You are on page 1of 15

2011

MBA 2009- 2011

ECONOMETRIATRABAJO FINAL

[INFLUENCIA DE LA DEMANDA
DE ENERGIA ELÉCTRICA EN LOS INDICADORES DE LAACTIVIDAD ECONÓMICA SECTORIAL]

Grupo Click
Fecha: 12 de agosto de 2011

com. la oferta de energía.mendoza.com EPRE Mendoza Pagina web: www. etc. como la demanda de energía eléctrica. tomando como base a datos que puedan conocerse con antelación.ar Banco de la Nación Argentina (BNA) Pagina web: www.gob.com..ar Secretaria de Energía de la Nación Pagina web: www.deie. la inflación.ar EDESTE SA Distrocuyo SA 3. 2. entre otros.energia3.com Pagina web: www. el tipo de cambio.indec.mecon.ar CAMMESA Pagina web: www. actividad sectorial. PBG.ar IndexMundi.indexmundi. inflación. datos meteorológicos. 2 .Detalle de las fuentes utilizadas - Instituto Nacional de Estadísticas y Censos de la República Argentina (Indec) Pagina web: www.Análisis de las variables que afectan el PBI Como metodología para desarrollar el presente trabajo.bna.Influencia de la Demanda de Energía en el PBI 1.cammesa.epremendoza.Objetivo El objetivo del trabajo es obtener un modelo que nos permita estimar el comportamiento de determinados indicadores económicos tales como PBI.ar Dirección de estadísticas e investigaciones económicas del Gobierno de Mendoza (DEIE) Pagina web: www.gob. acudimos a las fuentes que nos pudieran brindar información o datos respecto al comportamiento de las variables a analizar.gob.mecon. los niveles hidrológicos.

3 . Adicionalmente. aumenta el nivel de actividad económica. consideramos que hay otros factores que afectan la actividad económica y deberían tenerse en cuenta al momento de elaborar nuestro modelo. si bien encontramos que en el periodo 1998-2002 hay un cambio en esta tendencia. que luego vuelve a regularizarse. A continuación realizaremos un análisis de cómo cada uno de los factores mencionados anteriormente impactan en el nivel de actividad económica: Demanda de Energía Eléctrica Del grafico anterior. medido a través del PBI y la facturación de energía eléctrica. Con la información obtenida. En el análisis. sino que hay una relación dual entre el incremento del consumo energético y el incremento del PBI y viceversa. que pueden haber influido en esta relación. es el nivel de actividad económica. los recursos hídricos. la oferta de energía. En Gráfico N° 1 se puede observar con claridad esta tendencia. el clima. trataremos de encontrar la explicación a este fenómeno. arribamos a la conclusión que existe una relación lineal entre estos dos indicadores.Uno de los principales datos sobre los que basaremos nuestro trabajo. Estos son: • • • • Inflación Impuestos y Subsidios Tipo de cambio Comercio exterior de la energía (IMPO – EXPO) Estas variables no tienen un comportamiento lineal en el crecimiento del PBI. es el hecho de que la Demanda de Energía Eléctrica tiene influencia sobre los indicadores de la actividad económica y se ve afectada por otras variables relacionadas tales como. entre otras. podemos deducir que a medida que aumenta la demanda de energía. Grafico N° 1 – Fuente: FMI La hipótesis sobre la que nos basamos para elaborar nuestro modelo. Creemos que este cambio puede deberse al contexto económico y político que atravesó la Argentina durante ese periodo. la tarifa.

4 . son los subsidios sobre la energía consumida impactando directamente en la demanda de energía. puede ser explicado por el nuevo contexto de estabilidad de precios de la década del noventa. Desde el punto de vista de la energía eléctrica. podemos dividirlo en: . pudimos acceder a información diaria y exacta de la variación del consumo por sectores de la actividad económica. Los nuevos edificios comerciales tienen un uso mayor de energía eléctrica para iluminación y aire acondicionado. Esto impacta directamente en el crecimiento económico del país. principalmente por la falta de inversión en el sector. En general. y consecuentemente una disminución del desempleo. sumado esto al avance tecnológico. respecto de las otras estaciones. los grandes usuarios y el resto. es mayor en las estaciones de invierno y en verano. los grandes usuarios industriales. En los periodos post crisis han resurgido industrias. o de consumos pequeños. las industrias cuya materia prima principal es la energía eléctrica. utilizados en los hogares. Otro aspecto a considerar. no pueden incrementar su producción necesaria para satisfacer las necesidades del mercado en la medida en que no aumente la generación. La influencia del clima en la demanda. se diferencian dos grupos. han experimentado crecimientos importantes de demanda de energía eléctrica. el acceso a créditos para el consumo y la apertura económica. para los usuarios de energía en cantidades menores. y los grandes usuarios. ya que al haber permanecido prácticamente fija la capacidad de generación a lo largo del tiempo. en su mayoría Pymes. Dentro del sector comercial. En el resto de la industria.En relación a la demanda de energía podemos diferenciar los usuarios residenciales. cada vez es mayor la cantidad de productos electrónicos de uso intensivo de energía. los comportamientos han sido muy variados. lo cual ha favorecido la creación de puestos de trabajo. Por lo que podríamos llegar a inferir como va a ser el crecimiento del PBI en los próximos años. Respecto de los usuarios residenciales. en base a información histórica. el extraordinario crecimiento del consumo de energía eléctrica en el período analizado. mayores y menores. La causa del aumento en invierno es la necesidad adicional de energía para calefacción e iluminación. de acuerdo al tipo de actividad y la región donde se desarrolla. Adicionalmente. asociados a sus mayores niveles de producción industrial. podemos observar las relaciones que existen entre las variables explicitadas anteriormente. Respecto de la demanda de energía. mientras que en el verano la necesidad de mayor energía es para aire acondicionado y refrigeración. En el período analizado se produjo un fuerte cambio estructural en todas las actividades industriales como consecuencia de la mayor competencia provocada por la apertura económica. Determinamos también que la oferta de energía es un limitante para el crecimiento del PBI. Respecto a las actividades que conforman el PBI. se instalaron nuevas actividades con requerimientos de energía distintos a los tradicionales.Producción de bienes Producción de servicios En el Grafico N° 2. debemos agregar que la Argentina no tiene la cultura de ahorro de la energía.

5. Esa tendencia se revirtió a partir del 2003. Inflación La inflación es un fenómeno económico que consiste en el incremento significativo y continuo del nivel general de precios de los bienes. podemos concluir que. servicios y factores productivos de un país. principalmente. etc) Demanda Comercial Demanda Residencial Demanda Industrial Demanda Total Demanda total (t-1) Clima Incremento del consumo Elasticidad Tarifa Recursos hídricos Oferta de energía Grafico N° 2 – Simulación influencia de la Demanda de Energía en el PBI Elasticidad de la demanda energética Se define como la relación entre la tasa de variación de la demanda energética. al hecho de ser un gran exportador de commodities alimentarias). S. el crecimiento del PBI podría generar inflación. Econ (t-1) Crecimiento Económico Crec. y la inflación engendra hiperinflación. Producción de bienes Explotación de minas y canteras Industrias manufactureras Suministros de SSPP Crec. en cambio. Esto nos permite identificar el grado de sensibilidad que tiene el sector energético. A partir de ese momento el producto bruto de la Argentina empezó a sufrir sucesivas desaceleraciones. Riego. a través del tiempo. La relación entre la Inflación y el PBI es muy delicada. en los países desarrollados que vienen aplicando políticas de uso racional de la energía desde hace muchos años este valor se ubica en torno a un valor de 0.Sociales y Salud Transportes Otras Demanda (AP. 5 . sin embargo un crecimiento muy acelerado del PBI es peligroso. ya que en la mayoría de las situaciones viene acompañado de un aumento en la inflación. caza. Luego de tocar el fondo del pozo en 2002. ganadería. respecto a variaciones en las condiciones económicas del país. Esto significa que aunque ambos países tengan demanda creciente con el crecimiento del PBI.Agricultura. respecto de la tasa de variación del PBI. y esto afecta a todos los agentes de la economía. Con esto. Como conclusión. podemos afirmar que la demanda de energía es elástica ante variaciones en el PBI. Por un lado el crecimiento anual del PBI es vital para que las empresas puedan aumentar sus beneficios. Econ. cuando llegó a medir 299 mil millones de dólares/pesos. con una caída en precios constantes de casi un 11% con relación a la cifra registrada en el año anterior y la inflación acumulada durante ese año fue del 40% (es importante destacar la gran sensibilidad que la economía argentina presenta frente a variaciones del tipo de cambio debido. el PBI alcanzó un pico histórico en el segundo trimestre de 1998. La experiencia prueba que en nuestro país la elasticidad del crecimiento de la demanda energética con respecto al crecimiento del PBI es de aproximadamente 1 . etc. Incremental Construcción Administración Pública Comercio Hoteles y Restaurantes Producción de servicios Intermediación financiera Inmobiliaria Enseñanza. el país de elasticidad más baja crecerá a un ritmo mucho menor que el país de elasticidad mayor. La inflación implica por tanto la reducción de la capacidad adquisitiva del dinero. Como pudimos observar en el Grafico N° 1.

la política de devaluación que implementó la Argentina en el año 2002. del total de exportaciones de la Argentina. ya que permitió que fuéramos más competitivos en el exterior y de esta manera incrementar nuestro nivel de producción y resurgimiento de industrias y servicios. En conclusión. que debe ser acompañado de cambios estructurales en la economía tendientes a desarrollar la industria e incrementar las exportaciones de manera sostenible.La inflación es negativa para la generación de los bienes y servicios del PIB. y viceversa. Como herramienta de política económica. Si el PBI es alto. Impuestos y Subsidios Es de esperar que un cambio en los impuestos produzca una efecto negativo en el PBI. el 16% lo compone la exportación de combustibles y energía. entonces disminuye la demanda y los productores deben disminuir su producción. porque resta poder adquisitivo a la población causando una disminución del ahorro en virtud de que se destina más dinero para comprar los productos alimenticios y otros artículos necesarios para el bienestar de la familia. podemos afirmar que debería existir una correlación positiva entre devaluación del tipo de cambio y PBI. Tipo de Cambio Una disminución del tipo de cambio (devaluación) contribuye a incrementar la producción. Por lo que podemos decir que existe una correlación negativa entre ambas variables. Comercio Exterior de la Energía De los datos más recientes a los que pudimos tener acceso. Por lo tanto. la devaluación del peso es un mecanismo valido. 6 . la inflación es baja. y según lo establece el Grafico N° 1. impactó positivamente en el PBI.

caza. Análisis de signos Analizando los signos vemos que son correctos de acuerdo a nuestro conocimientos teóricos. ganadería.4. Si bien ambas regresiones ajustan bastante bien se tomará para el análisis el de la derecha debido a que como se verá en el análisis ajusta ligeramente mejor. caza. 7 . con lo cual contamos con 14 grados de libertad. Análisis de significatividad estadística Respecto de las significatividad estadística vemos que el estadístico t de student tanto para la Demanda Industrial (DEMIND) como la Demanda Comercial (DEMCOM) son mayores a 2. ganadería. son inferiores a 0. con lo cual concluimos que las variables son significativas. ya que es razonable que estas actividades se comporten en forma directamente proporcional al consumo de energía eléctrica. silvicultura y pesca teniendo en cuenta el consumo de energía eléctrica total en la regresión de la izquierda y solo considerando la demanda comercial e industrial para el caso de la derecha. Regresión La siguiente regresión intenta explicar el comportamiento de la producción de bienes de agricultura. silvicultura y pesca Análisis de correlación simple Se observa un alto grado de correlación entre endógena y exógena lo cual da un indicio de posible éxito en la regresión.05. Por lo tanto tenemos 16 años de ajuste de la ecuación para un modelo con 2 variables explicativas.Simulaciones Producción de Bienes: Agricultura. Observando la salida podemos comprobar que la estimación se ha realizado entre 1990 y 2005. Respecto del nivel de significación asociado al rechazo de la hipótesis nula vemos que nuestra regresión trabaja con un nivel de confianza que ronda el 90 a 95% dado que los valores en la columna Prob.

Así mismo se puede observar un leve cambio en la serie estimada para el año 1997 que no existió lo que representa un error del tipo I. lo cual evidenciaría la existencia de autocorrelación.En cuanto a la significatividad conjunta de las variables observamos el estadístico F el cual arroja un valor superior al valor crítico de acuerdo a los grados de libertad. el estadístico Durbin Watson es algo superior a 2. Otra forma de verlo es con el grafico de errores donde no se aprecian errores positivos seguidos de positivos ni errores negativos seguidos de negativos. Finalmente esto también se puede corroborar mediante el correlograma de residuos que arroja el E-views 8 . vemos que el R2 en nuestro caso es 0. Autocorrelación Como se puede observar. Ambos resultados pueden considerarse muy buenos ya que los valores para R2 deben ser como mínimo entre 0. 1997.75 y 0. la misma no es muy significante. lo cual nos indica que si bien hay una autocorrelación negativa.930. 1999 y en 2004 se cometen errores que supera levemente los límites Se observan algunos cambios en la serie original que no son reproducidos en la serie estimada por lo cual decimos que existen errores de tipo II. Análisis de errores En el siguiente gráfico se observa claramente como entre 1995.8. De la misma.939 y el corregido es 0.

149) no se rechaza la hipótesis nula con lo cual no hay heterocedasticidad.Análisis de héterocedasticidad Con una probabilidad mayor al 5% (0. Análisis de multicolinealidad Para este análisis se generó un grupo con las variables DEMCOM y DEMIND (grupo3) y se calcula el determinante de la matriz generada de la siguiente forma: 9 .

181342 * * * * DEMCOM 7.778. no se pudo encontrar los valores finales del producto bruto para este sector durante los años calculados a fin de poder validar el modelo. se puede presuponer que no existirá un alto grado 10 .256.874 8. Si bien esto no asegura nada.205717585266*DEMIND Aplicando la ecuación para los años 2006.18134200615*DEMCOM + 0.00422877 + 0.461 43.365 + + + + C(3) 0.Dado que el valor del determinante es muy distinto de 0 se puede concluir que no hay multicolinealidad entre la variables explicativas.004229 7393. caza.353 44.181342 + 0.004229 + C(2) + 0. 2007 y 2008 en los cuales se cuenta con las demandas industriales y comerciales respectivas se puede predecir cuál ha sido el Producto Bruto para el sector de Agricultura. Aplicación del modelo para predicción La ecuación a utilizar para predecir distintos escenarios sería la siguiente: PB_AGCSP = 7393. ganadería.350. Producción de Bienes: Explotación de Minas y Canteras Análisis de Correlación Simple Se observa un grado de correlación media entre la variable endógena (PB_MC) y las exógenas. PB_AGCSP = 2006 PB_AGCSP = 2007 PB_AGCSP = 2008 PB_AGCSP = C(1) 7393. Lamentablemente y a pesar de que este estudio se ha realizado durante el 2011.092 9.004229 7393. las estimaciones muestran un leve crecimiento para los tres años siguientes que se corresponden con las variaciones que se venían dando años anteriores. silvicultura y pesca.96 18.181342 + 0.2057175 0.554 = = = 17.65 Como se observa.2057175 * * * * DEMIND 41.12 17.2057175 0.

con lo cual contamos con 13 grados de libertad.8.de causalidad entre las variables.8 como valor mínimo. Ambos resultados pueden considerarse aceptables ya que los valores para R2 se mueve entre 0.83 y el corregido es 0. En cuanto a la significatividad conjunta de las variables observamos el estadístico F el cual arroja un valor superior al valor crítico de acuerdo a los grados de libertad.05. se continuará con el análisis para obtener conclusiones más precisas. 11 . Respecto del nivel de significación asociado al rechazo de la hipótesis nula vemos que nuestra regresión trabaja con un nivel de confianza que ronda el 90 a 95% dado que los valores en la columna Prob. Análisis de signos Analizando los signos vemos que son correctos de acuerdo a nuestro conocimientos teóricos. pero no lo garantiza. Análisis de errores En el siguiente gráfico se observa claramente como entre 1994 y 1997 se comete un error que supera los límites aceptables. ya que es razonable que la actividad relacionada con la Explotación de Minas y Canteras sea directamente proporcional al consumo de energía eléctrica e inversamente proporcional al costo de los combustibles. Regresión La siguiente regresión intenta explicar el comportamiento de la industria de Bienes de Explotación de Minas y Canteras teniendo en cuenta el consumo de energía eléctrica y el precio del gas natural. Análisis de significatividad estadística Respecto de las significatividad estadística vemos que el estadístico t de student tanto de Dem_Gwh y GasNat son en valor mayor a 2. Por lo tanto tenemos 16 años de ajuste de la ecuación para un modelo con 3 variables explicativas. De la misma. De todos modos. son inferiores a 0. Observando la salida podemos comprobar que la estimación se ha realizado entre 1990 y 2005. con lo cual concluimos que las variables son significativas. vemos que el R2 en nuestro caso es 0.75 y 0.

el estadístico Durbin Watson es significativamente inferior a 2 los cual nos hace sospechar la existencia de una apreciable autocorrelación positiva. Otra forma de verlo es con el grafico de errores donde se aprecian errores positivos seguidos de positivos en el período 1994-1997. lo cual evidenciaría la existencia de autocorrelación.Autocorrelación Como se puede observar. Finalmente esto también se puede corroborar mediante el correlograma de residuos que arroja el E-views Prueba de Breusch Godfrey 12 .

con lo cual.Dado que en esta prueba se aprecia que la probabilidad es muy baja 0.0017 (menor al 5%) se rechaza la hipótesis nula de incorrelación. el modelo presenta autocorrelación de orden 2 Corrección de la autocorrelación Se agregan variables autoregresivas de orden 1 y 2 obteniendo la siguiente regresión: Como se puede observar la incorporación de las variables autoregresivas permitió perfeccionar el modelo dando solución al problema de autocorrelación de los errores en el modelo. Análisis de héterocedasticidad 13 . considerando de que el error está en función del mismo error pero rezagado hasta el segundo periodo.

Con una probabilidad mayor al 5% (0. 14 .3876) no se rechaza la hipótesis nula con lo cual no hay heterocedasticidad. Análisis de multicolinealidad Para este análisis se generó un grupo con las variables DEMGWH y GASNAT (grupo2) y se calcula la correlación entre las variables explicativas y el determinante de la matriz generada de la siguiente forma: Se observa que hay una correlación importante entre la demanda de energía y el precio del gas natural.

Dado que el valor del determinante es próximo a 0 se puede concluir que hay indicios de multicolinealidad entre la variables explicativas. 15 .