83
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
IMPACTO DE LA GESTIÓN FINANCIERA Y RECAUDACIÓN
TRIBUTARIA EN ECUADOR ANTE LA COVID-19
IMPACT OF THE FINANCIAL STEP AND TRIBUTARY
COLLECTION IN ECUADOR IN THE PRESENCE OF THE
COVID-19
Narciso Roberto Yoza Rodríguez
Docente, Universidad Estatal del Sur de Manabí, (Ecuador).
E-mail: narciso.yoza@unesum.edu.ec ORCID: https://orcid.org/0000-0002-2894-2302
Xavier Enrique Soledispa Rodríguez
Docente, Universidad Estatal del Sur de Manabí, (Ecuador).
E-mail: xavier.soledispa@unesum.edu.ec ORCID: https://orcid.org/0000-0001-8754-9159
Adela del Jesús Lucio Pillasagua
Docente, Universidad Estatal del Sur de Manabí, (Ecuador).
E-mail: adela.lucio@unesum.edu.ec ORCID: https://orcid.org/0000-0001-6099-9168
Recepción:
20/08/2020
Aceptación:
02/11/2020
Publicación:
18/12/2020
Citación sugerida:
Yoza, N. R., Soledispa, X. E., y Lucio, A. del J. (2020). Impacto de la gestión nanciera y recaudación
tributaria en Ecuador ante la COVID-19. 3C Empresa. Investigación y pensamiento crítico. Edición
Especial COVID-19: Empresa, China y Geopolítica, 83-99. https://doi.org/10.17993/3cemp.2020.
edicionespecial1.83-99
84
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
RESUMEN
El impacto de la gestión nanciera y recaudación tributaria en Ecuador ante la COVID-19,
es un tema de análisis profundo para el entendimiento del papel de los impuestos como
política redistributiva de la riqueza de cualquier gobierno y en particular de Ecuador,
donde en dicho gobierno se ha logró rediseñar un sistema impositivo que permite incluir
más impuestos directos y progresivos los que se corresponden con la Constitución y el
Plan Nacional para el Buen Vivir (PNBV), situación que actualmente ha cambiado,
producto a la incidencia ocasionada por la COVID-19, donde los gobiernos han impuesto
medidas positivas para la salud, pero que inciden en la actividad económica, en particular
en la tributación del Ecuador, la comercialización y otras actividades económicas que
se encuentran vinculadas con los escenarios que esta pandemia ha ocasionado. Por tal
motivo, en el presente trabajo se realiza un análisis del impacto de la gestión nanciera y
recaudación tributaria en Ecuador ante la COVID-19, a través de un modelo de regresión
logística basado en distancias, donde los criterios de calidad de ajuste se analizan de acuerdo
con el índice de Gini, junto con la representación gráca ROC. También se calculan las
probabilidades de mala clasicación y unas funciones de costo del error para apoyar la toma
de decisiones sobre los aspectos más signicativos para la mejora de la gestión nanciera y
recaudación tributaria en Ecuador ante la COVID-19.
PALABRAS CLAVE
Gestión nanciera, Recaudación tributaria, Modelo de regresión logística, índice de Gini,
COVID-19.
85
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
ABSTRACT
The impact of the nancial step and tributary collection in Ecuador in the presence of the COVID-19, it is
a topic of deep analysis for the understanding of the paper of the taxes as redistributive politics of the wealth
of any government and specially of Ecuador, where in this govern has achieved redesign an impositions system
it permits include direct and progressive taxes more those who it is corresponded with the constitution and the
Nacional plain for the good life (PNBV), situation that it has at present changed, product to the dangerous
incidence for the COVID-19, where the governments have imposed measured positive for the health, but that
it fall in the economic activity, especially in the paying of taxes of the Ecuador, the commercialization and
other economic activities that are found related with the stages that this pandemic has occasioned. For such
motive, at present work an analysis of the impact of the nancial step and tributary collection are carried
out in Ecuador, in the presence of the COVID-19, through a model of logistic regression based on put at a
distance, where the criterions of quality of t it is analyzed in agreement with the index of Gini, together
with the graph ROC representation. Also the probabilities are calculated of classication mail and some
functions of cost of the error to lean it take of decisions on the more signicant aspects for the improvement
of the nancial step and tributary collection in Ecuador, in the presence of the COVID-19.
KEYWORDS
Financial step, Tributary collection, Model of logistic regression, Index of Gini, COVID-19.
86
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
1. INTRODUCCIÓN
La COVID-19 es una enfermedad que ha azotado países y continentes, ha causado un
nivel inusitado de sufrimiento humano, agitación social y daño económico. Ha provocado
una crisis, que se ha expandido sin precedente alguno, el coronavirus es el nuevo sucesor de
un linaje de enfermedades que han emergido en décadas recientes y que han ocasionado
impactos negativos en las economías de todos los países de América Latina y el Caribe.
En la actualidad, una de las economías afectadas es la de Ecuador, en este país, se vive una
crisis sanitaria, humana y económica, que evoluciona continuamente junto a la pandemia,
las economías se cierran y paralizan las sociedades al entrar en cuarentenas más o menos
severas y es así como los comerciantes se han visto afectados ante esta situación.
En Ecuador, con la actual crisis, se evidencia una carencia tributaria donde los ciudadanos
junto con la complejidad y limitaciones de la normativa legal en el ámbito tributario, que
son elementos sobre los cuales un segmento de los contribuyentes se ha amparado para
buscar mecanismos que permitan pagar la menor cantidad de impuestos, no pueden realizar
sus pagos y a su vez beneciarse de los incentivos tributarios, lo que incide en el nivel de
vida de los ciudadanos. Las continuas reformas a la norma tributaria se ven limitadas en
el establecimiento de una conciencia tributaria para la mejora económica del país y en
particular de los ciudadanos. Además, producto de la enfermedad de la COVID-19, se han
incumplido las obligaciones tributarias y por ende se han disminuido los mecanismos de
evasión o elusión que provoca el no pago de impuestos.
Basado en lo antes referido, es de destacar que el impacto que ha provocado la COVID-19,
es negativo, los contribuyentes se encuentran ante mecanismo incorrectos que pueden
a largo plazo acarrear multas, intereses y sanciones por los servicios de rentas internas.
Estas razones provocaran desmotivación de los propietarios y ocasionaran decisiones
desfavorables desde el punto de vista económico, que serán traducidas como una recesión
social y económica para el país y el sector en el que se desenvuelven.
Estudios y resultados expuestos en Salles Sainz Grant Thornton S.C. (2020), reeren que
las empresas, las PYMES, la gestión nanciera y la recaudación tributaria, experimenten
difíciles etapas ante la COVID-19, debido a la conuencia entre las constantes crisis que
87
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
el sistema económico mundial padece, la globalización, la creciente competitividad, el
incremento de las demandas de los clientes, las restricciones bancarias y el dinamismo
de los mercados. Todo lo cual crea una incertidumbre que conlleva al análisis de cuánto
durará la crisis, qué forma podría tener la recuperación, aspectos de suma importancia y
que inciden en el impacto de la gestión nanciera y recaudación tributaria de los países de
América Latina y el Caribe y en particular en Ecuador.
Cuestas y Góngora (2014) en el estudio realizado sobre el análisis crítico de la recaudación
y composición tributaria en Ecuador, constataron la importancia que reviste entender el
papel de los impuestos en una política redistributiva de la riqueza de cualquier gobierno
y en particular de Ecuador, donde en dicho gobierno se ha logrado rediseñar un sistema
impositivo que permite incluir más impuestos directos y progresivos los que se corresponden
con la Constitución y el Plan Nacional para el Buen Vivir (PNBV). Sin embargo, actualmente
la recaudación y composición tributaria en Ecuador sufre un desbalance sin precedente que
afecta a la población debido a la repromisión del PNBV.
Al respecto, los autores citados, reeren que el tema posee múltiples aristas, pero las más
importantes para analizar la situación actual son las relativas a la signicatividad de los
impuestos relativos al Valor Agregado (IVA), Impuesto a la Renta (IR), Impuesto a los
Consumos Especiales (ICE) e Impuesto a Salida de Divisas (ISD). Paz (2015), hacen
referencia en sus estudios a como la institución pública en Ecuador, es la encargada de
determinar, recaudar y controlar tributos para el Estado, lo cual tiene la nalidad de
estimular la inversión, el ahorro, el empleo y la distribución de la riqueza nacional, según
lo estipulado por la Constitución Política del Ecuador (2008), aspectos que también poseen
un impacto negativo ante la COVID-19.
Dentro de los impactos negativos que sufre hoy el Ecuador, se encuentra lo impuesto por
el Código Tributario (2016) de Ecuador, afectándose signicativamente los principios de
generalidad, legalidad, igualdad, proporcionalidad e irretroactividad que históricamente
permanecieron en Ecuador, en donde los impuestos han tenido una constante evolución
desde la época colonial hasta la época republicana. Los primeros indicios de tributación en
el país se registran durante la Colonia, como una imposición del rey a sus plebeyos, para su
dominación (SRI, 2014).
88
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
Paz (2015) reejaron que los años de bonanza en Ecuador, terminaron en la década de
los 80, donde existió, desde ese entonces, una inestabilidad económica en el país, la que
perduró hasta la década de los 90, donde existió una afectación en el sistema tributario,
debido a las permanentes reformas scales, ya en el año 2000, la estabilidad económica
retornó al Ecuador con la dolarización. Sin embargo, en la actualidad se aprecia un impacto
negativo que incide en la gestión nanciera y recaudación tributaria en Ecuador producto
a la COVID-19.
También los ingresos tributarios recaudados que según Baistrocchi (2017), se encuentran
afectados de forma signicativa, e incide con impacto negativo en el Presupuesto General del
Estado, lo que afecta la eciencia económica, la simplicidad, exibilidad, responsabilidad
política y equidad social. Todo lo cual impide que se generen oportunidades para los que
menos tienen y a su vez esto trae consigo que el país caiga en el deterioro de las capacidades
productivas y del capital humano y en el aumento de la pobreza y la pobreza extrema.
De acuerdo con los aspectos más signicativos que provocan un impacto negativo en la
gestión nanciera y recaudación tributaria en Ecuador ante la COVID-19 se analizara la
incidencia de dicho impacto negativo a través de un modelo de regresión logística basado
en distancias, donde los criterios de calidad de ajuste se analizan de acuerdo con el índice
de Gini, junto con la representación gráca ROC. Se calculan las probabilidades de mala
clasicación y unas funciones de costo del error para apoyar la toma de decisiones, sobre
los aspectos más signicativos, que provocan impactos negativos ante la COVID-19 y que
requieren de una mejora en la gestión nanciera y recaudación tributaria en Ecuador.
La técnica de regresión logística se utiliza con frecuencia para los estudios de diferentes
puntos de corte dentro del intervalo (0,1). Por lo que esta técnica se utiliza en el presente
trabajo para analizar el impacto de la gestión nanciera y recaudación tributaria en
Ecuador ante la COVID-19.
Por otra parte, se analizan como medidas de calidad de ajuste a través del índice de Gini,
y se realiza la representación gráca de la curva ROC obtenida con regresión logística. En
la curva ROC se representan los resultados para diferentes puntos de corte teniendo en
cuenta el coeciente K-S, cuyo máximo genera un óptimo según dicho criterio.
89
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
El índice de Gini se calcula únicamente como medida global del modelo, pues tiene en
cuenta todos los puntos de corte adecuados o no. Además, para completar el estudio se
calculan las probabilidades de mala clasicación y las funciones de coste del error que se
describieron en Boj et al. (2009) como criterios de elección de modelo de credit scoring, para
diferentes puntos de corte. Cabe destacar como novedad que en este estudio los cálculos
se realizan haciendo uso de la función “dbglm” del paquete dbstats de R (Boj et al., 2012).
2. METODOLOGÍA
Para analizar el impacto de la gestión nanciera y recaudación tributaria en Ecuador ante
la COVID-19, se utiliza el modelo de regresión logística sobre el algoritmo iterativo de
estimación por mínimos cuadrados ponderados) es una versión de la regresión logística clásica
en el ámbito no paramétrico. Es no paramétrico, puesto que la única información requerida
en el espacio de los predictores es una matriz de distancias al cuadrado, D2, calculada
mediante una función de distancias a partir de los predictores originales, usualmente de
tipo mixto en el caso del riesgo de la gestión nanciera y recaudación tributaria. La variable
respuesta en credit scoring se construye al codicar con 1 a los individuos que han resultado
insolventes en el periodo de estudio y con 0 a los que no.
La predicción de las probabilidades de insolvencia para cada uno de los n individuo en la
población ω se estima como se muestra en la Ecuación 1.
(1)
Al obtener el punto de corte s, se calcula la matriz de confusión, útil para conocer los
criterios de calidad de ajuste con los que elegir un punto de corte “óptimo” para los datos
determinados sobre el impacto de la gestión nanciera y recaudación tributaria en Ecuador
ante la COVID-19. En el caso de riesgo de la gestión nanciera y recaudación tributaria,
para la determinación del punto de corte o valor del score s a partir del cual decidir si existe
una ineciente gestión nanciera y por ende una mala recaudación tributaria, se utiliza la
denominada curva ROC (Receiver Operating Characteristic o Característica Operativa del Receptor).
90
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
La curva ROC fue desarrollada inicialmente por ingenieros para la estimación de errores
en la transmisión de mensajes y se ha aplicado posteriormente en áreas como la medicina
y la estadística. A partir de la matriz de confusión calculada con el modelo de regresión
logística se calculan las razones de verdaderos positivos y falsos positivos.
En nuestro caso, los verdaderos positivos son aquellos malos riesgos en la gestión nanciera
y por ende una mala recaudación tributaria, los que se consideran riesgos predichos como
malos (en la matriz de confusión el elemento
) y los falsos positivos son aquellos buenos
riesgos en la gestión nanciera y por ende buenos en recaudación tributaria, considerados
riesgos predichos como buenos (en la matriz de confusión el elemento
). Grácamente,
en un espacio ROC, se pueden representar los intercambios entre verdaderos positivos (eje
de ordenadas) y falsos positivos (eje de abscisas).
Reyes et al. (2007) reeren que para otras interpretaciones posibles de la curva ROC,
resulta útil representar la Sensibilidad (eje de ordenadas) frente a (1 – Especicidad) (eje de
abscisas). Para el cálculo de la sensibilidad y especicidad, en función de los elementos de la
matriz de confusión, se aplican las Ecuaciones 2 y 3 respectivamente.
(2)
Representa la proporción de malos riesgos en la gestión nanciera y por ende una mala
recaudación tributaria, predichos como malos.
(3)
Representa la proporción de buenos riesgos en la gestión nanciera y por ende una buena
recaudación tributaria, predichos como buenos.
En el modelo de regresión logística, según se van variando los puntos de corte o frontera,
s, se obtienen los distintos puntos que conforman la curva ROC. Para medir la calidad
del modelo de credit scoring, se utilizan los índices cuantitativos como el índice de Gini, o el
coeciente K-S, que se basan en la función de distribución o probabilidades acumuladas.
91
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
El índice de Gini es una medida global de calidad del modelo, mientras que en el coeciente
K-S, es independiente de medir para obtener su calidad de ajuste e identica el valor del
score para el cual se maximiza dicho coeciente, y es “ideal” si el punto de corte “esperado”
es cercano a dicho score (Řezáč y Řezáč, 2011). Para el análisis del impacto de la gestión
nanciera y recaudación tributaria en Ecuador ante la COVID-19, se representa la curva
ROC para obtener grácamente el punto de corte que permite maximizar el coeciente
K-S, el procedimiento de construcción de la curva es el que se describe a continuación,
propuesto por Íñiguez y Morales (2009).
a. Ordenar los valores de los puntos de corte, s, de manera ascendente.
b. Calcular la proporción de buenos y malos riesgos que comparten el mismo punto de
corte p
b
(s) y p
m
(s), (Ecuación 4 y 5); donde:
(4)
(5)
c. Calcular la proporción acumulada de buenos y malos riesgos en la gestión nanciera
y por ende la recaudación tributaria P
b
(S) y P
m
(S) tal y como se muestra en las
ecuaciones 6 y 7:
(6)
(7)
d. Calcular las diferencias entre proporciones acumuladas por punto de corte entre
buenos y malos riesgos en la gestión nanciera y por ende la recaudación tributaria:
|P
b
(S) - P
m
(S)|
e. Identicar el punto de corte sˆ* que proporciona la máxima diferencia absoluta del
coeciente K-S: K-S=máx
s
{|P
m
(S)-P
b
(S)|}
Para conocer la medida de calidad global del modelo se calcula el índice de Gini, que se
calcula a partir de la expresión 8, propuesta por Íñiguez y Morales (2009):
92
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
(8)
Donde:
P
m
(S
i
): proporción acumulada de malos riesgos en la gestión nanciera y por ende la
recaudación tributaria, para un score S
i
.
P
m
(S
i-1
): proporción acumulada de malos riesgos en la gestión nanciera y por ende la
recaudación tributaria, para el score anterior a S
i
.
P
b
(S
i
): proporción acumulada de buenos riesgos en la gestión nanciera y por ende la
recaudación tributaria, para un score S
i
.
P
b
(S
i-1
): proporción acumulada de buenos riesgos en la gestión nanciera y por ende la
recaudación tributaria, para el score anterior a S
i
.
El modelo “ideal”, es decir, que predice exactamente los buenos y malos riesgos, en la
gestión nanciera y por ende la recaudación tributaria, tendrán un índice de Gini, igual a
1; en caso contrario, el modelo asignaría un score aleatorio al cliente y tendría un índice de
Gini, igual a 0, según reeren (Řezáč y Řezáč, 2011).
De acuerdo con el procedimiento descrito y para en análisis del impacto de la gestión
nanciera y recaudación tributaria en Ecuador ante la COVID-19, en el presente trabajo
se maximiza el coeciente K-S para la obtención de un punto de corte “óptimo”, sˆ*, según
dicho criterio. El coeciente K-S, se representa grácamente en una curva ROC.
Por otro lado, el índice de Gini se calcula como medida global de calidad de ajuste, pues
tiene en cuenta los mismos datos que el coeciente K-S para todo el repertorio de puntos
de corte entre 0 y 1. El índice de Gini, no ofrece un punto de corte óptimo, pero resulta útil
para comparar distintos modelos para un mismo conjunto de datos.
93
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
3. RESULTADOS
Para analizar el impacto de la gestión nanciera y recaudación tributaria en Ecuador
ante la COVID-19, se realizó una recopilación de datos que hacen referencia al riesgo
asociado a la gestión nanciera y recaudación tributaria en Ecuador ante la COVID-19,
especícamente, los datos se recopilaron de los meses abril junio del 2020, en Jipijapa,
Manabí, Ecuador. Los datos recopilados se almacenaron en una Base de Datos, donde el
conjunto de datos considerados como predictores son de tipo mixto y el número de datos
faltantes es reducido.
Para las variables continuas, los datos faltantes fueron reemplazados por la media de la
variable correspondiente, y para las variables categóricas y binarias éstos fueron reemplazados
por la moda. En total la Base de Datos contiene n = 500 individuos que poseen incidencia
con la gestión nanciera y recaudación tributaria en Ecuador ante la COVID-19, de los
cuales 200 de estos individuos fueron buenos riesgos en la gestión nanciera y por ende
una buena recaudación tributaria, predichos como buenos riesgos y 300 individuos fueron
considerados malos riesgos en la gestión nanciera y por ende malos en la recaudación
tributaria, predichos como malos riesgos.
Los factores potenciales de riesgo son 16, de los cuales 8 son continuos, 6 categóricos y 2
binarios. A partir de los 16 predictores mixtos, se calculó la matriz de distancias, D2, como
la suma pitagórica dada por la fórmula 1, de Boj et al. (2009) donde se tuvo en cuenta el
índice de similaridad de Gower (1971), para cada una de las variables individualizadas.
Descritos los datos a tener en cuenta se estima la regresión logística a través de la “dbglm”
del paquete de R dbstats (Boj et al., 2012), donde se especica que la distribución del error
es Binomial, al respecto se obtiene la estimación en la variable dbglmaus$tted.values, con
la que se calculan las matrices de confusión para diferentes puntos de corte.
En la Tabla 1, se muestran los cálculos del coeciente K-S, para representar la curva ROC
(Figura 1), para distintos puntos de corte, de acuerdo a los datos almacenados en la Base
de Datos.
94
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
Tabla 1. Cálculo del coeciente K-S para diferentes puntos de corte en el intervalo (0, 1).
Punto
de corte
Cálculo del coeciente K-S
Proporción buenos riesgos en
la gestión nanciera y por ende
una buena recaudación tributaria,
predichos como buenos riesgos
acumulados
Proporción de malos riesgos en la
gestión nanciera y por ende una mala
recaudación tributaria, predichos como
malos riesgos acumulados
K-S
0.05 0.0154 0.0394 0.0242
0.1 0.0343 0.0757 0.0416
0.15 0.0559 0.1097 0.0540
0.2 0.0785 0.1430 0.0647
0.25 0.1026 0.1752 0.0728
0.3 0.1280 0.2062 0.0784
0.35 0.1539 0.2370 0.0833
0.4 0.1803 0.2673 0.0873
0.45 0.3165 0.4153 0.0990
0.5 0.4565 0.5605 0.1040
0.55 0.6017 0.7015 0.0999
0.6 0.7506 0.8396 0.0893
0.65 0.7819 0.8660 0.0843
0.7 0.8141 0.8916 0.0777
0.75 0.8470 0.9168 0.0699
0.8 0.8817 0.9405 0.0590
0.85 0.9180 0.9629 0.0451
0.9 0.9568 0.9833 0.0267
0.95 1 1 0
Fuente: elaboración propia, basado en paquete de R dbstats (Boj et al., 2012).
De acuerdo con los datos obtenidos en la Tabla 1, los valores del K-S, para los puntos de
corte del intervalo [0.45, 0.55], son los valores más altos de que se obtienen. Basado en el
resultado obtenido, se realiza el cálculo del coeciente K-S, para diferentes puntos de corte
en el intervalo [0.45, 0.55], con los datos de riesgo en la gestión nanciera y por ende en
recaudación tributaria, para la obtención del punto de corte que maximiza el K-S, en la
Tabla 2, se muestra los resultados obtenidos.
95
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
Tabla 2. Cálculo del coeciente K-S para diferentes puntos de corte en el intervalo [0.45, 0.55], con los datos de
riesgo en la gestión nanciera y por ende en la recaudación tributaria acumulados.
Punto
de corte
Cálculo del K-S
Proporción buenos riesgos en
la gestión nanciera y por ende
una buena recaudación tributaria,
predichos como buenos riesgos
acumulados
Proporción malos riesgos en la
gestión nanciera y por ende una mala
recaudación tributaria, predichos como
malos riesgos acumulados
K-S
0.45 0.3165 0.4153 0.0990
0.46 0.3440 0.4445 0.1006
0.47 0.3718 0.4737 0.1020
0.48 0.3997 0.5028 0.1032
0.49 0.4280 0.5316 0.1037
0.5 0.4565 0.5605 0.1040
0.51 0.4849 0.5890 0.1041
0.52 0.5135 0.6175 0.1042
0.53 0.5427 0.6456 0.1030
0.54 0.5721 0.6735 0.1015
0.55 0.6017 0.7015 0.0999
Fuente: elaboración propia, basado en paquete de R dbstats (Boj et al., 2012).
De acuerdo con los resultados obtenidos en la Tabla 2, se obtiene que punto de corte que
máxima K-S, es igual 0.52. En el gráco, Figura 1, se representa la curva ROC y el punto
de corte que maximiza el K-S, que se corresponde con el punto en la curva ROC cuya
distancia horizontal al eje es máxima (Balzarotti y Castelpoggi, 2009).
Figura 1. Curva ROC para los datos de riesgo en la gestión nanciera y por ende en la recaudación tributaria.
Fuente: elaboración propia.
96
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
El índice de Gini se calcula para el análisis de las proporciones de buenos y malos riesgos
en la gestión nanciera y por ende en la recaudación tributaria, acumuladas, es decir, que
se utilizan para el análisis de las proporciones, los mismos datos con los que se obtuvo el
valor del coeciente K-S. A través de los datos de riesgo para el análisis del impacto de la
COVID-19, en la gestión nanciera y recaudación tributaria en Ecuador, en el periodo de
análisis, se obtiene el índice de Gini, es igual 0.16.
El resultado obtenido, a través del índice Gini, es un valor pequeño, pero similar al que se
obtiene con regresión logística clásica, que es de 0.20. Este índice para los datos obtenidos y
representados en las Tablas 1 y 2, de acuerdo con la regresión logística en sus dos versiones,
constituye un método competitivo, que es a su vez un indicador del ajuste global para los
modelos de regresión logística.
4. CONCLUSIONES
En el presente trabajo se realizó un abordaje del impacto de la gestión nanciera y
recaudación tributaria en Ecuador ante la COVID-19, de acuerdo con la situación
impuesta por la COVID-19, en América Latina y en particular en Ecuador, se analiza con
profundidad tal situación que en la economía ecuatoriana representa un impacto negativo.
El análisis se sustentó a través de una regresión logística basado en distancias, donde los
criterios de calidad de ajuste se analizan de acuerdo con el índice de Gini, junto con la
representación gráca ROC.
También se calculan las probabilidades de mala clasicación y unas funciones de costo del
error para apoyar la toma de decisiones sobre los aspectos más signicativos para la mejora
gestión nanciera y recaudación tributaria en Ecuador ante la COVID-19. Con los datos
almacenados en la Base de Datos, creada previamente para el análisis del impacto que se
propone en este trabajo se obtienen buenos resultados con la regresión logística y punto de
corte 0.5 en comparación con otras técnicas de credit scoring (Tablas 1 y 2).
Se mejora y amplía el estudio para los datos analizados, a través de los puntos de corte
obtenidos. Debido a que los datos son balanceados, y a es posible obtener un resultado
sobre el punto de corte “óptimo” con el criterio K-S el cual es igual a 0.52. De acuerdo con
los resultados obtenidos, es de destacar que, para el conjunto de datos analizado, el punto
97
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
de corte “esperado” era de 0.55, ya que n = 500, de los cuales 200 eran buenos riesgos y
300 malos. Sin embargo, se obtienen los siguientes resultados:
El punto de corte que maximiza el coeciente K-S es de 0.52.
El índice de Gini de calidad global del modelo es de 0.16.
Se obtiene que el punto de corte que minimiza las probabilidades globales de mala
clasicación es de 0.5 con una probabilidad de 0.067. Las probabilidades de mala
clasicación de buenos riesgos, malos riesgos y global para el punto de corte 0.52 obtenido
con el coeciente K-S son 0.083, 0.062 y 0.072 respectivamente.
Los puntos de corte que minimizan el costo cuando las probabilidades a priori de malos
riesgos son respectivamente de 0.147 y de 0.251 son de 0.5 y 0.3. Los costos calculados para
el punto de corte de 0.52 obtenido con el coeciente K-S es de 0.112.
Tanto si comparamos las probabilidades de mala clasicación, de malos riesgos y global,
como si comparamos los costos del error para el punto de corte 0.52 obtenido con el
coeciente K-S, la regresión logística sigue siendo la técnica con menores valores y por lo
tanto la mejor de acuerdo con los resultados obtenidos (Tablas 1 y 2).
REFERENCIAS BIBLIOGRÁFICAS
Baistrocchi, E. (2017, 10 de enero). Hacia un nuevo sistema tributario. La Nación. https://
www.lanacion.com.ar/opinion/hacia-un-nuevo-sistema-tributario-nid1974434/
Balzarotti, V., y Castelpoggi, F. (2009). Modelos de puntuación crediticia: la falta
de información y el uso de datos de una central de riesgos. Ensayos Económicos
(Banco Central de la República Argentina), 56, 95–156. http://www.bcra.gov.ar/Pdfs/
Investigaciones/56_Balzarotti.pdf
Boj, E., Caballé, A., Delicado, P., y Fortiana, J. (2012). dbstats: Distance based statistics
(dbstats). R package version 1.0.2.
98
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020
Boj, E., Claramunt, M. M., Esteve, A., y Fortiana, J. (2009). Criterios de selección
de modelo en credit scoring, aplicación del análisis discriminante basado en distancias.
Anales del Instituto de Actuarios Españoles, Tercera Época, 15, 209–230. https://dialnet.
unirioja.es/servlet/articulo?codigo=3081558
Cuestas, J., y Góngora, S. (2014). Análisis Crítico de la Recaudación y Composición
Tributaria en Ecuador 2007-2012. Revista EPN, 34(1). https://revistapolitecnica.epn.
edu.ec/images/revista/volumen34/tomo2/AnalisisCriticodelaRecaudacion.pdf
Gower, J. C. (1971). A general coecient of similarity and some of its properties. Biometrics,
27(4), 857–874. https://doi.org/10.2307/2528823
Iñiguez, C. A., y Morales, M. G. (2009). Selección de perles de clientes mediante regresión
logística para muestras desproporcionadas, validación, monitoreo y aplicación en la proyección de
provisiones [Proyecto de Fin de Carrera]. Escuela Politécnica Nacional, Ecuador.
Paz, J. J. (2015). Historia de los Impuestos en Ecuador. SRI- PUCE. Código Tributario (2016) de
Ecuador. http://www.historiaypresente.com/hyp/wp-content/uploads/2016/11/
Historia-Impuestos-Ecuador.pdf
Reyes, J., Escobar, C., Duarte, J., y Ramírez, P. (2007). Una aplicación del modelo de
regresión logística en la predicción del rendimiento estudiantil. Estudios Pedagógicos,
33(2), 101–120. http://dx.doi.org/10.4067/S0718-07052007000200006
Řezáč, M., y Řezáč, F. (2011). How to Measure the Quality of Credit Scoring Models? Journal
of Economics and Finance, 61(5), 486–507. http://journal.fsv.cuni.cz/storage/1228_
rezac.pdf
Salles Sainz Grant Thornton S.C. (2020). Crecer a pesar del COVID-19. https://www.
grantthornton.mx/prensa/marzo_20202/Crecer_a_pesar_del_COVID19/
Servicio de Rentas Internas. (2014). Resolución: NAC-DGECCGC14-00001079.
99
https://doi.org/10.17993/3cemp.2020.edicionespecial1.83-99
3C Empresa. Investigación y pensamiento crítico. ISSN: 2254-3376 Edición Especial Special Issue Diciembre 2020