1. Introducción
El objetivo de este apartado busca exponer de manera actualizada y confiable la problemática relacionada a los agentes económicos y financieros con respecto a la evolución de la generación de energía renovable (GER) en América latina (AL) y en el mundo considerando los antecedentes del comportamiento de cada una de las seis tecnologías estudiadas. La siguiente investigación en primer lugar, reconoce el estado del arte, la problemática energética y económica en AL y el mundo, posteriormente se describe la metodología empleada, por último, se exponen los resultados para cada una de las tecnologías en las regiones de estudio.
La importancia de esta investigación parte de la hipótesis de reconocer los efectos en la inversión de recursos económicos en desarrollar conocimientos y capacidades tecnológicas, así como innovaciones en términos energéticos sostenibles. y finalmente las conclusiones ofrecen recomendaciones a distintas áreas, entre académicos, empresarios, investigadores o actores políticos que influyan de manera directa entre la comunicación científica en virtud del desarrollo tecnológico en la GER en AL y en el mundo. En la Tabla 1 se observa los 31 países que se estudian en un periodo de 20 años.
El alcance de los resultados que se ofrecen, nos permiten reconocer los agentes económicos y financieros a partir de relacionar seis variables que incluyen, a la generación de energía renovable (GER), como variables dependientes y cinco variables explicativas que analizan el comportamiento económico, financiero y de inversión en investigación y desarrollo (I+D), para los 16 países de Latinoamérica con mayor participación en GER, y los cinco principales países con mayor GER en el mundo para un periodo de 20 años de 2000 a 2019.
AL | Mundo |
---|---|
Brazil | China |
Mexico | India |
Venezuela | USA |
Argentina | Russian Fed |
Colombia | Japan |
Chile | Germany |
Paraguay | Spain |
Peru | Canada |
Ecuador | Indonesia |
Uruguay | Philippines |
Costa Rica | Turkey |
Guatemala | New Zealand |
Panama | France |
Honduras | Korea Rep |
El Salvador | United Kingdom |
R. Dominicana |
Fuente: Elaboración propia
La técnica econométrica utilizada se basa en la aplicación de un modelo de panel con efectos fijos en el tiempo, que permite distinguir las correlaciones que existen entre los datos de los indicadores energéticos como variables dependientes y los indicadores económicos, financieros y de I+D como variables explicativas de los 16 principales países con mayor capacidad instalada de energía renovable ER en AL, comparado con los cinco principales países con mayor capacidad instalada alrededor del mundo para cada una de las seis diferentes tecnologías renovables en el periodo correspondiente de 2000 a 2019.
2. Estado del Arte
En esta sección se describe la literatura y los estudios relacionados al contexto actual de la GER en AL y en el mundo, así como la influencia entre los diferentes autores en la discusión respecto a la influencia de las variables económicas, financieras y de I+D como explicativas en el crecimiento o como obstáculo en el desarrollo de la GER. El impacto de la siguiente investigación se percibe al reconocer los efectos relacionados al despliegue de tecnologías de GER en AL y el mundo a partir de su evolución identificando a las seis principales fuentes renovables, entre ellas la energía hidroeléctrica, fotovoltaica, eólica, geotérmica, bioenergía y marina. De acuerdo con (Khezri et al., 2021), es posible reconocer cinco variables explicativas que han permitido determinar el comportamiento de la energía renovable y los factores que influyen y dictan su comportamiento, lo que permite impulsar o limitar su penetración como alternativa energética.
Para reconocer el aporte científico en el área de estudio, se desarrolló un análisis bibliométrico que permite reconocer las fronteras del conocimiento y las tendencias en investigaciones recientes con mayor impacto al rededor del mundo, referentes a las variables explicativas y la GER. Se efectuaron cinco búsquedas en “Web of Science” (WoS) realizadas el 10 de junio de 2022, con distintos términos de búsqueda; el primero, “Renewable energy” (ER), and, “Openness trade” (OTR), el segundo, “Renewable energy”, and, “Financial institutions” (IFIN), el tercero, “Renewable energy”, and, “Financial markets” (MFIN), el cuarto “Renewable energy”, and, “R&D” (I+D), y el quinto “Renewable energy”, and, “GDP” (PIB). En las notas complementarias apartado 1, se describen los resultados del análisis bibliométrico de cada búsqueda, identificando a partir de herramientas de visualización de redes de colaboración, los principales autores, la cantidad de citas, los principales países, y los conceptos emergentes, se logró distinguir los artículos que cuentan con mayor impacto entre la comunidad científica a fin de reconocer los principales actores involucrados en las discusiones actuales entorno a la evolución tecnológica de las GER como resultado del comportamiento de variables económicas y financieras. Se utilizo para la visualización y el agrupamiento de los resultados el software VOSviewer (Van Eck y Waltman, 2010).
2.1 Problemática económica y financiera en AL y en el mundo
El primer análisis bibliométrico realizado, considera como variable económica explicativa el PIB con las ER, se distinguen a los autores y los trabajos con mayor fuerza de enlace, lo cual representa una ponderación entre el número de documentos y el número de citas referentes a ER y a PIB.
En la Tabla 2, se observan los principales autores y las redes de colaboración entre ER y PIB. (Ozturk, Ilhan, 2021), obtuvo 28 documentos en estudio.
Autor | Documentos | Citas | Fuerza de enlace |
---|---|---|---|
Ozturk, Ilhan | 28 | 3,404 | 38 |
Yuan, Jiahai | 7 | 158 | 22 |
Rafiq, Muhammad | 6 | 69 | 21 |
Azam, Anam | 5 | 59 | 21 |
Shafique, Muhammad | 5 | 59 | 21 |
Zhang, Haonan | 4 | 73 | 15 |
Al-Mulali, Usama | 14 | 1,296 | 14 |
Bekun, Festus Victor | 9 | 349 | 14 |
Ateeq, Muhammad | 3 | 6 | 14 |
Apergis, Nicholas | 11 | 2,315 | 13 |
Fuente: Elaboración propia
En un nuevo estudio (Al-mulali et al., 2013), se investigó a 108 países con diferentes ingresos, donde se reconocen los efectos bidireccionales a largo plazo entre el aumento en el PIB y el consumo de ER; el estudio revela que un 79 % de los países analizados tienen efectos bidireccionales positivos a largo plazo y de retroalimentación, a diferencia del 19 % de los países que no mostraron relaciones entre ambas variables sugiriendo neutralidad entre ellas y solo el 2 % de los países en estudio mostró una relación unidireccional lo que refiere un comportamiento de conservación, Tabla 3.
Autor | Periodo | País | Metodología | Hipótesis |
---|---|---|---|---|
Menyah y Rufael | 1960-2007 | EE.UU | VAR | conservación |
Menegaki | 1997-2007 | Europa | paneles | neutralidad |
Apergis et al. | 1984-2007 | Países desarrollados y en desarrollo | paneles | retroalimentación |
Apergis y Payne | 1990-2007 | Paises emergentes | paneles | retroalimentación |
Tugcu et al. | 1980-2009 | países del G-7 | ADRL | retroalimentación |
Apergis y Payne | 1990-2007 | Países desarrollados y en desarrollo | paneles | retroalimentación |
Apergis y Payne | 1992-2007 | Eurasia | paneles | retroalimentación |
Apergis y Payne | 1985-2005 | OCDE | paneles | retroalimentación |
Sadorski | 1994-2003 | Paises emergentes | paneles | retroalimentación |
Apergis y Payne | 1985-2006 | Centroamérica | paneles | retroalimentación |
Elaboración propia. (Al-mulali et al., 2013)
Por otro lado (Ozturk, Ilhan) trabajo con (Tugcu, Can Tansel), en su análisis de un modelo auto regresivo con retardos distribuidos (ADRL), se reconocieron también los efectos positivos bidireccionales entre el PIB y la ER en países del G7 compuesto por Canadá, Francia, Alemania, Italia, Japón, Reino Unido, Estados Unidos y la Unión Europea (UE), en un periodo que cubre hasta 2009, (Tugcu et al., 2012). El único estudio que mostró un comportamiento unidireccional fue para la región de Estados Unidos en un periodo de 1960 a 2007 (Menyah & Wolde-Rufael, 2010).
Otra de las variables representativas en el crecimiento de la ER se considera a la apertura comercial, la cual es reconocida como el antecedente requerido para la liberalización de la cuenta de capital y sugiere que se debe promover el crecimiento del sistema bancario para obtener resultados positivos en el desarrollo del mercado de valores. En este sentido se comprende que a mayor nivel de apertura financiera se requiere un adecuado desarrollo legal para estimular el desarrollo del mercado de acciones.
La liberación de la cuenta de capital como uno de los tres componentes de la balanza de pagos, se ve beneficiada con la apertura comercial en las naciones, como se menciona en (Chinn & Ito, 2006) “La liberalización de la cuenta de capital puede conducir al desarrollo de los sistemas financieros a través de varios canales, puede reducir el costo del capital y aumentar su disponibilidad para los prestatarios, eliminación de los controles de capital, permite a los inversores nacionales y extranjeros participar en una mayor diversificación de cartera y eliminar las instituciones financieras ineficientes y aumentar la disponibilidad de crédito”.
Autor | Documentos | Citas | Fuerza de enlace |
---|---|---|---|
Shahbaz, muhammad | 24 | 3372 | 33 |
Yaseen, muhammad rizwan | 9 | 291 | 25 |
Ozturk, ilhan | 16 | 1575 | 23 |
Sinha, avik | 12 | 969 | 21 |
Makhdum, muhammad sohail amjad | 6 | 226 | 19 |
Usman, muhammad | 8 | 330 | 17 |
Dogan, buhari | 8 | 238 | 15 |
Kousar, rakhshanda | 5 | 218 | 15 |
Al-mulali, usama | 10 | 1397 | 14 |
Ali, qamar | 7 | 294 | 14 |
Fuente: Elaboración propia
Para el caso de los mercados financieros se obtuvieron 3,113 documentos en WoS, analizando los artículos con más citas se forman principalmente 2 clúster conectados en los cuales puede distinguirse a (Shahbaz, Muhammad), nuevamente en la lista de los principales en redes de colaboración en temas de MFIN y ER, sin embargo los artículos que tienen mayor fuerza de enlace pertenecen a los cinco autores que se muestran a continuación.
Autor | Documentos | Citas | Fuerza de enlace |
---|---|---|---|
Di trapani, anna maria | 3 | 114 | 12 |
Fodera,mario | 3 | 114 | 12 |
Sgroi,filippo | 3 | 114 | 12 |
Testa riccardo | 3 | 114 | 12 |
Tudisca, salvatore | 3 | 114 | 12 |
Fuente: Elaboración propia
Es reconocido en (Shahbaz et al., 2021), que el desarrollo financiero promueve la demanda de energía renovable, es decir, todo aumento en el nivel de calidad y eficiencia de los intermediarios financieros traerán beneficios en el desarrollo tecnológico de este sector, por otro lado, se considera que el crecimiento económico, es decir el aumento en el valor del PIB en un periodo, disminuye el consumo de energías renovables, su argumento final concluye que el desarrollo financiero desencadena una demanda creciente de fuentes de energía amigables.
Se propone contemplar los indicadores que revelen el comportamiento referente a la evolución de los mercados financieros y las instituciones financieras, como se ha estudiado anteriormente en (Frutos-Bencze et al., 2019), la penetración en la matriz energética de las fuentes renovables requieren un análisis en la estructura financiera de los países de estudio, se concluye en su análisis que “el despliegue de energías renovables parece ser independiente del crecimiento económico en términos de crecimiento del PIB”, sin embargo; en el modelo que se formula en esta investigación, el crecimiento del PIB en cada país es analizado en conjunto con las variables financieras, económicas y la inversión de cada país en I + D para revelar el papel de dichas variables en la evolución del sector energético renovable.
En la Tabla 6 y Fig. 4 se reconoce el comportamiento entre la evolución de las instituciones financieras y la ER en el mundo.
Autor | Documentos | Citas | Fuerza de enlace |
---|---|---|---|
lu, jun | 13 | 1,326 | 34 |
li, liang | 10 | 629 | 28 |
ni, jiangfeng | 9 | 625 | 27 |
yuan, yifei | 4 | 279 | 16 |
ding, jianning | 5 | 57 | 13 |
ma, lu | 3 | 318 | 13 |
wang, ying | 7 | 158 | 13 |
yuan, ningyi | 5 | 57 | 13 |
khan, hayat | 7 | 52 | 12 |
khan, itbar | 7 | 52 | 12 |
Fuente: Elaboración propia
Se ha señalado en diversos contextos los beneficios de la globalización para economías en desarrollo, en particular el acceso a los desarrollos tecnológicos que trae en consecuencia la creación de capacidades energéticas, como se resalta en (Koengkan et al. 2019), el desempeño económico aumenta de acuerdo al nivel de transferencia tecnológica que se encuentra al alcance de los países, por lo cual esta investigación revela de origen no solo de la participación de la globalización como motor del desempeño energético renovable en AL a partir del análisis de las variables económicas y financieras, sino del papel que juegan centros de investigación en la innovación tecnológica, lo que advierte el crecimiento en energías renovables.
Se argumenta en la literatura que las preferencias en inversiones por parte de sectores financieros desarrollados tienden aumentar en sus industrias en crecimiento y disminuyen la inversión de sus industrias en declive que aquellos con sectores financieros subdesarrollados. (Chinn & Ito, 2006b).
El crecimiento de los mercados financieros, el desarrollo de las Instituciones financieras y la apertura comercial, proponen un dinamismo en el comercio internacional, que favorece al desarrollo económico regional (Wurgler, 2000).
Autor | Documentos | Citas | Fuerza de enlace |
---|---|---|---|
saidur, r. | 7 | 427 | 17 |
zhang, shicong | 6 | 74 | 16 |
sun, yuanzhang | 4 | 140 | 15 |
wu, jiang | 6 | 42 | 15 |
xu, jian | 6 | 205 | 15 |
yang, xinyan | 5 | 56 | 15 |
jiang, yibo | 3 | 123 | 14 |
liao, siyang | 3 | 123 | 14 |
liu, kun | 5 | 20 | 14 |
liu, zhijian | 5 | 183 | 14 |
Fuente: Elaboración propia
Se ha verificado que el desarrollo financiero, se ha beneficiado a partir del desarrollo de instituciones, con una mayor actividad económica, reflejado en una reducción en el costo de capital, y crecimiento en sus mercados financieros más competitivos con mayor posibilidad de impulsar inversiones, lo que evidencia como mecanismo de desarrollo industrial a la mejoramiento de los mercados financieros, reconociendo la importancia de la asignación de capital así como, el papel que juegan los mercados bursátiles a partir de las oportunidades de inversión, sin embargo; es importante destacar la importancia que juega el estado y las empresas en una asignación eficiente para el desempeño adecuado de la economía en los derechos de los inversores minoritarios y los inversores a gran escala, buscando mayor competitividad a partir de políticas adecuadas de acuerdo a los requerimientos globales.
2.2 Problemática energética de fuentes renovables en AL y el mundo
En esta sección se describe el estado actual energético de AL y del mundo, tiene como objetivo plantear la situación a la cual se enfrenta AL frente a los países líderes en energéticos renovables. Para elaborar un enfoque comparativo es necesario reconocer las tendencias energéticas globales; en este sentido se reconoce un comportamiento ascendente en el consumo de energéticos en todas las escalas, desde las grandes industrias hasta los pequeños consumidores, lo que aparenta que el rumbo del abastecimiento energético requiere un planeta cada vez más electrificado. Se reconoce a continuación el comportamiento respecto a los datos más recientes entre la capacidad instalada de energía renovable en el mundo, definido para las principales seis fuentes de generación de energía renovable en 2020, y la generación de energía renovable en 2018, de acuerdo con los datos más recientes que ofrece la agencia internacional de energías renovables (IRENA. International Renewable Energy Agency, 2021)
Es importante resaltar la importancia que existe en tomar como indicador energético a la generación de energía renovable para este análisis, ya que refleja la actividad económica en ejecución a diferencia de la capacidad instalada.
La Tabla 8 refleja los principales países generadores de energía hidroeléctrica y eólica en el mundo, en el sector hidroeléctrico se destaca a Brasil como el único participante representante de América latina en segundo lugar, superado únicamente por China con 358 [GW] poco más de tres veces la capacidad instalada de Brasil, el resto de la matriz hidroenergética mundial lo componen USA, Canadá, y Rusia la generación de energía hidroeléctrica en China en 2020 alcanzó cerca de 1,232,000 [GWh] y obtuvo primer lugar de energía generada en contraste con Brasil en segundo lugar en 2020 con cerca de 389,000 [GWh] que representa alrededor de la cuarta parta de China, por lo que puede distinguirse una diferencia entre la comparación de la capacidad instalada y la generación de energía hidroeléctrica entre ambos países.
Hidroenergía | Capacidad [MW], 2019 | Generación[GWh], 2019 |
---|---|---|
China | 358,040.00 | 1,304,440.00 |
Brazil | 109,143.07 | 397,877.13 |
USA | 102,649.00 | 379,742.00 |
Canada | 81,399.00 | 310,571.00 |
Russian Fed | 52,294.76 | 197,708.81 |
Fuente: (IRENASTAT, 2021). Capacidad y generación. Elaboración propia.
En el caso de la energía eólica; se observa en la Tabla 9 a China como líder en la generación de energía, seguido de USA, Alemania, India y España, respectivamente, lo que se percibe como un mayor avance en la implementación de proyectos de GER y un mejor avance en el desarrollo de capacidades tecnológicas en este sector para estos países.
Energía Eolica | Capacidad [MW], 2019 | Generación[GWh], 2019 |
---|---|---|
China | 209,581.91 | 406,559.69 |
USA | 103,670.00 | 298,200.00 |
Germany | 60,721.00 | 125,894.00 |
India | 37,505.18 | 62,688.88 |
Spain | 25,583.15 | 55,647.00 |
Fuente: (IRENASTAT, 2021). Capacidad y generación. Elaboración propia
Para la energía solar se repiten las posiciones entre China y USA como representante en primer lugar y segundo lugar en la generación de energía solar.
Energía Solar | Capacidad [MW], 2019 | Generación[GWh], 2019 |
---|---|---|
China | 204,995.80 | 224,541.01 |
USA | 60,826.00 | 97,478.00 |
Japan | 63,192.00 | 68,953.00 |
Germany | 49,047.00 | 46,392.00 |
India | 35,089.41 | 43,870.23 |
Fuente: (IRENASTAT, 2021). Capacidad y generación. Elaboración propia
Para el caso de bioenergía China representa nuevamente el primer lugar teniendo la posición de líder para las cuatro tecnologías anteriores. Es importante resaltar que en 2020 Brasil obtuvo el segundo lugar en capacidad instalada, sin embargo; en 2018 USA, tenía el segundo lugar en generación con cerca de 54,000 [GWh] generados a diferencia de Brasil quien en tercer lugar en generación generó cerca de 53,000 [GWh] como se muestra en la Tabla 11.
Bioenergía | Capacidad [MW], 2019 | Generación[GWh], 2019 |
---|---|---|
China | 16,537.07 | 82,250.00 |
Brazil | 15,357.34 | 54,921.00 |
USA | 12,057.50 | 63,194.00 |
India | 10,225.42 | 20,027.00 |
Germany | 9,988.00 | 50,221.00 |
Fuente: (IRENASTAT, 2021). Capacidad y generación. Elaboración propia
En las Tablas 12 y 13 se distinguen distintos actores para la energía geotérmica y energía marina en la matriz ER a diferencia con las cuatro energías anteriores, en la energía geotérmica no incluye la participación de la república China, destaca en primer lugar a USA, y seguido por Indonesia , Filipinas, Turquía y Nueva Zelanda y en particular con la energía marina la República de Corea, Francia y el Reino Unido aparecen en los principales generadores de ER, debido a las ventajas geográficas que y el aprovechamiento de este recurso.
Energía Geotérmica | Capacidad [MW], 2019 | Generación[GWh], 2019 |
---|---|---|
USA | 2,586.80 | 18,773.00 |
Indonesia | 2,130.70 | 14,019.00 |
Philipines | 1,928.10 | 10,435.31 |
Turkey | 1,613.22 | 7,430.98 |
New Zeland | 984.00 | 7,976.00 |
Fuente: (IRENASTAT, 2021). Capacidad y generación. Elaboración propia
Energía Marina | Capacidad [MW], 2019 | Generación[GWh], 2019 |
---|---|---|
Korea Rep | 256 | 457 |
France | 214 | 479 |
United Kingdom | 20. 4 | 14 |
China | 4 | 7 |
Canada | 20 | 1 |
Fuente: IRENASTAT (2021). Capacidad y generación. Elaboración propia
En la Fig. 6 se muestra la capacidad instalada por país de AL donde se observa a Brasil como líder, seguido por México, mientras que Republica Dominicana tiene la menor participación. Se considera para este estudio, 16 países en la región de AL, compuesta por América del sur, América central y el caribe, como bloque de análisis en la región que servirá como comparación ante el comportamiento de la GER entre AL y el mundo.
America Latina, Capacidad instalada, [MW] | |
---|---|
Brazil | 150.0470 |
Mexico | 28.3580 |
Venezuela | 16.5980 |
Argentina | 14.0720 |
Colombia | 13.5490 |
Chile | 12.7940 |
Paraguay | 8.8320 |
Peru | 6.6500 |
Ecuador | 5.2980 |
Uruguay | 3.7320 |
Costa Rica | 3.1240 |
Guatemala | 2.8700 |
Panama | 2.2960 |
Honduras | 1.8520 |
El Salvador | 1.5070 |
R. Dominicana | 1.4130 |
Fuente: (IRENASTAT, 2021). Capacidad y generación. Elaboración propia
3. Metodología
Siguiendo los estudios (Khezri et al. 2021) se analizan las variables energéticas como variables dependientes a partir de cinco variables explicativas que analizan el comportamiento económico, financiero y de inversión en investigación y desarrollo capaces de explicar la evolución y tendencias de las energías renovables, en este sentido, es necesario reconocer los impulsores y barreras para su desarrollo.
En esta investigación se distingue la relevancia de cada una de las variables económicas y energéticas en su conjunto, más allá de la adopción de metodologías previas, en esta investigación se lleva a cabo un análisis para una muestra estadística en particular distinta a las actuales, ya que contempla la evolución en la generación de seis energías renovables en AL comparada con los países que cumplan con un mayor desempeño en cada una de ellas al rededor del mundo, actualizando además el periodo de estudio a 2019, y complementa las metodologías anteriores con una interpretación adicional a partir de los resultados obtenidos en las observaciones que ofrecen las correcciones de los coeficientes en los modelos estudiados. Se desarrolla un modelo empírico a partir de un análisis econométrico, con datos de panel que permiten emplear autor regresiones en términos de error que incluyen una variable rezagada. Las estadísticas de las variables que serán utilizadas para determinar la auto correlación en los modelos se obtienen a por mínimos cuadrados ordinarios MCO. Posteriormente se verifican que se cumplan los supuestos de Gauss-Markov, que consideran que en el modelo exista covarianza entre las variables igual a cero a partir de la linealidad en los parámetros, media nula y exogeneidad estricta, es decir; independiente a las perturbaciones aleatorias. En la Tabla 15, se observan los cuatro pasos para el análisis para cada una de las tecnologías en AL y el mundo.
Pasos | ||
---|---|---|
A | Prueba de Ramsey | No multicolinealidad exacta, homocedasticidad |
B | Contraste de Durbin-Watson | Autocorrelación de primer orden AR(1) |
C | Breusch-Godfrey (prueba LM) | Autocorrelación de orden superior AR(q) |
D | Chocrane-Orcutt | Corrección alternativa a cada estimador |
Fuente: Elaboración propia
El paso A consiste en determinar si el modelo cumple con no multicolinealidad exacta, que garantice la independencia lineal entre las variables explicativas, homocedasticidad que brinda mayor confianza cuando la varianza de los errores es constante a lo largo de las observaciones y confirma que las variables no deberán estar autocorrelacionadas para que se considere como un estimador lineal insesgado óptimo también llamado ELIO es decir; que las variables que componen al modelo son las únicas que explican a la variable dependiente, determinan la dependencia estructural de los parámetros y establece si la forma funcional es la adecuada y de este modo considerar que el modelo esta especificado de manera adecuado, a partir de la pruebas de especificación, Ramsey (1969). El paso B consiste en reconocer la auto correlación de primer orden AR (1), en los residuos de modelo econométrico a partir del contraste Durbin-Watson (Durbin & Watson, 1950), (Rutledge & Barros, 2002) (Jović, 2016). Ver Notas complementarias 1.
La autocorrelación es un caso particular en el modelo de regresión ordinario que se produce cuando las perturbaciones del modelo presentan correlaciones entre ellas. Durbin-Watson permite evaluar el nivel de significatividad de rho y con ello es posible determinar si existe autocorrelación serial de primero orden, Ver Notas complementarias 1. En el paso C se utilizan multiplicadores de LaGrange, se aplica la prueba LM, para detectar autocorrelaciones en los residuos de orden superior AR(q), a partir de la prueba de auto correlación Breusch-Godfrey (Breusch, 1978), (Godfrey, 1978). La prueba de Breusch-Godfrey, consiste en estimar una regresión auxiliar con MCO y hacer un contraste sobre los parámetros de la regresión. Ver Notas complementarias 1. Finalmente, en el paso D se realiza la corrección del modelo a partir de la estimación Cochrane-Orcutt (Wooldridge, 2012), (Dufour et al., 1980) que nos permite eliminar la autocorrelación que existan y que confirma que los errores del modelo sean aleatorios.
3.1 Datos
La importancia de identificar de manera adecuada el comportamiento de las variables del modelo econométrico que describen la evolución de la energía renovable en el mundo y AL toma un papel fundamental en el desarrollo de esta investigación y provienen de relacionar la capacidad de generación energética per capita, por seis tecnologías de generación renovable con cinco variables económicas y financieras y parte del planteamiento en (Khezri et al. 2021),
Para iniciar el análisis de los datos, se desarrolla, un programa elaborado en Visual Basic, que permite obtener a partir de un modelo de panel la generación de energía renovable per cápita para cada país en cada periodo de tiempo en cada una de las tecnologías energéticas. Los datos obtenidos son modelados a partir de las aproximaciones logarítmicas correspondientes, (Wooldridge, 2012), Ec. (1), Ec (2).
El logaritmo se utiliza para diferentes aplicaciones, en econometría por la
capacidad de eliminar el efecto de las unidades de las variables sobre los
coeficientes, permiten agregar mayor estabilidad en los regresores y disminuir
los errores atípicos para mayores aproximaciones. Cuando los cambios son
pequeños se utiliza
Para detectar correlaciones entre las perturbaciones, las variables que se utilizan son medidas a partir de una regresión de sus residuos mínimos cuadráticos y se obtienen las estadísticas de las variables en estudio donde se reconocen los datos que serán utilizadas para conocer los residuos de los errores rezagados en el tiempo, con ello se obtiene la base de datos de 31 países por 19 años para 11 variables en estudio.
3.2 Declaración de Variables
Por medio de las variables; HYD it , SOL it , WIN it , BIO it , GEO it y MAR it , se recupera la información que representa la generación de energía renovable en el periodo t, para cada país i, en el periodo de 2000 a 2019 para los cinco países con mayor participación en la matriz energética mundial y los 16 países que tienen mayor participación en la generación de energía renovable en AL en 2019. Para las variables energéticas, la generación de energía renovable en el mundo y en AL se toman en consideración la población de cada país y su crecimiento en cada periodo (anual) de 2000 a 2019 como se muestran en el apéndice A.1 (World Bank Group - International Development, Poverty, & Sustainability, 2021). Fue necesario obtener la generación de energía por cada una de las seis fuentes renovables. Generación de energía hidroeléctrica, apéndice A.2 (IRENA. International Renewable Energy Agency, 2021). Generación de energía eólica, apéndice A.3 (IRENA. International Renewable Energy Agency, 2021). Generación de energía solar, apéndice A.4 (IRENA. International Renewable Energy Agency, 2021). Generación de bioenergía, apéndice A.5 (IRENA. International Renewable Energy Agency, 2021). Generación de energía geotérmica apéndice A.6 (IRENA. International Renewable Energy Agency, 2021). Generación de energía marina, apéndice A.7 en AL y el mundo. Las variables por estudiar son, la generación de energía hidroeléctrica, solar, eólica, bioenergética, marina y geotérmica, a partir de cinco variables económicas y financieras. Tabla 16.
Variable | Variable construida | Fuente |
---|---|---|
Ln HYD it | Ln HYD it = log (1 + HYD it) | ODS |
HYD it = Energía hidroeléctrica per cápita | ||
Ln WIN it | Ln WIN it = log (1 + WIN it) | ODS |
WIN it = Energía eólica per cápita | ||
Ln SOL it | Ln SOL it = log (1 + SOL it) | ODS |
SOL it = Energía solar per cápita | ||
Ln BIO it | Ln BIO it = log (1 + BIO it) | ODS |
BIO it = Energía bioenergética per cápita | ||
Ln GEO it | Ln GEO it = log (1 + GEO it) | ODS |
GEO it = Energía geotérmica per cápita | ||
Ln MAR it | Ln MAR it = log (1 + MAR it) | ODS |
MAR it = Energía marina per cápita | ||
Ln PIB it | Ln PIB it = log (PIB it) | WDI |
PIBP it = PIB per cápita | ||
Ln OTR it | Ln OTR it = log (OTR it) | WDI |
OTR it = Apertura comercial | ||
Ln RD it | Ln RD it = log (RD it) | WDI |
RD it = Gasto en investigación y desarrollo | ||
Ln FI it | Ln FI it = log (100 ∗ FI it) | FMI |
FI it = Desarrollo de la institución financiera | ||
Ln FM it | Ln FM it = log (100 ∗ FM it) | FMI |
FM it = Desarrollo del mercado financiero |
Fuente: Elaboración propia
Los datos para reconocer el comportamiento de la apertura comercial, el PIB, I + D, la os mercados e instituciones financieras en los países que han tenido mayor participación en GER en el mundo y en AL, se obtienen de las estadísticas de los indicadores de desarrollo mundial de datos de (World Bank Group - International Development, Poverty, & Sustainability, 2021) y del (Fondo Monetario Internacional, 2021) Los datos del PIB per capita, para cada país puede consultarse en el apéndice B.1. para las variables de apertura comercial (OTR), apéndice B.2. Índice de desarrollo de mercados financieros, apéndice B.3. Índice de desarrollo de instituciones financieras, apéndice B.4. Gasto en investigación y desarrollo, apéndice B.5. Las seis tecnologías de GER , son descritas como función del logaritmo del PIB , Ln PIB it , el logaritmo de apertura comercial Ln OTR it , el logaritmo del porcentaje de PIB invertido en actividades de I+D Ln RD it , el desarrollo financiero, reflejado en el crecimiento de los mercados financieros Ln FM it , y el desarrollo de las instituciones financieras Ln FI it , para el caso de las variables energéticas la aproximación utilizada corresponde a la Ec. (2), donde REN, se refiere a cada una de las seis tecnologías de GER en estudio. La variable PIB it , aporta al modelo el comportamiento de una nación referente al valor de mercado de sus bienes y servicios producidos dentro del país, OTR it = Apertura comercial, se consideran las exportaciones e importaciones divididas por el PIB, FM it = Desarrollo del mercado financiero, FI it = Desarrollo de la instituciones financieras, el desarrollo del mercado de valores, la inversión extranjera directa, y el fortalecimiento de las instituciones financieras estimulan el uso de energía renovable. RD it = Gasto en investigación y desarrollo (% del PIB). Mide el desarrollo de capacidades tecnológicas a partir de las inversiones destinadas a las actividades de (I + D) correspondientes a cada país medidas como porcentaje del PIB.
4. Modelo Empírico
Los resultados se obtienen a partir de la Ec. (3), donde las variables energéticas dependen de las estadísticas de las variables económicas, financieras y de inversión en I+D como variables explicativas de cada modelo y provienen de calcular el comportamiento de seis tecnologías principales de GER en el mundo y AL con el fin de reconocer los factores que promueven o limitan el desarrollo de capacidades energéticas.
Ln Y it = Valor observado. GER para cada tecnología, en cada país y en cada periodo.
β 0 = Efectos debidos a factores fijos
β n = Vector de parámetros correspondiente a cada ER. (Coeficientes estandarizados)
ε it = Efectos debidos a factores no controlados
4.1 Resumen y Estadísticas de variables construidas AL y en el mundo
Se utilizan datos de los principales países del mundo en GER durante 2000-2019 para evaluar los factores que afectan el desarrollo para los cinco países con mayor participación en la matriz energética mundial y los 16 países que tienen mayor participación en GER en AL.
En la Tabla 17 se muestran los datos correspondientes para la generación de energía hidroeléctrica en el mundo de 2000 a 2019.
Generación de electricidad [GWh] | ||||||
---|---|---|---|---|---|---|
Año | HYD | PIB | MFIN | IFIN | I + D | OTR |
2000 | 2.880 | 3.750 | 1.810 | 1.751 | 2.137 | 3.620 |
2001 | 2.899 | 3.758 | 1.793 | 1.781 | 2.160 | 3.611 |
2002 | 2.868 | 3.771 | 1.764 | 1.797 | 2.166 | 3.615 |
2003 | 2.869 | 3.824 | 1.783 | 1.805 | 2.173 | 3.627 |
2004 | 2.840 | 3.896 | 1.790 | 1.804 | 2.166 | 3.647 |
2005 | 2.825 | 3.971 | 1.801 | 1.822 | 2.169 | 3.647 |
2006 | 2.813 | 4.041 | 1.824 | 1.827 | 2.172 | 3.645 |
2007 | 2.807 | 4.117 | 1.859 | 1.831 | 2.184 | 3.636 |
2008 | 2.797 | 4.181 | 1.852 | 1.835 | 2.189 | 3.645 |
2009 | 2.783 | 4.147 | 1.866 | 1.834 | 2.220 | 3.569 |
2010 | 2.781 | 4.220 | 1.842 | 1.846 | 2.210 | 3.599 |
2011 | 2.760 | 4.289 | 1.852 | 1.854 | 2.202 | 3.611 |
2012 | 2.758 | 4.303 | 1.819 | 1.865 | 2.204 | 3.608 |
2013 | 2.754 | 4.317 | 1.812 | 1.866 | 2.211 | 3.604 |
2014 | 2.755 | 4.313 | 1.816 | 1.863 | 2.222 | 3.602 |
2015 | 2.763 | 4.243 | 1.824 | 1.861 | 2.229 | 3.597 |
2016 | 2.741 | 4.236 | 1.810 | 1.872 | 2.229 | 3.573 |
2017 | 2.734 | 4.281 | 1.806 | 1.864 | 2.216 | 3.576 |
2018 | 2.732 | 4.295 | 1.824 | 1.866 | 2.207 | 3.602 |
2019 | 2.729 | 4.299 | 1.816 | 1.873 | 2.207 | 3.588 |
Fuente: Elaboración propia
Para la obtención de los modelos que representan el comportamiento de la GER en el mundo se consideran los principales países para cada tecnología, es decir; para el caso de hidroenergía los países con los cuales realizamos el estudio corresponden a China, Brasil, USA, Canadá y Rusia ver apéndice (C.1-C3). Con ello las variables económicas, y financieras relacionadas al modelo (ver apéndice (C.4-C.7)) consideran el comportamiento de estos cinco países como lideres en la evolución del sector.
De igual manera para cada tecnología se consideran las variables económicas y financieras correspondientes a los cinco países lideres en cada una de ellas, los datos calculados se observan en el apéndice (D.1-D.3), (E.1-E.3), (F.1-F.3), (G.1-G.3), (H.1-H.3).
Para el estudio en AL se consideraron 16 países para un total de 20 periodos de tiempo, lo que nos permite tener 320 observaciones para cada una de las tecnologías renovables, así como para cada variable económica y financiera ver apéndice (I.1-I.3).
Una vez elaborada la base de datos, se presenta la Tabla 18 referente a la GER en AL per capita en el periodo de 2000 a 2019 y el resumen de los indicadores económicos y financieros que serán utilizados para la obtención de los modelos en dicha región.
En la Tabla 18 se muestra el resumen de estadísticas de las variables en estudio para AL.
Año | Hyd | Win | Sol | Bio | Geo | Mar | PIB | MFIN | IFIN | I + D | OTR |
---|---|---|---|---|---|---|---|---|---|---|---|
2000 | 3.098 | 2.158 | 3.729 | 3.301 | 1.030 | 0.000 | 3.489 | 0.876 | 1.418 | 0.779 | 3.735 |
2001 | 3.122 | 2.434 | 4.101 | 3.715 | 1.029 | 0.000 | 3.486 | 0.879 | 1.442 | 0.871 | 3.730 |
2002 | 3.114 | 2.436 | 4.057 | 4.094 | 1.038 | 0.000 | 3.439 | 0.870 | 1.424 | 0.878 | 3.752 |
2003 | 3.112 | 2.341 | 4.019 | 4.023 | 1.023 | 0.000 | 3.444 | 0.915 | 1.418 | 0.878 | 3.773 |
2004 | 3.114 | 2.706 | 3.999 | 4.719 | 1.023 | 0.000 | 3.500 | 0.881 | 1.457 | 0.877 | 3.795 |
2005 | 3.079 | 2.708 | 4.523 | 4.585 | 1.029 | 0.000 | 3.571 | 0.876 | 1.478 | 0.995 | 3.799 |
2006 | 3.076 | 2.613 | 4.497 | 4.543 | 1.030 | 0.000 | 3.626 | 0.906 | 1.492 | 1.054 | 3.808 |
2007 | 3.068 | 2.995 | 4.962 | 4.477 | 1.008 | 0.000 | 3.691 | 0.900 | 1.521 | 1.210 | 3.809 |
2008 | 3.060 | 3.282 | 5.513 | 4.449 | 1.006 | 0.000 | 3.756 | 0.881 | 1.540 | 1.236 | 3.821 |
2009 | 3.084 | 3.176 | 5.525 | 4.391 | 1.007 | 0.000 | 3.742 | 0.887 | 1.536 | 1.242 | 3.738 |
2010 | 3.056 | 3.107 | 5.324 | 4.375 | 1.011 | 0.000 | 3.809 | 0.878 | 1.555 | 1.220 | 3.768 |
2011 | 3.053 | 3.746 | 6.329 | 4.350 | 1.013 | 0.000 | 3.858 | 0.867 | 1.557 | 1.181 | 3.792 |
2012 | 3.055 | 3.906 | 6.910 | 4.285 | 1.014 | 0.000 | 3.881 | 0.880 | 1.568 | 1.175 | 3.782 |
2013 | 3.057 | 4.155 | 6.381 | 4.143 | 1.015 | 0.000 | 3.898 | 0.933 | 1.581 | 1.213 | 3.767 |
2014 | 3.058 | 3.758 | 6.057 | 4.108 | 1.012 | 0.000 | 3.911 | 0.923 | 1.584 | 1.260 | 3.751 |
2015 | 3.082 | 3.931 | 5.659 | 4.075 | 1.015 | 0.000 | 3.629 | 0.913 | 1.591 | 1.248 | 3.493 |
2016 | 3.069 | 3.873 | 5.491 | 4.028 | 1.013 | 0.000 | 3.630 | 0.925 | 1.593 | 1.245 | 3.483 |
2017 | 3.026 | 3.926 | 5.268 | 4.013 | 1.678 | 0.000 | 3.658 | 0.982 | 1.614 | 1.284 | 3.487 |
2018 | 3.054 | 3.767 | 5.068 | 3.987 | 1.623 | 0.000 | 3.661 | 0.991 | 1.617 | 1.270 | 3.508 |
2019 | 3.122 | 3.688 | 4.863 | 3.966 | 1.615 | 0.000 | 3.654 | 0.986 | 1.614 | 1.271 | 3.503 |
Fuente: Elaboración propia
Para realizar el análisis para los principales países del mundo se obtienen los datos de cada tecnología de GER apéndice (J.1-J.3), con los datos correspondientes a las variables económicas, financieras y de I+D de los países que sean lideres en generación en el mundo, se ofrece también un resumen de cada una de las seis tecnologías de GER con los datos de las variables explicativas que serán utilizadas para la construcción del (ELIO), apéndice (K.1-K.6).
Variable construida | Promedio | Mediana | Máximo | Mínimo | D. Est. | Obs. | |
---|---|---|---|---|---|---|---|
E. hidroeléctrica | ln HYD it = log (1 + HYD it) | 3.078 | 3.047 | 4.066 | 2.002 | 0.023 | 320 |
E. eólica | ln WIN it=log (1 +WIN it) | 3.235 | 4.069 | 8.897 | 0.000 | 0.634 | 320 |
E. solar | ln SOL it =log (1 + SOL it ) | 5.114 | 6.389 | 9.992 | 0.000 | 1.235 | 320 |
Bioenergia | ln BIO it =log (1 + BIO it ) | 4.181 | 4.575 | 6.765 | 0.000 | 0.363 | 320 |
E. geotérmica | ln GEO it =log (1 +GEO it ) | 1.112 | 0.000 | 5.462 | 0.000 | 0.132 | 320 |
E. marina | ln MAR it =log (1 + MAR it ) | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 320 |
PIB | ln PIB it =log (PIB it ) | 3.667 | 3.803 | 4.272 | 0.000 | 0.319 | 320 |
Mercados financieros | ln FM it =log (100 ∗ FM it ) | 0.907 | 0.768 | 1.813 | -0.215 | 0.032 | 320 |
Instituciones financieras | ln FI it =log (100 ∗ FI it ) | 1.530 | 1.545 | 1.829 | 0.927 | 0.027 | 320 |
Inversión en I+D | ln RD it = log (RD it ) | 1.119 | 1.307 | 2.128 | 0.000 | 0.075 | 320 |
Apertura comercial | In OPE it =log (OPE it ) | 3.705 | 3.759 | 4.222 | 0.000 | 0.316 | 320 |
Fuente: Elaboración propia
A título ilustrativo, en, “Notas complementarias, apartado 3”, se describe el procedimiento en la obtención de los modelos, las pruebas de especificación y autocorrelación empleadas, así como el procedimiento para calcular el modelo corregido para hidroenergía en AL.
La base de datos elaborada se exporta al programa (R- Studio, 2021) en el cual se obtiene un modelo para cada tecnología en AL y el mundo, y es posible realizar pruebas de especificación a cada uno, a fin de reconocer si existen problemas de autocorrelación, heterocedasticidad o normalidad y determinar si cumple con ser un ELIO. En las “Notas complementarias, apartado 3” se observa el modelo obtenido por MCO para el caso de GER hidroeléctrica en el mundo, se muestra la ecuación corregida por el método de Cochrane-Orcutt para generación de energía hidroeléctrica en el mundo.
Con relación a la idea anterior, también a título ilustrativo se muestra también en “Notas complementarias, apartado 3” la obtención de los modelos y las pruebas de especificación y autocorrelación, así como obtención del modelo corregido propuesto para hidroenergía en este caso y para los principales GER por cada tecnología en el mundo.
Criterios de Valoración, p-valué < 5 %, Zona de rechazo de H0.
5. Resultados
El objetivo de este apartado consiste en exponer los resultados y conocer el comportamiento de las variables en conjunto y de la influencia de cada uno de los factores que componen el modelo de crecimiento en GER, de 2000 al 2019 y contrastar los resultados entre las regiones de AL con los principales países generadores en cada tecnología alrededor del mundo, lo que permite discutir las investigaciones previas con los hallazgos revelados en los resultados.
5.1 Estadísticas del modelo obtenido por MCO en el mundo
En la siguiente sección se muestran los resultados obtenidos al calcular cada uno de los modelos de regresión lineal múltiple obtenida por MCO para AL y el mundo apéndice (L.1, L.2), en la Tabla 20, se muestran los coeficientes calculados y el resultado de aplicar la prueba Ramsey a cada modelo, a fin de identificar aquellos que estén mal especificados, ya sea por heterocedasticidad, no normalidad o autocorrelación, apéndice (M.1- M.6).
Variable | PIB | MFIN | IFIN | ID | OTR | B (0) | Reset | p-value |
---|---|---|---|---|---|---|---|---|
HYD | -0.182 | 0.042 | -0.700 | 0.568 | 0.441 | 1.915 | 0.244 | 0.787 |
WIN | -3.094 | 2.715 | -0.288 | -1.366 | 1.712 | 8.742 | 4.444 | 0.036 |
SOL | -8.328 | 7.858 | -29.128 | 15.086 | 5.373 | 23.948 | 4.822 | 0.029 |
BIO | -1.012 | 0.769 | -1.947 | -2.262 | 0.475 | 13.571 | 5.577 | 0.019 |
GEO | 0.252 | -2.189 | -3.564 | -0.186 | 0.340 | 11.765 | 3.395 | 0.068 |
MAR | -3.384 | 6.254 | -8.441 | 21.821 | 2.625 | -34.987 | 9.955 | 0.003 |
Fuente: Elaboración propia
El primer punto a considerar para identificar si el modelo es un (ELIO), consiste en reconocer si el p-valué es menor que el nivel de significancia, en este caso se rechaza la hipótesis nula (H 0 ), y el modelo podría considerarse como mal especificado para la energía hidroeléctrica y geotermia se obtienen un valor mayor al nivel de significancia establecido que en este caso considera un valor de 5%, lo que podría suponer que los coeficientes y el modelo obtenido es adecuado; sin embargo para garantizar la ausencia de autocorrelación de primer orden y de orden superior, se realizan las pruebas de correlación de Durbin-Watson y de Breusch-Godfrey. Las ecuaciones que representan el comportamiento de las seis tecnologías renovables en el mundo obtenidas por MCO son:
5.1.1 Estadísticas Durbin-Watson y Breusch-Godfrey en el mundo
Una vez establecidos los modelos que caracterizarían el comportamiento se realizan las pruebas de autocorrelación. En el caso (AR1) autocorrelación de primer orden la obtenemos a partir del estimador Durbin-Watson, en el cual los puntos críticos dl=0.792 y du= 1.91 a un nivel de 0.5 % de significancia determinan si existe o no autocorrelación. ver apéndice (7). En este caso se observa que todos los valores de DW de las tecnologías renovables en el mundo se encuentran en la zona de indecisión entre dl=0.792 y du= 1.91 excepto la energía eólica que se encuentra en la región de no autocorrelación, pero con un valor muy cercano de DW = 1.926 a la zona de indecisión de la prueba, apéndice P.1
Variable | Durbin -Watson (DW) | p-value | Breusch-Godfrey (LM) | p-value |
---|---|---|---|---|
HYD | 1.656 | 0.031 | 0.518 | 0.472 |
WIN | 1.926 | 0.102 | 0.089 | 0.765 |
SOL | 1.727 | 0.039 | 0.540 | 0.462 |
BIO | 1.557 | 0.012 | 0.856 | 0.355 |
GEO | 1.591 | 0.019 | 0.847 | 0.357 |
MAR | 1.151 | 0.002 | 6.461 | 0.011 |
Fuente: Elaboración propia
Para confirmar la autocorrelación de orden superior se llevan a cabo las pruebas Breusch-Godfrey correspondientes para cada modelo, en los cuales reconocemos de igual manera que el p-valué sea menor que el valor de nivel de significancia de 5 %, que permite rechazar la H 0 y garantizar la ausencia de autocorrelación.
En la Tabla 21 se observa que no existe auto correlación de orden superior a uno, para cinco tecnologías renovables excepto para la generación de energía por fuentes marinas ya que los valores de p-valué están por arriba del nivel de significancia establecido, lo que garantiza homocedasticidad normalidad y también ausencia de autocorrelación de orden superior en los coeficientes de las variables explicativas. Con relación a las pruebas expuestas se identificaron problemas de especificación en los modelos correspondientes a la generación de energía hidroeléctrica y por geotermia, por medio de la prueba Ramsey, con un p- valué superior al establecido de 0.05, con 0.78 y 0.068 y además al realizar las pruebas de autocorrelación de primer orden no fue posible determinar si la autocorrelación existía para ninguna tecnología renovable.
5.1.2 Estadísticas del modelo Corregido por Cochrane-Orcutt en el mundo
Por último, es conveniente proponer un modelo a partir de la estimación Cochrane-Orcutt y reconocer el mejor modelo que represente de manera más adecuada el comportamiento de las tecnologías de generación energética renovable en el mundo determinada por ausencia de heterocedasticidad, autocorrelación, no normalidad y especificidad adecuada.
En la Tabla 22 se muestran los coeficientes corregidos de las variables explicativas para cada tecnología, y se observan el valor de p-valué menor que 5% para la energía hidroeléctrica y para la energía marina, además el modelo calculado para la energía solar no converge para la estimación Cochrane-Orcutt.
Variable | PIB | MFIN | IFIN | ID | OTR | B (0) | Cochrane - Orcutt | p-value | No de interaciones | Rho |
---|---|---|---|---|---|---|---|---|---|---|
HYD | -0.036 | -0.142 | -1.612 | 0.418 | 0.307 | 4.135 | 1.610 | 0.018 | 15 | 0.191 |
WIN | -3.046 | 3.011 | -1.098 | -1.475 | 1.766 | 9.514 | 1.903 | 0.086 | 19 | -0.102 |
SOL | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0 | 0.000 |
BIO | -0.948 | 0.717 | -2.745 | -2.295 | 0.444 | 15.033 | 1.933 | 0.153 | 57 | 0.261 |
GEO | -0.932 | 0.603 | -0.197 | -0.891 | 0.639 | 6.342 | 2.090 | 0.370 | 62 | 0.557 |
MAR | -2.351 | 1.496 | -9.999 | 22.362 | -5.013 | 0.053 | 1.238 | 0.025 | 15 | 0.892 |
Fuente: Elaboración propia
A partir de la corrección propuesta es posible obtener los modelos que representen con mayor certidumbre el comportamiento de las energías renovables en el mundo. A continuación, se exponen los estimadores que se proponen a partir de Cochrane-Orcutt
Finalmente se evalúa nuevamente la prueba Ramsey a fin de confirmar si los nuevos modelos obtenidos se encuentran bien especificados a partir de reconocer si el nivel de significancia es mayor que el valor del p-valué, entonces se considera un modelo adecuado. En la Tabla 23 se muestra el resumen de las pruebas de hipótesis aplicadas a cada una de las tecnologías renovables alrededor del mundo en función de su mayor desempeño como generadores dentro de la matriz energética mundial.
Variable | Ramsey (R-MCO) | Durbin -Watson (DW) | Breusch-Godfrey (LM) | Cochrane-Orcutt (CO) | Ramsey (R- CO) |
---|---|---|---|---|---|
HYD | 0.787 | Indecisión | No autocorrelación | (AR) 0.018 | 0.280 |
WIN | 0.036 | No autocorrelación | No autocorrelación | (NC) 0.086 | 0.025 |
SOL | 0.029 | Indecisión | No autocorrelación | - | - |
BIO | 0.019 | Indecisión | No autocorrelación | (NC) 0.153 | 0.071 |
GEO | 0.068 | Indecisión | No autocorrelación | (NC) 0.37 | 0.012 |
MAR | 0.003 | Indecisión | Correlación | (AR) 0.025 | 0.011 |
Fuente: Elaboración propia
En el resumen se puede observar para la energía hidroeléctrica en el modelo obtenido por MCO el p-valué obtenido en la prueba de Ramsey tiene un valor por arriba del nivel de significancia, lo que dispone como un estimador bien especificado, no fue posible determinar autocorrelación de primer orden debido al valor DW, el cual se encuentra dentro de la zona de indecisión, además la segunda prueba de auto correlación (LM) determinó que no existía auto correlación en el modelo ya que el valor de p-valué es más alto que 0.05.
Al realizar la corrección del modelo, el p- valué obtenido es menor que el grado de significancia lo que indica que el nuevo modelo obtenido tiene correlación serial, además al aplicar nuevamente la prueba Ramsey al modelo corregido, el nuevo p-valué también indica que está bien especificado con un valor de 28 %, el cual es inferior al p-valué obtenido en el modelo de (R-MCO) De 78 %. El modelo más adecuado para reconocer los efectos relacionados entre las variables económicas y financieras con relación al incremento en una unidad de la generación hidroenergética en el mundo estará dado por el estimador obtenido por MCO.
Ln HYD it = 1.91 - 0.18 Ln PIB it + 0.04 Ln FM it - 0.70 Ln FI it +0.56 Ln RD it + 0.44 Ln OTR it
Para el caso de la energía eólica la prueba de Ramsey efectuada al modelo obtenido por MCO, arroja un p-valué de 0.036 inferior al 0.05 que se estableció como nivel de significancia, de esta manera se considera que el modelo no está bien especificado. Una vez realizada la prueba de autocorrelación de primer orden al modelo de MCO referente a la energía eolica se obtiene un valor de 1.92 el cual se encuentra en la zona de no rechazo de la hipótesis nula H 0, que considera que el modelo no está autocorrelacionado, sin embargo, se encuentra muy cercano al valor de la zona de indecisión del valor “dl” correspondiente a 1.91. Al efectuar la prueba autocorrelación de segundo orden no se detectó.
Con la corrección del modelo, se obtiene un nuevo p-valué de 0.086 superior al nivel de significancia, lo que nos permite garantizar que en el nuevo modelo no existe autocorrelación serial. De este modo al realizar nuevamente la prueba Ramsey, para determinar si el nuevo modelo está bien especificado, obtenemos un nuevo p-valué de 0.025 inferior al p-valué de 0.36 obtenido por MCO (R-MCO), lo que sugiere utilizar el modelo MCO para representar los efectos en la generación de la energía eólica en el mundo a partir del comportamiento de las variables económicas y financieras.
Ln WIN it = 8.742 - 3.094 Ln PIB it + 2.715 Ln FM it - 0 .288 Ln FI it - 1.366 Ln RD it +1.712 Ln OTR it
La corrección al modelo obtenido por MCO correspondiente a la energía solar en el mundo, no fue posible calcularla debido a que la solución no converge, apéndice M.3. En este caso el modelo sugerido a utilizar corresponde al calculado por MCO.
Ln SOL it = 23.948 - 8.328 Ln PIB it + 7.858 Ln FM it - 29.128 Ln FI it 15.086 Ln RD it +5.373 Ln OTR it
Ahora bien en referencia a la bioenergía en el mundo, la prueba de especificación efectuada a la regresión obtenida por MCO, nos muestra un p- valué de 0.019 , inferior a la significancia establecida por lo que el modelo no está bien especificado, al efectuar las pruebas de autocorrelación de primer orden, no es posible determinar la autocorrelación debido a que el valor de DW se encuentra en zona de indeterminación, en relación a la prueba de correlación de orden superior el valor de p-valué es mayor al grado de significancia por lo cual se descarta la autocorrelación. Una vez obtenida la corrección del modelo, el nuevo p-valué, para bioenergía en el mundo, asociado a la estimación Cochrane-Orcutt, obtenemos un valor superior al grado de significancia lo que nos refiere a ausencia de correlación. Al realizar la prueba Ramsey al nuevo modelo obtenemos el p-valué superior a 0.05 y podemos determinar que el modelo está bien especificado. Por lo anterior podemos sugerir el modelo corregido por Cochrane-Orcutt para reconocer los efectos relacionados al aumento en generación de bioenergía en el mundo en función de las variables económicas y financieras analizadas.
Ln BIO it = 15.03 - 0.94 Ln PIB it + 0.71 Ln FM it - 2.74 Ln FI it - 2.29 Ln RD it + 0.44 Ln OTR it
Para el caso del modelo obtenido por MCO referente a la energía geotérmica, se obtuvo un p-valué de 0.068 lo que promueve al modelo como un estimador adecuado ya que el grado de significancia es superior al 5 %, al aplicar pruebas de autocorrelación también el valor DW cae en zona de indecisión y no es posible determinar la correlación de primer orden, a diferencia de la prueba de orden superior que nos arroja un p-valué superior al 5 % y determina que no existe autocorrelación de orden superior para el modelo obtenido por MCO para geotermia en el mundo. Al efectuar la corrección al modelo, el nuevo p-valué se encuentra por encima de la zona de significancia y podemos determinar que el modelo corregido no tiene auto correlación, sin embargo; al efectuar la prueba “RESET” al nuevo modelo (R-CO) obtenemos un p- valué de 0.11 inferior al 0.68 que obtuvimos con la regresión calculada por MCO (R-MCO), por lo cual se sugiere utilizar este modelo para evaluar el desempeño y los factores que impulsan a la energía geotérmica en el ámbito económico y financiero.
Ln GEO it = 11.765 + 0.252 Ln PIB it - 2.189 Ln FM it - 3.564 Ln FI it - 0.186 Ln RD it +0.340 Ln OTR it
Por último, se evalúa el modelo para la energía marina, la cual nos arroja un p-valué del 0.003 menor valor al 0.05 buscado para determinar que el modelo esté bien especificado, al efectuar la prueba DW, el valor nos indica que también se encuentra en zona de indeterminación y no podemos garantizar la autocorrelación de primer orden, al efectuar la segunda prueba para autocorrelaciones superiores se reconoce un valor superior al grado de significancia lo que nos permite aceptar la hipótesis nula y determinar que existe auto correlación el los residuos de los errores. Se corrige el modelo y se determina un nuevo valor de p- valué de 0.25 que indica que aún existe auto correlación en el modelo; sin embargo, se efectúa nuevamente la prueba Ramsey para los nuevos coeficientes y obtenemos el nuevo p- valué de 0.012 (R-CO) superior 0.003 obtenido por MCO (R-MCO), lo que nos permite sugerir al modelo corregido por Cochrane-Orcutt como el estimador más eficiente para la generación de energía por fuentes marinas en el mundo.
Ln MAR it = 0.053 - 2.35 Ln PIB it + 1.49 Ln FM it - 9.99 Ln FI it + 22.36 Ln RD it - 5.013 Ln OTR it
5.2 Estadísticas del modelo Obtenido por MCO en AL
Para AL se llevó a cabo el mismo análisis realizado a los países del mundo, en el apéndice (L.1, L.2), se observan los resultados de calcular los coeficientes por MCO para cada tecnología renovable, se observan variables significativas para cada uno de los modelos. El valor de p-valué calculado a partir de MCO para AL en hidroenergía, energía eólica y solar es superior a 0.05 por lo tanto se considera que los modelos están bien especificados, a diferencia de la generación por bioenergía y geotermia que reflejan un valor inferior a 5%. Tabla 24.
Variable | PIB | MFIN | IFIN | ID | OTR | B (0) | Reset | p-value |
---|---|---|---|---|---|---|---|---|
HYD | -0.066 | 0.009 | -0.120 | -0.029 | -0.024 | 3.616 | 0.315 | 0.736 |
WIN | 1.394 | -1.500 | 9.813 | -1.497 | -0.827 | -10.790 | 3.248 | 0.075 |
SOL | 5.521 | -6.330 | 1.591 | -0.255 | -2.375 | -2.738 | 2.873 | 0.096 |
BIO | -5.374 | -3.767 | 16.758 | 0.145 | 6.529 | -22.687 | 6.620 | 0.012 |
GEO | -0.951 | 4.112 | 3.902 | -0.636 | 0.747 | -7.157 | 32.708 | 0.000 |
MAR | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 |
Fuente: Elaboración propia
A continuación, se muestran las ecuaciones obtenidas a partir de los coeficientes calculados, para el caso de energía marina no se cuenta con datos para AL.
De igual manera se calcularon también los coeficientes de las variables explicativas, para AL por MCO, en este caso, la energía hidroeléctrica, eólica y solar tienen un p- valué superior al nivel de significancia establecido lo que sugiere un modelo adecuado, sin embargo, se requiere aplicar nuevamente las pruebas de autocorrelación para asegurarlo
5.2.1 Estadísticas Durbin-Watson y Breusch-Godfrey en AL
En este caso se observa en la Tabla 25 que todos los valores de DW de las tecnologías renovables en AL se encuentran en la zona de indecisión entre dl=0.792 y du= 1.91, apéndice N.1 por lo tanto no es posible determinar autocorrelación de primer orden
Variable | Durbin -Watson (DW) | p-value | Breusch-Godfrey (LM) | p-value |
---|---|---|---|---|
HYD | 1.567 | 0.020 | 0.022 | 0.882 |
WIN | 1.529 | 0.016 | 0.558 | 0.455 |
SOL | 1.634 | 0.030 | 0.246 | 0.620 |
BIO | 1.425 | 0.008 | 1.060 | 0.303 |
GEO | 1.411 | 0.008 | 1.594 | 0.207 |
MAR | 0.000 | 0.000 | 0.000 | 0.000 |
Fuente: Elaboración propia
En la Tabla 25 se pude observar el valor de p-valué para la prueba Breusch-Godfrey es superior a la significancia establecida, por lo tanto no existe autocorrelación de orden superior en ninguna de las tecnologías estudiadas, los valores de p-valué están por arriba del nivel de significancia establecido y garantiza homocedasticidad, normalidad y ausencia de autocorrelación de orden superior en los coeficientes de las variables explicativas, excepto para la generación de energía marina de la cual no existen datos en esta región. apéndice (M.1-M.6).
5.2.2 Estadísticas del modelo Corregido por Cochrane-Orcutt en AL
Se presentan los coeficientes calculados a partir de Cochrane-Orcutt Tabla 26 para las variables explicativas en donde es posible determinar los modelos que brinden mayor certidumbre en sus estimaciones, a partir del valor de p-valué de los modelos corregidos superior a 0.05. En AL cinco tecnologías de GER superaron el valor de significancia excepto para hidroenergía.
Variable | PIB | MFIN | IFIN | ID | OTR | B (0) | Cochrane - Orcutt | p-value | No de interacciones | Rho |
---|---|---|---|---|---|---|---|---|---|---|
HYD | -0.001 | 0.033 | -0.299 | -0.043 | -0.088 | 3.882 | 1.511 | 0.012 | 15.000 | -0.078 |
WIN | 2.560 | -1.466 | 6.521 | -1.821 | -2.193 | -4.605 | 2.149 | 0.258 | 12.000 | 0.149 |
SOL | 7.816 | -6.200 | -5.309 | -0.693 | -5.099 | 9.921 | 2.048 | 0.191 | 20.000 | 0.170 |
BIO | -2.358 | -3.189 | 7.778 | -1.083 | 2.935 | -5.694 | 2.924 | 0.963 | 33.000 | 0.625 |
GEO | -1.478 | 3.927 | 5.286 | -0.395 | 1.341 | -9.663 | 2.053 | 0.226 | 14.000 | 0.325 |
MAR | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | - | - | - | 0.000 | 0.000 |
Fuente: Elaboración propia
Una vez calculados los coeficientes de los modelos corregidos a partir de Cochrane-Orcutt se muestran a continuación las ecuaciones relacionadas.
Al realizar la prueba “Ramsey” Tabla 27 a los modelos corregidos en AL, se determina que los valores para hidroenergía, solar y eólica son superiores al 5% y los estimadores planteados si están bien especificados, y cumplen con los supuestos de Gauss-Markov.
Variable | Prueba Reset | p-value |
---|---|---|
HYD | 0.057 | 0.945 |
WIN | 1.549 | 0.255 |
SOL | 0.522 | 0.608 |
BIO | 20.536 | 0.000 |
GEO | 25.214 | 0.000 |
MAR | 0.000 | 0.000 |
Fuente: Elaboración propia
En la Tabla 28 se muestra el resumen de las pruebas de hipótesis aplicadas a cada una de las tecnologías renovables alrededor del mundo en función de su mayor desempeño como generadores dentro de la matriz energética mundial.
Variable | Ramsey (R-MCO) | Durbin -Watson (DW) | Breusch-Godfrey (LM) | Cochrane-Orcutt (CO) | Ramsey (R- CO) |
---|---|---|---|---|---|
HYD | 0.7357 | Indecisión | No autocorrelación | (AR) 0.01215 | 0.94510 |
WIN | 0.0746 | Indecisión | No autocorrelación | (NC) 0.2575 | 0.25540 |
SOL | 0.0956 | Indecisión | No autocorrelación | (NC) 0.1913 | 0.60760 |
BIO | 0.0116 | Indecisión | No autocorrelación | (NC) 0.9625 | 0.00019 |
GEO | 0.00001 | Indecisión | No autocorrelación | (NC) 0.2259 | 0.00008 |
Fuente: Elaboración propia
De acuerdo con los resultados obtenidos por MCO y por Cochrane -Orcutt se proponen los mejores los estimadores para cada tecnología. Para hidroenergía en AL el estimador calculado por MCO está bien especificado ya que reporta un p-valué de 0.73 en la prueba de Ramsey superior al nivel de significancia planteado, el valor calculado de DW no define su autocorrelación de primer orden y la prueba Breusch-Godfield expone que no existe correlación serial de segundo orden en el modelo calculado por MCO con un p- valué 0.88.
En el modelo corregido por Cochrane-Orcutt el p-valué para hidroenergía en AL, es 0.12 menor al grado de significancia, por lo que se descarta el estimador calculado ya que muestra autocorrelación serial. Por tanto, el estimador propuesto para AL es el calculado por MCO.
Ln HYD it = 3.61 - 066 Ln PIB it + 0.01 Ln FM it - 0.29 Ln FI it - 0.029 Ln RD it - 0.024 Ln OTR it
Por su parte para la energía eólica en AL, el p-valué obtenido en la prueba de Ramsey es superior al 5% lo que plantea una adecuada especificación del estimador obtenido por MCO, se observa que no es posible determinar autocorrelación de primer orden en el modelo planteado ya que el valor de DW se encuentra en la zona de indeterminación, se descarta autocorrelación de segundo orden de acuerdo con el p-valué obtenido de la prueba Breusch-Godfrey de 0.45 superior al valor de 0.05%.
Sin embargo, el modelo corregido para la energía eólica de acuerdo con Cochrane-Orcutt en AL no mostro autocorrelación al tener un p-valué de 0.25 superior a 5% y al aplicar la prueba de Ramsey al nuevo modelo arroja un p-valué de 0.25 superior al p-valué de 0.07 obtenido en la prueba de Ramsey del modelo calculado por MCO, lo que determina que el modelo está bien especificado y no autocorrelacionadas y se propone el modelo corregido para la energía eólica en AL.
Ln WIN it = - 4.60 - 2.5 Ln PIB it - 1.4 Ln FM it + 6.5 Ln FI it - 1.82 Ln RD it - 2.193 Ln OTR it
En el modelo estimado por MCO para energía solar en AL, se obtuvo un p-valué en la prueba Ramsey de 0.096 superior a 5 %, y es posible considerar al modelo bien especificado. Con el valor DW no es posible determinar si existe autocorrelación de primer orden ya que el valor calculado para la energía solar está dentro de la zona de indeterminación. Al efectuar las pruebas autocorrelación de segundo orden se obtiene un p-valué de 0.24 superior a la significancia antes mencionada y se determina la ausencia de auto correlación.
La corrección del modelo no muestra auto correlación serial con un p- valué de 0.19 más alto que la significancia, además al efectuar la prueba de Ramsey al modelo corregido el p-valué es 0.6 superior al p-valué de 0.095 calculado por MCO para la energía solar. En este sentido, se propone el estimado obtenido por Cochrane-Orcutt para la energía fotovoltaica en AL
Ln SOL it = 9.92 + 7.81 Ln PIB it - 6.20 Ln FM it - 5.30 Ln FI it + 0.69 Ln RD it - 5.09 Ln OTR it
La cuarta energía analizada en AL corresponde a la bioenergía, la cual muestra en la regresión calculada por MCO un p- valué en la prueba de Ramsey de 0.012, inferior al 5 % de significancia, lo que determina que el modelo está mal especificado y las variables seleccionadas no explican adecuadamente el comportamiento de la bioenergía en AL, no es posible comprobar autocorrelación de primer orden debido al valor de DW de 1.42 que se encuentra en zona de indeterminación. Al efectuar la prueba de segundo orden se obtiene un valor de 0.3 superior a 5 %.
Al efectuar la corrección, Cochrane-Orcutt, determinamos la ausencia de autocorrelación en el modelo con un p-valué 0.96 superior al 0.05 necesario para garantizar la ausencia de correlación en el modelo, sin embargo, al efectuar la prueba de Ramsey al modelo se obtiene un p-valué cercano a cero, inferior al 5 % requerido para determinar que este bien especificado. Por lo tanto, el modelo corregido no contendría a las variables explicativas adecuadas para la bioenergía en AL. Se plantea el modelo obtenido por MCO como el más adecuado para la reconocer el comportamiento del desarrollo de capacidades en bioenergía en AL ya que p-valué de la prueba de Ramsey aplicado al modelo obtenido por MCO de 0.012 es superior al p-valué de 0.00019 de la prueba de Ramsey obtenido por el modelo corregido de Cochrane-Orcutt para bioenergía en AL.
Ln BIO it = -22.68 - 5.37 Ln PIB it - 3.76 Ln FM it + 16.75 Ln FI it + 0.14 Ln RD it + 6.52 Ln OTR it
Por último, analizamos el modelo calculado por MCO para la energía geotérmica en AL y se observa para la prueba Ramsey un p- valué de 0.000014 muy cercano a cero y muy por debajo de la zona de significancia establecida, por lo cual no es posible considerar el modelo obtenido por MCO como el más adecuado ya que no está bien especificado. No es posible establecer la auto correlación de primer orden para la energía geotérmica y queda descartada la autocorrelación de segundo orden en dicha tecnología para AL. En el modelo corregido al aplicar la prueba de Ramsey también se obtiene un valor muy pequeño para el p- valué igual a 0. 00008 lo que nos permitiría concluir que el modelo tampoco está bien especificado, y además considera que tampoco existe autocorrelación en el modelo corregido obtenido ya que el p-valué del modelo obtenido por Cochrane-Orcutt es 0.22. En virtud de obtener resultados menos alejados de la realidad se propone utilizar el modelo corregido para la energía geotérmica ya que el p-valué en la prueba Ramsey es mayor que el p-valué de la prueba de “Ramsey” calculado por MCO.
Ln GEO it = -9.663 - 1.47 Ln PIB it + 3.92 Ln FM it - 5.28 Ln FI it - 0.39 Ln RD it + 1.34 Ln OTR it
Una vez determinados los estimadores más adecuados para cada una de las seis tecnologías de GER, en AL y en mundo se muestra a continuación en la Tabla 29 y Tabla 30 los coeficientes correspondientes a las variables explicativas más adecuados de acuerdo con los contrastes de hipótesis, las pruebas de especificación y de correlación serial aplicadas.
MUNDO | PIB | MFIN | IFIN | ID | OTR | B (0) |
---|---|---|---|---|---|---|
HYD | -0.182 | 0.042 | -0.700 | 0.568 | 0.441 | 1.915 |
WIN | -3.094 | 2.715 | -0.288 | -1.366 | 1.712 | 8.742 |
SOL | -8.328 | 7.858 | -29.128 | 15.086 | 5.373 | 23.948 |
BIO | -0.948 | 0.717 | -2.745 | -2.295 | 0.444 | 15.033 |
GEO | 0.252 | -2.189 | -3.564 | -0.186 | 0.340 | 11.765 |
MAR | -2.351 | 1.496 | -9.999 | 22.362 | -5.013 | 0.053 |
Fuente: Elaboración propia
LATAM | PIB | MFIN | IFIN | ID | OTR | B (0) |
---|---|---|---|---|---|---|
HYD | -0.066 | 0.009 | -0.120 | -0.029 | -0.024 | 3.616 |
WIN | 2.560 | -1.466 | 6.521 | -1.821 | -2.193 | -4.605 |
SOL | 7.816 | -6.200 | -5.309 | -0.693 | -5.099 | 9.921 |
BIO | -5.374 | -3.767 | 16.758 | 0.145 | 6.529 | -22.687 |
GEO | -1.478 | 3.927 | 5.286 | -0.395 | 1.341 | -9.663 |
MAR | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 |
Fuente: Elaboración propia
6. Discusión
Las consideraciones finales de este estudio, surgen de la discusión de los resultados, al reconocer el impacto en la GER de acuerdo al valor calculado de los coeficientes correspondiente a las variables explicativas de cada modelo propuesto, y distinguir el comportamiento de las tecnologías de GER en AL, contrastarlos con los datos obtenidos de los coeficientes de las variables independientes, financieras, económicas y de I + D que explican el comportamiento de la GER en los principales países en el mundo.
En primer lugar, se observa que para la energía hidroeléctrica el aumento en porcentaje del PIB per cápita en AL y en mundo no reflejan un efecto positivo en el aumento en generación de hidroenergía.
Se observa también con relación a las variables financieras, que el comportamiento de los mercados financieros tiene el mismo efecto positivo en ambas regiones en AL y en el mundo, sin embargo, es posible reconocer un mayor impacto en generación de hidroenergía a partir del desarrollo de mercados financieros en los principales países generadores de hidroenergía en el mundo que en AL, de acuerdo con la magnitud del coeficiente calculado en dicha variable.
En el caso del desarrollo de las instituciones financieras en AL y en el mundo también se comportan de manera negativa en ambas regiones para hidroenergía, lo que supone que el fortalecimiento de las normas y regulaciones referentes a las instituciones financieras no promueve la generación de energía renovable en el periodo analizado.
En contraste, el coeficiente calculado para la variable que relaciona la inversión en I+D en AL tiene un efecto negativo en el aumento de generación hidroenergética en AL, a diferencia de lo que ocurre en los principales países generadores del mundo que reflejan un efecto positivo en el aumento de generación de energía hidroeléctrica a partir del aumento en inversión I+D y se reconoce un mayor impacto variable en la variable dependiente que con la variación de las demás variables explicativas para hidroenergía en el mundo.
En términos de la apertura comercial, se reconoce un dinamismo para los principales países generadores de hidroenergía en el mundo siendo la segunda variable que contribuye positivamente en el desarrollo de capacidades energéticas en el mundo a diferencia de la región de AL, que muestra un efecto negativo en el aumento de la apertura comercial y no contribuye en el aumento de hidroenergía en dicha región.
Por otro lado, la segunda tecnología analizada es la energía eólica, la cual, si muestra un efecto positivo en el aumento del PIB per cápita en AL, así como el desarrollo de las instituciones financieras, que promueven principalmente el aumento de generación de energía eólica en AL.
En contraste con el comportamiento de la energía eólica en el mundo el desarrollo de los mercados financieros y la apertura comercial ha contribuido en mejor medida el desarrollo de capacidades en generación de energía por medio del viento. Para ambas regiones, el crecimiento en inversión en I+D afecta negativamente el aumento en generación de energía eólica
La energía solar fotovoltaica es la tercera tecnología estudiada y los resultados muestran un contraste más significativo en AL y en el mundo con relación al PIB per cápita en cada región, ya que en AL el aumento en el % de PIB provoca un impacto positivo más significativo que cualquier otra variable del modelo para la energía solar en AL, de manera distinta en el mundo el aumento en PIB per cápita reduce la generación de energía solar en los principales países generadores.
También el desarrollo de mercados financieros tiene un comportamiento distinto en ambos regiones, para el caso de AL el aumento en los índices del desarrollo de los mercados financieros provoca una disminución en la generación de energía solar fotovoltaica, y en el caso del comportamiento en generación de energía fotovoltaica en el mundo el aumento en el desarrollo de mercados financieros, tendrá efectos positivos en la generación de energía por dicha tecnología siendo Mfin la segunda variable que influye positivamente a la energía solar apoyada de la variable que involucra la inversión en I+ D que tiene mayor presencia positiva en los coeficientes del modelo y promueve la participación de generación eléctrica por medio del sol en el mundo.
En el caso de AL la inversión en I +D afecta negativamente la generación energética solar. La apertura comercial no traerá fomento al aumento de generación de energía solar en AL a diferencia de los resultados positivos que traería un aumento en la apertura comercial en el mundo. Es importante resaltar que la variable que más afecta negativamente al aumento de generación de energía solar en el mundo es el desarrollo de instituciones financieras. Bioenergía es la tecnología que se analiza en cuarto lugar y es posible distinguir para AL las variables que afectan positivamente el aumento en generación con dicha tecnología, en este caso el desarrollo de instituciones financieras impacta en mayor medida la participación de esta tecnología como alternativa de abastecimiento energético, así como el aumento en la inversión en I+ D y la apertura comercial, traerá beneficios a AL para la participación de biogenéticos.
Para el caso de los principales países en el mundo en generación eléctrica por medio de bioenergía, su participación aumenta con el fomento de los mercados financieros y la apertura comercial, y se ve afectada principalmente por la inversión en I+ D, es decir; un aumento en la inversión en I+ D no traerá resultados directos positivos en el aumento de generación de bioenergía en el mundo. La quinta tecnología disponible para generar energía por fuentes renovables es la geotermia, para la cual se observa un comportamiento negativo en el aumento de generación de energía con este recurso cuando aumenta la inversión en I+ D en ambas regiones. En el mundo la geotermia se ve beneficiada con el aumento en el PIB per cápita y la apertura comerciaren el caso de AL, el aumento en la apertura comercial y el desarrollo de los mercados e instituciones financieras, sugieren un aumento en la generación y participación de dicha tecnología. La sexta y última tecnología se refiere a la energía obtenida a partir del océano, en AL aun no representa aportes significativos dentro de la matriz energética, en esta región, por lo cual es necesario reconocer los factores que han impulsado las dichas tecnologías en los países con mayores capacidades tecnológicas en este sector, a fin de reconocer oportunidades y promover nuevas líneas de investigación y ofrezcan perspectivas positivas para la región de Latinoamérica. De acuerdo con los resultados obtenidos para las variables explicativas que determinan el comportamiento de la generación de energía marina en los principales países del mundo, es importante destacar los efectos positivos que se han reflejan con el aumento de la inversión en I+D para las regiones con mayores avances en generación energética por medio de este recurso, siendo así la principal variable que promueve la generación de energía a través del mar, en el mundo. La variable que afecta negativamente en mayor medida la generación de energía por esta fuente es el desarrollo de instituciones financieras el aumento en los índices de instituciones financieras no refleja un aumento en la participación en la matriz energética mundial por medio de recursos del océano.
7. Conclusiones, recomendaciones y consideraciones finales
El valor que ofrecen los resultados de esta investigación, radican en una metodología original, que brinda, un aporte al campo de conocimiento energético, distingue el comportamiento de la generación de energía renovable (ER) en regiones que anteriormente no se habían estudiado y brinda un panorama a la región de AL, comparada con los principales países generadores de ER en el mundo, en un periodo de análisis no estudiado anteriormente, se logra reconocer con mayor desagregación el comportamiento de las seis tecnologías de ER en términos económicos financieros y de investigación.
El análisis cumple con la hipótesis principal de reconocer los efectos determinantes en el crecimiento energético renovable en América latina y en el mundo, los resultados permiten recomendar a los actores políticos de ambas regiones, destinar mayor inversión en el desarrollo de capacidades tecnológicas, crear nuevas y mejores estrategias de aplicación de los recursos económicos destinados a la generación de innovaciones energéticas renovables, principalmente en las áreas que permitan distinguir el potencial energético, además de identificar las brechas tecnológicas para desarrollo de conocimientos, en virtud de ampliar el inventario de regiones factibles, lo que requiere promover los vínculos entre centros de investigación, universidades, empresarios y el estado, a fin de fortalecer el desarrollo tecnológico enfocado en la toma de decisiones que integre la tecnología con el ambiente en un crecimiento energético sostenible.
Se pudo comprobar la relación entre las variables económicas y financieras en el crecimiento de las energías renovables, dentro de ellas, la apertura comercial juega un papel fundamental para los principales países generadores, causando un impacto positivo en todas ellas excepto en la energía marina, la cual, no muestra resultados favorables con el fortalecimiento del comercio, debido a su débil participación en la matriz energética, además de la falta de investigación y desarrollo tecnológico en este sector, sin embargo; los resultados permiten reconocer, mayor magnitud en el crecimiento de la energía marina en el mundo, con el aumento de la inversión en I + D, y se destaca como el factor con el mayor efecto positivo en el crecimiento de la energía marina en el mundo. En los resultados se reconoce el impacto positivo en el crecimiento de las energías renovables con una mayor apertura comercial, lo que implica una integración económica, promueve la maduración de los sistemas de generación de energía renovable, beneficia a empresarios, las naciones, por ello es preciso recomendar la consolidación de nuevos mercados y establecer nuevos vínculos entre academia, industria y estado
Se observa en los datos obtenidos la importancia de la creación y aplicación de un marco legal que garantice a partir de las instituciones financieras la evolución comercial en las regiones. Los resultados expuestos distinguen mayor impacto en el crecimiento de las energías renovables, por medio del fortalecimiento de las instituciones financieras en AL; a diferencia de los países con mayor generación de energía renovable en el mundo, que muestran mayor crecimiento con el desarrollo de los mercados financieros y la apertura comercial. Los resultados permiten reconocer que se requiere mayor apoyo internacional, que fortalezca el crecimiento tecnológico de AL, que permita aumentar su participación en la matriz energética a un ritmo acelerado y desarrollar ventajas competitivas amigables con el ambiente.