Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La política energética
Palabras clave: La pobreza energética ha evolucionado como un tema importante de investigación desde perspectivas académicas y políticas durante las
Pobreza energética últimas dos décadas. Las estimaciones de la pobreza energética muestran variaciones generalizadas entre regiones, metodologías y conjuntos
Servicios energéticos
de datos, lo que dificulta la tarea de las políticas energéticas y de desarrollo. Las variaciones en las estimaciones de la pobreza energética
Metaanálisis
requieren un análisis sistemático y riguroso de estos estudios empíricos para obtener una medida real de la pobreza energética. El presente
Metarregresión
estudio realiza un metanálisis de 30 estudios y 103 estimaciones de pobreza energética.
Economías en desarrollo
Heterogeneidad
En promedio, el 71,1 por ciento de la población en los estudios de muestra generales ha sido identificada como pobre en energía. Los valores
altos del estadístico Icuadrado sugieren un sesgo de heterogeneidad en los estudios de muestra; por lo tanto, se ha realizado un análisis a
nivel de subgrupo. El análisis de metarregresión de la muestra general y los subgrupos ha identificado el tipo de metodología, las citas, el
factor de impacto de la revista, las variables ficticias regionales, el precio promedio del petróleo crudo y el producto interno bruto como factores
importantes que explican la heterogeneidad en los tamaños del efecto de la pobreza energética. Recomendamos la inclusión de factores
locales y regionales en la evaluación de la pobreza energética para desarrollar una metodología uniforme para evaluar la pobreza energética
en las economías en desarrollo.
1. Introducción solo aquellos hogares que no pueden mantener sus hogares lo suficientemente calientes
debido a la falta de asequibilidad y a las deudas acumuladas de combustible (Boardman,
La pobreza energética se refiere a la falta de alternativas suficientes y de las 2010). Por el contrario, la pobreza energética se define como la falta de acceso a la
condiciones necesarias para el acceso a servicios energéticos modernos adecuados, electricidad y a instalaciones limpias para cocinar (dependencia de la biomasa tradicional)
económicos, confiables, seguros y ambientalmente sostenibles (Reddy et al., 2000), para satisfacer las necesidades energéticas básicas de los hogares (World Energy
(World Energy Outlook, 2002) que ayuden a lograr objetivos económicos y desarrollo Outlook, 2002), (Parajuli, 2011; Pereira et al., 2010; AIE (Agencia Internacional de
humano (Banco Asiático de Desarrollo, 2012; World Energy Outlook, 2010; Naciones Energía), 2010). El trabajo de investigación sobre pobreza energética se dirige
Unidas, 2010). El concepto de pobreza energética surgió del debate sobre la pobreza principalmente a países en desarrollo con todo tipo de condiciones climáticas (Li et al., 2014).
energética en las economías desarrolladas; una situación en la que individuos, familias y Hay pocas similitudes entre estos dos conceptos, por ejemplo, ambos conceptos se
grupos de población carecen de recursos para obtener hogares razonablemente cálidos investigan para el sector residencial y tratan principalmente con grupos de bajos ingresos
y bien iluminados de acuerdo con los niveles aceptables de la sociedad (Bradshaw y y tienen riesgos similares en términos de pobreza, salud, equidad y desarrollo social. Por
Hutton, 1983). lo tanto, la pobreza energética y energética difieren en términos de enfoque de definición
El trabajo fundamental de Boardman (1991) (Boardman, 2010) explica la pobreza (asequibilidad, disponibilidad), enfoques de medición (medida del 10 por ciento de bajos
energética como la incapacidad de las personas para obtener y permitirse un nivel ingresos y alto costo, índice de desarrollo energético/índice de pobreza energética
adecuado de calefacción para sus hogares, medida por el porcentaje de gastos de multidimensional), objetivos de investigación (países desarrollados, países en desarrollo)
energía que exceden el umbral del 10 por ciento del promedio nacional, como valor y características climáticas (frío, todas) (Li et al., 2014). La pobreza energética ha
residual. Los ingresos sitúan al hogar por debajo del umbral oficial de pobreza (Pachauri demostrado ser un concepto mucho más amplio con su amplia aplicación y relevancia
et al., 2013; Hills, 2011). La idea básica de pobreza energética evolucionó a partir del para la mayoría de las economías mundiales. El concepto de acceso a la energía fue
concepto de pobreza energética estimado para el caso de economías desarrolladas con ampliado por (Pachauri y Spreng, 2004) en términos de cantidad y asequibilidad y
climas fríos. La pobreza energética tiene un alcance limitado ya que considera
Esta investigación no recibió ninguna subvención específica de agencias de financiación del sector público, comercial o sin fines de lucro.
* Autor correspondiente.
Dirección de correo electrónico: faisal.mirza@uog.edu.pk (FM Mirza).
https://doi.org/10.1016/j.enpol.2020.111444 Recibido el 7
de agosto de 2019; Recibido en forma revisada el 30 de enero de 2020; Aceptado el 17 de marzo de 2020 Disponible en
línea el 14 de abril de 2020
03014215/© 2020 Elsevier Ltd. Todos los derechos reservados.
Machine Translated by Google
Se puede dividir en acceso físico y acceso real a los servicios energéticos. pobreza energética bajo el conjunto dado de condiciones (Nelson y Kennedy, 2009; Pigott,
El acceso real a los servicios energéticos puede verse limitado por el poder adquisitivo de 2012). Hasta donde sabemos, no existe ningún estudio de referencia o evaluación confiable
los hogares, el coste de la energía y los equipos que utilizan energía. El acceso de los disponible para comparar y analizar una variedad de estudios que utilizan diferentes
hogares a estos servicios energéticos afecta su nivel de bienestar (Pachauri y Spreng, metodologías para medir la pobreza energética.
2004). Sovacool et al. han sugerido la incorporación de la energía mecánica y la movilidad Por lo tanto, las diferencias en las estimaciones de pobreza energética en la literatura
en los servicios energéticos esenciales, además de la iluminación, la cocina y la existente hacen que sea difícil comprenderla en una revisión narrativa de la literatura.
calefacción . (2012). Por lo tanto, al principio es importante llevar a cabo una revisión sistemática para
El énfasis de Birol (2007) en la importancia de superar el desafío de la reducción de obtener una estimación real de los parámetros de la pobreza energética en la literatura
la pobreza energética y su inclusión en el campo de la economía energética hizo avanzar existente para las economías en desarrollo. En segundo lugar, es imperativo evaluar la
esta idea y condujo a la reconceptualización de la pobreza energética por parte de gravedad de este problema para formular decisiones políticas efectivas condicionadas a
investigadores y académicos de las economías en desarrollo. mies (Pachauri et al., 2004; las circunstancias locales (Nussbaumer et al., 2012a; Pachauri y Spreng, 2011), (Aristondo
Bazilian et al., 2010; Onyeji et al., 2012; Khandker et al., 2012a). Ha habido diferencias y Onaindia, 2018) y al mismo tiempo proporcionar una línea de base. Sin evaluaciones
sobre los conceptos y estimaciones de la pobreza energética que varían según las precisas y estudios de referencia, pueden surgir soluciones políticas subóptimas. En tercer
regiones, las metodologías y los conjuntos de datos (Pachauri y Spreng, 2004), (Birol, lugar, podría haber un alcance limitado para las conclusiones generalizables sobre el
2007), (Barnes et al., 2011a; Nussbaumer et al., 2012a; Pachauri y Spreng, 2011), (Crentsil tamaño real del efecto derivado de los análisis de los estudios individuales. Por lo tanto,
et al., 2019a; Mendoza et al., 2019a; Oum, 2019a; Sambodo y Novandra, 2019a; Zhang et llevar a cabo un análisis conjunto de los hallazgos de la literatura existente es una solución
al., 2019a; Phoumin y Kimura, 2019a). alternativa viable para fortalecer la evidencia sobre los méritos de los trabajos existentes
(DerSimonian y Laird, 1986). En este contexto, el objetivo principal de este estudio es
La mayoría de los estudios de pobreza energética seleccionaron una sola dimensión o estimar una medida resumida del tamaño del efecto de la pobreza energética, analizar su
indicador (Pachauri y Spreng, 2004) o dos dimensiones (Pachauri et al., 2004), (Sambodo validez a través del análisis de heterogeneidad y descubrir el efecto de diferentes
y Novandra, 2019a), (Sanusi y Owoyele, 2016a) para estimar pobreza energética en los determinantes sobre la heterogeneidad entre las estimaciones del estudio de muestra.
primeros años cuando el interés en el campo era nuevo. Posteriormente, algunos estudios
se esforzaron en emplear más de dos dimensiones (cinco a ocho) para capturar la amplia
gama de privaciones de acceso a los servicios energéticos (Nussbaumer et al., 2012a), El resto del trabajo se organiza de la siguiente manera. La sección 2 elabora el
(Crentsil et al., 2019a), (Mendoza et al., 2019a). al., 2019a), (Nussbaumer et al., 2013a; proceso de metanálisis y analiza su metodología. La sección 3 analiza los resultados del
Awan et al., 2013a; Sadath y Acharya, 2017a). Con pocas excepciones (Khanna et al., análisis general y de subgrupos. La sección 4 trata del análisis de heterogeneidad. La
2019), (Tchereni et al., 2013a), siguiendo el trabajo fundamental de Nusbaumer et al. Sección 5 presenta los hallazgos de la metarregresión, mientras que la Sección 6 concluye
(Nussbaumer et al., 2012a), las medidas multidimensionales de pobreza energética, han el artículo con recomendaciones apropiadas.
dominado la literatura en los últimos años (Crentsil et al., 2019a; Mendoza et al., 2019a),
(Sadath y Acharya, 2017a; Bersisa, 2017a). La heterogeneidad de la literatura hace difícil
llegar a una conclusión única o a una evaluación promedio del verdadero tamaño del 2. Metodología
efecto de la pobreza energética en el mundo en desarrollo.
Procedemos en tres pasos para llevar a cabo el análisis en este estudio. Primero,
identificamos los estudios de pobreza energética y realizamos un metanálisis. En segundo
La pobreza energética conlleva graves implicaciones micro y macroeconómicas para lugar, hemos probado la existencia de un sesgo de heterogeneidad entre los tamaños del
las economías en desarrollo. La perspectiva microeconómica implica dificultades para efecto (estimaciones de pobreza energética) a partir de estimaciones empíricas
realizar funciones esenciales de la vida diaria como cocinar, iluminación, uso de proporcionadas por estos estudios. Finalmente, hemos identificado los factores que causan
telecomunicaciones, entretenimiento, uso de dispositivos mecánicos y transporte para la heterogeneidad en las estimaciones del tamaño del efecto mediante metarregresión
movilidad. El bienestar humano se ve afectado en ausencia de estos servicios energéticos, basada en covariables que comprenden las características del estudio.
mientras que el acceso a la energía moderna puede aumentar el nivel de ingresos de los
hogares mediante la provisión de oportunidades para mejorar la salud, la educación y el 2.1. Estrategia de búsqueda y criterios de inclusión.
desarrollo empresarial (Pachauri y Spreng, 2004) (Day et al. , 2016; Sovacool, 2014). Las
implicaciones macroeconómicas incluyen un crecimiento económico lento, insostenibilidad El metanálisis de los estudios requiere formular una pregunta de investigación. En
ambiental y ecológica y una disminución de la productividad laboral (Bazilian y Yumkella, nuestro contexto, nos centramos en las estimaciones del recuento de pobreza energética
2015). para las economías en desarrollo obtenidas a partir de una variedad de metodologías y
dimensiones (Pigott, 2012) (Borenstein et al., 2011; Hawcroft y Milfont, 2010). Recopilamos
Desde el trabajo fundamental de Birol (2007), una amplia gama de estudios ha información sobre todos los estudios disponibles realizados sobre evaluación y medición
presentado abundantes estimaciones de la pobreza energética basadas en metodologías de la pobreza energética entre el año 2000 y 2019.
y tipos de conjuntos de datos innovadores para diferentes partes del mundo. Con la En primer lugar, se realizaron búsquedas en bases de datos bibliográficas con la ayuda de
expansión de las publicaciones de investigación y la disponibilidad de amplia información, palabras clave y se identificaron y seleccionaron publicaciones potencialmente relevantes.
se requiere una revisión sistemática y crítica de la literatura para comprender el verdadero Se emplearon palabras clave como 'medición de la pobreza energética', 'estimación de la
tamaño del efecto de las estimaciones de la pobreza energética en las economías en pobreza energética', 'pobreza energética multidimensional', 'pobreza energética
desarrollo. Las variaciones en las estimaciones de un gran número de estudios unidimensional', 'evidencia empírica de la pobreza energética multidimensional',
independientes sobre un tema específico que utilizan diferentes conjuntos de datos y 'evaluación de la pobreza energética multidimensional' (Ver Tabla 1) y luego se evaluaron
metodologías pueden proporcionar mayores conocimientos y poder explicativo a las los resúmenes y títulos de los estudios individuales excluyendo los irrelevantes. Estas
estimaciones agregadas que los estudios individuales presentados por separado (Stanley, palabras clave se utilizaron para múltiples búsquedas bibliográficas utilizando Google
2001). Aunque algunos estudios han empleado el metanálisis para otras cuestiones Scholar, Repec (Research Papers in Economics), EconBiz y SSRN (Social Science
relacionadas con el sector energético, esta literatura generalmente ha guardado silencio Research Network) durante octubre de 2018. Los artículos se recopilaron y finalizaron
sobre la cuestión de la pobreza energética (Hajko, 2017; Labandeira et al., 2017; Menegaki, entre noviembre de 2018 y diciembre de 2018 (consulte la Tabla 2). Posteriormente, la
2014). literatura sobre la medición de la pobreza energética fue ampliada y actualizada en enero
La situación de pobreza energética en las economías en desarrollo requiere esta de 2019 para su análisis (Tabla 2). Como el término pobreza energética se refiere
evaluación y nuestro estudio proporciona la base al realizar una revisión bibliográfica principalmente a la cuestión de la accesibilidad a la energía, la búsqueda abarca
sistemática rigurosa de los estudios de pobreza energética existentes en todo el mundo principalmente estudios de economías en desarrollo. En segundo lugar, los índices
en desarrollo. Esta revisión sistemática proporciona un tamaño del efecto integral de la bibliográficos de los estudios seleccionados también se examinaron manualmente en
pobreza energética, explica la heterogeneidad entre estudios en estos tamaños del efecto busca de evidencia adicional sobre la medición de la pobreza energética en todos los
y proporciona valores predichos dentro de la muestra de la pobreza energética. países.
2
Machine Translated by Google
Tabla 1
Sr. Buscador Palabras clave y términos (1) Resultados de la búsqueda Palabras clave y términos (2) Resultados de la búsqueda
1 Google Académico Medición de la pobreza energética 641.000 Índice de pobreza energética multidimensional 52.500
Pobreza energética unidimensional 9740 Evidencia empírica de pobreza energética multidimensional 54.700
Evaluación de la pobreza energética multidimensional 61800 Pobreza energética multidimensional 68.900
Evaluación de la pobreza energética unidimensional 8920
2 IDEAS. Repec Medición de la pobreza energética 138 Medición de la pobreza energética multidimensional 22
3 SSRN 13 –
Medición de la pobreza energética Medición de la pobreza energética multidimensional
4 Economía Medición de la pobreza energética 1165 Pobreza energética multidimensional 226
economías en desarrollo. Los estudios más relevantes para nuestra pregunta de i) año de publicación del estudio, ii) región de estudio, iii) metodología de investigación
investigación "¿cuál es la estimación promedio de la pobreza energética en las economías utilizada, iv) citas del estudio y v) factor de impacto de la revista en la que se publicó el
en desarrollo?" fueron seleccionados con base en los criterios que incluyen; i) Los artículos estudio.
deben publicarse o escribirse en inglés, ii) El año de publicación debe ser posterior al Existe una variedad de metodologías y tipos de datos utilizados en los estudios
2000, iii) Los estudios deben tener alguna estimación de la pobreza energética, iv) La incluidos. Algunos estudios han utilizado datos de encuestas de hogares representativas
investigación debe ser relevante para el campo de la energía, la economía y la sociedad. a nivel nacional para estimar la pobreza energética (Awan et al., 2013a), (Sadath y
ciencias, y, v) Los estudios deben provenir de alguna fuente auténtica (publicación de una Acharya, 2017a), (Nussbaumer et al., 2012a), (Crentsil et al., 2019a). . Los estudios
revista revisada por pares) (Stanley, 2001). también han empleado encuestas autorealizadas para el análisis y estimación de la
La preselección de los estudios identificados se realizó según el criterio de que sus pobreza energética en sus respectivas regiones (Tchereni et al., 2013a), (Edoumiekumo
resúmenes y títulos explican la medición de la pobreza energética. Las características del et al., 2013a), (Akande et al., 2018a), (Bekele et al. , 2018a). al., 2015; Olang et al., 2018a).
estudio se identificaron después de la extracción de información abstracta de
los artículos finalmente seleccionados. Estas características generales del estudio incluyen Los tipos de medidas de pobreza energética empleadas en los estudios incluyen
Tabla 2
Lista de estudios utilizados en el metanálisis.
Apellido de los autores (año de publicación) Nombre de la revista Apellido de los autores (año de publicación) Nombre de la revista
(Nº de estimaciones utilizadas en cada estudio) (Nº de estimaciones utilizadas en cada estudio)
Akande et al. (2018a,b) Revista Internacional de Innovación Phoumin y Kimura (2019a,b) La política energética
Investigación y Estudios Avanzados
Apere y Karimo (2014) (7) Revista británica de estudios académicos avanzados Sadath y Acharya (2017a, b) La política energética
Investigación
Awan et al. (2013a,b) La Revisión del Desarrollo de Pakistán Sanusi y Owoyele (2016a,b) Procedimiento energético
Barnes et al. (2011a,b) La política energética Sher et al. (2014) (4) Revista Internacional de Economía y Política Energética
Bekele et al. (2015)a Revista Internacional de Economía, Comercio Tchereni et al. (2013a,b) Revista de Economía y Desarrollo Sostenible
al. (2014)
Bersisa (2017a,b) (2) Revista de Ciencias Económicas y Financieras
Artículos de
investigación
en economía
y finanzas
Oum (2019a,b) (4) Política energética Vermaak et al. (2009) La Revista de Economía Interdisciplinaria
Edoumiekumo et al. (2013a, Diario de Khandhker et al. (2012a,b) (2) La política energética
b) Economía y
Desarrollo
sostenible
Ochoa y Graizbord, 2016 Energía Lipu et al. (2016) Revista internacional de tecnología y política energética
Investigación y
Social
Ciencia
Ismail y Khembo (2015) Diario de Mahmood y Shah (2017) (2) La Revista de Economía de Lahore
Energía en
Del Sur
África
Ismael (2015) Diario de Mirza y Szirmai (2010) Universidad de las Naciones UnidasMERIT
Ciencias económicas
y
Desarrollo
sostenible
Nussbaumer et al. (2012a,b) (14) Reseñas de Zhang et al. (2019a) (3) La política energética
energías
renovables
Nussbaumer et al. (2013a,b) (32) y sostenibles Sostenibilidad Ogwumike y Ozughalu Economía del Medio Ambiente y el Desarrollo
(2016)
Mendoza et al. (2019a,b) La política energética Crentsil et al. (2019a) (2) La política energética
3
Machine Translated by Google
gastos relacionados con la energía como porcentaje del gasto total del hogar; Medida de 2.2. Metaanálisis
pobreza energética multidimensional propuesta por Nussbaumer et al. (2012a) con variación
en la selección de dimensiones e indicadores. La lista de nombres de algunas metodologías Propuesto por primera vez por Glass (1976) en 1976, el metanálisis para la revisión
utilizadas en la literatura incluye medidas de satisfacción de necesidades energéticas sistemática de la literatura fue introducido en economía por Stanley y Jarrell (Jarrell y Stanley,
mínimas, inconvenientes energéticos en términos de recolección de fuentes de energía, 1990; Smith y Kaoru, 1990; Stanley y Jarrell, 2005; Weitzman et al., 1990 ) en 1989, lo que
acceso a electricidad y acceso a instalaciones de cocina limpias; medida basada en la llevó a su uso generalizado en la década actual (Havranek et al., 2018), (Nelson y Kennedy,
dimensión de accesibilidad y asequibilidad, medida MAEN (Satisfacción de las necesidades 2009).
energéticas absolutas), índice compuesto de desarrollo energético (1EDI ¼ EP), conexión Suponiendo el estudio 'i' de un total de 'n' estudios en nuestro análisis, cada uno con una
a la red eléctrica, índice de acceso a la energía basado en una medición de pobreza estimación, yi , del efecto de interés y un error estándar de esta estimación, σi, el metanálisis
energética de múltiples niveles, índice de pobreza energética sociofísica, nuevo índice de de efectos fijos supone un único tamaño de efecto verdadero, θ con homogeneidad del
pobreza energética, pobreza energética multidimensional y pobreza energética ajustada al tamaño del efecto entre los estudios. Por el contrario, el enfoque de efectos aleatorios de
acceso. DerSimonianLaird (DL) supone heterogeneidad entre los estudios y que los efectos
verdaderos de los estudios individuales se distribuyen con una varianza τ2, alrededor de un
efecto verdadero "general" θi y los efectos observados de cada estudio se utilizan para
2.1.1. Criterios de exclusión de los estudios del metanálisis. modelos de estimación.
También desarrollamos criterios de exclusión para estudios basados en A continuación (Kontopantelis y Reeves, 2010), la distribución de los estudios se describe
que ciertos estudios relevantes no pudieron incluirse en el meta como;
análisis; i) Los artículos que no fueron publicados ni revisados por pares (tesis no publicadas
yi θi N θi; σ2yo donde ; θi N θ; τ2 (1)
disponibles en sitios web de universidades, informes de organizaciones y documentos de
trabajo) fueron excluidos incluso si se consideraron relevantes, ii) No se consideraron los
yi N θ; σ2 þ τ2 (2)
estudios no escritos en idioma inglés. , iii) Aunque algunos trabajos sobre evaluación de la i
(6)
PAG
fue excluida del análisis después del refinamiento de los datos debido a un número insuficiente
de observaciones. La naturaleza del metanálisis actual es diferente de otros, ya que todos los estudios
sobre medición de la pobreza energética informan únicamente el porcentaje de hogares
pobres desde el punto de vista energético. El error estándar para estos tamaños de efecto no
se estima ni se informa en la literatura. Por lo tanto, para analizar los coeficientes de pobreza
Cuadro energética estimados y evaluar su tamaño medio del efecto, el metanálisis correlacional es
3 Dispersión regional de las estimaciones de estudios seleccionados. el más adecuado (Borenstein et al., 2011). La varianza y el error estándar de la estimación
de la pobreza energética de cada estudio bajo este enfoque se pueden obtener utilizando el
Región Sr. Total Número de Número Número
Número de Estudios refinado de refinado de
tamaño de muestra respectivo de la siguiente manera;
Estimados estimaciones estudios.
3 sur y 35 dieciséis 32 14þ Donde 'Vri ' es la varianza del coeficiente medido del estudio. 'ni' corresponde al tamaño de
Sureste la muestra de cada estudio y 'ri' es el tamaño del efecto obtenido de cada estudio. Los valores
Asia
del tamaño del efecto y su varianza se transformaron aún más en la escala z de Fisher.
4 América Latina 09 03 07 02
Todos los análisis se pueden realizar utilizando los valores transformados y luego los
y
caribe resultados del metanálisis de los valores de la escala z se pueden convertir nuevamente al
Total 133 37 106 30 tamaño del efecto estimado real para fines de presentación. La transformada Z de Fisher se
*(excluido del análisis final). þ(un estudio es igual en las regiones 1 y 3. En el análisis se puede realizar mediante el siguiente método (Borenstein
4
Machine Translated by Google
et al., 2011), (Hunter y Schmidt, 2004); de probabilidad logarítmica residual (o restringida). Icuadrado mide la proporción de
variación residual debido a la heterogeneidad (Harbord y Higgins, 2008), (Kelley y Kelley,
(8) 2012). El R cuadrado ajustado, conocido como la proporción ajustada de la varianza entre
zi ¼ 0:5 ln 1 1þ ri ri
estudios explicada por las covariables, se expresa como;
La varianza de z se calcula como;
1 2
bτ
(9) 0 bτ 2
Vzi ¼ R2
¼
(15)
ni 3 adj. bτ
2
0
j¼1
Los sesgos de heterogeneidad se evalúan con la ayuda de una herramienta visual compuesta por 'n' estudios, α es el valor real de la pobreza energética, Zij presenta el vector
como el gráfico en embudo, que es de naturaleza más subjetiva y puede no proporcionar de variables moderadoras metaindependientes que representan características relevantes
resultados definitivos. Por lo tanto, este estudio ha empleado pruebas de sesgo adicionales del estudio (región de estudio, metodología de investigación). empleadas, número de
para examinar la existencia de heterogeneidad en las estimaciones de la muestra (Higgins dimensiones, número de citas y factor de impacto de la revista), 'βj' muestra el efecto
y Green, 2011). En ausencia de sesgo de heterogeneidad, las estimaciones de los tamaños introducido por ciertas características del estudio que reflejan el efecto del sesgo en las
del efecto de la pobreza energética y sus errores estándar no deberían estar correlacionados características de un estudio en particular, mientras que εi refleja el término de error de
(Stanley, 2005). metarregresión (Stanley y Jarrell, 2005).
3. Resultados y discusión
EPij y SEðEPijÞ son las estimaciones iésimas de la estimación de pobreza energética y los
errores estándar en el estudio j. La prueba de heterogeneidad de Egger es una prueba de
3.1. Funciones de densidad de las estimaciones de pobreza energética
asimetría del gráfico en embudo y se basa en una prueba t bilateral de la hipótesis nula de
pendiente cero en una regresión lineal de 'θ' contra SEðθÞ, ponderada por 1=varðθÞ (Egger
La visualización de la distribución puede potencialmente proporcionar una mejor
et al., 1997). Este proceso es equivalente a la prueba t bilateral de la hipótesis nula de
comprensión de los datos y el comportamiento de la variable del tamaño del efecto en
intersección cero en una regresión lineal no ponderada (Harbord et al., 2009), (Higgins y
nuestra muestra. El diagrama de dispersión en el panel (a) de la Fig. 1 muestra el número
Thompson, 2004).
de estudios realizados cada año sobre pobreza energética. Se observa que la mayor parte
de los trabajos de inauguración se realizaron en 2012, 2013 y 2019.
2.4. Metarregresión
La metarregresión investiga hasta qué punto la heterogeneidad estadística entre los (b) Función de densidad kernel de las estimaciones de pobreza energética
resultados de múltiples estudios puede estar relacionada con una o más características del
estudio. Generalmente no se recomienda la metarregresión de efectos fijos, ya que supone Una función de densidad del núcleo comparada con la función de densidad normal de
que toda la heterogeneidad puede explicarse mediante covariables y conduce a un error de las estimaciones generales del estudio en el panel (b) de la Fig. 1 proporciona información
tipo I en presencia de heterogeneidad inexplicable (Higgins y Thompson, 2004) en (Harbord estructurada sobre la distribución del conjunto de datos. Los datos no siguen la distribución
y Higgins, 2008). Por el contrario, la metarregresión de efectos aleatorios permite dicha normal, sino que muestran una asimetría en el lado derecho, lo que indica que el valor
heterogeneidad residual (entre la varianza del estudio no explicada por las covariables) medio de la distribución real es mayor que el valor medio, si la distribución hubiera sido
bajo el supuesto de que los efectos verdaderos siguen una distribución normal alrededor de normal. También sugiere cierto grado de heterogeneidad en las estimaciones del efecto de
un predictor lineal (Harbord y Higgins, 2008), (Ver hagen y Ferreira, 2014). la pobreza energética en los estudios utilizados en el metanálisis. Sólo unas pocas de las
economías en desarrollo están experimentando bajos niveles de pobreza energética y la
mayoría de los países han registrado una pobreza energética de más del 50 por ciento.
5
Machine Translated by Google
Fig. 1. (a) Diagrama de dispersión del año de publicación y estimación de pobreza energética.
África y América Latina y el Caribe, mientras que los tamaños del efecto en las regiones uso de múltiples dimensiones para la evaluación de la pobreza energética. Los resultados
del sur y sudeste asiático están cerca de la distribución normal. El subgrupo de de estudios que utilizan técnicas de medición uni/bidimensionales sugieren que, en
metodología de enfoque multidimensional también indica una distribución promedio, el 48,6 por ciento de la población es pobre energéticamente (Tabla 4). Esto
aproximadamente normal en las estimaciones del tamaño del efecto. implica que los enfoques unidimensionales y bidimensionales tienden en general a
subestimar la pobreza energética en las economías en desarrollo.
3.2. Metanálisis de efectos aleatorios Además, también encontramos heterogeneidad en los tamaños del efecto dentro de
cada subgrupo, como lo muestra un valor mayor de Icuadrado en la Tabla 4.
El efecto resumen de la pobreza energética del modelo de efectos aleatorios se El metanálisis de los estudios de pobreza energética requiere que se genere un
considera como una estimación del promedio de un conjunto de posibles efectos en diagrama de bosque de las estimaciones del efecto de la pobreza energética a partir de
diferentes entornos. Según el modelo de efectos aleatorios, la distribución completa de estudios de muestra. El diagrama de bosque es una representación gráfica de los
los posibles efectos es importante que solo el efecto promedio o medio. El modelo de resultados del metanálisis y se considera una herramienta válida y útil para revisar e
efectos aleatorios proporciona una varianza mayor e intervalos de confianza más interpretar instantáneamente la evidencia (Verhagen y Ferreira, 2014). Debido al gran
amplios, lo que infiere incertidumbre sobre la estimación de la media (Harbord y Higgins, tamaño de la imagen del terreno forestal para la muestra general, no se pudo incluir.
2008). El tamaño del efecto de la pobreza energética combinado de los estudios de Los diagramas de bosque para los subgrupos se presentan en el Apéndice A (figuras;
muestra generales muestra que, en promedio, el 71,1 por ciento de la población de la A.1, A.2, A.3, A.4 y A.5) que representan respectivamente la región de África
muestra se encuentra por debajo de alguna línea de pobreza energética específica en subsahariana y la región de Asia meridional y sudoriental. , región de América Latina y
las economías en desarrollo (Tabla 4). el Caribe, enfoque uni/bidimensional para medir la pobreza energética y subgrupo de
El intervalo de confianza de la estimación general agrupada de pobreza energética estudios que emplean enfoques multidimensionales de medición de la pobreza
está entre 65,4 por ciento y 76,9 por ciento. Taucuadrado es la varianza de los energética. La representación gráfica de los resultados del metanálisis regional se
tamaños reales del efecto y su valor real no puede ser menor que '0'. especifica en la Fig. 3. La primera columna del diagrama de bosque muestra los nombres
Debido al error de muestreo, la estimación de τ2 solo puede ser inferior a 0 si la varianza de los subgrupos de la región. 'ES' es el tamaño del efecto para cada subgrupo calculado
observada es menor que el valor que el investigador espera según el error dentro del mediante un metanálisis de efectos aleatorios y cada fila representa los resultados de
contabilizada atribuible a la heterogeneidad residual) sugiere que existe una fuerte La última columna muestra el peso asignado a cada región en el metanálisis
heterogeneidad entre las estimaciones; por lo tanto, no es plausible generalizar los general, enfatizando la influencia de los estudios de cada subgrupo en los resultados
resultados del metanálisis sin una mayor comprensión de las causas de la heterogeneidad generales. Los resultados presentan una estimación agrupada de pobreza energética
(Ver columna 5, Tabla 4). del 81 por ciento en la región de África subsahariana con un intervalo de confianza
Las columnas 7 y 8 de la Tabla 4 describen los resultados para la hipótesis nula de relativamente más pequeño. La estimación conjunta de la pobreza energética para la
ES = 0, donde los valores de P inferiores a 0,05 muestran que los tamaños del efecto región del sur y sudeste asiático es del 57 por ciento, con un intervalo de confianza del
en cada metanálisis no son iguales a cero y los valores del tamaño del efecto son 49 por ciento al 66 por ciento. La ubicación del símbolo del diamante en el gráfico del
estadísticamente significativos. Los tamaños generales del efecto de la muestra se han bosque representa el valor de la estimación de la pobreza energética para la región
clasificado por región del país de estudio y tipo de metodología para estimar la pobreza respectiva, mientras que el ancho del diamante muestra el intervalo de confianza del 95
energética para el análisis de subgrupos. El metanálisis de estudios para la región de por ciento en el que se encuentra el valor del verdadero tamaño del efecto.
África subsahariana muestra que, en promedio, el 81,3 por ciento de la población es Los valores de p representan los niveles de significación estadística de los resultados
pobre en energía, pero el valor I cuadrado del 100 por ciento sugiere una fuerte del metanálisis (Harbord y Higgins, 2008), (Hak et al., 2016).
heterogeneidad en estas estimaciones del tamaño De manera similar, la estimación conjunta de pobreza energética para la región de
del efecto. Se encontró que el 57,3 por ciento de la población en los estudios de América Latina y el Caribe es del 52 por ciento con un intervalo de confianza más amplio
muestra de la región del sur y sudeste de Asia era pobre en energía. La estimación del 31 por ciento al 73 por ciento. Los intervalos predictivos que se dan al final de cada
resumida del efecto presentada en el Cuadro 4 para la región de América Latina y el resultado de subgrupo muestran la estimación de un intervalo en el que una observación
Caribe muestra que, en promedio, el 51,8 por ciento de la población en la región de futura caerá con una cierta probabilidad, dado lo que ya se ha observado (Guddat et al.,
muestra es pobre en energía (ver Figura A.1, A.2, A.3 en el Apéndice A para los 2012) y representan el rango predicho para el tamaño del efecto verdadero en un nuevo
bosques). gráficos de subgrupos regionales de África subsahariana, sur y sudeste de estudio que expresa la dispersión de los tamaños del efecto verdadero. Este intervalo
Asia y América Latina y el Caribe). se refleja con líneas que se extienden desde los diamantes en el diagrama del bosque.
El metanálisis de subgrupos por metodología sugiere que los estudios basados en Permite inferir estudios no incluidos en el metanálisis, mientras que los intervalos de
un enfoque de pobreza energética multidimensional encontraron que el 76,3 por ciento confianza representan incertidumbre sobre la estimación de la media. Se muestra el
de la población era pobre energéticamente. Este mayor porcentaje se puede atribuir a efecto resumido general.
6
Machine Translated by Google
Tabla 4
Energía agrupada Número de CI Límite IC inferior Icuadrado Tau Z prueba de Valor p de Valor p de
Estimación de pobreza Estudios incluidos superior límite (en %) cuadrado valor ES¼0 una cola dos colas
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
En general 0,711 103 0,769 0,654 100 0,087 24.42 p < 0,05 0.00 0.00
Subgrupo: Región
Africa Subsahariana 0.813 64 0.823 0.803 100 0.002 164,8 p = 0,0 0.00 0.00
sur y sureste 0.573 32 0,66 0,49 100 0,059 13.37 p = 0,0 0.00 0.00
Asia
latinoamericano y 0.518 07 0,73 0,31 100 0.080 4.85 pag ¼ 0,0 0.00 0.00
caribe
Subgrupo: Metodología
Multidimensional ¼ 1 0.763 84 0,797 0,729 100 0.025 44.05 p = 0,0 0.00 0.00
Uni/ 0,486 19 0,598 0.373 100 0.063 8.44 p = 0,0 0.00 0.00
Bidimensional ¼ 0
7
Machine Translated by Google
Fig. 3. Diagrama de bosque de estimaciones agrupadas de pobreza energética para subgrupos regionales.
8
Machine Translated by Google
4. Análisis de heterogeneidad
5. Análisis de metarregresión
9
Machine Translated by Google
Tabla 5
1 muestra general 12,66*(5,75){2,20} 0,783*(33,21){0,024} [0,739, 0.000 103 Rechazado a favor de la Sí 0,2003
[17,03, 8,29] 0,833] hipótesis alternativa.
Subgrupo: Región
2 África subsahariana 15,45* (6,92) {2,23} 0,879* (41,12) 0.00 64 Rechazado a favor de la Sí 0,1454
{0,021} alternativa
3 Sur y Sudeste 6,041 (1,91) 0,6196* (14,57) 0.00 32 Rechazado a favor de la Sí 0,1955
Asia {3,170} {0,043} hipótesis alternativa.
4 América Latina y 49,99 (2,13) 0,791* (5,33) 0.003 7 Rechazado a favor de la Sí 0,1969
caribe {23,46} {0,148} hipótesis alternativa.
Subgrupo: Tipo de Metodología
5 Multidimensional ¼ 1 20,26* (7,41) [2,73] 0,854* (40,81) {0,021} 0,508* 0.00 84 Rechazado a favor de la Sí 0,1542
(7,40) alternativa
6 Uni/Bidimensional ¼ 0 1,91 (0,53) {0,069} 0.00 19 Rechazado a favor de la Sí 0,2325
{3,58} alternativa
H1: Existe heterogeneidad (existen efectos de estudios pequeños); valores t entre paréntesis (), errores estándar entre paréntesis {}; El signo '*' con los coeficientes muestra que los valores son significativos al nivel del 5%. (Nivel de
confianza ¼ 95%). intervalo de confianza entre corchetes [] en la fila 1.
citas, año de publicación, número de dimensiones utilizadas y factor de impacto, variables significativas. En contraste, los resultados de la metarregresión bajo el
precios internacionales del petróleo y PIB per cápita) para explicar su impacto en la enfoque restringido de máxima verosimilitud (columna 4, Tabla 7) muestran que las
pobreza energética para determinar las causas de la heterogeneidad entre estudios y covariables del factor de impacto y del precio promedio anual del petróleo crudo
estimaciones. Los detalles y las estadísticas resumidas de las variables utilizadas en explican de manera insignificante la heterogeneidad en las estimaciones del efecto.
el análisis de metarregresión se presentan en la Tabla 6. Sin embargo, el modelo para la región del sur y sudeste asiático según el método de
La medida de pobreza energética se refiere al porcentaje de población pobre metarregresión de momentos no es estadísticamente significativo (columna 5, Tabla
energéticamente medido en cada estudio seleccionado. Región de estudio se refiere 7). Ninguna covariable o característica del estudio es significativa para explicar la
a la región del estudio según la clasificación de regiones del mundo del Banco Mundial. heterogeneidad en las estimaciones del efecto de la pobreza energética en este
Inicialmente se identificaron cuatro regiones, pero solo se utilizaron tres regiones en subgrupo, excepto el tipo de metodología utilizada para medir la variable de pobreza energética.
el análisis de subgrupos porque el número de estudios seleccionados sobre pobreza Todos los modelos de metarregresión en las columnas 1, 2, 3 y 4 de la Tabla 7
energética en la región del norte de África y Asia occidental fue insuficiente para llevar son conjuntamente significativos para explicar las causas de la heterogeneidad
a cabo un metanálisis. El tipo de metodología de investigación se refiere al enfoque evidente a partir de los valores de chicuadrado para las pruebas de significancia del
utilizado para medir la pobreza energética clasificándola entre uni/bidimensional o modelo. Los valores de R cuadrado ajustado en cada regresión muestran el porcentaje
multidimensional. de varianza entre estudios explicado por las covariables en el modelo. La varianza
La variable moderadora del número de citas representa la cantidad de veces que el entre estudios parece pequeña dado el valor de taucuadrado. La significancia general
estudio ha sido citado en otras investigaciones. El número de dimensiones utilizadas del modelo se evalúa con el valor de chicuadrado del modelo. Las predicciones de los
en los estudios para medir la pobreza energética también es una variable importante modelos (1), (2), (3), (4), (7) y (8) son una mejora con respecto a la media ya que el
para evaluar la heterogeneidad entre los tamaños del efecto. valor p es menor que el nivel de significancia de 0,05.
Posteriormente, esta covariable se eliminó de las regresiones debido a su impacto Los resultados de la metarregresión de subgrupos de la metodología
insignificante en la heterogeneidad de los tamaños del efecto de la pobreza energética multidimensional (métodos de análisis de efectos aleatorios de momentos) muestran
en diferentes especificaciones empíricas. que todas las covariables afectan significativamente la heterogeneidad en el tamaño
El factor de impacto de la revista en la que se publicó el estudio también se del efecto de la pobreza energética con un nivel de significancia del 1 por ciento,
encuentra entre las covariables que reflejan el impacto científico de este estudio en la excepto el factor de impacto, que es significativo con un nivel de significancia del 5 por
investigación futura. Además, el precio promedio anual del petróleo crudo y el PIB per ciento (columna 7). , Cuadro 7). La metarregresión restringida de máxima verosimilitud
cápita en PPA se han incorporado como covariables para observar el impacto de para este subgrupo (columna 8, Tabla 7) representa que la heterogeneidad en las
factores externos en las estimaciones del efecto de la pobreza energética. Se ha estimaciones del efecto de la pobreza energética se explica significativamente por las
empleado una metarregresión basada en el método de momentos para estimar los citas, el PIB per cápita en PPA, el año de publicación y las covariables ficticias
modelos (1), (3), (5) y (7), respectivamente. Para el análisis de robustez y sensibilidad, regionales (subsaharianos). región, región del sur y sudeste de Asia) a un nivel de significancia del 1
se ha empleado un enfoque restringido de máxima verosimilitud para la metarregresión Mientras que las covariables del factor de impacto y el precio promedio anual del
para los modelos (2), (4), (6) y (8). petróleo crudo también resultan estadísticamente insignificantes en esta regresión.
Todos los modelos de metarregresión tienen pruebas sólidas de heterogeneidad
El análisis de metarregresión bajo el enfoque del método de momentos (columna en los tamaños del efecto de la muestra representados por el valor de Icuadrado (el
1, Tabla 7) proporciona evidencia de que el tipo de metodología, el número de citas, el porcentaje de variación residual debido a la heterogeneidad). Taucuadrado representa
PIB per cápita en PPA y las variables ficticias regionales explican significativamente la la estimación de la varianza entre estudios en cada modelo. Todos los modelos
heterogeneidad entre los tamaños del efecto de la pobreza energética entre los proporcionan un valor positivo de la varianza entre estudios.
estudios en 1 nivel porcentual de significancia. Mientras que el factor de impacto de la El análisis sugiere que la medición de la pobreza energética en las economías en
revista y el precio promedio anual del petróleo crudo no explican significativamente la desarrollo depende de algunas diferencias regionales y del tipo de metodología
heterogeneidad en los estudios de muestra generales. Los resultados para el modelo utilizada para medir la pobreza energética. Este alto nivel de heterogeneidad puede
general se han mantenido robustos al cambio en la metodología de estimación ya abordarse identificando dimensiones integrales y diseñando algunos criterios de
que los coeficientes de las covariables y su significancia estadística con el enfoque de medición uniformes para evaluar la pobreza energética en las economías en desarrollo.
máxima verosimilitud restringida han proporcionado resultados similares a los Además, los precios internacionales del petróleo y el PIB per cápita explican la mayor
obtenidos con el método de los momentos. Los resultados para la región de África parte de la heterogeneidad en las estimaciones de pobreza energética entre los
subsahariana varían ligeramente con respecto a los modelos para la muestra general. estudios, respectivamente.
Según el enfoque del método de momentos en la columna 3 de la Tabla 7, el tipo de
metodología, el factor de impacto, el precio promedio anual del petróleo crudo y el PIB
per cápita y el año de publicación resultan ser estadísticamente
10
Machine Translated by Google
6. Conclusión e implicaciones políticas y la solución aún requiere una visión global para obtener una estimación
resumida única, que este estudio se ha esforzado en proporcionar. Sin embargo,
El tema de la pobreza energética, aunque se aborda por separado en para evaluar la validez de esta estimación resumida, se requiere un análisis de
diversos foros utilizando diferentes técnicas, componentes, dimensiones y definiciones.heterogeneidad para evaluar el sesgo causado por diferentes estudios.
11
Machine Translated by Google
Tabla 6 Después de una revisión empírica sistemática de la literatura, se obtiene la técnica del
Estadísticas resumen de las variables utilizadas en la metarregresión. metanálisis en nuestro estudio. El tamaño del efecto conjunto de la pobreza energética
Nombre de la variable No. Significar Estándar Mínimo máximo de 0,711 (el 71,1 por ciento de la población es pobre energéticamente) se ha identificado
de Desviación a partir de nuestros estudios de muestra sobre economías en desarrollo. Los resultados
obs. del análisis de subgrupos también muestran que la heterogeneidad es evidente entre
Pobreza energética 103 0,711 0.229 0,03 0,98 las estimaciones del efecto del estudio dentro de los subgrupos. Además, las causas de
medida las variaciones en el tamaño del efecto de la pobreza energética entre los estudios
103 1565783 96996 180 68200000
Tamaño de la muestra (HH)
existentes se identifican mediante un análisis de metarregresión. Las características de
Dimensiones 103 4.184 1.41 1 8
los estudios como las diferencias regionales y el tipo de metodología empleada, el
Número de 103 76,69 111,97 0 313
Citas factor de impacto de la revista, el año de publicación y el número de citas explican la
Factor de impacto del 103 3.87 3.54 0 10.56 heterogeneidad entre los tamaños del efecto de la pobreza energética en la muestra
estudio. general y en los subgrupos.
Promedio anual 103 4.28 0.305 3.25 4.59
La pobreza energética como área de estudio emergente necesita atención por parte
Precio del petróleo crudo
(USD/Barril)
de los investigadores para desarrollar un marco y una medida que aborde la
WTI*(en registro) heterogeneidad en las estimaciones de efectos hasta cierto punto, al menos en el nivel
Interno Bruto 103 8.09 0,752 6.41 9.71 de la metodología utilizada para medir los recuentos de pobreza energética en diferentes
producto per regiones en desarrollo de el mundo. Aunque el estudio ha reunido suficiente evidencia
cápita (t1) (en disponible, todavía hay espacio para obtener más evidencia para tener una visión más
log)
Año de publicación 103 2014 2009 2019 informada del proceso de desarrollo de prácticas uniformes para evaluar la pobreza
energética en las economías en desarrollo para desarrollar medidas políticas específicas
*WTIWest Texas Intermediate* Consulte la tabla A1 en el Apéndice A para ver las definiciones de
relevantes para las situaciones nacionales. y características sociales y geográficas de
variables.
las economías.
características.
Declaración de intereses en competencia COI
La fuerte heterogeneidad posiblemente causada por las diferentes metodologías
utilizadas, los diversos tamaños de muestra y la variación en las características
Los autores declaran que no tienen intereses financieros en competencia ni
regionales (por ejemplo, las condiciones climáticas y geográficas que causan la privación
relaciones personales conocidas que pudieran haber influido en el trabajo presentado
de recursos energéticos) requirieron una evaluación empírica adicional. El estudio actual
en este artículo.
ha empleado la prueba de Egger en un metanálisis para medir el sesgo de
heterogeneidad en lugar de emplear una herramienta meramente gráfica de diagrama de embudo.
Declaración de contribución de autoría CRediT
La existencia de sesgo de heterogeneidad también propone un análisis de subgrupos
de la muestra que puede proporcionar una visión amplia de las causas.
AbreRehmat QuratulAnn: Conceptualización, Metodología, Software, Investigación,
Por lo tanto, el estudio dividió la muestra total en dos tipos de subgrupos según las
Análisis formal, Redacción borrador original, Recursos. Faisal Mehmood Mirza:
regiones y el tipo de metodología utilizada para medir la pobreza energética en los
investigación, validación, supervisión, redacción: revisión y edición, recursos.
estudios de muestra. Tamaño del efecto general de la pobreza energética
Tabla 7
Muestra general Región del África subsahariana Región del sur y sudeste asiático Metodología Multidimensional
Año de publicacion 0.0356 0.0354 0,0218(6,95) 0.0324 0.0496 0.0496 0,0333(9,15) 0.0364
*** ***
(3,02)*** (3,55)*** (2,24)* (1.26) (1,98)* (2,98)***
Constante 73,0784 72,7965 45,846(7,28) 67,001(2,30) 100.299 100,276 68,8411(9,40) 75,0413
*** * ***
(3.08)*** (3,62)*** (1.27) (1,99)* (3.05)*** 82
norte 101 101 62 62 32 32 82
R cuadrado ajustado 59,58 52,61 28.17 31.11 5.12 39,89 92,72 44.09
Taucuadrado 0.0353 0.0253 0.00106 0.0258 0.06161 0.0249 0.0018 0.0223
Icuadrado residual 100 100 99,93 99,93 100 100 99,95 99,95
Modelo Chicuadrado 84,70 118.02 700.50 33.21 10,75 26,52 825.56 70.22
Prob > Chicuadrado 0.00 0.00 0.00 0.00 0.0963 0.0002 0.00 0.00
Nota: **p < 0,1; *p < 0,05; ***p < 0,01; * significativo al nivel del 5%, ** significativo al nivel del 10%, *** significativo al nivel del 1%; valores z entre paréntesis; MoM ¼ Método de metarregresión de efectos aleatorios
basado en momentos, REML ¼ Metarregresión restringida basada en método de máxima verosimilitud. Sin modificación KnappHartung.
Las observaciones cayeron debido a una menor información variable sobre el PIB pc en PPA. Nota: Se ha eliminado la variable ficticia de la región de América Latina y el Caribe, variable dependiente (coeficiente de
pobreza energética).
12
Machine Translated by Google
Apéndice A
Tabla A.1
Descripción de las variables de metarregresión
Variable Descripción
Medida de pobreza energética La proporción de personas que están por debajo de algún umbral de pobreza definido. El
Tamaño de la muestra (HH) tamaño de la muestra del estudio empleado.
Dimensiones Número de dimensiones utilizadas en el estudio para medir la pobreza energética.
Región Región a la que pertenece el estudio; 1 ¼ África subsahariana; 2 ¼ Asia del Norte y Occidental; 3 ¼ Asia meridional y sudoriental; 4 ¼ América Latina y
el Caribe El año de publicación
Año del estudio del estudio ¼ 1 si la pobreza energética
Metodología utilizada medida con enfoque multidimensional El número de veces que se cita el estudio
Número de citas según Google Scholar El factor de impacto de la revista en la que se publica
Factor de impacto del estudio. el estudio 1 ¼ si el El estudio se publica en alguna revista revisada por pares.
Publicado Producto interno bruto de cada país en paridad de poder adquisitivo en el
Producto Interno Bruto en PPA (Constante, 2011) año anterior, medido en dólares internacionales constantes de 2011.
Internacional $)
Precio promedio anual del petróleo crudo (USD/Barril) WTI Precio promedio anual del petróleo crudo medido en dólares estadounidenses por barril medido con base en los Estándares Internacionales del Oeste de Texas
13
Machine Translated by Google
Figura A.1. Estimaciones del efecto de la pobreza energética en la región de África subsahariana.
14
Machine Translated by Google
Figura A.2. Estimaciones del efecto de la pobreza energética en la región del sur y sudeste de Asia.
15
Machine Translated by Google
Figura A.3. Estimaciones del efecto de la pobreza energética en la región de América Latina y el Caribe.
dieciséis
Machine Translated by Google
Figura A.4. Estimaciones del efecto de la pobreza energética en subgrupo (metodología uni/bidimensional).
17
Machine Translated by Google
Figura A.5. Estimaciones del efecto de la pobreza energética en subgrupo (Metodología multidimensional).
Referencias Naciones Unidas, 2010. Energía para un futuro sostenible: Informe resumido y
Recomendaciones. Obtenido de HIPERENLACE. http://www.un.org/wcm/webdav/site/climatechange/
shared/Documents/AGECCsummaryreport.pdf . http://www.un. org/wcm/webdav/site/climatechange/
Reddy, AKN, Annecke, W., Blok, K., Bloom, D., Boardman, B., Eberhard, A.,
shared/Documents/AGECCsummaryreport. pdf. http://www.un.org/wcm/webdav/site/climatechange/
Ramakrishna, J., 2000. Energía y cuestiones sociales. Evaluación de la energía mundial. 44 (5).
shared/Documents/AGECCsummaryreport.pdf _ (Nueva York).
Perspectivas Energéticas Mundiales, 2002. Energía y pobreza. Obtenido de la Agencia Internacional de
Energía, Osaka, Japón. Reporte técnico.
Bradshaw, J., Hutton, S., 1983. Opciones de política social y pobreza energética. J. Economía. Psicólogo. 3
Banco Asiático de Desarrollo, 2012. Evaluación del acceso a la energía (Punjab) Pakistán. Obtenido de. https://
(3–4), 249–266.
www.energynet.co.uk/webfm_send/1183.
Boardman, B., 1991. Pobreza energética: de hogares fríos a calor asequible. belhaven
Perspectivas Energéticas Mundiales, 2010. Pobreza energética: cómo lograr que el acceso a la energía
Prensa, Londres.
moderna sea universal. Obtenido de Agencia Internacional de Energía: Programa de las
Naciones Unidas para el Desarrollo, Organización de las Naciones Unidas para el Desarrollo
Industrial, París.
18
Machine Translated by Google
Boardman, B., 2010. Liberalización y pobreza energética. En: Política energética y el fin del fundamentalismo de Labandeira, X., Labeaga, JM, LopezOtero, X., 2017. Un metaanálisis sobre la elasticidad precio de la demanda
mercado. Instituto Oxford de Estudios Energéticos, Oxford, Philip Wright, Reino Unido, págs. 255–280. Ian energética. Pol. Energía. 102, 549–568.
Routledge. Menegaki, AN, 2014. Sobre estudios de consumo de energía y PIB; Un metaanálisis de la
Pachauri, S., van Ruijven, BJ, Nagai, Y., Riahi, K., van Vuuren, DP, Brew últimas dos décadas. Renovar. Sostener. Energía Rev. 29, 31–36.
Hammond, A., Nakicenovic, N., 2013. Caminos para lograr el acceso universal de los hogares a la energía Nelson, JP, Kennedy, PE, 2009. El uso (y abuso) del metanálisis en la economía ambiental y de los recursos naturales:
moderna para 2030. Environ. Res. Letón. 8(2), 024015. una evaluación. Reinar. Recurso. Economía. 42 (3), 345–377.
Hills, J., 2011. Pobreza energética: el problema y su medición. Informe provisional del
Revisión de la pobreza energética. CASE, LSE, Londres. Pigott, T., 2012. Avances en el metaanálisis. Medios de ciencia y negocios de Springer.
Parajuli, R., 2011. Acceso a la energía en la región del Medio Oeste de Nepal desde la perspectiva de la pobreza Aristondo, O., Onaindia, E., 2018. Desigualdad de la pobreza energética entre colectivos en España.
energética. Renovar. Energía 36 (9), 2299–2304. Energía 153, 431–442.
Pereira, MG, Freitas, MAV, Silva, NF, 2010. Electrificación rural y pobreza energética: evidencias empíricas de Brasil. DerSimonian, R., Laird, N., 1986. Metanálisis en ensayos clínicos. contra. Clínico. Ensayos 7 (3),
Renovar. Sostener. Energía Rev. 14 (4), 12291240. 177–188.
AIE (Agencia Internacional de Energía), 2010. Pobreza energética: ¿cómo universalizar el acceso a la energía Borenstein, M., Hedges, LV, Higgins, JPT, Rothstein, HR, 2011. Introducción al metaanálisis. John Wiley e hijos.
moderna?. En: World Energy Outlook 2010. AIE, París.
Li, K., Lloyd, B., Liang, X.J., Wei, Y.M., 2014. Pobres en energía o pobres en combustible: ¿cuáles son las Hawcroft, LJ, Milfont, TL, 2010. El uso (y abuso) del nuevo medio ambiente
diferencias? Pol. Energía. 68, 476–481. https://doi.org/10.1016/j. enpol.2013.11.012. Escala de paradigma en los últimos 30 años: un metanálisis. J. Medio Ambiente. Psicólogo. 30 (2),
143–158.
Pachauri, S., Spreng, D., 2004. Uso y acceso a la energía en relación con la pobreza. Economía. Edoumiekumo, SG, Tombofa, SS, Karimo, TM, 2013a. Energía multidimensional
Polit. Semanalmente. 271–278. pobreza en la zona geopolítica sursur de Nigeria. J. Economía. Sostener. Desarrollo. 4 (20), 96103.
Sovacool, BK, Cooper, C., Bazilian, M., Johnson, K., Zoppo, D., Clarke, S., et al., 2012.
Lo que se mueve y funciona: ampliando la consideración de la pobreza energética. Pol. Energía. 42, 715–719. Akande, SO, Sanusi, YA, Mohammed, N., 2018a. Determinantes de la pobreza energética en el área del gobierno
local de Rafi del estado de Níger, Nigeria. En t. J. Innov. Res. Adv. Semental.
Birol, F., 2007. Economía energética: ¿un lugar para la pobreza energética en la agenda? Energía J. 28 (IJIRAS) 5 (1).
(3), 1. Cambridge, MA. Luego Cleveland, Ohio. Bekele, G., Negatu, W., Eshete, G., 2015. Pobreza energética en la ciudad de Addis Abeba, Etiopía.
Pachauri, S., Mueller, A., Kemmler, A., Spreng, D., 2004. Sobre la medición de la pobreza energética en los hogares J. Economía. Sostener. Desarrollo. 6 (3), 26–34.
indios. Desarrollo mundial. 32 (12), 2083–2104. Olang, TA, Esteban, M., Gasparatos, A., 2018a. Opciones de combustible para iluminación y cocina de
Bazilian, M., Nussbaumer, P., Cabraal, A., Centurelli, R., Detchon, R., Gielen, D., et al., 2010. Medición del acceso a Hogares en la ciudad de Kisumu, Kenia: una perspectiva de pobreza energética multidimensional.
la energía: apoyo a un objetivo global, vol. 8. Instituto de la Tierra, Universidad de Columbia, Nueva York. Sostenimiento energético. Desarrollo. 42, 113.
Glass, GV, 1976. Investigación primaria, secundaria y metanálisis. Educativo. Res. 5 (10),
Onyeji, I., Bazilian, M., Nussbaumer, P., 2012. Contextualizando el acceso a la electricidad en el África subsahariana. 3–8.
Sostenimiento energético. Desarrollo. 16 (4), 520–527. Jarrell, SB, Stanley, TD, 1990. Un metaanálisis de la brecha salarial entre sindicatos y no sindicatos. ILR
Khandker, SR, Barnes, DF, Samad, HA, 2012a. ¿Los pobres en energía son también pobres en ingresos? Apocalipsis 44 (1), 54–67.
Pruebas de la India. Pol. Energía. 47, 112. Smith, VK, Kaoru, Y., 1990. ¿Qué hemos aprendido desde la carta de Hotelling? Un metaanálisis. Economía.
Barnes, DF, Khandker, SR, Samad, HA, 2011a. Pobreza energética en las zonas rurales de Bangladesh. Letón. 32 (3), 267–272.
Pol. Energía. 39 (2), 894–904. Stanley, TD, Jarrell, SB, 2005. Análisis de metarregresión: un método cuantitativo de encuestas literarias. J.
Nussbaumer, P., Bazilian, M., Modi, V., 2012a. Medir la pobreza energética: centrarse en lo que importa. Renovar. Economía. Sobrevivir. 19 (3), 299–308.
Sostener. Energía Rev. 16 (1), 231–243. Weitzman, M., Kruse, D., Blinder, A., 1990. Participación en los beneficios y productividad, págs. 95142,
Pachauri, S., Spreng, D., 2011. Medición y seguimiento de la pobreza energética. Pol. Energía. 39 (12), 7497–7504. 1990.
Havranek, T., Herman, D., Irsova, Z., 2018. ¿El horario de verano ahorra electricidad? A
Crentsil, AO, Asuman, D., Fenny, AP, 2019a. Evaluación de los determinantes e impulsores de la pobreza energética metanálisis. Energía J. 39 (2), 35–61.
multidimensional en Ghana. Pol. Energía. 133, 110884. https://doi. org/10.1016/j.enpol.2019.110884. Kontopantelis, E., Reeves, D., 2010. metaan: metanálisis de efectos aleatorios. ESTADO J. 10
(3), 395–407.
Mendoza, CB, Cayonte, DDD, Leabres, MS, Manaligod, LRA, 2019a. Comprender la pobreza energética multidimensional Nikolakopoulou, A., Mavridis, D., Salanti, G., 2014. En: Desmitificar el metaanálisis de efectos fijos y aleatorios. Real
en Filipinas. Pol. Energía. 133, 110886. https://doi.org/10.1016/j.enpol.2019.110886. Colegio de Psiquiatras.
Kelley, GA, Kelley, KS, 2012. Modelos estadísticos para metanálisis: un breve tutorial.
Oum, S., 2019a. La pobreza energética en la República Democrática Popular Lao y sus impactos en la educación y la salud. Mundo J. Método. 2 (4), 27.
Pol. Energía. 132, 247–253. https://doi.org/10.1016/j.enpol.2019.05.030. Hunter, JE, Schmidt, FL, 2004. Métodos de metaanálisis: corrección de errores y sesgos en los resultados de la
Sambodo, MT, Novandra, R., 2019a. El estado de la pobreza energética en Indonesia y su impacto en el bienestar. investigación. Sabio.
Pol. Energía. 132, 113–121. https://doi.org/10.1016/j. enpol.2019.05.029. Higgins, JPT, Green, S., 2011. Manual Cochrane para revisiones sistemáticas de
Intervenciones, vol. 4. John Wiley e hijos.
Zhang, D., Li, J., Han, P., 2019a. Una medida multidimensional de la pobreza energética en China y sus impactos en Stanley, TD, 2005. Más allá del sesgo de publicación. J. Economía. Sobrevivir. 19 (3), 309–345.
la salud: un estudio empírico basado en los estudios de panel de familias de China. Pol. Energía. 131, 72– Egger, M., Smith, GD, Schneider, M., Minder, C., 1997. Sesgo en el metanálisis detectado mediante una prueba gráfica
81. https://doi.org/10.1016/j.enpol.2019.04.037. simple. Hno. Medicina. J. 315 (7109), 629–634.
Phoumin, H., Kimura, F., 2019a. La pobreza energética de Camboya y sus efectos en el bienestar social: evidencia Harbord, RM, Harris, RJ, Sterne, JAC, 2009. Pruebas actualizadas para efectos de estudios pequeños en metanálisis.
empírica e implicaciones políticas. Pol. Energía. 132, 283–289. https://doi.org/10.1016/j.enpol.2019.05.032. STATA J. 9 (2), 197–210.
Higgins, JPT, Thompson, SG, 2004. Controlar el riesgo de hallazgos espurios de
Sanusi, YA, Owoyele, GS, 2016a. La pobreza energética y sus diferencias espaciales en Nigeria: metarregresión. Estadística. Medicina. 23 (11), 1663–1682.
invirtiendo la tendencia. Procedimiento energético 93, 53–60. Harbord, RM, Higgins, JPT, 2008. Metarregresión en Stata. STATA J. 8 (4), 493–519.
Nussbaumer, P., Nerini, F., Onyeji, I., Howells, M., 2013a. Perspectivas globales basadas en el índice de pobreza Verhagen, AP, Ferreira, ML, 2014. Parcelas forestales. J. Fisiotro. 60 (3), 170173.
energética multidimensional (MEPI). Sostenibilidad 5 (5), 20602076. Hak, T., van Rhee, H., Suurmond, R., 2016. ¿Cómo interpretar los resultados del metanálisis?
Awan, RU, Sher, F., Abbas, A., 2013a. Una investigación de la pobreza energética multidimensional en Pakistán. Disponible en: SSRN 3241367.
Desarrollo de Pakistán. Rev. 405–418. Guddat, C., Grouven, U., Bender, R., Skipka, G., 2012. Una nota sobre el gráfico
Sadath, AC, Acharya, RH, 2017a. Evaluación del alcance y la intensidad de la pobreza energética utilizando el índice Presentación de intervalos de predicción en metanálisis de efectos aleatorios. Sistema. Apocalipsis 1 (1), 34.
de pobreza energética multidimensional: evidencia empírica de hogares en la India. Pol. Energía. 102, 540–550.
Higgins, JPT, Thompson, SG, Deeks, JJ, Altman, DG, 2003. Medición de la inconsistencia en los
Bersisa, M., 2017a. Medida multidimensional de la pobreza energética de los hogares y sus metanálisis. Hno. Medicina. J. 327 (7414), 557–560.
determinantes en Etiopía 1. En: Transformación económica para la reducción de la pobreza en África. Routledge, Mavridis, D., Salanti, G., 2014. En: Exploración y contabilidad del sesgo de publicación en salud mental: una breve
págs. 58–83. descripción de los métodos. Real Colegio de Psiquiatras.
Khanna, RA, Li, Y., Mhaisalkar, S., Kumar, M., Liang, LJ, 2019. Índice integral de pobreza energética: medición de la DerSimonian, R., Laird, N., 1983. Evaluación del efecto del coaching en las puntuaciones del SAT: a
pobreza energética e identificación de soluciones a nivel micro en el sur y sudeste de Asia. Pol. Energía. 132, metanálisis. Harv. Educativo. Apocalipsis 53 (1), 1–15.
379–391. https://doi.org/10.1016/j. enpol.2019.05.034.
Referencias
Tchereni, BHM, Grobler, W., Dunga, SH, 2013a. Análisis económico de la pobreza energética
en el sur de Lunzu, Malawi. Economía. Anal. 4 (4).
Day, R., Walker, G., Simcock, N., 2016. Conceptualización del uso de la energía y la pobreza energética Akande, SO, Sanusi, YA, Mohammed, N., 2018b. Determinantes de la pobreza energética en el área del gobierno
utilizando un marco de capacidades. Pol. Energía. 93, 255–264. local de Rafi del estado de Níger, Nigeria. En t. J. Innov. Res. Adv. Semental.
(IJIRAS) 5 (1).
Sovacool, BK, 2014. Definir, medir y abordar la pobreza energética. Pobreza energética: desafíos globales Solución
local. 2, 21–53. Apere, TO, Karimo, TM, 2014. Pobreza energética multidimensional en Nigeria: un análisis a nivel nacional y zonal.
Bazilian, M., Yumkella, K., 2015. ¿Por qué la pobreza energética es la verdadera crisis energética? Foro Economico Hno. J. Adv. Acad. Res. 3 (1), 83–92.
Mundial. URL: https://www.weforum.org/agenda/2015/03/whyenergypobrezaistherealenergycrisis/ . Awan, RU, Sher, F., Abbas, A., 2013b. Una investigación de la pobreza energética multidimensional en Pakistán.
Stanley, TD, 2001. Trigo a partir de paja: metanálisis como revisión cuantitativa de la literatura. Barnes, DF, Khandker, SR, Samad, HA, 2011b. Pobreza energética en las zonas rurales de Bangladesh.
Hajko, V., 2017. El fracaso del nexo energíaeconomía: un metanálisis de 104 estudios. Bekele, G., Negatu, W., Eshete, G., 2015a. Pobreza energética en la ciudad de Addis Abeba, Etiopía.
19
Machine Translated by Google
Bekele, G., Negatu, W., Eshete, G., 2015b. Aspectos sociofísicos de la pobreza energética en Etiopía: un Phoumin, H., Kimura, F., 2019b. La pobreza energética de Camboya y sus efectos en el bienestar social:
estudio de caso de la ciudad de Addis Abeba. En t. J. Economía. Com. Gestionar. Reino Unido 3 evidencia empírica e implicaciones políticas. Pol. Energía. 132, 283–289. https://doi.org/10.1016/
(11). j.enpol.2019.05.032.
Bersisa, M., 2017b. Medida multidimensional de la pobreza energética de los hogares y sus Sadath, AC, Acharya, RH, 2017b. Evaluación del alcance y la intensidad de la pobreza energética utilizando el
determinantes en Etiopía 1. En: Transformación económica para la reducción de la pobreza en África. índice de pobreza energética multidimensional: evidencia empírica de hogares en la India. Pol. Energía.
Routledge, págs. 58–83. 102, 540–550.
Edoumiekumo, SG, Tombofa, SS, Karimo, TM, 2013b. Energía multidimensional Sambodo, MT, Novandra, R., 2019b. El estado de la pobreza energética en Indonesia y su impacto en el
pobreza en la zona geopolítica sursur de Nigeria. J. Economía. Sostener. Desarrollo. 4 (20), 96103. bienestar. Pol. Energía. 132, 113–121. https://doi.org/10.1016/j. enpol.2019.05.029.
Ismail, Z., 2015. Una estimación empírica de la pobreza energética en los países pobres de Sudáfrica Sanusi, YA, Owoyele, GS, 2016b. La pobreza energética y sus diferencias espaciales en Nigeria:
hogares. J. Economía. Sostener. Desarrollo. 6 (13). invirtiendo la tendencia. Procedimiento energético 93, 53–60.
Ismail, Z., Khembo, P., 2015. Determinantes de la pobreza energética en Sudáfrica. J. Energía del Sur de Sher, F., Abbas, A., Awan, RU, 2014. Una investigación de la energía multidimensional
África. 26 (3), 66–78. pobreza en Pakistán: un análisis a nivel de provincia. En t. J. Economía Energética. Pol. 4 (1), 65–75.
Khandker, SR, Barnes, DF, Samad, HA, 2012b. ¿Los pobres en energía son también pobres en ingresos? Tchereni, BHM, Grobler, W., Dunga, SH, 2013b. Análisis económico de la pobreza energética
Pruebas de la India. Pol. Energía. 47, 112. en el sur de Lunzu, Malawi. Economía. Anal. 4 (4).
Lipu, MSH, Shrestha, P., Kumar, S., 2016. Pobreza energética y acceso a la energía moderna de los pobres Vermaak, C., Kohler, M., Rhodes, B., 2009. Desarrollo de una línea de pobreza basada en la energía para
urbanos: un caso de Dhaka, Bangladesh. En t. J. Tecnología energética. Pol. 12 (3), Sudáfrica. J. Interdisciplinario. Economía. 21 (2), 163–195.
270–294. Vermaak, C., Kohler, M., Rhodes, B., 2014. Desarrollar una línea de pobreza basada en la energía para
Mahmood, R., Shah, A., 2017. La privación cuenta: una evaluación de la pobreza energética en Sudáfrica. J. Economía. Finanzas. Ciencia. 7 (1), 127–144.
Pakistán. Lahore J. Economía. 22 (1), 109–132.
Mendoza, CB, Cayonte, DDD, Leabres, MS, Manaligod, LRA, 2019b. Comprender la pobreza energética
multidimensional en Filipinas. Pol. Energía. 133, 110886. https://doi.org/10.1016/j.enpol.2019.110886. Referencias de estudios utilizados en el metanálisis.
Mirza, B., Szirmai, A., 2010. Hacia una nueva medición de la pobreza energética: un análisis intercomunitario Kohler, M., Rhodes, B., Vermaak, C., 2009. Desarrollar una línea de pobreza basada en la energía para
del Pakistán rural. Obtenido de la Universidad de las Naciones Unidas. Sudáfrica. J. Interdisciplinario. Economía. 21 (2), 163–195.
Nussbaumer, P., Bazilian, M., Modi, V., 2012b. Medir la pobreza energética: centrarse en lo que importa. Olang, TA, Esteban, M., Gasparatos, A., 2018b. Opciones de combustible para iluminación y cocina de
Renovar. Sostener. Energía Rev. 16 (1), 231–243. Hogares en la ciudad de Kisumu, Kenia: una perspectiva de pobreza energética multidimensional.
Nussbaumer, P., Nerini, F., Onyeji, I., Howells, M., 2013b. Perspectivas globales basadas en el índice de Sostenimiento energético. Desarrollo. 42, 113.
pobreza energética multidimensional (MEPI). Sostenibilidad 5 (5), 20602076. Crentsil, AO, Asuman, D., Fenny, AP, 2019b. Evaluación de los determinantes e impulsores de la pobreza
Ochoa, RG, Graizbord, B., 2016. Privación de servicios energéticos en hogares mexicanos: una medida energética multidimensional en Ghana. Pol. Energía. 133, 110884. https://doi. org/10.1016/
alternativa de pobreza energética. Res. energética. Soc. Ciencia. 18, 36–49. j.enpol.2019.110884.
Ogwumike, FO, Ozughalu, UM, 2016. Análisis de la pobreza energética y sus implicaciones para el desarrollo Zhang, D., Li, J., Han, P., 2019b. Una medida multidimensional de la pobreza energética en China y sus
sostenible en Nigeria. Reinar. Desarrollo. Economía. 21 (3), 273–290. impactos en la salud: un estudio empírico basado en los estudios de panel de familias de China.
Oum, S., 2019b. La pobreza energética en la República Democrática Popular Lao y sus impactos en la educación y la salud. Pol. Energía. 131, 72–81. https://doi.org/10.1016/j.enpol.2019.04.037.
Pol. Energía. 132, 247–253. https://doi.org/10.1016/j.enpol.2019.05.030. Olawumi IsraelAkinbo, S., Snowball, J., Fraser, G., 2018. Una investigación de
Pobreza energética multidimensional entre los hogares de bajos ingresos de Sudáfrica.
S. África. J. Economía. 86 (4), 468–487.
20