2.4.

ANÁLISIS DE LA DEMANDA DE ENERGÍA UTILIZANDO MÉTODOS

ECONOMÉTRICOS

El análisis de la demanda de energía considera tres tipos de decisiones del usuario: la

de comprar el equipo, la de seleccionar el equipo y combustible y la de la capacidad
por ser utilizada. El modelo usado relaciona el consumo de energía con el stock de
equipo y su tasa de utilización según la siguiente identidad:

𝑄𝑖 ≡ ∑ 𝑅𝑘𝑖 𝐴𝑘𝑖 (2.20)

𝑘=1

La ecuación indica que el consumo total del combustible i es la suma del consumo de
combustible para cada tipo de equipo, donde el consumo de combustible para cada
tipo de equipo, donde el consumo de combustible para un determinado equipo se
obtiene del producto del stock del equipo A y su tasa de utilización R. Por ejemplo, la
electricidad consumida en una casa puede corresponder a un numero de equipos:
refrigeradores, cocina, licuadoras, equipo de entretenimiento, etc.

El stock de dichos equipos multiplicado por los kWh (kilowatts hora) de electricidad
utilizados por cada unidad proporciona el consumo total de electricidad por tipo de
equipo. El consumo total de electricidad es la suma de electricidad consumida por
todos los equipos en una casa.

Un modelo estructural considera la naturaleza de la demanda de energía como

derivada de los equipos emplean energía y que a la vez son utilizados por el
consumidor. Para ello se emplea una ecuación para la demanda del equipo y otra para
su tasa de utilización.

Así tenemos,

Demanda de equipo:

𝐴𝑖 = 𝑓1(𝑃𝑖, 𝑃𝑗, 𝑃𝑎, 𝑌, 𝑋) (2.21)

Y su tasa de utilización:

𝑅𝑖 = 𝑓2(𝑃𝑖, 𝑌, 𝑍) (2.22)

Donde:

Ai: demanda del equipo que usa el combustible i

Ri: tasa de utilización del equipo que utiliza energía i

Pi: precio de la energía i

Pj: precio de la energía alternativa j

Pa: precio del equipo a

Y: ingreso o producción

X, Z: otras variables

Un modelo estructural estimaría simultáneamente las funciones indicadas

anteriormente para obtener la demanda del combustible i.

Sin embargo, ello requiere información con la que no siempre se cuenta.

En ese caso se puede utilizar una forma reducida que combina diversas variables y
cuya variable dependiente es el consumo de energía.

Combinando las ecuaciones (2.21) y (2.22) se puede obtener:

𝑄𝑖 = 𝑘(𝑃𝑖, 𝑃𝑗, 𝑃𝑎, 𝑌, 𝑋, 𝑍) (2.23)

Este modelo asume un ajuste inmediato del stock de equipos, es decir que, si aumenta
la demanda de energía del tipo i, se incrementa también el stock de equipos que
utilizan dicha energía. Cabe acotar que, en el caso de las cocinas antes mencionadas,
los usuarios, según este modelo, cambian cocinas eléctricas por cocinas a gas
rápidamente cuando el precio del gas se vuelve mas barato respecto al de electricidad
sin considerar el costo de cambio y periodo de ajuste. Esto es una deficiencia en el
modelo, ya que supone un rápido ajuste en el stock no corresponde a la realidad. Un
ejemplo de ello es el cambio en el uso de electricidad de cocinas eléctricas por uso de
GLP de cocina de gas.

Por ello, con objeto de evitar estos cambios súbitos que comúnmente no corresponden
a la realidad, se utilizan modelos de ajuste parcial.

Para ello se hace una distinción en la demanda real y la demanda deseada. Se asume
que la demanda deseada Q*t, depende del precio y otras variables actuales según la
ecuación:

𝑄𝑡∗ = 𝑎′ + 𝑏′𝑃𝑡 + 𝑐′𝑍𝑡 + 𝜀𝑡′ (2.24)

En un periodo donde el ajuste requerido por la ecuación (2.24) no se da

inmediatamente esto ocurre debido al stock, conocimiento, reacción y otros factores.
En vez de ello, se tiene un periodo de ajuste como sigue:

∗ )0
𝑄𝑡 − 𝑄𝑡−1 = 𝑔(𝑄𝑡∗ − 𝑄𝑡−1 < 𝑔 < 1 (2.25)
Mientras mas se acerca g a la unidad, más rápido es el proceso de ajuste.
Sustituyendo la ecuación (2.24) en la ecuación (2.25) y arreglando términos se tiene:

𝑄𝑡 = 𝑎′ 𝑔 + 𝑏 ′ 𝑔𝑃𝑡 + 𝑐 ′𝑔𝑍𝑡 + (1 − 𝑔)𝑄𝑡−1 + 𝜀𝑡′ (2.26)

La ecuación (2.26) se puede simplificar como:

𝑄𝑡 = 𝑎 + 𝑏𝑃𝑡 + 𝑐𝑍𝑡 + 𝑑𝑄𝑡−1 + 𝜀𝑡 (2.27)

Esta ecuación contiene términos que se pueden observar. Nótese que el coeficiente d
es igual a (1-g), de donde se puede obtener la velocidad de ajuste.

La ecuación (2.27) se puede cambiar por una ecuación logarítmica que permite
obtener la influencia del precio y la actividad como elasticidades. Para ello, la ecuación
logarítmica se debe especificar como:

log 𝐸𝑡 = 𝑎 + 𝑏 𝑙𝑜𝑔𝑃𝐸 + 𝑐 log 𝑌𝑡 + 𝑢𝑡 (2.28)

Donde Et (consumo de energía per cápita) es determinada por el precio de la energía

(PE), el ingreso per cápita (Yt) y un termino de error. Se puede demostrar que los
coeficientes b y c son las elasticidades respectos al precio y al ingreso per cápita. Por
ello, esta ecuación se puede usar para analizar el efecto de cambios en el precio de la
energía y del ingreso per cápita. Por ejemplo, para una demanda elástica respecto al
precio P seria mayor a 1, con lo cual un aumento del precio de energía resultaría en
una disminución mas significativa del consumo de energía que si la elasticidad fuera
muy inferior a 1.

Si incluimos el termino Et-1 correspondiente al consumo de energía del periodo

anterior, tenemos:

log 𝐸𝑡 = 𝑙𝑜𝑔𝑎 + 𝑏 𝑙𝑜𝑔𝑄𝑡 + 𝑐 log 𝑃𝑡 + 𝑑𝑙𝑜𝑔𝐸𝑡−1 (2.29)

En esta ecuación la elasticidad de corto plazo respecto al ingreso seria b y la de largo

plazo seria b/(1-d), mientras que la elasticidad de corto plazo respecto al precio seria c
y la elasticidad de largo plazo seria c/(1-d)

A continuación, se presentan algunos casos alrededor del mundo en donde se aplica

este análisis de demanda de energía utilizando métodos econométricos.

En la investigación realizada por Yongxiu. He, Jie Jiao, et.al (2017), hecha en China,
señalan que la demanda de energía eléctrica ha cambiado debido a la variación de
ciertos aspectos, los cuales han tenido que ser tomados en cuenta en los modelos
ecometricos, aspectos como, por ejemplo: El desarrollo de la nueva normalidad
económica está influyendo en la economía total, la estructura industrial y el diseño en
China en gran medida. La industria de los pilares se enfrenta a una transformación de
factor a innovación. El modelo tradicional de predicción de demanda de electricidad ya
no es aplicable debido a estos nuevos factores. Por lo tanto, este documento realiza
un análisis cuantitativo de los nuevos factores influyentes y establece la relación
cuantitativa basada en la econometría. Según la división de la industria, este
documento propone un modelo de pronóstico de demanda de electricidad a largo
plazo que sea adecuado para la nueva normalidad económica utilizando el método de
dinámica del sistema. Finalmente, el artículo combina lo real situación de Tianjin y el
modelo de pronóstico para predecir la demanda de electricidad de Tianjin.
Simultáneamente, el documento hace algunas sugerencias sobre el desarrollo de la
empresa de redes.

En México, Armando Sánchez, Suriel Islas y Claudia Sheinbaum (2015), en su

investigación: “Demanda de gasolina y la heterogeneidad en los ingresos de los
hogares en México”, señalan: “El objetivo del presente trabajo es analizar el
comportamiento del consumo de gasolina por decil de ingreso de los hogares en
México de 1984 a 2010 y, a partir de un análisis econométrico, evaluar el impacto del
precio de la gasolina, el ingreso de los hogares y el número de vehículos en la
demanda de gasolina por grupos de ingreso. El análisis se realiza con base en la
información de la Encuesta Nacional de Ingreso y Gasto de los Hogares (ENIGH). Los
resultados muestran que el gasto en gasolina es heterogéneo y que el ingreso es una
variable significativa para los deciles de más bajos ingresos. El precio de la gasolina
resultó ser una variable significativa para todos los deciles; sin embargo, los sectores
que más consumen son inelásticos al precio del combustible. Estos resultados
sugieren que una política de aumento sostenido en el precio de la gasolina impactará
más a los hogares de bajos ingresos que cuentan con vehículo y no representará una
reducción importante en el consumo de gasolina”.

Podemos resaltar la importancia de este análisis en diversas partes del mundo, el cual
es importante para poder cuantificar de una manera confiable la demanda de cualquier
tipo de energía utilizando métodos econométricos, los cuales se ajustan dependiendo
de la realidad de cada lugar, ya que existen diferentes variables, las cuales modifican
el modelo econométrico para lograr el modelo matemático mas confiable, los
resultados de estas investigaciones son muy importantes para poder predecir el
consumo energético de la población y a partir de ello tomar medidas para poder
ajustar el consumo y lograr una mayor eficiencia y el uso de los recursos energéticos.
REFERENCIAS BIBLIOGRÁFICAS

Dammert, Alfredo & Raúl García (2017). Economía de la energía. Primera Edición. Lima:
Fondo Editorial de la PUCP.

Sánchez, A., Islas, S., Sheinbaum, C. (2015). Demanda de gasolina y la

heterogeneidad en los ingresos de los hogares en México. Investigación Económica, p
117-143.

Yongxiu. He, Jie Jiao, Qian Chen, Sifan Ge, Yan Chang, Yang Xu, (2017). Urban long-
term electricity demand forecast method based on system dynamics of the new
economic normal: the case of Tianjin. Energy.