RELACIÓN ENTRE EL NIVEL EDUCATIVO
Y EL INDICADOR DE MOROSIDAD
CREDITICIA EN NARANJAL
RELATIONSHIP BETWEEN EDUCATIONAL LEVEL AND CREDIT
DELINQUENCY DAYS AMONG MEMBERS OF A COOPERATIVE
IN THE CANTON OF NARANJAL
Wilson Orlando Mendoza-Peralta
Universidad Estatal Península de Santa Elena Instituto de Postgrado, Ecuador
Otilia Vanessa Cordero-Ahiman
Universidad de Cuenca, Ecuador
pág. 4614
DOI: https://doi.org/10.37811/cl_rcm.v10i1.22581
Relación entre el Nivel Educativo y el Indicador de Morosidad Crediticia en Naranjal
Wilson Orlando Mendoza-Peralta1
w.mendoza22@outlook.com
https://orcid.org/0009-0007-6934-0109
Universidad Estatal Península de Santa Elena
Instituto de Postgrado
Ecuador
Otilia Vanessa Cordero-Ahiman2
otilia.cordero@ucuenca.edu.ec
https://orcid.org/0000-0002-5446-4383
Universidad de Cuenca
Ecuador
RESUMEN
Aún existe poca claridad sobre el grado en que el nivel educativo, junto con variables sociodemográficas
y económicas, contribuye a explicar la morosidad crediticia medida a través de los días de mora en los
socios del sistema financiero popular y solidario del cantón Naranjal. En este contexto, el objetivo del
estudio fue analizar la relación entre el nivel educativo y el indicador de morosidad crediticia en dicha
localidad. La investigación adoptó un enfoque cuantitativo, con un diseño no experimental, transversal
y de alcance explicativo. Se trabajó con un universo censal de 339 registros obtenidos de una base de
datos institucional previamente depurada y validada. El análisis consideró estadística descriptiva, el
coeficiente de correlación de Spearman y un modelo de regresión lineal múltiple. Los resultados
mostraron que el nivel educativo mantiene una relación inversa y estadísticamente significativa con los
días de mora (β = −45,10; p < .001), lo que implica una reducción promedio superior a 45 días de mora
por cada aumento en el nivel educativo. Además, el modelo presentó una adecuada capacidad
explicativa (R² = 0,719; R² ajustado = 0,714). En contraste, las demás variables sociodemográficas y
económicas analizadas no evidenciaron efectos estadísticamente significativos sobre la morosidad
crediticia
Palabras clave: morosidad crediticia, nivel educativo, regresión lineal múltiple, sistema financiero
popular y solidario, riesgo crediticio
1 Autor principal.
Correspondencia: otilia.cordero@ucuenca.edu.ec
DOI: https://doi.org/10.37811/cl_rcm.v10i1.22581
Relación entre el Nivel Educativo y el Indicador de Morosidad Crediticia en Naranjal
Wilson Orlando Mendoza-Peralta1
w.mendoza22@outlook.com
https://orcid.org/0009-0007-6934-0109
Universidad Estatal Península de Santa Elena
Instituto de Postgrado
Ecuador
Otilia Vanessa Cordero-Ahiman2
otilia.cordero@ucuenca.edu.ec
https://orcid.org/0000-0002-5446-4383
Universidad de Cuenca
Ecuador
RESUMEN
Aún existe poca claridad sobre el grado en que el nivel educativo, junto con variables sociodemográficas
y económicas, contribuye a explicar la morosidad crediticia medida a través de los días de mora en los
socios del sistema financiero popular y solidario del cantón Naranjal. En este contexto, el objetivo del
estudio fue analizar la relación entre el nivel educativo y el indicador de morosidad crediticia en dicha
localidad. La investigación adoptó un enfoque cuantitativo, con un diseño no experimental, transversal
y de alcance explicativo. Se trabajó con un universo censal de 339 registros obtenidos de una base de
datos institucional previamente depurada y validada. El análisis consideró estadística descriptiva, el
coeficiente de correlación de Spearman y un modelo de regresión lineal múltiple. Los resultados
mostraron que el nivel educativo mantiene una relación inversa y estadísticamente significativa con los
días de mora (β = −45,10; p < .001), lo que implica una reducción promedio superior a 45 días de mora
por cada aumento en el nivel educativo. Además, el modelo presentó una adecuada capacidad
explicativa (R² = 0,719; R² ajustado = 0,714). En contraste, las demás variables sociodemográficas y
económicas analizadas no evidenciaron efectos estadísticamente significativos sobre la morosidad
crediticia
Palabras clave: morosidad crediticia, nivel educativo, regresión lineal múltiple, sistema financiero
popular y solidario, riesgo crediticio
1 Autor principal.
Correspondencia: otilia.cordero@ucuenca.edu.ec
pág. 4615
Relationship Between Educational Level and Credit Delinquency Days
Among Members of a Cooperative in the Canton of Naranjal
ABSTRACT
There is still limited clarity regarding the extent to which educational level, together with
sociodemographic and economic variables, contributes to explaining credit delinquency measured
through days past due among members of the popular and solidarity-based financial system in the
canton of Naranjal. In this context, the objective of the study was to analyze the relationship between
educational level and the credit delinquency indicator in this locality. The research adopted a
quantitative approach, with a non-experimental, cross-sectional, and explanatory design. A census
population of 339 records was used, obtained from a previously cleaned and validated institutional
database. The analysis included descriptive statistics, Spearman’s correlation coefficient, and a multiple
linear regression model. The results showed that educational level maintains an inverse and statistically
significant relationship with days past due (β = −45.10; p < .001), implying an average reduction of
more than 45 days of delinquency for each increase in educational level. Additionally, the model
demonstrated adequate explanatory power (R² = 0.719; adjusted R² = 0.714). In contrast, the other
sociodemographic and economic variables analyzed did not show statistically significant effects on
credit delinquency
Keywords: credit delinquency, educational level, popular and solidarity-based financial system, credit
risk
Artículo recibido 02 enero 2026
Aceptado para publicación: 30 enero 2026
Relationship Between Educational Level and Credit Delinquency Days
Among Members of a Cooperative in the Canton of Naranjal
ABSTRACT
There is still limited clarity regarding the extent to which educational level, together with
sociodemographic and economic variables, contributes to explaining credit delinquency measured
through days past due among members of the popular and solidarity-based financial system in the
canton of Naranjal. In this context, the objective of the study was to analyze the relationship between
educational level and the credit delinquency indicator in this locality. The research adopted a
quantitative approach, with a non-experimental, cross-sectional, and explanatory design. A census
population of 339 records was used, obtained from a previously cleaned and validated institutional
database. The analysis included descriptive statistics, Spearman’s correlation coefficient, and a multiple
linear regression model. The results showed that educational level maintains an inverse and statistically
significant relationship with days past due (β = −45.10; p < .001), implying an average reduction of
more than 45 days of delinquency for each increase in educational level. Additionally, the model
demonstrated adequate explanatory power (R² = 0.719; adjusted R² = 0.714). In contrast, the other
sociodemographic and economic variables analyzed did not show statistically significant effects on
credit delinquency
Keywords: credit delinquency, educational level, popular and solidarity-based financial system, credit
risk
Artículo recibido 02 enero 2026
Aceptado para publicación: 30 enero 2026
pág. 4616
INTRODUCCIÓN
La morosidad crediticia se ha consolidado como uno de los principales riesgos para la estabilidad de las
instituciones financieras, de acuerdo con (Cruz et al., 2023), esta situación adquiere especial relevancia
dentro del sistema financiero popular y solidario, donde los socios presentan realidades económicas y
sociales diversas que se asocian con su capacidad de pago y en el cumplimiento de sus obligaciones
(Blackwell et al., 2024; Wang y Xu, 2024). Por eso, comprender los factores que inciden en el
incumplimiento de los compromisos financieros resulta fundamental para fortalecer la gestión del riesgo
y preservar el equilibrio institucional de este tipo de entidades, especialmente en organizaciones
orientadas a la inclusión financiera y al desarrollo local (Zabalza, 2021; Naranjo y Navas-Labanda,
2024).
La morosidad no responde a una única causa, sino que se explica por la interacción de distintos factores
económicos, sociales y demográficos, entre los más relevantes se encuentran el nivel de ingresos, la
edad del socio, el plazo del crédito y la categoría crediticia asignada, variables que se asocian de manera
diferenciada en la probabilidad de incumplimiento (Naranjo y Navas-Labanda, 2024; Zabalza, 2021).
Dentro de este conjunto, en los últimos años ha cobrado mayor interés el análisis del nivel educativo,
entendido no solo como una medida del capital humano, sino también como un elemento que incide en
la toma de decisiones financieras y en la capacidad de planificación económica de las personas (Bone-
Winkel y Reichenbach, 2024; Gerritsen et al., 2023).
De igual forma, diversos estudios empíricos como mencionan (Madeira, 2023; Naranjo & Navas-
Labanda, 2024) han evidenciado que mayores niveles educativos y de alfabetización financiera suelen
asociarse con comportamientos crediticios más responsables y con una menor propensión al
incumplimiento de las obligaciones financieras, incluso cuando se controlan variables como la edad o
el ingreso (Bateman et al., 2023; Bernal y Olivera, 2020). En el contexto latinoamericano, estos
hallazgos sugieren que la educación puede desempeñar un papel relevante en la reducción del riesgo
crediticio; sin embargo, sus efectos no son homogéneos y tienden a variar según el entorno institucional
y territorial en el que operan las entidades financieras (Gerritsen et al., 2023).
Desde otra óptica, este estudio se apoya en los enfoques del capital humano, los cuales sostienen que la
educación presenta relación en el comportamiento económico de los individuos y en su relación con
INTRODUCCIÓN
La morosidad crediticia se ha consolidado como uno de los principales riesgos para la estabilidad de las
instituciones financieras, de acuerdo con (Cruz et al., 2023), esta situación adquiere especial relevancia
dentro del sistema financiero popular y solidario, donde los socios presentan realidades económicas y
sociales diversas que se asocian con su capacidad de pago y en el cumplimiento de sus obligaciones
(Blackwell et al., 2024; Wang y Xu, 2024). Por eso, comprender los factores que inciden en el
incumplimiento de los compromisos financieros resulta fundamental para fortalecer la gestión del riesgo
y preservar el equilibrio institucional de este tipo de entidades, especialmente en organizaciones
orientadas a la inclusión financiera y al desarrollo local (Zabalza, 2021; Naranjo y Navas-Labanda,
2024).
La morosidad no responde a una única causa, sino que se explica por la interacción de distintos factores
económicos, sociales y demográficos, entre los más relevantes se encuentran el nivel de ingresos, la
edad del socio, el plazo del crédito y la categoría crediticia asignada, variables que se asocian de manera
diferenciada en la probabilidad de incumplimiento (Naranjo y Navas-Labanda, 2024; Zabalza, 2021).
Dentro de este conjunto, en los últimos años ha cobrado mayor interés el análisis del nivel educativo,
entendido no solo como una medida del capital humano, sino también como un elemento que incide en
la toma de decisiones financieras y en la capacidad de planificación económica de las personas (Bone-
Winkel y Reichenbach, 2024; Gerritsen et al., 2023).
De igual forma, diversos estudios empíricos como mencionan (Madeira, 2023; Naranjo & Navas-
Labanda, 2024) han evidenciado que mayores niveles educativos y de alfabetización financiera suelen
asociarse con comportamientos crediticios más responsables y con una menor propensión al
incumplimiento de las obligaciones financieras, incluso cuando se controlan variables como la edad o
el ingreso (Bateman et al., 2023; Bernal y Olivera, 2020). En el contexto latinoamericano, estos
hallazgos sugieren que la educación puede desempeñar un papel relevante en la reducción del riesgo
crediticio; sin embargo, sus efectos no son homogéneos y tienden a variar según el entorno institucional
y territorial en el que operan las entidades financieras (Gerritsen et al., 2023).
Desde otra óptica, este estudio se apoya en los enfoques del capital humano, los cuales sostienen que la
educación presenta relación en el comportamiento económico de los individuos y en su relación con
pág. 4617
instrumentos financieros como el crédito (Baidoo et al., 2020; van Thiel et al., 2024). Bajo esta
perspectiva, un mayor nivel educativo se asocia con una mejor comprensión de las condiciones
crediticias, una mayor capacidad de organización financiera y, en consecuencia, con menores niveles
de morosidad crediticia (Bernal y Olivera, 2020).
En relación con la problemática expuesta, en Ecuador y particularmente en el cantón Naranjal, no se ha
encontrado evidencia empírica que, analice de manera conjunta el efecto del nivel educativo y otras
variables sociodemográficas sobre la morosidad crediticia, medida en días de mora. Esta escasez de
estudios a nivel local dificulta el diseño de políticas y estrategias de prevención del riesgo crediticio
ajustadas a las características reales del sistema financiero popular y solidario y de los socios que lo
integran (Naranjo y Navas-Labanda, 2024; Baidoo et al., 2020).
En función de lo planteado, el objetivo del estudio es analizar la relación entre el nivel educativo y los
días de mora crediticia en los socios de una cooperativa del sistema financiero popular y solidario del
cantón Naranjal, incorporando además variables sociodemográficas y económicas relevantes (Bateman
et al., 2023; Bernal y Olivera, 2020). Para ello, se adopta un enfoque cuantitativo, apoyado en el uso de
estadística descriptiva, el coeficiente de correlación de Spearman y un modelo de regresión lineal
múltiple, con el propósito de aportar evidencia empírica que contribuya al análisis del riesgo crediticio
en este tipo de instituciones (Gujarati y Porter, 2010).
Dentro de este orden de ideas, el estudio plantea la siguiente hipótesis de investigación: existe una
relación inversa y estadísticamente significativa entre el nivel educativo y los días de mora crediticia
en los socios de una cooperativa del sistema financiero popular y solidario del cantón Naranjal, de modo
que a mayores niveles educativos se esperaría una menor cantidad de días de mora, manteniendo
constantes las demás variables sociodemográficas y económicas consideradas en el análisis (Baidoo et
al., 2020; Bateman et al., 2023).
METODOLOGÍA
El estudio se desarrolló bajo un enfoque cuantitativo, dado que se orienta al análisis de relaciones entre
variables medibles y al uso de herramientas estadísticas para identificar patrones y asociaciones a partir
de datos empíricos estructurados (Hernández-Sampieri, 2018). Este enfoque resulta pertinente cuando
se busca explicar el comportamiento de fenómenos económicos y financieros mediante información
instrumentos financieros como el crédito (Baidoo et al., 2020; van Thiel et al., 2024). Bajo esta
perspectiva, un mayor nivel educativo se asocia con una mejor comprensión de las condiciones
crediticias, una mayor capacidad de organización financiera y, en consecuencia, con menores niveles
de morosidad crediticia (Bernal y Olivera, 2020).
En relación con la problemática expuesta, en Ecuador y particularmente en el cantón Naranjal, no se ha
encontrado evidencia empírica que, analice de manera conjunta el efecto del nivel educativo y otras
variables sociodemográficas sobre la morosidad crediticia, medida en días de mora. Esta escasez de
estudios a nivel local dificulta el diseño de políticas y estrategias de prevención del riesgo crediticio
ajustadas a las características reales del sistema financiero popular y solidario y de los socios que lo
integran (Naranjo y Navas-Labanda, 2024; Baidoo et al., 2020).
En función de lo planteado, el objetivo del estudio es analizar la relación entre el nivel educativo y los
días de mora crediticia en los socios de una cooperativa del sistema financiero popular y solidario del
cantón Naranjal, incorporando además variables sociodemográficas y económicas relevantes (Bateman
et al., 2023; Bernal y Olivera, 2020). Para ello, se adopta un enfoque cuantitativo, apoyado en el uso de
estadística descriptiva, el coeficiente de correlación de Spearman y un modelo de regresión lineal
múltiple, con el propósito de aportar evidencia empírica que contribuya al análisis del riesgo crediticio
en este tipo de instituciones (Gujarati y Porter, 2010).
Dentro de este orden de ideas, el estudio plantea la siguiente hipótesis de investigación: existe una
relación inversa y estadísticamente significativa entre el nivel educativo y los días de mora crediticia
en los socios de una cooperativa del sistema financiero popular y solidario del cantón Naranjal, de modo
que a mayores niveles educativos se esperaría una menor cantidad de días de mora, manteniendo
constantes las demás variables sociodemográficas y económicas consideradas en el análisis (Baidoo et
al., 2020; Bateman et al., 2023).
METODOLOGÍA
El estudio se desarrolló bajo un enfoque cuantitativo, dado que se orienta al análisis de relaciones entre
variables medibles y al uso de herramientas estadísticas para identificar patrones y asociaciones a partir
de datos empíricos estructurados (Hernández-Sampieri, 2018). Este enfoque resulta pertinente cuando
se busca explicar el comportamiento de fenómenos económicos y financieros mediante información
pág. 4618
observable y cuantificable, como ocurre en el análisis de la morosidad crediticia (Jasas & Lastauskaite,
2025)
En cuanto a su alcance, la investigación presenta un carácter descriptivo, correlacional y explicativo.
Es descriptiva porque permite caracterizar a los socios de la cooperativa a partir de variables
sociodemográficas, económicas y crediticias; correlacional, en la medida en que examina el grado de
asociación entre el nivel educativo y los días de mora; y explicativa, debido a que evalúa el efecto
conjunto de diversas variables sobre la morosidad crediticia mediante un modelo econométrico
(Hernández-Sampieri, 2018; Saltık et al., 2023). El diseño adoptado fue no experimental, ya que las
variables no fueron manipuladas por el investigador, sino observadas tal como se presentaron en la
realidad, y de corte transversal, puesto que la información analizada corresponde a un único período de
estudio (Hernández-Sampieri, 2018; Madeira, 2023).
La fuente de información utilizada fue secundaria, entendida como aquella que emplea datos
previamente recolectados con fines distintos a la investigación en curso, pero que resultan válidos y
pertinentes para el análisis académico cuando cumplen criterios de calidad, confiabilidad y consistencia
(Bernal & Olivera, 2020). En este estudio, la información se obtuvo de los registros administrativos de
una cooperativa perteneciente al sistema financiero popular y solidario del cantón Naranjal, para lo cual
se contó con la autorización institucional correspondiente con fines de investigación académica. La base
de datos incluyó información real de socios con operaciones crediticias activas y no implicó
intervención ni manipulación de las variables por parte del equipo investigador, lo que garantiza el
carácter observacional del estudio (Hernández-Sampieri, 2018).
El instrumento de análisis consistió en una matriz de datos secundaria construida a partir de los registros
institucionales proporcionados por la entidad financiera. Previo al análisis estadístico, la base de datos
fue sometida a procesos de depuración, recodificación y validación, con el objetivo de asegurar la
coherencia y calidad de la información. El procesamiento y análisis de los datos se realizó mediante el
lenguaje de programación Python, el cual permite una gestión eficiente de bases de datos y la aplicación
de técnicas estadísticas de forma reproducible (Horák et al., 2022).
La población de estudio estuvo conformada por 339 socios cuyos créditos se encontraban clasificados
entre las categorías B1 y D2.
observable y cuantificable, como ocurre en el análisis de la morosidad crediticia (Jasas & Lastauskaite,
2025)
En cuanto a su alcance, la investigación presenta un carácter descriptivo, correlacional y explicativo.
Es descriptiva porque permite caracterizar a los socios de la cooperativa a partir de variables
sociodemográficas, económicas y crediticias; correlacional, en la medida en que examina el grado de
asociación entre el nivel educativo y los días de mora; y explicativa, debido a que evalúa el efecto
conjunto de diversas variables sobre la morosidad crediticia mediante un modelo econométrico
(Hernández-Sampieri, 2018; Saltık et al., 2023). El diseño adoptado fue no experimental, ya que las
variables no fueron manipuladas por el investigador, sino observadas tal como se presentaron en la
realidad, y de corte transversal, puesto que la información analizada corresponde a un único período de
estudio (Hernández-Sampieri, 2018; Madeira, 2023).
La fuente de información utilizada fue secundaria, entendida como aquella que emplea datos
previamente recolectados con fines distintos a la investigación en curso, pero que resultan válidos y
pertinentes para el análisis académico cuando cumplen criterios de calidad, confiabilidad y consistencia
(Bernal & Olivera, 2020). En este estudio, la información se obtuvo de los registros administrativos de
una cooperativa perteneciente al sistema financiero popular y solidario del cantón Naranjal, para lo cual
se contó con la autorización institucional correspondiente con fines de investigación académica. La base
de datos incluyó información real de socios con operaciones crediticias activas y no implicó
intervención ni manipulación de las variables por parte del equipo investigador, lo que garantiza el
carácter observacional del estudio (Hernández-Sampieri, 2018).
El instrumento de análisis consistió en una matriz de datos secundaria construida a partir de los registros
institucionales proporcionados por la entidad financiera. Previo al análisis estadístico, la base de datos
fue sometida a procesos de depuración, recodificación y validación, con el objetivo de asegurar la
coherencia y calidad de la información. El procesamiento y análisis de los datos se realizó mediante el
lenguaje de programación Python, el cual permite una gestión eficiente de bases de datos y la aplicación
de técnicas estadísticas de forma reproducible (Horák et al., 2022).
La población de estudio estuvo conformada por 339 socios cuyos créditos se encontraban clasificados
entre las categorías B1 y D2.
pág. 4619
Estas categorías forman parte del sistema de calificación crediticia establecido en el marco normativo
de la Superintendencia de Economía Popular y Solidaria (SEPS), el cual contempla escalas que van
desde A1 hasta D2 y permiten evaluar la calidad de la cartera, estimar la probabilidad de incumplimiento
y fortalecer la gestión prudencial del riesgo crediticio en las entidades del sector (Cruz et al., 2023).
Dado que se trabajó con la totalidad de los registros que cumplían los criterios de inclusión, no fue
necesario aplicar técnicas de muestreo probabilístico (Hernández-Sampieri, 2018).
La muestra incluyó únicamente socios con créditos clasificados entre las categorías B1 y D2, por lo que
los resultados se interpretan para cartera con algún nivel de morosidad y no para la totalidad de la cartera
crediticia de la cooperativa.
La variable dependiente del estudio fue la morosidad crediticia, operacionalizada como el número de
días de mora registrados por cada socio. Las variables independientes fueron de naturaleza cualitativa
y se clasificaron según su tipo de medición. El nivel educativo y el rango de edad se consideraron
variables ordinales; el sexo, una variable binaria; mientras que el ingreso mensual, el monto del crédito,
el plazo y la categoría crediticia fueron tratadas como variables ordinales categorizadas conforme a los
criterios institucionales de la cooperativa (Turner & Klein, 2021).
Las variables ordinales categorizadas (nivel educativo, ingreso, monto del crédito, plazo y categoría
crediticia) fueron codificadas numéricamente para su inclusión en el modelo de regresión lineal
múltiple, práctica común en estudios exploratorios cuando las categorías representan una progresión
lógica, permitiendo evaluar tendencias lineales entre las variables.
Aunque las variables explicativas presentan naturaleza ordinal, se asumió una relación
aproximadamente lineal entre las categorías, siguiendo prácticas habituales en estudios exploratorios
de riesgo crediticio y ciencias sociales, lo cual permite la estimación mediante regresión lineal múltiple.
Este enfoque se adopta con fines explicativos y descriptivos, reconociendo las limitaciones inherentes
al tratamiento numérico de variables categóricas.
Procedimiento y análisis estadístico
El análisis de los datos se desarrolló de manera secuencial en cuatro etapas. En primer lugar, se aplicó
estadística descriptiva, entendida como el conjunto de técnicas orientadas a resumir, organizar y
presentar la información de forma clara, sin realizar inferencias más allá de los datos observados (Zentai
Estas categorías forman parte del sistema de calificación crediticia establecido en el marco normativo
de la Superintendencia de Economía Popular y Solidaria (SEPS), el cual contempla escalas que van
desde A1 hasta D2 y permiten evaluar la calidad de la cartera, estimar la probabilidad de incumplimiento
y fortalecer la gestión prudencial del riesgo crediticio en las entidades del sector (Cruz et al., 2023).
Dado que se trabajó con la totalidad de los registros que cumplían los criterios de inclusión, no fue
necesario aplicar técnicas de muestreo probabilístico (Hernández-Sampieri, 2018).
La muestra incluyó únicamente socios con créditos clasificados entre las categorías B1 y D2, por lo que
los resultados se interpretan para cartera con algún nivel de morosidad y no para la totalidad de la cartera
crediticia de la cooperativa.
La variable dependiente del estudio fue la morosidad crediticia, operacionalizada como el número de
días de mora registrados por cada socio. Las variables independientes fueron de naturaleza cualitativa
y se clasificaron según su tipo de medición. El nivel educativo y el rango de edad se consideraron
variables ordinales; el sexo, una variable binaria; mientras que el ingreso mensual, el monto del crédito,
el plazo y la categoría crediticia fueron tratadas como variables ordinales categorizadas conforme a los
criterios institucionales de la cooperativa (Turner & Klein, 2021).
Las variables ordinales categorizadas (nivel educativo, ingreso, monto del crédito, plazo y categoría
crediticia) fueron codificadas numéricamente para su inclusión en el modelo de regresión lineal
múltiple, práctica común en estudios exploratorios cuando las categorías representan una progresión
lógica, permitiendo evaluar tendencias lineales entre las variables.
Aunque las variables explicativas presentan naturaleza ordinal, se asumió una relación
aproximadamente lineal entre las categorías, siguiendo prácticas habituales en estudios exploratorios
de riesgo crediticio y ciencias sociales, lo cual permite la estimación mediante regresión lineal múltiple.
Este enfoque se adopta con fines explicativos y descriptivos, reconociendo las limitaciones inherentes
al tratamiento numérico de variables categóricas.
Procedimiento y análisis estadístico
El análisis de los datos se desarrolló de manera secuencial en cuatro etapas. En primer lugar, se aplicó
estadística descriptiva, entendida como el conjunto de técnicas orientadas a resumir, organizar y
presentar la información de forma clara, sin realizar inferencias más allá de los datos observados (Zentai
pág. 4620
& Kovács, 2024). Para ello, se emplearon medidas de tendencia central, dispersión y distribuciones de
frecuencia, con el propósito de caracterizar a la población de estudio en función de sus variables
sociodemográficas, económicas y crediticias.
Posteriormente, se llevó a cabo un análisis de correlación con el objetivo de identificar el grado de
asociación entre las variables analizadas en las cuáles presentan una mayor relación con los días de
mora. Para este fin, se utilizó el coeficiente Rho de Spearman, el cual resulta adecuado cuando las
variables se miden en escala ordinal o no cumplen el supuesto de normalidad, y constituye una etapa
exploratoria previa a la estimación de modelos de regresión (Bhandary et al., 2024; Lu et al., 2024).
En una tercera fase, se estimó un modelo de regresión lineal múltiple mediante el método de Mínimos
Cuadrados Ordinarios (MCO). La regresión lineal permite analizar el efecto conjunto de múltiples
variables explicativas sobre una variable dependiente, así como estimar la magnitud y dirección de
dichas relaciones (Fong, 2020). En este estudio, el modelo se empleó para evaluar la influencia del nivel
educativo y de las demás variables independientes sobre la morosidad crediticia, expresada en días de
mora.
En este caso se empleó la regresión lineal múltiple, la cuál es un método estadístico que permite modelar
la relación lineal entre una variable dependiente y dos o más variables independientes, extendiendo el
concepto de regresión simple para incorporar múltiples predictores en el análisis, matemáticamente, se
expresa como:
𝑌𝑖 = 𝛽0 + 𝛽1𝑋𝑖1 + 𝛽2𝑋𝑖2 + ⋯ + 𝛽𝑘𝑋𝑖𝑘 + 𝜖𝑖
El modelo de regresión lineal múltiple se especificó para analizar la relación entre los días de mora
crediticia y las características sociodemográficas y económicas de los socios. En este modelo, Yi
representa los días de mora del socio i, β0 es el intercepto del modelo, βj son los coeficientes estimados
para cada variable independiente y εi corresponde al término de error aleatorio. La especificación del
modelo se expresa de la siguiente manera:
Yi = β0 + β1 NivelEducativo_i + β2 Edad_i + β3 Ingreso_i + β4 MontoCredito_i + β5 PlazoCredito_i
+ β6 Sexo_i + β7 CategoriaCrediticia_i + εi.
& Kovács, 2024). Para ello, se emplearon medidas de tendencia central, dispersión y distribuciones de
frecuencia, con el propósito de caracterizar a la población de estudio en función de sus variables
sociodemográficas, económicas y crediticias.
Posteriormente, se llevó a cabo un análisis de correlación con el objetivo de identificar el grado de
asociación entre las variables analizadas en las cuáles presentan una mayor relación con los días de
mora. Para este fin, se utilizó el coeficiente Rho de Spearman, el cual resulta adecuado cuando las
variables se miden en escala ordinal o no cumplen el supuesto de normalidad, y constituye una etapa
exploratoria previa a la estimación de modelos de regresión (Bhandary et al., 2024; Lu et al., 2024).
En una tercera fase, se estimó un modelo de regresión lineal múltiple mediante el método de Mínimos
Cuadrados Ordinarios (MCO). La regresión lineal permite analizar el efecto conjunto de múltiples
variables explicativas sobre una variable dependiente, así como estimar la magnitud y dirección de
dichas relaciones (Fong, 2020). En este estudio, el modelo se empleó para evaluar la influencia del nivel
educativo y de las demás variables independientes sobre la morosidad crediticia, expresada en días de
mora.
En este caso se empleó la regresión lineal múltiple, la cuál es un método estadístico que permite modelar
la relación lineal entre una variable dependiente y dos o más variables independientes, extendiendo el
concepto de regresión simple para incorporar múltiples predictores en el análisis, matemáticamente, se
expresa como:
𝑌𝑖 = 𝛽0 + 𝛽1𝑋𝑖1 + 𝛽2𝑋𝑖2 + ⋯ + 𝛽𝑘𝑋𝑖𝑘 + 𝜖𝑖
El modelo de regresión lineal múltiple se especificó para analizar la relación entre los días de mora
crediticia y las características sociodemográficas y económicas de los socios. En este modelo, Yi
representa los días de mora del socio i, β0 es el intercepto del modelo, βj son los coeficientes estimados
para cada variable independiente y εi corresponde al término de error aleatorio. La especificación del
modelo se expresa de la siguiente manera:
Yi = β0 + β1 NivelEducativo_i + β2 Edad_i + β3 Ingreso_i + β4 MontoCredito_i + β5 PlazoCredito_i
+ β6 Sexo_i + β7 CategoriaCrediticia_i + εi.
pág. 4621
Finalmente, se verificaron los principales supuestos del modelo econométrico, incluyendo la
normalidad de los residuos, la linealidad entre las variables predictoras y la variable dependiente, la
homocedasticidad y la independencia de los errores. Asimismo, se evaluó la ausencia de
multicolinealidad mediante el Factor de Inflación de la Varianza (VIF). El ajuste global del modelo se
examinó a través de los estadísticos F, R² y R² ajustado, mientras que la interpretación de los resultados
se basó en el análisis de los coeficientes estimados, sus errores estándar, intervalos de confianza y
niveles de significancia estadística, como fundamento para la contrastación de la hipótesis de
investigación planteada en la introducción (Li et al., 2025; Yang, 2023)
RESULTADOS
Caracterización de la población de estudio
A continuación, se presentan los estadísticos descriptivos de las variables consideradas en el estudio.
Tabla 1 Estadísticos descriptivos de la variable dependiente
N Moda Mean Std. Deviation Minimum Maximum
Días_Mora 339 107.000 ᵃ 103.537 40.990 32.000 180.000
Nota. N número de observaciones. Elaboración propia a partir de los datos analizados.
El análisis de la Tabla 1 presenta un total de 339 socios con operaciones crediticias vigentes en una
cooperativa del sistema financiero popular y solidario del cantón Naranjal. La morosidad crediticia,
medida en días de mora, registró una media de 103.54 días, con una desviación estándar de 40.99. Los
valores oscilaron entre 32 y 180 días, lo que refleja una variabilidad apreciable en el comportamiento
de pago de los socios. Al observar los percentiles, se identificó que el 25 % presentó hasta 73 días de
mora, mientras que la mediana se ubicó en 104 días y el 75 % alcanzó los 133 días.
En la Tabla 2, en relación con el nivel educativo, se observa que una proporción considerable de los
socios contaba con educación primaria o menor, seguida de quienes alcanzaron la educación secundaria
y, en menor medida, educación superior. En cuanto a la edad, el grupo predominante correspondió a
personas entre 36 y 45 años, seguido de los rangos de 26 a 35 años y de 46 a 55 años, lo que sugiere
una población mayoritariamente en edad productiva.
Respecto a los ingresos mensuales, la mayor concentración se observó en los rangos medios y bajos,
particularmente entre quienes percibían entre USD 401 y 600, así como en aquellos con ingresos
Finalmente, se verificaron los principales supuestos del modelo econométrico, incluyendo la
normalidad de los residuos, la linealidad entre las variables predictoras y la variable dependiente, la
homocedasticidad y la independencia de los errores. Asimismo, se evaluó la ausencia de
multicolinealidad mediante el Factor de Inflación de la Varianza (VIF). El ajuste global del modelo se
examinó a través de los estadísticos F, R² y R² ajustado, mientras que la interpretación de los resultados
se basó en el análisis de los coeficientes estimados, sus errores estándar, intervalos de confianza y
niveles de significancia estadística, como fundamento para la contrastación de la hipótesis de
investigación planteada en la introducción (Li et al., 2025; Yang, 2023)
RESULTADOS
Caracterización de la población de estudio
A continuación, se presentan los estadísticos descriptivos de las variables consideradas en el estudio.
Tabla 1 Estadísticos descriptivos de la variable dependiente
N Moda Mean Std. Deviation Minimum Maximum
Días_Mora 339 107.000 ᵃ 103.537 40.990 32.000 180.000
Nota. N número de observaciones. Elaboración propia a partir de los datos analizados.
El análisis de la Tabla 1 presenta un total de 339 socios con operaciones crediticias vigentes en una
cooperativa del sistema financiero popular y solidario del cantón Naranjal. La morosidad crediticia,
medida en días de mora, registró una media de 103.54 días, con una desviación estándar de 40.99. Los
valores oscilaron entre 32 y 180 días, lo que refleja una variabilidad apreciable en el comportamiento
de pago de los socios. Al observar los percentiles, se identificó que el 25 % presentó hasta 73 días de
mora, mientras que la mediana se ubicó en 104 días y el 75 % alcanzó los 133 días.
En la Tabla 2, en relación con el nivel educativo, se observa que una proporción considerable de los
socios contaba con educación primaria o menor, seguida de quienes alcanzaron la educación secundaria
y, en menor medida, educación superior. En cuanto a la edad, el grupo predominante correspondió a
personas entre 36 y 45 años, seguido de los rangos de 26 a 35 años y de 46 a 55 años, lo que sugiere
una población mayoritariamente en edad productiva.
Respecto a los ingresos mensuales, la mayor concentración se observó en los rangos medios y bajos,
particularmente entre quienes percibían entre USD 401 y 600, así como en aquellos con ingresos
pág. 4622
inferiores a USD 400. Los ingresos más elevados presentaron una menor representación. En el caso del
monto del crédito, predominó el rango de USD 1.501 a 3.000, seguido de montos inferiores a USD
1.500.
En cuanto al plazo crediticio, la mayoría de los créditos se ubicó entre 13 y 24 meses, seguido de plazos
entre 25 y 36 meses. En la variable sexo, se registró una mayor participación de hombres en
comparación con mujeres. Finalmente, la clasificación crediticia mostró una mayor concentración en
las categorías intermedias, particularmente B2 y C1, mientras que las categorías de mayor riesgo
presentaron menor frecuencia.
Tabla 2. Características sociodemográficas, económicas y correlación de Spearman con los días de
mora
Variable Descripción Frecuencia Media/Porcentaje (%) ρ (Spearman) p-valor
Nivel
educativo
Primaria o menos 155 45,72 −0.845*** < .001
Secundaria 118 34,81
Superior 66 19,47
Rango de
edad
18 – 25 años 27 7,96 0.062 0.251
26 – 35 años 81 23,89
36 – 45 años 102 30,09
46 – 55 años 75 22,12
Más de 55 años 54 15,93
Ingreso
mensual
(USD)
Menos de 400 95 28,02 0.130* 0.016
401 – 600 115 33,92
601 – 800 75 22,12
801 – 1.000 34 10,03
Más de 1.000 20 5,9
Monto del
crédito (USD)
500 – 1.500 88 25,96 0.092 0.090
1.501 – 3.000 129 38,05
3.001 – 5.000 75 22,12
5.001 – 8.000 34 10,03
Más de 8.000 13 3,83
Plazo del
crédito
Hasta 12 meses 62 18,29 −0.011 0.842
13 – 24 meses 115 33,92
25 – 36 meses 95 28,02
37 – 48 meses 47 13,86
Más de 48 meses 20 5,9
Sexo Masculino 197 58,11 −0.011 0.843
Femenino 142 41,89
Categoría
crediticia
B1 59 17,4 −0.131* 0.016
B2 69 20,35
C1 68 20,06
C2 48 14,16
D1 55 16,22
D2 40 11,8
Nota. Elaboración propia a partir de los datos analizados.
inferiores a USD 400. Los ingresos más elevados presentaron una menor representación. En el caso del
monto del crédito, predominó el rango de USD 1.501 a 3.000, seguido de montos inferiores a USD
1.500.
En cuanto al plazo crediticio, la mayoría de los créditos se ubicó entre 13 y 24 meses, seguido de plazos
entre 25 y 36 meses. En la variable sexo, se registró una mayor participación de hombres en
comparación con mujeres. Finalmente, la clasificación crediticia mostró una mayor concentración en
las categorías intermedias, particularmente B2 y C1, mientras que las categorías de mayor riesgo
presentaron menor frecuencia.
Tabla 2. Características sociodemográficas, económicas y correlación de Spearman con los días de
mora
Variable Descripción Frecuencia Media/Porcentaje (%) ρ (Spearman) p-valor
Nivel
educativo
Primaria o menos 155 45,72 −0.845*** < .001
Secundaria 118 34,81
Superior 66 19,47
Rango de
edad
18 – 25 años 27 7,96 0.062 0.251
26 – 35 años 81 23,89
36 – 45 años 102 30,09
46 – 55 años 75 22,12
Más de 55 años 54 15,93
Ingreso
mensual
(USD)
Menos de 400 95 28,02 0.130* 0.016
401 – 600 115 33,92
601 – 800 75 22,12
801 – 1.000 34 10,03
Más de 1.000 20 5,9
Monto del
crédito (USD)
500 – 1.500 88 25,96 0.092 0.090
1.501 – 3.000 129 38,05
3.001 – 5.000 75 22,12
5.001 – 8.000 34 10,03
Más de 8.000 13 3,83
Plazo del
crédito
Hasta 12 meses 62 18,29 −0.011 0.842
13 – 24 meses 115 33,92
25 – 36 meses 95 28,02
37 – 48 meses 47 13,86
Más de 48 meses 20 5,9
Sexo Masculino 197 58,11 −0.011 0.843
Femenino 142 41,89
Categoría
crediticia
B1 59 17,4 −0.131* 0.016
B2 69 20,35
C1 68 20,06
C2 48 14,16
D1 55 16,22
D2 40 11,8
Nota. Elaboración propia a partir de los datos analizados.
pág. 4623
Como parte del análisis exploratorio, se examinó la relación entre las variables mediante el coeficiente
Rho de Spearman, considerando la naturaleza ordinal de la mayoría de los datos. Los resultados
evidenciaron una relación inversa fuerte y estadísticamente significativa entre el nivel educativo y los
días de mora, lo que indica que los socios con mayores niveles educativos tienden a registrar menores
retrasos en el pago de sus obligaciones crediticias.
Adicionalmente, se identificaron asociaciones débiles entre los días de mora y algunas variables
económicas, como el ingreso mensual y la categoría crediticia. No obstante, la magnitud de estas
correlaciones fue reducida, lo que sugiere una relación limitada entre dichas variables y la morosidad.
El resto de las variables analizadas, entre ellas la edad, el monto del crédito, el plazo y el sexo, no
mostró asociaciones estadísticamente significativas.
La Figura 1 permite visualizar de manera conjunta la intensidad y dirección de las asociaciones entre
las variables consideradas, destacándose claramente la relación negativa entre el nivel educativo y los
días de mora frente a la debilidad del resto de las relaciones observadas.
Figura 1. Matriz de correlaciones de Spearman entre las variables analizadas.
Nota. Elaboración propia a partir de los datos analizados.
Como parte del análisis exploratorio, se examinó la relación entre las variables mediante el coeficiente
Rho de Spearman, considerando la naturaleza ordinal de la mayoría de los datos. Los resultados
evidenciaron una relación inversa fuerte y estadísticamente significativa entre el nivel educativo y los
días de mora, lo que indica que los socios con mayores niveles educativos tienden a registrar menores
retrasos en el pago de sus obligaciones crediticias.
Adicionalmente, se identificaron asociaciones débiles entre los días de mora y algunas variables
económicas, como el ingreso mensual y la categoría crediticia. No obstante, la magnitud de estas
correlaciones fue reducida, lo que sugiere una relación limitada entre dichas variables y la morosidad.
El resto de las variables analizadas, entre ellas la edad, el monto del crédito, el plazo y el sexo, no
mostró asociaciones estadísticamente significativas.
La Figura 1 permite visualizar de manera conjunta la intensidad y dirección de las asociaciones entre
las variables consideradas, destacándose claramente la relación negativa entre el nivel educativo y los
días de mora frente a la debilidad del resto de las relaciones observadas.
Figura 1. Matriz de correlaciones de Spearman entre las variables analizadas.
Nota. Elaboración propia a partir de los datos analizados.
pág. 4624
Modelo de regresión lineal múltiple
Con el objetivo de evaluar el efecto conjunto de las variables sociodemográficas y económicas sobre la
morosidad crediticia, se estimó un modelo de regresión lineal múltiple mediante el método de mínimos
cuadrados ordinarios. El modelo presentó significancia estadística global, con una adecuada capacidad
explicativa, lo que indica que las variables incluidas permiten explicar una proporción importante de la
variabilidad observada en los días de mora.
Al analizar los coeficientes estimados, se observó que el nivel educativo fue el único predictor con un
efecto estadísticamente significativo sobre la morosidad crediticia. En términos prácticos, este resultado
indica que, a medida que se incrementa el nivel educativo del socio, los días de mora tienden a reducirse
de manera considerable, manteniendo constantes las demás variables del modelo.
Por el contrario, variables como la edad, el ingreso mensual, el monto del crédito, el plazo, el sexo y la
categoría crediticia no mostraron efectos significativos cuando se analizaron de forma conjunta. Esto
sugiere que, en el contexto estudiado, su influencia sobre la morosidad es limitada frente al peso
explicativo que adquiere el nivel educativo.
Los diagnósticos realizados indicaron un ajuste adecuado del modelo, sin evidencia de problemas
graves de autocorrelación o desviaciones importantes del supuesto de normalidad de los residuos.
Tabla 3. Regresión lineal múltiple para días de mora (N = 339).
Predictor B EE t Sig IC 95 %
Constante 130.95 4.50 29.07 < .001** [122.09, 139.81]
Nivel educativo −45.10 1.59 −28.33 < .001** [−48.23, −41.97]
Rango de edad 0.62 1.02 0.61 .545 [−1.38, 2.62]
Ingreso mensual 0.98 1.04 0.94 .350 [−1.07, 3.02]
Monto del crédito 0.88 1.12 0.78 .433 [−1.32, 3.08]
Plazo 1.34 1.08 1.24 .216 [−0.79, 3.46]
Sexo 1.62 2.42 0.67 .505 [−3.15, 6.39]
Categoría crediticia
(B1–D2) −0.39 0.74 −0.53 .595 [−1.84, 1.06]
Nota. B: coeficiente de regresión no estandarizado. EE: error estándar del coeficiente. T: estadístico t de significancia. Sig:
corresponde al nivel de significancia estadística: * p < .05; ** p < .01.IC 95 %: intervalo de confianza del 95 % para el
coeficiente B. Elaboración propia a partir de los datos analizados.
La ecuación correcta del modelo de regresión con los predictores significativos del modelo propuesto
queda de la siguiente forma:
Modelo de regresión lineal múltiple
Con el objetivo de evaluar el efecto conjunto de las variables sociodemográficas y económicas sobre la
morosidad crediticia, se estimó un modelo de regresión lineal múltiple mediante el método de mínimos
cuadrados ordinarios. El modelo presentó significancia estadística global, con una adecuada capacidad
explicativa, lo que indica que las variables incluidas permiten explicar una proporción importante de la
variabilidad observada en los días de mora.
Al analizar los coeficientes estimados, se observó que el nivel educativo fue el único predictor con un
efecto estadísticamente significativo sobre la morosidad crediticia. En términos prácticos, este resultado
indica que, a medida que se incrementa el nivel educativo del socio, los días de mora tienden a reducirse
de manera considerable, manteniendo constantes las demás variables del modelo.
Por el contrario, variables como la edad, el ingreso mensual, el monto del crédito, el plazo, el sexo y la
categoría crediticia no mostraron efectos significativos cuando se analizaron de forma conjunta. Esto
sugiere que, en el contexto estudiado, su influencia sobre la morosidad es limitada frente al peso
explicativo que adquiere el nivel educativo.
Los diagnósticos realizados indicaron un ajuste adecuado del modelo, sin evidencia de problemas
graves de autocorrelación o desviaciones importantes del supuesto de normalidad de los residuos.
Tabla 3. Regresión lineal múltiple para días de mora (N = 339).
Predictor B EE t Sig IC 95 %
Constante 130.95 4.50 29.07 < .001** [122.09, 139.81]
Nivel educativo −45.10 1.59 −28.33 < .001** [−48.23, −41.97]
Rango de edad 0.62 1.02 0.61 .545 [−1.38, 2.62]
Ingreso mensual 0.98 1.04 0.94 .350 [−1.07, 3.02]
Monto del crédito 0.88 1.12 0.78 .433 [−1.32, 3.08]
Plazo 1.34 1.08 1.24 .216 [−0.79, 3.46]
Sexo 1.62 2.42 0.67 .505 [−3.15, 6.39]
Categoría crediticia
(B1–D2) −0.39 0.74 −0.53 .595 [−1.84, 1.06]
Nota. B: coeficiente de regresión no estandarizado. EE: error estándar del coeficiente. T: estadístico t de significancia. Sig:
corresponde al nivel de significancia estadística: * p < .05; ** p < .01.IC 95 %: intervalo de confianza del 95 % para el
coeficiente B. Elaboración propia a partir de los datos analizados.
La ecuación correcta del modelo de regresión con los predictores significativos del modelo propuesto
queda de la siguiente forma:
pág. 4625
𝑌̂𝑖 = 130.95 − 45.10 (NivelEducativo𝑖) + 𝜀𝑖
Donde:
𝑌̂𝑖 representa los días de mora crediticia del socio i.
130.95 es la constante del modelo.
−45.10 es el coeficiente del nivel educativo, estadísticamente significativo (p < .001).
𝜀𝑖corresponde al término de error aleatorio, que recoge la variabilidad no explicada por el modelo.
DISCUSIÓN
Dado el diseño transversal y observacional del estudio, los resultados deben interpretarse como
asociaciones estadísticas y no como relaciones causales, los resultados del estudio muestran que el nivel
educativo mantiene una asociación significativa con el comportamiento de pago de los socios del
sistema financiero popular y solidario del cantón Naranjal. En particular, la relación inversa observada
entre el nivel educativo y los días de mora, evidenciada tanto en el análisis de correlación de Spearman
como en los resultados del modelo de regresión lineal múltiple, indica que, a medida que aumenta la
formación académica, se observa una reducción en la probabilidad de incurrir en retrasos en el
cumplimiento de las obligaciones crediticias, según (Bernal & Olivera, 2020), asimismo, el signo
negativo y la significancia estadística del coeficiente β asociado al nivel educativo confirman su efecto
explicativo sobre la morosidad, lo que sugiere que la educación no solo cumple una función formativa,
sino que también se asocia con la manera en que los individuos gestionan sus compromisos financieros
en contextos reales de endeudamiento(Cruz et al., 2023).
Estos hallazgos se sustentan en los resultados del análisis de correlación de Spearman y del modelo de
regresión lineal múltiple estimado, lo que refuerza la robustez de la evidencia empírica obtenida. Desde
la perspectiva que aquí se plantea, estos resultados son coherentes con los enfoques del capital humano,
los cuales sostienen que la educación se asocia con la toma de decisiones económicas y financieras
(Fong, 2020; Naranjo & Navas-Labanda, 2024; Turner & Klein, 2021). En este sentido, un mayor nivel
educativo podría facilitar una comprensión más clara de las condiciones contractuales del crédito, así
como una planificación financiera más ordenada, aspectos que podrían estar relacionados con el
cumplimiento oportuno de los pagos.
𝑌̂𝑖 = 130.95 − 45.10 (NivelEducativo𝑖) + 𝜀𝑖
Donde:
𝑌̂𝑖 representa los días de mora crediticia del socio i.
130.95 es la constante del modelo.
−45.10 es el coeficiente del nivel educativo, estadísticamente significativo (p < .001).
𝜀𝑖corresponde al término de error aleatorio, que recoge la variabilidad no explicada por el modelo.
DISCUSIÓN
Dado el diseño transversal y observacional del estudio, los resultados deben interpretarse como
asociaciones estadísticas y no como relaciones causales, los resultados del estudio muestran que el nivel
educativo mantiene una asociación significativa con el comportamiento de pago de los socios del
sistema financiero popular y solidario del cantón Naranjal. En particular, la relación inversa observada
entre el nivel educativo y los días de mora, evidenciada tanto en el análisis de correlación de Spearman
como en los resultados del modelo de regresión lineal múltiple, indica que, a medida que aumenta la
formación académica, se observa una reducción en la probabilidad de incurrir en retrasos en el
cumplimiento de las obligaciones crediticias, según (Bernal & Olivera, 2020), asimismo, el signo
negativo y la significancia estadística del coeficiente β asociado al nivel educativo confirman su efecto
explicativo sobre la morosidad, lo que sugiere que la educación no solo cumple una función formativa,
sino que también se asocia con la manera en que los individuos gestionan sus compromisos financieros
en contextos reales de endeudamiento(Cruz et al., 2023).
Estos hallazgos se sustentan en los resultados del análisis de correlación de Spearman y del modelo de
regresión lineal múltiple estimado, lo que refuerza la robustez de la evidencia empírica obtenida. Desde
la perspectiva que aquí se plantea, estos resultados son coherentes con los enfoques del capital humano,
los cuales sostienen que la educación se asocia con la toma de decisiones económicas y financieras
(Fong, 2020; Naranjo & Navas-Labanda, 2024; Turner & Klein, 2021). En este sentido, un mayor nivel
educativo podría facilitar una comprensión más clara de las condiciones contractuales del crédito, así
como una planificación financiera más ordenada, aspectos que podrían estar relacionados con el
cumplimiento oportuno de los pagos.
pág. 4626
Este comportamiento ha sido documentado en estudios previos, los cuales evidencian que personas con
mayor nivel educativo o con mayores competencias financieras tienden a presentar menores niveles de
morosidad y un uso más responsable del crédito (Cruz et al., 2023; Zentai & Kovács, 2024).
Al contrastar los hallazgos con la literatura empírica reciente, se observa coincidencia con
investigaciones que destacan la educación como un factor relevante en la reducción del riesgo crediticio,
incluso cuando se controlan variables como el ingreso, la edad o el monto del crédito (Bhandary et al.,
2024; Horák et al., 2022). En este sentido, los resultados del presente estudio aportan evidencia
adicional al centrarse en un contexto local específico y en el sistema financiero popular y solidario, un
sector que, a pesar de su importancia en la inclusión financiera, ha recibido menor atención en estudios
cuantitativos de este tipo.
La falta de significancia de variables económicas como el ingreso o el monto del crédito podría
explicarse por la categorización ordinal de dichas variables y por la relativa homogeneidad económica
de la muestra analizada, lo que limita la variabilidad necesaria para detectar efectos estadísticos
(Bhandary et al., 2024).
Por otra parte, algunas variables económicas y sociodemográficas mostraron asociaciones débiles en el
análisis de correlación bivariado; sin embargo, estas perdieron significancia estadística al ser
incorporadas en el modelo de regresión multivariado (Fong, 2020). Este comportamiento sugiere que
su efecto sobre la morosidad crediticia podría estar condicionado o mediado por el nivel educativo, el
cual concentra la mayor capacidad explicativa del modelo estimado (Jasas & Lastauskaite, 2025; Saltık
et al., 2023). De este modo, la educación se perfila como un factor relevante que podría estar relacionado
con otras características tradicionalmente consideradas en la evaluación del riesgo crediticio
Desde una perspectiva aplicada, los resultados ofrecen implicaciones relevantes para las cooperativas
del sistema financiero popular y solidario. En particular, ponen de manifiesto la conveniencia de
complementar los criterios tradicionales de evaluación crediticia con estrategias orientadas al
fortalecimiento de la educación financiera de los socios (Yang, 2023). Iniciativas como programas de
capacitación o esquemas de acompañamiento financiero podrían contribuir a mejorar el
comportamiento de pago y, en consecuencia, a reducir los niveles de morosidad, fortaleciendo la
sostenibilidad institucional en el mediano y largo plazo.
Este comportamiento ha sido documentado en estudios previos, los cuales evidencian que personas con
mayor nivel educativo o con mayores competencias financieras tienden a presentar menores niveles de
morosidad y un uso más responsable del crédito (Cruz et al., 2023; Zentai & Kovács, 2024).
Al contrastar los hallazgos con la literatura empírica reciente, se observa coincidencia con
investigaciones que destacan la educación como un factor relevante en la reducción del riesgo crediticio,
incluso cuando se controlan variables como el ingreso, la edad o el monto del crédito (Bhandary et al.,
2024; Horák et al., 2022). En este sentido, los resultados del presente estudio aportan evidencia
adicional al centrarse en un contexto local específico y en el sistema financiero popular y solidario, un
sector que, a pesar de su importancia en la inclusión financiera, ha recibido menor atención en estudios
cuantitativos de este tipo.
La falta de significancia de variables económicas como el ingreso o el monto del crédito podría
explicarse por la categorización ordinal de dichas variables y por la relativa homogeneidad económica
de la muestra analizada, lo que limita la variabilidad necesaria para detectar efectos estadísticos
(Bhandary et al., 2024).
Por otra parte, algunas variables económicas y sociodemográficas mostraron asociaciones débiles en el
análisis de correlación bivariado; sin embargo, estas perdieron significancia estadística al ser
incorporadas en el modelo de regresión multivariado (Fong, 2020). Este comportamiento sugiere que
su efecto sobre la morosidad crediticia podría estar condicionado o mediado por el nivel educativo, el
cual concentra la mayor capacidad explicativa del modelo estimado (Jasas & Lastauskaite, 2025; Saltık
et al., 2023). De este modo, la educación se perfila como un factor relevante que podría estar relacionado
con otras características tradicionalmente consideradas en la evaluación del riesgo crediticio
Desde una perspectiva aplicada, los resultados ofrecen implicaciones relevantes para las cooperativas
del sistema financiero popular y solidario. En particular, ponen de manifiesto la conveniencia de
complementar los criterios tradicionales de evaluación crediticia con estrategias orientadas al
fortalecimiento de la educación financiera de los socios (Yang, 2023). Iniciativas como programas de
capacitación o esquemas de acompañamiento financiero podrían contribuir a mejorar el
comportamiento de pago y, en consecuencia, a reducir los niveles de morosidad, fortaleciendo la
sostenibilidad institucional en el mediano y largo plazo.
pág. 4627
CONCLUSIONES
Los resultados del estudio permiten concluir que el nivel educativo se asocia de manera significativa en
el comportamiento de pago de los socios del sistema financiero popular y solidario del cantón Naranjal.
La evidencia empírica muestra que, los días de mora tienden a reducirse cuando el nivel de formación
academica se incrementa, lo que confirma el papel de la educación como un factor relevante en la
mitigación del riesgo crediticio dentro del contexto analizado.
En función de estos hallazgos, se concluye que no se rechaza empíricamente la hipótesis de
investigación, al comprobarse la existencia de una relación inversa y estadísticamente significativa entre
el nivel educativo y los días de mora crediticia. Este resultado respalda la premisa de que mayores
niveles educativos se asocian con un mejor cumplimiento de las obligaciones financieras, incluso
cuando se consideran de manera conjunta otras variables sociodemográficas y económicas.
Desde una perspectiva analítica, los resultados refuerzan los planteamientos teóricos que vinculan la
educación con una mayor capacidad para la toma de decisiones económicas informadas, una
planificación financiera más eficiente y una comprensión más adecuada de las condiciones crediticias.
En este sentido, la educación trasciende su condición de variable sociodemográfica y se configura como
un factor relevante asociado al comportamiento financiero de los individuos.
Asimismo, se evidencia que variables tradicionalmente empleadas en la evaluación del riesgo crediticio,
como el ingreso mensual, el monto del crédito, el plazo o la edad, no presentaron un efecto
estadísticamente significativo al ser analizadas de forma conjunta con el nivel educativo. Este resultado
sugiere que, en el contexto específico de la cooperativa estudiada, no se evidenció significancia
estadística en el modelo estimado para dichas variables, lo que no descarta su relevancia en otros
contextos o con mediciones alternativas, frente al peso que adquiere la educación en la reducción de la
morosidad crediticia.
Desde el punto de vista práctico, los hallazgos aportan elementos relevantes para la gestión de las
cooperativas del sistema financiero popular y solidario, al poner de manifiesto la conveniencia de
complementar los criterios tradicionales de evaluación crediticia con variables vinculadas al nivel
educativo y al fortalecimiento de la educación financiera de los socios.
CONCLUSIONES
Los resultados del estudio permiten concluir que el nivel educativo se asocia de manera significativa en
el comportamiento de pago de los socios del sistema financiero popular y solidario del cantón Naranjal.
La evidencia empírica muestra que, los días de mora tienden a reducirse cuando el nivel de formación
academica se incrementa, lo que confirma el papel de la educación como un factor relevante en la
mitigación del riesgo crediticio dentro del contexto analizado.
En función de estos hallazgos, se concluye que no se rechaza empíricamente la hipótesis de
investigación, al comprobarse la existencia de una relación inversa y estadísticamente significativa entre
el nivel educativo y los días de mora crediticia. Este resultado respalda la premisa de que mayores
niveles educativos se asocian con un mejor cumplimiento de las obligaciones financieras, incluso
cuando se consideran de manera conjunta otras variables sociodemográficas y económicas.
Desde una perspectiva analítica, los resultados refuerzan los planteamientos teóricos que vinculan la
educación con una mayor capacidad para la toma de decisiones económicas informadas, una
planificación financiera más eficiente y una comprensión más adecuada de las condiciones crediticias.
En este sentido, la educación trasciende su condición de variable sociodemográfica y se configura como
un factor relevante asociado al comportamiento financiero de los individuos.
Asimismo, se evidencia que variables tradicionalmente empleadas en la evaluación del riesgo crediticio,
como el ingreso mensual, el monto del crédito, el plazo o la edad, no presentaron un efecto
estadísticamente significativo al ser analizadas de forma conjunta con el nivel educativo. Este resultado
sugiere que, en el contexto específico de la cooperativa estudiada, no se evidenció significancia
estadística en el modelo estimado para dichas variables, lo que no descarta su relevancia en otros
contextos o con mediciones alternativas, frente al peso que adquiere la educación en la reducción de la
morosidad crediticia.
Desde el punto de vista práctico, los hallazgos aportan elementos relevantes para la gestión de las
cooperativas del sistema financiero popular y solidario, al poner de manifiesto la conveniencia de
complementar los criterios tradicionales de evaluación crediticia con variables vinculadas al nivel
educativo y al fortalecimiento de la educación financiera de los socios.
pág. 4628
La incorporación de este enfoque podría contribuir a mejorar el comportamiento de pago y, en
consecuencia, a reducir los niveles de morosidad, fortaleciendo la sostenibilidad institucional.
Finalmente, es necesario reconocer que el estudio se limita a un análisis de corte transversal y a una
única institución financiera, lo que restringe el alcance de los resultados. En futuras investigaciones,
sería pertinente ampliar el análisis mediante diseños longitudinales e incorporar variables adicionales
relacionadas con la educación financiera, la experiencia crediticia previa o factores conductuales, con
el fin de profundizar en la comprensión de los determinantes de la morosidad crediticia en el sistema
financiero popular y solidario.
Además, el uso de variables categorizadas puede limitar la precisión del modelo econométrico, por lo
que futuras investigaciones podrían emplear variables continuas o modelos no lineales para profundizar
en el análisis de los determinantes de la morosidad crediticia.
REFERENCIAS BIBLIOGRAFICAS
Baidoo, S. T., Yusif, H., y Ayesu, E. K. (2020). Improving loan repayment in Ghana: Does financial
literacy matter? Cogent Economics and Finance, 8(1).
https://doi.org/10.1080/23322039.2020.1787693
Bateman, H., Gerrans, P., Thorp, S., y Zeng, Y. (2023). Explaining consumers’ progress through life
insurance decision states: The role of personal values and consumer characteristics. Journal of
Consumer Affairs, 57(3), 1151–1182. https://doi.org/10.1111/joca.12524
Bernal, N., y Olivera, J. (2020). Choice of pension management fees and effects on pension wealth.
Journal of Economic Behavior and Organization, 176, 539–568.
https://doi.org/10.1016/j.jebo.2020.03.036
Bhandary, R., Shenoy, S. S., Shetty, A., y Shetty, A. D. (2024). Education loan repayment: a systematic
literature review. Journal of Financial Services Marketing, 29(4), 1365–1376.
https://doi.org/10.1057/s41264-023-00248-2
Blackwell, C., Maynard, N., Malm, J., Pyles, M., Snyder, M., y Witte, M. (2024). Who gets duped? The
impact of education on fraud detection in an investment task. Journal of Economics and Finance,
48(3), 734–753. https://doi.org/10.1007/s12197-024-09672-z
La incorporación de este enfoque podría contribuir a mejorar el comportamiento de pago y, en
consecuencia, a reducir los niveles de morosidad, fortaleciendo la sostenibilidad institucional.
Finalmente, es necesario reconocer que el estudio se limita a un análisis de corte transversal y a una
única institución financiera, lo que restringe el alcance de los resultados. En futuras investigaciones,
sería pertinente ampliar el análisis mediante diseños longitudinales e incorporar variables adicionales
relacionadas con la educación financiera, la experiencia crediticia previa o factores conductuales, con
el fin de profundizar en la comprensión de los determinantes de la morosidad crediticia en el sistema
financiero popular y solidario.
Además, el uso de variables categorizadas puede limitar la precisión del modelo econométrico, por lo
que futuras investigaciones podrían emplear variables continuas o modelos no lineales para profundizar
en el análisis de los determinantes de la morosidad crediticia.
REFERENCIAS BIBLIOGRAFICAS
Baidoo, S. T., Yusif, H., y Ayesu, E. K. (2020). Improving loan repayment in Ghana: Does financial
literacy matter? Cogent Economics and Finance, 8(1).
https://doi.org/10.1080/23322039.2020.1787693
Bateman, H., Gerrans, P., Thorp, S., y Zeng, Y. (2023). Explaining consumers’ progress through life
insurance decision states: The role of personal values and consumer characteristics. Journal of
Consumer Affairs, 57(3), 1151–1182. https://doi.org/10.1111/joca.12524
Bernal, N., y Olivera, J. (2020). Choice of pension management fees and effects on pension wealth.
Journal of Economic Behavior and Organization, 176, 539–568.
https://doi.org/10.1016/j.jebo.2020.03.036
Bhandary, R., Shenoy, S. S., Shetty, A., y Shetty, A. D. (2024). Education loan repayment: a systematic
literature review. Journal of Financial Services Marketing, 29(4), 1365–1376.
https://doi.org/10.1057/s41264-023-00248-2
Blackwell, C., Maynard, N., Malm, J., Pyles, M., Snyder, M., y Witte, M. (2024). Who gets duped? The
impact of education on fraud detection in an investment task. Journal of Economics and Finance,
48(3), 734–753. https://doi.org/10.1007/s12197-024-09672-z
pág. 4629
Bone-Winkel, G. F., y Reichenbach, F. (2024). Improving credit risk assessment in P2P lending with
explainable machine learning survival analysis. Digital Finance, 6(3), 501–542.
https://doi.org/10.1007/s42521-024-00114-3
Cruz , S., López Pascual, J., y Santandreu, E. M. (2023). A socioeconomic approach to the profile of
microcredit holders from the Hispanic minority in the USA. Financial Innovation, 9(1).
https://doi.org/10.1186/s40854-022-00422-w
Fong, J. H. (2020). Taking control: Active investment choice in Singapore’s national defined
contribution scheme. Journal of the Economics of Ageing, 17.
https://doi.org/10.1016/j.jeoa.2020.100249
Gerritsen, D. F., Lancee, B. S., y Rigtering, J. P. C. (2023). Dynamic Currency Conversion Payment
Options Specifically Harm Less Financially Literate Customers. Journal of Public Policy and
Marketing, 42(3), 203–222. https://doi.org/10.1177/07439156231157721
Hernández, R. (2014). Metodología de la investigación. McGRAW-HILL / INTERAMERICANA
EDITORES, S.A. DE C.V. México.
https://apiperiodico.jalisco.gob.mx/api/sites/periodicooficial.jalisco.gob.mx/files/metodologia_d
e_la_investigacion_-_roberto_hernandez_sampieri.pdf
Jasas, M., y Lastauskaite, A. (2025). Gender as a Risk Factor: A Test of Gender-Neutral Pricing in
Lithuania’s P2P Market. Risks, 13(12). https://doi.org/10.3390/risks13120239
Lu, Z., Li, H., y Wu, J. (2024). Exploring the impact of financial literacy on predicting credit default
among farmers: An analysis using a hybrid machine learning model. Borsa Istanbul Review, 24(2),
352–362. https://doi.org/10.1016/j.bir.2024.01.006
Naranjo, C. P., y Navas-Labanda, A. C. (2024). Economic growth in Latin America during the 19th
century. America Latina En La Historia Economica, 31(2).
https://doi.org/10.18232/20073496.1442
Saltık, Ö., Rehman, W. ul, Söyü, R., Değirmen, S., y Şengönül, A. (2023). Predicting loss aversion
behavior with machine-learning methods. Humanities and Social Sciences Communications,
10(1). https://doi.org/10.1057/s41599-023-01620-2
Bone-Winkel, G. F., y Reichenbach, F. (2024). Improving credit risk assessment in P2P lending with
explainable machine learning survival analysis. Digital Finance, 6(3), 501–542.
https://doi.org/10.1007/s42521-024-00114-3
Cruz , S., López Pascual, J., y Santandreu, E. M. (2023). A socioeconomic approach to the profile of
microcredit holders from the Hispanic minority in the USA. Financial Innovation, 9(1).
https://doi.org/10.1186/s40854-022-00422-w
Fong, J. H. (2020). Taking control: Active investment choice in Singapore’s national defined
contribution scheme. Journal of the Economics of Ageing, 17.
https://doi.org/10.1016/j.jeoa.2020.100249
Gerritsen, D. F., Lancee, B. S., y Rigtering, J. P. C. (2023). Dynamic Currency Conversion Payment
Options Specifically Harm Less Financially Literate Customers. Journal of Public Policy and
Marketing, 42(3), 203–222. https://doi.org/10.1177/07439156231157721
Hernández, R. (2014). Metodología de la investigación. McGRAW-HILL / INTERAMERICANA
EDITORES, S.A. DE C.V. México.
https://apiperiodico.jalisco.gob.mx/api/sites/periodicooficial.jalisco.gob.mx/files/metodologia_d
e_la_investigacion_-_roberto_hernandez_sampieri.pdf
Jasas, M., y Lastauskaite, A. (2025). Gender as a Risk Factor: A Test of Gender-Neutral Pricing in
Lithuania’s P2P Market. Risks, 13(12). https://doi.org/10.3390/risks13120239
Lu, Z., Li, H., y Wu, J. (2024). Exploring the impact of financial literacy on predicting credit default
among farmers: An analysis using a hybrid machine learning model. Borsa Istanbul Review, 24(2),
352–362. https://doi.org/10.1016/j.bir.2024.01.006
Naranjo, C. P., y Navas-Labanda, A. C. (2024). Economic growth in Latin America during the 19th
century. America Latina En La Historia Economica, 31(2).
https://doi.org/10.18232/20073496.1442
Saltık, Ö., Rehman, W. ul, Söyü, R., Değirmen, S., y Şengönül, A. (2023). Predicting loss aversion
behavior with machine-learning methods. Humanities and Social Sciences Communications,
10(1). https://doi.org/10.1057/s41599-023-01620-2
pág. 4630
Turner, J. A., y Klein, B. W. (2021). Improving on defaults: Helping pension participants manage
financial market risk in target date funds. Risks, 9(4). https://doi.org/10.3390/risks9040079
van Thiel, D., Elliott, K., Goedee, J., y Leenders, R. (2024). Responsible access to credit for sole-traders
and micro-organizations under unstable market conditions with psychometrics. European Journal
of Finance. https://doi.org/10.1080/1351847X.2024.2357569
Wang, J., y Xu, W. (2024). Conflictual language ideologies and mismatched language practices of Thai
international students at a Chinese-medium instruction university. Humanities and Social Sciences
Communications, 11(1). https://doi.org/10.1057/s41599-024-03427-1
Yang, Z. (2023). GameStop or Game Just Started? Leveling the Playing Field for Social Media Meme
Investors to Rebuild the Public’s Trust. Journal of Risk and Financial Management, 16(1).
https://doi.org/10.3390/jrfm16010013
Zabalza, A. (2021). Restructuring proposal for the spanish regional debt. Investigaciones Regionales,
2021(50), 71–103. https://doi.org/10.38191/iirr-jorr.21.012
Zentai, P., y Kovács, J. (2024). FINANCIAL BEHAVIOURAL INTENTIONS IN CORRELATION
WITH CONTEXTUAL CUES AND FINANCIAL LITERACY – A HUNGARIAN EMPIRICAL
STUDY. Economic Thought and Practice, 33(2), 521–537.
https://doi.org/10.17818/EMIP/2024/2.9
Turner, J. A., y Klein, B. W. (2021). Improving on defaults: Helping pension participants manage
financial market risk in target date funds. Risks, 9(4). https://doi.org/10.3390/risks9040079
van Thiel, D., Elliott, K., Goedee, J., y Leenders, R. (2024). Responsible access to credit for sole-traders
and micro-organizations under unstable market conditions with psychometrics. European Journal
of Finance. https://doi.org/10.1080/1351847X.2024.2357569
Wang, J., y Xu, W. (2024). Conflictual language ideologies and mismatched language practices of Thai
international students at a Chinese-medium instruction university. Humanities and Social Sciences
Communications, 11(1). https://doi.org/10.1057/s41599-024-03427-1
Yang, Z. (2023). GameStop or Game Just Started? Leveling the Playing Field for Social Media Meme
Investors to Rebuild the Public’s Trust. Journal of Risk and Financial Management, 16(1).
https://doi.org/10.3390/jrfm16010013
Zabalza, A. (2021). Restructuring proposal for the spanish regional debt. Investigaciones Regionales,
2021(50), 71–103. https://doi.org/10.38191/iirr-jorr.21.012
Zentai, P., y Kovács, J. (2024). FINANCIAL BEHAVIOURAL INTENTIONS IN CORRELATION
WITH CONTEXTUAL CUES AND FINANCIAL LITERACY – A HUNGARIAN EMPIRICAL
STUDY. Economic Thought and Practice, 33(2), 521–537.
https://doi.org/10.17818/EMIP/2024/2.9
pág. 4631
ANEXOS
Anexo 1. Distribución de los días de mora según nivel educativo.
Nota. Elaboración propia a partir de los datos analizados.
Anexo 2. Distribución de los días de mora según categoría crediticia.
Nota. Elaboración propia a partir de los datos analizados.
ANEXOS
Anexo 1. Distribución de los días de mora según nivel educativo.
Nota. Elaboración propia a partir de los datos analizados.
Anexo 2. Distribución de los días de mora según categoría crediticia.
Nota. Elaboración propia a partir de los datos analizados.