Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE ECONOMÍA
y no renovable en el Perú
TRABAJO DE INVESTIGACIÓN
AUTOR(ES)
ASESOR
A mi familia.
A todos aquellos que con un granito de arena contribuyen con el medio ambiente.
1
AGRADECIMIENTOS
2
RESUMEN
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.
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
6
ÍNDICE DE FIGURAS
7
1 INTRODUCCIÓN
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.
2 MARCO TEÓRICO
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.
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.
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).
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.
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.
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.
𝑌𝑡 = 𝑓(𝐾𝑡 , 𝐿𝑡 , 𝐸𝑡 ) (1)
14
subíndice t representa el periodo de tiempo. Seguidamente, se aplica el diferencial a la
ecuación (1):
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:
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.
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.
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.
3 APROXIMACIÓN METODOLÓGICA
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
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.
Hydro 7.46%
Other 0.65%
Biofuels/waste 9.52%
Gas 34.69%
Coal 1.19%
Oil 46.50%
19
Figura 3: Emisiones de CO2 en el Perú (Millones de toneladas)
42.61%
28.37% 27.58%
1.44%
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.
250
200
Oil (WTh)
50
0
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
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%.
22
Figura 7: Consumo energético en el sector transporte, 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.
15
10
Crecimiento
5
del PBI (%
anual)
0 Consumo -
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 variación%
-5
-10
-15
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.
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.
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
𝑘 𝑞𝑗
𝑝
𝑦𝑡 = 𝛿0 + ∑ 𝑤𝑖 𝑦𝑡−1 + ∑ ∑ 𝛿𝑗,𝑙𝑗 𝑥𝑗,𝑡−𝑙𝑗 + 𝜇𝑡 (6)
𝑖=1
𝑗=1 𝑙𝑗 =0
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
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.
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.
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.
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.
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.
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
31
Figura 10: Gráfico de suma acumulada de residuos recursivos
Fuente: Prueba CUSUM para la estabilidad del modelo ARDL. Elaboración propia
Fuente: Prueba CUSUMSQ para la estabilidad del modelo ARDL. Elaboracion propia
32
Tabla 4: Resultados de la estimación a Largo Plazo
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).
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.
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.
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.
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.
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
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.
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.
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
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
43
Anexo 2: Prueba de normalidad del modelo (Jarque-Bera)
Breusch-GodfreySerialCorrelationLM Test:
F-statistic 0,135573 Prob. F(2,16) 0,8742
Obs*R-squared 0,766556 Prob. Chi-Square(2) 0,6816
HeteroskedasticityTest:ARCH
F-statistic 0,611736 Prob. F(1,43) 0,4384
Obs*R-squared 0,631209 Prob. Chi-Square(1) 0,4269
RamseyRESET Test
OmittedVariables:Squaresoffittedvalues
Value df Probability
t-statistic 1,6085 17 0,1261
F-statistic 2,5872 (1, 17) 0,1261
44