La Degradación Ambiental Como Consecuencia Del Crecimiento Económico

CURVA AMBIENTAL DE KUZNETS PARA EL PERÚ
LA DEGRADACIÓN AMBIENTAL COMO CONSECUENCIA

DEL CRECIMIENTO ECONÓMICO: UNA REVISIÓN DE LA
Cristian Edward López Calsin
RESUMEN
El presente trabajo busca determinar la relación entre crecimiento económico y
degradación ambiental en el Perú durante el periodo 1985 – 2015, Para ello se procesaron
31 datos acerca de la degradación ambiental medida como dióxido de carbono (CO2),
óxido de nitrógeno (NOX) y óxido de azufre (SOX), además del PBI per cápita a precios
constantes, todos ellos para el periodo de análisis propuesto. Dichos datos se procesaron
con software estadístico “Eviews 9” para realizar un proceso de regresión y obtener los
coeficientes de las variables independientes, así como la validación de los supuestos del
modelo. Se obtuvieron resultados esperados, pues básicamente existe una relación
positiva entre las emisiones de NOX y SOX y el Producto Bruto Interno per cápita, que
se aproximó al planteamiento teórico de distintos autores, hallando así el coeficiente
como la elasticidad ingreso de la degradación, así como el nivel de ingreso que maximiza
la contaminación. Se encontró que las series tienen raíz unitaria, por lo que son no
estacionarias en niveles y son estacionarias en primeras diferencias. Finalmente se aplicó
el método de cointegración de Pesaran, Shin y Smith, planteando su Modelo de
Corrección de Errores y el ARDL, estableciendo relaciones de largo plazo y conclusiones
satisfactorias basado en la hipótesis de la curva ambiental de Kuznets.
Palabras Clave: Curva ambiental de Kuznets, degradación ambiental.
ABSTRACT
This paper seeks to determine the relationship between economic growth and
environmental degradation in Peru during the period 1985 – 2015. To this end, 31 data
were processed on the environmental degradation measured as carbon dioxide (CO2),
nitrogen oxide (NOX) and sulfur oxide (SOX), in addition to GDP per capita at constant
prices, all for the period of analysis proposed. These data were processed with statistical
software "Eviews 9" to perform a regression process and obtain the coefficients of the
independent variables, as well as the validation of the assumptions of the model. Expected
results were obtained, since basically there is a positive relationship between the NOX
and SOX emissions and the Gross Domestic Product per capita, which approached the
theoretical approach of different authors, finding the coefficient as the income elasticity
of the degradation, as well as the level of income that maximizes pollution. It was found
that the series have a unit root, so they are non-stationary in levels and are stationary in
first differences. Finally, the cointegration method of Pesaran, Shin and Smith was
applied, proposing its Error Correction Model and the ARDL, establishing long-term
relationships and satisfactory conclusions based on the hypothesis of the environmental
Kuznets curve.
Keywords: Kuznets environmental curve, environmental degradation.
1
ÍNDICE
1. INTRODUCCIÓN .................................................................................................... 4
2. PLANTEAMIENTO DEL PROBLEMA ................................................................. 4
2.1. FORMULACIÓN DEL PROBLEMA............................................................... 4
2.1.1. PROBLEMA GENERAL ........................................................................... 5
2.1.2. PROBLEMAS ESPECÍFICOS .................................................................. 5
2.2. OBJETIVOS ...................................................................................................... 5
2.2.1. OBJETIVO GENERAL ............................................................................. 5
2.2.2. OBJETIVOS ESPECÍFICOS ..................................................................... 5
2.3. HIPÓTESIS ....................................................................................................... 5
2.3.1. HIPÓTESIS GENERAL ............................................................................ 5
2.3.2. HIPÓTESIS ESPECÍFICAS ...................................................................... 5
3. MARCO TEÓRICO ................................................................................................. 6
3.1. BASES TEÓRICAS .......................................................................................... 6
3.2. ANTECEDENTES .......................................................................................... 11
4. METODOLOGÍA ................................................................................................... 12
4.1. MODELO ECONOMÉTRICO ........................................................................ 12
4.2. DESCRIPCIÓN DE VARIABLES ................................................................. 13
4.3. DATOS DE SERIES DE TIEMPO ................................................................. 15
4.4. METODOLOGÍA DE COINTEGRACIÓN POR BANDAS DE PESARAN,
SHIN Y SMITH (PSS) ............................................................................................... 16
5. RESULTADOS ...................................................................................................... 16
5.1. PRUEBAS DE RAÍZ UNITARIA Y DE ESTACIONARIEDAD DE LAS
SERIES ....................................................................................................................... 16
5.2. PUNTOS DE INFLEXIÓN DE LA CURVA AMBIENTAL DE KUZNETS 18
5.3. COINTEGRACIÓN POR BANDAS DE PESARAN, SHIN Y SMITH (PSS)
19
5.4. ESTIMACIÓN DE LA ELASTICIDAD INGRESO DE LA DEGRADACIÓN
AMBIENTAL............................................................................................................. 20
6. CONCLUSIONES .................................................................................................. 21
7. RECOMENDACIONES ........................................................................................ 22
8. BIBLIOGRAFÍA .................................................................................................... 23
9. ANEXOS ................................................................................................................ 24
2
ÍNDICE DE TABLAS
Tabla 1 DESCRIPCIÓN DE VARIABLES ................................................................... 13
Tabla 2 RESUMEN DE LAS PRUEBAS DE RAÍZ UNITARIA Y DE
ESTACIONARIEDAD DE LAS VARIABLES EN NIVELES .................................... 17
Tabla 3 : RESUMEN DE LAS PRUEBAS DE RAÍZ UNITARIA Y DE
ESTACIONARIEDAD DE LAS VARIABLES EN PRIMERAS DIFERENCIAS ...... 17
Tabla 4 PARÁMETROS ESTIMADOS Y PUNTO DE INFLEXIÓN DE LA CURVA
AMBIENTAL DE KUZNETS ....................................................................................... 18
Tabla 5 RESULTADO DEL TEST DE WALD PARA CADA MODELO................... 20
Tabla 6 ELASTICIDAD INGRESO DE LA DEGRADACIÓN AMBIENTAL SEGÚN
MODELO ARDL ........................................................................................................... 20
ÍNDICE DE ILUSTRACIONES
Ilustración 1: COMPORTAMIENTOS POSIBLES DE LA CURVA AMBIENTAL DE
KUZNETS ........................................................................................................................ 7
Ilustración 2 PERÚ: LOGARITMO DE LOS NIVELES DE DIÓXIDO DE CARBONO,
ÓXIDO DE NITRÓGENO Y ÓXIDO DE AZUFRE PER CAPITA EN
KILÓGRAMOS/HABITANTE 1985-2015 ................................................................... 14
Ilustración 3 PERÚ: LOGARITMO DEL PBI PER CÁPITA (S/2007) 1985-2015 ...... 15
3
1. INTRODUCCIÓN
El análisis econométrico de la relación entre crecimiento económico y degradación
ambiental, se desarrolla según los criterios de teoría económica y un análisis estadístico
que contempla aplicaciones matemáticas, como ejes fundamentales para la estimación del
modelo. De tal forma, se toman datos en base a las variables consideradas por la teoría
macroeconómica, tales como el PBI per cápita (S/ 2007) y la cantidad de contaminantes
per cápita de dióxido de carbono (CO2), óxido de nitrógeno (NOX) y óxido de azufre
(SOX) como indicadores de degradación ambiental. Siendo el modelo de datos de series
de tiempo, considerando el comportamiento de dichas variables de forma anual, durante
el periodo comprendido entre 1985 y 2015.
Se resalta la importancia del análisis econométrico de la hipótesis de la curva ambiental
de Kuznets, porque permite verificar la existencia de una relación de largo plazo entre la
degradación ambiental como variable explicada, y el nivel de ingreso per cápita como
variables explicativa. Además permite estudiar el comportamiento de corto plazo de las
variables mencionadas. Por otra parte, la estimación de la curva ambiental de Kuznets, es
un tema abordado de manera constante por parte de diversos autores e investigadores,
cuyos resultados y conclusiones son tratados en los antecedentes.
Durante el desarrollo de la metodología, se determina el modelo econométrico
normalizado con logaritmos, considerando las variables identificados según criterio de
teoría macroeconómica. Se hacen las pruebas de raíz unitaria de Dickey – Fuller
Aumentado, de Phillips – Perrón y de Kwiatkoswki-Phillips-Schmidt-Shin.
Posteriormente, al saber el orden de integración de las variables, se aplican las
metodologías de cointegración de Engle – Granger, de Johansen y de Pesaran, Shin y
Smith, medios por el cual se realizan sus respectivos Modelos de Corrección de Errores,
considerando el modelo ARDL, como el mejor para decisiones de política económica; lo
cual permitirá tener una mejor aproximación del modelo lineal estimado, hacia el modelo
poblacional y no cometer errores de estimación.
Con el Modelo de Corrección de Errores planteado, se realiza una interpretación
estadística, mediante la interpretación de la relevancia y dependencia de las variables. Por
último, se realiza una interpretación económica de los modelos, determinando el efecto
sobre la contaminación del medioambiente, ocasionado por un cambio en la variable
dependiente, a través de marginalidad y elasticidad. La estimación de la elasticidad
ingreso de la degradación ambiental, es necesaria para evaluar el impacto de medidas de
políticas tomadas y para determinar si las simplificaciones que se hacen de la realidad,
son confiables en términos de proyección.
2. PLANTEAMIENTO DEL PROBLEMA

2.1. FORMULACIÓN DEL PROBLEMA
El Perú se encuentra entre los diez países con mayor biodiversidad del planeta, por ello,
el país es muy vulnerable a los efectos de la contaminación medioambiental. Como lo
manifiesta el Programa de las Naciones Unidad para el Desarrollo (PNUD) (2018): “La
megadiversidad peruana se encuentra en riesgo debido a la creciente urbanización, los
proyectos de infraestructura vial y energética, las actividades extractivas, la
contaminación, el tráfico ilícito de especies y la caza indiscriminada”. De tal forma, la
4
XX Conferencia sobre Cambio Climático COP 20 llevada a cabo en el Perú el 2010,

describe que: “La temperatura del planeta está cambiando: la atmósfera y el océano se
han calentado, los volúmenes de nieve y hielo han disminuido, el nivel del mar se ha
elevado y las concentraciones de gases de efecto invernadero (GEI) han aumentado”. (XX
Conferencia sobre Cambio Climático COP 20 , 2015)
2.1.1. PROBLEMA GENERAL
¿Cuál es la relación entre crecimiento económico y degradación ambiental en el Perú
durante el periodo 1985 – 2015?
2.1.2. PROBLEMAS ESPECÍFICOS
 ¿Se demuestra el cumplimiento de la hipótesis de la curva ambiental de Kuznets
para un país en vías de desarrollo como el Perú durante el periodo 1985-2015?
 ¿Cuál es el nivel de ingreso per cápita para alcanzar un nivel degradación
ambiental máximo y posteriormente se mejore en términos de calidad ambiental
en el Perú durante el periodo 1985-2015?
 ¿Cuánto es la elasticidad ingreso de la degradación ambiental en el Perú durante
el periodo 1985-2015?
2.2. OBJETIVOS
2.2.1. OBJETIVO GENERAL
Determinar la relación entre crecimiento económico y degradación ambiental en el Perú
durante el periodo 1985 – 2015.
2.2.2. OBJETIVOS ESPECÍFICOS
 Demostrar el cumplimiento de la hipótesis de la curva ambiental de Kuznets para
un país en vías de desarrollo como el Perú durante el periodo 1985-2015.
 Estimar el nivel de ingreso per cápita para alcanzar un nivel degradación
en el Perú durante el periodo 1985-2015.
 Estimar la elasticidad ingreso de la degradación ambiental en el Perú durante el
periodo 1985-2015.
2.3. HIPÓTESIS
2.3.1. HIPÓTESIS GENERAL
La relación entre crecimiento económico y degradación ambiental en el Perú durante el
periodo 1985 – 2015 es directa hasta un cierto nivel de ingreso per cápita el cual permita
que la relación observada sea inversa, es decir, a partir de un nivel de ingreso per cápita,
la degradación ambiental disminuirá ante un mayor crecimiento económico.
2.3.2. HIPÓTESIS ESPECÍFICAS
 Se demuestra el cumplimiento de la hipótesis de la curva ambiental de Kuznets
para un país en vías de desarrollo como el Perú durante el periodo 1985-2015,
verificando el comportamiento de la relación ingreso-degradación ambiental en
forma de U invertida.
 Aún no se alcanza el nivel de ingreso per cápita para alcanzar un nivel degradación
5
en el Perú durante el periodo 1985-2015, puesto que el Perú se encuentra en la

senda expansiva de la curva ambiental de Kuznets.
 La elasticidad ingreso permite tratar a la degradación ambiental como un bien de
lujo.
3. MARCO TEÓRICO
3.1. BASES TEÓRICAS
El modelo teórico planteado por Andreoni & Levinson (1998), es el más aceptado
actualmente y parte de los siguientes supuestos:
 Solo existe un individuo en la economía.
 No hay externalidades, así cualquier solución es Pareto-eficiente.
 La utilidad obtenida por el individuo es explicada por el consumo de un bien
privado (𝐶) y de un mal público llamado contaminación (𝑃), cuyas preferencias
son descritas como:
𝑈 = 𝑈(𝐶; 𝑃) (1)
 Las utilidades marginales son: 𝑈𝑐 > 0, 𝑈𝑃 < 0
 𝑈 es cuasiconcava en 𝐶 y en −𝑃, la distinción de 𝑃 como un mal público o privado
es irrelevante para un solo individuo.
En este modelo, es natural asumir que la contaminación es un subproducto del consumo.
Por ello, se supone que el consumidor tiene un medio por que mitigar la contaminación a
través del gasto en recursos para prevenir la contaminación, los cuales se denominarán
esfuerzo ambiental (𝐸). (Andreoni & Levinson, 1998, pág. 4)
 La contaminación depende positivamente del consumo (𝐶) y negativamente del
esfuerzo ambiental (𝐸)
𝑃 = 𝑃(𝐶; 𝐸); 𝑃𝐶 > 0 ∧ 𝑃𝐸 < 0 (2)
 Una dotación limitada de recursos (𝑀) puede ser gastada en 𝐶 y 𝐸, los cuales son
normalizados por simplicidad y la restricción presupuestaria sería:
𝑀 =𝐶+𝐸
Siguiendo a Andreoni y Levinson (1998), se ilustra el siguiente ejemplo:
𝑈 = 𝐶 − 𝑧𝑃 (3)
𝑃 = 𝐶 − 𝐶 𝛼 𝐸𝛽
(4)
La utilidad en (3) es lineal y aditiva en 𝐶 y 𝑃, y 𝑧 > 0 es la desutilidad marginal constante
de la contaminación.
En (4), 𝐶 es la contaminación bruta antes de la reducción de la contaminación y es
directamente proporcional al consumo. Además, 𝐶 𝛼 𝐸𝛽 representa la reducción en
contaminación. Por lo tanto, se indica que el consumo causa contaminación en una
6
proporción uno a uno, pero que los recursos gastados en esfuerzo ambiental reducen dicha
contaminación mediante una función de producción clásica cóncava.
Empezando con el caso donde 𝑧 = 1. Sustituyendo (4) en (3) implica que el individuo
maximiza 𝐶 𝛼 𝐸𝛽 sujeto a 𝑀 = 𝐶 + 𝐸, obteniendo soluciones tipo Cobb-Douglas.
𝛼 𝛽
𝐶 ∗ = 𝛼+𝛽 𝑀 ∧ 𝐸 ∗ = 𝛼+𝛽 𝑀 (5)
La cantidad óptima de contaminación es:

𝛼 𝛼 𝛼 𝛽 𝛽
𝑃∗ (𝑀) = 𝛼+𝛽 𝑀 − (𝛼+𝛽) (𝛼+𝛽) 𝑀𝛼+𝛽 (6)
La pendiente de la curva ambiental de Kuznets está dado por la primera derivada de (6):
𝑑𝑃 ∗ 𝛼 𝛼 𝛽 𝛽
= 𝛼 − (𝛼 + 𝛽) ( ) ( ) 𝑀𝛼+𝛽−1 (7)
𝑑𝑀 𝛼+𝛽 𝛼+𝛽
El signo de ésta derivada depende de los valores de 𝛼 y 𝛽, de tal forma que:

a) Si 𝛼 + 𝛽 = 1 el esfuerzo gastado en retornos de la contaminación tiene retornos
constantes a escala, por lo que la pendiente es constante. Además como 0 ≤
𝛼; 𝛽 ≤ 1 entonces 𝑃∗ aumenta con 𝑀 y por lo tanto, no hay una proporción de la
curva contaminación-ingreso con pendiente decreciente.
b) Si 𝛼 + 𝛽 ≠ 1 se presenta dos casos correspondientes con la segunda derivada de
la ecuación (6):
𝑑2 𝑃∗ 𝛼 𝛼 𝛽 𝛽
= −(𝛼 + 𝛽 − 1)(𝛼 + 𝛽) (𝛼+𝛽) (𝛼+𝛽) 𝑀𝛼+𝛽−2
𝑑𝑀2
(8)
Entonces, si 𝛼 + 𝛽 < 1 la tecnología de reducción de contaminación exhibe retornos
decrecientes a escala, por lo que 𝑃 ∗ (𝑀) es convexa.
Si 𝛼 + 𝛽 > 1 la tecnología de reducción de la contaminación presenta retornos crecientes
a escala, entonces 𝑃∗ (𝑀) es cóncava. Ésta última situación es descrita por la hipótesis de
la curva ambiental de Kuznets.
Ilustración 1: COMPORTAMIENTOS POSIBLES DE LA CURVA AMBIENTAL DE KUZNETS
Fuente: (Andreoni & Levinson, 1998)
7
Al considerar que 𝑧 ≠ 1 el álgebra es más compleja, sin embargo los resultados se

mantienen. Así, resolviendo por la condición de primer orden y reordenando términos se
obtiene:
𝛼 (1−𝑧)
𝐶 ∗ = 𝛼+𝛽 𝑀 + 𝑧(𝛼+𝛽)𝐶 𝛼−1 (𝑀−𝐶)𝛽−1 (9)
𝛼 (1−𝑧)
𝐶 ∗ = 𝛼+𝛽 𝑀 + 𝐵 ;𝐵>0
𝑧
Si 𝑧 < 1, entonces 𝐶 ∗ es más grande en (9) que en (5) y la contaminación es más grande
para cada nivel de ingreso. Si 𝑧 > 1 la gente tiene una alta desutilidad de la contaminación
por lo que 𝐶 ∗ y 𝑃∗ son más pequeños. Aunque los valores de 𝐶 ∗ y 𝑃 ∗ cambian en respuesta
a valores de 𝑧, las implicaciones para la senda ingreso-contaminación en formas de U
invertida siguen siendo las mismas.
El modelo no depende de que el consumo o la carencia de contaminación sean bienes
inferiores, ni depende de que las preferencias varíen ante cambios en el ingreso. Más que
eso, depende la articulación tecnológica entre un bien (consumo) y un mal (la
contaminación). La articulación crítica es que el consumo del bien genera contaminación
y que el recurso de tecnologías limpias aminora dicha contaminación. Para Andreoni y
Levinson (1998) los individuos con altos ingresos demandaran más bienes y menos
contaminación.
Las condiciones generales suficientes para establecer una relación entre contaminación e
ingreso, y tenga forma de U invertida, se observa en Andreoni y Levinson (1998)
considerando una versión general del modelo presentado anteriormente:
𝑈 = 𝑈(𝐶; 𝑃)
𝑃 = 𝐶 − 𝐴(𝐶; 𝐸)
𝑃 = 𝐶 − 𝐴(𝐶; 𝑀 − 𝐶)
(10)
Dónde 𝐴(. ) es la función de reducción de la contaminación, la cual es creciente con
respecto al esfuerzo ambiental y a la contaminación existente por el consumo. Por ello,
Andreoni y Levinson (1998) plantean el siguiente teorema:
“Asúmase que la función de utilidad 𝑈 = 𝑈(𝐶; 𝑃) es cuasi cóncava en 𝐶 y en −𝑃 y que
estos son bienes normales. Entonces existe un valor 𝜃 tal que:
𝑑𝑈(𝐶;0)
𝑑𝐶
lim 𝑅(𝑐) = 𝑑𝑈(𝐶;0) ≥ 𝜃 > −∞ (11)
𝐶→∞
𝑑𝑃
Y además se tiene que la función de reducción de contaminación (10) es cóncava y

homogénea de grado 𝑘 > 1, dónde 𝐴(0; 𝑥) = 𝐴(𝑥; 0) para todo 𝑥, entonces para alguna
combinación de niveles de utilidad y tecnología de reducción de contaminación que
produzca niveles positivos de contaminación, para algún nivel de ingreso, la
contaminación óptima eventualmente declinará de nuevo a cero para algún nivel de
ingreso suficientemente alto” (Andreoni & Levinson, 1998, pág. 8)
8
Ésta afirmación equivale a la descripción de la curva ambiental de Kuznets. Cuando 𝑀 =

0 el consumo y la contaminación son cero. Para un 𝑀 grande, la contaminación óptima
también será cero. Por tanto, para cualquier parametrización de la utilidad y la tecnología
de reducción de la contaminación que lleve a una contaminación positiva para algún nivel
de ingreso, la senda óptima de contaminación debe incrementarse desde cero hasta cierto
punto máximo, pero luego se reducirá nuevamente a cero, que es exactamente, el
comportamiento observado en la relación entre diversos indicadores de calidad ambiental
y el crecimiento económico. (Andreoni & Levinson, 1998, pág. 8)
Para Andreoni y Levinson (1998), este modelo puede ser fácilmente generalizado para
incorporar externalidades. Además, el creciente número de consumidores no cambia los
resultados de la trayectoria de la curva. Otras variables explicativas pueden ser suficientes
pero innecesarias para explicar los comportamientos explicados anteriormente. Los
autores afirman que en ausencia de regulaciones ambientales, la trayectoria de ingreso-
contaminación puede tener forma de U invertida, sin embargo la cantidad de
contaminación a cada nivel de ingreso aun será ineficientemente alta. Aunque puede ser
razonable deducir que a niveles de ingreso suficientemente altos la contaminación óptima
será cero, el modelo no establece límites sobre el nivel de ingreso necesario para generar
ese retomo.
En el libro de Labandeira et. al. (2007), define a la curva del premio Nobel Simon Kuznets
(1955, 1965), a la que utilizó para relacionar crecimiento económico con cambios en la
distribución de la renta, en concreto para representar cómo en una primera etapa la
distribución de la renta empeoraba a medida que la renta crecía, y en etapas posteriores
esta relación se invertía. Por ello, la relación entre crecimiento económico y calidad
ambiental sigue la misma pauta, siguiendo con una forma de U invertida.
Según ello, el objetivo era investigar la evolución de un determinado índice de calidad
ambiental (𝐼), con la renta per cápita (𝑌), la tendencia temporal (𝑇) y otro tipo de
características o efectos fijos (𝐹) como la disponibilidad de recursos o el tipo de políticas
públicas. Para Labandeira et. al. (2007), la relación que hay que investigar es:
𝐼 = 𝑓(𝑌; 𝑇; 𝐹)
De esa forma, los modelos más habituales utilizados son:
𝐼𝑡 = 𝛼0 + 𝛼1 𝑌𝑖𝑡 + 𝛼2 𝑇𝑖 + 𝛼3 𝐹𝑖 + 𝑒𝑖𝑡
𝐼𝑡 = 𝛼0 + 𝛼1 ln 𝑌𝑖𝑡 + 𝛼2 ln 𝑌𝑖𝑡2 + 𝛼3 𝑇𝑖 + 𝛼4 𝐹𝑖 + 𝑒𝑖𝑡
𝐼𝑡 = 𝛼0 + 𝛼1 ln 𝑌𝑖𝑡 + 𝛼2 ln 𝑌𝑖𝑡2 + 𝛼3 ln 𝑌𝑖𝑡3 + 𝛼4 𝑇𝑖 + 𝛼5 𝐹𝑖 + 𝑒𝑖𝑡

Los resultados de estos trabajos permiten observar que la relación entre 𝐼 e 𝑌 no es única
sino que varía con el problema ambiental considerado. Así, existen problemas
ambientales que tienden a resolverse con las mejoras económicas (problemas
sanitarios, acceso a agua potable o servicios de saneamiento, etc.) y otros problemas
que empeoran con el incremento de la renta per cápita (como las emisiones de CO2 y
NOx). En general, se observa que los problemas ambientales que afectan directamente
al bienestar humano, cuyos daños ambientales no pueden ser transferidos a otros lugares
y con costes de eliminación del problema relativamente bajos, suelen tender a
9
solucionarse a medida que la economía mejora. A la inversa, si no se verifican estas tres

características, el problema ambiental tiende a empeorar a medida que el desarrollo
avanza. (Labandeira, León, & Vásquez, 2007, pág. 24)
Labandeira et. al. (2007) explica que: “En etapas de crecimiento económico intenso se
produce el mayor nivel de deterioro ambiental debido a la utilización de métodos
intensivos en la agricultura, a la mayor tasa de extracción de recursos naturales
(normalmente en exceso de las tasas naturales de regeneración de los recursos) y a un
creciente proceso de industrialización y urbanización que conlleva una elevación del nivel
y toxicidad de las emisiones. Finalmente, en niveles de desarrollo elevados suelen
frenarse las tasas de degradación ambiental debido a que se producen cambios
estructurales hacia economías tercializadas y hacia sectores relacionados con la
tecnología y la información, y se suelen observar cambios en las preferencias de los
individuos, que se reflejan en cambios en las pautas de consumo, regulaciones
ambientales más estrictas y mayores gastos en protección y conservación ambiental”
(p.24)
El autor describe las críticas a la hipótesis de la curva ambiental de Kuznets:
 Las estimaciones están basadas en la Ypc media y no en la mediana. La renta per
cápita no sigue una distribución normal, porque normalmente se observa un mayor
número de personas bajo el nivel medio de renta que sobre él. En consecuencia,
sería la mediana el dato relevante, que es inferior a la media. Si se asume la
relación indicada por las curvas Kuznets, esto quiere decir que la mayor parte de
los países están en fases de desarrollo inferiores a las que indicaría la media y, en
muchos casos, la degradación ambiental aún seguirá aumentando durante bastante
tiempo.
 Supone una relación unidireccional entre economía y medio ambiente. En realidad
la relación es bidireccional pues de la misma forma que el crecimiento
económico condiciona la calidad ambiental, algunas formas de degradación
ambiental limitan el crecimiento económico (erosión del suelo, daños a la salud
humana, daños irreversibles derivados de sustancias peligrosas, etc.). Esta
interrelación convierte en inapropiado un modelo uniecuacional, que supone una
relación de causalidad unidireccional.
 No considera la capacidad de los países para exportar sus problemas ambientales
a otros países, así como la tendencia a la especialización productiva, que lleva a
que los países en vías de desarrollo acaben acogiendo dentro de sus fronteras los
procesos productivos más contaminantes.
 También se han observado problemas operativos, entre los cuales cabe destacar:
- Problemas relacionados con la disponibilidad y calidad de los datos
necesarios.
- Necesidad de mejorar los procedimientos econométricos de estimación para
alcanzar estimaciones que se ajusten mejor a los datos. (Labandeira, León, &
Vásquez, 2007, pág. 25)
10
3.2. ANTECEDENTES
La curva medioambiental de Kuznets, se obtiene a partir de una relación de causalidad
entre el crecimiento económico y calidad ambiental. De tal forma, el cumplimiento de la
teoría en el corto y largo plazo ha sido objeto de discusión y estudio con resultados
empíricamente satisfactorios.
El estudio realizado por el Grupo Económico Ambiental (GEA) & Correa Restrepo
(2004) indica que: “En el corto plazo, el crecimiento económico genera un mayor
deterioro ambiental y que en el largo plazo, el crecimiento económico resulta ser
beneficioso para el medio ambiente, sin embargo, tal evidencia solo se ha encontrado para
países desarrollados” (p.73). Esta parte teórica resulta muy interesante, puesto que el
mismo autor encuentra que:
“Este estudio explora la validez de la Curva Medio Ambiental de Kuznets para Colombia,
analizando adicionalmente el impacto de variables como la distribución del ingreso, los
derechos civiles y las libertades políticas y la densidad de la población generan sobre el
medio ambiente. Se concluye que Colombia, a diferencia de los países desarrollados, se
encuentra en la fase creciente de la curva medio ambiental de Kuznets, es decir, todo el
crecimiento económico se está traduciendo en un mayor deterioro ambiental” ((GEA) &
Correa Restrepo, 2004, pág. 73)
Por su parte, en el estudio realizado para Islandia entre los años 1960-2010, en el cual se
hizo uso de la hipótesis de la curva ambiental de Kuznets, para buscar establecer una
relación entre la degradación del medio ambiente, el crecimiento económico, el consumo
de energía a partir de combustibles fósiles y la liberación del comercio con el fin de
determinar si un desarrollo sostenible es posible. Los autores afirman que:
“Efectivamente, un mayor crecimiento económico elevará los niveles de contaminación
ambiental por un determinado período de tiempo, hasta alcanzar un punto a partir del cual
se generará una reducción de la degradación del medio ambiente, hecho dado por los
avances tecnológicos y académicos que el crecimiento precede. Esta hipótesis se
comprueba aplicando el modelo autorregresivo de rezagos distribuidos (ARDL).
Finalmente, los resultados confirman la existencia de una relación a largo plazo entre
todas las variables propuestas.” (Zambrano-Monserrate, Troccoly-Quiroz, & Pacheco-
Borja, 2016, pág. 5)
Otra forma de observar empíricamente la curva ambiental de Kuznets, es como lo hicieron
Hilton & Levinson (1998), en el cual los autores describen:
“La relación entre las emisiones de plomo en la industria automotriz y las emisiones
nacionales y los ingresos para 48 países durante 20 años. Se extraen tres conclusiones
principales. Primero, se puede demostrar que las emisiones de plomo siguen una U
inversa o una ‘curva de Kuznets ambiental’ con respecto al ingreso. Segundo, el pico de
esta curva es sensible tanto a la forma funcional estimada y el período de tiempo
considerado. En tercer lugar, la contaminación por plomo en el automóvil es el producto
de dos factores separados, plomo por galón de intensidad de contaminación de gasolina
y consumo de gasolina. La actividad contaminante y la parte decreciente de la curva
dependen críticamente de la reducción de contenido de plomo en la gasolina y el no uso
de gasolina.”(p. 126)
11
Sin embargo, una crítica constructiva realizada a Hilton & Levinson (1998) viene de parte
de García Callejas (2006) el cual es interesante mostrar en el presente trabajo para evitar
errores como los que indica:
“Al mostrar que aunque los autores hacen un estudio interesante, los fundamentos
teóricos en los que se basa su análisis son restrictivos. Por ejemplo, el efecto de
composición que proponen no permite la existencia de economías de escala
contaminantes, y la teoría del efecto escala no consiente cambios en la tecnología.
Finalmente, se muestra que el modelo empírico planteado puede estar arrojando
resultados espúreos debido a la presencia de raíces unitarias. Sus resultados también
podría ser incorrectos debido a la falta de variables regresoras que la literatura académica
ha mostrado explican el nivel de emisiones contaminantes en una economía.
Adicionalmente, los autores no verifican su teoría con el modelo empírico presentado.”
(p.126)
De otra forma, la investigación de la curva ambiental de Kuznets para Colombia muestra
que: “Utilizando datos de residuos sólidos dispuestos en rellenos sanitarios municipales.
El análisis se basa en información procedente de 707 municipios en el período 2008-2011.
Entre los principales resultados, se encuentra evidencia que apoya la hipótesis de la CKA.
Esta hipótesis se mantiene después de controlar variables, tales como la densidad
poblacional y la altitud sobre el nivel del mar. Los resultados también indican que el punto
de inflexión no es homogéneo a través de todas las regiones del país.” (Trujillo Lora,
Carrillo Bermúdez, Charris Vizcaíno, & Iglesias Pinedo, 2013, pág. 8)
4. METODOLOGÍA
4.1. MODELO ECONOMÉTRICO
Utilizamos el método de Mínimos Cuadrados Ordinarios, como herramienta
econométrica para la estimación de la curva ambiental de Kuznets planteando en el
siguiente modelo de regresión lineal múltiple:
log(𝐷𝐴𝑖𝑡 ) = 𝛽0 + 𝛽1 log 𝑌𝑡 + 𝛽2 log 𝑌𝑡2 + 𝜇𝑡

Dónde:
𝐷𝐴𝑖𝑡 : Es la degradación ambiental de tipo 𝑖 en el periodo 𝑡.

𝑌𝑡 : Es el Producto Bruto Interno (PBI) per cápita.
𝑢𝑡 = Perturbación estocástica.
𝛽𝑖 = Parámetros a ser estimados, (𝑖 = 0; 1).
El periodo de estudio es desde 1985 hasta 2015.
Los resultados esperados del modelo según Granda, Pérez y Muñoz (2008) indica que:
“Si se cumple la hipótesis EKC, entonces la ecuación del modelo tiene una forma
común, con β1 > 0 y β2 <0 para todo i, y el nivel de ingresos en el punto de inflexión,
donde la calidad ambiental no se ve afectada por los ingresos, es dada por:
12
−𝛽1
𝑌𝑡∗ = 𝑒 2𝛽2
Comparando el nivel de ingreso per cápita estimado asociado al giro punto con los niveles
de ingresos observados en el conjunto de datos puede indicar si el punto de inflexión cae
dentro o fuera del rango de ingresos reales. Esto puede arrojar luz sobre la fiabilidad de
las estimaciones EKC”.
4.2. DESCRIPCIÓN DE VARIABLES

Tabla 1 DESCRIPCIÓN DE VARIABLES
VARIABLES DESCRIPCIÓN
1. Variable dependiente La degradación ambiental contempla
𝐷𝐴𝑖𝑡 : Es la degradación ambiental de tipo indicadores de la cantidad de
𝑖 en el periodo 𝑡. contaminantes per cápita por tipo:
Dióxido de carbono 𝐶𝑂2
Óxido de Nitrógeno 𝑁𝑂𝑋
Óxido de Azufre 𝑆𝑂𝑋
2. Variables independientes El indicador es el PBI per cápita para cada
𝑌𝑡 : Es el ingreso per cápita en el periodo 𝑡. periodo a precios constantes del 2007.
𝑌𝑡2 : Es el cuadrado del ingreso per cápita
en el periodo 𝑡.
ELABORACIÓN: El autor
La degradación ambiental está contemplada con indicadores de Dióxido de Carbono,
Óxido de Nitrógeno y Óxido de Azufre, todos ellos en términos per cápita, medido en
kilogramos por habitante., los cuales son los contaminantes atmosféricos más relevantes
en el Perú.
El óxido de azufre en altas concentraciones, como las que se dio de 1985 hasta casi el
2010, puede ser un gas irritante que provoca alteraciones en los ojos y en las vías
respiratorias. Las principales fuentes emisoras pueden ser: Refinerías de petróleo,
transporte (principalmente vehículos de gasoil), centrales térmicas, combustión de
carburantes (líquidos y sólidos) y cementeras.
Los óxidos de nitrógeno forman un importante conjunto de contaminantes y al igual que
el óxido de azufre, sus niveles son altos hasta antes del 2010. Las principales fuentes
emisoras puedes ser: Transporte, centrales térmicas, combustiones de carburantes (gas
natural, líquidos y sólidos), incineradoras, cementeras, fábricas de vidrio o refinerías.
13
Ilustración 2 PERÚ: LOGARITMO DE LOS NIVELES DE DIÓXIDO DE CARBONO,

ÓXIDO DE NITRÓGENO Y ÓXIDO DE AZUFRE PER CAPITA EN
KILÓGRAMOS/HABITANTE 1985-2015
LCO2
7.1
7.0
6.9
6.8
6.7
6.6
6.5
1985 1990 1995 2000 2005 2010 2015
LNOX
2.0
1.8
1.6
1.4
1.2
1985 1990 1995 2000 2005 2010 2015
LSOX
2.0
1.6
1.2
0.8
0.4
0.0
1985 1990 1995 2000 2005 2010 2015
FUENTE: Instituto Nacional de Estadística e informática

14
La emisión de ambos contaminantes fueron adecuadamente controlados a partir del 2010,

en el que sus niveles se reducen considerablemente. Sin embargo la emisión de dióxido
de carbono sigue creciendo, debido a fuentes emisoras como: transporte (principalmente
vehículos de gasolina), centrales térmicas, combustión de carburantes (gas natural,
líquidos y sólidos), incineradoras, quemas agrícolas, refinerías, cementeras, fábricas de
vidrio y cerámica, etc.
Ilustración 3 PERÚ: LOGARITMO DEL PBI PER CÁPITA (S/2007) 1985-2015
LY
9.7
9.6
9.5
9.4
9.3
9.2
9.1
9.0
8.9
8.8
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14
FUENTE: Instituto Nacional de Estadística e informática

Por su parte, un indicador más preciso del crecimiento económico, es verlo en términos
per cápita. Se muestra que después de la hiperinflación de 1985, a partir de los 90s el
ingreso per cápita va en un aumento tendencial, lo cual conlleva a mayores usos de
recursos y su posterior efecto sobre el medio ambiente.
4.3. DATOS DE SERIES DE TIEMPO

Los datos de series de tiempo se refieren al comportamiento de las observaciones con
respecto a una variable que se dan en distintos periodos de tiempo. Dichos periodos
pueden ser diarios, semanales, mensuales, trimestrales, anuales, quinquenales o
decenales. Algunos datos están disponibles en trimestres o en años (como el PBI y el
consumo). (Gujarati, 2010)
Para el caso del modelo econométrico de la curva ambiental de Kuznets, se toman datos
de series de tiempos en periodos anuales, considerando 31 observaciones.
Estos datos suponen ser estacionarios, lo cual indica que su media y su varianza no varían
sistemáticamente en el tiempo. Sin embargo, para un modelo de relación ingreso per
cápita y calidad ambiental se debe realizar pruebas de raíz unitaria para verificar la
15
estacionariedad, debido a que el modelo presenta variabilidad en el transcurso de los

periodos. (Gujarati, 2010)
4.4. METODOLOGÍA DE COINTEGRACIÓN POR BANDAS

DE PESARAN, SHIN Y SMITH (PSS)
En la metodología de cointegración de PSS, se admite que las series económicas puedan
ser todas 𝐼(0), todas 𝐼(1) o una combinación de ellas. Sin embargo, éstas no pueden ser
de orden igual o mayor a 2.
Además tiene los siguientes supuestos:
- Una de las variables debe tener exogeneidad débil, dado que no se considera un
sistema de ecuaciones.
- A diferencia de la cointegración de Johansen (en el cual encuentras hasta k-1
vectores de cointegración), solo existe una relación de cointegración.
La cointegración de PSS, se analiza por bandas usando el estadístico F de Wald. Si el F
es mayor que el valor crítico de la banda en 𝐼(1) existe cointegración de las variables. Si
el F es menor que el valor crítico de la banda en 𝐼(0), entonces no existe cointegración.
Sin embargo, si el F se encuentra dentro de las bandas de 𝐼(1) e 𝐼(0), no se puede tener
ninguna conclusión.
Por último, los parámetros de corto plazo son consistentes y los de largo plazo son súper-
consistentes en muestras pequeñas. La ecuación de largo Plazo puede estimarse
implícitamente con un modelo ARDL (modelo autoregresivo de rezagos distribuidos)
como Modelo de Corrección de Errores.
5. RESULTADOS
5.1. PRUEBAS DE RAÍZ UNITARIA Y DE

ESTACIONARIEDAD DE LAS SERIES
Cada uno de los estadísticos está dirigido a la ecuación de uno de los siguientes modelos:
Modelo sin componentes determinísticos (𝜏), modelo con tendencia pero sin intercepto
(𝜏𝜇 ), modelo con tendencia e intercepto (𝜏𝜏 ).
El estadístico a tomar en consideración para cada variable es (𝜏𝜇 ), debido a que todas las
series demuestran tener intercepto pero no tendencia.
16
Tabla 2 RESUMEN DE LAS PRUEBAS DE RAÍZ UNITARIA Y DE

ESTACIONARIEDAD DE LAS VARIABLES EN NIVELES
DICKEY - FULLER PHILLIPS - PERRÓN

TEST KPSS
AUMENTADO (ADF) (PP)
VARIABLES 𝜏 𝜏𝜇 (𝜏) (𝜏𝜇 ) 𝜇
Dióxido de Carbono (LCO2) 1.43 0.02 1.31 -0.20 0.53

Óxido de Nitrógeno (LNOX) -0.27 -2.52 -0.23 -2.68 0.12
Óxido de Azufre (LSOX) -0.92 -0.94 -0.92 -0.94 0.31
PBI per cápita (LY) 1.96 0.91 1.47 0.49 0.58
Cuadrado del PBI per cápita (LY2) 2.05 0.99 1.52 0.56 0.58
Valores críticos al: 1% N.S. -2.64 -3.67 -2.64 -3.67 0.74
5% N.S. -1.95 -2.96 -1.95 -2.96 0.46
10% N.S. -1.61 -2.62 -1.61 -2.62 0.35
Fuente: Procesamiento de datos en Eviews 9

Elaboración: El autor
La tabla 2 demuestra la existencia de una raíz unitaria al no rechazar la hipótesis nula en
el test ADF, sin embargo, muestra una contradicción con el test de PP en el que se rechaza
la hipótesis nula de la existencia de una raíz unitaria, siendo las series estacionarias para
esta prueba.
Por su parte, el contraste KPSS nos da un resultado más certero como contrapartida a las
pruebas anteriores, en el cual la hipótesis nula es la estacionariedad de las series. Para
este caso la hipótesis nula es rechazada por lo que se confirma el contraste ADF,
concluyendo que las series tienen una raíz unitaria y no son estacionarias en niveles.
Tabla 3 : RESUMEN DE LAS PRUEBAS DE RAÍZ UNITARIA Y DE
ESTACIONARIEDAD DE LAS VARIABLES EN PRIMERAS DIFERENCIAS
DICKEY - FULLER
PHILLIPS - PERRÓN (PP) KPSS
TEST AUMENTADO (ADF)
𝜏 𝜏𝜇 (𝜏) (𝜏𝜇 ) 𝜇
VARIABLES
Dióxido de Carbono (LCO2) -4.12 -4.24 -4.05 -4.25 0.18
Óxido de Nitrógeno (LNOX) -5.39 -5.29 -6.59 -6.40 0.23
Óxido de Azufre (LSOX) -5.29 -5.29 -5.29 -5.31 0.22
PBI per cápita (LY) -2.86 -2.96 -2.92 -3.04 0.33
Cuadrado del PBI per cápita (LY2) -2.85 -2.96 -2.90 -3.03 0.34
Valores críticos al: 1% N.S. -2.65 -3.68 -2.65 -3.68 0.74
5% N.S. -1.95 -2.97 -1.95 -2.97 0.46
10% N.S. -1.61 -2.62 -1.61 -2.62 0.35

Empíricamente se ha demostrado que la mayoría de las series económicas del Perú son
no estacionarias en niveles, pero son estacionarias en primeras diferencias. Ello queda
17
demostrado, debido a que las series de contaminantes y PBI per cápita no tienen raíz
unitaria y son estacionarias en primeras diferencias.
Se tiene entonces que las series son integradas de orden 1 por lo que se debe verificar la
existencia de relaciones de largo plazo entre la degradación ambiental y el ingreso per
cápita.
5.2. PUNTOS DE INFLEXIÓN DE LA CURVA AMBIENTAL DE

KUZNETS
Al realizar las regresiones con cada una de las variables dependientes referidas a
degradación ambiental, por el método de Mínimos Cuadrados Ordinarios (ver anexo N°1)
se toma en cuenta la siguiente ecuación, para determinar el ingreso per cápita que se
encuentra en el punto de inflexión de la curva ambiental de Kuznets.
−𝛽1
𝑌𝑡∗ = 𝑒 2𝛽2
Tabla 4 PARÁMETROS ESTIMADOS Y PUNTO DE INFLEXIÓN DE LA CURVA
AMBIENTAL DE KUZNETS
VARIABLE PARÁMETROS PUNTO DE

DEPENDIENTE CONSTANTE LY LY2 INFLEXIÓN
CO2 24.11 -4.27 0.26 3826.64
NOX -132.95 29.09 -1.57 10449.91
SOX -383.71 84.45 -4.63 9196.29
Si bien, los parámetros estimados para los modelos de óxido de nitrógeno (NOX) y óxido
de azufre (SOX), cuentan con 𝑡′𝑠 estadísticos significativos, los signos esperados de los
mismos son los correctos, especialmente en los parámetros del cuadrado del ingreso per
cápita (LY2), los cuales son negativos y le dan la forma de U invertida a la curva
ambiental de Kuznets, cumpliendo los supuestos teóricos. Ello significa que el aumento
del ingreso per cápita ha mitigado los niveles de contaminación de NOX y SOX, al llegar
a un nivel de ingresos de 10449.91 y 9196.29 soles respectivamente, en el cual la
degradación ambiental llega a su nivel máximo para después disminuir ante mayores
ingresos per cápita.
Sin embargo, para los niveles de contaminación con dióxido de carbono, ningún
parámetro es significativo además que no se tiene el signo esperado del parámetro
asociado a LY2, lo cual invalida el cumplimiento de la hipótesis de la curva ambiental de
Kuznets, estableciendo un nivel de ingreso que logre un mínimo de contaminación para
posteriormente ir en aumento. La explicación se basa en que las políticas de mitigación
ambiental no ha contrarrestado la emisión de CO2 por parte de las industrias, puesto que
ésta ha ido incrementando, conforme se da un mayor crecimiento económico.
18
5.3. COINTEGRACIÓN POR BANDAS DE PESARAN, SHIN Y

SMITH (PSS)
Ésta metodología admite que las series sean todas 𝐼(1), todas 𝐼(0) o una combinación de
ambas, sin embargo las series económicas no pueden ser de orden igual o mayor a 2. En
los test de raíz unitaria realizadas anteriormente, se demuestra que el Dióxido de Carbono
(CO2), el Óxido de Nitrógeno (NOX), el Óxido de Azufre (SOX) y el PBI per cápita y su
cuadrado tienen una raíz unitaria por lo que son integradas de orden 1 [𝐼(1)]. Además,
ambas series no tienen raíz unitaria en segundas diferencias siendo 𝐼(0) y demostrando
que el orden de integración no es igual o mayor de 2 (Ver tabla 2 y 3).
De tal forma con el modelo ARDL de Pesaran, Shin y Smith se identifica el número de
retardos que debe tener el modelo ARDL en forma de Modelo de Corrección de Errores.
El ARDL para el CO2 (ver anexo 02) muestra la selección del número de retardos para
cada variable de la forma: ARDL (1,2, 0), en el cual el LCO2 presenta 1 retardo, el LY
presenta 2 retardos y el LY2 no presenta retardo. El ARDL para el LNOX (ver anexo 03)
muestra la selección del número de retardos para cada variable de la forma: ARDL (3, 3,
4), en el cual el LNOX presenta 3 retardos, el LY presenta 3 retardos y el LY2 presenta
4 retardos. Por último, el ARDL para el LSOX (ver anexo 04) muestra la selección del
número de retardos para cada variable de la forma: ARDL (3, 3, 3), en el cual el LSOX
presenta 3 retardos, el LY presenta 3 retardos y el LY2 presenta 3 retardos.
De ésta forma se plantea el modelo ARDL como Modelo de Corrección de Errores cuya
forma funcional para cada variable dependiente es (ver anexo 05, 06 y 07):
𝑝−1 𝑝−1 𝑝−1
2
∆𝑥𝑡 = 𝑎0 + ∑ 𝑎1𝑖 ∆𝐿𝐶𝑂2𝑡−𝑖 + ∑ 𝑎2𝑖 ∆𝐿𝑌𝑡−𝑖 + ∑ 𝑎3𝑖 ∆𝐿𝑌𝑡−𝑖 + 𝑎4 𝑇𝐼𝐸 + 𝑎5 𝐿𝐶𝑂2𝑡−1
𝑖=1 𝑖=1 𝑖=1
2
+ 𝑎6 𝐿𝑌𝑡−1 + 𝑎7 𝐿𝑌𝑡−1 + 𝜀1𝑡
𝑝−1 𝑝−1 𝑝−1

2
∆𝑥𝑡 = 𝑎0 + ∑ 𝑎1𝑖 ∆𝐿𝑁𝑂𝑋𝑡−𝑖 + ∑ 𝑎2𝑖 ∆𝐿𝑌𝑡−𝑖 + ∑ 𝑎3𝑖 ∆𝐿𝑌𝑡−𝑖 + 𝑎4 𝑇𝐼𝐸
𝑖=1 𝑖=1 𝑖=1
2
+ 𝑎5 𝐿𝑁𝑂𝑋𝑡−1 + 𝑎6 𝐿𝑌𝑡−1 + 𝑎7 𝐿𝑌𝑡−1 + 𝜀1𝑡
𝑝−1 𝑝−1 𝑝−1

2
∆𝑥𝑡 = 𝑎0 + ∑ 𝑎1𝑖 ∆𝐿𝑆𝑂𝑋𝑡−𝑖 + ∑ 𝑎2𝑖 ∆𝐿𝑌𝑡−𝑖 + ∑ 𝑎3𝑖 ∆𝐿𝑌𝑡−𝑖 + 𝑎4 𝑇𝐼𝐸 + 𝑎5 𝐿𝑆𝑂𝑋𝑡−1
𝑖=1 𝑖=1 𝑖=1
2
+ 𝑎6 𝐿𝑌𝑡−1 + 𝑎7 𝐿𝑌𝑡−1 + 𝜀1𝑡
Para el análisis de la existencia de cointegración en el modelo se realiza el test de Wald

para encontrar el estadístico F de Wald, de tal forma que se compare con los valores
críticos de las bandas de la metodología PSS en 𝐼(0) e 𝐼(1).
19
Tabla 5 RESULTADO DEL TEST DE WALD PARA CADA MODELO
MODELO F DE WALD
ARDL LCO2 1.7356
ARDL LNOX 19.4203
ARDL LSOX 4.4996
Para el caso del ARDL LNOX y el ARDL LSOX el estadístico F de Wald está por encima
de los valores críticos de 𝐼(1) de las bandas del 1%, 2.5%, 5% y 10 % de nivel de
significancia, considerando 3 retardos (𝑘 = 3) (ver anexo 08). Sin embargo, el estadístico
F de Wald para el modelo ARDL LCO2 está por debajo de los valores críticos de 𝐼(0)
por lo que queda comprobado la existencia de relaciones de largo plazo (cointegración)
entre el ingreso per cápita y el óxido de nitrógeno y azufre; y no existe relaciones de largo
plazo entre el ingreso per cápita y el dióxido de carbono, por lo que dicho modelo queda
invalidado.
5.4. ESTIMACIÓN DE LA ELASTICIDAD INGRESO DE LA

DEGRADACIÓN AMBIENTAL
El coeficiente de largo plazo asociado a la variable LY se obtiene de la siguiente manera:
𝑎6
𝛽𝑖 = − ( )
𝑎5
Dónde:
𝛽𝑖 : es la elasticidad ingreso de la degradación ambiental según tipo de contaminante 𝑖.
𝑎𝑗 : son parámetros asociados a las variables de corto plazo del modelo ARDL: 𝑗 = (5; 6)
Tabla 6 ELASTICIDAD INGRESO DE LA DEGRADACIÓN AMBIENTAL SEGÚN

MODELO ARDL
MODELO a5 a6 ELASTICIDAD
ARDL LCO2 -0.2718 -5.961422 -21.93199026
ARDL LNOX -1.2812 87.94667 68.64521452
ARDL LSOX -1.5596 131.7025 84.44492462
La interpretación económica del coeficiente de largo plazo 𝛽 al tratarse de un modelo
doblemente logarítmico, es la elasticidad ingreso de la degradación ambiental. Entonces,
para el caso de la contaminación con óxido de nitrógeno, si el ingreso per cápita se
incrementa en 1%, la degradación ambiental por emisión de NOX se incrementará en
68.65%. Para el caso de la contaminación con óxido de azufre, si el ingreso per cápita se
20
incrementa en 1%, la degradación ambiental por emisión de SOX se incrementará en

84.44%. Para ambos casos la elasticidad ingreso es positiva y mayor a uno, lo cual
corrobora a (Andreoni & Levinson, 1998) quienes afirman que la degradación ambiental
puede ser explicado como un bien de lujo. El coeficiente de velocidad de ajuste tiene el
signo esperado para NOX y SOX, lo cual indica que en cada año el valor actual se corrige
en 1.28% y 1.56% respectivamente hacia su nivel de equilibrio de largo plazo, siendo esto
altamente significativo.
El resultado más contradictorio es el de contaminación con dióxido de carbono, el cual
indica que si el ingreso per cápita se incrementa en 1% la degradación ambiental por
emisión de CO2 se reducirá en 5.96%, tratándose solo ello como un bien inferior. Ello se
explica debido que aunque haya un incremento de CO2 debido al mayor crecimiento
económico, esto se da a tasas cada vez menores, puesto que la velocidad de ajuste indica
que en cada año el valor actual se corrige en 27.18% hacia su nivel de equilibrio de largo
plazo, sin embargo esto no es significativo, dado que al no existir cointegración para esta
variable, la relación de largo plazo quedaría nula.
6. CONCLUSIONES
 Si bien, los parámetros estimados para los modelos de óxido de nitrógeno (NOX)
y óxido de azufre (SOX), cuentan con 𝑡′𝑠 estadísticos significativos, los signos
esperados de los mismos son los correctos, especialmente en los parámetros del
cuadrado del ingreso per cápita (LY2), los cuales son negativos y le dan la forma
de U invertida a la curva ambiental de Kuznets, cumpliendo los supuestos
teóricos. Sin embargo, para los niveles de contaminación con dióxido de carbono,
ningún parámetro es significativo además que no se tiene el signo esperado del
parámetro asociado a LY2, lo cual invalida el cumplimiento de la hipótesis de la
curva ambiental de Kuznets, estableciendo un nivel de ingreso que logre un
mínimo de contaminación para posteriormente ir en aumento. La explicación se
basa en que las políticas de mitigación ambiental no ha contrarrestado la emisión
de CO2 por parte de las industrias, puesto que ésta ha ido incrementando,
conforme se da un mayor crecimiento económico.
 Ello significa que el aumento del ingreso per cápita ha mitigado los niveles de
contaminación de NOX y SOX, al llegar a un nivel de ingresos de 10449.91 y
9196.29 soles respectivamente, en el cual la degradación ambiental llega a su nivel
máximo para después disminuir ante mayores ingresos per cápita.
 Para el caso de la contaminación con óxido de nitrógeno: si el ingreso per cápita
se incrementa en 1%, la degradación ambiental por emisión de NOX se
incrementará en 68.65%. Para el caso de la contaminación con óxido de azufre: si
el ingreso per cápita se incrementa en 1%, la degradación ambiental por emisión
de SOX se incrementará en 84.44%. Para ambos casos la elasticidad ingreso es
positiva y mayor a uno, lo cual corrobora que la degradación ambiental puede ser
explicado como un bien de lujo. Por lo tanto, el Perú aún se encuentra en la parte
expansiva de la curva ambiental de Kuznets, además que esta tiene forma de U
invertida, puesto que el coeficiente de velocidad de ajuste tiene el signo esperado
para NOX y SOX, lo cual indica que en cada año el valor actual se corrige en
21
1.28% y 1.56% respectivamente hacia su nivel de equilibrio de largo plazo, siendo

esto altamente significativo.
7. RECOMENDACIONES
 Si bien la evidencia empírica demuestra que las medidas de mitigación de óxido
de nitrógeno y óxido de azufre están dando resultados, sin embargo, no se está
reduciendo la contaminación por CO2, por lo que es necesario políticas
ambientales para el control de industrias y sectores que contaminan con dióxido
de carbono.
 El crecimiento económico y la mejora de los ingresos debe buscar tratar menos la
degradación ambiental como un bien de lujo, puesto que las pérdidas en
contaminación atmosférica, cambio climático y calentamiento global tendrían un
mayor impacto para las generaciones futuras, por lo que las medidas de mitigación
de contaminación deben plantearse desde ahora cual sea el nivel de crecimiento
económico, para encaminarse en el desarrollo sostenible.
22
8. BIBLIOGRAFÍA
(GEA), G. d., & Correa Restrepo, F. (2004). CRECIMIENTO ECONÓMICO Y MEDIO
AMBIENTE: UNA REVISIÓN ANALÍTICA DE LA HIPÓTESIS DE LA
CURVA AMBIENTAL DE KUZNETS. Semestre Económico, 7 (14), 73-104.
Andreoni, J., & Levinson, A. (Setiembre de 1998). The Simple Analytics of the
Environmental Kuznets Curve. Obtenido de National Bureau of Economic
Research (NBER): https://www.nber.org/papers/w6739
García Callejas, D. (2006). THE AUTOMOTIVE LEAD KUZNETS CURVE: AN
ANALYSIS OF THE THEORY AND EMPIRICS. Semestre Económico, 9 (18),
125-132.
Granda, C., Pérez, L. G., & Muñoz, J. C. (2008). The Environmental Kuznets Curve for
Water Quality: An Analysis of its Appropriateness Using Unit Root and
Cointegration Tests. Lecturas de Economía, (69), 223-244.
Gujarati, D. N. (2010). Econometría. México D.F.: MacGraw Hill Interamericana.
Hilton H., F., & Levinson, A. (1998). Factoring the Environmental Kuznets Curve:
Evidence from Automotive Lead Emissions. Journal of Environmental
Economics and Management, 35, 126-141.
Ibarrarán, M., Islas, I., & Mayett, E. (2003). Valoración económica del impacto ambiental
del manejo de residuos s´lidos municipales: estudio de caso. Gaceta Ecológica,
(67), 69-82.
Labandeira, X., León, C. J., & Vásquez, M. X. (2007). Economía Ambiental. Madrid:
Pearson Education S.A.
Petramás. (15 de 10 de 2018). Petramás. Obtenido de Energía Renovable:
http://www.petramas.com/energiarenovable.html
Radio Programas del Perú. (4 de Mayo de 2016). RPP Noticias. Obtenido de Juliaca:
municipalidad no cuenta con suficiente capacidad para recojo de basura:
https://rpp.pe/peru/puno/juliaca-municipalidad-no-cuenta-con-suficiente-
capacidad-para-recojo-de-basura-noticia-959483
Trujillo Lora, J. C., Carrillo Bermúdez, B., Charris Vizcaíno, C. A., & Iglesias Pinedo,
W. J. (2013). THE ENVIRONMENTAL KUZNETS CURVE (EKC): AN
ANALYSIS LANDFILLED SOLID WASTE IN COLOMBIA. Revista de la
Facultad de Ciencias Económicas: Investigación y Reflexión, XXI (2), 7-16.
XX Conferencia sobre Cambio Climático COP 20 . (22 de Mayo de 2015). Perú: Las 4
actividades más contaminantes en el país. Obtenido de Sophimania Redacción:
https://sophimania.pe/medio-ambiente/contaminacion-y-salud-ambiental/peru-
las-4-actividades-mas-contaminantes-en-el-pais/
Zambrano-Monserrate, M. A., Troccoly-Quiroz, A., & Pacheco-Borja, M. J. (2016).
Testing the Environmental Kuznets Curve Hypothesis In Iceland: 1960-2010.
Revista de Economía del Rosario, 19 (1), 5-28.
23
9. ANEXOS
Anexo 01: Estimaciones del modelo por MCO
Dependent Variable: LCO2

Method: Least Squares
Date: 12/13/18 Time: 03:02
Sample: 1985 2015
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C 24.10741 16.94228 1.422914 0.1658

LY -4.265942 3.667926 -1.163039 0.2546
LY2 0.258550 0.198403 1.303157 0.2031
R-squared 0.823172 Mean dependent var 6.746457

Adjusted R-squared 0.810541 S.D. dependent var 0.141014
S.E. of regression 0.061379 Akaike info criterion -2.651736
Sum squared resid 0.105486 Schwarz criterion -2.512963
Log likelihood 44.10191 Hannan-Quinn criter. -2.606499
F-statistic 65.17295 Durbin-Watson stat 0.647720
Prob(F-statistic) 0.000000
Dependent Variable: LNOX

Date: 12/13/18 Time: 03:07
Sample: 1985 2015
C -132.9504 30.44963 -4.366239 0.0002

LY 29.09038 6.592206 4.412844 0.0001
LY2 -1.571714 0.356580 -4.407742 0.0001

Dependent Variable: LSOX

24
Date: 12/13/18 Time: 03:08

Sample: 1985 2015
C -383.7123 55.88309 -6.866339 0.0000

LY 84.44740 12.09843 6.980028 0.0000
LY2 -4.626466 0.654419 -7.069581 0.0000


Anexo 02: Modelo ARDL y selección del número de retardos para el dióxido de carbono
Dependent Variable: LCO2
Method: ARDL
Date: 12/12/18 Time: 17:25
Sample (adjusted): 1987 2015
Included observations: 29 after adjustments
Maximum dependent lags: 4 (Automatic selection)
Model selection method: Akaike info criterion (AIC)
Dynamic regressors (4 lags, automatic): LY LY2
Fixed regressors: C
Number of models evalulated: 100
Selected Model: ARDL(1, 2, 0)
Note: final equation sample is larger than selection sample
Variable Coefficient Std. Error t-Statistic Prob.*
LCO2(-1) 0.713554 0.151598 4.706868 0.0001

LY -4.557081 3.261303 -1.397319 0.1757
LY(-1) 0.277888 0.337837 0.822549 0.4192
LY(-2) -0.444313 0.218100 -2.037198 0.0533
LY2 0.263196 0.176201 1.493731 0.1488
C 23.09781 15.16197 1.523404 0.1413

25
*Note: p-values and any subsequent tests do not account for model
selection.

Anexo 03: Modelo ARDL y selección del número de retardos para el óxido de nitrógeno
Dependent Variable: LNOX
Method: ARDL
Date: 12/12/18 Time: 17:40
Fixed regressors: C
LNOX(-1) 0.509997 0.206613 2.468366 0.0271

LNOX(-2) -0.257913 0.219886 -1.172943 0.2604
LNOX(-3) -0.290149 0.215952 -1.343579 0.2005
LY -15.59529 30.89829 -0.504730 0.6216
LY(-1) 28.12341 39.10042 0.719261 0.4838
LY(-2) -75.89504 40.27487 -1.884427 0.0804
LY(-3) 92.60884 32.56295 2.843995 0.0130
LY2 0.897076 1.698249 0.528236 0.6056
LY2(-1) -1.591685 2.143032 -0.742725 0.4699
LY2(-2) 4.222308 2.199418 1.919739 0.0755
LY2(-3) -5.103387 1.775519 -2.874308 0.0122
LY2(-4) -0.039156 0.034415 -1.137742 0.2743
C -130.7669 54.10425 -2.416944 0.0299


Anexo 04: Modelo ARDL y selección del número de retardos para el óxido de azufre
Dependent Variable: LSOX

Method: ARDL
Date: 12/12/18 Time: 17:45
26

Fixed regressors: C
Note: final equation sample is larger than selection sample
LSOX(-1) 0.462537 0.183490 2.520771 0.0227

LSOX(-2) -0.343999 0.187801 -1.831716 0.0857
LSOX(-3) -0.332594 0.204028 -1.630136 0.1226
LY 20.09464 52.72024 0.381156 0.7081
LY(-1) 40.88701 66.91495 0.611030 0.5498
LY(-2) -110.0167 63.47312 -1.733281 0.1023
LY(-3) 165.4060 48.20520 3.431290 0.0034
LY2 -1.027029 2.897208 -0.354489 0.7276
LY2(-1) -2.390404 3.658813 -0.653328 0.5228
LY2(-2) 6.215579 3.477829 1.787201 0.0929
LY2(-3) -9.212555 2.665038 -3.456819 0.0032
C -525.8656 134.2078 -3.918293 0.0012

Sum squared resid 0.422821 Schwarz criterion 0.072954
*Note: p-values and any subsequent tests do not account for model
selection.

Anexo 05: Modelo ARDL para el Dióxido de Carbono
Dependent Variable: D(LCO2)

Date: 12/12/18 Time: 17:39
C 28.62298 21.20921 1.349554 0.1939

D(LCO2(-1)) -0.051652 0.244677 -0.211101 0.8352
D(LY) -5.253279 15.17258 -0.346235 0.7332
D(LY(-1)) 0.388417 0.320178 1.213129 0.2408
27
D(LY(-2)) 0.185034 0.266617 0.694009 0.4965

D(LY2) 0.307552 0.830009 0.370541 0.7153
TIE -0.001731 0.004937 -0.350719 0.7299
LCO2(-1) -0.271814 0.201334 -1.350069 0.1937
LY(-1) -5.961422 4.497005 -1.325643 0.2015
LY2(-1) 0.331543 0.239143 1.386381 0.1826


Anexo 06: Modelo ARDL del Óxido de Nitrógeno
Dependent Variable: D(LNOX)

Date: 12/12/18 Time: 17:44
C -409.2507 112.1245 -3.649966 0.0053

D(LNOX(-1)) 0.629716 0.171230 3.677607 0.0051
D(LNOX(-2)) 0.390109 0.159913 2.439513 0.0374
D(LNOX(-3)) 0.168927 0.138562 1.219142 0.2538
D(LY) 56.56466 38.52826 1.468134 0.1761
D(LY(-1)) -5.078519 22.08984 -0.229903 0.8233
D(LY(-2)) -119.2857 21.58974 -5.525110 0.0004
D(LY(-3)) -41.31070 27.36775 -1.509466 0.1655
D(LY2) -3.047342 2.086906 -1.460220 0.1782
D(LY2(-1)) 0.202708 1.230723 0.164706 0.8728
D(LY2(-2)) 6.621639 1.200403 5.516182 0.0004
D(LY2(-3)) 2.262223 1.509136 1.499019 0.1681
D(LY2(-4)) -0.034810 0.035214 -0.988549 0.3487
TIE -0.056322 0.024375 -2.310667 0.0462
LNOX(-1) -1.281177 0.225794 -5.674106 0.0003
LY(-1) 87.94667 23.48679 3.744517 0.0046
LY2(-1) -4.685493 1.221632 -3.835436 0.0040
R-squared 0.938561 Mean dependent var -0.000884

28


Anexo 07: Modelo ARDL para el Óxido de Azufre
Dependent Variable: D(LSOX)

Date: 12/12/18 Time: 17:48
C -590.0503 307.8852 -1.916462 0.0816

D(LSOX(-1)) 0.875641 0.354350 2.471121 0.0311
D(LSOX(-2)) 0.600727 0.348155 1.725460 0.1124
D(LSOX(-3)) 0.245809 0.257247 0.955537 0.3598
D(LY) 0.665224 88.97715 0.007476 0.9942
D(LY(-1)) -104.7739 80.56868 -1.300429 0.2200
D(LY(-2)) -211.2066 73.04790 -2.891344 0.0147
D(LY(-3)) -39.33040 85.81225 -0.458331 0.6556
D(LY2) -0.010616 4.822849 -0.002201 0.9983
D(LY2(-1)) 5.758560 4.446401 1.295106 0.2218
D(LY2(-2)) 11.74828 4.030255 2.915021 0.0141
D(LY2(-3)) 2.223720 4.728316 0.470298 0.6473
TIE 0.020966 0.038271 0.547816 0.5948
LSOX(-1) -1.559626 0.508360 -3.067959 0.0107
LY(-1) 131.7025 66.66342 1.975635 0.0738
LY2(-1) -7.322030 3.596189 -2.036053 0.0666
R-squared 0.777516 Mean dependent var -0.036868

Sum squared resid 0.368901 Schwarz criterion 0.497903
29
Anexo 08: Valores críticos asintóticos de las bandas para el estadístico F con intercepto
y tendencia irrestrictos
N.S. 10% 5% 2.5% 1%

k I(0) I(1) I(0) I(1) I(0) I(1) I(0) I(1)
0 9.81 9.81 11.64 11.64 13.36 13.36 11.35 11.35
1 5.59 6.26 6.56 7.3 7.46 8.27 8.74 9.63
2 4.19 5.06 4.87 5.87 5.49 6.59 6.34 7.52
3 3.47 4.45 4.01 5.07 4.52 5.62 5.17 6.36
4 3.03 4.06 3.47 4.57 3.89 5.07 4.4 5.72
Fuente: Pesaran et. al. (2001). Tabla CI (v) Caso V.
30

La Degradación Ambiental Como Consecuencia Del Crecimiento Económico

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

La Degradación Ambiental Como Consecuencia Del Crecimiento Económico

Cargado por

Copyright:

Formatos disponibles

CURVA AMBIENTAL DE KUZNETS PARA EL PERÚ

LA DEGRADACIÓN AMBIENTAL COMO CONSECUENCIA

2. PLANTEAMIENTO DEL PROBLEMA

XX Conferencia sobre Cambio Climático COP 20 llevada a cabo en el Perú el 2010,

en el Perú durante el periodo 1985-2015, puesto que el Perú se encuentra en la

La cantidad óptima de contaminación es:

El signo de ésta derivada depende de los valores de 𝛼 y 𝛽, de tal forma que:

Fuente: (Andreoni & Levinson, 1998)

Al considerar que 𝑧 ≠ 1 el álgebra es más compleja, sin embargo los resultados se

Y además se tiene que la función de reducción de contaminación (10) es cóncava y

Ésta afirmación equivale a la descripción de la curva ambiental de Kuznets. Cuando 𝑀 =

𝐼𝑡 = 𝛼0 + 𝛼1 ln 𝑌𝑖𝑡 + 𝛼2 ln 𝑌𝑖𝑡2 + 𝛼3 ln 𝑌𝑖𝑡3 + 𝛼4 𝑇𝑖 + 𝛼5 𝐹𝑖 + 𝑒𝑖𝑡

solucionarse a medida que la economía mejora. A la inversa, si no se verifican estas tres

log(𝐷𝐴𝑖𝑡 ) = 𝛽0 + 𝛽1 log 𝑌𝑡 + 𝛽2 log 𝑌𝑡2 + 𝜇𝑡

𝐷𝐴𝑖𝑡 : Es la degradación ambiental de tipo 𝑖 en el periodo 𝑡.

4.2. DESCRIPCIÓN DE VARIABLES

Ilustración 2 PERÚ: LOGARITMO DE LOS NIVELES DE DIÓXIDO DE CARBONO,

FUENTE: Instituto Nacional de Estadística e informática

La emisión de ambos contaminantes fueron adecuadamente controlados a partir del 2010,

FUENTE: Instituto Nacional de Estadística e informática

4.3. DATOS DE SERIES DE TIEMPO

estacionariedad, debido a que el modelo presenta variabilidad en el transcurso de los

4.4. METODOLOGÍA DE COINTEGRACIÓN POR BANDAS

5.1. PRUEBAS DE RAÍZ UNITARIA Y DE

Tabla 2 RESUMEN DE LAS PRUEBAS DE RAÍZ UNITARIA Y DE

DICKEY - FULLER PHILLIPS - PERRÓN

Dióxido de Carbono (LCO2) 1.43 0.02 1.31 -0.20 0.53

Fuente: Procesamiento de datos en Eviews 9

Fuente: Procesamiento de datos en Eviews 9

5.2. PUNTOS DE INFLEXIÓN DE LA CURVA AMBIENTAL DE

VARIABLE PARÁMETROS PUNTO DE

5.3. COINTEGRACIÓN POR BANDAS DE PESARAN, SHIN Y

𝑝−1 𝑝−1 𝑝−1

𝑝−1 𝑝−1 𝑝−1

Para el análisis de la existencia de cointegración en el modelo se realiza el test de Wald

Tabla 5 RESULTADO DEL TEST DE WALD PARA CADA MODELO

5.4. ESTIMACIÓN DE LA ELASTICIDAD INGRESO DE LA

Tabla 6 ELASTICIDAD INGRESO DE LA DEGRADACIÓN AMBIENTAL SEGÚN

incrementa en 1%, la degradación ambiental por emisión de SOX se incrementará en

1.28% y 1.56% respectivamente hacia su nivel de equilibrio de largo plazo, siendo

Dependent Variable: LCO2

Variable Coefficient Std. Error t-Statistic Prob.

C 24.10741 16.94228 1.422914 0.1658

R-squared 0.823172 Mean dependent var 6.746457

Dependent Variable: LNOX

Variable Coefficient Std. Error t-Statistic Prob.

C -132.9504 30.44963 -4.366239 0.0002

R-squared 0.412039 Mean dependent var 1.552221

Dependent Variable: LSOX

Date: 12/13/18 Time: 03:08

Variable Coefficient Std. Error t-Statistic Prob.

C -383.7123 55.88309 -6.866339 0.0000

R-squared 0.784571 Mean dependent var 1.360615

Fuente: Procesamiento de datos en Eviews 9

Variable Coefficient Std. Error t-Statistic Prob.*

LCO2(-1) 0.713554 0.151598 4.706868 0.0001

R-squared 0.919660 Mean dependent var 6.753124

Fuente: Procesamiento de datos en Eviews 9

Variable Coefficient Std. Error t-Statistic Prob.*

LNOX(-1) 0.509997 0.206613 2.468366 0.0271

R-squared 0.779107 Mean dependent var 1.551483

Fuente: Procesamiento de datos en Eviews 9

Dependent Variable: LSOX