Roca RY

El crecimiento económico y su relación con el consumo
de energía renovable y no renovable en el Perú
Item Type info:eu-repo/semantics/bachelorThesis
Authors Roca Rojas, Yuly
Publisher Universidad Peruana de Ciencias Aplicadas (UPC)
Rights info:eu-repo/semantics/openAccess; Attribution-

NonCommercial-ShareAlike 4.0 International
Download date 20/08/2022 04:41:41
Item License http://creativecommons.org/licenses/by-nc-sa/4.0/
Link to Item http://hdl.handle.net/10757/658570

UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS
FACULTAD DE ECONOMÍA
PROGRAMA ACADÉMICO DE ECONOMÍA Y FINANZAS
El crecimiento económico y su relación con el consumo de energía renovable
y no renovable en el Perú
TRABAJO DE INVESTIGACIÓN
Para optar el grado de bachiller en Economía y Finanzas
AUTOR(ES)
Roca Rojas, Yuly (0000-0003-3612-2176)
ASESOR
Villacorta Devoto, Luis Alejandro (0000-0002-9449-1802)
Lima, 11 de noviembre del 2021

DEDICATORIA
A mi familia.
A los profesores de la facultad de economía.
A las personas que buscan un mundo ecológicamente sostenible.
A todos aquellos que con un granito de arena contribuyen con el medio ambiente.
1
AGRADECIMIENTOS
Me encuentro sumamente agradecida con cada uno de los profesores de la Facultad de

Economía UPC, ya que contribuyeron con mi desarrollo personal y profesional a través de
sus enseñanzas y distintas experiencias laborales y personales. A la casa de estudios UPC,
por brindarme la oportunidad de desarrollar nuevos talentos extraacadémicos, que me fueron
necesarios para sobrellevar la vida universitaria. También, agradezco a mis amistades por
escucharme, aconsejarme y brindarme su incondicional amistad. Finalmente, un
agradecimiento muy especial a mis padres Victor Roca y Julia Rojas que estuvieron conmigo
en cada momento brindándome su apoyo y alentándome a tomar mejores decisiones cada
día.
2
RESUMEN
El presente trabajo de investigación tiene como objetivo evaluar la fuente de energía

(renovable y no renovable) que fomente en mayor medida el crecimiento económico en el
Perú. Para ello, se observó la relación entre el crecimiento económico y las diferentes fuentes
de energía en el corto plazo y el largo plazo. Además, se utilizó el método autorregresivo
con retardos distribuidos (ARDL) para confirmar la relación a largo plazo de las series. El
modelo ARDL confirmó la cointegración entre las variables y con ello, la relación a largo y
corto plazo. Los hallazgos que arrojó la estimación afirman que el consumo de energía
renovable se relaciona positivamente con el PBI en el corto y largo plazo. Por lo tanto, se
concluye que la economía peruana debería invertir aún más en la exploración y explotación
de recursos de energía renovable.
Palabras clave: Energía renovable, crecimiento económico, cointegración, modelo ARDL.
3
Economic growth and its relationship with the consumption of renewable and
non-renewable energy in Perú
ABSTRACT
The objective of this research work is to evaluate the source of energy (renewable and non-
renewable) that promotes economic growth in Peru to a greater extent. For this, the
relationship between economic growth and different energy sources in the short and long
term was observed. In addition, the autoregressive distributed lag method (ARDL) was used
to confirm the long-term relationship of the series. The ARDL model confirmed the
cointegration between the variables and with it, the long- and short-term relationship. The
findings that the estimation yielded affirm that the consumption of renewable energy is
positively related to the GDP in the short and long term. Therefore, it is concluded that the
Peruvian economy should invest even more in the exploration and exploitation of renewable
energy resources.
Keywords: Renewable energy, economic growth, cointegration, ARDL model.
4
TABLA DE CONTENIDOS
1 INTRODUCCIÓN .......................................................................................................... 8
2 MARCO TEÓRICO ....................................................................................................... 9
2.1 Energías Renovables y No Renovables..................................................................... 9
2.1.1 Fuentes de generación energética .................................................................... 10
2.1.2 Consumo de energía ......................................................................................... 11
2.2 Crecimiento Económico ........................................................................................... 12
2.2.1 Teorías de crecimiento ..................................................................................... 12
2.2.2 Teorías de crecimiento asociadas a la energía ............................................... 13
2.3 Fuentes de energía y crecimiento económico ......................................................... 15
3 APROXIMACIÓN METODOLÓGICA .................................................................... 18
3.1 Hechos Estilizados .................................................................................................... 18
3.1.1 Producción energética en el Perú .................................................................... 18
3.1.2 Consumo energético en el Perú ....................................................................... 20
3.1.2.1 Distribución del Consumo Energético ....................................................... 22
3.1.3 Crecimiento económico .................................................................................... 24
3.2 Marco Metodológico ................................................................................................ 25
3.2.1 Modelo econométrico y datos .......................................................................... 25
3.2.2 Especificación del modelo ................................................................................ 25
3.2.3 Procedimiento de estimación ........................................................................... 26
3.2.3.1 Análisis de estacionariedad ....................................................................... 26
3.2.3.2 Selección de rezago ................................................................................... 26
3.2.3.3 Modelo Autorregresivo de Rezagos Distribuidos (ARDL) ....................... 27
3.2.3.4 Prueba de diagnóstico y estabilidad........................................................... 28
3.2.3.5 Estimación de los modelos de corto y largo plazo .................................... 28
3.2.4 Resultados ......................................................................................................... 29
3.2.4.1 Resultados del análisis de estacionariedad ................................................ 29
3.2.4.2 Resultado de la selección de rezagos ......................................................... 30
3.2.4.3 Resultados de la cointegración y pruebas de diagnostico.......................... 31
3.2.4.4 Análisis de estabilidad del modelo ............................................................ 31
3.2.4.5 Relaciones a corto y largo plazo ................................................................ 32
4 CONCLUSIONES ........................................................................................................ 35
5 REFERENCIAS ............................................................................................................ 37
6 ANEXOS ........................................................................................................................ 43
5
ÍNDICE DE TABLAS
Tabla 1: Estadísticos descriptivos de las variables (T=50) ................................................ 29

Tabla 2: Resultados de la prueba de raíz unitaria ............................................................... 30
Tabla 3: Resultados de la prueba ARDL F-bound y las pruebas de diagnostico ............... 31
Tabla 4: Resultados de la estimación a Largo Plazo .......................................................... 33
Tabla 5: Resultados de la estimación a Corto Plazo .......................................................... 34
6
ÍNDICE DE FIGURAS
Figura 1: Producción energética en el Perú (Terawatt-hours), 1970 - 2019 .................... 18

Figura 2: Disponibilidad de producción e importación energética según tipo de recurso,
2018 ..................................................................................................................................... 19
Figura 3: Emisiones de CO2 en el Perú (Millones de toneladas)...................................... 20
Figura 4: Consumo energético final, 2018 ....................................................................... 20
Figura 5: Consumo energético (Terawatt-hours), 1970 - 2019 ........................................ 21
Figura 6: Consumo energético en el sector industrial, 2018 ............................................ 22
Figura 7: Consumo energético en el sector transporte, 2018 ........................................... 23
Figura 8: Consumo energético en otros ámbitos, 2018 .................................................... 23
Figura 9: Producto bruto interno y Consumo energético (Variaciones porcentuales) ..... 24
Figura 10: Gráfico de suma acumulada de residuos recursivos ....................................... 32
Figura 11: Gráfico de suma acumulada de cuadrados de residuos recursivos ................. 32
7
1 INTRODUCCIÓN
El incremento de la población, los avances tecnológicos y el desarrollo de nuevas industrias

han ocasionado un progresivo aumento en el consumo de energía y con ello, nuevas
exploraciones de fuentes energéticas para satisfacer la demanda en estos últimos años
(Waheed et al. 2019). Una de las principales fuentes de energía en el mundo desde hace
mucho tiempo es el petróleo, un recurso escaso, fácilmente agotable y que además provoca
secuelas ambientales afectando a otros recursos naturales disponibles para la sociedad
(Iwayemi, 1998). Es por ello que los integrantes de la Asamblea General de las Naciones
Unidas (2015), preocupados por las consecuencias que provocaban los recursos no
renovables a la sociedad, acordaron como uno de los objetivos principales para el 2030, el
acceso universal a servicios energéticos asequibles, fiables y modernos aumentando
considerablemente la proporción de energía renovable en el conjunto de fuentes energéticas
para garantizar el desarrollo económico sostenible de todos los países desarrollados, y en
particular, a los países en vías de desarrollo como el Perú.
El interés de relacionar el consumo de energía con el crecimiento económico surgió después

de la investigación realizada por Kraft y Kraft (1978), quienes realizando un análisis de
causalidad para los Estados Unidos encontraron una relación entre las dos variables. Desde
ese entonces, como lo mencionan Tiba y Omri (2016), varios estudios tanto para países
desarrollados como subdesarrollados obtuvieron diversos resultados paradójicos acerca de
la relación entre el crecimiento económico y el consumo de energía. Además, en
investigaciones recientes, cuyo objetivo es el de realizar un análisis más profundo entre la
relación del consumo de energía y crecimiento económico, optaron por introducir los efectos
a corto y largo plazo entre las variables, y de esta manera lograr un mayor sustento y
efectividad en la implementación de políticas de gobierno relacionadas con la conservación
de energía (Magazzino, 2015 y Kahouli, 2017).
En el Perú, un país lleno de diversidad de ecosistemas, los recursos renovables han

sustentado la generación eléctrica de manera estable a lo largo de los años. Sin embargo,
como lo señala el Organismo Superior de Inversión en Energía y Minería (OSINERGMIN,
2020), en el año 2002 las centrales hidroeléctricas, el principal recurso de energía renovable
del territorio peruano, representaban el 85% de la energía eléctrica total, porcentaje que en
2008 disminuyó a un 61%. La reducción de la generación de energías renovables ocasionó
la intervención del Estado Peruano en el 2008 mediante el Decreto Legislativo 1002, con la
8
finalidad de promover la inversión en energías renovables para la generación energética del
país.
Actualmente en el Perú las energías renovables han aumentado en los últimos años, sin
embargo, no se ha logrado superar a las energías no renovables (Figura 1). Por ello, al
formular la pregunta “¿Cuál es el tipo de fuente energética de consumo que contribuye en
mayor medida al crecimiento económico en el Perú?”, y tomando como hipótesis que la
energía derivada de fuentes renovables presenta un mayor efecto que la energía de fuentes
no renovables, en el crecimiento económico para economías pequeñas como el peruano
(Aguirre e Ibikunle, 2014; Tiba y Omri, 2016 y Akif y Aslan, 2017), permitirá al Gobierno
Peruano impulsar nuevas políticas gubernamentales con respecto al consumo y producción
de energía. Por lo tanto, el objetivo general de este trabajo es identificar la fuente de energía
que fomente en mayor medida el crecimiento económico en el Perú. Así mismo, las
investigaciones de Magazzino (2015), Akif y Aslan (2017) y Kahouli (2017) recomiendan
que es necesario tomar en cuenta el análisis de corto y largo plazo para tener mayores
argumentos y proponer buenas políticas de estado. Por ello, el objetivo específico de este
trabajo será observar la relación entre el crecimiento económico y las diferentes fuentes de
energía, tanto renovables como no renovables, en el corto y el largo plazo para la economía
peruana.
Esta investigación se encuentra estructurada de la siguiente manera. Comienza con un marco

teórico en donde se describe a la variable dependiente e independiente, así mismo la relación
entre ambas variables. En la segunda sección se desarrollarán los hechos estilizados y el
marco metodológico en donde se discutirá el modelo econométrico a seguir y los principales
resultados. En la última sección, se abordará las principales conclusiones que presenta la
investigación en línea con los objetivos planteados y, además se sugerirá algunas
recomendaciones de políticas de estado para el Perú.
2 MARCO TEÓRICO
2.1 Energías Renovables y No Renovables

Las distintas fuentes de energía en el mundo se clasifican en dos: energías renovables y no
renovables, siendo las energías no renovables las que mayor participación tiene dentro de
las 20 economías más grandes del mundo. La Transparencia Climática (TC), en su informe
9
Brown to Green (2019), establece que en el 2018 un 82 % del total de energía fue producida
por fuentes no renovables y apenas un 18%, por energías renovables.
Las energías no renovables se caracterizan por ser escasas, fácilmente agotables en su uso,
y al momento de regenerarse tardan demasiado o bien nunca se regeneran (Iwayemi 1998).
En el año 1973, tras la crisis del petróleo, este tipo de energía se volvió más costosa
provocando grandes costos a las economías debido a la alta dependencia que tenían los países
por las fuentes no renovables; es por ello, que se empezó la búsqueda de nuevas fuentes de
energías sostenibles catalogadas como energías renovables.
Según el Organismo Superior de Inversión en Energía y Minería (OSINERGMIN, 2020),

las energías renovables provienen de una extracción limpia, además no se agotan conforme
entran en uso y son capaces de regenerase por medios naturales. Es así como estas fuentes
de energías renovables resultan ser las candidatas perfectas para sustentar el consumo de
energía a lo largo de los años (Menyah y Wolde-Rufael 2010). Sin embargo, la extracción
de energía a través de fuentes renovables resulta ser muy costosa al inicio, ya que es
necesario contar con implementos que transformen los recursos renovables en energía,
implicando inversiones a gran escala (Solarin y Ozturk 2015).
2.1.1 Fuentes de generación energética

Los tipos de fuentes de generación de energías no renovables se ejemplifican principalmente,
como lo mencionan Shafiee y Topal (2009), en aquellos combustibles fósiles como el
petróleo crudo, el cual es mayormente utilizado en los medios de transporte; el carbón, que
se usa principalmente por su capacidad calorífica como calefacción en los hogares; y el gas
natural, el cual ha cobrado gran importancia en los últimos años, reemplazando algunos usos
del petróleo y el carbón en el hogar y en las industrias. Además, Shafiee y Topal (2009) en
su investigación calculan el tiempo de agotamiento de las reservas de combustible fósil para
estos tres recursos no renovables, obteniendo como resultados que las reservas de petróleo
estarán disponibles aproximadamente hasta el año 2040, para el gas hasta el año 2042 y para
el carbón, uno de los más abundantes recursos en la actualidad, hasta el año 2112.
Por otro lado, existen muchas fuentes renovables en el mundo y aún se siguen explorando
más, sin embargo, las que tiene una mayor importancia según la Agencia Internacional de
Energía (IEA) por su gran cuota en el mercado son: la energía hidráulica, que se obtiene de
corrientes de ríos o mareas; la energía eólica, que se extrae de las fuerzas del viento; la
10
energía solar, la cual se extrae de la radiación a través de paneles solares; y por último, la
energía derivada de la biomasa, la cual se genera a través de la fotosíntesis vegetal. Estas
cuatro fuentes de energías renovables han sido materia de numerosas investigaciones, así lo
demuestran los estudios de Apergis et al. (2010), Ocal y Aslan (2013), Lin (2014) y Akif y
Aslan (2017), entre otros.
En el Perú las fuentes renovables de generación energética presentes son la biomasa, la

eólica, la geotérmica, la solar, la mareomotriz y la hidráulica, siendo esta última la principal
fuente renovable en el país por ser la más antigua con respecto a las demás fuentes; por otro
lado, las energías no renovables en el Perú están compuestas por los tres principales recursos
no renovables mundialmente utilizados, que son el carbón, el gas natural y el petróleo
(OSINERGMIN, 2020).
2.1.2 Consumo de energía

El consumo energético depende del estilo de vida de cada persona, por lo tanto, a medida
que la sociedad se desarrolla el consumo de energía aumenta cada vez más, sin embargo, no
siempre se hace de manera eficiente (Razmi et al, 2019). Por ejemplo, el Banco Mundial
(2017) comenta la forma en que se suministra la energía en América Central, precisando que
principalmente es generada por tecnologías térmicas contaminantes que han provocado una
mayor exposición a la volatilidad de los precios del petróleo, sequías, y el incremento del
costo de energía en la región.
Estudios como el de Chang (2010), que investiga el impacto de las emisiones de carbono y
el consumo de energía en el crecimiento económico de China, a partir del petróleo crudo,
carbón, gas natural y electricidad, demuestran que un mayor crecimiento del PBI o un mayor
consumo de energía incrementarán las emisiones de CO2. Por otro lado, Joo et al. (2014)
realizan la misma investigación que Chang (2010), con la diferencia que para el consumo de
energía toma solo al carbón como recurso energético para la economía chilena. Los
resultados lo llevan a sugerir que Chile debería hacer más esfuerzos para desarrollar
tecnologías energéticamente eficientes y fuentes de energías renovables para lograr un
crecimiento verde basado en menores emisiones de CO2. Mirza y Kanwal (2017) realizan
un análisis más completo, incorporando la relación entre CO2, consumo de energía (teniendo
como única fuente de recurso al petróleo), y el crecimiento económico en el corto y largo
plazo para Pakistán. Los autores concluyeron que un mayor crecimiento económico podría
producirse a expensas de un medio ambiente más limpio lo que socavaría la calidad del
11
crecimiento económico. Además, en cuanto a políticas de estado concernientes al aumento
del consumo de energía, los autores recomiendan que el Gobierno de Pakistán debería
centrarse en aumentar la participación energética proveniente de fuentes renovables para
mitigar el impacto colateral de la contaminación que provocan las energías no renovables.
Por lo tanto, el mayor desafío que se tiene para cubrir el consumo energético futuro ante una
demanda creciente es desarrollar planes de implementación de energías renovables a gran
escala, los cuales deben incluir estrategias para su integración en la economía a través de
sistemas de energía coherentes, influenciados por el ahorro de energía y medidas de
eficiencia energética en el sistema de suministro (Lund, 2007).
2.2 Crecimiento Económico
El crecimiento económico sostenido a largo plazo es a lo que apuntan todas las economías
del mundo que buscan mejorar el ingreso de sus habitantes y a partir de ello, tener una mejor
calidad de vida. El Informe Mundial sobre la Situación y Perspectivas Económicas realizado
por el departamento de Asuntos Económicos y Sociales de las Naciones Unidas (2020),
revela que en el 2017 el crecimiento económico mundial había alcanzado el 3%, la tasa más
alta en 7 años; sin embargo, para el 2019 la tasa se redujo a un 2.3%, la más baja registrada
a lo largo de la década, ello debido a las tenciones comerciales entre Estados Unidos y China
que afectaron a las cadenas de suministros mundiales. Además, el informe también prevé
una tasa de crecimiento, siendo muy optimista, del 2.5% en el 2020 ante la crisis sanitaria
mundial; bajo un escenario negativo, el crecimiento global solo sería del 1.8%. El
debilitamiento de la actividad económica en este año provocará grandes retrocesos con
respecto a los objetivos de desarrollo sostenible planteado por los integrantes de la Asamblea
General de las Naciones Unidas (2015) entre ellos, el de garantizar una energía asequible,
segura, sostenible y moderna.
2.2.1 Teorías de crecimiento

La teoría de crecimiento económico en la primera mitad del siglo XX propuesta de Keynes
(1936) cobró relevancia en su época, ya que logró explicar el ingreso nacional de un país
tomando como componentes importantes al consumo, la inversión y el gasto del gobierno.
Años más tarde, tomando como referencia la teoría neoclásica de Keynes (1936) y la realidad
del entorno social de la segunda mitad del siglo XX, aparece la investigación de Solow
(1956) que pretende explicar cómo crece la producción nacional a partir de un modelo
cuantitativo. El modelo básico supone que el PBI nacional está compuesto por los ingresos
12
que reciben los factores de producción durante un cierto periodo y, además, toma como
principales factores productivos al trabajo y al capital manteniendo constante el nivel de
tecnología.
Hicks (1965) por su parte, analiza desde su propia visión un modelo de crecimiento
económico tomando como determinantes de la producción al capital y al trabajo con
progreso tecnológico en términos per-cápita. El autor se interesó por los ciclos económicos
y trabajó su modelo analizando la inversión con progreso tecnológico, concluyendo que la
inversión debe realizarse en el momento adecuado del ciclo económico para lograr
estabilizar la economía, ya que el crecimiento económico provocaría constantes desniveles
en los ciclos económicos.
Por otro lado, el modelo de crecimiento de Harrod-Domar analiza los factores que influyen
en el crecimiento económico, considerando al capital y el trabajo, pero enfocándose en
mayor medida en este último. Le agregan el progreso tecnológico al trabajo para hallar la
tasa natural de crecimiento basada en el ritmo de crecimiento de la oferta de trabajo, por lo
que se obtienen resultados en términos de unidades de trabajo efectivo (Sato 1964). Muchas
más investigaciones de teorías de crecimiento se han estado dando en años posteriores, pero
siempre desde una perspectiva del modelo de Solow (1956), tomando a la mano de obra y el
capital como los principales componentes de nuevos modelos que intentan explicar el
crecimiento económico de una nación.
2.2.2 Teorías de crecimiento asociadas a la energía

A partir de la crisis de 1973, los modelos de crecimiento económico incluyeron a la energía
como un factor importante adicional al capital y al trabajo. En la investigación realizada por
Kraft y Kraft (1978) se encuentra evidencia de una relación de causalidad unidireccional que
va del crecimiento económico al consumo de energía en los Estados Unidos entre los años
1947 – 1974. Este estudio demuestra que la actividad económica influye positivamente en
el consumo de energía, pero el consumo de energía no tiene influencia en la actividad
económica, por lo que realizar programas de conservación energética resulta una política de
gobierno aceptable para procurar el crecimiento económico en Estados Unidos.
Años más tarde, diversos estudios proponen una forma extendida del modelo de crecimiento
económico básico de Solow (1956), tomando como variables a la mano de obra, al capital y
agregando a las fuentes de energía como factor importante al momento de estudiar los
13
determinantes del crecimiento económico de un país. Una de estas investigaciones es la de
Yuan et al. (2008) que presenta como variables al capital, al trabajo y al uso de energía para
explicar el crecimiento económico en China durante los años 1963 hasta el 2005. Los
hallazgos empíricos encontrados en el estudio indican la existencia de una cointegración a
largo plazo entre la producción, el trabajo, el capital y el uso de energía, tanto a niveles
agregados como desagregados lo que implica que las variables, a lo largo del tiempo, aunque
aumenten o disminuyan lo harán de forma sincronizada.
Así mismo, el estudio que realiza Solarin y Ozturk (2015) evidencia la relación entre el
consumo de hidroelectricidad y el crecimiento económico para siete países de América
Latina, utilizando el modelo neoclásico que involucra al capital y al trabajo para el periodo
1970-2012. Sus hallazgos evidencian que en el largo plazo el consumo de energía derivada
de las hidroeléctricas, el capital y el trabajo afectan positivamente a las economías de cada
país en análisis. Lo que significa que, en estos países, el consumo de energía, el capital y el
trabajo incentivan un aumento del crecimiento económico.
Otro estudio similar que incluye también al uso de energía como factor importante dentro
del modelo de crecimiento económico es la investigación de Jan et al. (2020), el cual utiliza
al empleo, la inversión y los diferentes tipos de consumo de energía, renovable y no
renovable, para explicar el crecimiento económico en Pakistán durante los años 1949 y 2010.
Los resultados de la relación entre las variables a largo plazo muestran que la mano de obra
disminuye el PIB de Pakistán, mientras que el capital y el consumo de energía, tanto
renovable como no renovable, aumentan el PIB anualmente. Por consiguiente, la energía en
estos últimos años se ha convertido en otro factor importante para determinar el nivel de
producción de una región.
Por lo tanto, para investigar la relación entre el uso de energía y el crecimiento de la

producción y seguir con los objetivos planteados en la investigación, se propone un modelo
basado en la tecnología neoclásica convencional de producción agregada de un solo sector,
en la que trata al capital, al trabajo y a la energía como insumos separados, así como lo
presenta Yuan et al. (2008) en la siguiente función de producción (Ecuación (1)):
𝑌𝑡 = 𝑓(𝐾𝑡 , 𝐿𝑡 , 𝐸𝑡 ) (1)
Donde 𝑌 es el producto agregado o PBI real, 𝐿 es la mano de obra, 𝐾 es el stock de capital,

E es el consumo total de energía conformado por fuentes renovables y no renovables, y el
14
subíndice t representa el periodo de tiempo. Seguidamente, se aplica el diferencial a la
ecuación (1):
𝑑𝑌𝑖 = 𝑌𝑘 𝑑𝐾𝑡 + 𝑌𝐿 𝑑𝐿𝑡 + 𝑌𝐸 𝑑𝐸𝑡 (2)
Donde 𝑌𝑖 representa la derivada parcial de 𝑌 con respecto a su i-ésimo termino. Luego, para
hallar la ecuación del crecimiento, se dividirá la ecuación (2) entre 𝑌𝑡 obteniendo:
𝑌𝑡̇ = 𝛽1 𝐾̇𝑡 + 𝛽2 𝐿̇𝑡 + 𝛽3 𝐸̇𝑡 (3)
Donde los parámetros 𝛽1 , 𝛽2 𝑦 𝛽3 son las elasticidades de producción con respecto al capital,
al trabajo y al consumo de energía, respectivamente. El punto en la parte superior de cada
variable representa la tasa de crecimiento para cada una de ellas.
Entonces, de la ecuación (3), la función de producción indica que, a largo plazo, la

producción, el capital, el trabajo y el consumo de energía pueden moverse juntos, por lo
tanto, puede haber una relación de equilibrio a largo plazo entre las variables en cuestión.
Además, si analizamos la dinámica a corto plazo entre los factores, el análisis anterior
también sugeriría que los cambios pasados en el capital, el trabajo y la energía podrían
contener información útil para predecir los cambios futuros de la producción, manteniendo
todo lo demás constante.
2.3 Fuentes de energía y crecimiento económico
Estudios previos en diferentes partes del mundo ayudarán a mostrar los diferentes hallazgos
que se ha tenido con respecto a la relación entre el crecimiento económico y las fuentes de
energía. Por ejemplo, algunas investigaciones en el continente americano, como la de
Rodríguez y Ventosa (2017), analizan la relación y el vínculo causal entre el consumo de
energía eléctrica y el PBI utilizando la metodología de especificación VEC, concluyendo
que no es posible determinar una relación significante entre estas variables para Ecuador,
Perú, Chile, Costa Rica y Uruguay, lo que puede deberse al modelo que utilizaron para
desarrollar su investigación.
En línea con esto, Akif y Aslan (2017) analizan la relación entre el consumo de energía
renovable y no renovable en el crecimiento económico para 17 economías emergentes, entre
ellos el Perú; por lo cual, al utilizar datos de diferentes países el método más adecuado que
se encontró fue la de causalidad Bootstrap de panel. El estudio concluye que, si bien para el
Perú resulta conveniente utilizar energías renovables para impulsar rápidamente el
15
crecimiento económico, es necesario también tomar en cuenta el análisis de corto y largo
plazo por separado en cada país de análisis para tener mejores argumentos y plantear buenas
políticas de estado que fomenten el desarrollo económico sostenido.
En el continente asiático se encontró la investigación de Ho y Siu (2007) que observa el

impacto del consumo eléctrico en el PBI de Hong Kong durante los años 1966 y 2002. En
primera instancia se encontró una relación de equilibrio a largo plazo entre las variables, lo
que implicó que los resultados muestren una relación positiva a largo plazo entre el PBI y el
consumo de electricidad. Cuatro años más tarde en el mismo continente, el estudio de Wang
et al. (2011) incorpora al trabajo y al capital en el modelo que relaciona al crecimiento
económico y consumo de energía para China, tomando como muestra los años 1972-2006.
Utilizando la prueba de límites de retardo distribuido autorregresivo (ARDL), el estudio
indica la existencia de una relación positiva a corto y largo plazo entre las variables
explicativas y el crecimiento económico. Así mismo, dos años después Shahbaz et al. (2013),
utilizando el mismo enfoque metodológico de ARDL y un periodo más largo que va desde
1971 hasta 2011, pudieron obtener también como resultado que el consumo de energía tenía
un impacto positivo en crecimiento económico. Por lo tanto, los autores previos concluyen
que la energía sirve como una fuente importante de crecimiento económico en China, por lo
que es necesario optar por promover un mayor consumo de energía y así mismo, explorar
nuevas fuentes energéticas para poder crecer a una tasa mayor en un periodo de tiempo más
corto.
Otra investigación, realizada por Lotfalipour et al. (2010) para Irán durante el periodo 1967-
2007, emplea como consumo total de energía a tres indicadores, los combustibles fósiles, los
derivados del petróleo y el gas natural y aplica la metodología propuesta por Toda-
Yamamoto para encontrar relación entre el crecimiento económico y el consumo de energía.
Los resultados evidencian que la energía derivada del petróleo y del combustible fósil no
conducen al crecimiento económico, sin embargo, la energía derivada del gas sí o hace.
Por su parte, Zhang (2011) investigó el nexo entre el consumo de energía, basada en el
recurso petrolero, y el crecimiento económico para Rusia, con el objetivo de encontrar una
relación baja y una causalidad bidireccional entre las variables para formular políticas
energéticas con bajas emisiones de carbono, que favorezcan el crecimiento económico.
Finalmente, los resultados se vieron forzados al momento de realizar la cointegración y
debido a ello, no se presenta una base sólida en la relación cuantitativa.
16
Por otro lado, el estudio de Acaravci y Ozturk (2010) examina, a través del modelo de
ARDL, la relación que presenta el crecimiento económico, las emisiones de carbono, el
consumo de energía y el empleo en Turquía tomando un periodo de muestra desde el año
1968 hasta el 2005. Los resultados que brindan los autores con respecto al consumo de
energía y crecimiento económico es la de una relación positiva en el corto y largo plazo. Sin
embargo, al aplicar la causalidad de Granger, para evidenciar la consistencia de casusa-
efecto, se concluyó que el consumo de energía no causa el PBI. Por ello, a pesar de que el
consumo de energía incremente el PBI las políticas de conservación energética en Turquía
pueden no tener efectos adversos en el crecimiento de la producción afectando las propuestas
de energía en país.
En Pakistán, diversos estudios como la de Jamil y Ahmad (2010) estudiaron la relación entre
el consumo energía, a partir de la electricidad y el PBI real, a nivel agregado tomando como
periodo de análisis desde el año 1960 hasta el 2008. Entre los principales hallazgos,
encontraron que el crecimiento de la producción en los sectores comercial, manufacturero y
agrícola genera un aumento considerable del consumo de energía. Además, concluyen que
la producción y gestión de electricidad deben ser tomadas en cuenta en la planificación
económica del país, para evitar la paralización de alguno de los sectores dependientes de la
energía.
Dos años más tarde y para el mismo país, Shahbaz y Feridun (2012) identificaron también
que existe una relación positiva a largo plazo entre el consumo de electricidad y el
crecimiento económico, utilizando la metodología de ARDL. Así mismo, las pruebas de
causalidad concluyeron que el crecimiento económico incrementa el consumo de
electricidad y no al revés.
En el mismo país, la investigación que realizan Shahbaz et al. (2012) tienen como objetivo
medir la relación entre el consumo de energía, renovable y no renovable, y el crecimiento
económico durante el periodo 1972-2011 siguiendo la prueba de límites ARDL. Los
hallazgos muestran que tanto el consumo de energía renovable como no renovable
contribuyen al crecimiento económico. En conclusión, en Pakistán las investigaciones
relacionadas a la energía han ido incrementándose debido a la exploración de nuevas formas
de medir la energía, como lo hizo Jamil y Ahmad (2010) y Shahbaz y Feridun (2012) a través
de la electricidad. Adicionalmente, a través de nuevas formas de extender la variable energia,
por ejemplo, dividir a la variable por su tipo de fuente, como lo hicieron Shahbaz et al. (2012)
17
y Jan et al. (2020), que dividieron a las energías renovables y no renovables para sus
respectivas investigaciones.
Tomando como referencias a estos estudios vistos previamente, la investigación de cómo el

consumo de energía impacta en el crecimiento económico es variado, por lo que en este
trabajo se tendrá como objetivo relacionar al consumo de energia derivadas del petróleo, del
gas, de las hidroeléctricas y del carbón, con el crecimiento del PBI y verificar que la energía
renovable, en este caso la energía derivada de las hidroeléctrica, fomente en mayor medida
el crecimiento económico para alcanzar el desarrollo sostenido en el Perú.
3 APROXIMACIÓN METODOLÓGICA
3.1 Hechos Estilizados
3.1.1 Producción energética en el Perú

La producción energética en el Perú cuenta con tres recursos importantes, uno de ellos es el
petróleo, un recurso no renovable, el cual entre los años 1975 y 1980 incrementó su
producción de 44 a 120 teravatios-hora aproximadamente (Figura 1), esto pudo deberse, al
igual que otros países, a que el precio del petróleo internacional se encontraba muy alto
debido a la crisis del año 1973. Años posteriores a 1980, la producción de este recurso
energético fue decayendo gracias a la apreciación de nuevas fuentes energéticas, como el
gas natural, las hidroeléctricas, entre otros. Sin embargo, aunque se empezó a disminuir la
producción del petróleo, se puede evidenciar en la Figura 1 que en la última década 2019
esta se ha mantenido en un promedio de 70 teravatios-hora aproximadamente.
Figura 1: Producción energética en el Perú (Terawatt-hours), 1970 - 2019

160.00
140.00
120.00 Hydroelectricity
(TWh)
100.00 Natural Gas
eje 2
(TWh)
80.00
Oil (TWh)
60.00
40.00
20.00
0.00
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
Fuente: BP Statistical Review. Elaboración propia
18
Otro de los recursos energéticos importantes que presenta el Perú, es el gas natural, fuente
no renovable, el cual aumentó de forma exponencial a partir del año 2004, como se evidencia
en la Figura 1. Este aumento se debió a que la industria del Gas Natural (GN) empezó a
impulsar el desarrollo del sector energético, particularmente desde la entrada en ejecución
del Proyecto Camisea, el cual incentivó el uso del gas natural en diferentes sectores
económicos y posteriormente llevó a reemplazar algunos usos del petróleo y del carbón en
los hogares e industrias (OSINERGMIN, 2014).
Por otro lado, la producción de energías renovables presenta un alto potencial principalmente
en las zonas rurales (Yadoo y Cruickshank, 2012). Una de estas fuentes de energías
renovables es la hidroelectricidad, el recurso renovable energético más antiguo en el Perú.
Como se puede apreciar en la Figura 1, la hidroelectricidad ha ido aumentado desde 1970
hasta la actualidad y se prevé que siga aumentando en los próximos años.
En el 2018, el recurso energético que representa la mayor proporción en la producción e

importación del Perú es el petróleo con el 46,50%, seguido por el gas natural con el 34.69%,
los biocombustibles y residuos (biomasa) con un 9.52%, las hidroeléctricas con apenas el
7.46%, el carbón con el 1.19% y otros con un porcentaje del 0,65% (Figura 2). Las cifras
prueban que en el territorio peruano se produce e importa una mayor cantidad de energía
generada por fuentes no renovables como el petróleo, y muy poca de fuentes renovables
como las hidroeléctricas, generando como consecuencia el incremento de las emisiones de
CO2 en el territorio peruano, que han pasado de 16 millones de toneladas a 50 millones de
toneladas desde el año 1973 hasta el 2018 (Figura 3).
Figura 2: Disponibilidad de producción e importación energética según tipo de recurso, 2018
Hydro 7.46%
Other 0.65%
Biofuels/waste 9.52%
Gas 34.69%
Coal 1.19%
Oil 46.50%
0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50%
Fuente: International Energy Agency (IEA). Elaboración propia.
19
Figura 3: Emisiones de CO2 en el Perú (Millones de toneladas)
3.1.2 Consumo energético en el Perú

El consumo de energía en el Perú se da principalmente en el sector transporte, que representa
el 42,61% del consumo total, seguido en importancia por el sector industrial, con el 28,37%,
y otros, que representa a los hogares, donde también se consume aproximadamente el
27,58% de la energía. Por último, existe un pequeño porcentaje del 1,44% que muestra parte
de la producción que es usada de forma no energética (Figura 4).
Figura 4: Consumo energético final, 2018
42.61%
28.37% 27.58%
1.44%
Industria Transporte Otros Uso no energético
20
Una de las fuentes energéticas no renovables que se encuentra presente desde el año 1970
en los diferentes sectores de la economía peruana es el petróleo, el cual entre los años 1970
y 2010 pasó de 60 teravatios-hora a 100 teravatios-hora, y desde 2010 hasta el 2019 presentó
un incremento de aproximadamente 140 teravatios-hora, por lo que se evidencia que en solo
nueve años el consumo del petróleo presentó un aumento similar al registrando entre los
años 1970 y 2010 (Figura 5). Otra de las fuentes de energía no renovables, que a partir del
2010 pasó a ser el primer recurso energético más consumido por los peruanos, reemplazando
al petróleo, es el gas natural (Figura 5). El rápido crecimiento del consumo del gas natural,
que empezó aproximadamente desde el año 2004, se debió a la exploración de nuevos
yacimientos los cuales producían este recurso energético (Figura 1), por lo que el aumento
del consumo del gas natural estuvo relacionado con el incremento en su producción.
El carbón es otro recurso energético no renovable, que ha existido desde la primera

revolución industrial, sin embargo, tras la aparición del petróleo el uso del carbón bajó
considerablemente: En el Perú, desde 1970 hasta el 2019, el consumo del carbón ha
presentado el registro más bajo en comparación con los demás recursos energéticos (Figura
5). Por último, el consumo de la hidroelectricidad, que es un recurso renovable utilizado para
la generación eléctrica, ha tenido una tendencia creciente desde el año 1970 hasta la
actualidad (Figura 5), alcanzando su pico más alto en el 2019 con 78 teravatios-hora, por lo
que se esperaría a que en los próximos años siga creciendo para formar un sistema
económico más ecológico.
Figura 5: Consumo energético (Terawatt-hours), 1970 - 2019
250
200
Oil (WTh)
150 Natural Gas

(WTh)
Coal (WTh)
100
Hydroelectricity
(WTh)
50
0
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
Fuente: BP Statistical Review. Elaboración propia.
21
3.1.2.1 Distribución del Consumo Energético
En el 2018, el sector industrial demandó energía de diversas fuentes energéticas para llevar
a cabo sus actividades. Estas se encuentran divididas, como se muestra en la Figura 6, por
fuentes energéticas no renovables con el 74,38%, mientras que las renovables representan
solo el 25,62%. Asimismo, se puede apreciar que, entre todas las fuentes renovables, la que
destaca es la electricidad proveniente de las hidroeléctricas, con una participación del 57%,
y la biomasa, con el 33%, mientras que, por el lado de las fuentes no renovables, destacan el
gas natural y la electricidad proveniente del gas natural, ambos con una participación del
30%.
En el sector transporte, la distribución del consumo energético entre energías renovables y

no renovables en el año 2018 se aprecia en la Figura 7: el 95,86% del consumo ha sido
generado por energías no renovables, como el petróleo, que representa el 91%, y el 4.14%
es generado por energías renovables, como la biomasa. Es decir, casi la totalidad de la
demanda energética del sector transporte para llevar a cabo sus actividades es energía de
fuentes no renovables.
Figura 6: Consumo energético en el sector industrial, 2018
22
Figura 7: Consumo energético en el sector transporte, 2018
En otros ámbitos, como el de los hogares, el consumo energético en el 2018 se encuentra

balanceado entre energías renovables (51,95%) y no renovables (48,05%), como de aprecia
en la Figura 8. Además, como principales fuentes energéticas dentro de las energías
renovables encontramos a la biomasa con el 74% y a la electricidad proveniente de energía
solar/vientos/mareas con el 21%; dentro de las energías no renovables, encontramos en
mayor proporción al petróleo (48%), seguido por la electricidad proveniente del gas natural
(35%) y el gas natural en su forma natural (13%).
Figura 8: Consumo energético en otros ámbitos, 2018
23
3.1.3 Crecimiento económico
En el año 1973 se dio la crisis del petróleo, sus precios internacionales se incrementaron
dramáticamente, lo que ocasionó un efecto inflacionario y una reducción de la producción
en los países a consecuencia de la gran dependencia del mundo industrializado por este
recurso energético. El Perú no fue ajeno a este acontecimiento, como se evidencia en la
Figura 9: entre los años 1970 y 1973, el Perú se encontraba en expansión, sin embargo, para
el año 1974 su PBI empezó a descender, llevando a la economía a una recesión hasta el año
1978 aproximadamente.
Otro acontecimiento importante que generó la contracción del PBI en Perú (Figura 9), fue la
hiperinflación, provocada por una mala gestión de los políticos entre los años 1987 y 1990.
Posteriormente, la aplicación de medidas de política fiscal y monetaria propuestas por el
entonces presidente del Perú, Alberto Fujimori (1990-1995), para sobrellevar la crisis de los
90s, llevaron a que el Perú aumente su producción de manera inestable durante los siguientes
10 años (Stokes, 1996).
A partir del año 2000 se observa que la economía peruana experimentó una expansión que
se mantuvo hasta el año 2008, llegando a una tasa de crecimiento del 9,127 %, sin embrago,
a consecuencia de la crisis financiera, en el año 2009 la tasa de crecimiento se contrajo a
1,096% (Figura 9). Posteriormente, desde el año 2010 hasta el 2019, la economía del Perú
ha ido desacelerando, como se puede apreciar en la Figura 9, pasando de crecer 8,332% en
el 2010, a crecer el 2,150% en el 2019.
Figura 9: Producto bruto interno y Consumo energético (Variaciones porcentuales)
15
10
Crecimiento
5
del PBI (%
anual)
0 Consumo -
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 variación%
-5
-10
-15
Fuente: Banco Mundial (BM) & BP Statistical Review. Elaboración propia.
24
También se puede apreciar que el consumo de energía en el Perú, tomando al petróleo, al
carbón, al gas natural y a las hidroeléctricas como recursos energéticos más importantes a
través de los años 1970 y 2019, se encuentra relacionado con el crecimiento económico
(Figura 9), por lo que el uso de energía se convierte en un factor necesario para el desarrollo
de los sectores económicos y, por lo tanto, para el crecimiento de la producción nacional.
3.2 Marco Metodológico

3.2.1 Modelo econométrico y datos
En línea con los objetivos de la investigación, se procederá a examinar la relación entre el
consumo de energía, renovable y no renovable, y el crecimiento económico a partir de la
extensión del modelo neoclásico, por lo que el capital, la fuerza laboral y el consumo de
energía serán los factores de producción, así como lo realizado en estudios previos por Yuan
et al. (2008), Wang et al. (2011), Shahbaz y Tahir (2013), Ntanos et al. (2018) y Jan et al.
(2020). Por lo tanto, la forma general del modelo (4) y el modelo econométrico log-log (5)
a desarrollar serán:
𝑃𝐵𝐼𝑡 = 𝑓(𝐿𝑡 , 𝐾𝑡 , 𝐶𝐸𝐻𝑡 , 𝐶𝐸𝐶𝑡 , 𝐶𝐸𝑃𝑡 , 𝐶𝐸𝐺𝑁𝑡 ) (4)
ln 𝑃𝐵𝐼𝑡 = 𝛿0 + 𝛿1 ln 𝐿𝑡 + 𝛿2 ln 𝐾𝑡 + 𝛿3 ln 𝐶𝐸𝐻𝑡 + 𝛿4 ln 𝐶𝐸𝐶𝑡 + 𝛿5 ln 𝐶𝐸𝑃𝑡

+ 𝛿6 𝑙𝑛 𝐶𝐸𝐺𝑁𝑡 + 𝜇𝑡 (5)
Donde: PBI es el producto bruto interno real; L es la fuerza laboral; K es la formación bruta
de capital; CEH es el consumo energético de hidroelectricidad; CEC es el consumo
energético del carbón; CEP es el consumo energético del petróleo; CEGN es el consumo
energético del gas natural; 𝛿0 es el intercepto, 𝛿1 𝑎 𝛿5 representan las elasticidades y 𝜇𝑡 es el
término de error. El subíndice t representa el periodo de tiempo.
Los datos del producto interno bruto real y el capital se obtuvieron de World Development
Indicators Database, mientras que los datos del consumo energético del petróleo, del carbón,
del gas natural y de las hidroeléctricas, se extrajeron del BP Statistical Review of World
Energy. Los datos de la fuerza laboral se obtienen de la Total Economy Database de la
Conference Board para el período 1970 – 2019.
3.2.2 Especificación del modelo

Este estudio estima un modelo de retardo distribuido autorregresivo (ARDL), siguiendo
investigaciones como las de Acaravci y Ozturk (2010), Wang et al. (2011), Shahbaz et al.
25
(2012), Alam et al. (2012), Shahbaz et al. (2013), Marques et al. (2016) y Jan et al. (2020).
Este es un modelo lineal de series de tiempo en el que las variables están relacionadas no
solo de forma contemporánea, sino también a través de valores históricos (rezagados), por
tanto, el modelo 𝐴𝑅𝐷𝐿 (𝑝, 𝑞1 , 𝑞2 , … , 𝑞𝑘 ) que describe a 𝑦𝑡 como variable dependiente, y a
𝑥1 , 𝑥2 , … , 𝑥𝑘 como variables independientes, se muestra a continuación:
𝑘 𝑞𝑗
𝑝
𝑦𝑡 = 𝛿0 + ∑ 𝑤𝑖 𝑦𝑡−1 + ∑ ∑ 𝛿𝑗,𝑙𝑗 𝑥𝑗,𝑡−𝑙𝑗 + 𝜇𝑡 (6)
𝑖=1
𝑗=1 𝑙𝑗 =0
Donde 𝜇𝑡 representa las innovaciones habituales, 𝛿0 es una constante de la regresión, y 𝑤𝑖 , y

𝛿𝑗,𝑙𝑗 son, respectivamente, coeficientes asociados a una tendencia lineal, con rezagos en 𝑦𝑡 ,
y 𝑥𝑗,𝑡 para todo 𝑗 = 1,2, … , 𝑘.
3.2.3 Procedimiento de estimación

3.2.3.1 Análisis de estacionariedad
La estacionariedad de los parámetros del modelo brinda predicciones confiables, por ello, se
realizará la prueba de raíz unitaria a cada variable, pero con quiebre estructural para que sea
aún más certero al aceptar o rechazar la hipótesis nula (Shahbaz et al., 2012 y Herrerias et
al., 2018). La ruptura estructural es un problema para las pruebas de raíz unitaria ya que
podría aceptar que una variable tenga raíz unitaria cuando no es así, sesgando el modelo a
analizar (ver Tabla 2). Para aceptar o rechazar la hipótesis nula de que la serie es no
estacionaria (raíz unitaria) se fijará en el valor de la probabilidad de la prueba, a un nivel de
significancia del ***1%, **5% y *10%. En caso de que se presentase ruptura estructural en
la serie de datos, se incorporará una variable ficticia que incorpore la ruptura en el modelo
(ver Tabla 5).
3.2.3.2 Selección de rezago

Estudios como el de Lütkepohl (2006) y Shahbaz et al. (2012) mencionan que el criterio de
información de Akaike (AIC) presenta una mejor capacidad de predicción cuando se trata
de muestras pequeñas, a comparación de otros criterios de selección de rezagos que son
efectivas cuando se posee una cantidad de muestra alta.
26
3.2.3.3 Modelo Autorregresivo de Rezagos Distribuidos (ARDL)
Para observar la relación a largo plazo se utilizó el modelo ARDL por su superioridad sobre
los otros enfoques de cointegración, y también por ser más adecuado para muestras pequeñas
como es el caso de esta investigación, el cual solo cuenta con 50 observaciones (Wang et al.
2011, Shahbaz et al. 2012, Shahbaz et al. 2013 y Solarin y Ozturk, 2015). Se estimará el
modelo de corrección de errores sin restricciones con el enfoque de cointegración ARDL, el
cual se mostrará en la ecuación (7):
𝑝 𝑞 𝑟
∆ ln 𝑃𝐵𝐼𝑡 = 𝛿0 + ∑ 𝛿𝑖 ∆ ln 𝑃𝐵𝐼𝑡−𝑖 + ∑ 𝛿𝑗 ∆ ln 𝐿𝑡−𝑗 + ∑ 𝛿𝑘 ∆ ln 𝐾𝑡−𝑘

𝑖=1 𝑗=0 𝑘=0
𝑠 𝑡 𝑢
+ ∑ 𝛿𝑙 ∆ ln 𝐶𝐸𝑃𝑡−𝑙 + ∑ 𝛿𝑚 ∆ ln 𝐶𝐸𝐻𝑡−𝑚 + ∑ 𝛿𝑛 ∆ ln 𝐶𝐸𝐺𝑁𝑡−𝑛

𝑙=0 𝑚=0 𝑛=0
𝑣
+ ∑ 𝛿𝑔 ∆ ln 𝐶𝐸𝐶𝑡−𝑔 + 𝜑1 ln 𝑃𝐵𝐼𝑡−1 + 𝜑2 ln 𝐿𝑡−1 + 𝜑3 ln 𝐾𝑡−1

𝑔=0
+ 𝜑4 ln 𝐶𝐸𝑃𝑡−1 + 𝜑5 ln 𝐶𝐸𝐻𝑡−1 + 𝜑6 ln 𝐶𝐸𝐺𝑁𝑡−1 + 𝜑7 ln 𝐶𝐸𝐶𝑡−1

+ 𝜇𝑡 (7)
Donde 𝑝, 𝑞, 𝑟, 𝑠, 𝑡, 𝑢, 𝑣 representan la cantidad de rezagos de cada variable (lag length) y el

∆ simboliza el operador de diferencia.
Para analizar la existencia de relación a largo plazo del modelo, se tomó como hipótesis nula
la no cointegración entre las variables, es decir, 𝐻0 : 𝜑1 = 𝜑2 = 𝜑3 = 𝜑4 = 𝜑5 = 𝜑6 =
𝜑7 = 0 y como hipótesis alternativa la cointegración entre las variables, es decir, 𝐻1 : 𝜑1 ≠
𝜑2 ≠ 𝜑3 ≠ 𝜑4 ≠ 𝜑5 ≠ 𝜑6 ≠ 𝜑7 ≠ 0.
Los valores críticos que serán utilizados para la decisión de la presencia de cointegración en
la serie serán las dispuestas por Narayan (2005), ya que, como lo menciona en su
investigación, estos valores críticos son los más apropiados para muestras entre los 30 a 80
observaciones, a diferencia de los valores críticos de Pesaran and Pesaran (2001) que
muestran eficacia para observaciones entre los 500 y 40000.
Teniendo en cuenta que nuestra muestra cuenta con 50 observaciones, los valores críticos
más apropiados resultan ser los de Narayan (2005), por lo que para ver la cointegración o no
de las variables, se tendrá que calcular el F estadístico del modelo ARDL y comparar con
los valores de límite inferior y límite superior. Por lo tanto, para que exista una relación a
27
largo plazo entre las variables, el F estadístico-calculado debe ser mayor al límite critico
superior. Si F estadístico-calculado es menor que el límite crítico inferior, entonces no existe
cointegración entre las variables. Pero, si el F estadístico-calculado cae dentro del límite
critico inferior y superior, existe la posibilidad de que lo resultados sean no concluyentes
con respecto a la presencia de cointegración.
3.2.3.4 Prueba de diagnóstico y estabilidad

Se utilizaron pruebas de diagnóstico como la prueba Breusch-Godfrey para probar la
presencia de correlación, la prueba ARCH para el análisis de heterocedasticidad, así mismo,
la prueba RESET de Ramsey para probar la especificación de la forma funcional (Shahbaz
et al. 2012). Para la prueba de estabilidad, se utilizaron las pruebas de CUSUM y CUSUMQ
con el objetivo de verificar si el modelo ARDL seleccionado es o no estable. A través de un
gráfico que muestra dos bandas, las cuales son limites críticos con un nivel de significancia
del 5%, se puede llegar a probar la estabilidad del modelo. Por lo tanto, para que el modelo
demuestre estabilidad, debe existir una línea que no salga de las bandas (Bildirici 2016).
3.2.3.5 Estimación de los modelos de corto y largo plazo

Después de haber pasado por las pruebas de diagnóstico y estabilidad, y además de
confirmarse la existencia de cointegración, se estima el modelo ARDL para el largo plazo
(como la ecuación 7). Seguidamente se evaluará el modelo de corrección de errores
restringido (ECM) para tener las estimaciones a corto plazo y el termino de corrección de
errores, el cual se muestra en la ecuación (8).
𝑝 𝑞 𝑟
∆ ln 𝑃𝐵𝐼𝑡 = 𝛿0 + ∑ 𝛿𝑖 ∆ ln 𝑃𝐵𝐼𝑡−𝑖 + ∑ 𝛿𝑗 ∆ ln 𝐿𝑡−𝑗 + ∑ 𝛿𝑘 ∆ ln 𝐾𝑡−𝑘

𝑖=1 𝑗=0 𝑘=0
𝑠 𝑡 𝑢
+ ∑ 𝛿𝑙 ∆ ln 𝐶𝐸𝑃𝑡−𝑙 + ∑ 𝛿𝑚 ∆ ln 𝐶𝐸𝐻𝑡−𝑚 + ∑ 𝛿𝑛 ∆ ln 𝐶𝐸𝐺𝑁𝑡−𝑛

𝑙=0 𝑚=0 𝑛=0
𝑣
+ ∑ 𝛿𝑔 ∆ ln 𝐶𝐸𝐶𝑡−𝑔 + 𝜑1 ln 𝑃𝐵𝐼𝑡−1 + 𝜑2 ln 𝐿𝑡−1 + 𝜑3 ln 𝐾𝑡−1

𝑔=0
+ 𝜑4 ln 𝐶𝐸𝑃𝑡−1 + 𝜑5 ln 𝐶𝐸𝐻𝑡−1 + 𝜑6 ln 𝐶𝐸𝐺𝑁𝑡−1 + 𝜑7 ln 𝐶𝐸𝐶𝑡−1 + 𝜆𝐸𝐶𝑇𝑡

+ 𝜇𝑡 (8)
Donde 𝛿0 representa el termino constante, el 𝛿𝑖 hasta 𝛿𝑔 denotan los coeficientes de corto

plazo, de 𝜑1 hasta 𝜑1 representan los coeficientes a largo plazo, 𝐸𝐶𝑇 es el termino de
28
corrección de error y 𝜆 simboliza el coeficiente de 𝐸𝐶𝑇. Los demás parámetros fueron
definidos anteriormente en la ecuación (7).
Para poder obtener convergencia al equilibro por parte del modelo, el termino de corrección
de error (𝐸𝐶𝑇), el cual indica la velocidad de ajuste de las variables para reestablecer el
nivel de equilibrio, debe tener un signo negativo y, además, ser significativo.
3.2.4 Resultados
Esta investigación analiza la relación a corto y largo plazo entre el PBI y las variables CEP,
CEH, CEGN, CEC, mano de obra y capital, para la economía peruana durante los años 1970
y 2019.
Los datos estadísticos que describen a las variables que se utilizarán en este estudio, se
visualiza en la Tabla 1. La prueba de Jarque-Bera analiza la normalidad de las variables,
como se puede apreciar todas ,con excepción de la variable consumo de energía derivada del
gas natural, siguen una distribución casi normal que se requiere. En cuanto a la variable que
resultó no tener una distribución normal, a lo largo del estudio se analizará con mayor
detenimiento si es posible incluirla en el modelo o no.
Tabla 1: Estadísticos descriptivos de las variables (T=50)
Nota. El Prob, está asociada con la prueba de normalidad de Jarque-Bera
3.2.4.1 Resultados del análisis de estacionariedad

La prueba de raíz unitaria se realizó, en primera instancia, sin tomar quiebre estructural, sin
embargo, los resultados de esta prueba podrían estar sesgadas al no considerar ruptura
estructural como lo explicamos en líneas anteriores. Por ejemplo, la variable CEGN, la cual
tenemos que tomarla en cuenta por no distribuirse de manera normal, presenta raíz unitaria
en niveles y en primera diferencia, por lo que se concluiría que la variable no es estable (ver
Tabla 2). Sin embargo, al realizar la prueba de raíz unitaria considerando el quiebre
29
estructural, los resultados que se muestran en la Tabla 2 , concluyeron que la variable CEGN
es estable en niveles y en primeras diferencias, por lo que es posible utilizar esta variable en
el modelo.
Entonces, tomando como referencia a la prueba de raíz unitaria con quiebre estructural, los
resultados arrojaron que todas las variables, excepto el CEGN, son estables en primeras
diferencias mas no en niveles. Así mismo, la prueba confirma que las fechas de quiebre
estructural, al nivel del 1%, para el PBI, el trabajo, el capital, CEP, CEGN, CEC, CEH son
1989, 1986, 2010, 1974, 2003, 1984, 2018, 1987 y 2014.
Tabla 2: Resultados de la prueba de raíz unitaria
UnitRootTest BreakpointUnitRootTest
Variables Intercepto Tendenciaeintercepto Intercepto Tendenciaeintercepto
lnPBI 0,531791 -1,587925 -1,876658 (2002) -4,621543* (1987)
D(lnPBI) -4,326275*** -4,561662*** -5,414007*** (1989) -5,098771** (1989)
lnL -2,444348 -1,593956 -2,678928 (1979) -3,373880 (1982)
D(lnL) -5,065965*** -5,656978*** -6,392808*** (1986) -6,231738*** (1986)
lnK -0,98867 -2,611935 -3,909296 (2005) -4,474084 (2005)
D(lnK) -5,261104*** -5,209936*** -5,946571*** (2010) -5,911008*** (2010)
lnCEP -0,411132 -2,05922 -2,524738 (2007) -4,512597 (2010)
D(lnCEP) -6,444450*** -6,401294*** -6,779971*** (1974) -6,842100*** (1974)
lnCEGN -0,721639 -1,643701 -5,142433 *** (2003) -5,583363*** (2003)
D(lnCEGN) -2,246638 -2,32979 -7,911716*** (2000) -8,416370*** (2001)
lnCEC -1,237537 -0,601106 -4,069869 (1990) -2,820312 (2018)
D(lnCEC) -8,617600*** -8,704644*** -9,717102*** (2018) -10,22975*** (1984)
lnCEH -2,003711 -3,522614** -2,668837 (1993) -4,545460 (2003)
D(lnCEH) -8,721145*** -8,793168*** -9,151371*** (1987) -9,335045*** (2014)
Nota. *, **, *** Muestran el nivel de significancia al 10%, 5% y 1%, respectivamente. Entre
paréntesis están los años de ruptura estructural.
3.2.4.2 Resultado de la selección de rezagos

Baum (2004) recomienda que se pruebe el orden de cointegración de las variables antes de
utilizar el enfoque ARDL. En este estudio las variables resultaron ser de I(1) excepto el
consumo derivado del gas natural que fue de orden I(0). No se encontró ninguna variable
que sea integrada de orden I(2); por lo que se realizó la prueba ARDL para la cointegración.
30
Se aplicó el criterio de información de Akaike (AIC) para decidir la longitud del desface,
por su robustes para este horizonte de tiempo. En consecuencia, se estimó el modelo ARDL
(1, 3, 3, 3, 1, 3, 3) para Perú.
3.2.4.3 Resultados de la cointegración y pruebas de diagnostico

En la Tabla 3 se muestran los resultados de la prueba ARDL y sus pruebas de diagnóstico.
Así mismo, se presentan también los valores críticos de Narayan (2005) en la parte inferior
de la tabla. El modelo propuesto supera todas las pruebas de diagnóstico, por lo que la
estimación está libre de problemas de normalidad (ver Anexo 2), correlación serial (ver
Anexo 3), heterocedasticidad (ver Anexo 4) y del error de forma funcional (ver Anexo 5), al
nivel del 1% y del 5%. Por lo tanto, el modelo estimado es confiable y sus hallazgos pueden
ser utilizados para recomendaciones de política.
Tabla 3: Resultados de la prueba ARDL F-bound y las pruebas de diagnostico
Pruebaslimitadasalacointegración Pruebasdediagnostico
Modeloestimado RezagoÓptimo F-estadistico χ² NORMAL χ² SERIAL χ² ARCH χ² RESET
( / , , ,
, , ) (1,3,3,3,1,3,3) 4,3613 0,1467 0,6816 0,4269 0,1261
ValorCrítico(T=46)
Niveldesignificancia
I(0) I(1)
Nivel 10% 1,99 2,94
Nivel 5% 2,27 3,28
Nivel 2,5% 2,55 3,61
Nivel 1% 2,88 3,99
3.2.4.4 Análisis de estabilidad del modelo

Los resultados de las pruebas CUSUM y CUSUMSQ que se utilizaron para verificar la
estabilidad del modelo, se pueden apreciar en las Figuras 10 y 11, respectivamente. Las
líneas rojas representan los límites críticos al 5% de significancia. Las figuras revelan que el
CUSUM y CUSUMSQ se trazan dentro de los límites críticos, concluyendo que el modelo
estimado se encuentra libre de inestabilidad y especificación incorrecta. Entonces, podemos
decir que el modelo es estable y confiable, por lo tanto, sus resultados pueden ser usados con
fines de política.
31
Figura 10: Gráfico de suma acumulada de residuos recursivos
Fuente: Prueba CUSUM para la estabilidad del modelo ARDL. Elaboración propia
Figura 11: Gráfico de suma acumulada de cuadrados de residuos recursivos
Fuente: Prueba CUSUMSQ para la estabilidad del modelo ARDL. Elaboracion propia
3.2.4.5 Relaciones a corto y largo plazo

Estimamos la relación a corto y largo plazo utilizando el modelo vinculado a la prueba
ARDL, ya que se confirmó la cointegración entre las variables. La Tabla 4 muestra que todas
las variables, excepto el trabajo y el consumo derivado del petróleo, tienen relaciones
estadísticamente significativas al 5%, con el PBI a largo plazo. Sin embargo, podemos
aceptar al trabajo como variable significativa al 10%, por lo tanto, es posible interpretar
dicha variable.
32
Tabla 4: Resultados de la estimación a Largo Plazo
Variables Beta SE T-statistics Prob.

D(L_L) -1,31062 0,74297 -1,76404 0,09470
D(L_K) 0,55047 0,19649 2,80161 0,01180
D(L_CEP) -0,07073 0,35145 -0,20126 0,84280
D(L_CEH) 0,73718 0,29932 2,46280 0,02410
D(L_CEC) -0,44343 0,19331 -2,29386 0,03400
L_CEGN -0,04489 0,01999 -2,24539 0,03750
C 0,14051 0,06493 2,16381 0,04420
El resultado para la mano de obra en el largo plazo sugiere que, a un nivel de confianza del
90%, un aumento del 1% en la mano de obra reducirá el PBI en aproximadamente 1,31%.
El efecto negativo de la mano de obra en el PBI peruano se pudo deber a la baja movilidad
laboral que ha tenido el país, el alza del desempleo, la alta tasa de informalidad y la baja
productividad laboral. Jaramillo y Campos (2020) hablan sobre la dinámica del mercado
laboral peruano, en donde sus hallazgos abalan las razones ya expuestas anteriormente de
porqué el empleo presenta una relación negativa con el PBI a largo plazo.
El capital resultó tener una relación positiva y significativa al 5% con el PBI a largo plazo,
ante un aumento del 1% en capital el PBI aumentará en 0.55%. Esto está en línea con lo que
se esperaba para la economía peruana, ya que, diversas investigaciones en el mundo como
los de Yuan et al. (2008), Solarin y Ozturk (2015) y Leiva y Liu (2018), evidencian la
relación positiva entre el capital y el PBI.
Los resultados para las variables del consumo de energía a largo plazo evidencian que el
consumo de energía derivada del, petróleo, gas natural y carbón presentan un impacto
negativo en el PBI a largo plazo. Sin embargo, solo el consumo de energía derivada de las
hidroeléctricas afecta positivamente al PBI peruano en el largo plazo, un aumento del 1% en
el consumo de energia derivada de las hidroeléctricas hará que el PBI peruano se incremente
en un 0.74% aproximadamente. Además, el tener la magnitud relativamente más alta del
coeficiente CEH, con un valor p más alto ( p < 0.024), muestra que la energía renovable, a
través del recurso de las hidroeléctricas, estimula el crecimiento económico de manera más
eficiente que el consumo de energía no renovable, conformadas por el petróleo, gas natural
33
y carbón. Este hallazgo fue confirmado por las investigaciones realizadas por Pao et al.
(2014), Akif y Aslan (2017) y Jan et al. (2020).
Las estimaciones de corto plazo, obtenidas utilizando el modelo de corrección de errores

restringido (ECM), se presentan en el Anexo 1, sin embargo, en la Tabla 5 se visualiza un
resumen de las variables que resultaron significativas al nivel de 5%. Así mismo, se
incluyeron las variables ficticias de 1987, 2003, 2010 y 2014, siendo estas tres primeras
significativas y la última no significativa, sin embargo, se incorporó al modelo ya que
permitía que la estimación sea estable.
Tabla 5: Resultados de la estimación a Corto Plazo

D(L_L(-1), 2) 0,26066 0,11974 2,17684 0,04300
D(L_K, 2) 0,25468 0,02224 11,45412 0,00000
D(L_CEP, 2) 0,14417 0,04961 2,90592 0,00940
D(L_CEH, 2) 0,12353 0,04578 2,69853 0,01470
D(L_CEC(-1), 2) 0,17507 0,03299 5,30735 0,00000
D(L_CEGN(-1)) -0,03807 0,01800 -2,11541 0,04860
INCPTBREAK2003 0,08030 0,01353 5,93451 0,00000
BREAKDUM2010 -0,10965 0,02335 -4,69504 0,00020
BREAKDUM1987 0,06501 0,02333 2,78616 0,01220
INCPTBREAK2014 -0,01632 0,01261 -1,29479 0,21180
ECT(-1) -0,56761 0,08154 -6,96123 0,00000
Nota: 𝑅 2 = 0.9499
F-estadístico = 10.8421
Prob(F-estadístico) = 0.0000
Estadístico Durbin-Watson = 1.9450
La variable ECT(-1) representa el termino de corrección de error de un rezago, y como se

puede evidenciar en la Tabla 5, esta variable resulta significativa al 5% y al 1% ( p < 0.0000),
además, presenta signo negativo, el cual hace evidencia de que la variable converge al
equilibrio. El coeficiente ECT(-1) es aproximadamente 0.57 (en términos absolutos) por lo
tanto, muestra que la velocidad de ajuste tiende a ser razonablemente alta al nivel de
equilibrio de largo plazo después de los shocks de corto plazo. La velocidad de ajuste en
términos de años es simplemente el recíproco del valor absoluto de la estimación del
coeficiente de corrección de errores, en esta investigación resulta ser 1.76, lo que implica
34
que, ante cualquier choque de corto plazo, la velocidad de ajuste al equilibro de largo plazo
será de 1.76 años.
El consumo de energía derivada del gas natural, al ser menos contaminante que los demás
combustibles fósiles, su exploración y extracción resulta ser muy costosa por lo que se
necesitaría una fuerte inversión previa para su producción y futura comercialización, es por
ello la relación entre el PBI y el consumo derivado del gas natural resultaron ser negativas
en el corto y largo plazo. Estas conjeturas fueron apoyadas por el artículo publicado de
OSINERGMIN (2014), el cual evidencia que la industria del gas natural es muy costosa en
producción y en distribución como, por ejemplo, un mayor gasto debido la accidentada
geografía, la distancia entre ciudades al interior del país y las precarias condiciones de
infraestructura urbana y rural, han ocasionado que su consumo de este producto en el país
sea limitado, y lo sobrante sea exportado, generando un menor impacto en el crecimiento
económico.
El resultado en el corto y largo plazo para la variable consumo de energía derivada de las
hidroeléctricas fue positiva y significativa. Sin embargo, para el consumo de energía del
petróleo y el carbón, fueron significativas en el corto y largo plazo, pero en el largo plazo se
relacionaron con el PBI de manera negativa y en corto plazo de manera positiva. Por lo tanto,
lo que se puede deducir de esta relación es que el consumo de energia derivada de fuentes
no renovables fomentan el crecimiento económico solo a corto plazo, y el consumo de
energía renovable lo hace de manera estable en el corto y largo plazo. El modelo muestra un
𝑅 2 del 0.94, el cual indica que aproximadamente el 94% de las variaciones del PBI son
explicadas por las variables, así mismo, en el Anexo 1 se presentan los demás estadísticos
de la regresión estimada.
4 CONCLUSIONES
El principal objetivo de esta investigación fue identificar la fuente energética que fomente
en mayor medida el crecimiento económico en el corto y largo plazo para la economía
peruana. Las cuatro fuentes energéticas utilizadas en el estudio fueron las que en mayor
cantidad se consumen en el país, la energía derivada del petróleo, del gas natural, del carbón
y de las hidroeléctricas, tomando a esta última como la única fuente renovable que posee el
Perú en mayor proporción desde el año 1970 hasta la actualidad.
35
La sugerencia de estudios previos con respecto al modelo teórico nos llevó a considerar la
forma extendida del modelo de crecimiento básico, tomando al capital, al trabajo y las
fuentes de energía como factores de producción. Adicionalmente se indicó que, con este
modelo, la producción, el capital, el trabajo y el consumo de energía, tienden a una relación
de equilibrio a largo plazo. Para ello, se estimó el modelo de rezago distribuido
autorregresivo o las pruebas de límites ARDL, y los enfoques de ruptura estructural, en los
cuales se evidenciaron la existencia de una relación a largo plazo entre el consumo de energía
renovable, el consumo de energía no renovable, el capital, la mano de obra y el crecimiento
económico, durante el periodo de estudio. Se estimó el modelo de corrección de errores
restringidos (ECM), después de confirmar la existencia de cointegración, para poder obtener
las estimaciones a corto plazo.
Los resultados de la relación a largo plazo muestran que el trabajo, el consumo de energía
derivada del petróleo, del gas natural y del carbón, disminuyen el PBI de Perú, mientras que
el capital y el consumo de energía derivada de las hidroeléctricas aumentan el PBI
anualmente. Por otro lado, los resultados a corto plazo evidencian que todas las variables,
excepto el consumo energético del gas natural, contribuyen positivamente al PBI. Por tanto,
la conclusión principal que se extrajo de estos resultados fueron que, en corto y largo plazo,
el consumo de energía derivada de las hidroeléctricas contribuyó al crecimiento económico
peruano, mientras que las otras fuentes de consumo resultaron afectar negativamente. Por
ende, se puede inferir que la energía proveniente de fuentes renovables estimula el
crecimiento económico de manera más eficiente que la energía derivada de fuentes no
renovables, así lo demuestra la magnitud de los coeficientes y los niveles de significancia
presentadas en el corto y largo plazo. Estos hallazgos confirman la hipótesis planteada en la
investigación, basada en literatura previa revisada, la cual nos daba indicios de que, en países
subdesarrollados como el Perú, el consumo de energía derivada de fuentes renovables
presentaba un efecto mayor que el consumo energético de fuentes no renovables en el
crecimiento económico.
Algunas recomendaciones que se pueden sugerir a la economía peruana debido a los

hallazgos son, en primer lugar, aumentar la participación de los recursos de energía de
fuentes renovables como, por ejemplo, paneles solares, aerogeneradores que extraen la
energía cinética del viento, entre otros. Para este propósito, se recomienda aumentar la
inversión en la exploración y desarrollo de estas fuentes de energías renovables. Por otro
36
lado, se recomienda promover un mayor consumo de estas fuentes eco-amigables
principalmente en el sector transporte e industrial, ya que, la participación de energía
renovable fue del 25.62% y 4.14%, respectivamente en el año 2018. Estas recomendaciones,
no solo ayudarán a promover el crecimiento económico a largo plazo sino también, a mitigar
los efectos colaterales del cambio climático, ya que se reducirán las emisiones del CO2.
Por último, para futuras investigaciones se recomienda realizar el enfoque de causalidad para
examinar la dirección de la relación causal entre estas series, y de esta manera poder
determinar con mayor exactitud los efectos ex -ante y ex -post. Así mismo, este documento
toma al consumo de hidroelectricidad como proxy del consumo de energía renovable, dada
la disponibilidad de data. Sin embargo, agregar otros recursos renovables en el modelo hará
que los hallazgos sean más sólidos y representativos.
5 REFERENCIAS
Acaravci A. & Ozturk I. (2010). CO2 emissions, energy consumption, and economic growth
in Turkey. Renewable and Sustainable Energy Reviews, 14(9),3220–3225.
Alam M., Begum I., Buysse J. & Van Huylenbroeck G. (2012). Energy consumption, carbon
emissions and economic growth nexus in Bangladesh: cointegration and dynamic
causality analysis. Energy Policy, 45, 217 – 225.
Aguirre M., & Ibikunle G. (2014). Determinants of renewable energy growth: A global
sample analysis. Energy Policy, 69, 374–384.
Asuntos Económicos y Sociales de las Naciones Unidas. (2020). Informe Mundial sobre la
Situación y Perspectivas Económicas. Visto el 19 de setiembre del 2020. Recuperado
de: https://www.un.org/development/desa/es/
Apergis N., Payne J., Menyah K. & wolde-Rufael Y. (2010). On the causal dynamics
between emissions, nuclear energy, renewable energy, and economic growth. Economía
ecológica, 69(11), 2255–2260.
Akif M. & Aslan A. (2017). Renewable and non-renewable energy consumption and
economic growth in emerging economies: Evidence from bootstrap panel causality.
Renewable Energy, 111, 757-763.
37
Asamblea General de las Naciones Unidas (2015). Visto el 25 de agosto del 2020.
Recuperado de: https://www.un.org/sustainabledevelopment/es/energy/
Baum C. (2004). A review of Stata 8.1 and its time series capabilities. International Journal
of Forecasting, 20(1), 151–161.
Banco Mundial. (2017). La energía que necesita la América Latina del futuro. Visto el 28 de
mayo del 2020. Recuperado de https://www.bancomundial.org/
Banco Mundial. (2017). La importancia de las energías limpias. Visto el 11 de setiembre del
2020. Recuperado de https://www.bancomundial.org/
Bildirici M. (2016). Defense, economic growth and energy consumption in China. Procedia
Economics and Finance, 38, 257–263.
Chang C. (2010). A multivariate causality test of carbon dioxide emissions, energy

consumption and economic growth in China. Applied Energy, 87, 3533–3537.
Comité de Operación Económica del Sistema (COES, 2019). Recuperado de

http://www.coes.org.pe/Portal/home/
Herrerias M., Joyeux R. & Girardin E. (2013). Short- and long-run causality between energy
consumption and economic growth: Evidence across regions in China. Applied Energy,
112, 1483–1492.
Hicks, J. (1965). Capital and Growth. Oxford: Oxford University Press.
Ho C. & Siu K. (2007). A dynamic equilibrium of electricity consumption and GDP in Hong
Kong: an empirical investigation. Energy Policy, 35, 2507–2513.
Iwayemi, A. (1998). Energy sector development in Africa. A background paper prepared for
The African Development Report, available at:
www.afdb.org/knowledge/publications/pdf/r_energy1999.pdf
Jamil F. & Ahmad E. (2010). The relationship between electricity consumption, electricity
prices and GDP in Pakistan. Energy Policy, 38, 6010–6025.
Jan I., Durrani S. & Khan H. (2020). Does renewable energy efficiently spur economic
growth? Evidence from Pakistan. Environment, Development and Sustainability.
https://doi.org/10.1007/s10668-019-00584-1
38
Jaramillo M. & Campos D. (2020). La dinámica del mercado laboral peruano: creación y
destrucción de empleos y flujos de trabajadores. Grupo de Análisis para el Desarrollo
(GRADE). Edición 1.
Joo Y., Kim C. & Yoo S. (2014). Energy Consumption, Co2Emission, and Economic
Growth: Evidence from Chile. International Journal of Green Energy, 12(5), 543–550.
Kahouli B. (2017). The short and long run causality relationship among economic growth,
energy consumption and financial development: Evidence from South Mediterranean
Countries (SMCs). Energy Economics, 68, 19–30.
Kraft J. & Kraft A. (1978). Relationships between energy and GNP. The Journal of Energy
and Development, 3, 401–403.
Keynes, J. (1936). The General Theory of Employment, Interest and Money. New York:
Harcourt Brace.
Leiva B., & Liu Z. (2018). Energy and economic growth in the USA two decades later:
Replication and reanalysis. Energy Economics.
https://doi.org/10.1016/j.eneco.2018.02.002.
Lin H. (2014). Renewable Energy Consumption and Economic Growth in Nine OECD
Countries: Bounds Test Approach and Causality Analysis. The Scientific World
Journal. https://doi.org/10.1155/2014/919167
Lotfalipour M., Falahi M. & Ashena M. (2010). Economic growth, CO2 emissions, and fossil
fuels consumption in Iran. Energy, 35(12), 5115–5120.
Lund H. (2007). Renewable energy strategies for sustainable development. Energy, 32, 912
– 919.
Lütkepohl H. (2006). Structural vector autoregressive analysis for cointegrated variables.

Allgemeines Statistisches Archiv, 90(1), 75–88.
Magazzino C. (2015). Energy consumption and GDP in Italy: cointegration and causality
analysis. Environment, Development and Sustainability, 17, 137-153.
Marques M., Fuinhas A. & Marques C. (2016). On the global energy consumption and
economic growth nexus: A long time span analysis. International Energy Journal, 16,
143–150.
39
Menyah K. & Wolde-Rufael Y. (2010). Energy consumption, pollutant emissions and
economic growth in South Africa. Energy Economics, 32(6),1374-1382.
Mirza M. & Kanwal, A. (2017). Energy consumption, carbon emissions and economic
growth in Pakistan: Dynamic causality analysis. Renewable and Sustainable Energy
Reviews, 72, 1233–1240.
Narayan P. (2005). The saving and investment Nexus for China: Evidence from co-
integration tests. Applied Economics, 37(17), 1979–1990.
Ntanos S., Skordoulis M., Kyriakopoulos G., Arabatzis G., Chalikias M., Galatsidas S.,
Athanasios B. & Katsarou, A. (2018). Renewable Energy and Economic Growth:
Evidence from European Countries. Sustainability, 10(8), 2626.
https://doi.org/10.3390/su10082626
Organismo Superior de Inversión en Energía y Minería. (OSINERGMIN, 2020).

Recuperado de: (https://www.osinergmin.gob.pe/SitePages/default.aspx)
Ocal O. & Aslan A. (2013). Renewable energy consumption-economic growth nexus in

Turkey. Renewable and Sustainable Energy Reviews, 28, 494 – 499.
Pao H., Li Y. & Fu H. (2014). Clean energy, non-clean energy, and economic growth in the
MIST countries. Energy Policy, 67, 932–942.
Pesaran M., Shin Y. & Smith, R. (2001). Bounds testing approaches to the analysis of level
relationships. Journal of Applied Econometrics, 16, 289–326.
Razmi S., Ramezanian B., Behname M., Salari T. & Javad Razmi S. (2019). The relationship
of renewable energy consumption to stock market development and economic growth in
Iran. Renewable Energy, 145, 2019 – 2024.
Rodríguez C. & Ventosa D. (2017). Energy-growth long-term relationship under structural

breaks. Evidence from Canada, 17 Latin American economies and the USA. Energy
Economics, 61, 121-134.
Sato, R. (1964). The Harrod-Domar Model vs the Neo-Classical Growth Model. The
Economic Journal, 74(294), 380-387.
40
Shahbaz M., Tang C. & Shabbir M. (2011). Electricity consumption and economic growth
nexus in Portugal using cointegration and causality approaches. Energy Policy, 39,
3529–3536.
Shahbaz M. & Feridun M. (2012). Electricity consumption and economic growth empirical
evidence from Pakistan. Quality & Quantity, 46, 1583-1599.
Shahbaz M., Zeshan M. & Afza T. (2012). Is energy consumption eﬀective to spur economic
growth in Pakistan? New evidence from bounds test to level relationships and Granger
causality tests. Economic Modelling, 29(6), 2310–2319.
Shahbaz M., Khanb S. & Tahir M. (2013). The dynamic links between energy consumption,
economic growth, ﬁnancial development and trade in China: fresh evidence from
multivariate framework analysis. Energy Economic, 40, 8-11.
Shafiee S. & Topal E. (2009). When will fossil fuel reserves be diminished? Energy Policy,
37(1), 181–189.
Solarin A. & Ozturk I. (2015). On the causal dynamics between hydroelectricity

consumption and economic growth in Latin America countries. Renewable and
Sustainable Energy Reviews, 52, 1857-1868.
Solow R. (1956). A contribution to the theory of economic growth. The Quarterly Journal of
Economics,70, 65–94.
Stokes S. (1996). Economic Reform and Public Opinion in Peru, 1990-1995. Comparative
Political Studies, 29(5), 544–565. doi:10.1177/0010414096029005003
Transparencia Climática. (2019). Informe Brown to Green. Visto el 12 de setiembre del

2020. Recuperado de: https://www.climate-transparency.org/g20-climate-
performance/g20report2019
Tiba S. & Omri A. (2016). Literature survey on the relationships between energy,
environment and economic growth. Renewable and Sustainable Energy Reviews,
http://dx.doi.org/10.1016/j.rser.2016.09.113
Toda H., & Yamamoto T. (1995). Statistical inference in vector autoregressions with
possibly integrated process. Journal of Econometrics, 66, 225–250.
41
Tamayo J., Salvador J, Vásquez A, & García R. (OSINERGMIN, 2014). La industria del
gas natural en el Perú, a diez años del proyecto de Camisea. Lima - Perú. Visto el
20 de setiembre del 2021. Recuperado de Recuperado de:
https://www.osinergmin.gob.pe/seccion/centro_documental/Institucional/Estudios_Ec
onomicos/Libros/Libro-Industria-Gas-Natural-Peru-10anios-Camisea.pdf
Waheed R., Sarwar S. & Wei C. (2019). The survey of economic growth, energy
consumption and carbon emission. Energy Reports, 5, 1103 – 1115.
Wang Y., Wang Y., Zhou J., Zhu X. & Lu G. (2011). Energy consumption and economic
growth in China: a multivariate causality test. Energy Policy, 39, 4399–4406.
Yadoo, A. & Cruickshank H. (2012). The role for low carbon electrification technologies in
poverty reduction and climate change strategies: A focus on renewable energy mini
grids with case studies in Nepal, Peru and Kenya. Energy Policy, 42, 591-602.
Yuan J., Kang J., Zhao C. & Hu Z. (2008). Energy consumption and economic growth:
Evidence from China at both aggregated and disaggregated levels. Energy Economics,
30, 3077–3094.
Zhang Y. (2011). Interpreting the dynamic nexus between energy consumption and
economic growth: empirical evidence from Russia. Energy Policy, 39(5), 2265-2272.
42
6 ANEXOS
Anexo 1: Estimación a corto plazo

D(L_L, 2) -0,05295 0,13204 -0,40103 0,69310
D(L_L(-1), 2) 0,26066 0,11974 2,17684 0,04300
D(L_L(-2), 2) 0,38253 0,13706 2,79096 0,01210
D(L_K, 2) 0,25468 0,02224 11,45412 0,00000
D(L_K(-1), 2) -0,25238 0,03399 -7,42514 0,00000
D(L_K(-2), 2) -0,13990 0,02781 -5,03012 0,00010
D(L_CEP, 2) 0,14417 0,04961 2,90592 0,00940
D(L_CEP(-1), 2) 0,31456 0,05160 6,09670 0,00000
D(L_CEP(-2), 2) 0,15916 0,04245 3,74962 0,00150
D(L_CEH, 2) 0,12353 0,04578 2,69853 0,01470
D(L_CEC, 2) 0,02003 0,01568 1,27777 0,21760
D(L_CEC(-1), 2) 0,17507 0,03299 5,30735 0,00000
D(L_CEC(-2), 2) 0,09400 0,02306 4,07539 0,00070
D(L_CEGN) 0,00772 0,01764 0,43735 0,66710
D(L_CEGN(-1)) -0,03807 0,01800 -2,11541 0,04860
D(L_CEGN(-2)) -0,07827 0,01868 -4,19023 0,00060
INCPTBREAK2003 0,08030 0,01353 5,93451 0,00000
BREAKDUM2010 -0,10965 0,02335 -4,69504 0,00020
BREAKDUM1987 0,06501 0,02333 2,78616 0,01220
INCPTBREAK2014 -0,01632 0,01261 -1,29479 0,21180
ECT(-1) -0,56761 0,08154 -6,96123 0,00000
R-squared 0,94207 Mean dependent var 0,03049

Adjusted R-squared 0,85518 S.D. dependent var 0,05084
S.E. of regression 0,01935 Akaike info criterion -4,77330
Sum squared resid 0,00674 Schwarz criterion -3,66021
Log likelihood 137,78580 Hannan-Quinn criter. -4,35633
F-statistic 10,84216 Durbin-Watson stat 1,94505
Prob(F-statistic) 0,00000
43
Anexo 2: Prueba de normalidad del modelo (Jarque-Bera)
M odeoADRL M ax. M in. Std.Dev. Skewness Kurtosis Jarque- Prob.

( / , , ,
, , ) 0,02638 -0,03895 0,01224 -0,42252 4,13524 3,83877 0,14670
Anexo 3: Prueba de correlación serial (Breusch-Godfrey)
Breusch-GodfreySerialCorrelationLM Test:
F-statistic 0,135573 Prob. F(2,16) 0,8742
Obs*R-squared 0,766556 Prob. Chi-Square(2) 0,6816
Anexo 4: Prueba de heteroscedasticidad (ARCH)
HeteroskedasticityTest:ARCH
F-statistic 0,611736 Prob. F(1,43) 0,4384
Obs*R-squared 0,631209 Prob. Chi-Square(1) 0,4269
Anexo 5: Prueba de especificación de la forma funcional del modelo (Ramsey REST)
RamseyRESET Test
OmittedVariables:Squaresoffittedvalues
Value df Probability
t-statistic 1,6085 17 0,1261
F-statistic 2,5872 (1, 17) 0,1261
44

Roca RY

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

Roca RY

Cargado por

Copyright:

Formatos disponibles

El crecimiento económico y su relación con el consumo

de energía renovable y no renovable en el Perú

Item Type info:eu-repo/semantics/bachelorThesis

Authors Roca Rojas, Yuly

Publisher Universidad Peruana de Ciencias Aplicadas (UPC)

Rights info:eu-repo/semantics/openAccess; Attribution-

Download date 20/08/2022 04:41:41

Item License http://creativecommons.org/licenses/by-nc-sa/4.0/

Link to Item http://hdl.handle.net/10757/658570

PROGRAMA ACADÉMICO DE ECONOMÍA Y FINANZAS

El crecimiento económico y su relación con el consumo de energía renovable

Para optar el grado de bachiller en Economía y Finanzas

Roca Rojas, Yuly (0000-0003-3612-2176)

Villacorta Devoto, Luis Alejandro (0000-0002-9449-1802)

Lima, 11 de noviembre del 2021

A los profesores de la facultad de economía.

A las personas que buscan un mundo ecológicamente sostenible.

Me encuentro sumamente agradecida con cada uno de los profesores de la Facultad de

El presente trabajo de investigación tiene como objetivo evaluar la fuente de energía

Palabras clave: Energía renovable, crecimiento económico, cointegración, modelo ARDL.

Keywords: Renewable energy, economic growth, cointegration, ARDL model.

Tabla 1: Estadísticos descriptivos de las variables (T=50) ................................................ 29

Figura 1: Producción energética en el Perú (Terawatt-hours), 1970 - 2019 .................... 18

El incremento de la población, los avances tecnológicos y el desarrollo de nuevas industrias

El interés de relacionar el consumo de energía con el crecimiento económico surgió después

En el Perú, un país lleno de diversidad de ecosistemas, los recursos renovables han

Esta investigación se encuentra estructurada de la siguiente manera. Comienza con un marco

2.1 Energías Renovables y No Renovables

Según el Organismo Superior de Inversión en Energía y Minería (OSINERGMIN, 2020),

2.1.1 Fuentes de generación energética

En el Perú las fuentes renovables de generación energética presentes son la biomasa, la

2.1.2 Consumo de energía

2.2 Crecimiento Económico

2.2.1 Teorías de crecimiento

2.2.2 Teorías de crecimiento asociadas a la energía

Por lo tanto, para investigar la relación entre el uso de energía y el crecimiento de la

Donde 𝑌 es el producto agregado o PBI real, 𝐿 es la mano de obra, 𝐾 es el stock de capital,

𝑑𝑌𝑖 = 𝑌𝑘 𝑑𝐾𝑡 + 𝑌𝐿 𝑑𝐿𝑡 + 𝑌𝐸 𝑑𝐸𝑡 (2)

𝑌𝑡̇ = 𝛽1 𝐾̇𝑡 + 𝛽2 𝐿̇𝑡 + 𝛽3 𝐸̇𝑡 (3)

Entonces, de la ecuación (3), la función de producción indica que, a largo plazo, la

2.3 Fuentes de energía y crecimiento económico

En el continente asiático se encontró la investigación de Ho y Siu (2007) que observa el

Tomando como referencias a estos estudios vistos previamente, la investigación de cómo el

3.1 Hechos Estilizados

3.1.1 Producción energética en el Perú

Figura 1: Producción energética en el Perú (Terawatt-hours), 1970 - 2019

Fuente: BP Statistical Review. Elaboración propia

En el 2018, el recurso energético que representa la mayor proporción en la producción e

Figura 2: Disponibilidad de producción e importación energética según tipo de recurso, 2018

0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50%

Fuente: International Energy Agency (IEA). Elaboración propia.

Fuente: International Energy Agency (IEA). Elaboración propia.

3.1.2 Consumo energético en el Perú

Figura 4: Consumo energético final, 2018

Industria Transporte Otros Uso no energético

Fuente: International Energy Agency (IEA). Elaboración propia.

El carbón es otro recurso energético no renovable, que ha existido desde la primera

Figura 5: Consumo energético (Terawatt-hours), 1970 - 2019

150 Natural Gas

Fuente: BP Statistical Review. Elaboración propia.

En el sector transporte, la distribución del consumo energético entre energías renovables y

Figura 6: Consumo energético en el sector industrial, 2018

Fuente: International Energy Agency (IEA). Elaboración propia.