Análisis del gasto residencial en bienes energéticos en...

1

Análisis del gasto residencial en bienes energéticos

en España

VIII Congreso de la Asociación Española para la Economía Energética

Universidad de Valencia

Valencia, 17 y 18 de enero de 2013

Pablo Gálvez*

Department of Applied Economics III (Econometrics and Statistics)

Universidad del País Vasco (UPV/EHU)

Avda. Lehendakari Aguirre, 83

E48015 Bilbao, España

e-mail: [email protected]

Petr Mariel


University of the Basque Country (UPV/EHU)




tel: +34.94.601.3848

David Hoyos


University of the Basque Country (UPV/EHU)




* Estudiante de Doctorado en Economía de la Universidad del País Vasco (UPV/EHU).

2

Resumen

Mediante un modelo QUAIDS se estiman, para los hogares españoles en 2009, las elasticidades

propias e ingreso de la electricidad, gas natural, gas lpg, alimento, carburante, servicios de

transporte y ropa. Debido a la gran cantidad de bienes no consumidos el modelo fue

complementado siguiendo a Shonkwiler y Yen (1999). Contrario a lo que la literatura sobre la

demanda residencial de energía indica, las elasticidades fueron cercanas a la unidad

concluyendo que, al igual que Hass y Schipper (1998), los hogares tienden a reaccionar con

más fuerza ante las variaciones de los precios de mercado cuando éstos son elevados.

Palabras clave: Demanda residencial de energía, modelo QUAIDS, tratamiento de ceros,

elasticidades propias e ingreso.

JEL: Q41.

3

1. Introducción

El presente trabajo tiene por finalidad estimar las elasticidades precio de la demanda,

compensadas y no compensadas, junto con las elasticidades ingreso sobre un conjunto de

bienes energéticos consumidos por los hogares españoles durante el año 2009. La motivación

proviene, principalmente, en poder medir la sensibilidad que tienen los hogares españoles

respecto de su consumo energético cuando están envueltos en una crisis económica.

Para ello se utilizó un modelo basado en ecuaciones simultáneas de gasto. A la fecha, el único

trabajo aplicado a la realidad española que utiliza el mismo enfoque se encuentra en

Labandeira et. al (2006). Sin embargo, no solo interesa actualizar los resultados sino también

implementar una metodología que aborde el tratamiento de bienes con una gran cantidad de

ceros en el consumo. Lo anterior adquiere relevancia si para los datos del 2009 el 60% de los

hogares no consume gas natural, el 85% no consume gas lpg, el 15% no hace uso de los

servicios de transporte y cerca del 30% no consume carburante.

En las secciones siguientes se expone una breve revisión de literatura y clasificación de los

estudios para la demanda residencial de energía. Luego se explican los fundamentos básicos

del modelo econométrico aplicado a los datos de los hogares españoles. Se indican además las

metodologías para tratar el problema de la endogeneidad y los bienes gran cantidad de ceros

en el consumo. Se señalan las fórmulas para computar las elasticidades propias e ingreso de la

demanda.

Las siguientes partes del documento consisten en señalar las fuentes de información, las

variables utilizadas por el modelo y los principales resultados de la estimación. Finalmente, se

mencionan las conclusiones más relevantes e indican algunas líneas de investigación futura

para complementar este trabajo de investigación.

4

2. Revisión de la literatura

Desde el pionero trabajo de Hounthakker (1951) a la fecha, existe una gran cantidad de

publicaciones que han analizado la demanda residencial de bienes energéticos. En particular,

Madlener (1996) expone una de las primeras clasificaciones formales. No obstante, a fin de

comprender de mejor forma el ámbito de acción de las investigaciones, los estudios de

demanda residencial de energía se han agrupado dentro de dos grupos según el tipo de

información utilizada. El primero se caracteriza por emplear datos económicos agregados,

mientras que el segundo utiliza datos microeconómicos (a nivel de hogar).

Modelos que usan datos agregados

Los modelos de este tipo, utilizan datos que afectan a toda la economía y no se preocupan de

la heterogeneidad de los hogares. Entre los bienes energéticos más estudiados se encuentra la

electricidad, gas, petróleo, etc. Algunas de las variables explicativas más utilizadas son los

precios de bienes energéticos, el ingreso real y los factores climáticos.

Como medida del ingreso real, estos modelos, utilizan el producto interior bruto de un país o

región, mientras que para medir el clima suelen emplear los “heating degree days” (HDD) y/o

los “cooling degree days” (CDD) que indican la cantidad de días cuya temperatura supera o es

más baja que la media en una región.

La estructura de los datos suelen ser de series temporales. En consecuencia, se aplican

frecuentemente test de raíces unitarias, cointegración, análisis de causalidad de Granger,

funciones de impulso-respuesta y modelos de corrección del error (VECM). Con todo, los

investigadores determinan las elasticidades precio de la demanda de energía, propia y cruzada,

sobre el consumo de energía residencial a corto y a largo plazo. También identifican si

determinadas variables explicativas son exógenas respecto del consumo de energía

residencial. Algunos resultados se indican en la Tabla 1.

5

En Zachariadis y Pashourtidou (2007) los precios de la electricidad no causan el consumo

eléctrico residencial, sin embargo existe una relación bidireccional entre el ingreso privado y el

consumo de energía residencial.

En Hass y Schipper (1998) se compara un modelo dinámico para la demanda de energía

residencial con otro que incorpora la mejora en la eficiencia como una nueva variable

explicatoria adicional. Por otro lado, Lee y Chiu (2011) mediante un panel smooth transition

model (PSTR) con variable instrumental obtienen elasticidades dinámicas para la energía

eléctrica residencial.

Modelos que utilizan datos desagregados

Además del precio de los combustibles y el clima, estos modelos incorporan información

específica de cada hogar. Algunas de las nuevas variables explicativas son el ingreso familiar,

número y edad de los miembros del hogar, cantidad de habitaciones y superficie de la

vivienda, lugar o región del país, si la casa es habitada por sus dueños o arrendatarios, el

estado de la construcción, el tipo de vivienda, el tipo de calefacción utilizada, etc.

Dentro de este grupo, es posible identificar tres tipos de enfoques para la estimación de la

demanda de energía residencial, que son:

• Los modelos de una ecuación.

• El modelo discreto/continuo.

• El modelo de sistema de demanda.

Los modelos de una ecuación.

Bajo este enfoque, la demanda de energía residencial es representada mediante un modelo

estático o dinámico, siendo éstos últimos más flexibles dado que permiten obtener las

respuestas de los hogares a corto y largo plazo. Algunos resultados se exponen en la Tabla 2.

6

Kamerschen y Porter (2004) estiman la demanda de electricidad en el sector residencial,

industrial y total para la electricidad mediante el uso de dos modelos: uno de ajuste parcial y

otro de ecuaciones simultáneas. Concluyen que el modelo de ajuste parcial puede

proporcionar estimaciones inadecuadas de elasticidad precio de la demanda, no así con el

modelo de ecuaciones simultáneas.

Los trabajos de Rehdanz (2006) y Meier y Rehdanz (2010) destacan por estimar la demanda

residencial de calefacción y agua caliente y por la atención sobre la propiedad de la vivienda

como variable explicativa. A partir de sus trabajos, desarrollados en Alemania y Gran Bretaña,

se concluye que las variables demográficas no tienen, en todos los lugares, el mismo impacto

en el consumo residencial de energía.

En Filippini y Pachauri (2004) el tamaño del hogar y la edad del líder afectan negativamente el

consumo de electricidad. Mientras que la superficie del hogar, la región y el tamaño de la

ciudad tienen incrementan el consumo residencial de electricidad.

El modelo discreto/continuo.

En un modelo discreto/continuo se estima como primer paso un modelo de elección discreta

para determinar la probabilidad de que un hogar tenga, por ejemplo, un tipo de tecnología de

calefacción o agua caliente. Las variables explicativas son aquellas que afectan la decisión de

compra. Como segundo paso, se estima un modelo continuo para estimar el nivel de uso que

tendrá el objeto seleccionado, es decir, su demanda. Las variables explicativas son aquellas

que afectan el nivel de consumo del bien seleccionado. Algunos resultados se exponen en la

Tabla 3.

Dubin y McFadden (1984) fueron pioneros en el desarrollo del modelo discreto/continuo. En

su trabajo estimaron la demanda residencial para la electricidad y gas. En primer lugar,

utilizando un modelo no lineal logit multinomial, estimaron la probabilidad de que un hogar

posea un portafolio de aparatos que consuma electricidad o gas. Luego, estimaron una función

7

de demanda para la electricidad y gas condicionada a la elección del portafolio. Además,

demuestran que los elementos no observados que afectan la elección de un portafolio afectan

el nivel de uso estimado. Por lo tanto, se debe aplicar un método de estimación que sea

consistente con esta situación, de lo contrario los parámetros estimados serán sesgados.

Otro trabajo destacado en el campo de los modelos discreto/continuo fue realizado por

Hanemann (1984). En su artículo, presenta un marco de trabajo para estimar la demanda de

más de dos bienes excluyentes en el consumo. Hanemann (1984) refuerza la idea que las

decisiones de compra y el uso de los bienes no pueden considerarse por separado. Considera

que, dependiendo de cómo las percepciones sobre la calidad de un producto son

representadas, se pueden obtener diversas funciones de demanda continua a partir de

diferentes funciones de utilidad indirecta aleatoria.

Vaage (2000) utiliza un modelo discreto/continuo para estimar la demanda de calefacción

condicionada a la selección de la fuente de energía seleccionada en los hogares noruegos.

Dado que las decisiones de compra y uso están relacionadas, a partir de un modelo de elección

discreta se crea un término de selección que es incorporado como variable explicativa

adicional en el modelo de demanda de energía. El modelo de elección discreta es estimado

usando el método de máxima verosimilitud mientras que la demanda continua es estimada

por mínimos cuadrados ordinarios.

El uso del término de selección también ha sido utilizado por Liao y Chang (2002) y Carraro y

Braun (2011). Los primeros investigan la demanda de energía residencial para calefacción y el

calentamiento de agua en personas mayores de US. Los segundos estiman la demanda de

calefacción en Italia y Alemania.

El modelo de sistema de demanda.

A diferencia de los enfoques anteriores, estos modelos intentan explicar el comportamiento de

los individuos hacia un conjunto de bienes en forma simultánea. Dentro de esta familia, se

8

destaca el modelo Almost Ideal Demand System (AIDS) formulado por Deaton y Muellbauer

(1980) el cual explica la proporción de gasto realizado en cada bien como una función de

variables sociodemográficas, precios y gasto total. Este modelo no impone restricción sobre la

exclusividad en el consumo de un bien. Algunos resultados se indican en la Tabla 4.

Posteriormente Banks et al. (1997) amplia el modelo AIDS incorporando un término cuadrático

del gasto total, dando origen a lo que se conoce como Quadratic Almost Ideal System Demand

(QUAIDS). En la siguiente sección explica con más detalle el marco teórico de estos modelos.

Nicol (2003) mediante una adaptación de un modelo QUAIDS, obtiene que la elasticidad precio

e ingreso de la demanda para la gasolina en el sector residencial en los EE.UU. y Canadá. Los

productos analizados en el sistema de demanda fueron alimentos, bebidas alcohólicas, ropa,

gasolina, automóviles y otras operaciones de transporte público. Junto con las características

de la vivienda, las variables explicativas incluyen la situación del empleo de los hombres y las

mujeres en el hogar, la edad del jefe de hogar, el consumo de productos de tabaco, el estatus

migratorio y la propiedad del vehículo.

Labandeira et al. (2006) aplican el modelo QUAIDS para explicar la proporción de gasto

residencial de los hogares españoles en electricidad, gas natural, gas lpg, combustibles de

automóvil, alimentos, transporte público y otros. Las variables demográficas utilizadas fueron

el número de miembros del hogar por edad, propiedad de la vivienda, nivel de estudios y

situación laboral del sustentador principal y la ubicación geográfica de la vivienda. Los datos

empleados por autores son de panel y cubren un periodo desde 1985 hasta 1995.

Gundimeda y Köhlin (2008) estiman elasticidades precio, propias, cruzadas e ingreso de la

demanda utilizando el modelo AIDS. Los bienes energéticos analizados fueron el kerosene,

electricidad y gas lpg. Entre los aspectos más destacables está el tratamiento dado a la

infrecuencia en el consumo de los bienes energéticos presentes en los hogares urbanos y

rurales de la India. Su enfoque metodológico se aproxima al desarrollado por Heien and

Wessells (1990).

9

Tabla 1: Elasticidades precio e ingreso en los modelos de datos agregados.

Autor (año) Variable explicada Elasticidad precio Elasticidad ingreso

Hass y Schipper (1998) Consumo de Energía

Sin eficiencia energética: Sin eficiencia energética:

Corto plazo: -0,220 a -0,090 Corto plazo: -0,120 a 0,700

Largo plazo: -0,270 a 0,000 Largo plazo: 0,000 a 1,110

Con eficiencia energética Con eficiencia energética:

Corto plazo: -0,050 a -0,200 Corto plazo: 0,260 a 1,000 (media: 0,590)

Largo plazo: 0,000 a -0,200 Largo plazo: 0,260 a 1,00 0 (media: 0,630)

Hondroyannis (2004) Consumo de electricidad Corto plazo: no sig. Corto plazo: 0.200

Largo plazo: -0,410 Largo plazo: 1,560

Zachariadis y Pashourtidou (2007) Consumo de electricidad Corto plazo: no sig. Corto plazo: no sig.

Largo plazo: -0,427 Largo plazo: 1.175

Athukorala y Wilson (2010) Consumo de electricidad Corto plazo: -0,160 Corto plazo: 0,320

Largo plazo: -0,616 Largo plazo: 0,785

Lee y Chiu (2011) Consumo de electricidad En el periodo 1985 - 1999, para los

24 países: -0,229 a -0,228.

En el periodo 1985 - 1999, para los 24

países: 0,400 a 0,300.

10

Tabla 2: Elasticidades precio e ingreso en los modelos de una ecuación.


Kamerchen y Porter (2004) Consumo de electricidad

Simultaneous equation model:

Solo HDD: -0,849

Solo CDD: -0,938

HDD y CDD: -0,932

Simultaneous equation model:

Solo HDD: 0,689

Solo CDD: 0,656

HDD y CDD: 0,654

Filippini y Pachauri (2004) Consumo de electricidad Invierno: -0,416, Verano: -0,292

Monzón: -0,507

Invierno: 0,63, Verano: 0,632

Monzón: 0,604

Rehdanz (2006)

Gasto calefacción y agua caliente

con gas, mes

Todos: 0,430

Propietarios: 0,558

Arrendatarios: 0,374 No la indica

Gasto calefacción y agua caliente

con oil, mes

Todos: 0,486

Propietarios: 0,675

Arrendatarios: 0,329

Meier y Rehdanz (2010)

Gasto calefacción por habitación

con gas

Todos: 0,734

Propietarios: 0,827

Arrandatarios: 0,364

Todos: 0,014

Propietarios: no sig. Arrandatarios: 0,049

Gasto calefacción por habitación

con oil

Todos: 0,537

Propietarios: 0,536

Arrandatarios: 0,480

No significativo

11

Tabla 3: Elasticidades precio e ingreso en los modelos discreto/continuo.


Dubin y McFadden (1984) Electricity -0,289 a -0.,254 0,008 a 0,023

Vaage (2000) Consumo medio de los

combustibles -1,2903 -0,0068

Liao y Chang (2000)

Consumo anual de natural gas

(water heating) -0,180135 1.9E-06

Consumo anual de electricity (water

heating) -0,404659 2,20E-06

Consumo anual de natural gas

(space heating) -0,114503 8,00E-07

Consumo anual de fuel oil (space

heating) No sig. No sig.

Consumo anual de electricity (space

heating) -1,33557 2,90E-06

Carraro y Braun (2011)

Gasto mensual en gas No es variable control 0,275

Gasto anual en fuel oil No sig. No sig.

Gasto anual en gas 0,551 0,252

Labandeira et. al (2011)

Electricity Urban: -0,1176; Rural:-0,2012 0,2976

Natural gas Urban: -0,2173; Rural: -0,2203 0,2301

Liquid fuels Urban: -0,3339; Rural: -0,3404 0,3102

12

Tabla 4: Elasticidades precio e ingreso en los modelos de sistema de demanda.


Banks et. al (1997) Fuel -0,804 0.5680

Nicol (2003) Gasoline (Canadá) -0,853 a -0,103 0,443 a 1,296

Gasoline (US) -0,598 a -0,0026 0,285 a 0,941

Labandeira et. al (2006)

Electicidad -0,797 0,783 a 0,891

Gas natural -0,445 0,584 y 1,016

LP gas -0,416 a -0,320 0,328 a 0,363

Car fuel -0,320 a -0,416 1,668 a 2,051

Gundimeda and Köhlin (2008)

Fuelwood -1,05 a -1,02 1,260 a 1,313

Kerosene -0,86 a -0,14 0,837 a 1,182

Electricity -0,91 a -0,59 0,533 a 0,895

LP gas -1.05 a -0,92 0,835 a 1,003

13

3. Marco teórico

Modelos AIDS y QUAIDS

El modelo Almost Ideal Demand System (AIDS), propuesto por Deaton y Muellbauer (1980),

está formado por un conjunto de ecuaciones que explican la proporción de gasto de un bien o

servicio en función del precio del propio bien, de otros bienes y del gasto total que ha

realizado el individuo.

De este modo, la proporción del gasto del bien � se define como:

�� = �� + ∑ �� ln + �� ln� �⁄ � , (3.1)

donde ��,�� y �� son los parámetros del modelo lineal. Los subíndices � y � hacen referencia a

los diferentes bienes del sistema de demanda. Los términos y �⁄ se refieren al precio del

bien � y el gasto total del individuo deflactado por un índice precios �, definido como:

ln� = �� +∑ �� ln�� + ��∑ ∑ �� ln� ln . (3.2)

Además de los precios y el gasto total, el modelo AIDS permite incorporar variables de control

sociodemográficas tales como el número de miembros por familia, número de ocupados,

niveles de formación, entre otros, dentro de los parámetros �� y ��. Con el propósito de obtener estimaciones acordes con la teoría económica, los parámetros del

modelo AIDS están sujetos a tres restricciones:

a) Agregación del gasto total (∑�� = 1):

∑ �� = 1,

∑ �� = 0,

∑ �� = 0.

b) Homogeneidad:

∑ �� = 0. (3.3)

c) Simetría:

d) �� = ��. (3.4)

14

La primera condición supone que la suma de las proporciones de gasto analizadas en el estudio

debe sumar la unidad. La condición de homogeneidad tiene por objetivo cumplir con la

segunda ley de Hicks: si la utilidad permanece constante y los precios de todos los bienes se

duplican, entonces las cantidades demandadas no debieran cambiar (Nicholson, 2007). La

tercera condición de simetría implica que los efectos cruzados de los precios de los bienes � y � deben ser iguales sobre la proporción de gasto del bien �. El modelo AIDS se estima entonces reemplazando (3.2) en (3.1), aplicando el método de

máxima verosimilitud a un sistema de ecuaciones no lineales o algún otro método que

incorpore las restricciones (3.3) y (3.4). La condición de agregación del gasto total se satisface

directamente por la propia construcción de los datos (Deaton y Muellbauer, 1980).

Sin embargo, según el uso del índice de precios en (3.2) a menudo ofrece algunos problemas

de estimación, especialmente cuando se trata con datos de serie temporal (Deaton y

Muellbauer, 1980; Green y Alston, 1990). En tal sentido, los autores del modelo proponen

resolver esto asignando un valor a priori para el parámetro ��. Un ejemplo de ello, se aprecia

en el trabajo de Labandeira (2006), quien siguiendo las recomendaciones de Deaton y

Muellbauer (1980) y Banks et al. (1997) asigna al parámetro ��el mínimo valor del logaritmo

natural del gasto total residencial. Otro camino para resolver el problema de la estimación

supone el reemplazo del índice de precio dado en (3.2) por otras tipos de índice1.

Sobre la base del marco teórico que sustenta el modelo AIDS, Banks et al. (1997) desarrollaron

un modelo alternativo llamado modelo Quadratic Almost Ideal Demand System (QUAIDS). A

raíz de un análisis no-paramétrico sobre el gasto de los consumidores ingleses, los autores

concluyeron que la incorporación de un término cuadrático en el logaritmo del gasto total

deflactado en el modelo AIDS no solo mejora la capacidad predictiva del modelo, sino también

permite una mayor flexibilidad en la interpretación de las elasticidades ingreso.

1 Para mayor detalle consultar Green y Alston (1990) y Moschini (1995).

15

Siguiendo el trabajo de Banks et al. (1997), la función de utilidad indirecta que subyace al

modelo QUAIDS es la siguiente:

ln � = �� !"� #$ %"� + &'"�

,

donde ( es un índice de precio Cobb-Douglas y & es una función de grado cero diferenciable

en los precios que permite, del mismo modo que los parámetros �� y ��, la incorporación de

variables sociodemográficas de los individuos. Las expresiones para ( y & son:

( = ∏ �*+�� , (3.6)

& = ∑ &� ln�� ,con∑ &� = 0� . (3.7)

Por lo tanto, el modelo QUAIDS, que representa la proporción del gasto sobre el bien �, queda

de la siguiente forma:

�� = �� + ∑ �� ln + �� ln� �⁄ � + /+$ 0ln 1

!#23

� (3.8)

Corrección por gastos “cero”

Shonkwiler y Yen (1999) propusieron un marco metodológico para corregir los modelos de

sistema de demanda que poseen una gran cantidad de ceros en el consumo. En un primer

paso se estima un modelo probit para calcular la probabilidad de que un individuo elija el bien

no consumido por gran parte de la muestra. Como segundo paso, los autores proponen

corregir la expresión del lado derecho en (3.8) multiplicándola por la función de distribución

acumulada normal estándar (Φ�) y agregando como variable explicativa adicional la función de

densidad de probabilidad normal estándar (5�). Ambas se obtienen a partir de los resultados

obtenidos en el primer paso.

Con todo, la ecuación (3.8) se transforma, para el caso de bienes con un alto nivel de

consumos nulos, en:

�� = Φ� ∗ 7�� + ∑ �� ln + �� ln� �⁄ � + /+$ 0ln 1

!#23

�8 + 9�5�, (3.9)

16

donde 9� es un parámetro del modelo.

Shonkwiler y Yen (1999) demuestran que, en comparación al trabajo Heien and Wessells

(1990), su metodología proporciona estimadores consistentes pero heterocedásticos. Esto

último puede ser corregido empleando errores robustos en el proceso de estimación (tal como

fue realizado en esta investigación).

Endogeneidad del gasto total

Tal como lo sugieren las aplicaciones empíricas, es necesario corregir la endogeneidad del

gasto total en el modelo QUAIDS. El problema de la endogeneidad surge dado que un

individuo toma simultáneamente las ambas decisiones: la de cuanto gastar en el bien � y la de

que cantidad de dinero gastar en todos los bienes. En tal sentido, los factores no observados

que afectan ambas decisiones pueden estar correlacionados y generar inconsistencia en los

estimadores.

Siguiendo el trabajo de Blundell y Robin (1999) los pasos para enfrentar la endogeneidad del

gasto son los siguientes. En primer lugar, la variable endógena, en este caso el gasto total del

individuo, es regresada sobre el conjunto de variables explicativas del modelo original más uno

o varios instrumentos. Como segunda etapa, los residuos de esta regresión auxiliar son

incluidos como una variable explicativa adicional en el modelo original. Una forma de

comprobar la presencia de endogeneidad es examinar la significatividad del parámetro que

acompaña a los residuos.

Con todo, la expresión (3.9) del modelo QUAIDS, se transforma en:

�� = Φ� ∗ 7�� + ∑ �� ln + �� ln� �⁄ � + /+$ 0ln 1

!#23

� + :�;̂8 + 9�5�, (3.10)

donde :� es el parámetro que acompaña a los residuos estimados ;̂ en la regresión auxiliar del

primer paso.

17

Elasticidades precio e ingreso

Siguiendo el trabajo de Zheng y Rastegari (2010), dado que los precios de los bienes también

aparecen en la estimación del modelo probit en la primera etapa para dar un tratamiento a los

ceros en el consumo, la fórmula para computar las elasticidades precio de la demanda no

compensada en el modelo QUAIDS es:

=��> = ��"� ∗ �� − 1�� + �/+$ 2 �ln 1

!#2% @� + ∑ �A lnAk B − /+*C

# �ln 1!#2%�' ∗ Φ� +

5�D� 11 − E+F+2 − G�,

donde D� representa el parámetro de precio del bien � en la estimación del probit y G� es el

Kronecker delta (1 si � = �). La elasticidad gasto de la demanda para los bienes con muchos ceros en el consumo queda de

la siguiente forma:

=� = 1 + ��"� ∗ 01�� + �/+$ 2 �ln 1

!#2%3 ∗ Φ�,

La elasticidad precio de la demanda compensada para los bienes con cero gastos viene dada

por la siguiente expresión:

=�> = =��> +��=�.

La elasticidad ingreso de la demanda se computa de la siguiente manera:

=H(�) = =�=H,

donde =H es el parámetro que acompaña la variable ingreso en la regresión auxiliar que trata

el problema de la endogeneidad del gasto total del individuo.

Cabe destacar que las expresiones para computar las elasticidades precio e ingreso son

igualmente válidas para los bienes cuya distribución de gasto es continua, con la excepción de

que no es necesario estimar un modelo probit.

18

4. La información del modelo

Las fuentes de información

Los datos utilizados en la investigación se obtienen desde la encuesta de Presupuestos

Familiares (EPF) y el Índice de Precios al Consumidor (IPC). Ambas son proporcionadas por el

Insituto Nacional de Estadísticas de España.

La EPF es un instrumento cuyo objetivo es recopilar información de los gastos que realiza un

hogar en un año determinado. En ella, un hogar es entrevistado durante dos semanas

registrando todos los gastos que realiza en aquel período. Aquellas partidas que tienen una

periodicidad mayor a la semanal se obtienen mediante entrevistas. Posteriormente, los datos

son elevados temporal y poblacionalmente para disponer de una estimación de todos los

gastos anuales de los hogares españoles. El tamaño de la muestra de la EPF es de alrededor de

24.000 hogares por año.

Los gastos residenciales en la EPF se clasifican en los siguientes grupos:

1. Alimentos y bebidas no alcohólicas.

2. Bebidas alcohólicas, tabaco y narcóticos.

3. Artículos de vestir y calzado.

4. Vivienda, agua, electricidad, gas y otros combustibles.

5. Mobiliario, equipamiento del hogar y gastos corrientes de conservación de la

vivienda.

6. Salud.

7. Transportes.

8. Comunicaciones.

9. Ocio, espectáculos y cultura.

10. Enseñanza.

11. Hoteles, cafés y restaurantes.

12. Otros bienes y servicios.

19

Dentro de cada grupo existe una serie más detallada de gastos en bienes y servicios, lo cual

permite conocer con exactitud el gasto residencial y la cantidad demandada para un bien

específico. Por otro lado, la EPF entrega información sobre las características demográficas de

los hogares españoles y la vivienda, como por ejemplo: los miembros del hogar, el número de

ocupados, habitaciones y superficie, tipo de hogar, ingresos, zona de residencia urbana y rural,

etc.

Las variables del modelo QUAIDS

El estudio se ha centrado en el consumo de bienes energéticos que pertenecen a la vivienda

principal. Ellos son:

1. Energía eléctrica.

2. Gas natural2.

3. Gas lpg3.

4. Alimento.

5. Carburante4.

6. Servicios de transporte.

7. Ropa.

Al respecto cabe destacar que el 100% de los hogares en la muestra consume energía eléctrica,

alimento y ropa, el 60% no consume gas natural, el 85% no consume gas lpg, el 30% no

consume carburante y el 15% de la muestra no consume servicios de transporte.

En el caso de la electricidad, gas natural, gas lpg y carburante es posible contar con la

información del gasto y cantidad demanda por cada hogar durante el año 2009. En particular,

las tres primeras partidas se registran en el cuarto grupo de la EPF, mientras que el gasto en

2 Corresponde al gas ciudad y natural.

3 Corresponde a los gastos en butano y propano.

4 Corresponde a las gasolinas utilizadas en todo tipo de vehículos. Incluye además el gasto en aceites,

lubricantes y aditivos para el motor.

20

carburante aparece en el grupo 7. A partir de esta información se construye para cada bien un

precio medio específico por hogar que recoge la heterogeneidad de los hogares en España.

Los alimentos y la ropa corresponden a los grupos de gastos 1 y 3 de la EPF. No obstante, si

bien conocemos el gasto realizado, no se dispone de información idónea de la cantidad

demandada. Por lo tanto, se utiliza como una medida de su coste un índice de precios al

consumidor por comunidad autónoma correspondiente a cada grupo de la EPF relacionado.

En el caso de los servicios de transporte, éste se obtiene a partir del grupo 7 de la EPF, sin

considerar el gasto en carburante y bienes durables. Debido a que, nuevamente, no se dispone

de información respecto de la cantidad consumida, se utiliza un índice de precios de servicios

de transporte por comunidad autónoma. Las variables de control usadas en el modelo QUAIDS

se indican en la siguiente Tabla 5.

Tabla 5: Variables sociodemográficas del modelo QUAIDS.

Nombre de la variable Descripción

mayor16 Número de miembros del hogar mayores a 16 años.

menor16 Número de miembros del hogar menores a 16 años.

nocupados Número de ocupados en el hogar.

secundario = 1, si el nivel educacional del sustentador principal es secundario.

= 0, en otro caso.

superior = 1, si el nivel educacional del sustentador principal es superior.

= 0, en otro caso.

owner = 1, si la familia residente es propietaria de la vivienda.

= 0, en otro caso.

urbano = 1, si la vivienda se encuentra en una zona urbana.

= 0, en otro caso.

piso = 1, si el nivel educacional del sustentador principal es superior.

= 0, en otro caso.


nhabit Número de habitaciones de la vivienda.

ln(superf) Logaritmo natural de la superficie de la vivienda.

21


aceletctr = 1, si la vivienda dispone de agua con electricidad.

= 0, en otro caso.

acgasnat = 1, si la vivienda dispone de agua caliente con gas natural.

= 0, en otro caso.

acgaslpg = 1, si la vivienda dispone de agua caliente con gas lpg.

= 0, en otro caso.

calelectr = 1, si la vivienda dispone de calefacción eléctrica.

= 0, en otro caso.

calgasnat = 1, si la vivienda dispone de calefacción con gas natural.

= 0, en otro caso.

congaslpg = 1, si la vivienda dispone de calefacción con gas natural.

= 0, en otro caso.

ln(precio_electricidad) Logaritmo natural del precio medio de la electricidad.

ln(precio_gasnatural) Logaritmo natural del precio medio del gas natural.

ln(precio_gaslpg) Logaritmo natural del precio medio del gas lpg.

ln(precio_alimento) Logaritmo natural del precio medio de los alimentos.

ln(precio_carburante) Logaritmo natural del precio medio del carburante.

ln(precio_stransporte) Logaritmo natural del precio medio de los servicios de transporte.

ln(precio_ropa) Logaritmo natural del precio medio de la electricidad.

ln(gasto_total) Logaritmo natural del gasto total.

interin = 1, si la familia gana menos de 500 € al mes.

= 2, si la familia gana de 500 a menos de 1000 € al mes.








= 10, si la familia gana de 9000 y más € al mes.

w_electricidad Proporción del gasto residencial en electricidad.

w_ gasnatural Proporción del gasto residencial en gas natural.

w_gaslpg Proporción del gasto residencial en gas lpg.

w_alimento Proporción del gasto residencial en alimento.

22


w_carburante Proporción del gasto residencial en carburante.


w_stransporte Proporción del gasto residencial en servicios de transporte.

w_ropa Proporción del gasto residencial en ropa.

Con el objetivo de reducir la presencia de datos atípicos en la muestra, se eliminaron todas las

observaciones que no registraban consumo en electricidad, alimentos y ropa. En segundo

lugar, se eliminaron aquellos hogares cuyos gastos en cada grupo de la EPF y en cada bien

energético e ingreso pertenecieran al 3% superior e inferior de la muestra. Finalmente, una vez

construida la variable precio medio de la electricidad, gas natural, gas lpg y carburante se

seleccionaron aquellos hogares que estuvieran contenidos dentro de tres desviaciones

estándar a partir de su media. En aquellos hogares que no disponen de consumo en algún bien

se les asignó como precio, la media correspondiente a su comunidad autónoma.

En la Tabla 6 se indican resumen los estadísticos respectivos principales de las variables que

fueron implementadas en el modelo QUAIDS.

Tabla 6: Estadísticos descriptivos de las variables en el modelo QUAIDS.

Variable Media Desviación estándar Mínimo Máximo

mayor16 2,3454 0,8917 1 9

menor16 0,5282 0,8128 0 5

nocupados 1,1876 0,8623 0 4

secundario 0,4844 0,4998 0 1

superior 0,2825 0,4503 0 1

owner 0,8630 0,3438 0 1

urbano 0,8301 0,3756 0 1

Piso 0,6924 0,4615 0 1

nhabit 5,1751 1,1760 1 8

ln(superf) 4,5477 0,3631 3,5553 5,7038

aceletctr 0,1766 0,3813 0 1

23

Variable Media Desviación estándar Mínimo Máximo

acgasnat 0,4057 0,4910 0 1

acgaslpg 0,2589 0,4381 0 1

calelectr 0,1310 0,3375 0 1

calgasnat 0,3350 0,4720 0 1

congaslpg 0,0332 0,1793 0 1

ln(precio_electricidad) -1,7886 0,1727 -3,3806 -1,1634

ln(precio_gasnatural) 0,0570 0,2273 -2,4391 0,8770

ln(precio_gaslpg) -0,0187 0,0896 -0,8675 0,8690

ln(precio_alimento) 2,9597 0,0799 2,8173 3,1632

ln(precio_carburante) -0,0409 0,0660 -0,5272 0,3707

ln(precio_stransporte) 0,1929 0,2478 -0,2294 0,8170

ln(precio_ropa) 2,2766 0,0988 2,0945 2,4625

ln(gasto_total) 9,0731 0,5202 6,6163 10,6780

Interin 4,5201 1,6340 2 8

w_electricidad 0,0666 0,0469 0,0048 0,5198

w_ gasnatural 0,0241 0,0444 0 0,4653

w_gaslpg 0,0059 0,0214 0 0,4539

w_alimento 0,4995 0,1839 0,0046 0,9628

w_carburante 0,1179 0,1177 0 0,7867

w_stransporte 0,0916 0,1366 0 0,9589

w_ropa 0,1944 0,1515 0,0002 0,92813

24

5. Resultados

Este apartado tiene por finalidad indicar los resultados más relevantes respecto de la

aplicación del modelo QUAIDS a los datos de la Encuesta de Presupuestos Familiares para el

año 2009. En primer lugar se analiza la idoneidad modelo estimado, lo cual conlleva verificar la

significatividad del término cuadrático de gasto total residencial presente en cada ecuación del

sistema de demanda. Los resultados indican que para el consumo de gas natural, gas lpg,

carburante y ropa el término cuadrático del gasto residencial es significativo. Por lo tanto,

hasta ahora la opción de aplicar un modelo de sistema de demanda cuadrático es adecuada.

Ver Tabla 7.

Tabla 7: Significatividad del término cuadrático en el modelo QUAIDS.

Parámetro Electricidad Gas natural Gas lpg Alimento Carburante Transporte Ropa

&� -0,0043 0,0568 -0,0238 -0,0177 0,0950 0,0004 -0,1064

(-0,29) (3,86) (-2,03) (-1,36) (3,49) (0,01) (-2,44)

Nota: t-ratios entre paréntesis.

La bondad de ajuste del modelo estimado para los seis bienes energéticos incluidos en el

algoritmo de estimación5 se indica en la Tabla 8. El coeficiente de determinación (K�) fue

bastante alto para la proporción de gasto en alimento. Sin embargo, para el caso del gas lpg, el

mismo indicador fue bastante bajo.

Tabla 8: Coeficiente de determinación en las ecuaciones del modelo QUAIDS.

Coef. de determinación Electricidad Gas natural Gas lpg Alimento Carburante Transporte

K� 0,8075 0,6585 0,2730 0,9025 0,5510 0,4286

5 La estimación del modelo QUAIDS requiere que uno de los bienes sea excluido para evitar problemas

de singularidad en la matriz de regresores. En este caso, el bien ropa ha sido excluido.

25

La endogeneidad en el modelo QUAIDS se origina por la simultaneidad en la decisión sobre la

cantidad de gasto que realiza un hogar en cada uno de los bienes y el gasto total residencial.

En otras palabras, los factores no observables de las ecuaciones de demanda estimadas

pueden estar correlacionados con el gasto total residencial. La endogeneidad es un problema

que, de no ser tratada, genera estimaciones sesgadas de los parámetros.

Al respecto, Blundell y Robin (1999) propusieron una estimación en dos etapas que sirve para

diagnosticar y tratar la posible endogeneidad mediante variables instrumentales. En este caso,

el instrumento utilizado es el ingreso residencial categorizado en intervalos. El coeficiente que

acompañó al instrumento es significativo incluso al 1%. Los coeficientes que acompañan a los

residuos anteriores, incluidos como variables explicativas en el modelo original, fueron

significativos al 5% en el consumo de electricidad, alimento, carburante y ropa (ver Tabla 9).

Tabla 9: Significatividad de los residuos en el tratamiento de la endogeneidad.

Parámetro Electricidad Gas natural Gas lpg Alimento Carburante Transporte Ropa

L� -0,0058 -0,0032 -0,0005 -0,0424 0,0196 -0,0125 0,0448

(-3,24) (-0,64) (-0,05) (-4,48) (2,23) (-1,44) (3,13)


En la Tabla 10 se muestran los coeficientes para cada variable explicativa sociodemográfica y

los precios de los bienes energéticos. Cabe destacar que un en modelo QUAIDS se predice la

proporción de gasto residencial de un bien particular y no las cantidades demandas de cada

bien. Por lo tanto toda interpretación de los parámetros se enmarca en los cambios sobre el

ratio gasto del consumo del bien energético entre el gasto total residencial.

En términos generales se observa que un aumento en el tamaño familiar y el número de

ocupados incrementa la proporción del gasto residencial en electricidad. Las familias

propietarias de las viviendas también consumen una mayor cantidad de energía eléctrica que

sus pares arrendatarios. Los niveles de formación del sustentador principal incrementan, en

26

media, la proporción la porción gasto eléctrico residencial respecto de sus pares con educación

básica. La disponibilidad de agua caliente eléctrica, o de gas natural, incrementa la porción de

gasto en electricidad. Respecto de la calefacción, el uso del gas natural tiene un efecto positivo

en la porción de gasto residencial eléctrico, no así el uso del gas lpg.

La proporción de gasto residencial en gas natural aumenta según crece el número de

ocupados. Los sustentadores principales con una formación educacional superior tienden, en

media, a gastar una menor proporción en gas natural que sus pares con una formación básica.

Las viviendas en bloques gastan una menor proporción de gasto en gas natural que aquellas

individuales (o pareadas). La disponibilidad de agua caliente eléctrica y calefacción con gas lpg

también incrementan la porción de gasto en gas natural. Respecto del gasto en gas lpg, las

variables que afectan negativamente su proporción en el gasto total residencial fueron la

disponibilidad de agua caliente eléctrica y de gas lpg.

En el caso de los alimentos, los menores de 16 años, el número de ocupados, el número de

habitaciones y la superficie del hogar, como también vivir en un piso urbano afectan

positivamente la proporción del gasto residencial en alimento. Los mayores de 16 años,

propietarios de la vivienda y los sustentadores principales con formación académica diferente

de la básica tienden en media a destinar una menor proporción de gasto en alimentos. La

disponibilidad de agua caliente y calefacción a gas natural (o gas lpg) disminuye la porción de

gasto en alimentos.

Las familias compuestas por una mayor cantidad de miembros con edades superiores a los 16

años consumen una menor proporción del gasto residencial en carburante. El mismo efecto se

produce si la familia vive en un piso, se incrementa el número de habitaciones o la superficie

de la vivienda. La disponibilidad de agua caliente eléctrica, aumenta la porción de gasto

residencial en carburante.

Por su lado, afecta positivamente la proporción de gasto residencial en servicios de transporte

el contar con un mayor número de miembros adultos, un sustentador principal con una

27

formación superior a la básica y ser propietario de la vivienda. Por el contrario, una mayor

cantidad de menores de edad, residir en una zona urbana y contar con agua caliente eléctrica y

calefacción con gas lpg afecta negativamente la porción de gasto en transporte. La tenencia de

agua caliente con gas natural o bien gas lpg incrementa la porción de gasto residencial en

servicios de transporte.

La proporción de gasto residencial en ropa se ve alentada en el caso que sustentadores con un

nivel educativo secundario, vivir en un piso y a medida que el número de habitaciones se

incrementa. Efecto contrario sobre la porción en gasto en ropa lo genera un aumento en el

número de niños.

Tabla 10: Significatividad de las variables sociodemográficas en el modelo QUAIDS.

Variables explicativas Electricidad Gas natural Gas lpg Alimento Carburante Transporte Ropa

mayor16 0,0211 0,0020 0,0043 -0,0927 -0,0636 0,1120 0,0170

(7,13) (0,78) (0,53) (-8,21) (-6,72) (7,75) (1,45)

menor16 0,0029 0,0021 -0,0059 0,0425 0,0006 -0,0112 -0,0309

(3,34) (1,18) (-1,68) (10,93) (0,15) (-3,11) (-5,74)

nocupados 0,0033 0,0023 0,0006 0,0161 -0,0042 -0,0145 -0,0035

(5,79) (2,09) (0,26) (6,26) (-1,77) (-6,0) (-1,02)

secundario 0,0008 -0,0013 -0,0018 -0,0443 0,0280 0,0086 0,0101

(1,59) (-1,24) (-0,93) (-17,71) (8,53) (3,21) (2,48)

superior 0,0040 -0,0052 0,0043 -0,0311 0,0133 0,0152 -0,0006

(3,83) (-2,09) (1,04) (-6,76) (2,62) (2,99) (-0,08)

owner 0,0007 -0,0059 0,0122 -0,0553 0,0077 0,0278 0,0128

(0,55) (-2,07) (1,75) (-9,51) (1,30) (4,01) (1,25)

urbano -0,0012 -0,0053 0,0035 0,0288 0,0064 -0,0292 -0,0030

(-0,87) (-1,92) (0,79) (5,56) (1,18) (-5,69) (-0,41)

piso 0,0025 -0,0113 -0,0032 0,0208 -0,0166 -0,0083 0,0162

(2,15) (-2,29) (-0,81) (3,96) (-3,29) (-1,57) (2,05)

nhabit -0,0062 -0,0067 0,0033 0,0103 -0,0196 -0,0009 0,0198

(-5,77) (-1,92) (0,85) (2,14) (-4,01) (-0,21) (2,83)

ln(superf) -0,0005 -0,0005 0,0023 0,0066 -0,0051 -0,0015 -0,0014

(-1,14) (-0,52) (1,62) (3,58) (-2,81) (-0,85) (-0,58)

28

Variables explicativas Electricidad Gas natural Gas lpg Alimento Carburante Transporte Ropa

aceletctr 0,0099 0,0086 -0,0123 -0,0087 0,0206 -0,0138 -0,0044

(6,35) (2,39) (-2,14) (-1,30) (3,24) (-2,42) (-0,49)

acgasnat 0,0172 0,0160 -0,0066 -0,0205 -0,0003 0,0188 -0,0247

(11,65) (0,35) (-1,01) (-3,13) (-0,04) (3,08) (-0,53)

acgaslpg 0,0023 -0,0359 -0,0222 -0,0222 -0,0131 0,0250 0,0660

(1,45) (-0,80) (-2,88) (-2,99) (-1,80) (3,47) (1,42)

calelectr 0,0010 0,0296 -0,0066 -0,0093 0,0037 0,0095 -0,0277

(0,79) (0,63) (-0,64) (-1,62) (0,65) (1,74) (-0,57)

calgasnat 0,0142 0,0028 -0,0007 -0,0142 0,0046 -0,0074 0,0007

(9,14) (1,26) (-0,17) (-2,52) (0,86) (-1,34) (0,10)

congaslpg -0,0073 0,0269 -0,0023 -0,0182 0,0078 -0,0172 0,0104

(-5,17) (11,32) (-0,33) (-2,80) (1,20) (-2,62) (1,03)

precio electricidad 0,0012 -0,0051 0,0027 0,0044 0,0072 0,0041 -0,0145

(0,54) (-2,14) (0,68) (0,99) (1,75) (2,22) (-2,81)

precio gas natural -0,0051 -0,0276 0,0361 0,0343 -0,0514 -0,0004 0,0141

(-2,14) (-8,57) (5,08) (5,31) (-8,41) (-0,12) (1,54)

precio gas lpg 0,0027 0,0361 0,0264 0,0288 -0,0444 -0,0207 -0,0289

(0,68) (5,08) (1,92) (1,81) (-3,29) (-2,92) (-1,71)

precio alimento 0,0044 0,0343 0,0288 -0,0436 0,0163 -0,0366 -0,0034

(0,99) (5,31) (1,81) (-2,17) (1,05) (-4,96) (-0,19)

precio carburante 0,0072 -0,0514 -0,0444 0,0163 0,0995 0,0030 -0,0301

(1,75) (-8,41) (-3,29) (1,05) (4,98) (0,39) (-1,97)

precio transporte 0,0041 -0,0004 -0,0207 -0,0366 0,0030 0,0332 0,0174

(2,22) (-0,12) (-2,92) (-4,96) (0,39) (4,47) (1,67)

precio ropa -0,0145 0,0141 -0,0289 -0,0034 -0,0301 0,0174 0,0455

(-2,81) (1,54) (-1,71) (-0,19) (-1,97) (1,67) (1,46)

Los precios del gas lpg, del carburante y del transporte afectan positivamente la proporción de

gasto residencial en electricidad y son significativos. En cambio, a medida que se incrementa la

el precio de la ropa disminuye la porción de gasto en electricidad.

La proporción de gasto en gas natural se ve afectada negativamente por incrementos en el

precio de la electricidad, del gas natural y del carburante. Aumentos en el precio del gas lpg,

incrementan la porción de gasto en gas natural.

29

Un incremento en el precio del gas natural conlleva un aumento en la porción de gasto

residencial en gas lpg. Lo contrario sucede ante variaciones en el precio del carburante y

servicios de transporte. La porción de gasto residencial en alimento aumenta ante incrementos

en el precio del gas natural. Sin embargo, ante incrementos en el precio de los alimentos y del

transporte, dicha proporción de gasto disminuye.

La porción de gasto residencial en carburante aumenta si los precios de los alimentos y del

propio carburante también aumentan, o bien los precios del gas natural y lpg disminuyen. En

relación al gasto de ropa, la proporción de su gasto disminuye ante incrementos en el precio

de la electricidad.

En la Tabla 11 se indican las elasticidades de la demanda propias, compensadas y no

compensadas6, e ingreso. Todos los valores fueron computados en la media muestral de los

datos.

Tabla 11: Elasticidades precio de la demanda propia e ingreso.

Ítem Electricidad Gas natural Gas lpg Alimento Carburante Transporte Ropa

Elasticidad ingreso 0,7610 0,8201 0,7571 0,9418 1,0168 1,1042 1,2932

(17,29) (23,43) (7,57) (40,68) (16,49) (8,05) (27,81)

Elasticidad precio no

compensada

-0,9752 -1,4540 -0,5697 -1,0059 -0,6384 -0,6260 -0,8367

(-30,62) (-39,50) (-1,17) (-22,34) (-5,21) (-6,11) (-6,18)

Elasticidad precio

compensada

-0,9551 -1,4426 -0,5680 -0,5913 -0,5147 -0,5065 -0,4757

(-29,42) (-39,28) (-1,17) (-14,30) (-4,26) (-6,24) (-3,55)


Respecto de la elasticidad ingreso, todas resultaron significativas, positivas y cercanas a la

unidad. Esto indica que un mayor ingreso de las familias se traduciría en un aumento

relativamente proporcional en el consumo de cada bien energético.

6 Dado que el objetivo de esta investigación, solo se han señalado las elasticidades propias e ingreso de

bienes energéticos residenciales. Las elasticidades cruzadas están disponibles para quien lo solicite en el correo de los autores.

30

En el caso de las elasticidades precio compensadas y no compensadas, se destaca que todas

ellas fueron significativas, excepto el caso de los alimentos. La elasticidad precio no

compensada de la electricidad es cercana a la unidad, lo cual indicaría que un incremento

porcentual en el precio medio se traduce en una disminución proporcional en el consumo

residencial de electricidad. Idéntica interpretación se obtienen al ver la elasticidad precio de

los alimentos.

En el consumo de gas natural, la elasticidad precio es elástica, lo cual indicaría una reacción

más que proporcional en el consumo ante variaciones porcentuales del precio. El resto de

bienes energéticos tuvo un comportamiento inelástico durante el período de estudio.

31

6. Conclusiones

Al término de esta investigación, se obtienen múltiples conjeturas, tanto de las estimaciones

del modelo QUAIDS, como también de las futuras acciones que son recomendadas para

mejorar la comprensión de la demanda los bienes energéticos residenciales analizados.

Del aparatado de revisión literatura, se concluye que el modelo QUAIDS es buen enfoque para

caracterizar la demanda a nivel de los hogares. Su ventaja reside en poder estimar de forma

simultánea la decisión de gasto sobre un conjunto de bienes relevantes para el hogar. Sin

embargo, dada la naturaleza de los datos y la formulación del modelo, es necesario dos

correcciones. La primera de ellas consiste en el tratamiento de la endogeneidad del gasto total

residencial. La segunda consiste en adaptar el modelo para reflejar aquellos bienes que, en

gran proporción, no son consumidos por todos los hogares. Esta última es una de las

principales aportaciones que han motivado la realización de ésta investigación.

Los datos empleados en este trabajo permiten recoger la heterogeneidad de los hogares

españoles dado que gran parte de ellos fueron obtenidos a individual. No obstante, se

reconoce la presencia de una gran cantidad de datos atípicos en el gasto residencial lo cual

disminuyó el tamaño de la muestra en alrededor de un 50%7. Si bien esto no es de extrañar en

el trabajo empírico, se puede concluir que gran parte de la población encuestada pudo no

haber entregado información confiable respecto de su gasto, o bien, de la cantidad consumida.

En relación a las estimaciones, la incorporación de variables de control sociodemográficas

permitió obtener un modelo econométrico de mayor calidad puesto que, salvo en aquellos

bienes con un alto porcentaje de ceros en el consumo, estas fueron significativas.

En términos generales, la revisión de la literatura concluye que la demanda residencial de

bienes energéticos es inelástica, lo cual puede ser tomado como una contradicción respecto de

los resultados presentados en éste trabajo. No obstante, durante el período de estudio,

7 El número de hogares encuestados bordeaba originalmente los 22 mil hogares. Debido a los datos

considerados atípicos solo se trabajó con cerca de 10 mil hogares.

32

España se ya se encontraba inmersa en una crisis económica. Este clima adverso para la

economía doméstica podría ser la responsable de una reacción más sensible de los hogares

respecto de su gasto, tal como postula Hass y Schipper (1998).

Entre las tareas pendientes se encuentran, principalmente, ampliar el presente trabajo hacia

otros años, posteriores y anteriores a 2009, con el objeto de analizar la evolución de las

elasticidades en tiempos de crisis económica. Queda también por investigar más sobre la

reacción que tienen los hogares en períodos con elevados precios de la energía, como el que

actualmente afecta a España.

Desde el punto de vista metodológico, es necesario complementar la presente investigación

con una justificación más potente respecto de la elección de un modelo QUAIDS por sobre un

modelo AIDS. Por otro lado, se requiere seguir investigando sobre los modelos de sistemas de

demanda que poseen una gran cantidad de ceros en el consumo y el cómputo de las

elasticidades propias, cruzadas e ingreso de la demanda.

Finalmente, una vez obtenido un modelo estadísticamente significativo, y siguiendo a

Labandeira(2007) sería recomendable simular un incremento en el precio de uno de los bienes

energéticos, por ejemplo la electricidad, y comparar la distribución del gasto familiar antes y

después de la variación. Esto proporciona una oportunidad para validar el modelo toda vez

que se dispone de información real sobre el gasto residencial real en años posteriores a 2009

con los cuales es posible contrastar los resultados de la simulación.

33

7. Referencias

[1] Athukorala, P. W. and Wilson, C. (2010). Estimating short and long-term residential

demand for electricity: New evidence from Sri Lanka. Energy Economics, 32, 8

Supplement 1(0):S34-S40.

[2] Banks, J.; Blundell, R. y Arthur, L. (1997). Quadratic Engel Curves and Consumer

Demand. The Review of Economics and Statistics, 79(4):527-539.

[3] Blundell, R.W. y Robin, J.M. (1999). Estimation in a large and dissagregated demand

system: An estimator for conditionally linear system. Journal of Applied Econometrics,

14:209-232.

[4] Carraro, F. y Braun, F. (2011). Household Energy Consumption in Europe: Empirical

Results from German and Italian Household Data. European Association of

Environmental and Resource Economists, 18th Annual Conference.

[5] Deaton, A. y Muellbauer, J. (1980). An almost ideal demand system. The American

Economic Review, 70:31-326.

[6] Dubin, J. A. and McFadden, D. L. (1984). An econometric analysis of residential electric

appliance holdings y consumption. Econometrica, 52(2):345-62.

[7] Filippini, M. and Pachauri, S. (2004). Elasticities of electricity demand in urban indian

households. Energy Policy, 32(3):429-436.

[8] Green, R y Alston, J. (1990). Elasticities in AIDS Model. American Journal of Agricultural

Economics. 72(2): 442-445.

[9] Gundimeda, H. y Köhlin, G. (2008). Fuel demand elasticities for energy and

environmental policies: Indian sample survey evidence. Energy Economics, 30(2):517-

546.

[10] Hanemann, M. (1984). Discrete/continuous models of consumer demand.

Econometrica, 52(3):541-562.

34

[11] Hass, R. y Schipper, L. (1998). Residential energy demand in OECD-countries and the

role of irreversible efficiency improvements. Energy Economics, 20:421-442.

[12] Heien y Wessells (1990). Demand systems estimation with microdata: A censored

regression approach. Journal of Business & Economic Statistic, 8(3): 365-371.

[13] Hondroyannis, G. (2004). Estimating residential demand for electricity in Greece.

Energy Economics, 26:319-334.

[14] Houthakker, H. S. (1951). Some calculations on electricity consumption in Great

Britain. Journal of the Royal Statistical Society. Serie A, 114(3):359-371.

[15] Insituto Nacional de Estadísticas (INE). http://www.ine.es

[16] Kamerschen, D. R. y Porter, D. V. (2004). The demand for residential, industrial and

total electricity, 1973-1998. Energy Economics, 26(1):87-100.

[17] Labandeira, X., Labeaga, J. M., y Rodriguez, M. (2006). A residential energy demand

system for Spain. The Energy Journal, 27(2):87-112.

[18] Labandeira, X., Labeaga, J. y López-Otero, X. (2011). Energy Demand for Heating in

Spain: An Empirical Analysis with Policy Purposes. Economics for Energy.

[19] Labandeira, X., Rodriguez, M. (2007). Microsimulation in the analysis of environmental

tax reform. An application for Spain. Spadaro, A. (ed) Microsimulation as a Tool for the

Evaluation of Public Policies: Methods and Applications. Fundación BBVA, Madrid.

[20] Lee, C.-C. y Chiu, Y.-B. (2011). Electricity demand elasticities and temperature:

Evidence from panel smooth transition regression with instrumental variable

approach. Energy Economics, 33(5):896-902.

[21] Liao, H. y Chang, T. (2002). Space-heating and Water-heating energy demands of aged

in the US. Energy Economics, 24:267-284.

[22] Madlener, R. (1996). Econometric analysis of residential energy demand: A survey.

Journal of Energy Literature II, 2:3-32.

35

[23] Meier, H. y Rehdanz, K. (2010). Determinants of residential space heating expenditures

in Great Britain. Energy Economics, 32(5):949-959.

[24] Nicholson, W. (2007). Teoría Microeconómica, principios básicos y ampliaciones.

Novena Edición. Editorial Cengage Learning. Página 167.

[25] Nicol, C.J. (2003). Elasticities of demand for gasoline in Canada and the United States.

Energy Economics, 25: 201-214.

[26] Redhanz, K. (2007). Determinants of residential space heating expenditures in

Germany. Energy Economics, 29:167-182.

[27] Shonkwiler, J. y Yen, S. (1999). Two-Step Estimation of a Censored System of

Equations. American Journal of Agricultural Economics, 81(4): 972-982.

[28] Vaage, K. (2000). Heating technology and energy use: a discrete/continuous choice

approach to Norwegian household energy demand. Energy Economics, 22(6):649-666.

[29] Zachariadis, T. y Pashourtidou, N. (2007). An empirical analysis of electricity

consumption in Cyprus. Energy Economics, 29(2):183-198.

[30] Zheng, Z. y Shida, R.H. (2010). An analysis of food grain consumption in urban Province

of China. Journal of Agricultural Economics, 42(2):337-355.

Análisis del gasto residencial en bienes energéticos en...

Documents

Transcript of Análisis del gasto residencial en bienes energéticos en...