ARTÍCULO ORIGINAL  
INNOVA Research Journal, ISSN 2477-9024  
(Enero-Abril 2024). Vol. 9, No.1 pp. 35-51  
DOI: https://doi.org/10.33890/innova.v9.n1.2024.2309  
URL: http://revistas.uide.edu.ec/index.php/innova/index  
Correo: innova@uide.edu.ec  
Análisis probabilístico de la segmentación de créditos en la provincia El Oro-  
1
Ecuador  
Probabilistic analysis of credit segmentation in the province of El Oro-  
Ecuador  
Luis Cedillo-Chalaco  
Universidad Metropolitana, Machala, Ecuador  
lcedillo@umet.edu.ec  
https://orcid.org/0000-0002-3142-4485  
John Alexander Campuzano-Vásquez  
Universidad Técnica de Machala, Machala, Ecuador  
jcampuzano@utmachala.edu.ec  
https://orcid.org/0000-0002-3901-3197  
Recepción: 29/06/2023 | Aceptación: 25/09/2023 | Publicación: 10/01/2024  
Cómo citar (APA, séptima edición):  
Cedillo-Chalaco, L. F., y Campuzano-Vásquez, J. A. (2024). Análisis probabilístico de la  
segmentación de créditos en la provincia El Oro-Ecuador. INNOVA Research Journal, 9(1), 35-  
5
1. https://doi.org/10.33890/innova.v9.n1.2024.2309  
Resumen  
Dentro del contexto de la provincia de El Oro-Ecuador, se aprecia la escasez de investigaciones  
académicas que determinen la probabilidad de que las distintas instituciones financieras públicas  
o privadas otorguen un determinado tipo de crédito. Generalmente el otorgamiento del crédito  
responde al cumplimiento de un determinado número de requisitos y se lo considera como una  
práctica mecánica. Por tal, se plantea como objetivo calcular la probabilidad de acceder a un  
crédito desarrollando un modelo econométrico de regresión logística multinomial usando el  
"método de máxima verosimilitud" que permita de manera técnica encontrar los valores más  
probables de los parámetros de la distribución en una muestra de beneficiarios de las instituciones  
1
Constituye un resultado dentro del proyecto de investigación de la carrera de Administración de Empresas de la  
Universidad Metropolitana Sede Machala: “Mecanismos de promoción y acceso a financiamientos desarrollados por  
la banca ecuatoriana para el financiamiento de las Pymes en la Provincia de El Oro”; y al Semillero de Investigación  
en Empresas, Territorio y Gestión de Organizaciones de la Universidad Técnica de Machala.  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
35  
Luis Cedillo-Chalaco y John Alexander Campuzano-Vásquez  
ISSN 2477-9024. Innova Research Journal (Enero-Abril, 2024). Vol. N9, No. 1, pp. 35-51  
financieras de la provincia de El Oro, considerando las más importantes variables regresoras que  
concuerdan con la literatura crediticia existente y la realidad local. Los resultados revelan que, de  
los tres principales segmentos de créditos analizados (consumo, grupal y microcrédito), es más  
probable que se otorguen (por su mayor nivel de probabilidad) las de tipo grupal; debido  
principalmente a que, al existir un mayor número de integrantes solicitantes, las garantías para el  
pago de la deuda en el tiempo establecido son más altas. Además, a esta característica la acompaña  
que el monto que se solicita es mayor, y el destino del dinero es especialmente dedicado a realizar  
actividades productivas.  
Palabras claves: crédito; créditos de consumo; créditos grupales; microcréditos; regresión  
logística multinomial.  
Abstract  
Within the context of the province of El Oro-Ecuador, there is a lack of academic research that  
determines the probability that different public or private financial institutions grant a certain type  
of credit. The granting of credit responds to the fulfillment of a certain number of requirements  
and is considered a mechanical practice. Therefore, the objective is to calculate the probability of  
accessing credit by developing an econometric multinomial logistic regression model using the  
"maximum likelihood method" that technically allows finding the most probable values of the  
distribution parameters in a sample. of beneficiaries of financial institutions in the province of El  
Oro, considering the most important regressor variables that agree with the existing credit literature  
and local reality. The results reveal that, of the three main credit segments analyzed (consumer,  
group and microcredit), group type credits are most likely to be granted (due to their higher level  
of probability); mainly due to the fact that, as there is a greater number of applicant members, the  
guarantees for payment of the debt within the established time are higher. Furthermore, this  
characteristic is accompanied by the fact that the amount requested is greater, and the use of the  
money is especially dedicated to conducting productive activities.  
Keywords: credit; consumer loans; group loans; microcredits; multinomial logistic regression.  
Introducción  
La amplia gama de investigaciones que disertan acerca de los créditos y su incidencia en  
la sociedad (Bezemer, 2014; Duican, 2015; Xiong et al., 2017; Guo et al., 2022), han demostrado  
lo relevantes que son este tipo de financiación para la generación de mejores condiciones de vida  
en los individuos, ya sea para destinarlos a la gesta de emprendimientos, crear fuentes de empleo,  
satisfacer determinadas necesidades, o simplemente para el consumo personal (Medina et al.,  
2
022).  
El crédito es un medio por el cual, las personas pueden acceder a dinero extra, y como  
consecuencia cumplir sus objetivos y el disfrute de los beneficios de bienes o servicios de manera  
inmediata (Erhardt, 2018), permitiendo <<hasta cierto punto>> el crecimiento de la economía  
(Heng, 2020), desde el sentido que impulsa la expansión de la red empresarial, la producción, la  
generación de empleo, y la mejora del nivel de vida de las personas (Botello, 2015); generándose  
por tanto, una relación directa entre acceso a financiamiento y crecimiento económico.  
En afinidad con lo expresado, Morales (2018) expone que el crédito se ha convertido en un  
medio y factor de desarrollo económico y social, mediante la intervención de entidades financieras  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
36  
Análisis probabilístico de la segmentación de créditos en la provincia El Oro-Ecuador  
que, a más de buscar ampliar su capacidad de oferta crediticia, tiene como objetivo fortalecer la  
inclusión a la producción de los diferentes sectores de una población, para que exista un  
crecimiento más justo e incluyente.  
En sentido similar, Salgado y Aires (2018) ponen de manifiesto que el papel que  
desempeñan los créditos en el contexto social, están directamente relacionados con el desarrollo  
económico; pues, es debido a los limitados recursos financieros que las pequeñas y medianas  
empresas pueden afrontar en mayor nivel la dificultad para comenzar, mantener y expandir sus  
actividades, evitando la deserción, baja productividad, bajos ingresos, etc.  
En el contexto ecuatoriano, desde que se empezó a utilizar el dólar en el año 2000 como  
moneda oficial, el país ha experimentado la estabilización de diferentes indicadores financieros,  
tales como: la eliminación del riesgo cambiario, reducción de tasas de interés, mejora de liquidez  
bancaria, el aumento de la calidad y otorgamiento de los créditos (Rosignuolo y Párraga, 2020); a  
tal punto que, desde el 2005 hasta el 2021 (Figura 1), el total del monto de crédito otorgado pasó  
de $10.077.635.536,5798 a $31.803.228.451,88; es decir, presentó un incremento del 316%. Estos  
rubros fueron destinados en general, a satisfacer necesidades de diferentes sectores, entre los que  
destacan el comercio al por mayor y menor, la construcción, consumo, industria, educación, salud,  
agricultura, y vivienda (Superintendencia de Bancos, 2022).  
Figura 1  
Monto de crédito otorgado a nivel Ecuador  
$
$
$
$
$
$
$
40,000,000,000  
35,000,000,000  
30,000,000,000  
25,000,000,000  
20,000,000,000  
$
32,794,559,316  
$
34,080,001,942  
27,814,849,776  
$ 32,489,504,452  
$
31,803,228,452  
$
31,161,710,699  
$
$
25,531,857,956  
$ 20,975,730,589  
$ 14,328,358,183  
$ 28,633,635,453  
$
26,167,398,470  
$
27,081,542,522  
$
11,549,459,630  
$ 15,839,259,790  
14,010,981,713  
15,000,000,000  
$
10,000,000,000  
10,077,635,537  
$
$
10,929,435,805  
$
5,000,000,000  
$
0
2
004  
2006  
2008  
2010  
2012  
2014  
2016  
2018  
2020  
2022  
Nota: Se aprecia dentro de la figura que, el monto de crédito otorgado por parte de las diferentes  
instituciones financieras ha ido experimentando un fuerte crecimiento con el paso de los años, lo  
que ha llevado a marcar una tendencia positiva, pese a los puntos de quiebre datados en el 2015,  
2
016 y 2017. Datos tomados de Superintendencia de Bancos (2022).  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
37  
Luis Cedillo-Chalaco y John Alexander Campuzano-Vásquez  
ISSN 2477-9024. Innova Research Journal (Enero-Abril, 2024). Vol. N9, No. 1, pp. 35-51  
En adición, de acuerdo con el Banco Central del Ecuador (2021), los principales créditos  
que se otorgan en el Sistema Financiero Nacional son: créditos productivos, créditos de consumo,  
microcréditos, créditos de vivienda de interés social y público, créditos inmobiliarios, y créditos  
de inversión pública; cada uno con su respectivo segmento, los cuales se detallan a continuación:  
Tabla 1  
Segmentos del crédito en el Sistema Financiero Nacional  
Segmento  
Definición  
Criterios  
anuales  
Crédito productivo  
Ventas  
Productivo corporativo  
Productivo empresarial  
superiores  
a
USD  
5
.000.000,00  
Ventas  
superiores  
anuales  
USD  
Otorgado a personas naturales obligadas a llevar contabilidad o  
personas jurídicas que registren ventas anuales a USD  
1
a
1.000.000,00 y hasta  
00.000,00 destinado a la adquisición de bienes y servicios para  
USD 5.000.000,00  
actividades productivas y comerciales.  
Ventas  
superiores  
anuales  
a USD  
Productivo PYMES  
Consumo  
1
00.000,00 y hasta  
USD 1.000.000,00  
Crédito de consumo  
Otorgado a personas naturales, destinado a la compra de bienes,  
servicios o gastos no relacionados con una actividad productiva,  
comercial y otras compras y gastos.  
Microcrédito  
Ventas  
anuales  
Microcrédito minorista  
iguales o inferiores a  
USD 5.000,00.  
Es el otorgado a una persona natural o jurídica con un nivel de  
ventas anuales inferior o igual a USD 100,000.00, o a un grupo Ventas  
de de prestatarios con garantía solidaria, destinado a financiar superiores  
anuales  
a USD  
Microcrédito  
acumulación simple  
actividades de producción y/o comercialización en pequeña 5.000,00 y hasta USD  
escala, cuya fuente principal de pago la constituye el producto 20.000,00  
de las ventas o ingresos generados por dichas actividades.  
Ventas  
superiores  
20.000,00  
anuales  
USD  
hasta  
Microcrédito  
de  
a
y
acumulación ampliada  
USD 100.000,00.  
Crédito educativo  
Comprende las operaciones de crédito otorgadas a personas  
naturales para su formación y capacitación profesional o técnica  
y a personas jurídicas para el financiamiento de formación y  
capacitación profesional o técnica de su talento humano.  
Crédito educativo  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
38  
Análisis probabilístico de la segmentación de créditos en la provincia El Oro-Ecuador  
Segmento  
Definición  
Criterios  
Otorgado de conformidad con la política pública emitida por el  
ente rector de la educación superior, a personas naturales que  
previamente recibieron créditos o becas para su formación y  
capacitación profesional o técnica, con recursos públicos  
provistos por el extinto Instituto Ecuatoriano de Crédito  
Educativo (IECE), Instituto de Fomento al Talento Humano  
Crédito educativo social  
(
IFTH) y la Secretaría de Educación Superior, Ciencia,  
Tecnología e Innovación (SENESCYT).  
Crédito de vivienda de interés social y público  
Valor comercial de la  
vivienda de hasta  
Crédito de vivienda de  
interés social  
177,66  
Salarios  
Básicos Unificados.  
Valor comercial de la  
Es el otorgado a personas naturales con garantía hipotecaria para  
la adquisición o construcción de vivienda única y de primer uso.  
vivienda  
77,66  
Salarios  
Unificados.  
desde  
228,42  
Básicos  
Crédito de vivienda de  
interés público  
1
a
Crédito inmobiliario  
Es el otorgado con garantía hipotecaria a personas naturales para  
la construcción, reparación, remodelación  
inmuebles  
y
mejora de  
propios;  
Crédito inmobiliario  
para la adquisición de terrenos destinados a la construcción de  
vivienda propia; y, para la adquisición de vivienda terminada  
para uso del deudor y su familia no categorizada en el segmento  
de crédito Vivienda de Interés Social y Público.  
Crédito de inversión pública  
Es el destinado a financiar programas, proyectos, obras y  
servicios encaminados a la provisión de servicios públicos, cuya  
Crédito de inversión prestación es responsabilidad del Estado, sea directamente o a  
pública  
través de empresas; y, que se cancelan con cargo a los recursos  
presupuestarios o rentas del deudor fideicomitidas a favor de la  
entidad financiera pública prestamista.  
Nota: Tomado del Banco Central del Ecuador (2021).  
A nivel provincial, para el 2021 en el Ecuador, las provincias que se vieron mayormente  
beneficiadas y que son consideradas las más importantes en términos económicos, fueron: Guayas,  
Pichincha, Azuay, Manabí y El Oro. Esta última, en donde se centra el análisis del presente estudio,  
recibió un monto total de $11.627.906.695, que, en relación con el crédito otorgado en ese año a  
nivel país, representó el 37%; los tipos de créditos que se otorgaron con mayor frecuencia son:  
Microcréditos.- El microcréditos es un programa de otorgamiento de pequeños rubros de  
dinero, que se dirigen especialmente para aquellos ciudadanos que de una u otra forma se  
quedan rezagados y excluidos por los grandes sistemas financieros (Cairó y Gómez, 2015);  
para que así, estos puedan destinar tales cuantías a la generación de actividades productivas  
(en especial emprendimientos), que a posteriori les garantice o se conviertan en ingresos  
adicionales para la satisfacción de sus diversas necesidades (Hidalgo y Escobar, 2020);  
dinamizando a mediano y largo plazo en la economía (Maldona y Armijos, 2017).  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
39  
Luis Cedillo-Chalaco y John Alexander Campuzano-Vásquez  
ISSN 2477-9024. Innova Research Journal (Enero-Abril, 2024). Vol. N9, No. 1, pp. 35-51  
Créditos grupales. - Los créditos grupales, son aquellos en donde las instituciones  
financieras emiten un determinado monto de dinero a un grupo de personas, generalmente  
para financiar emprendimientos y negocios, o incluso para el uso personal; el cual es  
respaldado por cada uno de los integrantes de dichos grupos (Haro y Hernández, 2021).  
Este tipo de créditos, al igual que el anterior, tienen como función impulsar el desarrollo  
económico de cada una de las familias adheridas a los titulares del grupo que contrae la  
obligación, pero que sea parte de una cadena productiva (Faces, 2023). Esta modalidad de  
créditos ha permitido que aquellos individuos que no cuentan con suficientes garantías para  
ser contraer este tipo de deudas puedan acceder bajo el respaldo de cada uno de los  
miembros del grupo, los cuales en fusión pueden responder al pago convenido con la  
entidad financiera (Condusef, 2020).  
Créditos de consumo. - Los créditos de consumo, son un producto bancario que permiten  
a los usuarios disponer de una determinada cantidad de dinero, para financiar a corto plazo  
alguna necesidad (Díaz y Del Valle, 2017). A diferencia de los dos tipos de crédito  
detallados, este tipo de crédito tiene su particularidad en la tasa de interés, la cual,  
generalmente es más elevada, y sus cuotas pueden ser pactadas al tiempo que disponga el  
benefactor, teniendo en cuenta que si bien es cierto a mayor plazo los pagos son menores,  
pero al término de la deuda el monto total será más alto, debido a los intereses que se  
producen en el tiempo (Expansión, 2020).  
En deriva de lo expuesto, dentro del contexto de la provincia de El Oro, se aprecia la  
escasez de investigaciones que determinen la probabilidad de que las distintas instituciones  
financieras otorguen un determinado tipo de crédito (entre los más importantes: crédito de  
consumo, crédito grupal y microcrédito). Hay que señalar que este tipo de actividad financiera  
toma en cuenta a más del monto solicitado, la tasa, y el número de cuotas, factores como la zona  
de donde provienen los beneficiarios, y la actividad a la que estos destinan el dinero. Por lo cual,  
se plantea como objetivo analizar a través de una regresión logística multinomial, la segmentación  
de los créditos dentro de la provincia de El Oro-Ecuador tomando una muestra grande que recoja  
la diversidad de aplicantes al crédito y que reduzca la varianza esperada, para así, junto con la  
aplicación de las principales pruebas de contrastes propias de esta metodología, apreciar cuál es la  
probabilidad de emisión de créditos para cada uno de los segmentos (créditos de consumos,  
créditos grupales, y microcréditos) en función a las variables regresoras tomadas.  
Metodología  
Para el cumplimiento pleno del objetivo planteado, la presente investigación tiene un  
enfoque cuantitativo (Minuche et al., 2021), ya que los datos son cuantificables (Pacheco et al.,  
2
020), con alcance descriptivo y exploratorio (Gil et al., 2021), basado en un modelo econométrico  
el modelo de regresión logística multivariante; desarrollada por Cornfield, Gordon y Smith en  
1
2
967, y puesta en práctica y avistada en trabajos de Walter y Duncan en 1967 (López y Fachelli,  
015), y a posteriori explicada por David Cox (Sánchez, 2015). Este modelo que es estimado por  
el método de máxima verosimilitud (Fagerland et al., 2008), es de uso tanto explicativo como  
predictivo, y tiene como principio la estimación sobre la función de probabilidad que se encuentra  
asociada hacia ella, la cual permite explicar el comportamiento de la variable a estimar (variable  
dependiente), ya sea binaria, o multinomial, mediante una o varias variables regresoras, ya sea de  
formato o naturaleza cuantitativa o cualitativa (Iglesias, 2013; Lay, 2015).  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
40  
Análisis probabilístico de la segmentación de créditos en la provincia El Oro-Ecuador  
El modelo de regresión logística en su forma genérica parte desde una variable de respuesta  
(dependiente) Y, que toma generalmente dos valores, ya sea uno o cero, siendo el primer caso (1)  
el que indica la presencia del atributo que se esté estudiando o estimando; y el segundo caso (0)  
que hace referencia a la ausencia de tal atributo a estimar. Esta variable se encuentra en función  
de una o más variables independientes r, las cuales pueden ser de carácter cuantitativo o cualitativo,  
y vienen expresadas por 푥 = 푥 , 푥 , 푥 , … 푥 .  
1
2
3
푟
Al presentarse r variables explicativas, se tiene que la variable Y sigue una distribución  
Bernoulli, la cual está representada por la siguiente expresión:  
푌|(푋 − ꢀ = 푥 , … , 푋 = 푥 ) ⇝ 퐵(ꢀ, 푝(푥 , … , 푥 ))  
1
푟
푟
1
푟
De lo anterior, se modela la esperanza matemática:  
퐸[푌|푋 = 푥 , … , 푋 = 푥 ] = 푃[푌 = ꢀ|푋 = 푥 , … , 푋 = 푥 ] = 푝(푥 , … , 푥 )  
1
1
푟
푟
1
1
푟
푟
1
푟
De esto, se puede obtener el modelo de regresión logística múltiple para la variable de  
estudio a ser estimada Y, la cual estará en función de las variables explicativas, resultando:  
푒푥푝(∑푅 훽 푥 )  
푟ꢁ1  
푟 푟  
푝(푌 = ꢀ|푋 = 푥) = 푝(푥) =  
+ 푒푥푝(∑푅 훽 푥 )  
ꢀ
푟ꢁ1  
푟 푟  
Para esto, 푥 = 푥 , 푥 , 푥 , … 푥 representan los valores observados de las variables  
1
2
3
푟
independientes. Por otro lado, como el modelo anterior da la probabilidad para 1; para que la  
variable de respuesta Y, tome el valor de 0, deberá ejecutarse ꢀ − 푝ꢂ.  
Para una mejor interpretación, la ecuación anterior, puede transformarse en términos de  
logaritmos, resultando:  
푅
푝(푥)  
푙표푔푖푡[푝(푥)] = log ꢃ  
ꢄ = 훽 + ꢅ 훽 푥  
0 푟 푟  
ꢀ
− 푝(푥)  
푟ꢁ1  
De lo descrito, se entiende que dicha modelación hace referencia al modelo clásico binario.  
No obstante, esta técnica de regresión logística posee una extensión cuando se halla ante una  
situación en donde la variable a predecir Y, posee más de dos categorías (politómica), a la que se  
denomina regresión logística multinomial, para tal, la expresión matemática que permite encontrar  
la probabilidad de ocurrencia de cada una de las categorías, se lo hace a través de las probabilidades  
de pertenencia (lo que se debe aplicar para el caso de esta investigación).  
En el caso de que el análisis sea para una regresión logística multinomial, de la expresión  
ꢋ
ꢆꢂꢇꢈ∑  
ꢉ ꢂ ꢎ  
ꢊ ꢊ  
, se modifica a una nueva expresión en términos del número de clases n, y  
ꢊꢌꢍ  
푝(푥) = 1  
ꢏꢆꢂꢇꢈ∑ꢋ ꢉ ꢂ ꢎ  
ꢊꢌꢍ  
ꢊ ꢊ  
clases i, resultando:  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
41  
ꢀ
+ exp  
                                                                    
                                                                                    
                                                                                             
                                                                                                    
                                                                                                                            
Luis Cedillo-Chalaco y John Alexander Campuzano-Vásquez  
ISSN 2477-9024. Innova Research Journal (Enero-Abril, 2024). Vol. N9, No. 1, pp. 35-51  
푒푥푝(∑푅 훽 푥 )  
푟ꢁ1  
푟 푟  
푝ꢐ푛(푥) =  
+ 푒푥푝(∑푅 훽 푥 )  
ꢀ
푟ꢁ1  
푟 푟  
Esta última expresión, que es en donde se centra el interés, al poseer más de una variable  
independiente (푥 = 푥 , … , 푥 ), se la puede convertir a una ecuación más manejable y de fácil  
1
푟
interpretación. Teniendo:  
exp  
(푍 ) + exp  
푝ꢐ푛(푥) =  
ꢐ1  
ꢐ2  
ꢐ3  
En donde, 푍 = 훼 + 훽 푥 + 훽 푥 + 훽 푥 +⁡… + 훽 푥  
푛푟 ꢐ푟  
ꢐ푛  
푛1 ꢐ1  
푛2 ꢐ2  
푛3 ꢐ3  
Para ambos casos, in, hace referencia a las clases, es decir, a la categoría que se desea  
estimar la probabilidad de ocurrencia.  
Finalmente, para la categoría de referencia, la probabilidad se expresa:  
ꢀ
푝ꢐ푛(푥) =  
ꢀ
+ exp  
(푍 ) + exp  
(푍 ) + exp  
ꢐ1  
ꢐ2  
ꢐ3  
Variables objeto de análisis  
Variable dependiente (segmentación de créditos= SEG_CREDITO): esta variable está  
determinada por pertenecer a una población que se encuentra segmentada en tres categorías  
(créditos de consumos, créditos grupales, y microcréditos), de aquellos clientes que han sido parte  
y gozado del otorgamiento de créditos por una de las instituciones financieras más importantes de  
la provincia de El Oro (por compromiso de confidencialidad no se revela nombre).  
Variables independientes: se tomaron las variables que se consideraron como las más  
importantes al momento de emitir un crédito a los usuarios, de acuerdo con los expertos.  
Monto (MONTO): Expresada en dólares americanos.  
Número de cuotas (NUM_CUOTAS): Cantidad de cuotas que entabla la institución  
financiera y el usuario para el pago total de la deuda.  
Tasa (TASA): La tasa de interés establecida por la institución financiera de acuerdo con la  
actividad a la que el usuario vaya a destinar dicho rubro.  
Actividad (ACTIVIDAD): Las actividades a la que se dedica cada usuario adquiriente de  
deuda. Esta variable posee 6 categorías:  
Alimentos (categoría de referencia)  
Comercio agropecuario  
Comercio general  
Producción artesanal  
Sector privado  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
42  
exp(푚푖ꢕꢖ표ꢕꢖéꢗ푖푡표ꢘ)  
                                                                                         
Análisis probabilístico de la segmentación de créditos en la provincia El Oro-Ecuador  
Servicios  
Zona (ZONA): La zona a la que pertenece el usuario que adquiere la deuda. Esta posee 2  
categorías:  
-
-
Urbana (categoría de referencia)  
Rural  
Por lo cual, y a vista de lo anterior, dentro del contexto de la provincia de El Oro-Ecuador,  
para efectuar la estimación del modelo logístico multinomial, in, asumirá los valores del tipo de  
segmento de créditos previamente descritos, que son: créditos de consumos, créditos grupales, y  
microcréditos. Es decir:  
푝푐푟é푑ꢐꢑꢒ푠⁡ꢓ푟푢ꢇ푎ꢔꢆ푠(ꢕꢖéꢗ푖푡표ꢘ⁡푔ꢖꢙ푝ꢚ푙푒ꢘ, 푚푖ꢕꢖ표ꢕꢖéꢗ푖푡표ꢘ)  
expꢈ푍푐푟é푑ꢐꢑꢒ⁡ꢓ푟푢ꢇ푎ꢔ  
ꢎ
=
ꢀ
+ expꢈ푍푐푟é푑ꢐꢑꢒ⁡ꢓ푟푢ꢇ푎ꢔꢎ + exp(푍ꢛꢐ푐푟ꢒ푐푟é푑ꢐꢑꢒ푠  
)
)
)
푝ꢛꢐ푐푟ꢒ푐푟é푑ꢐꢑꢒ(ꢕꢖéꢗ푖푡표ꢘ⁡푔ꢖꢙ푝ꢚ푙푒ꢘ, 푚푖ꢕꢖ표ꢕꢖéꢗ푖푡표ꢘ)  
=
ꢀ
+ expꢈ푍푐푟é푑ꢐꢑꢒ⁡ꢓ푟푢ꢇ푎ꢔꢎ + exp(푍ꢛꢐ푐푟ꢒ푐푟é푑ꢐꢑꢒ푠  
푝푐푟é푑ꢐꢑꢒ⁡푑ꢆ⁡푐ꢒ푛푠푢ꢛꢒ(ꢕꢖéꢗ푖푡표ꢘ⁡푔ꢖꢙ푝ꢚ푙푒ꢘ, 푚푖ꢕꢖ표ꢕꢖéꢗ푖푡표ꢘ)  
ꢀ
=
ꢀ
+ expꢈ푍푐푟é푑ꢐꢑꢒ⁡ꢓ푟푢ꢇ푎ꢔꢎ + exp(푍ꢛꢐ푐푟ꢒ푐푟é푑ꢐꢑꢒ푠  
Para que los resultados, tanto del modelo completo, como de los parámetros tengan validez  
y robustez estadística, se procederá a calcular test propios de la regresión logística, tales como los  
odds ratios (Aguilar et al., 2017), contrastes de Wald (Ferreira et al., 2019), tasa de correcta  
clasificación (Alcañiz et al., 2018), coeficientes de pseudo-R^2 (R2 de Mc-Fadden, R2 de Cox-  
Snell, y R2 de Nagelkerke) (Bravo et al., 2017; Chafla, 2019), validación global a través de los  
residuos.  
Resultados y Discusión  
A continuación, se presentan los principales estadísticos descriptivos de las variables  
tomadas para el análisis de la regresión logística multinomial.  
Dentro de los usuarios considerados en la investigación, la variable segmentación de  
créditos considerada como la variable dependiente; se observa en la Tabla 1, que del total de  
beneficiarios con este tipo de financiamiento, 1580, representado por 41.8% han solicitado créditos  
de consumos, 497 personas, que significa el 13.1% del total de observaciones, lo han hecho  
mediante grupos; y en mayor medida con 1705 clientes, han solicitado microcréditos, valor que  
representa del total de observaciones el 45.1%.  
En lo que refiere a la variable regresora actividad, se aprecia cómo se encuentran  
distribuidas en términos de frecuencias, cada una de sus categorías; siendo, que, del total de  
sujetos, 2022 (53.55%) se dedican al comercio general, 485 (12.8%) a la actividad de alimentos,  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
43  
Luis Cedillo-Chalaco y John Alexander Campuzano-Vásquez  
ISSN 2477-9024. Innova Research Journal (Enero-Abril, 2024). Vol. N9, No. 1, pp. 35-51  
4
89 (12.9%) al comercio agropecuario, 61 (1,6%) a la producción artesanal, 8 (0.2%) al sector  
privado <<sin especificar actividad en concreto>>, y finalmente, 717 usuarios (19%) a la actividad  
de servicios.  
Adicionalmente, se avistan las frecuencias de las categorías de la variable zona, en la que  
la mayor cantidad de usuarios, representado por 3281 (86.8%) provienen de zonas urbanas dentro  
de la provincia El Oro-Ecuador; y tan solo 501 personas (13.2%) son de zonas rurales.  
Tabla 2  
Frecuencias de las variables analizadas  
Porcentaje  
válido  
Porcentaje  
acumulado  
Frecuencia  
Porcentaje  
Consumo  
Grupal  
1580  
497  
1705  
3782  
2022  
485  
489  
61  
41.8  
13.1  
45.1  
100  
53.5  
12.8  
12.9  
1.6  
41.8  
13.1  
45.1  
100  
53.5  
12.8  
12.9  
1.6  
41.8  
54.9  
100  
Segmentación  
de créditos  
Microcrédito  
Total  
Comercio  
Alimentos  
Agropecuario  
Artesanal  
Sector privado  
Servicios  
Total  
53.5  
66.3  
79.2  
80.8  
81  
Actividad  
económica  
8
0.2  
0.2  
717  
3782  
501  
3281  
3782  
19  
19  
100  
100  
13.2  
86.8  
100  
100  
13.2  
86.8  
100  
Rural  
13.2  
100  
Zona  
Urbana  
Total  
En lo que respecta a los estadísticos descriptivos, por naturaleza de las variables  
cuantitativas o covariables) se tomaron a los factores número de cuotas, monto y tasa. Por lo tal,  
(
la Tabla 2, señala, que, el número de cuotas promedio con los que se han cancelado las cuotas es  
de 17, con un mínimo de 4 y máximo 48 cuotas. Del mismo modo, en la variable monto, se avista  
que el rubro promedio en todas las observaciones fue de $4771.60, con un valor mínimo de crédito  
para ciertos usuarios de $300.84, y una cuantía máxima de $57700.03.  
Finalmente, la regresora tasa, muestra que en promedio la tasa de interés con la que se  
convino cancelar la deuda fue de 25.10%, asimismo, hubo usuarios que aceptaron cancelar sus  
créditos con una tasa (mínimo) de 13.34%, y un máximo de 26.53%. Cabe señalar, que esta última  
variable que refiere a la tasa de interés con la que se paga la deuda contraída, es entablada según  
el sector referencial hacia donde se destinan dichos valores.  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
44  
Análisis probabilístico de la segmentación de créditos en la provincia El Oro-Ecuador  
Tabla 3  
Estadísticos descriptivos de las variables número de cuotas, monto y tasa  
Desviación  
estándar  
10.712  
5358.24213  
1.35093  
N
Mínimo  
4
300.84  
13.34  
Máximo  
48  
57700.03  
26.53  
Media  
16,75  
4771.6002  
25.0966  
Núm. Cuotas  
Monto  
Tasa  
3782  
3782  
3782  
En lo que respecta al ajuste global del modelo, de acuerdo con lo visualizado en la Tabla  
, se tiene como resultado que la tasa de correcta clasificación es del 99.39%, lo que significa que  
3
es correctamente predictivo; dicho, en otros términos, los diferentes casos que están siendo  
analizados se clasifican adecuadamente. En adición, se atisba el nivel de los Pseudo R2, en donde,  
para el caso del R2 de Mc-Fadden, de Cox-Snell, y de Nagelkerke fueron de 97.57%, 85.52% y  
9
9.21% respectivamente; valores que alucen que, el modelo planteado en conjunto (variable  
dependiente en función de variables independientes) a ajusta adecuadamente.  
Tabla 4  
Ajuste global del modelo  
Tasa  
correcta  
clasificación  
R2 de  
R2 de  
R2 de  
Mc-Fadden Cox-Snell Nagelkerke  
0
.9939  
0.9757  
0.8552  
0.9921  
Una vez que se ha comprobado que el modelo está correctamente clasificado, posee un  
excelente ajuste y es validado, se procede a obtener del modelo, cada uno de los valores de los  
coeficientes para desde ahí obtener las probabilidades de ocurrencia que poseen cada uno de los  
segmentos de crédito. Dichos valores se los resume en la tabla siguiente:  
Tabla 5  
Modelo de regresión logística multinomial  
(seg_credito ~ monto+actividad+num_cuotas+tasa+zona)  
Variable  
predicha  
Variables  
independiente  
Test  
Wald  
Beta  
EE  
OR  
IC 95%-OR  
EXP  
Crédito grupal Intercepto  
Monto  
191,130 0,000 1,02E+83 1,02E+83 1,02E+83 <5%  
0,003  
0,011  
1,003  
0,981  
1,025  
<5%  
1,00  
Actividad  
Comercio  
5,106  
0,004  
165,046  
163,678  
166,425  
<5%  
165,05  
agropecuario  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
45  
Luis Cedillo-Chalaco y John Alexander Campuzano-Vásquez  
ISSN 2477-9024. Innova Research Journal (Enero-Abril, 2024). Vol. N9, No. 1, pp. 35-51  
Variable  
predicha  
Variables  
independiente  
Test  
Wald  
Beta  
EE  
OR  
IC 95%-OR  
EXP  
Actividad  
Comercio  
general  
0,312  
0,011  
1,366  
1,336  
1,395  
<5%  
1,37  
Actividad  
Producción  
artesanal  
-1,719  
0,001  
0,000  
0,179  
4,352  
0,179  
4,352  
0,179  
4,352  
>5%  
<5%  
0,18  
4,35  
Actividad  
Sector privado  
1
,471  
Actividad  
Servicio  
1
1
,449  
,284  
0,003  
0,085  
4,257  
3,610  
4,230  
3,058  
4,285  
4,261  
<5%  
<5%  
4,26  
3,61  
Número de  
cuota  
Zona urbana  
Tasa  
-0,744  
-8,361  
0,000  
0,037  
0,475  
0,000  
0,475  
0,000  
0,476  
0,000  
>5%  
>5%  
0,48  
0,00  
Microcrédito Intercepto  
Monto  
167,695 0,000 6,75E+72 6,74E+72 6,75E+72 <5%  
0,002  
0,011  
1,002  
0,980  
1,024  
<5%  
1,00  
Actividad  
Comercio  
agropecuario  
Actividad  
Comercio  
general  
4,711  
0,004  
111,199  
110,277  
112,129  
<5%  
111,20  
0,683  
0,011  
1,980  
1,938  
2,024  
<5%  
1,98  
Actividad  
Producción  
artesanal  
-4,721  
0,001  
0,000  
0,009  
0,003  
0,009  
0,003  
0,009  
0,003  
>5%  
>5%  
0,01  
0,00  
Actividad  
Sector privado  
-
5,801  
Actividad  
Servicio  
1
,442  
,859  
0,003  
0,085  
4,230  
4,203  
4,258  
<5%  
<5%  
4,23  
Número de  
cuota  
2
17,451  
14,783  
20,599  
17,45  
Zona urbana  
Tasa  
-1,088  
-7,993  
0,000  
0,037  
0,337  
0,000  
0,337  
0,000  
0,337  
0,000  
>5%  
>5%  
0,34  
0,00  
Para estructurar el modelo multinomial, es necesario evaluar a los coeficientes obtenidos  
de manera individual; para eso se determinaron los Odds ratios2, donde la mayor parte de estos  
presentaron un valor por encima de 1, significando que tienen mayor probabilidad de ocurrencia  
en el resultado. En paralelo a lo expresado, el test de Wald avala que dichos coeficientes son  
estadísticamente significativos (p-valor <5%). Cabe señalar, que, si bien es cierto, existen variables  
que manifiestan un Odds ratio por debajo de 1, pero al tener un aporte favorable para la explicación  
del modelo en conjunto y amparados en la correcta clasificación, no fueron excluidos del análisis.  
2
Medida de asociación entre dos eventos que representan las probabilidades de que ocurra un resultado de  
probabilidad en ausencia de otro; teniendo como principal condicionante que aquellas variables que presenten un valor  
superior a 1, tienen aporte significativo sobre el modelo; dicho en otras palabras, tienen mayor probabilidad de  
ocurrencia en el resultado (Aguilar et al., 2017).  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
46  
Análisis probabilístico de la segmentación de créditos en la provincia El Oro-Ecuador  
Estimación de las probabilidades de los créditos  
Créditos de consumos  
Es tomada como la categoría de referencia.  
Créditos grupales  
푍 = 훼 + 훽 푥 + 훽 푥 + 훽 푥 +⁡… + 훽 푥  
푛푅 ꢐ푅  
ꢐ2  
푛1 ꢐ1  
푛2 ꢐ2  
푛3 ꢐ3  
푍 = 191.130+0.003+5.106+0312-1.719+1.471+1.449+1.284-0.744-8.361  
ꢐ2  
푍 = ꢀ89,9ꢜ  
ꢐ2  
Microcréditos  
푍 = 훼 + 훽 푥 + 훽 푥 + 훽 푥 +⁡… + 훽 푥  
푛푅 ꢐ푅  
ꢐ3  
푛1 ꢐ1  
푛2 ꢐ2  
푛3 ꢐ3  
푍 =⁡167.695+0.002+4.711+0.683-4.721-5.801+1.442+2.859-1.088-7.993  
ꢐ3  
푍 = ꢀ57,79  
ꢐ3  
exp(ꢀ89,9ꢜ)  
풑풄풓é풅풊풕풐풔⁡품풓풖풑풂풍풆풔(ꢕꢖéꢗ푖푡표ꢘ⁡푔ꢖꢙ푝ꢚ푙푒ꢘ, 푚푖ꢕꢖ표ꢕꢖéꢗ푖푡표ꢘ) =  
ꢀ
+ exp(ꢀ89,9ꢜ) + exp(ꢀ57,79)  
=
ꢀ.ꢝꢝ퐸 + ꢝ ≈ ퟗퟗ. ퟗퟗ%  
exp(ꢀ57,79)  
풑풎풊풄풓풐풄풓é풅풊풕풐(ꢕꢖéꢗ푖푡표ꢘ⁡푔ꢖꢙ푝ꢚ푙푒ꢘ, 푚푖ꢕꢖ표ꢕꢖéꢗ푖푡표ꢘ) =  
ꢀ
+ exp(ꢀ89,9ꢜ) + exp(ꢀ57,79)  
=
ꢀ.ꢀꢝ퐸 − ꢀ4 ≈ ퟎ%  
ꢀ
풑풄풓é풅풊풕풐⁡풅풆⁡풄풐풏풔풖풎풐(ꢕꢖéꢗ푖푡표ꢘ⁡푔ꢖꢙ푝ꢚ푙푒ꢘ, 푚푖ꢕꢖ표ꢕꢖéꢗ푖푡표ꢘ) =  
ꢀ
+ exp(ꢀ89,9ꢜ) + exp(ꢀ57,79)  
=
ꢜ.ꢞ67ꢞ4퐸 − 8ꢜ ≈ ퟎ%  
De acuerdo con la estimación generada por la regresión logística multinomial, las  
probabilidades de que la entidad financiera otorgue un crédito grupal son de aproximadamente  
9
9.9%; frente a las probabilidades aproximadas del 0% de generar un crédito de consumo, y  
microcrédito. En cuanto al comportamiento paramétrico (betas), el que los orenses soliciten un  
monto de mayor volumen, se dediquen a la actividad de comercio agropecuario, al comercio  
general, al sector privado, a prestar servicios, y establezcan un mayor número de cuotas, aumentan  
respectivamente la probabilidad en 1; 165,05; 1,37; 4,35; 4,26 y 3,61 veces de que, les otorguen  
un crédito grupal en relación con un crédito de consumo.  
Por su parte, la probabilidad de que los individuos de esta provincia se vean beneficiados  
por un microcrédito (pese a que de manera global se muestran probabilidades similares) versus un  
crédito de consumo, se ve favorecida en 1; 111,20; 1,98; 4,23 y 17,45 veces de forma respectiva,  
por el monto solicitado, que se dediquen a las actividades de comercio agropecuario, comercio  
general, servicios y al número de cuotas.  
Es menester señalar que, para ambos casos: crédito grupal y microcréditos, el que los  
solicitantes se concentren en actividades de producción artesanal, provengan de una zona urbana,  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
47  
Luis Cedillo-Chalaco y John Alexander Campuzano-Vásquez  
ISSN 2477-9024. Innova Research Journal (Enero-Abril, 2024). Vol. N9, No. 1, pp. 35-51  
y el tamaño de la tasa (establecida por el sistema financiero), no tienen incidencia significativa  
para aumentar la probabilidad individual de ser favorecidos en alguno de los créditos señalados;  
aunque, en conjunto aporten a mejorar la correcta clasificación, y potenciar el modelo global de  
regresión logística.  
Dicho resultado no es ajeno a la realidad, debido a que las instituciones que impulsan  
créditos, se caracterizan principalmente por fomentar y motivar las finanzas comunitarias, ya que  
estas presentan un mayor nivel de garantías y sobre todo baja tasa de morosidad de los pagos, lo  
que se debe de acuerdo a lo descrito en la teoría, a las garantías que ofrece cada integrante de los  
grupos; como también la finalidad y destino de tales rubros que mayoritariamente son destinados  
para actividades de producción.  
Conclusiones  
Respecto al modelo probabilístico de regresión logística en su extensión multinomial, se  
pudo observar que hay dos segmentos fuertes, consumo con el 41.8% de la muestra y microcrédito  
4
5.1% este último referente a actividades productivas muy pequeñas como negocios de barrio o  
tiendas por citar algunas denominaciones que entrega la base de datos. Además, estos se  
concentran en el comercio con el 53.3%, con mucha influencia en el área urbana, créditos por  
debajo de los cinco mil dólares.  
El segmento crédito grupal por sus características solidarias es el que mejor probabilidad  
plantea dentro de los tres analizados, al tener garantías cruzadas eleva su porcentaje de aprobación,  
aunque representa tan solo el 13.1% de la muestra analizada, para este segmento es de suma  
importancia como variables explicativas los créditos agropecuarios con 5.106 posibilidades y las  
actividades privadas y de servicios con 1.471 y 1.449 posibilidades, estas variables son interesantes  
de analizar cuando se enlazan con el número de cuotas, que se presentan como importantes para  
el otorgamiento del crédito al tener un valor que suma a las posibilidades de obtención del crédito  
grupal con 1.284.  
Las cuotas y los plazos, por tanto, son claves para mejorar el acceso al crédito, mientras  
que las tasas de interés restan posibilidades con -8.361 posibilidades. Este aspecto es muy común  
entre los demandantes de crédito en cooperativas que cuyas tasas promedio son altas por los  
seguimientos que se hacen por parte de las entidades crediticias para evitar elevar la morosidad de  
la cartera.  
Por su parte, en cuanto al análisis de los parámetros, se presentaron resultados favorables;  
aunque, si bien es cierto, se denotaron algunos parámetros que no presentaban significancia  
estadística (p-valor <5%), estas no fueron eliminadas, asumiendo un error tipo I, debido a que  
generaban un impacto favorable tanto en el ajuste global del modelo, como en su especificación,  
y provocaban que las observaciones se encuentren correctamente clasificadas. Adicionalmente,  
respecto a los parámetros no significativos, basándose en lo estipulado por las entidades  
financieras, dichas variables tienen su importancia al momento de tomar una decisión para emitir  
o no algún crédito de este tipo.  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
48  
Análisis probabilístico de la segmentación de créditos en la provincia El Oro-Ecuador  
Por último, se determinó que de los tres principales segmentos de créditos (créditos de  
consumo, créditos grupales, y microcréditos) que oferta la entidad financiera analizada, la  
probabilidad de que se otorgue un crédito grupal es aproximadamente 99,99%, es la más alta;  
debido principalmente a que al existir un mayor número de personas que los integren, las garantías  
para el pago de la deuda en el tiempo establecido son más altas. Además, a esta característica la  
acompaña a que el monto que solicitan es mayor, y el rubro es destinado especialmente para cubrir  
actividades productivas.  
Referencias Bibliográficas  
Aguilar, J., Arriaga, M., Chaves, N., y Zeballos, D. (2017). Entendiendo la Odds Ratio. Revista  
SCientifica,  
http://www.revistasbolivianas.org.bo/scielo.php?script=sci_arttext&pid=S1813-  
0542017000100008&lng=es&nrm=iso  
15(1),  
27-30.  
0
Alcañiz, M., Bermúdez, L., García, S., y López, J. (2018). Factores socio-académicos asociados a  
la tasa de abandono en el Grado de Estadística. Revista d’Innovació Docent Universitària,  
(
10), 13-24. http://doi.org/10.1344/RIDU2018.10.2  
Banco Central del Ecuador. (diciembre de 2021). Banco Central del Ecuador.  
https://contenido.bce.fin.ec/documentos/PublicacionesNotas/Catalogo/NotasTecnicas/not  
a81.pdf  
Bezemer, D. (2014). The credit crisis and recession as a paradigm test. Journal of Economic Issues,  
4
5(1), 1-18. https://doi.org/10.2753/JEI0021-3624450101  
Botello Peñaloza, H. A. (2015). Determinantes del acceso al crédito de las PYMES en Colombia.  
Ensayos de Economía, 25(46), 135-156.  
Bravo Peña, L. C., Torres Olave, M. E., Alatorre Cejudo, L. C., Castellanos Villegas, A. E.,  
Moreno Murrieta, R. L., Granados Olvias, A., Campos, M., González León, M., y Wiebe  
Quintana, L. C. (2017). Áreas probables de degradación-deforestación de la cubierta vegtal  
en Chihuahua, México. Una exploración mediante regresión logística para el periodo 1985-  
2
013. GeoFocus. Revista Internacional de Ciencia y Tecnología de la Información  
Geográfica, (20), 109-137.  
http://www.geofocus.org/index.php/geofocus/article/view/545/445  
Cairó Céspedes, G., y Gómez González, L. K. (2015). El enfoque financiero vs. el enfoque social  
del microcrédito. Un análisis comparativo mundial. REVESCO. Revista de Estudios  
Cooperativos, (118), 31-59. https://www.redalyc.org/pdf/367/36739634002.pdf  
Chafla Martínez, P. (2019). La disposición al pago por la conservación de bienes patrimoniales:  
Caso del Centro Histórico de la ciudad de Quito. Cuadernos de Economía, 38(76), 231-  
2
57. http://www.scielo.org.co/pdf/ceco/v38n76/2248-4337-ceco-38-76-231.pdf  
Condusef. (26 de junio de 2014). Microcréditos. Condusef.  
https://www.condusef.gob.mx/Revista/index.php/credito/personal/404-microcreditos  
Díaz, C., y del Valle Guerra, Y. (2017). Riesgo financiero en los créditos al consumo al sistema  
bancario venezolano 2008-2015. Orbis. Revista Científica Ciencias Humanas, 13(37), 20-  
4
0. https://www.redalyc.org/articulo.oa?id=70952383002  
Duican, R. P. (2015). The implications of credit activity on economic growth in Romania.  
Procedia Economics and Finance, 30, 195-201. https://doi.org/10.1016/S2212-  
5
671(15)01286-1  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
49  
Luis Cedillo-Chalaco y John Alexander Campuzano-Vásquez  
ISSN 2477-9024. Innova Research Journal (Enero-Abril, 2024). Vol. N9, No. 1, pp. 35-51  
Erhardt, W. (2018). El ABC del crédito. En W. Erhardt, ¡Quiero un crédito!: Cómo obtenerlo y  
conservarlo,  
17-33.  
México:  
Selector.  
https://books.google.es/books?id=1odDDwAAQBAJ&printsec=frontcover&hl=es#v=one  
page&q&f=false  
Expansión. (2020). Préstamo de consumo. Expansión. https://www.expansion.com/diccionario-  
economico/prestamo-de-consumo.html  
Faces. (2023). Crédito Grupal. Faces Microfinanzas. https://faces.org.ec/credito-grupal/  
Fagerland, M., Hosmer, D., y Bofin, A. (2008). Pruebas multinomiales de bondad de ajuste para  
modelos de regresión logística. Statistics in Medicine, 27(21), 4238–4253.  
https://doi.org/10.1002/sim.3202  
Ferreira de Melo, E. M., Pereira Linhares, F. M., Marques da Silva, T., Maria Pontes, C., da Silva  
Santos, A. H., & Costa de Oliveira, S. (2019). Cervical cancer: knowledge, attitude and  
practice  
on  
the  
prevention  
examination.  
REBEn,  
72(3),  
25-31.  
https://www.scielo.br/pdf/reben/v72s3/0034-7167-reben-72-s3-0025.pdf  
Gil-Pareja, D., León Mejía, A., Sánchez Cabrero, R., & Pericacho-Gómez, F. J. (2021). Impact of  
teacher performance observation on the professional development. Revista San Gregorio,  
(47),  
1-16.  
https://revista.sangregorio.edu.ec/index.php/REVISTASANGREGORIO/article/view/157  
6
Guo, L., Tan, W., & Xu, Y. (2022). Impact of green credit on green economy efficiency in China.  
Environmental 35124–35137.  
https://doi.org/10.1007/s11356-021-18444-9  
Haro-Álvarez, G., y Hernández-Rivera, A. (2021). Cohesión social en créditos grupales:  
cumplidos, regulares incumplidos. Sociedad Economía, (44), 1-18.  
https://doi.org/10.25100/sye.v0i44.10494  
Science  
and  
Pollution  
Research,  
29,  
e
y
Heng, S. (2020). Bank credit and economic growth: Short-run evidence from a dynamic threshold  
panel model. Economics Letters, 192, 1-3. https://doi.org/10.1016/j.econlet.2020.109231  
Hidalgo-Saltos, M. K., y Escobar-García, M. C. (2020). Microcrédito: Alternativa de reactivación  
económica para comerciantes de para comerciantes de. Dominios de la Ciencia, 6(2), 431-  
4
59. https://dialnet.unirioja.es/servlet/articulo?codigo=7398469  
Iglesias, T. (2013). El modelo de la regresión logística. Métodos de Bondad de Ajuste en Regresión  
Logística. Granada, España. https://masteres.ugr.es/moea/pages/tfm-  
213/tfm_iglesiascabo_tania/!  
1
Lay, E. (2015). Modelo de regresión logística. Modelo logístico para eventos raros: aplicación  
para predecir el incumplimiento de pago en una empresa de productos de belleza.  
Granada,  
España.  
https://masteres.ugr.es/moea/pages/curso201415/tfm1415/tfm_erika_lay_li/!  
López-Roldán, P., y Fachelli, S. (2015). Análisis de regresión logística. En P. López, & S. Fachelli,  
Metodología de la Investigación Social Cuantitativa . Universitat Autònoma de Barcelona,  
5
. https://ddd.uab.cat/pub/caplli/2016/163570/metinvsoccua_a2016_cap3-10.pdf  
Maldonado Román, M. B., y Armijos Tandazo, L. A. (2017). Los microcréditos y su incidencia en  
el crecimiento económico de las mipymes. Suracademia, 4(7), 19-24.  
https://revistas.unl.edu.ec/index.php/suracademia/article/view/475  
Medina, V., Calabrese, R., Dong, Y., & Shi, B. (2022). Spatial dependence in microfinance credit  
default.  
International  
Journal  
of  
Forecasting,  
38(3),  
1071-1085.  
https://doi.org/10.1016/j.ijforecast.2021.05.009  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
50  
Análisis probabilístico de la segmentación de créditos en la provincia El Oro-Ecuador  
Minuche Armijos, A. L., Salcedo-Muñoz, V. E., y Apolo Vivanco, N. J. (2021). Contribución de  
los factores productivos y productividad total factorial en el crecimiento de Ecuador (1990-  
2
019).  
Revista  
San  
Gregorio,  
(47),  
31-49.  
https://revista.sangregorio.edu.ec/index.php/REVISTASANGREGORIO/article/view/171  
2
Morales Noriega, A. M. (2018). El sistema cooperativo de ahorro y crédito del Ecuador a través  
de la historia. Revista Observatorio de la Economía Latinoamericana, 1-7.  
https://www.eumed.net/rev/oel/2018/07/sistema-cooperativo-ecuador.html  
Pacheco Suárez, T. L., Rodríguez Ríos, E., Loor Bravo, L. D., y Arteaga Pita, I. G. (2020).  
Valoración económica del impacto de la inundación de febrero 2019 en La Unión, Santa  
Ana,  
Manabí,  
Ecuador.  
Revista  
San  
Gregorio,  
(43),  
21-35.  
https://revista.sangregorio.edu.ec/index.php/REVISTASANGREGORIO/article/view/146  
0
Rosignuolo, L., y Párraga Mendoza, S. M. (2020). Impacto de la poIítica de dolarización sobre la  
intermediación financiera en Ecuador 1999-2017. Revista de Investigación en Modelos  
Financieros,  
http://ojs.econ.uba.ar/index.php/RIMF/article/download/1970/2719?inline=1#  
Salgado, C., & Aires, R. (2018). Microcredit and gender: are there differences in the credit  
conditions? BAR Brazilian Administration Review, 15(2) 1-18.  
https://doi.org/10.1590/1807-7692bar2018180019  
2,  
71-105.  
-
Sánchez Trujillo, N. A. (2015). La regresión logística frente a una red bayesiana divergente.  
Medwave, 15(1), 1-13. http://doi.org/10.5867/medwave.2015.01.6075  
Superintendencia de Bancos. (01 de julio de 2022). Portal estadístico de la Superintendencia de  
Bancos.  
Xiong, W., Fu, H., & Wang, Y. (2017). Money creation and circulation in a credit economy.  
Physica A: Statistical Mechanics and its Applications, 465(1), 425-437.  
https://doi.org/10.1016/j.physa.2016.08.023  
Esta obra se comparte bajo la licencia Creative Commons Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
51