta encuesta se justifica debido a que las instituciones de la EPS solo reportan información de manera global en la página de la Superintendencia. Y la investigación busca ver el real aporte o contribución del microcrédito a mejorar el nivel de beneficios. La estadística descriptiva permitió conocer y sintetizar la información genera por las encuestas, los parámetros a utilizados aquí son la media y varianza (Berenson, Levine,, & Krehbiel, 2006).
La estadística descriptiva se utilizó en este estudio para el desarrollo de los objetivos específico 1 (montos globales de crédito). La encuesta se tabuló de acuerdo a los datos de cada pregunta y se realizó un análisis descriptivo para las respuestas (objetivo 2). La parte inferencial se utilizó para el objetivo específico 3, aquí se tendrá variables de beneficio del negocio, monto de crédito otorgado y demás variables relacionado al negocio para cada asociado que se les hiso la encuesta.
Estadística Descriptiva
47 Para el desarrollo del objetivo 3 se usó el modelo de regresión lineal
múltiple con los datos de la encuesta hacia los comerciantes minorista de la asociación 28 de septiembre, en este modelo se tomó como variable dependiente el beneficio de cada micronegocio y como variables independientes el monto recibido de crédito y demás variables relacionadas al negocio (edad del dueño, número de trabajadores, experiencia en el negocio, etc.), esto se realizó con la finalidad de ver si solo el crédito ha ayudado a mejorar los beneficios o pudiera existir otras variables ajenas al microcrédito que mejoren los beneficios. Para este objetivo se utilizará el aplicativo GRETL.
La regresión lineal múltiple nos ayudará a ver el grado de relación de las variables entre sí.
Y = b0 + b1 X1 + b2 X2 + b3 X3 + b4 X4 + b5 X5 + b6 X6 + Ɛ
Donde:
Y = Es el beneficio del micronegocio.
X1 = Monto prestado a la instituciones de la EPS
X2 = Unidades vendidas.
X3 = Año en que recibió el microcrédito
b0 = La constante del modelo
b1 =b2 =b3 =b4 =b5 = b6, Coeficientes a estimar en la regresión.
Ɛ = Error de la regresión
Para desarrollar el modelo de regresión lineal múltiple, se debe tomar en consideración lo siguiente:
Test de Significancia Individual
Al momento de analizar este test de significancia individual se comparó el valor crítico del estadístico t y el valor p, en la cual se determina si los valores de cada una
48 de las variables planteadas dentro del modelo son o no estadísticamente significantes y a raíz de los resultados se puede verificar la aceptabilidad del modelo (Gujarati & Porter, Econometría, 5ta. Ed., 2010).
Indicando lo siguiente:
𝐇𝟎: 𝛃𝐱 = 𝟎
𝐇𝟏: 𝛃𝐱 ≠ 𝟎
Si la Hipótesis nula (Hₒ), refleja que los valores de los coeficientes (βx) tienen significancia se denota que son iguales a cero entonces la hipótesis se acepta.
Caso contrario, si el valor que refleja los coeficientes (βx) no tienen significancia se denota que son diferentes de cero, entonces no se acepta la hipótesis nula, más bien se procede aceptar a la hipótesis alternativa.
Por ende, se postula la hipótesis ya planteada en el trabajo de investigación, quedando de la siguiente manera:
𝐇𝟎= El aporte de los microcréditos ha contribuido a mejorar los beneficios
del sector de la economía popular y solidaria.
𝐇𝟏= El aporte de los microcréditos no ha contribuido a mejorar los
beneficios del sector de la economía popular y solidaria.
49 t − statistic =σββx
x
Test de Significancia Conjunta
Dentro de este test, se verifica con la prueba F para comparar varianzas
(Gujarati & Porter, Econometría, 5ta. Ed., 2010). Determina que la significancia dentro de un modelo de regresión, donde cuya hipótesis nula menciona que todos o al menos algunos de los coeficientes (𝛽) tienden a ser iguales a cero, mientras que para la hipótesis alternativa por lo menos uno de estos parámetros son significativos o distinto de cero:
Indicando lo siguiente:
𝐇𝐨= 𝛃𝟏= 𝛃𝟐= ⋯ = 𝛃𝐤= 𝟎
𝐇𝐨= 𝛃𝟏= 𝛃𝟐= ⋯ = 𝛃𝐤≠ 𝟎
Coeficiente de Determinación (R^2).
Este contraste, dentro de un modelo de regresión lineal lo que evalúa es el grado de participación o cambio que puede explicar una variable dependiente a una variable independiente, con el fin de comprobar si el modelo estimado es considerado fiable dentro de un estudio (Gujarati & Porter, Econometría, 5ta. Ed., 2010). Cabe recalcar, que para poder analizar los valores del coeficiente éste debe ponderarse entre 0 y 1, de ahí se considera si el nivel de ajuste es bueno o malo, si es cercano a uno se puede deducir un modelo apto, caso contrario si está más cerca a cero el modelo no es fiable y a su vez no se puede explicar porque no existe un vínculo sagaz entre variables.
Es decir, que dentro del modelo si:
50 Las variables tanto X como Y; no generan ningún vínculo lineal, porque precisamente su nivel de ajuste no explica nada, manteniéndose a la deriva ya que no se mueve ni para un lado ni para el otro (Gujarati & Porter, Econometría, 5ta. Ed., 2010).
𝐑𝟐= 𝟏
En cambio, para un nivel de ajuste igual a uno la relación entre las variables X y Y; es positiva ya que si una se mueve la otra también, lo cual permite explicar el modelo sin ninguna falencia (Gujarati & Porter, Econometría, 5ta. Ed., 2010).
𝐑𝟐= −𝟏
Se puede denotar que existe una relación opuesta, es decir, si una variable se mueve hacia la izquierda pues la otra toma una dirección contraria, haciendo que el modelo se declive (Gujarati & Porter, Econometría, 5ta. Ed., 2010).
Una vez estimada la regresión se validará la significancia de las variables y el R2 de los resultados. Adicionalmente se analizará los test F, de normalidad de
residuos, heterocedasticidad y autocorrelación (Gujarati & Porter, ECONOMETRÍA, 2010)
Test de los Supuestos del Modelo de Regresión Lineal Múltiple
Antes de plantear los resultados del modelo estimado, se procede a
realizar los test de supuestos, con el fin de verificar si se cumplen o no a lo que se pide, según los estadísticos de cada prueba:
Test de Normalidad de los Residuos:
El objetivo que conlleva a realizar este tipo de prueba estadística dentro del modelo de regresión lineal múltiple, es para verificar si el Error tiene una Distribución Normal, esto se lo puede visualizar a través del valor p con el nivel de significancia, es decir, si valor p es mayor al 5%; se cumple con el supuesto; caso contrario sería al revés, indicando que se debe corregir el modelo (Gujarati & Porter, Econometría, 5ta. Ed., 2010).
51 Test de Especificación del estadístico Reset de Ramsey:
Esta es otra prueba muy importante que se necesita analizarlo antes de emplear el modelo, este estadístico permite verificar si el resultado es el adecuado o no; donde su valor p también tiene que ser mayor al nivel de significancia, es decir, al 0,05
(Gujarati & Porter, Econometría, 5ta. Ed., 2010).
Test de Heterocedasticidad de White:
Dentro de este test se comprobó el comportamiento de los residuos, si en caso de ser constantemente normal so obtiene un valor p mayor al 5%, se contrasta que no hay heterocedasticidad, sino que existe homocedasticidad en el modelo (Gujarati & Porter, Econometría, 5ta. Ed., 2010).
Test de Autocorrelación.
Dentro del modelo se torna necesario comprobar si existe problemas de
autocorrelación, ya que si ese fuese el caso no sería posible trabajar normalmente ya que presentaría problemas dentro del modelo, pero para poder saber si hay o no autocorrelación se puede verificar a través del valor p si este resulta ser mayor al nivel de significancia, se puede denotar que carece de autocorrelación el modelo es viable, caso contrario el modelo no es viable (Gujarati & Porter, Econometría, 5ta. Ed., 2010).