Documentos de Académico
Documentos de Profesional
Documentos de Cultura
com
Economía Energética
Historial del artículo: Este documento explora cómo los cambios en la intensidad energética y el cambio a las energías renovables pueden impulsar
Recibido el 30 de abril de 2018 el crecimiento económico. Para hacerlo, implementamos un enfoque de datos de panel dinámico en una muestra de 134
Recibido en forma revisada el 25 de marzo de 2019
países durante el período de 1960 a 2010. Incorporamos un conjunto de variables de control, relacionadas con el capital
Aceptado el 27 de mayo de 2019
humano y físico, las condiciones socioeconómicas, las políticas y las instituciones, que tienen ampliamente utilizado en la
Disponible en línea el 6 de junio de 2019
literatura sobre crecimiento económico. Dado el estado actual de la tecnología, mejorar la intensidad energética es mejorar el
crecimiento a nivel mundial. Además, condicionado a la intensidad energética, pasar de los combustibles fósiles a las energías
Clasificación JEL:
C23 renovables de frontera (eólica, solar, undimotriz o geotérmica) también se correlaciona positivamente con el crecimiento.
O5 Nuestros resultados son robustos a la especificación del panel dinámico con respecto a enfoques alternativos (OLS agrupados,
Q2 dentro del grupo o sistema GMM),
Q43 © 2019 Publicado por Elsevier BV
Palabras clave:
Crecimiento
Intensidad de la energía
Renovables
Modelos de datos de panel dinámicos
https://doi.org/10.1016/j.eneco.2019.05.022
0140-9883/© 2019 Publicado por Elsevier BV
A. Díaz et al. / Economía energética 81 (2019) 1056–1077 1057
bajar en una economía en crecimiento, no es robusto según la literatura El propósito final es evaluar si estos factores energéticos son impulsores clave del
relacionada con la Curva Ambiental de Kuznets (EKC).2 crecimiento y, por lo tanto, sugerir que el vínculo entre el crecimiento y la energía
Un cuerpo sustancial de la literatura existente ha estudiado el vínculo entre la respetuosa con el medio ambiente podría reforzarse a sí mismo.
economía y las emisiones de CO2 a través del canal de la energía. Por ejemplo, Para lograr este objetivo, construimos un conjunto de datos que combina
Smiech y Papiez (2014)reportar evidencia de diferentes patrones de causalidad, información económica, energética y macroeconómica para un total de 134 países desde
dependiendo del grado de cumplimiento de los países con los objetivos de la 1960 hasta 2010. Luego, especificamos y estimamos un modelo de crecimiento de forma
política energética de la UE. Estos autores concluyen que cuanto mayor sea la reducida, con el espíritu deBarro (2000)yForbes (2000), pero aumentada con variables de
reducción de la intensidad energética y mayor sea la proporción del consumo de energía (Marrero, 2010). Las variables energéticas son la intensidad energética, el mix
energías renovables sobre el consumo total de energía, mayor será la reducción energético primario (que distingue entre combustibles fósiles, fuentes renovables y
de las emisiones globales. Paralelamente, para comprender el vínculo entre centrales nucleares), y el mix energético final (que incluye industria, transporte, servicios,
energía y economía, varios autores han enfatizado la importancia de la agricultura y sector residencial). Además de las variables energéticas, también incluimos
complementariedad entre capital y energía en la tecnología de producción. Por variables macroeconómicas alternativas ampliamente utilizadas en la literatura sobre
ejemplo, Atkeson y Kehoe (1999), yDiaz et al. (2004)hizo intentos tempranos de crecimiento (el precio de la inversión, el nivel educativo, las tasas de fertilidad, el tamaño
comprender los mecanismos detrás de la sustitución a corto plazo entre capital y del gobierno, la apertura comercial, la inflación, etc.). Lo hacemos para explorar la
energía y sus consecuencias en la producción. Sin embargo, sus resultados sensibilidad de nuestros resultados de energía de crecimiento a la elección específica de
brindan apoyo teórico al hallazgo de que las grandes diferencias en los precios de las variables de control.
la energía entre países no implican una brecha sustancial en el desempeño Establecimos un modelo de datos de panel dinámico (DPD) sobre este conjunto de
macroeconómico. La razón es que la tecnología de producción incorpora canales datos y lo estimamos utilizando tres métodos alternativos: i) regresión de panel
que ajustan los choques de precios de la energía a mediano plazo, combinado estimada por mínimos cuadrados ordinarios; ii) enfoque de efectos fijos
fundamentalmente a través de la inversión en nuevos equipos de capital más (dentro del grupo); y iii) utilizando systemGMMapproach (Blundell y Bond, 1998;Rodman,
eficientes energéticamente. Sin embargo, el mecanismo de reemplazo de capital 2009) para tratar de superar posibles problemas de endogeneidad, dada la causalidad de
en los modelos de crecimiento de Schumpeter ayuda a reconciliar el crecimiento a doble sentido que suele encontrarse entre la energía y el crecimiento del PIB (Atems y
largo plazo con grandes movimientos en los precios de la energía como enFerraro Hotaling, 2018). En general, encontramos que nuestros principales resultados son
y Peretto (2017). Más recientemente,Díaz y Puch (2019)yRausch y Schwerin (2017) robustos al método econométrico ya la especificación del modelo considerado.
han incorporado el progreso tecnológico a varios modelos agregados con Los principales hallazgos del trabajo son los siguientes. Primero, las mejoras
sustitución imperfecta entre energía y capital. Tomamos varias piezas de estos en la intensidad energética evolucionan junto con el crecimiento del PIB per
marcos como base para nuestro enfoque empírico presentado enSección 2, e cápita, independientemente de las variables de control incluidas en las
interpretar nuestros hallazgos enSecciones 5 y 6. Restringimos nuestro análisis al regresiones y el enfoque econométrico utilizado. Condicional al nivel del PIB y al
vínculo factores energéticos-crecimiento económico. mix energético, una disminución del 1% en la intensidad energética se asocia con
Si bien el efecto positivo sobre las emisiones globales de reducir la intensidad un mayor crecimiento anual del PIB per cápita de entre el 0,5 y el 1,0%, según la
energética y pasar a las energías renovables es un resultado bien establecido en la especificación del modelo.
literatura, el impacto de estas dos variables energéticas en el crecimiento En segundo lugar, con respecto al consumo de energía primaria, la proporción de
económico merece una mayor exploración. Por ejemplo, mientrasInglesi-Lotz fuentes de energía renovable se correlaciona negativamente con la tasa de crecimiento.
(2016),Bhattacharya et al. (2016, 2017)oNarayan y Doytch (2017), encuentran un Dado el nivel del PIB y la intensidad energética, un aumento anual de 1 pp en la
impacto positivo de las energías renovables en el crecimiento, no tienen en cuenta participación de las energías renovables (con respecto a la participación de los
la intensidad energética en su análisis. Esta omisión podría sesgar sus resultados combustibles fósiles) se asocia, en promedio, con un menor crecimiento del PIB per
sobre el vínculo entre las renovables y el crecimiento, debido a la correlación cápita de alrededor de −0,4 y −1,2 pp, dependiendo del modelo. Sin embargo, cuando
existente entre la intensidad energética y el mix energético (es decir, debido a una distinguimos entre energías renovables “convencionales” (hidro y biomasa) y energías
legislación ambiental común o un progreso tecnológico común).3Al mismo tiempo, renovables “frontera” (eólica, solar, undimotriz y geotérmica), encontramos que pasar de
como cada una de estas variables tiene su propia inercia, la intensidad energética los combustibles fósiles a las energías renovables convencionales está relacionado con
y la mezcla tardan en moverse por igual, por lo que la simultaneidad proporciona un menor crecimiento, pero más bien, si el cambio va hacia las energías renovables de
información sobre la importancia cuantitativa de cada canal, como mostramos. “frontera”, nuestros resultados muestran una asociación positiva con el crecimiento, con
Además, muchos de estos estudios arrojan resultados que difieren una elasticidad que oscila entre 0,4 y 0,6.
significativamente según el período, el conjunto de países, las variables incluidas o En tercer lugar, con respecto a la composición del mix energético final,
el método de análisis. Estas variaciones podrían deberse al estado de la tecnología encontramos que solo la participación del sector residencial tiene una correlación
de producción en cada entorno. A medida que el progreso tecnológico haga que negativa con el crecimiento, una vez que variables como la intensidad energética,
las fuentes renovables sean más baratas, los costos operativos de estas fuentes de el grado de desarrollo de los países y su mix energético primario, se controlan en
energía disminuirán, lo que implica que su uso se volverá más atractivo para el análisis de regresión. Nuestras estimaciones oscilan entre −0,6 y −1,2, es decir,
impulsar el crecimiento. aquellos países que muestran un aumento anual de 1 pp de la participación del
En consecuencia, como se indicó anteriormente, nuestro objetivo principal es analizar, a sector residencial (en relación con el sector primario) muestran, en promedio, un
escala global, la solidez de cómo los cambios en la intensidad energética, junto con los cambios menor crecimiento del PIB per cápita de alrededor de − 0.6 y
en la participación de las energías renovables, pueden afectar el crecimiento. Nuestro − 1,2 pp Este hallazgo implica que ni la creciente importancia del consumo de
energía en los servicios, principalmente observado en los países desarrollados, ni
el aumento del consumo de energía en la industria en países como China o India,
2Para los contaminantes locales con daños visibles en la salud, la aplicabilidad de las políticas a
están relacionados con un mayor crecimiento económico.
nivel local ha llevado a los formuladores de políticas a implementar políticas de reducción muy
rápidamente (Álvarez et al., 2005;Brock y Taylor, 2010). Por otro lado, la relación entre las Nuestra investigación se completa con un estudio de robustez. Primero exploramos
emisiones globales y el crecimiento económico ha sido ampliamente analizada y las conclusiones, si la correlación entre el crecimiento y la participación de las fuentes de energía
en la mayoría de los casos, han encontrado que la evidencia de un EKC es débil (verMarrero, 2010 renovable es robusta a los métodos econométricos alternativos y al uso de la intensidad
, Kijima, 2010, yBoluk y Mert, 2014, y las referencias que contiene), especialmente cuando
energética rezagada como variable explicativa. A continuación exploramos la existencia
miramos a nivel mundial.
3Otra controversia en esta literatura se encuentra en la dirección de la causalidad. Por ejemplo,
de posibles patrones heterogéneos en la correlación entre el crecimiento y las variables
Apergis y Payne (2010a, 2010b)reportan evidencia de la causalidad de Granger bidireccional entre energéticas. Encontramos patrones heterogéneos en la relación entre crecimiento e
el consumo de energía renovable y el crecimiento económico a corto y largo plazo en los países intensidad energética según el período y el nivel de ingreso. La sensibilidad del
de la OCDE durante el período 1985-2005, y en los países de Eurasia durante el período
crecimiento económico con respecto a la intensidad energética es mayor a partir de 1985
1992-2007, respectivamente. Sin embargo,Ucán et al. (2014)proporcionar evidencia empírica a
y para niveles de ingreso per cápita más bajos. Brindamos evidencia adicional sobre la
favor de la causalidad unidireccional del consumo de energía renovable en el PIB de 15 países de
la UE durante el período 1990-2011. En este artículo, estamos interesados en la causalidad de solidez de nuestras estimaciones al incluir un amplio conjunto de factores institucionales
los aspectos energéticos en el crecimiento económico. alternativos.
1058 A. Díaz et al. / Economía energética 81 (2019) 1056–1077
El resto del documento está organizado de la siguiente manera.Sección 2 Dejarmitdenota energía primaria agregada demandada, es decirmit=
discute un marco teórico general.Seccion 3describe el conjunto de datos sobre las ∑3 j=1mij, t, y dejaIEtsiendo la intensidad energética antes mencionada definida
variables de crecimiento y energía.Sección 4establece la ecuación en forma como uso de energía primaria en relación con la producción, es decirIEt= mit/At.
reducida con la que finalmente trabajamos, derivada del trasfondo teórico en Además, las acciones de energía primaria se denotan por:
Sección 2.Sección 5analiza el enfoque econométrico implementado y muestra los
mij;t;dónde∑3
resultados de la estimación del modelo de energía de crecimiento.Sección 6ofrece sj;t¼ j¼1sj;t¼1; para todost: d3Þ
pruebas adicionales de la solidez de nuestros resultados. Finalmente, la última
mi
t
y en aras de la simplicidad, asumiendo ρ = 1 (es decir, sustitutos perfectos), estas derivadas se convierten
en:
− π-Bt;
Bt¼ExpFb0g-Yd t−1-IEt
∂yt θYt λj−λ3
¼ ≷0;
con dnorte0, πnorte0, yb0norte0 capturando el estado tecnológico inicial, ∂sj;t d1−θÞ λ1s1;tþ λ2s2;tþ λ3s3;t
mientrasBtincorpora todos los demás insumos (distintos de la energía) utilizados en la De modo que los signos de las derivadas dependen exclusivamente de (λ1− λ3) y (λ2− λ3) en nuestro
producción. entorno.
A. Díaz et al. / Economía energética 81 (2019) 1056–1077 1059
implementación del modelo enSección 5. La adopción de renovables en la frontera También se distinguen entre sectores finales de consumo de energía: agricultura,
tecnológica puede implicar que el uso de energíamitcrece menos que la industria, transporte, residencial, comercio y otros servicios.
producción y, por lo tanto, la intensidad energética disminuirá mientras la tabla 1informa las principales estadísticas descriptivas (media y desviación
producción crece. Esta circunstancia corresponde en el modelo teórico a un estándar) para nuestra muestra de referencia de 915 observaciones y restringidas
coeficiente negativo de intensidad energética, es decir (θ − π)/(1 − θ)b0. Por el a las variables de ingresos y energía. Destacamos los siguientes aspectos. En
contrario, puede darse el caso de que, un paso hacia las renovables primer lugar, el PIB per cápita medio es de 14.889 dólares al año. La dispersión
convencionales poco eficientes, resulte ser el resultado de una economía con alrededor de la media es enorme (una desviación estándar de $17 807 por año).
dificultades para acceder a los mercados internacionales de combustibles fósiles. En nuestra muestra, países como Mozambique, en 1995 o RD del Congo en 2005
Exploramos todos estos temas enSecciones 5 y 6abajo. alcanzaron un PIB per cápita de $422,30 y $502,26, respectivamente, mientras que
En particular,Rajbhandari y Zhang (2018)recientemente proporcionaron evidencia de países como Noruega y Singapur alcanzaron $58.127 y $69.141, respectivamente,
la causalidad de Granger a largo plazo del crecimiento económico a una menor en 2010.
intensidad energética para un conjunto de 56 economías analizadas desde 1978 hasta El rango de las tasas de crecimiento también es muy amplio, con una media de 2,27%
2012. Encuentran, para las economías de ingresos medios, apoyo empírico para la y una desviación estándar de 5,44%. Tenemos observaciones con tasas de crecimiento
causalidad bidireccional a largo plazo entre una menor intensidad energética y mayor muy negativas (por ejemplo, −15 % para Zimbabue en 2005) y tasas de crecimiento muy
crecimiento económico. Estos hallazgos sugieren que un efecto positivo de la intensidad positivas (por ejemplo, +21 % para Yemen en 2005). En cualquier caso, en promedio, el
energética y el crecimiento puede ocurrir únicamente en las primeras etapas de PIB per cápita ha crecido en todo el mundo excepto en el grupo de países de bajos
desarrollo. Por ejemplo,Voigt et al. (2014)encuentran que las reducciones en la intensidad ingresos. Vale la pena señalar que las tasas de crecimiento promedio en nuestra muestra
energética en la mayoría de los países pueden estar asociadas en gran medida al cambio en realidad aumentan con el nivel de ingresos, por lo que podemos anticipar una
tecnológico, mientras que el cambio estructural juega un papel menos importante. Estos convergencia de ingresos limitada en todo el mundo durante las últimas décadas, al
autores solo apuntan a un resultado menos claro para los casos de Japón, Estados menos incondicionalmente.
Unidos, Australia, Taiwán, México y Brasil. En cuanto a la intensidad energética, la media de la muestra es de 202,1 TEP
por 1M de US$, con una dispersión de 143,1. Observamos países fuertemente
ineficientes en el uso de la energía, como Luxemburgo en 1975 o Turkmenistán en
3. Descripción de datos sobre crecimiento económico y energía 2005, con intensidades energéticas de hasta 400 TEP, junto a países altamente
eficientes energéticamente, como Suiza en 1995 o República Dominicana en 2010
Para explorar el vínculo entre las variables de energía y actividad, nos enfocamos en con intensidades energéticas claramente por debajo de 100 TEP.
la relación entre el crecimiento del PIB real y la intensidad energética a través de los Con respecto a la participación de la energía primaria, a nivel agregado, las
lentes de nuestro marco teórico. Al hacerlo, condicionamos tanto la matriz energética fuentes de combustibles fósiles representan el 70% de la producción de energía y
primaria como la final, y un conjunto de variables macroeconómicas que han las fuentes renovables el 27%. Además, la proporción de fuentes de combustibles
demostrado ser necesarias para el crecimiento del PIB. Para organizar la evidencia, fósiles aumenta con el nivel de ingresos, a expensas de disminuir la proporción de
comparamos exhaustivamente variables energéticas y macroeconómicas en todo el fuentes renovables (convencionales). Claramente, las marcadas diferencias en el
mundo. Nuestra base de datos consta de un panel no balanceado de 134 países que nivel del PIB per cápita entre países reflejan diferentes etapas de desarrollo. Por
abarca los años 1960-2010. otro lado, la participación de las centrales nucleares también aumenta con los
No obstante, en lo que sigue, solo nos referiremos a un panel final no balanceado de ingresos, aunque esta participación apenas representa un 1% en los países de
períodos de datos de cinco años que no se superponen, como es estándar en la literatura ingresos altos no pertenecientes a la OCDE. Con respecto al consumo final de
reciente sobre crecimiento empírico. Por lo tanto, utilizamos una frecuencia de cinco energía, el sector residencial es, con diferencia, el más importante. uno (32,5%),
años en nuestras estimaciones, por lo que el panel final contiene 915 observaciones por junto con la industria (26%) y los servicios de transporte (23%). De hecho, el sector
año-país para los 134 países antes mencionados durante el período 1960–2010. Como residencial representa la mayor parte del consumo final de energía en los países
consecuencia, las variables rezagadas en el modelo empírico se denotan en términos de de bajos ingresos. El papel de esta participación residencial disminuye con el nivel
rezago de cinco años, mientras que las tasas de crecimiento y otras variables se de ingresos. Por el contrario, el patrón es (más o menos) uno de participación
anualizan y se miden en períodos de cinco años. Nuestra muestra final abarca creciente para la industria, el transporte y los servicios.
ampliamente un amplio período de tiempo, así como también cubre una muestra muy Para ilustrar la dispersión en todo el grupo de datos,Figura 1
heterogénea de países en todo el mundo.5 confronta las principales variables económicas y energéticas. El panel
Este conjunto de datos fusiona variables de energía primaria recuperadas de superior muestra la dispersión entre el PIB per cápita y la intensidad
la Agencia Internacional de Energía, con series de población y PIB real (PPA energética para los niveles (en logaritmos, imagen de la izquierda) y las
ajustada en precios de US$ 2005) de Penn World Tables (PWT 8.1). Controles tasas de crecimiento (derecha). La dispersión entre el PIB per cápita y la
adicionales considerados en el modelo econométrico descrito en Sección 4(tales intensidad energética muestra la enorme diversidad de ambas
como el nivel educativo, los precios de inversión, la inflación, la apertura variables en la muestra. De hecho, observamos una amplia gama de
comercial, el tamaño del gobierno, las tasas de fertilidad o la calidad de las observaciones país-año con poca intensidad energética y una enorme
instituciones) provienen del PWT, los Indicadores de Desarrollo Mundial del Banco variación en su grado de desarrollo (casi un 400% de diferencia en los
Mundial, elBarro y Lee (2013)base de datos de logros educativos, y el módulo de casos más extremos). Así, aunque la correlación para los niveles de
riesgo político de la base de datos internacional de riesgo de país (ICRD) y el estas variables es negativa, la dispersión observada es muy grande. Sin
proyecto Polity 4 (verSecciones 4 y 6para más detalles sobre el conjunto de embargo, al observar sus tasas de crecimiento anual, la relación entre
controles utilizados). el PIB y la intensidad energética resulta ser claramente negativa y
A continuación, describimos brevemente la información sobre energía y desarrollo altamente significativa. Eso es,
que utilizamos. Nuestra medida de energía se refiere al consumo de energía primaria y El panel inferior muestra la dispersión entre el PIB per cápita y la participación de las
se define en toneladas equivalentes de petróleo (TEP). Con respecto a los insumos de energías renovables (imagen de la izquierda) y los cambios anuales (derecha). Al observar
energía, la energía renovable incluye la energía generada a través de hidro y biomasa (las la correlación entre el PIB per cápita y la participación de las energías renovables
llamamos “energías renovables convencionales”), además de plantas eólicas, solares, (paneles inferiores deFigura 1), la evidencia no es tan clara. Mientras que la correlación
geotérmicas y de olas (“energías renovables de frontera”). Nosotros entre los niveles de PIB per cápita y la participación de las energías renovables es
negativa (imagen de la izquierda), aunque débil, la del crecimiento del PIB per cápita y el
cambio en la participación de las energías renovables es nula (imagen de la derecha). En
5Siguiendo la clasificación del Banco Mundial, nuestras 915 observaciones se pueden realidad, cualquier evidencia descriptiva parece poco clara y, por lo tanto, para cuantificar
clasificar según su ubicación geográfica: 20 observaciones son de América del Norte, 323
adecuadamente las correlaciones parciales entre el crecimiento económico y las variables
de Europa y Asia Central, 149 de América Latina y el Caribe, 123 de Medio Oriente y África
del Norte, 143 de Sub -África sahariana, 42 del sur de Asia y 115 del este de Asia y el energéticas consideradas, proponemos el ejercicio empírico en este trabajo, bajo
Pacífico. especificaciones alternativas.
1060 A. Díaz et al. / Economía energética 81 (2019) 1056–1077
167.9
34.2
7.38
15.1
13.0
18.1
5.9
3.9
3.7
1.0
7.6
7.8
Las cuotas de energía de combustibles fósiles, plantas renovables y plantas nucleares se han calculado como el cociente correspondiente al consumo de energía primaria sobre el total de energía primaria. Las participaciones sectoriales se han calculado como consumo final de energía en el
estándar
entre el crecimiento económico y el crecimiento de la intensidad energética. Sin
Altos ingresos embargo, los perfiles de combinación energética entre países parecen exhibir
102
(no OCDE) patrones contradictorios. Estas dos observaciones nos llevan a la especificación de
un modelo para identificar adecuadamente las correlaciones parciales entre el
201.8
Significar
36.6
2.13
97.5
28.7
30.4
12.0
21.3
1.2
0.9
0.5
7.1
crecimiento económico y las variables energéticas. Para este propósito, es
importante probar las pendientes comunes en todo el mundo e interpretar el
papel de las variables tecnológicas y políticas bien establecidas.
11.8
2.33
77.7
17.2
15.4
9.8
3.2
9.3
8.3
8.0
4.8
6.9
estándar
276
(OCDE)
80,9
12.3
30,9
24.3
22.8
Significar
6.4
3.2
9.1
9.8
de forma reducida que relaciona el crecimiento económico con las variables energéticas (es decir,
la intensidad energética y la combinación energética), así como un conjunto de variables de
control macroeconómico ampliamente utilizadas en la literatura sobre crecimiento. Nuestra
forma reducida de referencia está estrechamente relacionada con las especificaciones utilizadas
100.2
5.20
17.2
17.6
11.5
10.6
11.7
4.0
4.8
3.3
3.5
7.5
estándar
en la literatura sobre crecimiento económico (es decir, véaseBarro, 2000, yForbes, 2000, entre
Renta media-alta
muchos otros) y similar al utilizado porMarrero (2010)en su aplicación a los determinantes de las
253
emisiones de CO2 en Europa. Por lo tanto, comenzamos estimando el siguiente modelo dinámico
de datos de panel:
171.5
Significar
2.83
77.4
21.0
30.2
27.3
26.7
8.6
1.2
3.2
4.8
7.7
28.4
34.3
10.3
18.8
1.9
3.9
2.5
9.2
6.6
6.2
estándar
durante todo el período (5 años, en nuestro caso) para el paísiy añot. Es decir,
Renta media-baja
1.93
51.7
49.7
20.0
19.9
47.7
3.4
0.8
2.0
5.2
5.1
usando loglevels en su lugar (vea la discusión en esa sección y las referencias allí).
Además,RiyTtson efectos específicos del país y del tiempo. Para controlar por la
tecnología inicial y la convergencia condicional, el PIB real per cápita (en
logaritmos) al comienzo del período, ln(Yyo, t−1) está incluido.
200.8
5.55
17.9
17.6
21.6
12.6
0.8
0.0
4.8
8.4
6.9
3.6
estándar
j¼1θmetro
20.6
79.3
11.2
68.8
Significar
1.5
0.0
2.7
8.3
2.6
6.4
28.5
29.5
12.6
11.3
21.2
10.5
6.8
3.2
5.7
estándar
t, denota los cambios anuales (en puntos porcentuales, pp) en la participación del
consumo de energía primaria de la fuentejsobre la energía primaria total.
Todos los países
915
14.9
2.27
70.1
27.3
26.2
23.3
32.5
2.6
2.6
6.2
9.2
final enexpresión (6), Δsk, yo, t, denota los cambios anuales (en pp) en la
participación del consumo final de energía en el sectorksobre el consumo final
total. Sectoreskse agrupan en industria, transporte, residencial, servicios y
Nivel, US-2005$/(persona x 1000) Tasa de
agricultura. Este conjunto de variables intenta controlar por los cambios en el uso
final de la energía en los sectores económicos. De esta forma, consideramos los
notasFuente de los datos, lista de países, periodo considerado, etc.
peso de energía primaria % peso
Tamaño de la muestra
peso de energía final
con respecto a estas categorías omitidas. En este sentido, θmetro jcuentas para el
cuasi-elasticidad del crecimiento económico con respecto a un cambio de la participación
en la mezcla primaria desde la fuentej (es decir, energías renovables y nuclear)
PIB real per cápita PIB
Intensidad energética
tivo a los combustibles fósiles, mientras que θs kexplica el crecimiento debido a un cambio en
Estadísticas descriptivas.
Cuota de agricultura
cuota residencial
Cuota renovable
Compartir servicios
Cuota nuclear
cuota de la industria
real per cápita
PIB per cápita e intensidad energética Crecimiento económico y crecimiento de la intensidad energética
Nivel mundial (muestra agrupada, 915 observaciones) Nivel mundial (muestra agrupada, 915 observaciones)
.4
12
.2
Registro real del PIB pc
10
0
8
-.2
-.4
6
PIB per cápita y participación de energías renovables El crecimiento económico y las energías renovables comparten el cambio
Nivel mundial (muestra agrupada, 915 observaciones) Nivel mundial (muestra agrupada, 915 observaciones)
.4
12
.2
10
Registro real del PIB pc
0
8
-.2
6
-.4
4
0 .2 .4 .6 .8 1 - . 05 0 . 05 .1 . 15 .2
renovar compartir Renovar compartir cambiar
abajo). Optamos por considerar especificaciones alternativas para explorar la sensibilidad indicadores de política estándar como variables de control (en línea con
de los resultados de crecimiento energético a la elección de factores macroeconómicos. Barro, 2000): la tasa de inflación (deflactor del PIB) como indicador de la
En todos los casos, las variables energéticas se introducen de forma secuencial, con el fin estabilidad macroeconómica, la relación ajustada entre el volumen de
de analizar su impacto directo sobre el crecimiento junto con los efectos indirectos comercio del país y el PIB del país como indicador del grado de apertura de
producidos por otras variables energéticas. la economía, la relación entre el consumo público y el PIB como indicador de
Para todas las especificaciones de(5), el conjunto de variables (Ri,Tt,ln(Yyo, t-1),ΔIEél) la carga impuesta por el gobierno a la economía, y la tasa de fecundidad
siempre se incluye, es decir, variables ficticias regionales y de tiempo, el ingreso per (número de nacimientos sobre la población).8EnSección 6.4, consideramos
cápita rezagado y el cambio en la intensidad energética que forma parte deexpresión (6). controles de calidad institucional, como el grado de democracia, la
Además, el resto de las variables energéticas en (ángulo, 2008), se incorporan estabilidad política, el control de la corrupción, etc., variables extraídas del
J−1,
secuencialmente a la estructura: primero las acciones primarias {Δmetroj, yo, t}j=1 módulo de riesgo político de la International Country Risk Database (ICRD).9
k
y luego el sector comparte {Δs k, yo, t}k=1
−1. Teniendo esta estrategia secuencial
en mente, definimos tres especificaciones, etiquetadas como M1, M2 y M3.
En la especificación M1, también conocida comoesqueletomodelo, no se 5. Resultados de la estimación
considera ningún control adicional, es decir,Xél=0 en(5). La segunda especificación
M2 agrega controles de la literatura de crecimiento empírico, como enPerotti Ahora analizamos nuestras estimaciones. En primer lugar, comentamos la
(1996),Forbes (2000), yKnowles (2005). En particular, el precio de los bienes de estrategia econométrica para estimar(5)-(ángulo, 2008). Este consiste en
inversión en relación con los de EE. UU. se considera una medida de las implementar tres métodos alternativos: pooled-OLS, intra-grupo (WG) y sistema
distorsiones del mercado.6Además, como medida del capital humano, utilizamos GMM. Lo hacemos eligiendo especificaciones alternativas para los tres conjuntos
la tasa de educación primaria y secundaria alcanzada (como porcentaje de la de variables que utilizamos: variables de energía, tecnología y política. Finalmente,
población).7Finalmente, la tercera especificación M3 considera discutimos los principales hallazgos.
6En la literatura sobre crecimiento, el precio de los bienes de inversión en relación con los de EE. UU. se
ha considerado como un indicador de las distorsiones del mercado. Así, tomamos como negativo su
impacto en el crecimiento (Forbes, 2000;López y Servén, 2009). Esta variable captura un aspecto diferente a
la formación bruta de capital fijo (como porcentaje del PIB), como proxy del capital físico, que es otra 8Si bien la tasa de inflación está asociada con las fluctuaciones económicas, también está relacionada con
variable ampliamente utilizada en los modelos de crecimiento (la consideraremos enApéndice E, como una la incertidumbre económica y, por ello, es un factor ampliamente utilizado en la literatura sobre
verificación de robustez). crecimiento (verBarro, 2000, o más recientemente,Marrero y Servén, 2018, Entre muchos otros). Por lo
7Generalmente se supone que el capital humano es beneficioso para el crecimiento. Sin embargo, tanto, planteamos la hipótesis de que la tasa de inflación es perjudicial para el crecimiento. El tamaño del
estudios recientes han planteado algunas advertencias sobre la validez de los años promedio de gobierno es una medida de las distorsiones públicas agregadas y debe considerarse perjudicial para el
escolaridad o el porcentaje de la población con educación primaria o secundaria, para representar el papel crecimiento y el nivel de producción de estado estacionario (Barro, 2000). Finalmente, la evidencia empírica
del capital humano en el crecimiento (verSianesi y Van Reenen, 2003, entre muchos otros), ya que no dan existente revela que un aumento en la tasa neta de fecundidad tiene un impacto negativo en el crecimiento
cuenta de la “calidad” de la educación (Hanushek, 2017). No obstante, los principales resultados del trabajo (Galor y Zang, 1997;Barro, 2000), a través de su efecto negativo sobre la desigualdad y la productividad
(es decir, aquellas estimaciones relacionadas con variables energéticas) siguen siendo válidos cuando se laboral en los países en desarrollo.
utilizan proxies alternativos del capital humano, como el promedio de años de educación secundaria de la 9Cabe mencionar que, en general, las variables de calidad institucional están fuertemente
población masculina, o el promedio de años de educación secundaria de la población femenina. . Los correlacionadas con otras variables macroeconómicas ya incluidas en los diferentes modelos,
resultados están disponibles bajo petición. como el PIB per cápita o la tasa de inflación.
1062 A. Díaz et al. / Economía energética 81 (2019) 1056–1077
− 0,00250**
− 0,702***
− 0,545***
− 0,712***
− 0,00412
− 0,0796
− 0,351
0.0113
0.191
(-17.75)
(0.06)
(1.29)
(-2.98)
(-0.46)
(-5.06)
(-1.40)
(-2.07)
Cada especificación de la ecuación.(6), a saber, M1, M2 y M3, se estima en primer
lugar a través de OLS agrupados sólidos que incluyen controles para dummies regionales
y de tiempo (Cuadro 2.a). A continuación, calculamos las estimaciones de WG (Tabla 2.b).
Con respecto a los OLS agrupados, el WG tiene la ventaja de tratar con la existencia de
− 0,00222*
− 0,702***
− 0,721***
− 0,00671
0.0641
regresores. Sin embargo, varios autores comoBanerjee y Duflo (2003),Barro (2000)o
(-17.95)
(0.35)
(-3.59)
(-1.90)
Perdiz (2005), plantea algunas advertencias con respecto al enfoque del grupo de trabajo.
Esto se debe a que puede producir resultados inexactos para los controles que en su
mayoría varían en la sección transversal, como el crecimiento y el uso de energía en
nuestro caso, ya que el método tiene en cuenta la variabilidad dentro del estado.
Además, en los modelos dinámicos, las estimaciones agrupadas de OLS y WG se ven
− 0,00211*
− 0,00766*
− 0,705***
(-17.44)
(-1.75)
afectadas por un sesgo de endogeneidad, al menos debido al término de PIB rezagado
incluido en(5)-
(6)como regresor. Por esa razón, la variable dependiente rezagada se elimina de
los modelos enTablas 2.a y 2.b, como en los modelos estáticos. Sin embargo, vale
la pena mencionar que los resultados estimados para todas las demás variables
permanecen básicamente sin cambios cuando se incluye un término dinámico en
− 0,00318***
0.0000249
− 0,595***
− 0,439***
− 0,852***
− 0,0157
− 0,211
0.0940
0.0597
0.0171
Modelo 2: Modelo con capital humano y precios de inversión
(0.55)
(0.43)
(1.21)
(0.00)
las estimaciones agrupadas de OLS y WG (los resultados están disponibles a
(-5.18)
(-2.78)
(-0.09)
(-5.37)
(-0.79)
(-3.21)
pedido).
Para abordar el problema de la endogeneidad en un marco de datos de panel
dinámico en ausencia de instrumentos externos adecuados (una limitación
estándar de los modelos de crecimiento), un enfoque basado en GMM es una
alternativa natural en un contexto dinámico (Arellano y Bond, 1991;Arellano y
− 0,00439***
− 0,598***
− 0,667***
− 0,00352
0.0914
0.0181
Bover, 1995). La idea básica es derivar primero las ecuaciones.(5)–(6), y luego
(0.57)
(1.27)
(-5.25)
(-3.56)
(-4.17)
(-0.33)
emplear los niveles de las variables explicativas - rezagadas dos o más períodos
- como instrumentos internos (es decir, en las Ecs.(5)–(6): ln(Yyo, t−s),XEyo, t−s,Xyo, t−s,
paras≥2), lo que resulta en un estimador GMM de primera diferencia (Arellano y
Bond, 1991).
Sin embargo, usar el modelo solo en la forma de primeras diferencias
− 0,00497***
− 0,597***
− 0,0114
0.0147
(0.99)
(-5.14)
(-4.61)
(-1.06)
variables son muy persistentes (Blundell y Bond, 1998), que es el caso de
variables como el PIB per cápita o la intensidad energética. Una alternativa
al estimador GMM de primera diferencia es el método GMM de sistema (
Arellano y Bover, 1995;Blundell y Bond, 1998). Este consiste en estimar un
sistema de ecuaciones tanto en primeras diferencias como en niveles, donde
− 0,644***
− 0,830***
− 1.093***
− 0,0105
− 0,0330
(-3.34)
(-0.05)
(-0.16)
(-5.77)
(-1.07)
las variables en primeras diferencias (es decir, Δ ln Yyo, t−1, ΔXEyo, t-1y ΔXyo, t-1).10
Consideramos errores estándar robustos con una matriz de varianza-
covarianza corregida por propiedades de muestra pequeña (Windmeijer,
2005; Rodman, 2009).Tabla 2.creporta los resultados para la estrategia GMM
del sistema.
− 0,651***
− 1.192***
− 0,0385
(-4.31)
(-0.17)
(-7.19)
10Huang et al. (2008)yMarrero (2010), entre muchos otros, han enfatizado la relevancia de utilizar
Tasa de fecundidad, rezagada
el sistema GMM cuando se trabaja con modelos de crecimiento de datos de panel dinámicos.
Recientemente, verAtems y Hotaling (2018)para un ejercicio similar utilizando el enfoque GMM.
11SiguienteBlundell y Bond (1998), para el conjunto de ecuaciones en primeras diferencias, usamos los
niveles de los regresores rezagados dos periodos (ln(Yyo, t−2),XEyo, t-2,Xyo, t-2) como instrumentos, mientras
Cuadro 2.a
que para el conjunto de ecuaciones de nivel utilizamos la primera diferencia de los regresores rezagada un
periodo (Δ ln (Yyo, t−1), ΔXEyo, t-1, ΔXyo, t-1). En todas las especificaciones de GMM, utilizamosRi
yTtcomo instrumento exógeno (Baltagui, 2005).
A. Díaz et al. / Economía energética 81 (2019) 1056–1077 1063
Notas:Las regresiones anteriores son resultados de OLS agrupados, con dummies constantes, regionales y de tiempo, y varianza-covarianza robusta. La combinación de combustibles fósiles se omite para la combinación de energía primaria (es decir, la combinación de combustibles fósiles más la combinación de renovables
0.00391*
− 0,00240
0.650
(1.82)
744
128
(-1.07)
(-1.09)
los valores de la prueba de Hansen todavía oscilan alrededor de uno. En este caso,
más la combinación de plantas nucleares suman uno). El sector Agricultura, Ganadería y Pesca se omite de la combinación energética final (es decir, la combinación final para la agricultura junto con la industria, el sector del transporte, los servicios y el sector residencial deben sumar uno). Las cifras entre paréntesis
también mostramos los resultados al colapsar la matriz de instrumentos, lo que
reduce aún más el número de instrumentos (cuarta columna de cada panel en
Tabla 2.c).12
Al darse cuenta de estas situaciones, la prueba J de Hansen sugiere que la hipótesis
− 0,00398*
0.00357
0.622
128
(-1.59)
(-1.74)
los casos. Además, también calculamos una prueba de diferencia en Hansen, que
compara la eficiencia del sistema GMM sobre el GMM de primera diferencia en cada
modelo (supag-los valores son siemprenorte0.10, verTabla 2.c).
Como advertencia final, debe mencionarse que el sistema-GMM funciona
mejor cuando el número de observaciones transversales (NORTE)es grande (es
− 0,00406*
0.00322
0.593
(1.31)
744
128
(-1.76)
(-1.72)
120
120
120
134
134
134
cada variable y distancia de retraso, en lugar de un instrumento para cada distancia de retraso,
número Obs.
período de tiempo y variable. Nótese que esta estrategia no significa colapsar la dimensión
R2-adj
transversal del panel (es decir, promediar las observaciones entre países). Por el contrario, la
dimensión del panel de la muestra se mantiene sin cambios. De hecho, consideramos todos los
rezagos (t-2 y más) para colapsar la matriz de instrumentos.
1064
Tabla 2.b
Estimación intragrupo (panel estático).
Modelo 1: Modelo de esqueleto (M1) Modelo 2: Modelo con capital humano y precios de inversión Modelo 3: Modelo con variables de política (M3)
(M2)
Intensidad energética, % de cambio − 0,652*** − 0,662*** − 0,648*** − 0,589*** − 0,593*** − 0,587*** − 0,719*** − 0,720*** − 0,715***
(-6.40) (-7.01) (-6.84) (-4.73) (-4.91) (-4.79) (-14.43) (-15.39) (-15.49)
Renovar. Mezcla, % de cambio − 1.224*** − 0,832*** − 0,689*** − 0,433** − 0,669*** − 0,482**
(-3.64) (-2.70) (-3.47) (-2.53) (-3.22) (-2.52)
Nuclear. Mezcla, % de cambio − 0,0846 − 0,0984 0.0815 0.00964 0.101 − 0,00692
(-0.47) (-0.53) (0.46) (0.04) (0.48) (-0.03)
Notas:Las regresiones anteriores son resultados de estimaciones de efectos fijos (estimaciones de WG), con dummies de tiempo y varianza-covarianza robusta. La combinación de combustibles fósiles se omite para la combinación de energía primaria (es decir, la combinación de combustibles fósiles más la combinación de
renovables más la combinación de plantas nucleares suman uno). El sector Agricultura, Ganadería y Pesca se omite de la combinación energética final (es decir, la combinación final para la agricultura junto con la industria, el sector del transporte, los servicios y el sector residencial deben sumar uno). Las cifras entre paréntesis
representan estadísticas t. Los valores marcados con asterisco denotan importancia en *pagb0,10, **pagb0.05, ***pagb0.01.
Tabla 2.c
Estimación GMM (panel dinámico).
M1: modelo de esqueleto M2: Modelo con capital humano y precios de inversión M3: Modelo con variables de política
log(ingresos), rezagado − 0,0108 − 0,0148 − 0,00221 − 0,0136 − 0,00130 − 0,000410 0.000242 0.00709 − 0,00921* − 0,00662 − 0,00489 − 0,00345
(-0.84) (-1.51) (-0.49) (-0.04) (-0.26) (-0.11) (0.08) (1.08) (-1.90) (-1.59) (-1.32) (-0,64)
Intensidad energética, % de cambio − 0,945*** − 0,978*** − 0,802*** − 0,844 − 0,687*** − 0,663*** − 0,629*** − 0,701*** − 0,871*** − 0,778*** − 0,734*** − 0,821***
(-11,90) (−13,30) (−13,03) (-0.51) (-4.68) (-5.20) (-5.82) (-6.65) (-11.61) (-10.44) (-11.69) (-11.27)
Renovar. Mezcla, % de cambio − 2.171*** − 1.126*** − 1.377 − 0,723** − 0,640** − 1.076*** − 0,882*** − 0,422* − 1,007**
(-2.63) (-2.61) (-0.28) (-2.38) (-2.12) (-2.80) (-2.80) (-1.80) (-2.55)
Nuclear. Mezcla, % de cambio 0.194 0.143 − 0,275 0.0164 0.0531 − 0,249 0.0136 − 0,252 0.142
(0.83) (0.52) (-0.04) (0.11) (0.15) (-0.84) (0.06) (-0,64) (0.48)
Sector Industrial, % variación − 0,0451 − 0,242 0.248 0.278 0.0524 0.00182
(-0.12) (-0.04) (0.89) (0.84) (0.21) (0.01)
Ed. secundaria alcanzada, % sobre Pob., rezagada − 0,0458 − 0,0371 − 0,0137 0.0147
(-0.99) (-1.11) (-0.55) (0.18)
Tasa de fecundidad, rezagada − 0,0106*** − 0,00846*** − 0,00650** − 0,00656*
(-2.68) (-2.97) (-2.41) (-1.74)
Inflación, promedio de 5 años − 0,000238 − 0,000426 − 0,000454 − 0,000734***
(-0.98) (-1.32) (-1.36) (-2.97)
Tamaño del gobierno, promedio de 5 años − 0,0176** − 0,0181*** − 0,0132** − 0,0290**
(-2.32) (-3.13) (-2.25) (-2.32)
Apertura comercial, promedio de 5 años − 0,00276 0.00437 0.00110 0.0148
(-0.27) (0.60) (0.15) (1.01)
número Observaciones 915 915 915 915 814 814 814 814 744 744 744 744
prueba de Hansen (pag-val) 0.003 0.084 0.773 0.069 0.036 0.413 1.000 0.360 0.084 0.455 1.000 0.179
Prueba de diferencia de Hansen ( 0.021 0.419 0.998 0.234 0.693 0.984 1.000 0.777 0.469 0.970 1.000 0.461
pag-val) prueba m1 (pag-val) m2- 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
prueba (pag-val) Número de 0.873 0.633 0.906 0.790 0.643 0.709 0.605 0.969 0.490 0.792 0.284 0.837
países 134 134 134 134 120 120 120 120 128 128 128 128
Número de instrumentos 44 78 148 87 98 132 202 117 109 142 209 125
Notas:Las regresiones anteriores son estimaciones robustas systemGMM, de 2 pasos, que incluyen un retraso en la matriz para los instrumentos. La combinación de combustibles fósiles se omite para la combinación de energía primaria (es decir, la combinación de combustibles fósiles más la combinación de renovables más la combinación de plantas nucleares
suman uno). Agricultura, Ganadería y Pescasector se omite de la combinación energética final (es decir, la combinación final para la agricultura junto con la industria, el sector del transporte, los servicios y el sector residencial debe sumar uno). Las cifras entre paréntesis representan estadísticas t. Los valores marcados con asterisco denotan importancia en *pagb
1065
1066
Tabla 3
El crecimiento y el papel de la Intensidad Energética (estimación sistema-GMM).
M1 M2 M3 M1 M2 M3
Notas:Las regresiones anteriores son estimaciones robustas systemGMM, de 2 pasos, que incluyen un retraso en la matriz para los instrumentos. La combinación de combustibles fósiles se omite para la combinación de energía primaria (es decir, la combinación de combustibles fósiles más la combinación de renovables más la combinación de plantas nucleares
suman uno). Agricultura, Ganadería y Pescasector se omite de la combinación energética final (es decir, la combinación final para la agricultura junto con la industria, el sector del transporte, los servicios y el sector residencial debe sumar uno). Las cifras entre paréntesis representan estadísticas t. Los valores marcados con asterisco denotan importancia en *pagb0,10,
**pagb0.05, ***pagb0.01.
A. Díaz et al. / Economía energética 81 (2019) 1056–1077 1067
tasa entre 0,60% y 0,70%, dependiendo del modelo utilizado. Esta elasticidad Sin embargo, según los resultados enTabla 3, si el movimiento se orienta hacia las
estima un rango entre 0,59% y 0,72% para el enfoque WG, y entre 0,63% y energías renovables “frontera”, la asociación con el crecimiento económico se vuelve
0,98% para el sistema GMM (panel dinámico). De hecho, las principales positiva aunque débilmente significativa, entre 0,4 y 0,6. En otras palabras, este cambio
diferencias en las estimaciones puntuales se deben al método econométrico de los combustibles fósiles a las energías renovables “fronterizas” (todas las demás
utilizado más que al efecto de los controles alternativos incluidos en el acciones, la intensidad energética y el estado de la tecnología dado) podría ayudar a
modelo (ángulo, 2008). conciliar las políticas de reducción de las emisiones de CO2 con el crecimiento
Por lo tanto, la correlación observada entre la intensidad energética y el económico. Por lo tanto, nuestra interpretación es que mientras que mover recursos de
crecimiento económico a nivel mundial parece estar impulsada por un efecto tecnologías de energía sucia a limpia generalmente produce costos de ajuste que pueden
directo o por canales indirectos no observados o no considerados en el modelo erosionar la capacidad de crecimiento, resulta que la calidad del movimiento es
(por ejemplo, la calidad de las instituciones). Esto es importante porque el efecto importante. Nuestras estimaciones enTabla 3sugieren que el signo de la correlación,
directo tiene implicaciones en términos de nuestras suposiciones sobre la entre las energías renovables y la tasa de crecimiento, se modifica cuando la economía se
tecnología. En el contexto del modelo discutido enSección 2, surge un impacto mueve hacia fuentes renovables “fronterizas” en lugar de “convencionales”.15Esto podría
negativo entre los cambios de intensidad energética y el crecimiento económico tomarse como una evidencia de crecimiento lento cuando el impulsor del cambio a las
cuando πNθ,lo que indica que el canal de eficiencia de la intensidad energética en energías renovables son las dificultades de un país en el mercado de los combustibles
Bt(el estado de la tecnología de producción) a través de fósiles.
el parámetro π domina el canal de intensidad de entrada en Zt/MIρ t(la energía También vale la pena mencionar que al eliminar la intensidad energética
uso) a través del parámetro θ. Este resultado está en línea con la teoría del cambio de la ecuación, el cambio en la participación de las energías renovables ya
técnico de ahorro de energía desarrollado enDíaz y Puch (2019). En efecto,Rajbhandari y no es estadísticamente significativo para el crecimiento. Este resultado
Zhang (2018)han encontrado recientemente una correlación negativa entre los cambios podría surgir debido a una relación significativa entre los cambios en la
en la intensidad energética y el crecimiento económico. También proporcionan evidencia intensidad energética y el mix energético (es decir, debido al progreso
de que los niveles más altos de intensidad energética implican niveles más bajos de tecnológico común oa la legislación ambiental).dieciséisTambién enfatiza la
productividad económica, lo que también desalienta el crecimiento. importancia de considerar simultáneamente los aspectos energéticos (mix
La relación negativa entre la intensidad energética y el crecimiento económico de energía primaria y final e intensidad energética) para comprender las
entre los países desarrollados ha sido ampliamente estudiada. Aquí mostramos diferencias de crecimiento entre países, lo cual es una contribución con
que esta relación negativa no es específica de los países desarrollados. Es decir, la respecto a otros trabajos en la literatura relacionada (Inglesi-Lotz, 2016,
disminución de la intensidad energética también es una característica de los Bhattacharya et al., 2016, 2017, oNarayan y Doytch, 2017), como se comenta
países emergentes/en desarrollo donde la profundización del capital sigue siendo en la Introducción.
una fuente importante de crecimiento, no solo de progreso técnico, como en los Finalmente, pasar de los combustibles fósiles a las plantas nucleares no es
países desarrollados.13Este hecho se puede racionalizar con la macro literatura significativo para el crecimiento del PIB per cápita en absoluto. en casi todos
existente (cf.Atkeson y Kehoe, 1999;Díaz et al., 2004,Díaz y Puch, 2019) donde la casos, los coeficientes θmetro 2enexpresión (6)no son significativas
profundización del capital implica una menor intensidad energética en un mundo compañeros bajo efectos fijos para el modelo de esqueleto M1 es una
con precios de la energía en aumento. excepción). En términos de productividad agregada a nivel mundial, la
Finalmente, como se indicó anteriormente, cuando estimamos el sistema alternativo productividad agregada de las centrales nucleares es similar a la
de dos ecuaciones como un SURE, los resultados son similares a los obtenidos bajo el correspondiente a los combustibles fósiles.
enfoque del sistema GMM. Interpretamos este hallazgo como una confirmación de que
ambos enfoques están manejando adecuadamente el tema de la endogeneidad para el
5.2.3. Convergencia en el ingreso per cápita
propósito de este documento (verApéndices A y C).14
EnTabla 2.c, nuestras estimaciones del sistema-GMM no proporcionan
evidencia de convergencia condicional: el coeficiente del nivel logarítmico
rezagado del ingreso no es significativo en casi todos los casos (solo en el modelo
5.2.2. El papel del mix energético primario M3, la tasa de convergencia es cercana al 1%). Por el contrario, el sistema-GMM de
El segundo resultado empírico clave se relaciona con la relación entre el crecimiento
Tabla 3presenta un hallazgo importante. Cuando el cambio en la intensidad
y los cambios en la matriz energética primaria de los combustibles fósiles hacia
energética se incluye en el modelo junto con una desagregación de la
renovables (θmetro1enexpresión (6)), dada la cuota de la nuclear, la participación de las energías renovables en “convencional” y “frontera” (panel
grado de desarrollo y la intensidad energética. izquierdo enTabla 3), como enTabla 2.c, la velocidad de convergencia del PIB no es
EnTablas 2.a–2.c, consideramos las tecnologías renovables como un bloque significativa (M1 y M2) o muy pequeña (1,2% en M3). No obstante, en el panel
homogéneo, mientras que enTabla 3distinguimos entre dos tipos de opciones derecho deTabla 3, eliminar los cambios de intensidad energética hace que el
renovables: la clase convencional antes mencionada (hidro y biomasa) frente a lo término de ingreso rezagado en(6)más negativo y más significativo. La velocidad
que llamamos energías renovables de frontera (eólica, solar, geotérmica o de convergencia aumenta de 1,2% a 4,7% bajo el sistema GMM. Las implicaciones
undimotriz). Cuando las energías renovables se toman en su conjunto (Tablas 2.a– de este resultado son dos. En primer lugar, la omisión de una variable (muy)
2.c), o por la parte relativa a las renovables convencionales (Tabla 3), el coeficiente relevante induce un sesgo en los demás parámetros, incluido un sesgo al alza en
estimado es siempre negativo y significativo, pasando de −0,42 a −2,2. Esto indica la velocidad de convergencia. En segundo lugar, revela una relación latente entre
que el cambio de los combustibles fósiles a las energías renovables (sin tener en la velocidad de convergencia del PIB real per cápita y el cambio en la energía
cuenta el tipo de ellos), aunque sea respetuoso con el medio ambiente, puede no
ser un almuerzo gratis y puede estar impulsado por factores que socavan el
crecimiento del PIB. En términos de nuestro marco teórico, es que la
15Inglesi-Lotz (2016),Bhattacharya et al. (2016),Bhattacharya et al. (2017)oNarayan y Doytch
productividad agregada de las energías renovables es menor que la de las fósiles. (2017)encontrar un impacto positivo de las energías renovables en el crecimiento. VerSección 6.1
combustibles (es decir, s−3,t
1,t λ1sρ−13b λρ1en el modelo descrito enSección 2). para más detalles sobre este tema.
dieciséisPara toda la muestra, la correlación entre la intensidad energética y la participación de las energías renovables
es de 0,121, aunque significativa. Sin embargo, esta baja correlación está lejos de generar problemas de colinealidad.
13Filipovic et al. (2015)escrutar cuáles son los determinantes de la intensidad energética en 28 países miembros de la Además, correlaciones cruzadas indirectas adicionales a través de una tercera variable, como el nivel rezagado del PIB
UE. Encuentran que los precios de la energía (principalmente), los impuestos a la energía y el PIB per cápita per cápita (es decir, sus correlaciones cruzadas con la participación de las energías renovables y la intensidad
probablemente estén detrás del grado de intensidad energética. Este resultado es corroborado por experiencias en energética son −0,64 y −0,34, respectivamente) u otras participaciones energéticas (es decir, la correlación entre la
Dinamarca, Alemania e Italia. participación energética en la industria y la participación de las energías renovables es −0,43 y casi cero para la
14Aunque la otra forma de causalidad va más allá del alcance de este documento, vale la pena mencionar que las intensidad energética), también podría afectar la importancia de las energías renovables para explicar el crecimiento.
ecuaciones de intensidad energética estimadas revelan varios aspectos importantes relacionados con el crecimiento, a La complejidad de las correlaciones cruzadas antes mencionadas hace que sea muy importante estimar modelos en los
saber: (i) un crecimiento del ingreso del 1% reduce la intensidad energética en un 1% (esto el resultado es robusto a que se incluyan todas las variables energéticas simultáneamente (Marrero, 2010). De lo contrario, las estimaciones de
través de las especificaciones); y (ii) la participación de las energías renovables y el sector residencial están significativa cualquier parámetro energético podrían estar sesgadas.
y negativamente relacionados con la intensidad energética.
1068 A. Díaz et al. / Economía energética 81 (2019) 1056–1077
Tabla 4
Estimación alternativa sistema-GMM.
M1 M2 M3
Notas:Las regresiones anteriores son estimaciones robustas del sistema GMM, de 2 pasos, que incluyen un retraso en la matriz para los instrumentos. La combinación de combustibles fósiles se omite para la combinación de energía primaria (es decir, la combinación de
combustibles fósiles más la combinación de renovables más la combinación de plantas nucleares suman uno).Agricultura, Ganadería y Pescasector se omite de la combinación energética final (es decir, la combinación final para la agricultura junto con la industria, el sector del
transporte, los servicios y el sector residencial debe sumar uno). Las cifras entre paréntesis representan estadísticas t. Los valores marcados con asterisco denotan importancia en *pagb0,10, **pagb0.05, ***pag b0.01.
intensidad a nivel mundial. Por lo tanto, la inclusión del crecimiento de la hallazgo en la investigación relacionada (1,21% enTabla 2.c).17Esta discusión
intensidad energética (junto con los cambios en el uso de las energías renovables) se amplía enapéndice B.
es importante para explicar el crecimiento y su proceso de convergencia Como una aproximación alternativa para analizar el término de velocidad de
(condicional). Interpretamos este hallazgo como una evidencia del papel clave que convergencia (y todos los términos restantes en la ecuación.(5)), estimamos un
las mejoras en la intensidad energética juegan en la convergencia del ingreso a lo panel dinámico donde la variable endógena es el nivel logarítmico del PIB per
largo de la transición hacia un camino de crecimiento sostenido y, además, su cápita, en lugar de su tasa de crecimiento. En modelos dinámicos, esto implica un
importancia clave como canal de transmisión para el desarrollo económico. ajuste en el término dinámico y un reescalado en el resto de coeficientes. Tenga
En las últimas tres columnas deTabla 3, los cambios en la participación en cuenta que el término de crecimiento enexpresión (5)Se define como GYél= [
de la energía nuclear se vuelven significativos y negativos. En comparación en(Yél) − ln (Yyo, t−1)]/5, de manera que la nueva especificación a estimar toma la
con las tres primeras columnas deTabla 3, el hallazgo es que los cambios en siguiente forma:
la combinación de energía primaria afectan el crecimiento a través de
cambios en la participación de las energías renovables. Sin embargo, el en Yél¼ a0þRiþTtþ β0en Yi;t−1 þ θ0XEélþ λ0 0Xélþ εél;d5 bisÞ
resultado aquí implica que el canal de transmisión es particularmente
evidente cuando hacemos abstracción del papel de los cambios en la donde β0en (5 bis) y β en(5)están relacionados como β = (β0− 1)/5. Tabla 4presenta
intensidad energética. Una justificación de este resultado es que algunos los resultados para algunas especificaciones seleccionadas bajo el sistema-GMM
países posiblemente se vean limitados en el proceso de crecimiento, ya sea (mediante el colapso del conjunto de instrumentos como alternativa para superar
por el aumento de los precios de la energía fósil o por la adopción de nuevas el problema de sobreajuste). En consonancia con el anterior
tecnologías energéticas, o posiblemente por ambas cosas. Como
consecuencia, podrían estar cambiando a energías renovables 17En la literatura relacionada con el crecimiento, las estimaciones de MCO combinados ofrecen
convencionales ineficientes como respuesta a cualquier obstáculo durante coeficientes de convergencia sesgados a la baja, mientras que los proporcionados por el enfoque de
su proceso de toma de decisiones sobre la tecnología energética óptima. Si efectos fijos tienden a estar sesgados al alza. Nuestro coeficiente estimado bajo el sistema GMM se
encuentra entre las estimaciones convencionales (aunque no significativas en muchas ocasiones). Los
esto es así, no sorprende que una vez que controlamos por los cambios en la
resultados estimados para un panel dinámico bajo enfoques pooled-OLS y WG están disponibles a pedido.
matriz energética primaria en esos países, los mecanismos de crecimiento Este hallazgo fue confirmado anteriormente por artículos comoIslam (1995), yCaseli et al. (1996), entre
neoclásicos aparecen y la convergencia condicional no puede rechazarse. otros.
A. Díaz et al. / Economía energética 81 (2019) 1056–1077 1069
especificaciones enTablas 2.c y 3, las tasas de convergencia varían poco, renovables podría deberse a la omisión de efectos fijos de país y tiempo, junto con
pasando del 0,2% al 1,06%. Además, los principales resultados sobre la la omisión de una medida de eficiencia energética general (proxy por intensidad
relación entre las variables relacionadas con la energía y el crecimiento energética en nuestro caso). Además, en todos los casos, el coeficiente de
económico se mantienen sólidos después de esta especificación, que es la intensidad energética es negativo y altamente significativo, como informamos en
principal contribución del artículo. Tablas 2.a a 2.c.
Más importante aún, cuando hacemos la distinción entre energías renovables
5.2.4. Composición sectorial convencionales y de frontera (columnas (v) a (viii) enTabla B.2), obtenemos el
Finalmente, la inclusión de variables sectoriales (consumo final de energía en mismo resultado que reportamos enTabla 3. Mientras que las energías renovables
el sector s relativo al consumo final total, es decir, Δsk, yo, ten(6)) tiene poco efecto convencionales mantienen el signo negativo (y significativo), la correlación entre
sobre el crecimiento del PIB per cápita en todo el mundo. La única excepción las energías renovables de frontera y el PIB real per cápita se vuelve positiva. La
destacable es la cuota de energía demandada por el sector residencial. La elasticidad (a largo plazo) de las fuentes renovables convencionales oscila entre el
contribución estimada al crecimiento de esta variable oscila entre −0,68 y −1,49, −13 % y el −19 %, mientras que la de las renovables de frontera oscila entre el 1,4
según la especificación y el método. En promedio, para una desviación del 1 % en % y el 4,6 %. En consecuencia, esta evaluación basada en un análisis de largo plazo
la participación energética del sector residencial, en relación con la participación refuerza las conclusiones deSección 5arriba, que a su vez son consistentes con el
de la agricultura, se puede asociar con un cambio de −1,12 % en la tasa de marco teórico que presentamos enSección 2.
crecimiento del PIB per cápita. Esto es digno de destacar, dada la secular
tendencia a la baja en la agricultura, causada casi con certeza por el cambio Este análisis de robustez concilia, al menos en parte, nuestros resultados con los
estructural y la gran migración de las zonas rurales a las ciudades en los países mencionados anteriormente en la literatura. El hallazgo de que las energías renovables
emergentes, lo que provoca la tendencia al alza en la participación residencial de “agregadas” están negativa o positivamente correlacionadas con el PIB real per cápita
la energía a lo largo del camino del desarrollo hacia una constante crecimiento. podría ser sensible a la muestra y al modelo y método econométrico utilizados. Sin
embargo, cuando distinguimos entre energías renovables convencionales y de frontera,
es bastante sólido que las primeras están correlacionadas negativamente, mientras que
6. Robustez de los resultados las segundas están correlacionadas positivamente.
Esta sección analiza la solidez de nuestros resultados a especificaciones alternativas 6.2. Intensidad energética rezagada como variable explicativa
de nuestro modelo empírico de referencia (es decir, resultados enTablas 2.c y 3).
Precisamente, primero evaluamos el efecto de cambiar a una mayor proporción de Otro resultado importante es la correlación negativa encontrada entre el
energía renovable en la mezcla. En segundo lugar, evaluamos las consecuencias de crecimiento económico y los cambios en la intensidad energética, dado el mix
utilizar la intensidad energética rezagada como variable de control en lugar de utilizar energético y el estado de la tecnología. EnTablas 2.a a 2.c y 3, hemos utilizado el
sus tasas de crecimiento. En tercer lugar, presentamos un análisis general de la crecimiento de la intensidad energética como variable explicativa. Sin embargo,
heterogeneidad de la muestra entre regiones, niveles de ingreso y períodos. Finalmente, uno puede preguntarse cómo serían los resultados si, en cambio, se utiliza como
evaluamos el papel potencial de controles adicionales, especialmente a través de variable explicativa el nivel de intensidad energética al comienzo del período de
medidas de calidad institucional e inversión privada. Se dan más detalles de estos cinco años.
controles alternativos enApéndices B, C, D y Ecorrespondiente aSecciones 6.1, 6.2, 6.3 y Tabla C.1enApéndice Cmuestra los resultados estimados de este análisis.
6.4, respectivamente. Encontramos que el signo del coeficiente estimado del nivel rezagado de
intensidad energética varía dependiendo de la inclusión de la tasa de crecimiento
6.1. La correlación con las renovables de la intensidad energética. La intuición de este resultado es la siguiente. La
omisión del cambio en la intensidad energética como variable explicativa
Uno de nuestros resultados más importantes es la correlación negativa encontrada entre el (primeras tres columnas enTabla C.1) plantea que el nivel rezagado de intensidad
crecimiento económico y los cambios en la participación de las energías renovables en relación energética estaría capturando el proceso de convergencia de la intensidad
con la participación de los combustibles fósiles. energética y, por tanto, sus estimaciones estarían fuertemente sesgadas e incluso
Siguiendo la literatura existente sobre el crecimiento empírico (verBarro, 2000, podrían cambiar de signo. Precisamente, la razón del sesgo es que mayores
yMarrero, 2010, y las referencias que contiene), hemos considerado las tasas de niveles depasadointensidad energética se correlacionan con cambios bajos en
crecimiento del PIB per cápita y los términos dinámicos en nuestra especificación actualintensidad energética, que a su vez se correlaciona con un mayor
empírica de forma reducida. Alternativamente, a menudo se ha considerado una crecimiento del ingreso per cápita. Por lo tanto, cuando se omite el cambio en la
desviación de la literatura de crecimiento empírico según la cual se considera la intensidad energética en la regresión, el coeficiente del nivel rezagado de la
relación en niveles (log-) entre el PIB real per cápita y las energías renovables (cf. intensidad energética es positivo, mientras que se vuelve negativo cuando se
Inglesi-Lotz, 2016;Bhattacharya et al., 2016, 2017; oNarayan y Doytch, 2017, entre controla explícitamente el proceso de convergencia de la intensidad energética.
otros). Tal especificación se abstrae de la variabilidad en las tasas de crecimiento
económico y ocasionalmente omite el aspecto dinámico. Esta circunstancia implica Como comentario final, tenga en cuenta que el cambio en energía renovable ya no es
suponer que las economías se mantienen en una senda de crecimiento significativo después de omitir el cambio en la intensidad energética. Nuevamente, esto
equilibrado, lo que puede estar más o menos justificado según la muestra. En la probablemente se deba a un efecto sesgado de omitir variables relevantes. Una vez que se
mayoría de estos ejercicios empíricos, el hallazgo es una correlación positiva entre incluye el cambio en la intensidad energética, el valor rezagado ln(IEyo, t-1) no parece muy
el PIB per cápita y el consumo de energías renovables.Tabla B.1enapéndice B relevante, por lo que los resultados que se muestran enTablas 2.a a 2.cpuede ser visto como
resume las elasticidades estimadas para algunos de estos artículos robusto.
representativos. Las diferencias entre los resultados de esos trabajos y nuestros
resultados podrían atribuirse al uso de diferentes muestras (países y períodos de 6.3. Análisis de heterogeneidad: Regiones, niveles de ingreso y periodos de tiempo
tiempo) o los métodos econométricos utilizados. Ver tambiénapéndice Bpara más
detalles de esta discusión. Nuestros resultados anteriores se han obtenido a nivel mundial. Sin embargo, podría
haber heterogeneidad en varias dimensiones. Por lo tanto, exploramos a continuación si
Analizamos más a fondo este problema en nuestra muestra. De este modo, nuestros principales resultados (deTabla 2.c y 3) varían según las regiones, el período de
Tabla B.2en apéndice Binforma nuestras estimaciones en las que la variable tiempo y los niveles de ingresos. Los resultados estimados se muestran en Cuadros D.1,
dependiente y todas las demás variables de la regresión se expresan en niveles D.2 y D.3enApéndice D. En todos los casos, usamos la estimación GMM del sistema, como
logarítmicos para diferentes especificaciones y métodos. El principal hallazgo es enTablas 2.c y 3.
que la correlación positiva observada (como lo han encontrado algunas Primero enTabla D.1, diferenciamos las siguientes regiones: Europa (incluimos
investigaciones previas) entre el PIB per cápita y el consumo del total variables ficticias para los países del Este de la UE), América, Asia-Pacífico y Sub-
1070 A. Díaz et al. / Economía energética 81 (2019) 1056–1077
África sahariana (SSA).18Encontramos que el coeficiente de intensidad energética es fuente). Todos los coeficientes tienen el signo esperado. Los coeficientes tanto de la calidad de la
negativo y estadísticamente significativo en todos los casos, con un rango de −0,436 democracia como de la estabilidad del Gobierno son positivos y significativos, lo que significa que
(Europa) a −0,982 (SSA, África subsahariana). En Europa, los cambios en la participación la calidad de las instituciones tiene un impacto positivo en el crecimiento. Sin embargo, la
de las fuentes de energía renovables (particularmente las fuentes convencionales) y las inversión, como porcentaje del PIB, ypolítica2también afectan positivamente el crecimiento.
participaciones del sector residencial y el sector de servicios parecen negativas y Tenga en cuenta que los resultados de la intensidad energética y la participación
estadísticamente significativas, en línea con nuestros resultados agregados enTablas 2.a– total de las energías renovables son robustos a la inclusión de estos controles. Además,
2.c. Para las regiones restantes, la participación de las energías renovables no es cuando hacemos la distinción entre energías renovables de frontera y convencionales, el
significativa. Así, la correlación negativa observada entre la participación de las signo del movimiento hacia las energías renovables convencionales sigue siendo
renovables y el crecimiento económico a nivel mundial (Tablas 2.a–2.c) se debe negativo, mientras que el signo del movimiento hacia la frontera se vuelve positivo
principalmente a la comparación entre regiones. (aunque no significativo). Entonces, lo relevante aquí es que pasar a las energías
Segundo, enCuadro D.2, diferenciamos entre períodos de tiempo y renovables de frontera (desde las no renovables), al menos, no daña el crecimiento. El
exploramos si la correlación energía-crecimiento se ha visto afectada hecho de que el coeficiente de las renovables de frontera no sea significativo podría estar
por la crisis del precio del petróleo de mediados de los 80 (es decir, indicando que la calidad institucional es un aspecto relevante para explicar cómo se
distinguimos entre antes y después de 1985). Seleccionamos los años correlacionan las renovables y el crecimiento económico. Sin embargo, este es un
80, en lugar de mediados de los 70, para permitir un número aspecto que merece un análisis mucho más detallado y que va más allá del alcance de
suficientemente grande de observaciones antes y después de ese este trabajo.
período. Curiosamente, la sensibilidad del crecimiento con respecto a la
intensidad energética aumenta (en términos absolutos) de −0,36 a 7. Observaciones finales
−0,84 después de 1985. Este cambio en este coeficiente es robusto a la
diferenciación entre fuentes renovables (es decir, convencional frente a La relación entre el crecimiento económico y el uso de la energía es compleja, ya que
frontera). El coeficiente de la cuota de renovables convencionales involucra aspectos relacionados con las instituciones y las políticas, el estado de la
también aumenta de −0,66 a −1,04, mientras que el de las renovables tecnología y la composición sectorial de una economía. Este artículo contribuye a este
frontera no parece afectar al crecimiento económico cuando problema al proponer una especificación empírica para proporcionar evidencia sobre la
diferenciamos entre ambos periodos. Finalmente, importancia relativa de todos estos aspectos. Nuestra especificación incorpora, en un
Finalmente, enTabla D.3, completamos este análisis teniendo en cuenta modelo de datos de panel dinámico, un indicador de intensidad energética, las
el grado de desarrollo del país de acuerdo con la clasificación del Banco participaciones en el mix energético primario (donde distinguimos entre fuentes
Mundial: países de ingresos bajos y medianos bajos, países de ingresos renovables y combustibles fósiles), y las participaciones de los sectores donde finalmente
medianos altos y países de ingresos altos (para estos últimos, también se consume energía. Como usamos un conjunto de datos que incluye una muestra de
distinguimos entre países de la OCDE). Las estimaciones enTabla D.3indican 134 países durante el período 1960-2010, también debemos controlar las características
que a menor ingreso, menor velocidad de convergencia (del 4% al 10%), y específicas de cada país. Esta heterogeneidad enriquece nuestro análisis, contrario a los
mayor sensibilidad del crecimiento con respecto a la intensidad energética estudios existentes que típicamente se restringen a un conjunto reducido de países.
(del −0,77 al −0,16). Tenga en cuenta que esto es consistente con nuestro Además, nuestro conjunto de datos único permite medir la influencia de las instituciones
análisis regional anterior (Tabla D.1). y las políticas junto con el nivel de desarrollo económico. Además, nuestra forma de
La disminución de estos coeficientes es sólida para la diferenciación entre regresión empírica de crecimiento energético reducido está motivada por un marco
fuentes renovables convencionales y de frontera. El coeficiente de la participación neoclásico que relaciona el crecimiento económico con la intensidad energética y
de las energías renovables convencionales es negativo y significativo para los diferencia el impacto de la energía renovable (en oposición a la no renovable) en el
países de ingresos medios altos y los países de ingresos altos, de −0,79 a proceso de crecimiento.
− 1,03, mientras que el de las fuentes renovables de frontera es significativo y se Nuestros resultados confirman una correlación negativa entre la intensidad
correlaciona positivamente con el crecimiento, pero solo para países de renta energética y el crecimiento a nivel mundial: a mayor intensidad energética, menor
media-alta, +1,62. Nótese que estos últimos países han experimentado un mayor crecimiento del PIB per cápita. Dependiendo de la especificación del modelo y del
cambio en su patrón de desarrollo y uso de energía, lo que podría explicar este método econométrico, encontramos, en promedio, una elasticidad del crecimiento
signo altamente positivo para las energías renovables de frontera. del PIB pc con respecto a la intensidad energética que oscila entre −0,5 y
En general, el principal resultado de este ejercicio es que encontramos − 1,0%. La literatura existente ha reportado ampliamente evidencia sobre esta
patrones heterogéneos en la relación entre crecimiento e intensidad correlación negativa para los países desarrollados. Encontramos que esta
energética según el período y el nivel de ingresos. La sensibilidad del correlación también es válida para los países emergentes y en desarrollo. Además,
crecimiento económico con respecto a la intensidad energética es mayor a al excluir la intensidad energética de las regresiones, encontramos evidencia
partir de 1985, y menor el nivel de renta per cápita. También es evidente que significativa de convergencia condicional y del papel de las variables tecnológicas
un análisis más detallado al interior de cada región (e incluso al interior de incluso a expensas de las variables de política. Estos hallazgos sugieren que las
los países) revelaría información relevante sobre la relación entre energía y mejoras en la tecnología energética también son una fuerza de desarrollo.
crecimiento. Sin embargo, el objetivo aquí es describir el patrón promedio Además, informamos evidencia de que aquellos países que cambian de energías renovables
en todo el mundo, y el análisis de heterogeneidad detallado va más allá del fósiles a convencionales, en lugar de energías renovables de frontera, podrían estar
alcance de este documento y se deja para futuras extensiones. experimentando dificultades en su camino de desarrollo (los coeficientes de cambios en la
combinación de energías renovables son siempre negativos y significativos). En relación con la
6.4. Controles alternativos: el papel de la calidad institucional y la inversión privada participación de la energía en los sectores finales, solo la participación de la energía demandada
por el sector residencial muestra un efecto negativo sólido y significativo en el crecimiento del
Para finalizar esta sección de análisis de robustez, consideramos controles PIB per cápita. La inclusión del resto de variables sectoriales es despreciable en su efecto sobre el
alternativos en la ecuación de regresión.(5), principalmente relacionado con la calidad crecimiento del PIB per cápita a nivel mundial.
institucional y la inversión privada en los diferentes países. Contribuimos a la literatura existente en el sentido de que hemos analizado ciertas
Tabla E.1enApéndice Einforma los resultados cuando este nuevo conjunto de relaciones entre la intensidad energética, la combinación energética, la composición
variables institucionales se incluye en la regresión. Estas variables son las sectorial y el crecimiento económico. Nuestros resultados parecen ser bastante robustos
siguientes: la calidad de la democracia, la estabilidad del Gobierno, la inversión a especificaciones y procedimientos de estimación alternativos. Otras preguntas sobre la
privada y la estabilidad política (ver el Anexo para el detalle de las relación energía-crecimiento, como la composición óptima de las fuentes de energía,
seguramente requieren un modelo de equilibrio general dinámico. La evidencia empírica
encontrada en este artículo nos ayudará a disciplinar la construcción de un modelo que
18Los tamaños de las muestras difieren ampliamente entre las regiones. Dado que la estimación del sistema-GMM puede verse
afectada por muestras pequeñas, agregamos aquellas regiones con un tamaño de muestra más pequeño. Por lo tanto, agregamos la relacione las tecnologías de energía alternativa con el progreso tecnológico y el proceso
región de América con los países de Asia-Pacífico (etiquetados como ASP). de crecimiento.
A. Díaz et al. / Economía energética 81 (2019) 1056–1077 1071
dónde:
θℓ0XEél≡∑J−1 ℓ;jΔmj;i;tþ
j¼1θmetro
∑K−1 k¼1θs ℓ;kΔsequipo; dR: 3Þ
yℓ =1, 2, es decir, crecimiento e intensidad energética, respectivamente. ecuación(A.1)se escribe idénticamente como Eq.(5)enSección 4. La segunda ecuación.(A.2)abarca casi las mismas
variables explicativas que la ecuación.(A.1), excepto el cambio en la intensidad energética ΔIEél, pero incluyendo la tasa de crecimiento de la renta,GYél. El
K−1
cuotas de energía {Δmetro j, yo, t} j=1y
J−1 {Δsk, yo, t}k=1 , y el conjunto de variables de controlXél, también se incorporan, sin imponer más restricciones al conjunto
de parámetros
Tabla A.1presenta un resumen de estos nuevos resultados bajo cinco especificaciones alternativas. Para cada especificación, proporcionamos unregresión (A.1)para el
crecimiento y unaregresión (A.2)por el cambio en la intensidad energética. Comparamos estos resultados con los ya publicados enCuadro 2.a(Pool-OLS) y Tabla 2.c
(sistema GMM). Destacamos los siguientes aspectos.
Primero, cuando estimamos el sistema de dos ecuaciones(A.1) y (A.2), crecimiento y cambio de intensidad energética, respectivamente, los resultados se aproximan a los alcanzados
bajo el caso del sistema GMM. Por ejemplo, en el modelo básico de "esqueleto" (etiquetado como (Aghion et al., 1999)), el coeficiente de intensidad energética se convierte en −0,88,
mientras que el nivel logarítmico rezagado de ingresos (es decir, el coeficiente de convergencia) sigue siendo insignificante. Cuando se agrega la proporción de fuentes de energía
renovables y (especialmente) la proporción de energía consumida por el sector residencial (especificaciones del modelo (Alesina et al., 1996) y (Álvarez et al., 2005)), la estimación SUR
proporciona un coeficiente más cercano al caso GMM (Tabla 2.c) que aquellos bajo la estimación conjunta (Cuadro 2.a). Algo similar sucede cuando las variables de control se incorporan
a las ecuaciones. Como ya se discutió en el documento, las estimaciones del pool-OLS parecen sesgadas con respecto a la tabla GMM del sistema, probablemente debido al problema de
endogeneidad entre las variables clave. Este es siempre el caso de laIntensidad de la energíacoeficiente en la ecuación de crecimiento: mientras que en la estimación por pooling se
encuentra en torno a 0,6, en el sistema-GMM es de 0,9. El sistema SUR corrige parcialmente este sesgo. En segundo lugar, las ecuaciones de intensidad energética revelan varios
aspectos importantes relacionados con el crecimiento, a saber: (i) un crecimiento del ingreso del 1 % reduce la intensidad energética en un 1 % (este resultado es sólido en todas las
especificaciones); y (ii) la participación de las energías renovables y el sector residencial están significativa y negativamente relacionados con la intensidad energética.
Tabla A.1
Sistema SEGURO.
Variable dependiente: Crecimiento ΔEI Crecimiento ΔEI Crecimiento ΔEI Crecimiento ΔEI Crecimiento ΔEI
log(ingresos), rezagado 0.000199 0.00231 0.00118 0.00298** 0.000915 0.00258* − 0,00136 − 0.000164 − 0,00344*** − 0.00218
(0.14) (1.56) (0.87) (2.07) (0.71) (1.82) (-1.06) (-0.11) (-2.60) (-1.52)
Crecimiento de los ingresos − 0,958*** − 0,994*** − 1.028*** − 1.092*** − 1.021***
(-44.34) (-46,98) (-48.22) (-44.24) (-46.47)
Intensidad energética, % de cambio − 0,882*** − 0,875*** − 0,856*** − 0,796*** − 0,885***
(-44.34) (-46,98) (-48.22) (-44.24) (-46.47)
Renovar. Mezcla, % de cambio − 1,227*** −1,247*** −0,907*** −0,982*** (- − 0,461***−0.531***−0.554***−0.591***
10.76) (-10.11) (-7.73) (-7.63) (-4.31) (-4.24) (-5.78) (-5.74)
Nuclear. Mezcla, % de cambio 0.0337 0.0719 0.0762 0.122 0.233 0.348 0.132 0.213
(0.12) (0.24) (0.29) (0.42) (1.04) (1.32) (0.62) (0.93)
Sector Industrial, % variación 0.0969 0.0978 0.00446 − 0,0113 0.201* 0.210*
(0.81) (0.75) (0.04) (-0.08) (1.79) (1.74)
Sector Transporte, % variación − 0,228 − 0,334* − 0,198 − 0,314* − 0,328** − 0,433***
(-1.46) (-1.95) (-1.35) (-1.83) (-2.39) (-2.96)
Sector Residencial, % variación − 1.066*** − 1.074*** − 0,864***−0,945***−0,676***−0,684***
(-8.27) (-7.48) (-6,92) (−6,39)(-6.12)(-5.72)
Sector servicios, % cambio − 0,387 − 0,410 − 0,271 − 0,353 − 0,373* − 0,421*
(-1.64) (-1.58) (-1.08) (-1.21) (-1.68) (-1.76)
log(Precio de inversión), rezagado − 0,00212** − 0,00168
(-2.02) (-1.36)
Ed. primaria alcanzada, % sobre la población, rezagada 0.0150 0.0103
(1.54) (0.90)
Ed. secundaria alcanzada, % sobre Pob., rezagada 0.000804 − 0,00583
(0.07) (-0.41)
Tasa de fecundidad, rezagada − 0,00336*** − 0,00265**
(-3.16) (-2.29)
Inflación, promedio de 5 años − 0,00524 − 0,00521
(-1.37) (-1.27)
Tamaño del gobierno, promedio de 5 años − 0,00320 − 0.00299
(-1.51) (-1.31)
Apertura comercial, promedio de 5 años 0.00351 0.00346
(1.54) (1.42)
número Observaciones 915 915 915 915 915 915 814 814 744 744
Tabla B.1
Elasticidades de producción a largo plazo frente al consumo de energía renovable.
Tabla B.2
Estimación Pooled-OLS, Fixed Effects WG y system-GMM.
Variable endógena: PIB real per cápita (ajustado por PPA, nivel logarítmico)
19Las cuatro excepciones son India (−0,118), Ucrania (−0,162), Estados Unidos (−0,072) e Israel (−0,061).
A. Díaz et al. / Economía energética 81 (2019) 1056–1077 1073
Variable endógena: PIB real per cápita (ajustado por PPA, nivel logarítmico)
Método Piscina-OLS Piscina-OLS Piscina-OLS Piscina-OLS Piscina-OLS Grupo de trabajo Sistema GMM Sistema GMM
muñecos de tiempo No No Sí Sí Sí Sí Sí
Dummies regionales No Sí Sí Sí Sí No Sí
Efectos fijos No No No No No Sí Sí
Matriz de Instrumentos – – – – – – Reducir: 1 retraso, a partir de Colapso (todos los retrasos, a partir de
t-2 t-2)
número Observaciones 1676 1676 1676 1049 1049 1049 1049 1049
R2 ajustado 0.071 0.439 0.488 0.612 0.648 0.717
Hansen (pag-val) 0.0212 0.0688
prueba m1 (pag-val) 0.0991 0.0439
m2-prueba (pag-val) 0.385 0.131
núm. de países 134 134 134
número de instrumentos 71 47
Tabla C.1
Análisis de robustez: nivel logarítmico rezagado y tasas de crecimiento de la intensidad energética según la estimación GMM del sistema.
M1 M2 M3 M1 M2 M3
20Para superar el problema de demasiados instrumentos, usamos la versión de "colapso" para limitar el número de instrumentos (como en la cuarta columna enTabla 2.c.).
21Consideramos dummies de tiempo en ambos casos. Los resultados no cambian significativamente cuando se excluyen los efectos fijos temporales. Usando pool-OLS (convergencia absoluta), el resultado de la convergencia β es:
0:0343
ΔEIél¼ α− endIEyo;t-1Þ þ εél;
d0:0029Þ
y para estimaciones dentro del grupo (convergencia condicional):
0:0945
IEél¼ ai− endIE yo;t-1 Þ þv é: l
d0:0049Þ
Las cifras entre paréntesis representan desviaciones estándar, por lo que ambos coeficientes son estadísticamente significativos al 1% de nivel de significación. Estas dos regresiones implican tasas anuales de
convergencia para la intensidad energética del 3,4 % (absoluto) y del 9,5 % (condicional), mayores que las que suelen obtenerse para el PIB real. Por ejemplo, en nuestra muestra, la regresión de convergencia absoluta para
el PIB produce un coeficiente de −0,0009, que no es significativo, mientras que bajo efectos fijos el coeficiente es −0,0443, significativo al nivel del 1%. Por lo tanto, la evidencia de convergencia es más fuerte para la
intensidad energética que para el PIB per cápita.
1074 A. Díaz et al. / Economía energética 81 (2019) 1056–1077
M1 M2 M3 M1 M2 M3
Notas:Las regresiones anteriores son estimaciones robustas del sistema GMM, de 2 pasos, que incluyen un retraso en la matriz para los instrumentos. La combinación de combustibles fósiles se omite para la combinación de energía primaria (es decir, la combinación de
combustibles fósiles más la combinación de renovables más la combinación de plantas nucleares suman uno).Agricultura, Ganadería y Pescasector se omite de la combinación energética final (es decir, la combinación final para la agricultura junto con la industria, el sector del
transporte, los servicios y el sector residencial debe sumar uno). Las cifras entre paréntesis representan estadísticas t. Los valores marcados con asterisco denotan importancia en *pagb0,10, **pagb0.05, ***pag b0.01.
Tabla D.1
Estimación de GMM por región.
Europa America Asia y el Pacífico SSA Europa America Asia y el Pacífico SSA
log(ingresos), rezagado − 0,0190 − 0,0236 − 0,0474*** 0.0134*** − 0,0189 − 0,0343* − 0,0486*** 0.0131***
(-1.37) (-1.41) (-3.07) (2.86) (-1.56) (-1.74) (-2.93) (2.85)
Intensidad energética, % de cambio − 0,436** − 0,716*** − 0,542*** − 0,982*** − 0,443** − 0,681*** − 0,525*** − 0,980***
(-2.33) (-6.26) (-5.43) (-27.38) (-2.36) (-6.33) (-4.71) (-25.94)
Renovar. Mezcla, % de cambio − 2.009*** − 0,0575 0.817 − 0,208
(-4.31) (-0.22) (1.21) (-0.47)
Renovar. Mezcla (Convencional), % de cambio − 1.948*** − 0,0748 1.072 − 0,213
(-3.84) (-0.26) (1.12) (-0.51)
Renovar. Mezcla (Frontera), % de cambio − 0,0496 0.392 − 0,0977 − 0,598
(-0.07) (0.46) (-0.16) (-0,66)
Nuclear. Mezcla, % de cambio − 0,704 0.0145 0.462 0 − 0,680 0.0548 0.550 0
(-1.50) (0.02) (0.68) (.) (-1.50) (0.07) (0.74) (.)
Sector Industrial, % variación 0.133 − 0,527* − 0,412* 0.247 0.104 − 0,669** − 0,414* 0.231
(0.36) (-1.82) (-1.66) (0.56) (0.28) (-2.03) (-1.68) (0.48)
Sector Transporte, % variación 0.472 − 0,657 − 0,246 0.00514 0.477 − 0,601 − 0,288 0.0105
(1.12) (-1.37) (-0,67) (0.01) (1.14) (-1.28) (-0.76) (0.02)
Sector Residencial, % variación − 0,791*** − 1.129** − 1.377* − 0,725*** − 0,832*** − 1.267*** − 1.437* − 0,739***
(-3.14) (-2.31) (-1.79) (-2.88) (-3.30) (-2.64) (-1.81) (-2.80)
Sector servicios, % cambio − 0,625* − 0,632 − 1.291*** 0.425 − 0,584* − 0,797 − 1.226*** 0.415
(-1.91) (-1.10) (-3.12) (0.40) (-1.71) (-1.29) (-2.91) (0.39)
número Observaciones 323 169 280 143 323 169 280 143
hansenp 0.203 0.533 0.262 0.204 0.516 0.723 0.255 0.404
ar1p 0.0130 0.00148 0.0264 0.0152 0.0153 0.00320 0.0247 0.0146
ar2p 0.847 0.200 0.858 0.470 0.879 0.373 0.851 0.479
negro 48 24 40 22 48 24 40 22
j 51 35 44 28 56 38 48 31
Nota: Los tamaños de las muestras difieren ampliamente entre las regiones. Dado que la estimación del sistema-GMM puede verse afectada en muestras pequeñas, agregamos aquellas regiones con un tamaño de muestra más pequeño. Por lo
tanto, agregamos la región de América con los países de Asia-Pacífico (etiquetados como AAP).
Estadísticas t robustas entre paréntesis: *** denota significancia al 1 %, ** al 5 %, * al 10 %.
22Los tamaños de las muestras difieren ampliamente entre las regiones. Dado que la estimación del sistema-GMM puede verse afectada por muestras pequeñas, agregamos aquellas regiones con un tamaño de muestra más pequeño. Por lo tanto, agregamos la región de
23Cuando diferenciamos por regiones o niveles de ingreso, las estimaciones del sistema-GMM suelen presentar un sobreajuste (demasiados instrumentos), lo que reduce el poder de la prueba de hipótesis (por ejemplo, la
pag-valor en la prueba de Hansen tiende a ser muy cercano a uno en todos los casos). Para este propósito, limitamos nuestros instrumentos a nonorte2-3 rezagos y, simultáneamente, necesitamos colapsar la matriz de
instrumentos.
A. Díaz et al. / Economía energética 81 (2019) 1056–1077 1075
Cuadro D.2
Estimación de GMM por período.
Tabla D.3
Estimación de GMM por niveles de ingreso.
Bajo & Media alta Altos ingresos Altos ingresos Bajo & Media alta Altos ingresos Altos ingresos
Medio bajo (todo) (OCDE) Medio bajo (todo) (OCDE)
log(ingresos), rezagado − 0,0402*** − 0,1000*** − 0,100*** − 0,0641*** − 0,0416*** − 0,0838*** − 0,0975*** − 0,0658***
(-3.05) (-4.79) (-3.71) (-4.44) (-3.21) (-4.13) (-3.76) (-4.45)
Intensidad energética, % de cambio − 0,776*** − 0,423*** − 0,137 − 0,109 − 0,773*** − 0,488*** − 0,159* − 0,133*
(-10.11) (-3.61) (-1.55) (-1.52) (-10.06) (-3.87) (-1.79) (-1.68)
Renovar. Mezcla, % de cambio − 0,504 − 1.097** − 0,447 − 0,658
(-1.19) (-2.12) (-1.12) (-1.27)
Renovar. Mezcla (Convencional), % − 0,445 − 1.030** − 0,791* − 1.236**
cambiar (-1.13) (-2.44) (-1.85) (-2.03)
Renovar. Mezcla (Frontera), % 0.412 1.617** 0.0967 − 0,220
cambiar (1.13) (2.39) (0.30) (-0.71)
Nuclear. Mezcla, % de cambio − 0,252 − 0,476 − 0,251 − 0,373 − 0,320 − 0,318 − 0,224 − 0,364
(-0.39) (-1.60) (-0.91) (-1.58) (-0.51) (-1.11) (-0.82) (-1.43)
Sector Industrial, % variación 0.230 0.528** − 0,0449 0.830*** 0.313 0.491** − 0,0827 0,686**
(0.48) (2.24) (-0.16) (2.68) (0.66) (2.21) (-0.30) (2.24)
Sector Transporte, % variación 0.466 − 0,110 0.123 0.153 0.513 − 0,230 0.0968 0.135
(0.81) (-0.29) (0.34) (0.66) (0.93) (-0.59) (0.26) (0.52)
Sector Residencial, % variación − 0,677** − 0,727* − 1,003*** − 0,507** − 0,701** − 0,871** − 0,986*** − 0,448**
(-2.02) (-1.80) (-2.67) (-2.30) (-2.16) (-2.18) (-2.67) (-2.13)
Sector servicios, % cambio 0.0464 − 0,311 − 0,541* 0.329 0.0549 0.103 − 0,541* 0.312
(0.09) (-0.55) (-1.75) (1.26) (0.11) (0.18) (-1.80) (1.20)
número Observaciones 284 253 378 304 284 253 378 304
Hansen (pag-val) 0.170 0.684 0.439 0.288 0.592 0.826 0.557 0.583
prueba m1 (pag-val) 0.0144 0.0418 0.0950 0.000784 0.0134 0.0214 0.0882 0.000949
m2-prueba (pag-val) 0.190 0.721 0.271 0.462 0.258 0.853 0.252 0.211
núm. de países 46 42 46 35 46 42 46 35
número de instrumentos 52 55 54 46 57 60 59 50
Tabla E.1
Sistema de estimación GMM: calidad institucional y controles de inversión.
Notas:Las regresiones anteriores son estimaciones robustas del sistema GMM, de 2 pasos, que incluyen un retraso en la matriz para los instrumentos. La combinación de combustibles fósiles se omite para la combinación de energía primaria (es
decir, la combinación de combustibles fósiles más la combinación de renovables más la combinación de plantas nucleares suman uno).Agricultura, Ganadería y Pescasector se omite de la combinación energética final (es decir, la combinación final
para la agricultura junto con la industria, el sector del transporte, los servicios y el sector residencial debe sumar uno). Las variables institucionales han sido recuperadas de laMódulo de Riesgo PolíticodelBase de datos internacional de riesgo país (
ICRD):https://www.prsgroup.com/explore-our-products/countrydata-online/.
Las cifras entre paréntesis representan estadísticas t. Los valores marcados con asterisco denotan importancia en *pagb0,10, **pagb0.05, ***pagb0.01.
24https://www.prsgroup.com/explore-our-products/countrydata-online/.
A. Díaz et al. / Economía energética 81 (2019) 1056–1077 1077
Referencias Filipovic, S., Verbic, M., Radovanovic, M., 2015.Determinantes de la intensidad energética en el
Unión Europea: un análisis de datos de panel. Energía. 92, 547–555.
Aghion, P., Caroli, E., García-Peñalosa, C., 1999.Desigualdad y crecimiento económico: el per- Forbes, K., 2000.Una reevaluación de la relación entre desigualdad y crecimiento. Soy.
perspectiva de las nuevas teorías del crecimiento. J. Economía. Iluminado. 37 (4), 1615-1660.
economía Rev. 90 (4), 869–887.
Alesina, A., Ozler, S., Roubini, N., Swagel, P., 1996.Inestabilidad política y económica. Galor, O., Zang, H., 1997.Fecundidad, distribución del ingreso y crecimiento económico: teoría y
crecimiento. J. Economía. Crecimiento 2, 189–211.
evidencia entre países. Japón y la economía mundial 9 (2), 197–229. Hanushek, 2017.Para el
Álvarez Herranz, A., Balsalobre Lorente, D., Shahbaz, M., Cantos, JM, 2017.Innovación energética desarrollo económico a largo plazo, solo importan las habilidades. IZA Mundo de
ción y consumo de energías renovables en la corrección de los niveles de contaminación del aire. Trabajo 343, 2017.
Política energética 105, 386–397. Hassler, J., Krusell, P., Olovsson, C., 2018.Las consecuencias de la incertidumbre: la sensibilidad climática
Álvarez, F., Marrero, GA, Puch, LA, 2005.La contaminación del aire y la macroeconomía en todo productividad y sensibilidad económica al clima. Revisión anual de economía 10,
Países europeos. Documentos de trabajo de FEDEA 2005–2010. 189–205.
Ang, J., 2007.Emisiones de CO2, consumo de energía y producción en Francia. Política Energética 35, Huang, BN, Hwang, MJ, Yang, CW, 2008.Relación causal entre el consumo de energía
Revisión de la economía nacional y el crecimiento del PIB: un enfoque dinámico de datos de panel. Ecol. economía 67 (1), 41–54.
4772–4778.
Ang, J., 2008.La relación a largo plazo entre desarrollo económico, emisiones contaminantes
siones y consumo de energía: evidencia de Malasia. Revista de modelado de políticas 30, Inglesi-Lotz, R., 2016.El impacto del consumo de energías renovables en el crecimiento económico:
una aplicación de datos de panel. Economía de la energía. 53, 58–63.
271–278.
Apergis, N., Payne, JE, 2010a.Consumo de energías renovables y crecimiento económico: ev- Islam, N., 1995.Empíricas de crecimiento: un enfoque de datos de panel. Economía QJ. 110, 1127–1170.
idencia de un panel de países de la OCDE. Política energética 38, 656–660. Kijima, et al., 2010.Modelos económicos para la curva de Kuznets ambiental: una encuesta.
Apergis, N., Payne, JE, 2010b.Consumo de energías renovables y crecimiento en Eurasia. es- J. Economía. Din. Control. 34 (7), 1187–1201.
ergía Econ. 32, 1392–1397. Knowles, S., 2005.Desigualdad y crecimiento económico: la relación empírica
Apergis, N., Payne, JE, Menyah, K., Wolde-Rufael, Y., 2010.Sobre la dinámica causal entre reconsiderado a la luz de datos comparables. J. Dev. Semental. 41, 135–159.
López, H., Servén, L., 2009.Demasiado pobre para crecer. Documento de trabajo de investigación de políticas 5012. El
entre las emisiones, la energía nuclear, las energías renovables y el crecimiento económico. Ecol.
Banco Mundial.
economía 69, 2255–2260.
Marrero, Georgia, 2010.Emisiones de gases de efecto invernadero, crecimiento y mix energético en Europa.
Arellano, M., Bond, S., 1991.Algunas pruebas de especificación para datos de panel: evidencia de Monte Carlo
Economía de la energía. 32, 1356-1363.
dencia y una aplicación a las ecuaciones de empleo. Revisión de Estudios Económicos 58,
277–297. Marrero, G., Rodríguez, JG, 2013.Desigualdad de oportunidades y crecimiento. J. Dev. economía 104,
Arellano, M., Bover, O., 1995.Otra mirada a la estimación de variables instrumentales de 107–122.
modelos de componentes de error. J. Economía. 68, 29–52.
Marrero, GA, Servén, L., 2018.Crecimiento, desigualdad y pobreza, ¿una relación sólida? Pol-
Documento de trabajo de investigación helada 8578.
Atems, B., Hotaling, C., 2018.El efecto de la generación de electricidad renovable y no renovable.
ación sobre el crecimiento económico. Política energética 112, 111–118.
Menegaki, AN, Ozturk, I., 2013.Revisión del nexo entre crecimiento y energía en Europa: pruebas
Atkeson, A., Kehoe, PJ, 1999.Modelos de uso de la energía: masilla-masilla versus masilla-arcilla. Soy. de un modelo de economía política de efectos fijos. Política energética 61, 881–887. Narayan, S.,
economía Rev. 89 (4), 1028–1043. Doytch, N., 2017.Una investigación sobre las energías renovables y no renovables
Baltagi, BH, 2005.Análisis Econométrico de Datos de Panel. 3ra edición. John Wiley e hijos nexo de consumo y crecimiento económico utilizando el consumo de energía industrial y residencial.
Barro, RJ, 2000.Desigualdad y crecimiento en un panel de países. J. Economía. Crecimiento 5 (1), 5–32. Perotti, R., 1996.Crecimiento, distribución del ingreso y democracia. J. Economía. Crecimiento 1, 149–187.
Barro, RJ, Lee, JW, 2013.Un nuevo conjunto de datos de logros educativos en el mundo, 1950— Rajbhandari, A., Zhang, F., 2018.¿La eficiencia energética promueve el crecimiento económico? Evi-
dencia a partir de un conjunto de datos de panel multinacional y multisectorial. Economía de la energía. 69, 128–
2010. J. Dev. economía 104, 184–198.
139.
Bhattacharya, M., Paramati, SR, Ozturk, I., Bhattacharya, S., 2016.El efecto de las renovables
consumo de energía en el crecimiento económico: evidencia de los 38 países principales. aplicación Rausch, S., Schwerin, H., 2017.Uso de energía a largo plazo y la paradoja de la eficiencia (Mimeo). Ravallion,
Energía 162, 733–741. M., 2012.¿Por qué no vemos la convergencia de la pobreza? Soy. economía Rev. 102 (1),
Bhattacharya, M., Churchill, SA, Paramatti, SR, 2017.El impacto dinámico de las energías renovables 504–523.
Roodman, D., 2009.Una nota sobre el tema de demasiados instrumentos. buey Toro. economía Estadística 71,
energía e instituciones sobre la producción económica y el CO2emisiones entre regiones.
Renovar. Energía 111, 157–167. 135–158.
Binder, M., Hsiao, C., Pesaran, H., 2005.Estimación e inferencia en vector de panel corto Sianesi, Bárbara, Van Reenen, John, 2003.Los rendimientos de la educación: macroeconomía.
autorregresiones con raíces unitarias y cointegración. Teoría econométrica 21, 795–837. J. Economía. sobrev. 17 (2), 157–200.
Blundell, R., Bond, S., 1998.Condiciones iniciales y restricciones de momento en panel dinámico Smiech, S., Papiez, M., 2014.Consumo de energía y crecimiento económico a la luz de
cumplimiento de los objetivos de la política energética en la UE: el enfoque de causalidad de Granger del panel
modelos de datos J. Economía. 87 (1), 115–143.
de arranque. Política energética 71, 118–129.
Boluk, G., Mert, M., 2014.Consumo de energías fósiles y renovables, GEI (efecto invernadero)
gases) y crecimiento económico: evidencia de un panel de países de la UE (Unión Europea). Ucan, O., Aricioglu, E., Yucel, F., 2014.Nexo entre el consumo de energía y el crecimiento económico:
Energía. 74, 439–446. evidencia de países desarrollados en Europa. En t. J. Economía de la energía. Política 4, 411–419. Voigt,
Brock, WA, Taylor, MS, 2010.El modelo de Green Solow. J. Economía. Crecimiento 15 (2), 127–153. Bollo, M., S., De Cian, E., Schymura, M., Verdolini, E., 2014.Evolución de la intensidad energética en
Sarafidis, V., 2015.Modelos de datos de panel dinámicos. En: Baltagi, BH (Ed.), The Oxford 40 grandes economías: ¿cambio estructural o mejora tecnológica? Economía de la energía.
Manual de Datos de Panel. Oxford University Press, Oxford, págs. 76–110. 41, 47–62.
Caselli, F., Esquivel, G., Lefort, F., 1996.Reapertura del debate sobre la convergencia: una nueva mirada a Wang, C., 2013.Crecimiento diferencial de la producción entre regiones y emisiones de dióxido de carbono:
Díaz, A., Puch, LA, 2019. Inversión, progreso tecnológico y eficiencia energética. El Windmeijer, F., 2005.Una corrección de muestra finita para la varianza de dos lineales eficientes
Estimadores escalonados GMM. J. Economía. 126 (1), 25–51.
SER Revista de Macroeconomíahttps://doi.org/10.1515/bejm-2018-0063.
Díaz, A., Puch, LA, Guilló, MD, 2004.Costosa reasignación de capital y uso de energía. Rdo. Banco Mundial, 2012.Crecimiento verde inclusivo: el camino hacia el desarrollo sostenible
(Grupo del Banco Mundial).
economía Din. 7 (2), 494–518.
Ferraro, D., Peretto, PF, 2017. Precios de materias primas y crecimiento. economía jhttps://doi.org/
10.1111/ecoj.12559próximo.