Ardl Informe Final

UNIVERSIDAD NACIONAL DE PIURA
FACULTAD DE ECONOMÍA
[Fecha]
"Año de lucha contra la violencia
hacia las mujeres y la erradicación
del feminicidio”
TRABAJO DE INVESTIGACIÓN:
Análisis de la liquidez, crédito y la tasa
de interés en el Crecimiento
Financiero del Perú durante el
período 1959-2017: Un análisis ARDL
INTEGRANTES:
Azañero Andrade, Stephanie
Celi Zapata, Harlet
Escarate Rebolledo, Astrid
Espinoza Peña, Yuleybi
Valladolid Cordova, Jhonatan
DOCENTE:
Dr. Juan Varona Castillo
CURSO:
Econometría II
Contenido
1. INTRODUCCIÓN............................................................................................................... 4
2. MARCO TEORICO ........................................................................................................... 5
2.1. Producto Interno Bruto (PIB) ..................................................................................... 5
2.2. Bases teóricos-conceptuales ........................................................................................ 6
2.2.1. La teoría cuantitativa del dinero ........................................................................ 6
2.2.2. El crédito .............................................................................................................. 6
2.3. Liquidez .................................................................................................................... 7
2.4. Tasa de Interés ......................................................................................................... 8
3. EVIDENCIA EMPIRICA .................................................................................................. 8
4. HECHOS ESTILIZADOS ................................................................................................ 10
4.1 EVOLUCIÓN DE LAS VARIABLES..................................................................... 10
5. METODOLOGÍA ............................................................................................................. 11
5.1 TIPO DE INVESTIGACIÓN ......................................................................................... 11
5.3 MÉTODOS E INSTRUMENTOS ................................................................................. 12
5.3 OPERACIONALIZACIÓN DE VARIABLES....................................................... 12
5.4 MODELO ARDL ............................................................................................................ 12
6. ESPECIFICACIÓN Y ESTIMACIÓN DE LOS MODELOS ...................................... 12
6.1 MODELO N°1: ARDL (6, 7,7) ................................................................................. 12
6.1.1 ARDL En Niveles ..................................................................................................... 12
6.1.2 ARDL Cointegrating And Long Run Form ........................................................... 14
6.1.3 TEST DE BOUNDS ................................................................................................. 15
6.1.4 ANÁLISIS DE AUTOCORRELACIÓN................................................................ 15
6.1.5 ANÁLISIS DE HETEROCEDASTICIDAD.......................................................... 16
6.1.6 ANÁLISIS DE NORMALIDAD ............................................................................. 16
6.1.7 PRUEBA DE ARDL (2, 4, 4) ................................................................................... 17
6.2 MODELO N°2 ........................................................................................................... 18
6.2.1 ARDL EN DIFERENCIA (5, 3, 4) .......................................................................... 18
6.2.2 ARDL Cointegrating And Long Run Form .................................................... 19
6.2.3 TEST DE BOUNDS .......................................................................................... 19
6.2.4 ANÁLISIS DE AUTOCORRELACIÓN......................................................... 20
6.2.5 ANÁLISIS DE HETEROCEDASTICIDAD................................................... 20
6.2.6 ANÁLISIS DE NORMALIDAD ...................................................................... 21
6.2.7 PRUEBA DE ARDL (5, 3, 4) ................................................................................... 22
2
6.3 MODELO N°3 ................................................................................................................. 23
6.3.1 ARDL EN TÉRMINOS PERCAPITA (6, 7, 7) ..................................................... 23
6.3.3 TEST DE BOUNDS ................................................................................................. 25
6.3.6 ANÁLISIS DE NORMALIDAD ...................................................................... 26
6.3.7 PRUEBA DE ARDL (2, 0, 0) ............................................................................ 27
6.4 MODELO N°4 ................................................................................................................. 28
6.4.1 ARDL INCLUYENDO TASA DE INTERÉS (6, 7, 7, 6) ...................................... 28
6.4.3 TEST DE BOUNDS ................................................................................................. 30
6.4.6 ANÁLISIS DE NORMALIDAD ............................................................................. 31
6.4.7 PRUEBA DE ARDL (1, 4, 2, 3) ............................................................................... 32
7. CONCLUSIONES ............................................................................................................. 33
8. BIBLIOGRAFIA ............................................................................................................... 35
9. ANEXOS ............................................................................................................................ 36
3
1. INTRODUCCIÓN
En el presente trabajo de investigación se realiza una evaluación empírica para medir el impacto
de la cantidad de liquidez del sistema financiero (LIQ), crédito al sector privado (CRE) y la tasa
de interés (TI) sobre el Producto bruto interno (PBI)
Dada la naturaleza de las series, el análisis econométrico se fundamenta en la estimación de un
modelo ARDL (modelo autorregresivo con rezagos distribuidos) el cual juega un papel vital
cuando surge la necesidad de analizar un escenario económico.
En una economía, el cambio en cualquier variable económica puede traer cambios en otras
variables económicas más allá del tiempo dicho cambio en una variable no es lo que se refleja de
inmediato, sino que se distribuye en períodos futuros, precisando lo mencionado en nuestro
trabajo de evaluación empírica, se pretende medir en que sentido la variable dependiente, PBI,
es explicada por sus valores rezagados, además de esta parte autorregresiva, también posee otras
variables explicativas independientes tales como: LIQ, CRE y la TI.
Mediante la evaluación empírica de las series, se pretende obtener un vehículo muy valioso para
probar la presencia de relaciones de largo plazo entre las series de tiempo económicas antes
mencionadas y medir las consecuencias del comportamiento a largo y corto plazo de las variables
exógenas (LIQ, CRE y TI) en la variable endógena (PBI).
Se espera aportar a quienes consulten este trabajo un punto de partida para futuras investigaciones,
facilitando la información para un estudio previo en relación con la medición del impacto de su
comportamiento a largo y corto plazo de la liquidez, crédito y tasa de interés sobre el producto
bruto interno.
4
2. MARCO TEORICO
No es una novedad decir que el crédito es la forma de financiamiento más comúnmente utilizada
por las familias y las empresas, ya que les permite obtener dinero de otro agente del mercado con
el compromiso de devolverlo en el futuro junto con un interés adicional, en una forma de pago y
durante un plazo acordado.
Así, muchas familias y empresas pueden presentar necesidades de financiamiento que son
suplidas por medio del crédito. Este es el caso de familias que recurren a créditos para financiar
la compra de bienes muebles (vehículos, electrodomésticos, etc.), inmuebles (viviendas, terrenos,
etc) y servicios (tratamientos médicos, etc). Mientras que, las empresas solicitan créditos para
financiar capital de trabajo, maquinaria, equipo, entre otros.
En ese sentido, uno de los principales aportes del crédito es que permite dinamizar la economía,
incentivando el consumo y la inversión de las familias y empresas, actividades que por diferentes
motivos pueden tener un déficit de fondos que son suplidos por el sistema financiero. Esto,
finalmente, genera un impacto positivo sobre el producto bruto interno (PBI), permitiendo la
satisfacción de necesidades y contribuyendo a elevar el nivel de bienestar de la población en
general. (Asbanc, 2018)
En la reciente edición del Asbanc Semanal, el Área de Estudios Económicos de la Asociación de
Bancos del Perú hizo un breve análisis sobre los resultados del informe elaborado por Erick
Lahura y Hugo Vega, en el cual se realizó una evaluación de la relación entre el crédito y el
producto usando datos trimestrales de la economía peruana para el período 1992 – 2009.
Como se indica en el documento, el modelo elegido para representar la relación empírica entre el
crédito en soles, en dólares y el producto es un Modelo de Corrección del Error Vectorial
(VECM), el cual indica que existe evidencia de que el impulso crediticio contiene información
relevante para predecir la tasa de crecimiento del producto en el corto plazo.
2.1. Producto Interno Bruto (PIB)
El Producto Interno Bruto (PIB) es el valor monetario de la producción tanto de bienes como de
servicios por un periodo de tiempo. Es publicado de forma trimestral con la finalidad de permitir
un conocimiento más amplio y oportuno sobre la evolución económica del país.
Existen dos formas de presentación de este indicador, en términos nominales o corrientes y reales,
también conocido como a precios constantes. Ambos términos son el resultado de la elaboración
de índices de volumen físico de producción.
El PIB corriente, de acuerdo con la Secretaria de Economía, es el valor de los bienes y servicios
a precios del año en que se calcula. Por otro lado, el PIB a precios constantes es aquel al que se
le ha quitado el efecto de la inflación.
Existen diversos años base en los cuales es calculado, dicha base cambia con el paso del tiempo
para reflejar adecuadamente la estructura económica actual del país y de esta manera tener un
panorama más real del crecimiento económico.
2.1.1. Determinación del PIB
El PIB puede calcularse a través de tres procedimientos:

 Enfoque basado en gastos.
 Enfoque basado en ingresos o de la distribución.
 Enfoque de la oferta o del valor agregado.
5
Enfoque basado en gastos
En el enfoque basado en gastos, el PIB se mide sumando todas las demandas finales de bienes y
servicios en un período dado. En este caso se está cuantificando el destino de la producción.
Existen cuatro grandes áreas de gasto: el consumo de las familias (C), el consumo del gobierno
(G), la inversión en nuevo capital (I) y los resultados netos del comercio exterior (exportaciones-
importaciones). Obsérvese que las exportaciones netas son iguales a las exportaciones (X) menos
las importaciones (M). Desde el punto de vista del gasto o demanda, el PIB resulta ser la suma de
los siguientes términos:
PBIpm = C + G + I + (X - M)
Enfoque basado en ingresos o de la distribución

Este enfoque suma los ingresos de todos los factores que contribuyen al proceso productivo, como
por ejemplo, sueldos y salarios, comisiones, alquileres, derechos de autor, honorarios, intereses,
utilidades, etc. El PIB es el resultado del cálculo por medio del pago a los factores de la
producción. Todo ello, antes de deducir impuesto
PBI = RL + RK + Rr + B + A + (Ii – Sb)
Enfoque de la oferta o del valor agregado

En términos generales, el valor agregado o valor añadido, es el valor de mercado del producto en
cada etapa de su producción, menos el valor de mercado de los insumos utilizados para obtener
dicho producto; es decir, que el PIB se cuantifica a través del aporte neto de cada sector de la
economía.
Según el enfoque del valor agregado, la suma de valor añadido en cada etapa de producción es
igual al gasto en el bien final del proceso de producción.
2.2. Bases teóricos-conceptuales
2.2.1. La teoría cuantitativa del dinero
Existen diversos e infinidad de motivos para demandar y/o conservar dinero. Para Keynes estos
motivos son tres, «Dos de ellos, la necesidad de realizar transacciones y de cubrirse contra
imprevistos de la vida cotidiana, no guardan una diferencia sustancial frente a lo planteado por el
cuantitativismo clásico y al igual que para este cuerpo de pensamiento la demanda de dinero por
tales motivos depende en general del nivel de ingreso». (NEYRA & TOCTO, 2013)
2.2.2. El crédito
El acceder al crédito nos permite invertir, capitalizar, aprovechar oportunidades, hacer negocios
internacionales, dar crédito a nuestros clientes y poder vender y producir más y muchas otras
actividades generadoras de valor sostenible. El crédito es una de las principales herramientas para
el éxito si es bien manejado pero también es una de los principales motivos para el fracaso
acelerado si es mal manejado.
Los bancos al igual que las cajas desempeñan un papel crucial en la determinación de los niveles
de vida de las economías actuales; ellos tienen la capacidad para estimular, recolectar el ahorro
de una sociedad y distribuirlo entre las empresas y los sectores que necesitan capital como insumo
para sus actividades económicas. (NEYRA & TOCTO, 2013)
2.2.3 Comportamiento de los prestamistas dentro de un mercado de créditos concentrado
La estructura de mercado y el costo del crédito están intrínsecamente vinculados. De acuerdo con
la teoría de los mercados competitivos, el prestamista es un tomador de precios. En el caso del
6
cobro de una tasa mayor a la de mercado, el prestamista estaría obligado a salir del negocio
crediticio dado que su número de clientes disminuiría en la medida de que éstos podrían encontrar
servicios de créditos similares a un precio menor dentro del mercado bancario. (Abanto & Chávez,
s.f.)
Con respecto al impacto sobre la concentración de entidades en el comportamiento de las tasas de
interés, la literatura económica (Berger y Hannan, 1989) usualmente presenta dos hipótesis.
La primera hipótesis sugiere que los bancos se coluden y utilizan su poder de mercado para extraer
rentas de sus clientes. Algunas estimaciones en los Estados Unidos de América sugieren que los
bancos en los mercados más concentrados ofrecen tasas pasivas menores en un rango de 25 a 100
puntos básicos respecto a las que ofrecen en mercados menos concentrados.
Por otro lado, la segunda propone que la concentración bancaria incrementa la eficiencia del
mercado. Basada en esta hipótesis, la concentración se originaría por la existencia de bancos más
eficientes creciendo a una tasa mayor que los menos eficientes o más bancos eficientes
adquiriendo a los menos eficientes. En este caso, al menos hasta cierto punto, los bancos cobrarían
tasas más competitivas.
2.2.3. La segmentación dentro del mercado crediticio
El mercado peruano de créditos no es homogéneo, sino segmentado. La teoría de organización

industrial sostiene que cada segmento de mercado tiene sus propias reglas de juego.
La heterogeneidad de las operaciones de crédito significa que es posible definir distintas
particiones de mercado según las propiedades y características que se busque enfatizar. Algunas
de las principales propiedades utilizadas al definir segmentos de mercado son: tamaño del cliente,
estrato socioeconómico, monto y plazo de la operación, tipo de garantía o aval, utilización o
destino del crédito, entre otras.
Dentro del mercado peruano se puede establecer segmentos:
 Corporativo: constituido por empresas domésticas con ventas anuales en exceso de US$
10 millones, así como filiales de empresas multinacionales. Al tener acceso a los
mercados de capitales interno y externo, tienen un alto poder de negociación frente a los
bancos.
 Mediana Empresa: conformado por compañías con ventas anuales entre US$ 1 y US$ 10
millones. El poder de negociación de este segmento es variable y depende del acceso que
tengan al mercado de capitales doméstico.
 Pequeña Empresa: prestatarios con ventas anuales menores de US$ 1 millón, usualmente
no tienen acceso al mercado de capitales y su principal fuente de financiamiento es el
sistema bancario.
2.3. Liquidez
Pasivos financieros u obligaciones monetarias de las instituciones financieras con el sector
privado de la economía. La liquidez puede estar constituida en moneda nacional o moneda
extranjera. La liquidez en moneda nacional se divide en: ·
Dinero: corresponde a la suma del circulante y los depósitos a la vista mantenidos por el sector
privado.
Cuasidinero: constituido por los depósitos de ahorro, depósitos a plazo, cédulas hipotecarias,
letras hipotecarias, bonos emitidos por las instituciones financieras y otros valores.
La liquidez en moneda extranjera comprende los depósitos (vista, ahorro y plazo), Certificados
Bancarios en Moneda Extranjera, bonos, valores emitidos por el Banco Central de Reserva del
Perú (Certificados de Divisas, de Libre Disponibilidad y de Plata, bonos) y otras obligaciones en
7
moneda extranjera. Concepto que expresa la facilidad con que un bien o activo puede ser
convertido en dinero. El bien líquido por excelencia es el propio dinero, en función del cual se
mide la iliquidez de los demás bienes, dependiendo ésta de la prontitud o facilidad con que en
cada caso se puede hacer dicha transformación. Se entiende por liquidez también la disponibilidad
inmediata de dinero de un banco, y mide la capacidad de una institución financiera del exterior
para hacer frente a sus obligaciones de corto plazo.
2.4. Tasa de Interés
La tasa de interés representa el importe del alquiler del dinero. Dado que los montos de intereses
son dinero lo mismo que el capital, este importe se presenta normalmente como un porcentaje que
se aplica al capital por unidad de tiempo; a este valor se le denomina tasa de interés. (VERA,
2003)
Para poder aplicar las fórmulas de equivalencia de cifras de dinero en el tiempo, es necesario que
la base del tiempo para la tasa de interés aplicada coincida con el período o longitud del intervalo
de la línea del tiempo entre momentos consecutivos. A esta presentación de la información del
interés se le llama tasa periódica.
Existen dos tipos de tasas de interés: tasa pasiva, tasa activa:
Tasa de Interés Pasiva: es la tasa de interés que las entidades financieras paga a los depositantes
por sus ahorros. Estas varían dependiendo del plazo y tipo de depósito: depósitos a la vista,
depósitos de ahorro a plazo y depósito a plazo fijo. (Financiero, 2013)
Tasas de Interés Activa: es la tasa que se paga a las entidades financieras al recibir un préstamo,
la cual puede ser nominal o efectiva. La tasa de interés nominal se utiliza para calcular el pago de
intereses que el usuario hace al banco; pero el verdadero costo del préstamo lo da la tasa de interés
efectiva, que incluye además de los intereses, otros pagos como comisiones y seguros.
Nominal: Es la expresión anualizada de la tasa periódica, contabilizada por acumulación simple
de ella.
Efectiva: Es la expresión equivalente de una tasa periódica en la que el período se hace igual a un
año y la causación siempre se da al vencimiento. Algunos sectores emplean el nombre de tasa
efectiva para aplicarla a un período distinto del año (efectiva diaria, efectiva mensual, efectiva
trimestral, etc.).
3. EVIDENCIA EMPIRICA
E Lahura (2014), “IMPULSO DEL CRECIMIENTO ECONOMICO EN FUNCION DE LA

CAPACIDAD CREDITIVA Y LIQUIDEZ”, Dada la naturaleza de las series, el
análisis econométrico se basa en la estimación de un modelo vectorial de corrección de errores a
partir de oscilaciones importantes en sus funciones de liquidez.
Bustamante Romani(2015), “Desarrollo del Crecimiento Económico en el Perú en función de la
liquidez y crédito”, este trabajo intenta una breve descripción del grado de desarrollo de los
mercados financieros en Perú, en comparación con otros países.
A Borja, (2014) metodología econométrica, llevando a cabo la ilustración del modelo que
mediante actividades productivas le permitirán obtener una rentabilidad.
Este trabajo econométrico analiza los principales factores determinantes de la tasa de interes en
Brasil durante el período 1956-1996, a través de un modelo empírico utilizado en los estudios
más recientes sobre países en desarrollo. Los procedimientos econométricos, además de tomar en
cuenta la no estacionaridad de las series de datos que se examinan, consideran las posibles
8
dificultades vinculadas con tratar las variables condicionantes como exógenas o como
instrumentos de política. Los resultados muestran, tanto en las ecuaciones de largo plazo como
en los modelos de corto plazo, el impacto positivo de las variables producto, tasa de interes y
crédito financiero y el efecto negativo del tipo de cambio. Los resultados de los tests de
exogeneidad débil y superexogeneidad ponen en evidencia la importancia de la tasa de interes y
el crédito como instrumentos de política económica, y permiten obviar la crítica de Lucas
Oswaldo Rodolfo (2008), “PERÚ 2002-2006: FUNCIÓN DE CRECIMIENTO
ECONOMICO Y LA TASA DE INTERES”, El tema de investigación se enmarca en un
contexto de economías emergentes, abiertas, pequeñas y fuertemente dolarizadas como
es el caso del Perú. En este contexto, se propone una función de reacción que incorpora
las fluctuaciones del tipo de cambio en la determinación de la tasa de interés.
Vera (2003), en su investigación, “DETERMINANTES DE LA DEMANDA DE
CRÉDITO. UNA ESTIMACIÓN CON UN MODELO MENSUAL DE SERIES DE
TIEMPO PARA VENEZUELA”, presenta una estimación de los determinantes de la
demanda de crédito para la economía venezolana en un intento por explicar la persistente
contracción del crédito bancario. Consideraron factores asociados con la capacidad y
disposición de los bancos de extender crédito como una tendencia en los últimos años e
indicaron que es posible interpretar la demanda de crédito como el lado dominante del
mercado.
Miranda López (2011), en su investigación, “DETERMINANTES DEL PBI EN
FUNCION A LA TASA DE INTERES Y CREDITO EN NICARAGUA”, analiza los
determinantes macroeconómicos de oferta y demanda de las entregas de crédito en
Nicaragua de 2005 a 2011 a nivel mensual. Para esto, consideró un modelo de mercados
en desequilibrio. El modelo fue estimado por Máxima Verosimilitud utilizando
ecuaciones simultáneas lo que permite tener las funciones de oferta y demanda por
separado. Concluye que, en el caso de la demanda de crédito, los determinantes son: la
dinámica de la economía, el flujo de caja de los agentes, el tipo de cambio real y el riesgo
macroeconómico.
KJ Burneo Farfan, El objetivo de esta investigación es evaluar si la Bancarización
pública, definida por la evolución del programa de préstamos Multired del banco estatal
del Perú, se constituye como un factor relevante para explicar la dinámica del crecimiento
económico regional en el periodo Octubre 2001-Julio 2006. Los resultados de esta
investigación se constituirían como insumos útiles para la formulación de políticas
públicas en el ámbito financiero.
Zárate y Hernández (2001), en su investigación, “UN MODELO DE DEMANDA
PARA EL CREDITO BANCARIO Y TASA DE INTERES EN MEXICO”, abordan
teórica y empíricamente el carácter endógeno del comportamiento de la demanda de
crédito en México asumiendo que las funciones de demanda y oferta son similares, por
tanto cualquier corrida econométrica genera parámetros sujetos al problema de
identificación, es decir que las funciones son intercambiables, la relación de oferta
expresa la demanda y viceversa. Utilizan, entonces, una función seudorreducida de
demanda de crédito que incluye las variables tanto de oferta como de demanda de crédito;
entre ellas se encuentra el factor cambio institucional-liberación del mercado financiero,
que es evaluado con una variable dummy (diferencia entre los periodos de liberación de
mercado versus la restricción del mercado financiero).
Monica Caballero(2014), “ANALISIS DEL PBI POR SECTORES PRODUCTIVOS
DEL PERU Y SU INCIDENCIA EN EL CRECIMIENTO ECONOMICO- MODELO
ECONOMETRICO”, Los enfoques se han venido creando para tratar de explicar la
complejidad y las iteraciones entre nuevas variables que entran en juego en una
investigación.
9
Vladimir Madrid (2013), “MODELACIÓN DEL COMPORTAMIENTO DE LA TASA
DE INTERÉS ACTIVA PROMEDIO EN MONEDA NACIONAL DEL SISTEMA
BANCARIO PERUANO”, mediante el presente trabajo econométrico se pretende
determinar si la adopción de las “Metas Explícitas de Inflación”, como política monetaria
del Banco Central de Reserva del Perú (BCRP), afectó el comportamiento dinámico de la
TAMN, y ver su relación con la actividad económica y la política adoptada.
MEN FINANZAS (2017), “MEDICIÓN DE LOS DETERMINANTES DE LA

VOLATIDAD DEL PIB: INVERSIONISTAS INSTITUCIONALES Y ENTORNO
MACROECONÓMICO”, Este trabajo busca responder esta pregunta a través de dos
tipos de inversionistas institucionales: Fondos Mutuos y Fondos de Pensiones. La
principal razón para representar el desarrollo financiero a través de estas variables radica
en que la intermediación financiera ha ido ganando terreno en el mercado de capitales en
relación a la actividad bancaria. La gran acumulación de capitales en manos de estas
instituciones genera que sus transacciones tengan un impacto significativo en el producto,
de esta manera se observa el impacto y su influencia de sus variables en el PBI a nivel
macroeconómico.
4. HECHOS ESTILIZADOS
4.1 EVOLUCIÓN DE LAS VARIABLES
GRÁFICO N°1: VARIABLES INICIALES

PBI LI
600,000 700,000
500,000 600,000
500,000
400,000
400,000
300,000
300,000
200,000
200,000
100,000 100,000
0 0
60 65 70 75 80 85 90 95 00 05 10 15 60 65 70 75 80 85 90 95 00 05 10 15
CRE TI
700,000 5,000
600,000
4,000
500,000
400,000 3,000
300,000 2,000
200,000
1,000
100,000
0 0
60 65 70 75 80 85 90 95 00 05 10 15 60 65 70 75 80 85 90 95 00 05 10 15
Durante el periodo de análisis, la economía peruana ha crecido ininterrumpidamente. Para el año

2016 su fuerte crecimiento fue de 3,9% impulsado por el aumento del consumo final privado
(3,5%) y del consumo de gobierno (4,9%), así como por la significativa expansión de las
exportaciones (12,9%); no obstante, la contracción de la inversión bruta fija (-4,2%). Las
importaciones aumentaron en 0,3% principalmente por las mayores compras de insumos para la
producción.
La tasa de crecimiento del crédito total al sector privado se aceleró de 5,6 por ciento en 2016 a
6,6 por ciento en 2017. Como porcentaje del PBI, el saldo de crédito al sector privado representó
el 40,5 por ciento, nivel ligeramente menor al observado el año previo.
La tasa de crecimiento de la liquidez fue de 10,1 por ciento en 2017, tasa mayor a la registrada en
2016 (5,1 por ciento), lo que reflejó principalmente el mayor crecimiento de los depósitos a plazo
10
y a la vista (3,6 por ciento en 2016 a 7,1 por ciento en 2017). Esta evolución de la liquidez del
sector privado fue acompañada por una leve disminución del coeficiente de dolarización, que pasó
de 34,6 por ciento en 2016 a 32,4 por ciento en 2017, en línea con la mayor estabilidad de la
moneda observada durante el año.
La reducción de la tasa de referencia de 4,25 a 3,25 por ciento durante el año 2017 se trasladó al
resto de tasas de interés en moneda nacional, las cuales descendieron en promedio 89 puntos
básicos durante el año. La tasa interbancaria se ubicó cerca a su nivel de referencia.
GRÁFICO N°2: VARIABLES EN TÉRMINOS PERCÁPITA
PBI
18,000
16,000
14,000
12,000
10,000
8,000
6,000
60 65 70 75 80 85 90 95 00 05 10 15
LI
40,000
30,000
20,000
10,000
0
60 65 70 75 80 85 90 95 00 05 10 15
CRE
30,000
20,000
10,000
0
60 65 70 75 80 85 90 95 00 05 10 15
5. METODOLOGÍA
En el presente capítulo se expone la metodología utilizada para comprobar la relación entre las
variables financieras y el crecimiento económico en el Perú periodo 1959-2017, teniendo como
variables endógenas el crecimiento económico (PBI), y como variables explicativas: créditos,
liquidez, y/o tasas de interés.
5.1 TIPO DE INVESTIGACIÓN
El tipo de investigación de nuestro trabajo es descriptiva, correlacional y explicativa puesto que

analizaremos las diferentes variables, caracterizándolas, evaluando su tendencia en el tiempo y
11
presentando sus principales estadísticas en cuadros, gráficos y líneas. Es causal ya que en este
caso se evalúa el impacto actual y rezagado sobre el crecimiento financiero.
5.2 DISEÑO DE LA INVESTIGACIÓN
Nuestra investigación tiene un diseño experimental con enfoque cuantitativo, basados en la
temporalización de la investigación periodo 1959-2017. Nuestra investigación es de carácter
deductiva puesto que partimos de una proposición (particular) hacia lo general.
5.3 MÉTODOS E INSTRUMENTOS
El método utilizado es el de un modelo autorregresivo con rezagos distribuidos (ARDL). La

información utilizada para este trabajo fue obtenido del Banco Central de Reserva del Perú
(BCRP).
5.3 OPERACIONALIZACIÓN DE VARIABLES
VARIABLE NOMBRE UNIDAD FUENTE

Banco Central de Reserva del
PBI Producto Bruto Interno Millones de soles
Perú
Créditos al sector Banco Central de Reserva del

CRE Millones de soles
privado Perú

LI Liquidez Millones de soles
Perú
TI Tasa de interés Porcentaje
Perú
5.4 MODELO ARDL
El modelo puede ser expresado así
𝒑 𝒓
𝒚𝒕 = ∑ 𝜶𝒊 𝒚𝒕−𝒊 + ∑ 𝜷𝒊 𝒙𝒕−𝒊 + 𝜺𝒕
𝒊=𝟏 𝒊=𝟎
Este modelo se llama ARDL (p,r), donde ARDL son las siglas de Autoregressive Distributed Lag
Model (esto es modelo autorregresivo con retardos distribuidos).
6. ESPECIFICACIÓN Y ESTIMACIÓN DE LOS MODELOS
6.1 MODELO N°1: ARDL (6, 7,7)
6.1.1 ARDL En Niveles

𝑝𝑏𝑖𝑡 = 𝛼1 𝑝𝑏𝑖𝑡−1 + 𝛼2 𝑝𝑏𝑖𝑡−2 + 𝛼3 𝑝𝑏𝑖𝑡−3 + 𝛼4 𝑝𝑏𝑖𝑡−4 + 𝛼5 𝑝𝑏𝑖𝑡−5 + 𝛼6 𝑝𝑏𝑖𝑡−6
+ 𝛽0 + 𝛽1 𝑙𝑖𝑡−1 + 𝛽2 𝑙𝑖𝑡−2 + 𝛽3 𝑙𝑖𝑡−3 + 𝛽4 𝑙𝑖𝑡−4 + 𝛽5 𝑙𝑖𝑡−5 + 𝛽6 𝑐𝑟𝑒𝑡−6
+ 𝛽7 𝑐𝑟𝑒𝑡−7 + 𝛾0 + 𝛾1 𝑐𝑟𝑒𝑡−1 + 𝛾2 𝑐𝑟𝑒𝑡−2 + 𝛾3 𝑐𝑟𝑒𝑡−3 + 𝛾4 𝑐𝑟𝑒𝑡−4
+ 𝛾5 𝑐𝑟𝑒𝑡−5 + 𝛾6 𝑐𝑟𝑒𝑡−6 + 𝛾7 𝑐𝑟𝑒𝑡−7
12
Dependent Variable: PBI
Method: ARDL
Sample (adjusted): 1966 2017
Included observations: 52 after adjustments
Maximum dependent lags: 7 (Automatic selection)
Model selection method: Akaike info criterion (AIC)
Dynamic regressors (7 lags, automatic): LI CRE
Fixed regressors: C
Number of models evalulated: 448
Selected Model: ARDL(6, 7, 7)
Variable Coefficient Std. Error t-Statistic Prob.*
PBI(-1) 1.237093 0.168707 7.332773 0.0000

PBI(-2) -0.264539 0.257055 -1.029112 0.3119
PBI(-3) -0.073656 0.290089 -0.253910 0.8014
PBI(-4) 0.053795 0.332330 0.161874 0.8725
PBI(-5) 0.736786 0.363577 2.026495 0.0520
PBI(-6) -0.637307 0.254298 -2.506146 0.0181
LI 0.119375 0.180002 0.663188 0.5124
LI(-1) 0.101016 0.269585 0.374709 0.7106
LI(-2) 0.093418 0.303008 0.308301 0.7601
LI(-3) -0.031207 0.267843 -0.116513 0.9080
LI(-4) 0.149593 0.268447 0.557253 0.5816
LI(-5) -0.717520 0.347228 -2.066423 0.0478
LI(-6) 0.630344 0.405056 1.556188 0.1305
LI(-7) -0.443959 0.268629 -1.652683 0.1092
CRE -0.145770 0.192804 -0.756052 0.4557
CRE(-1) -0.162498 0.287315 -0.565576 0.5760
CRE(-2) -0.079779 0.325050 -0.245437 0.8078
CRE(-3) 0.096126 0.273856 0.351010 0.7281
CRE(-4) -0.190108 0.268508 -0.708016 0.4846
CRE(-5) 0.714662 0.328161 2.177779 0.0377
CRE(-6) -0.558545 0.365897 -1.526510 0.1377
CRE(-7) 0.434372 0.245249 1.771151 0.0870
C -5296.169 4760.978 -1.112412 0.2751
R-squared 0.997748 Mean dependent var 228029.9

Adjusted R-squared 0.996040 S.D. dependent var 114164.8
S.E. of regression 7184.234 Akaike info criterion 20.89783
Sum squared resid 1.50E+09 Schwarz criterion 21.76088
Log likelihood -520.3437 Hannan-Quinn criter. 21.22871
F-statistic 584.0796 Durbin-Watson stat 2.256330
Prob(F-statistic) 0.000000
En el modelo se puede apreciar que la mayoría de los rezagos de las variables especificadas son
estadísticamente significativos, siendo éstos: PBI(-2), PBI(-3), PBI(-4), PBI(-5), LI, LI(-1), LI(-
2), LI(-3), LI(-4), LI(-6), LI(-7), CRE, CRE(-1), CRE(-2), CRE(-3), CRE(-4), CRE(-6), CRE(-7).
Asimismo los rezagos efectuados en las variables explican en un 99.77% a la variable Producto
Bruto Interno.
13
6.1.2 ARDL Cointegrating And Long Run Form
ARDL Cointegrating And Long Run Form

Date: 01/09/19 Time: 08:00
Sample: 1959 2017
Included observations: 52
Cointegrating Form
Variable Coefficient Std. Error t-Statistic Prob.
D(PBI(-1)) 0.184920 0.181251 1.020241 0.3161

D(PBI(-2)) -0.079619 0.178020 -0.447244 0.6580
D(PBI(-3)) -0.153275 0.217428 -0.704947 0.4865
D(PBI(-4)) -0.099480 0.204698 -0.485982 0.6306
D(PBI(-5)) 0.637307 0.254298 2.506146 0.0181
D(LI) 0.119375 0.180002 0.663188 0.5124
D(LI(-1)) -0.093418 0.303008 -0.308301 0.7601
D(LI(-2)) 0.031207 0.267843 0.116513 0.9080
D(LI(-3)) -0.149593 0.268447 -0.557253 0.5816
D(LI(-4)) 0.717520 0.347228 2.066423 0.0478
D(LI(-5)) -0.630344 0.405056 -1.556188 0.1305
D(LI(-6)) 0.443959 0.268629 1.652683 0.1092
D(CRE) -0.145770 0.192804 -0.756052 0.4557
D(CRE(-1)) 0.079779 0.325050 0.245437 0.8078
D(CRE(-2)) -0.096126 0.273856 -0.351010 0.7281
D(CRE(-3)) 0.190108 0.268508 0.708016 0.4846
D(CRE(-4)) -0.714662 0.328161 -2.177779 0.0377
D(CRE(-5)) 0.558545 0.365897 1.526510 0.1377
D(CRE(-6)) -0.434372 0.245249 -1.771151 0.0870
CointEq(-1) 0.052173 0.043016 1.212869 0.2350
Cointeq = PBI - (1.8964*LI -2.0789*CRE + 101512.3887 )
Long Run Coefficients
LI 1.896418 4.764352 0.398043 0.6935

CRE -2.078862 5.233206 -0.397244 0.6941
C 101512.38 34978.382 2.902146 0.0070
Del Test de Cointegrating And Long Run Form se puede concluir que los rezagos 1, 2, 3 y 4 del
Producto Bruto Interno en diferencia; y los rezagos 1, 2 y 3, 5 y 6 de la variable liquidez en
diferencia; los rezagos 1, 2, 3, 5 y 6 de la variable en diferencia crédito, resultan estadísticamente
significativas y además el coeficiente CointEq(-1), resulta ser 0.052173>0, lo que quiere decir
que en el largo plazo, no llegarán a un equilibrio las variables en cuestión.
14
6.1.3 TEST DE BOUNDS
ARDL Bounds Test

Date: 01/09/19 Time: 08:07
Sample: 1966 2017
Null Hypothesis: No long-run relationships exist
Test Statistic Value k
F-statistic 3.065716 2
Critical Value Bounds
Significance I0 Bound I1 Bound
10% 3.17 4.14

5% 3.79 4.85
2.5% 4.41 5.52
1% 5.15 6.36
Por el test de bounds se puede observar que el F-statistic es menor al 10%, 5%, 2.5%, 1% de
significancia, por lo que se puede concluir que no existen relaciones en el largo plazo entre las
variables analizadas.
6.1.4 ANÁLISIS DE AUTOCORRELACIÓN
● Box Pierce
𝐻0 : 𝑁𝑜 𝐸𝑥𝑖𝑠𝑡𝑒 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑖𝑚𝑒𝑟 𝑜𝑟𝑑𝑒𝑛

Se obtiene el correlograma:
Sample: 1959 2017
Q-statistic probabilities adjusted for 6 dynamic regressors
Autocorrelation Partial Correlation AC PAC Q-Stat Prob*
.*| . | .*| . | 1 -0.145 -0.145 1.1608 0.281
.|. | .|. | 2 -0.004 -0.026 1.1616 0.559
Se calculan los estadísticos Q y se comparan con el estadístico chi cuadrado respectivamente:
𝑄1 = 59 ∗ (−0.145)2 = 1.240475 < 3.84
𝑄2 = 59 ∗ (−0.1452 + (−0.0042 )) = −1.241419 < 5.99
Por tanto se acepta hipótesis nula, no existe autocorrelación
15
● Breusch Godfrey
𝐻0 : 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑖𝑚𝑒𝑟 𝑜𝑟𝑑𝑒𝑛
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 2.536951 Prob. F(1,28) 0.1224

Obs*R-squared 4.320060 Prob. Chi-Square(1) 0.0377

Comparamos los estadísticos con una chi de 1 y de 2 grados. Por tanto aceptamos la hipótesis
nula. Existe autocorrelación de primer orden y segundo orden.
6.1.5 ANÁLISIS DE HETEROCEDASTICIDAD
𝐻0 : 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 ℎ𝑒𝑡𝑒𝑟𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑
Heteroskedasticity Test: Breusch-Pagan-Godfrey

Scaled explained SS 12.29471 Prob. Chi-Square(22) 0.9510
Al comparar n*𝑅 2 ~𝑋 2 se concluye que se acepta la hipótesis nula, por lo tanto existe
heterocedasticidad.
6.1.6 ANÁLISIS DE NORMALIDAD
14
Series: Residuals
12 Sample 1966 2017
Observations 52
10
Mean 2.71e-11
Median -507.6431
8 Maximum 13158.64
Minimum -16156.05
6 Std. Dev. 5417.444
Skewness -0.082555
4 Kurtosis 4.108722
Jarque-Bera 2.722474
2
Probability 0.256344
0
-15000 -10000 -5000 0 5000 10000 15000
𝐻0 : 𝑢 𝑠𝑒 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎 𝑎 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙

𝐻1 : 𝑢 𝑛𝑜 𝑠𝑒 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎 𝑎 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙
16
Ya que el Jarque-Bera es 2.722474 y la probabilidad es 0.256344, ósea, es mayor al 5%, se acepta
la hipótesis nula, es decir, los errores siguen una distribución normal. Por lo tanto el valor de la
simetría y de la Kurtosis son los adecuados. Finalmente el modelo estimado cumple con el
supuesto de normalidad.
6.1.7 PRUEBA DE ARDL (2, 4, 4)
MODELO 1 CON ARDL (2, 4, 4)
INDICADOR VALOR CONCLUSIÓN
El modelo con las variables

PBI, LI, CRE con sus
𝑅2 0.996522 respectivos rezagos, explican
en un 99.65% al crecimiento
económico.
PBI(-1) 0.0000
PBI(-2) 0.2132
LI 0.4742 Las variables con sus
LI(-1) 0.9185 respectivos rezagos resultan
LI(-2) 0.9993 ser estadísticamente
LI(-3) 0.1194 significativas, ya que su
LI(-4) 0.0214 probabilidad es mayor a 5%,
CRE 0.3048 a excepción de PBI(-1), LI(-
CRE(-1) 0.8463 4), CRE(-4)
CRE(-2) 0.8397
CRE(-3) 0.1366
CRE(-4) 0.0169
Las variables con sus

respectivos rezagos son
estadísticamente
significativas, a excepción de
ARDL Cointegrating And CointEq(-1) = 0.075660 D(LI(-3)), D(CRE(-3)), y
Long Run Form dado que el coeficiente del
test resulta ser positivo, es
decir, en el largo plazo, no
llegaría a un equilibrio.
F-statistic 5.596883
Existen relaciones de largo
10% 3.17
ARDL Bounds Test 5% 3.79
plazo entre las variables PBI,
2.5% 4.41 LI, CRE.
1% 5.15
ANÁLISIS DE N*𝑅2 =1.239278 𝑋 2 = 3.84 No existe autocorrelación

AUTOCORRELACIÓN
HETEROCEDASTICIDAD N*𝑅2 = 9.157011 𝑋 2 = 5.99 Existe Heterocedasticidad
17
TEST DE NORMALIDAD Jarque Bera: 23.97856 Dado que la probabilidad es
Prob: 0.000006 menor al 5%, se concluye que
los errores no siguen una
distribución normal.
6.2 MODELO N°2
6.2.1 ARDL EN DIFERENCIA (5, 3, 4)

𝑝𝑏𝑖𝑡 = 𝛼1 𝑑𝑝𝑏𝑖𝑡−1 + 𝛼2 𝑑𝑝𝑏𝑖𝑡−2 + 𝛼3 𝑑𝑝𝑏𝑖𝑡−3 + 𝛼4 𝑑𝑝𝑏𝑖𝑡−4 + 𝛼5 𝑑𝑝𝑏𝑖𝑡−5
+ 𝛽0 + 𝛽1 𝑑𝑙𝑖𝑡−1 + 𝛽2 𝑑𝑙𝑖𝑡−2 + 𝛽3 𝑑𝑙𝑖𝑡−3 + 𝛾0 + 𝛾1 𝑑𝑐𝑟𝑒𝑡−1
+ 𝛾2 𝑑𝑐𝑟𝑒𝑡−2 + 𝛾3 𝑑𝑐𝑟𝑒𝑡−3 + 𝛾4 𝑑𝑐𝑟𝑒𝑡−4
Dependent Variable: DPBI
Method: ARDL
Dynamic regressors (7 lags, automatic): DLI DCRE
Fixed regressors: C
Note: final equation sample is larger than selection sample
DPBI(-1) 0.353519 0.149270 2.368314 0.0231

DPBI(-2) 0.088614 0.154561 0.573326 0.5698
DPBI(-3) 0.223222 0.182439 1.223545 0.2287
DPBI(-4) -0.192638 0.188441 -1.022270 0.3131
DPBI(-5) 0.687893 0.191612 3.590023 0.0009
DLI 0.196605 0.152642 1.288017 0.2055
DLI(-1) -0.072829 0.148916 -0.489062 0.6276
DLI(-2) 0.257045 0.150942 1.702942 0.0967
DLI(-3) 0.259066 0.159697 1.622235 0.1130
DCRE -0.229243 0.165191 -1.387744 0.1733
DCRE(-1) 0.006206 0.164613 0.037699 0.9701
DCRE(-2) -0.307997 0.144076 -2.137741 0.0390
DCRE(-3) -0.295090 0.147524 -2.000276 0.0527
DCRE(-4) -0.017075 0.012348 -1.382874 0.1748
C 1094.651 1549.645 0.706388 0.4843

Respecto a la variable DPBI, se puede verificar que los rezagos 2 3 y 4 resultan estadísticamente
significativos, y respecto a la variable DLI, los rezagos 1, 2 y 3 resultan estadísticamente
significativos. Finalmente en cuanto a la variable DCRE, los rezagos 1, 3 y 4 resultan
estadísticamente significativos. Con respecto al modelo ARDL realizado, se puede decir que las
18
variables en diferencia con sus respectivos rezagos explican en un 63.25% a la variable DPBI.

Dependent Variable: D(PBI)
Date: 01/09/19 Time: 10:38
Sample: 1959 2017
Cointegrating Form
D(PBI(-1), 2) -0.807091 0.229210 -3.521195 0.0011

D(PBI(-2), 2) -0.718478 0.232780 -3.086514 0.0038
D(PBI(-3), 2) -0.495256 0.205327 -2.412035 0.0208
D(PBI(-4), 2) -0.687893 0.191612 -3.590023 0.0009
D(DLI) 0.196605 0.152642 1.288017 0.2055
D(DLI(-1)) -0.257045 0.150942 -1.702942 0.0967
D(DLI(-2)) -0.259066 0.159697 -1.622235 0.1130
D(DCRE) -0.229243 0.165191 -1.387744 0.1733
D(DCRE(-1)) 0.307997 0.144076 2.137741 0.0390
D(DCRE(-2)) 0.295090 0.147524 2.000276 0.0527
D(DCRE(-3)) 0.017075 0.012348 1.382874 0.1748
CointEq(-1) 0.160610 0.187218 0.857877 0.3963
Cointeq = D(PBI) - (-3.9841*DLI + 5.2500*DCRE -6815.5717 )
DLI -3.984096 3.905392 -1.020153 0.3141

DCRE 5.249970 5.110848 1.027221 0.3108
-
C 6815.571714 15986.042146 -0.426345 0.6723
De acuerdo al ARDL Cointegrating And Long Run Form, se puede verificar que D(DLI), D(DLI(-
1)), D(DLI(-2)), D(DCRE), D(DCRE(-2)), D(DCRE(-3)) resultan estadísticamente significativas
y el coeficiente de CointEq(-1) resulta ser 0.160610>0, lo que quiere decir que en el largo plazo
no tenderán a un equilibrio las variables en cuestión.
ARDL Bounds Test

Date: 01/09/19 Time: 10:47
Sample: 1965 2017
19
10% 3.17 4.14

5% 3.79 4.85
2.5% 4.41 5.52
1% 5.15 6.36
Con respecto al test de Bounds se puede verificar que el F-statistic de 5.796123, resulta ser mayor
al 10%, 5%, 2.5%, 1% de significancia, lo que quiere decir que existe una relación de largo plazo
entre las variables DPBI, DLI, DCRE.
● Box Pierce

Se obtiene el correlograma (VER ANEXO 1):
𝑄1 = 59 ∗ (−0.071)2 = 0.297419 < 3.84
𝑄2 = 59 ∗ (−0.0712 + (0.0222 )) = −0.268863 < 5.99
● Breusch Godfrey


Comparamos los estadísticos con una chi de 1 y de 2 grados. Por tanto aceptamos la hipótesis
nula. No existe autocorrelación.
20

heterocedasticidad.
12
Series: Residuals
Sample 1965 2017
10 Observations 53
8 Mean -2.04e-12
Median -219.5364
Maximum 16919.48
6 Minimum -18619.28
Std. Dev. 6655.538
Skewness -0.137773
4
Kurtosis 4.153109
2 Jarque-Bera 3.104001
0
-20000 -15000 -10000 -5000 0 5000 10000 15000


21

0.632547
DPBI, DLI, DCRE con sus
𝑅2 respectivos rezagos, explican
económico.
DPBI(-1) 0.0231
DPBI(-2) 0.5698
DPBI(-3) 0.2287
DPBI(-4) 0.3131
DPBI(-5) 0.0009
DLI 0.2055 respectivos rezagos resultan
DLI(-1) 0.6276 ser estadísticamente
DLI(-2) 0.0967 significativas, ya que su
DLI(-3) 0.1130 probabilidad es mayor a 5%,
DCRE 0.1733 a excepción de DPBI(-1),
DCRE(-1) 0.9701 DPBI(-5), DCRE(-2).
DCRE(-2) 0.0390
DCRE(-3) 0.0527
DCRE(-4) 0.1748

respectivos rezagos son
estadísticamente
significativas, a excepción de
ARDL Cointegrating And CointEq(-1) = 0.160610 D(PBI(-1), 2), D(PBI(-2), 2),
Long Run Form D(PBI(-3), 2), D(PBI(-4), 2),
D(DCRE(-1)), y dado que el
coeficiente del test resulta ser
positivo, es decir, en el largo
plazo, no llegaría a un
equilibrio.
10% 3.17
ARDL Bounds Test 5% 3.79
plazo entre las variables
2.5% 4.41 DPBI, DLI, DCRE.
1% 5.15
ANÁLISIS DE N*𝑅2 = 1.048579 𝑋 2 = 3.84 No existe autocorrelación
AUTOCORRELACIÓN
Dado que la probabilidad es
TEST DE NORMALIDAD Jarque Bera: 3.104001 Prob: mayor al 5%, se concluye que
0.211824
los errores siguen una
22
6.3 MODELO N°3
6.3.1 ARDL EN TÉRMINOS PERCAPITA (6, 7, 7)
𝑝𝑏𝑖𝑡 = 𝛼1 𝑝𝑏𝑖𝑡−1 + 𝛼2 𝑝𝑏𝑖𝑡−2 + 𝛼3 𝑝𝑏𝑖𝑡−3 + 𝛼4 𝑝𝑏𝑖𝑡−4 + 𝛼5 𝑝𝑏𝑖𝑡−5 + 𝛼6 𝑝𝑏𝑖𝑡−6

+ 𝛽0 + 𝛽1 𝑙𝑖𝑡−1 + 𝛽2 𝑙𝑖𝑡−2 + 𝛽3 𝑙𝑖𝑡−3 + 𝛽4 𝑙𝑖𝑡−4 + 𝛽5 𝑙𝑖𝑡−5
+ 𝛽6 𝑙𝑖𝑡−6 + 𝛽7 𝑙𝑖𝑡−7 + 𝛾0 + 𝛾1 𝑐𝑟𝑒𝑡−1 + 𝛾2 𝑐𝑟𝑒𝑡−2 + 𝛾3 𝑐𝑟𝑒𝑡−3
+ 𝛾4 𝑐𝑟𝑒𝑡−4 + 𝛾5 𝑐𝑟𝑒𝑡−5 + 𝛾6 𝑐𝑟𝑒𝑡−6 + 𝛾7 𝑐𝑟𝑒𝑡−7

Method: ARDL
Dynamic regressors (7 lags, automatic): LI CRE
Fixed regressors: C
PBI(-1) 1.289119 0.166092 7.761490 0.0000

PBI(-2) -0.318858 0.267751 -1.190876 0.2434
PBI(-3) -0.131484 0.285888 -0.459915 0.6490
PBI(-4) -0.026434 0.314131 -0.084149 0.9335
PBI(-5) 0.870682 0.356391 2.443055 0.0209
PBI(-6) -0.652558 0.235873 -2.766560 0.0098
LI 0.114144 0.224199 0.509122 0.6145
LI(-1) 0.001055 0.330389 0.003192 0.9975
LI(-2) 0.165547 0.367038 0.451034 0.6553
LI(-3) -0.123426 0.334509 -0.368978 0.7148
LI(-4) 0.167050 0.352590 0.473780 0.6392
LI(-5) -0.743346 0.434176 -1.712085 0.0976
LI(-6) 0.652365 0.469068 1.390769 0.1749
LI(-7) -0.506894 0.313124 -1.618831 0.1163
CRE -0.135047 0.242500 -0.556896 0.5819
CRE(-1) -0.046270 0.353839 -0.130766 0.8969
CRE(-2) -0.147374 0.394434 -0.373635 0.7114
CRE(-3) 0.172017 0.348375 0.493769 0.6252
CRE(-4) -0.209370 0.351906 -0.594960 0.5565
CRE(-5) 0.752686 0.411017 1.831277 0.0774
CRE(-6) -0.578011 0.422387 -1.368440 0.1817
CRE(-7) 0.491236 0.284935 1.724027 0.0953
C -281.5934 387.9630 -0.725825 0.4738

Sum squared resid 3408143. Schwarz criterion 15.67598
El modelo 3, respecto a la variable Producto Bruto Interno en términos per cápita, los rezagos 2,
3 y 4 resultan estadísticamente significativas en el modelo. En cuanto a la variable liquidez en
términos per cápita, los 7 rezagos resultan estadísticamente significativos para el modelo.
23
Finalmente, en cuanto a los créditos, todos los rezagos efectuados resultan estadísticamente
significativos. Asimismo, el modelo ARDL con las variables en términos per cápita y con los
rezagos incluidos explican en un 98.81% al Producto Bruto Interno.

Date: 01/09/19 Time: 11:55
Sample: 1959 2017
Cointegrating Form
D(PBI(-1)) 0.258652 0.175076 1.477373 0.1504

D(PBI(-2)) -0.060206 0.177213 -0.339736 0.7365
D(PBI(-3)) -0.191690 0.200510 -0.956012 0.3470
D(PBI(-4)) -0.218124 0.199418 -1.093802 0.2830
D(PBI(-5)) 0.652558 0.235873 2.766560 0.0098
D(LI) 0.114144 0.224199 0.509122 0.6145
D(LI(-1)) -0.165547 0.367038 -0.451034 0.6553
D(LI(-2)) 0.123426 0.334509 0.368978 0.7148
D(LI(-3)) -0.167050 0.352590 -0.473780 0.6392
D(LI(-4)) 0.743346 0.434176 1.712085 0.0976
D(LI(-5)) -0.652365 0.469068 -1.390769 0.1749
D(LI(-6)) 0.506894 0.313124 1.618831 0.1163
D(CRE) -0.135047 0.242500 -0.556896 0.5819
D(CRE(-1)) 0.147374 0.394434 0.373635 0.7114
D(CRE(-2)) -0.172017 0.348375 -0.493769 0.6252
D(CRE(-3)) 0.209370 0.351906 0.594960 0.5565
D(CRE(-4)) -0.752686 0.411017 -1.831277 0.0774
D(CRE(-5)) 0.578011 0.422387 1.368440 0.1817
D(CRE(-6)) -0.491236 0.284935 -1.724027 0.0953
CointEq(-1) 0.030467 0.044695 0.681657 0.5009
Cointeq = PBI - (8.9772*LI -9.8424*CRE + 9242.6579 )
LI 8.977192 14.984325 0.599106 0.5538

CRE -9.842399 16.207377 -0.607279 0.5484
C 9242.657918 2709.911006 3.410687 0.0019
De acuerdo al ARDL Cointegrating And Long Run Form, se puede verificar que D(PBI(-2)),
D(PBI(-3)), D(PBI(-4)), con respecto a las variables d(li), d(cre) resultan estadísticamente
significativas en cada uno de los rezagos efectuados. Asimismo, el coeficiente de CointEq(-1)
resulta ser 0.030467>0, lo que quiere decir que en el largo plazo, no tenderán a un equilibrio.
24
ARDL Bounds Test

Date: 01/09/19 Time: 12:46
Sample: 1966 2017
10% 3.17 4.14

5% 3.79 4.85
2.5% 4.41 5.52
1% 5.15 6.36
Con respecto al test de Bounds se puede verificar que el F-statistic de 2.231097, resulta ser menor
al 10%, 5%, 2.5%, 1% de significancia, lo que quiere decir que no existe una relación de largo
plazo entre las variables PBI, LI, CRE en términos per cápita.
● Box Pierce

𝑄1 = 59 ∗ (−0.099)2 = 0.578259 < 3.84
𝑄2 = 59 ∗ (−0.0992 + (−0.0942 )) = −0.056935 < 5.99
● Breusch Godfrey

25
Comparamos los estadísticos con una chi de 1 y de 2 grados. Por tanto se acepta la hipótesis nula.
No existe autocorrelación.

heterocedasticidad.
14
Series: Residuals
12 Sample 1966 2017
Observations 52
10
Mean 1.50e-14
Median -40.26296
8 Maximum 588.9534
Minimum -702.9486
6 Std. Dev. 258.5079
Skewness 0.216603
4 Kurtosis 3.496049
2
0
-800 -600 -400 -200 0 200 400 600


26

PBI, LI, CRE en términos per
𝑅2 0.976080 cápita con sus respectivos
rezagos, explican en un
97.61% al crecimiento
económico.
PBI(-1) 0.0000 respectivos rezagos resultan
PBI(-2) 0.0002 no ser estadísticamente
LI 0.0101
CRE 0.0240
significativas, ya que su
probabilidad es menor a 5%.
Dado que el coeficiente del

test resulta ser negativo, es
CointEq(-1) = -0.014255
ARDL Cointegrating And decir, en el largo plazo, las
Long Run Form variables llegarían a un
equilibrio.
ARDL Bounds Test 10% 3.17 plazo entre las variables PBI,
5% 3.79 LI, CRE en términos per
2.5% 4.41 cápita al 10% de
1% 5.15 significancia.

AUTOCORRELACIÓN
TEST DE NORMALIDAD Jarque Bera: 3.157839 Prob: mayor al 5%, se concluye que
0.206198
los errores siguen una
27
6.4 MODELO N°4
6.4.1 ARDL INCLUYENDO TASA DE INTERÉS (6, 7, 7, 6)

Method: ARDL
Dynamic regressors (7 lags, automatic): LI CRE TI
Fixed regressors: C
Selected Model: ARDL(6, 7, 7, 6)
PBI(-1) 1.167929 0.143172 8.157526 0.0000

PBI(-2) -0.295070 0.224451 -1.314627 0.2022
PBI(-3) -0.321000 0.235930 -1.360576 0.1874
PBI(-4) 0.365659 0.270859 1.349995 0.1907
PBI(-5) 0.509302 0.329052 1.547784 0.1359
PBI(-6) -0.442140 0.228343 -1.936295 0.0658
LI 0.013316 0.248224 0.053647 0.9577
LI(-1) 0.357665 0.408998 0.874492 0.3913
LI(-2) 0.974594 0.410620 2.373468 0.0268
LI(-3) -1.047967 0.780929 -1.341949 0.1933
LI(-4) -0.868836 0.777625 -1.117295 0.2759
LI(-5) 1.420969 0.800859 1.774306 0.0899
LI(-6) 0.253940 0.670283 0.378855 0.7084
LI(-7) -1.397289 0.387478 -3.606114 0.0016
CRE -0.106737 0.271254 -0.393496 0.6977
CRE(-1) -0.399362 0.366812 -1.088736 0.2881
CRE(-2) -0.396473 0.392245 -1.010779 0.3231
CRE(-3) 1.921472 0.501957 3.827959 0.0009
CRE(-4) -1.728419 0.436789 -3.957103 0.0007
CRE(-5) 0.624462 0.364899 1.711328 0.1011
CRE(-6) -0.748760 0.478255 -1.565608 0.1317
CRE(-7) 1.211022 0.337064 3.592851 0.0016
TI -29.78772 48.75799 -0.610930 0.5475
TI(-1) -160.8322 124.4978 -1.291848 0.2098
TI(-2) 415.2907 181.9678 2.282221 0.0325
TI(-3) -611.9087 220.9546 -2.769387 0.0112
TI(-4) 588.4103 201.7203 2.916960 0.0080
TI(-5) -324.4960 150.8736 -2.150781 0.0427
TI(-6) 111.0229 66.89647 1.659622 0.1112
C 6605.231 5420.758 1.218507 0.2359

En este modelo se observa que las variables con sus respectivos rezagos resultan estadísticamente
significativas, excepto li(-2), li(-7), cre(-3), cre(-4), cre(-7), ti(-2), ti(-3), ti(-4), ti(-5). Asimismo
las variables consideradas con sus respectivos rezagos explican en un 99.91% al Producto Bruto
Interno.
28

Selected Model: ARDL(6, 7, 7, 6)
Date: 01/09/19 Time: 13:14
Sample: 1959 2017
Cointegrating Form
D(PBI(-1)) 0.183249 0.150061 1.221165 0.2349

D(PBI(-2)) -0.111820 0.152150 -0.734937 0.4701
D(PBI(-3)) -0.432821 0.168204 -2.573195 0.0173
D(PBI(-4)) -0.067162 0.192927 -0.348123 0.7311
D(PBI(-5)) 0.442140 0.228343 1.936295 0.0658
D(LI) 0.013316 0.248224 0.053647 0.9577
D(LI(-1)) -0.974594 0.410620 -2.373468 0.0268
D(LI(-2)) 1.047967 0.780929 1.341949 0.1933
D(LI(-3)) 0.868836 0.777625 1.117295 0.2759
D(LI(-4)) -1.420969 0.800859 -1.774306 0.0899
D(LI(-5)) -0.253940 0.670283 -0.378855 0.7084
D(LI(-6)) 1.397289 0.387478 3.606114 0.0016
D(CRE) -0.106737 0.271254 -0.393496 0.6977
D(CRE(-1)) 0.396473 0.392245 1.010779 0.3231
D(CRE(-2)) -1.921472 0.501957 -3.827959 0.0009
D(CRE(-3)) 1.728419 0.436789 3.957103 0.0007
D(CRE(-4)) -0.624462 0.364899 -1.711328 0.1011
D(CRE(-5)) 0.748760 0.478255 1.565608 0.1317
D(CRE(-6)) -1.211022 0.337064 -3.592851 0.0016
D(TI) -29.787720 48.757987 -0.610930 0.5475
D(TI(-1)) -415.290737 181.967764 -2.282221 0.0325
D(TI(-2)) 611.908709 220.954585 2.769387 0.0112
D(TI(-3)) -588.410264 201.720350 -2.916960 0.0080
D(TI(-4)) 324.496002 150.873601 2.150781 0.0427
D(TI(-5)) -111.022887 66.896474 -1.659622 0.1112
CointEq(-1) -0.015320 0.041726 -0.367166 0.7170
Cointeq = PBI - (-19.1647*LI + 24.6214*CRE -802.9116*TI + 431144.6013 )
LI -19.164682 48.798252 -0.392733 0.6983

CRE 24.621408 58.425696 0.421414 0.6775
TI -802.911642 1995.728044 -0.402315 0.6913
431144.6013 861139.05362
C 15 4 0.500668 0.6216
Las variables consideradas resultan estadísticamente significativas en su mayoría con excepción

de D(PBI(-3)), D(LI(-1)), D(LI(-6)), D(CRE(-2)), D(CRE(-3)), D(CRE(-6)), D(TI(-1)), D(TI(-
2)), D(TI(-3)), D(TI(-4)). El coeficiente CointEq(-1) resulta ser -0.015320, lo cual indica que en
el largo plazo las variables analizadas tenderán a alcanzar un equilibrio.
29
ARDL Bounds Test

Date: 01/09/19 Time: 13:15
Sample: 1966 2017
10% 2.72 3.77

5% 3.23 4.35
2.5% 3.69 4.89
1% 4.29 5.61
Con respecto al test de Bounds se puede verificar que el F-statistic de 2.231021, resulta ser menor
al 10%, 5%, 2.5%, 1% de significancia, lo que quiere decir que no existe una relación de largo
plazo entre las variables PBI, LI, CRE, TI.
● Box Pierce

𝑄1 = 59 ∗ (−0.209)2 = 2.577179 < 3.84
𝑄2 = 59 ∗ (−0.2092 + (−0.0692 )) = − 2.858078 < 5.99
● Breusch Godfrey

30

Comparamos los estadísticos con una chi de 1 y de 2 grados. Por tanto se acepta la hipótesis nula.
No existe autocorrelación.

heterocedasticidad.
16
Series: Residuals
14 Sample 1966 2017
Observations 52
12
Mean 6.79e-11
10 Median 13.96343
Maximum 8799.130
8 Minimum -7735.811
Std. Dev. 3390.461
6 Skewness 0.070636
Kurtosis 3.784451
4
2 Probability 0.502447
0
-8000 -6000 -4000 -2000 0 2000 4000 6000 8000


31
6.4.7 PRUEBA DE ARDL (1, 4, 2, 3)
MODELO 4 CON ARDL (1, 4, 2, 3)

PBI, LI, CRE, TI con sus
𝑅2 0.996966 respectivos rezagos, explican
económico.
PBI(-1) 0.0000 Las variables con sus

LI 0.7957 respectivos rezagos resultan
LI(-1) 0.0512
LI(-2)
ser estadísticamente
0.6235 significativas, ya que su
LI(-3) 0.0314
LI(-4) probabilidad es menor a 5%,
0.1680
CRE 0.8773 con excepción de PBI(-1),
CRE(-1) 0.0664 LI(-3), CRE(-2), TI, TI(-1),
CRE(-2) 0.0432 TI(-2), TI(-3), cuyas
TI 0.0155 probabilidades son menores
TI(-1) 0.0086 al 5%.
TI(-2) 0.0073
TI(-3) 0.0241
Dado que el coeficiente del
test resulta ser positivo, es
CointEq(-1) = 0.054236
ARDL Cointegrating And decir, en el largo plazo, las
Long Run Form variables no llegarían a un
equilibrio.
No existen relaciones de largo
ARDL Bounds Test 10% 2.72 plazo entre las variables PBI,
5% 3.23 LI, CRE, TI.
2.5% 3.69
1% 4.29
AUTOCORRELACIÓN
TEST DE NORMALIDAD Jarque Bera: 3.157839 Prob: menor al 5%, se concluye que
0.206198
los errores no siguen una
32
7. CONCLUSIONES
Se puede concluir que en cuanto a la estimación del modelo VAR se tomó en consideración 4
modelos. El primero considerando las variables endógenas Producto Bruto Interno, Créditos,
Liquidez del sistema bancario analizado en niveles; el segundo, considerando las mismas
variables endógenas pero en primera diferencia; el tercero, considerando las variables
mencionadas pero en términos per cápita; finalmente, el cuarto modelo considera las variables
Producto Bruto Interno, Créditos, Liquidez del sistema bancario y tasa de interés, durante el
periodo 1959-2017.
Los resultados encontrados respecto al primer modelo, es que el retardo óptimo del modelo VAR
es el 2, y obteniéndose una relación de cointegración por medio del test de Johansen, donde
almenos una serie cointegra. Asimismo se obtiene mediante el gráfico de impulso respuesta que
la respuesta del Producto Bruto Interno ante un cambio en la liquidez tiene un efecto negativo, el
cual se acentúa hacia el periodo 9. En cuanto a la descomposición de la varianza podemos decir
que en el periodo 10, un cambio en el Producto Bruto Interno es explicado en un 68.32% por la
misma variable, en un 25.42% por la variable liquidez y en un 6.26% por la variable créditos.
Los resultados encontrados respecto al segundo modelo, es que el retardo óptimo del modelo
VAR es el 5. Asimismo se obtiene mediante el gráfico de impulso respuesta que la respuesta del
DPBI ante un cambio en la diferencia de liquidez tiene un efecto positivo en el periodo 6, el cual
hacia el periodo 7 presenta una caída, que hacia el periodo 9 y 10 vuelve a una situación de
equilibrio. En cuanto a la descomposición de la varianza podemos decir que en el periodo 10, un
cambio en el Producto Bruto Interno es explicado en un 53.52% por la misma variable, en un
259.73% por la variable DLI y en un 16.75% por la variable DCRE.
Los resultados encontrados respecto al tercer modelo, es que el retardo óptimo del modelo VAR
es el 5. Asimismo se obtiene mediante el gráfico de impulso respuesta que la respuesta de la
variable DPBI ante un cambio en la variable DCRE tiene un efecto positivo en el periodo 6 que
posteriormente tiende al equilibrio hacia el periodo 9 y 10. En cuanto a la descomposición de la
varianza podemos decir que en el periodo 10, un cambio en la variable DPBI es explicado en un
91.67% por la misma variable, en un 7.94% por la variable DLI y en un 0.39% por la variable
DCRE.
Los resultados encontrados respecto al cuarto modelo, es que el retardo óptimo del modelo VAR
es el 5, y obteniéndose una relación de cointegración por medio del test de Johansen, donde
almenos dos series cointegran. Asimismo se obtiene mediante el gráfico de impulso respuesta que
la respuesta de la variable DPBI ante un cambio en la variable DTI tiene un efecto positivo hacia
el periodo 6, que tiende al equilibrio hacia el periodo 9. En cuanto a la descomposición de la
varianza podemos decir que en el periodo 10, un cambio en la variale DPBI es explicado en un
49.53% por la misma variable, en un 12.68% por la variable DLI, en un 6.39% por la variable
DCRE y en un 31.40% por la variable DTI.
En cuanto al análisis del modelo ARDL, se obtuvo como principales resultados que el modelo
N°1, es decir, el modelo con variables Producto Bruto Interno, liquidez, créditos en niveles con
un ARDL (2, 4, 4), explican en un 99.65% al crecimiento económico. Asimismo, por el test de
Bounds, se puede concluir que existen relaciones de largo plazo entre las variables PBI, LI, CRE.
Dicho modelo no presente problemas de autocorrelacion por medio de la prueba de Box Pierce y
Breusch-Godfrey, no cumple con el test de normalidad, es decir, los errores no siguen una
Asimismo, se obtuvo como principales resultados que el modelo N°2, es decir, el modelo con
variables DPBI, DLI, DCRE en diferencias con un ARDL (5, 3, 4), explican en un 63.25% al
crecimiento económico. Asimismo, por el test de Bounds, se puede concluir que existen
relaciones de largo plazo entre las variables mencionadas. Dicho modelo no presente problemas
33
de autocorrelacion por medio de la prueba de Box Pierce y Breusch-Godfrey, dado que la
probabilidad es mayor al 5%, se concluye que los errores siguen una distribución normal. Sin
embargo, existen problemas de heterocedasticidad.
Además, se obtuvo como principales resultados que el modelo N°3, es decir, el modelo con
variables PBI, LI, CRE en términos per cápita con un ARDL (2, 0, 0), explican en un 97.61% al
crecimiento económico. Asimismo, por el test de Bounds, se puede concluir que existen
relaciones de largo plazo entre las variables PBI, LI, CRE en términos per cápita al 10% de
significancia.. Dicho modelo no presente problemas de autocorrelacion por medio de la prueba
de Box Pierce y Breusch-Godfrey, dado que la probabilidad es mayor al 5%, se concluye que los
errores siguen una distribución normal. Sin embargo, existen problemas de heterocedasticidad.
Por otro lado, se obtuvo como principales resultados que el modelo N°4, es decir, el modelo con
variables Producto Bruto Interno, liquidez, créditos y tasa de interés con un ARDL (6, 7, 7, 6),
tienden al equilibrio en el largo plazo por medio del test “ARDL Cointegrating And Long Run
Form”, además el modelo explica en un 99.91% al crecimiento económico. Dicho modelo no
presente problemas de autocorrelacion por medio de la prueba de Box Pierce, cumple con el test
de normalidad ya que la probabilidad es mayor al 5%, por lo tanto, los errores siguen una
distribución normal y por ende el valor de la simetría y de la Kurtosis son los adecuados, sin
embargo el modelo presenta heterocedasticidad.
Todo esto se puede fundamentar por medio de los aportes económicos que mencionan que el
acceder al crédito nos permite invertir, capitalizar, aprovechar oportunidades, hacer negocios
internacionales, dar crédito a nuestros clientes y poder vender y producir más y muchas otras
actividades generadoras de valor sostenible. El crédito es una de las principales herramientas para
el éxito si es bien manejado pero también es una de los principales motivos para el fracaso
acelerado si es mal manejado. Una de las formas más rápidas de quebrar una compañía en nuestro
país es endeudándola por encima de sus posibilidades reales de pago.
En ese sentido, el banco es el responsable del mantenimiento de la estabilidad del sistema
monetario, en nuestro país esta función está a cargo del banco central de reserva del Perú. Para
ello el banco realiza seguimiento, análisis y recolección de información estadística con el
propósito de identificar riesgos potenciales para la estabilidad económica del sistema financiero
del país.
34
8. BIBLIOGRAFIA
NEYRA, J. E., & TOCTO, G. N. (16 de octubre de 2013). INCIDENCIA DEL PBI, LA TASA
ACTIVA Y LA LIQUIDEZ DEL SISTEMA FINANCIERO COMO FACTORES DE LA
EVOLUCIÓN DEL CRÉDITO PRIVADO EN EL PERÚ 2000-2012. Obtenido de
https://docplayer.es/10265312-Universidad-catolica-santo-toribio-de-mogrovejo.html
E Lahura (2014), “IMPULSO DEL CRECIMIENTO ECONOMICO EN FUNCION DE LA
CAPACIDAD CREDITIVA Y LIQUIDEZ”. http://www.bcrp.gob.pe/docs/Proyeccion-
Institucional/Seminarios/Conferencia-12-2006/Conf_0612_05-Bustamante.pdf
M ECONOMÍA (2014). DESARROLLO FINANCIERO Y CRECMIENTO
ECONOMICO.
http://repositorio.uchile.cl/bitstream/handle/2250/117615/TESIS%20PREGRADO%20-
%20PAULINA%20ALONSO.pdf?sequence=1
Sánchez, J. E. y Romero, G. N. (2013). INCIDENCIA DEL PBI, LA TASA ACTIVA Y LA
LIQUIDEZ DEL SISTEMA FINANCIERO COMO FACTORES DE LA EVOLUCIÓN DEL
CRÉDITO PRIVADO EN EL PERÚ 2000-2012 (Tesis de pregrado, Universidad Católica Santo
Toribio de Mogrovejo, Chiclayo, Perú). Recuperada de: http://tesis.usat.edu.pe/handle/usat/19
MEN FINANZAS (2017), Modelo econométrico. Recuperada por:
http://repositorio.uchile.cl/bitstream/handle/2250/144330/Allende%20Arias%20Pablo.pdf?sequ
ence=1
Sánchez, J. E. y Romero, G. N. (2013). Incidencia del PBI, la tasa activa y la liquidez del sistema
financiero como factores de la evolución del crédito privado en el Perú 2000-2012 (Tesis de
pregrado, Universidad Católica Santo Toribio de Mogrovejo, Chiclayo, Perú). Recuperada de
http://tesis.usat.edu.pe/handle/usat/19
Reyes Vaquez, Julio Cesar (2000-2015). “FACTORES DETERMINANTES DE LA DEMANDA
DE CRÉDITO BANCARIO PRIVADO EN MONEDA NACIONAL EN EL PERÚ, PERÍODO
2000:T1-2015:T4”(Tesis de Ciencias Economicas, Peru, 2’17) Recuperada de:
Financiero, S. d. (marzo de 2013). Las tasas de interés. Obtenido de
https://www.ssf.gob.sv/descargas/educacion_financiera/Tasas_interes.pdf
NEYRA, J. E., & TOCTO, G. N. (16 de octubre de 2013). INCIDENCIA DEL PBI, LA TASA
ACTIVA Y LA LIQUIDEZ DEL SISTEMA FINANCIERO COMO FACTORES DE LA
EVOLUCIÓN DEL CRÉDITO PRIVADO EN EL PERÚ 2000-2012. Obtenido de
VERA, G. B. (marzo de 2003). LA TASA DE INTERÉS: INFORMACIÓN CON
ESTRUCTURA. Obtenido de https://www.redalyc.org/pdf/212/21208603.pdf
Abanto, P. A., & Chávez, R. S. (s.f.). Estructura del mercado de créditos y tasas de interés: Una
aproximación al segmento de las microfinanzas . Obtenido de
http://www.bcrp.gob.pe/docs/Publicaciones/Revista-Estudios-Economicos/11/Estudios-
Economicos-11-4.pdf
Asbanc. (27 de agosto de 2018). EL IMPACTO DE LOS CRÉDITOS SOBRE EL PBI EN EL
PERÚ. Obtenido de https://www.asbanc.com.pe/Publicaciones/Asbanc-Semanal-296.pdf
35
9. ANEXOS
ANEXO N°1: TEST DE BOX PIERCE – MODELO 2
Sample: 1959 2017

.*| . | .*| . | 1 -0.071 -0.071 0.2800 0.597

.|. | .|. | 2 0.022 0.017 0.3065 0.858
Sample: 1959 2017

.*| . | .*| . | 1 -0.099 -0.099 0.5413 0.462

.*| . | .*| . | 2 -0.094 -0.105 1.0355 0.596
Sample: 1959 2017

**| . | **| . | 1 -0.209 -0.209 2.4048 0.121

.*| . | .*| . | 2 -0.069 -0.118 2.6748 0.263
36

Ardl Informe Final

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Ardl Informe Final

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD NACIONAL DE PIURA

Valladolid Cordova, Jhonatan

El PIB puede calcularse a través de tres procedimientos:

Enfoque basado en ingresos o de la distribución

Enfoque de la oferta o del valor agregado

El mercado peruano de créditos no es homogéneo, sino segmentado. La teoría de organización

2.4. Tasa de Interés

E Lahura (2014), “IMPULSO DEL CRECIMIENTO ECONOMICO EN FUNCION DE LA

MEN FINANZAS (2017), “MEDICIÓN DE LOS DETERMINANTES DE LA

GRÁFICO N°1: VARIABLES INICIALES

Durante el periodo de análisis, la economía peruana ha crecido ininterrumpidamente. Para el año

5.1 TIPO DE INVESTIGACIÓN

El tipo de investigación de nuestro trabajo es descriptiva, correlacional y explicativa puesto que

El método utilizado es el de un modelo autorregresivo con rezagos distribuidos (ARDL). La

VARIABLE NOMBRE UNIDAD FUENTE

Créditos al sector Banco Central de Reserva del

Banco Central de Reserva del

5.4 MODELO ARDL

El modelo puede ser expresado así

6. ESPECIFICACIÓN Y ESTIMACIÓN DE LOS MODELOS

6.1 MODELO N°1: ARDL (6, 7,7)

6.1.1 ARDL En Niveles

Variable Coefficient Std. Error t-Statistic Prob.*

PBI(-1) 1.237093 0.168707 7.332773 0.0000

R-squared 0.997748 Mean dependent var 228029.9

ARDL Cointegrating And Long Run Form

Variable Coefficient Std. Error t-Statistic Prob.

D(PBI(-1)) 0.184920 0.181251 1.020241 0.3161

Cointeq = PBI - (1.8964*LI -2.0789*CRE + 101512.3887 )

Long Run Coefficients

Variable Coefficient Std. Error t-Statistic Prob.

LI 1.896418 4.764352 0.398043 0.6935

ARDL Bounds Test

Test Statistic Value k

Critical Value Bounds

Significance I0 Bound I1 Bound

10% 3.17 4.14

6.1.4 ANÁLISIS DE AUTOCORRELACIÓN

𝐻0 : 𝑁𝑜 𝐸𝑥𝑖𝑠𝑡𝑒 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑖𝑚𝑒𝑟 𝑜𝑟𝑑𝑒𝑛

Sample: 1959 2017

Q-statistic probabilities adjusted for 6 dynamic regressors

Autocorrelation Partial Correlation AC PAC Q-Stat Prob*

.*| . | .*| . | 1 -0.145 -0.145 1.1608 0.281

.|. | .|. | 2 -0.004 -0.026 1.1616 0.559

Se calculan los estadísticos Q y se comparan con el estadístico chi cuadrado respectivamente:

𝑄1 = 59 ∗ (−0.145)2 = 1.240475 < 3.84

𝑄2 = 59 ∗ (−0.1452 + (−0.0042 )) = −1.241419 < 5.99

Por tanto se acepta hipótesis nula, no existe autocorrelación

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2.536951 Prob. F(1,28) 0.1224

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 1.332724 Prob. F(2,27) 0.2806

Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 1.261799 Prob. F(22,29) 0.2754

𝐻0 : 𝑢 𝑠𝑒 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎 𝑎 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙

MODELO 1 CON ARDL (2, 4, 4)

INDICADOR VALOR CONCLUSIÓN

El modelo con las variables

Las variables con sus

ANÁLISIS DE N*𝑅2 =1.239278 𝑋 2 = 3.84 No existe autocorrelación

6.2 MODELO N°2

6.2.1 ARDL EN DIFERENCIA (5, 3, 4)

Variable Coefficient Std. Error t-Statistic Prob.*

DPBI(-1) 0.353519 0.149270 2.368314 0.0231

Cointeq = PBI - (1.8964LI -2.0789CRE + 101512.3887 )

.| . | .| . | 1 -0.145 -0.145 1.1608 0.281

Cointeq = D(PBI) - (-3.9841DLI + 5.2500DCRE -6815.5717 )

Cointeq = PBI - (8.9772LI -9.8424CRE + 9242.6579 )