Ortiz-Velázquez, Bueno, and Arana-Coronado: Análisis de la demanda residencial de electricidad en el Estado de México

Análisis de la demanda residencial de electricidad en el Estado de México

Analysis of the residential electricity demand in the State of Mexico


Palabras clave:

Keywords:


Introducción

La electricidad es uno de los pilares del desarrollo industrial y del bienestar de los individuos. La reforma energética de 2013 en México tiene entre sus fines el acceso incluyente a la energía así como imprimir dinamismo y competitividad en la economía. Varias razones motivan dichos fines, aunque de acuerdo a la Comisión Federal de Electricidad (CFE) la cobertura actual en México es de 98%, la inconformidad de la población ha aumentado debido a los altos costos de la energía eléctrica.

Por otra parte, las tarifas de la CFE no son competitivas a nivel internacional, aún con subsidio, son en promedio 25% superiores a las de Estados Unidos de América, con diferencias aún mayores en segmentos claves de la industria y el comercio; estos precios representan un freno a la economía mexicana.

Respecto a las tarifas residenciales del país, las cuales están subsidiadas, son 24% menores al equivalente en Estados Unidos, esto se logra con un alto costo sobre las finanzas públicas: el monto del subsidio asignado de 57 millones de pesos en el primer semestre del año 2013 fue cercano a 0,75% del Producto Interno Bruto en el mismo periodo. Con base en lo anterior, la reforma energética tiene entre sus objetivos reducir los costos de producción y las pérdidas técnicas, y no técnicas, a fin de disminuir las tarifas eléctricas y prevenir la pérdida de patrimonio y descapitalización de la CFE (Gobierno de la República, 2013).

En México, la demanda agregada de energía eléctrica asciende a 206,129 GWh, ésta se conforma de los sectores industrial, comercial, residencial, servicios y bombeo agrícola (cuadro 1). Históricamente, el sector que presenta el mayor consumo es el industrial, con 120,473 GWh en el año 2013, lo que representa 58,4% de la demanda total. Por su parte, el sector residencial se ha mantenido a través de los años en el segundo lugar como consumidor de energía eléctrica, con 52,369 GWh en el año 2013, representando 25,4% de la demanda total (Prospectiva del Sector Eléctrico de 2013). Durante la década 2002-2012, el sector residencial tuvo un crecimiento anual de 3,1% debido a la incorporación de nuevos usuarios a la región central del país, así como la regularización y la reducción de pérdidas en esta zona (CESOP, 2013).

Si bien el sector industrial tiene una gran participación en la demanda agregada de energía eléctrica, sólo representa, para el 2013, alrededor de 0,76% de los 37 millones de usuarios del servicio provisto por la CFE, mientras que el sector residencial constituye 88,5% de los usuarios (SIE, 2013).

Cuadro 1

Porcentajes de usuarios y ventas de electricidad por sector en México, 2013

Tipo de usuario Porcentaje de usuarios Porcentaje de ventas
Residencial 88,52 % 25,41 %
Agrícola 0,34 % 4,99 %
Industrial 0,76 % 58,45 %
Comercial 9,87 % 6,67 %
Servicios 0,51 % 4,49 %

[i] Fuente: elaboración propia con datos del Sistema de Información Energética (SIE, 2013).

La concentración de usuarios que presenta el sector residencial lo convierte en uno de los sectores con mayor sensibilidad a la implementación de nuevas reformas o políticas que podrían generar cambios en uno o varios de los determinantes de su demanda. Es precisamente en el sector residencial donde existe una escasez de estudios económicos a propósito de la demanda de energía eléctrica a nivel nacional y estatal, particularmente en aquellos estados donde cambios en el precio u otro de sus determinantes tendrían un mayor impacto en el corto o largo plazo, dadas sus condiciones socioeconómicas (Maqueda-Zamora y Sánchez-Viveros, 2011). Según datos del SIE, en 2013 el Estado de México fue el estado con mayor consumo residencial y con mayor número de usuarios (cuadro 2).

Cuadro 2

Principales estados consumidores de energía eléctrica en el sector residencial, 2013

Estado Precio medio de la electricidad /1 Consumo /2 Número de usuarios /3
Estado de México 132,820 4432,309 3616,997122
Nuevo León 132,820 4224,859 1508,583478
Distrito Federal 132,820 3634,928 2606,758379
Jalisco 132,820 3061,551 2331,934646

[i] /1 ¢/kWh, /2 GWh, /2 (GWh), /3 Miles de usuarios

[ii] Fuente: elaboración propia con datos del Sistema de Información Energética (SIE, 2013).

La demanda de electricidad por el sector residencial en el Estado de México1 es influenciada por el número y nivel socioeconómicos de los usuarios, estacionalidad (Maqueda-Zamora y Sánchez-Viveros, 2011) y precio de la electricidad (Centro de Estudios de las Finanzas Públicas, 2005). Un mayor nivel de ingreso está relacionado con un mayor consumo y demanda de energía eléctrica (Maqueda-Zamora y Sánchez-Viveros, 2011).

Con respecto a la estacionalidad, la mayor demanda de electricidad en entidades como el Estado de México se presenta en enero y julio; donde la energía eléctrica es utilizada en gran medida para carga de iluminación y uso de electrodomésticos (refrigeradores, planchas, lavatrastos, lavadoras, bombas de agua, entre otros).

La demanda de electricidad también depende de los niveles tarifarios determinados por la Secretaria de Hacienda y Crédito Público (SHCP). Dicha tarifa se ajusta de manera mensual; durante el periodo 2002 a 2011 ha presentado una tendencia estable (SENER, 2013). Con respecto a la sustitución entre el gas y electricidad en el sector residencial, ésta se da básicamente entre los electrodomésticos y, en el caso de los estados ubicados en el centro del país, no es claro si se presenta una sustitución entre el gas y electricidad (Valenzuela-Parcero, 2011).

La relación entre el precio del servicio de agua y el consumo residencial de electricidad se explica a través del uso de electrodomésticos, donde un incremento en el precio del líquido conlleva una disminución en su demanda, y por consiguiente, una disminución en el consumo de energía eléctrica (Gómez-Ugalde et al., 2012). Con respecto a la relación entre el precio de los bienes durables y el precio de la energía eléctrica, Marshall (2010) señala que cuando el precio de los electrodomésticos se incrementa su demanda disminuye, y por consiguiente, su tasa de reemplazo. Lo anterior resulta en un decremento en el consumo de la energía eléctrica. Si no son reemplazados, directamente se traduce en una disminución de la energía eléctrica. Alternativamente, si son reemplazados, los equipos usan tecnología más eficiente o son de menor capacidad de consumo lo que resulta en un menor consumo de electricidad.

La demanda de energía eléctrica en el sector residencial ha sido analizada desde un punto de vista económico por una gran cantidad de autores en distintos países y en menor medida en México. A nivel internacional, autores como Castro (2000), Rosal-Fernández (1999), Dergiades y Tsoulfidis (2008) y Silk y Joutz (1997) han utilizado el método de cointegración de Johansen con objeto de probar la existencia de cointegración en variables integradas de orden uno I(1) e integradas de orden cero I(0) y así determinar la técnica de regresión a utilizar para estimar la demanda agregada de electricidad. En dichos estudios las elasticidades precio e ingreso encontradas han sido acordes a la teoría de la demanda. Benavente et al. (2005) y Espinoza-Acuña et al. (2013), aunque obtienen estimaciones acordes a la teoría de la demanda, a diferencia de los autores antes citados, asumen que las series económicas son estacionarias y aplican la técnica de mínimos cuadrados ordinarios.

A nivel nacional, Guzmán-Soria et al. (2011) y Saenz de Miera-Berglind (2004), asumiendo estacionariedad en las series económicas incluidas en sus respectivos modelos, utilizan la técnica de mínimos cuadrados ordinarios para estimar las elasticidades precio e ingreso de la demanda de energía eléctrica. Morales-Ramírez et al. (2012), por su parte, utilizan la técnica de cointegración de Engel-Granger, a partir de una función de demanda estilo Cobb-Douglas.

Con base en la revisión anterior se destaca lo siguiente. A pesar de que las elasticidades precio e ingreso reportadas en los estudios citados son acordes con la teoría económica, lo cual les otorga sustento y validez, éstas difieren entre sí. De acuerdo al meta-análisis realizado por Espey y Espey (2004) esto se debe principalmente a diferencias en las condiciones socioeconómicas de las áreas o países donde se realizaron dichos estudios, así como al tipo de información y técnica econométrica utilizada en las estimaciones. Adicionalmente, la mayoría de dichos estudios no son vigentes y en algunos casos las metodologías de regresión no toman en cuenta si cada una de las series económicas sigue un proceso estocástico estacionario, o alternativamente no evalúan si la combinación lineal de las mismas resulta ser estacionaria con base en el criterio de Engle y Granger (1987).

De esta manera, y ante la coyuntura de una nueva reforma energética en el país, la cual pretende disminuir el precio de la electricidad en todos sus sectores (Gobierno de la República, 2013), se justifica realizar un estudio de tipo económico en particular en el Estado de México, el cual estime un modelo de demanda residencial de energía eléctrica y determine sus correspondientes elasticidades de corto y largo plazo, con el fin de conocer con sustentos estadísticos los posibles efectos a través del tiempo en la demanda misma ante variaciones en el precio, el ingreso, la población y otros bienes relacionados como el agua y el gas LP; por consiguiente la pregunta de investigación a contestar en este estudio es la siguiente: ¿Qué tipo de efecto puede tener una disminución del precio medio de la energía eléctrica sobre su consumo en el sector residencial del Estado de México y que implicaciones económicas tendría para la población?

El presente estudio pretende brindar un antecedente que considere el comportamiento y el equilibrio que guardan a través del tiempo los distintos determinantes de la demanda de energía eléctrica en el sector residencial, esto con el fin de estimar la magnitud de los efectos que pueden tener en el futuro políticas enfocadas a desarrollar un proceso más eficiente de la generación y consumo de esta energía en los distintos sectores del país.

Esta investigación se encuentra integrada en cinco secciones: primero se presenta una sección de Materiales y métodos; posteriormente se incluye una sección con el Marco teórico. Se continúa con la sección de Resultados, seguido de una de Discusión de resultados; el artículo finaliza con las Conclusiones.

1. Materiales y métodos

De acuerdo a Castro (2000) y Morales-Ramírez et al. (2012), la demanda residencial de energía eléctrica en el Estado de México se puede representar aproximadamente por un modelo estilo Cobb-Douglas y posteriormente adoptar una forma funcional lineal logarítmica, ésta última permite obtener directamente las elasticidades de las distintas variables. Para establecer un modelo de la demanda residencial de energía eléctrica en el Estado de México se utilizaron series de tiempo mensuales de enero 2002 a febrero 2014, así como variables dicotómicas con el objeto de modelar el efecto estacional en la demanda de electricidad del Estado de México.

El modelo del que se parte es el siguiente:

2448-6183-est-17-53-00199-i001.jpg

En el cuadro 3 se describen las variables del modelo.

Cuadro 3

Descripción de las variables y su fuente de información

Variable Fuente
Qt (MWh) Consumo residencial de electricidad en el Estado de México Sistema de Información Energética (SIE, 2013a) que provee la Secretaria de Energía (SENER, 2013) y de la Comisión Federal de Electricidad (CFE, 2013).
Yt ($/persona a precios 2003) Ingreso proxy, PIB per cápita mensual aproximado para el Estado de México Elizondo (2012) y Gómez-Ugalde et al. (2012)
Pet (cts/kWH) Precio medio real de la electricidad en el Estado de México Sistema de Información Energética (SIE, 2013b)
Pat ($/m3) Precio medio real del servicio agua en el Estado de México Código financiero del Estado de México Sección quinta (Gobierno del Estado de México, 1998)
Pgt ($/kg) Precio medio real del gas L.P en el Estado de México Sistema de Información Energética (SIE, 2013c)
Ut Número de usuarios del servicio eléctrico en el sector residencial del Estado de México Sistema de Información Energética (SIE, 2013d)
IPBD t Índice de bienes durables en México El índice de precios de bienes durables aplica para todo México y se obtuvo de las estadísticas del Instituto de Estadística, Geografía e Informática (Inegi, 2014)
Dit Variable dicotómica para el mes i Se aplicó el valor de 1 para el mes correspondiente a ser modelado y 0 en los restantes.

[i] Fuente: elaboración propia.

2. Marco teórico: método de cointegración multivariado

Cuando las series económicas son no estacionarias, las técnicas convencionales de regresión son inadecuadas. Sin embargo si alguna combinación lineal de las series llega a ser estacionaria, las series no estacionarias pueden estar cointegradas, esto quiere decir que tienden a un equilibrio en el largo plazo. Para probar cointegración entre series de tiempo el procedimiento más adecuado, si bien es complejo, es el procedimiento de Johansen (1988).

Este procedimiento es aplicable a sistemas de ecuaciones, está basado en modelos VAR (vectores autoregresivos) (Sims, 1980), para su uso se requieren más de 100 datos y permite probar la existencia de múltiples vectores de cointegración entre las variables mediante la prueba de la traza y del eigenvalor máximo. Los coeficientes de los vectores de cointegración se pueden interpretar como las elasticidades de largo plazo.

Una vez obtenido el modelo VAR se construye un modelo de vector de corrección del error (VEC), que es un modelo VAR acotado con restricciones de cointegración incluidas en su especificación. Los coeficientes de los estimadores del modelo VEC permiten analizar el equilibrio de corto y largo plazo que existe entre las variables exógenas y la variable endógena (Boef, 2000). Debido a la complejidad de la metodología y para facilitar el seguimiento del análisis de resultados a continuación se describirá brevemente la metodología.

2.1. Enfoque de cointegración de Søren Johansen

El enfoque de cointegración multivariado de Johansen (1988) es utilizado para probar la existencia de cointegración en variables integradas de orden uno I(1) e integradas de orden cero I(0). Consta de los siguientes pasos: 1. Determinar el orden de integración de cada una de las series incluidas en el modelo. 2. Especificar un vector autoregresivo (VAR) con las series que resulten integradas del orden I(1). 3. Seleccionar las variables del modelo y las transformaciones de éstas, si las hubieran. 4. Determinar el retardo óptimo del VAR con la finalidad de que los residuos sean ruido blanco. 5. Diagnosticar el VAR estimado. 6. Aplicar el procedimiento de máxima verosimilitud al vector autorregresivo para determinar el rango (r) de cointegración del sistema, utilizando para ello la prueba de la traza y la prueba del eigenvalor máximo (valor propio). 7. Estimar el modelo vector de corrección de errores.

2.1.1. Integración de las series

Para determinar el orden de integración de las series a incluir en el modelo se pueden aplicar pruebas informales como la representación gráfica de las series y los correlogramas, y pruebas estadísticas como la prueba de Box-Pierce y la de Ljung-Box (Gujarati y Porter, 2010), que analizan la correlación de las series; la de Dickey-Fuller (DF) y la de Dickey-Fuller aumentada (DFA) que prueban si el parámetro de la pendiente del modelo es uno, lo que también se interpreta como que la raíz es unitaria. En la prueba DF se utiliza un modelo autorregresivo de orden 1, AR(1). La DFA se utiliza cuando la prueba de DF no pueda corregir la correlación serial en los residuos y añade al modelo usado en DF términos de diferencias de la variable.

2.1.2. Modelo VAR

Un modelo VAR es el punto de partida del enfoque de cointegración de Johansen, su forma general es la siguiente:

2448-6183-est-17-53-00199-i002.jpg

donde:

2448-6183-est-17-53-00199-i003.jpg Es un vector (N*1) de variables endógenas integradas de orden uno I(1)

2448-6183-est-17-53-00199-i004.jpg Son matrices de coeficientes a ser estimados

2448-6183-est-17-53-00199-i005.jpg Es el número de retardos incluidos en el VAR

2448-6183-est-17-53-00199-i006.jpg Es un vector de variables exógenas (variables de intervalo y nominal)

2448-6183-est-17-53-00199-i007.jpg Es un vector (N*1) de términos de errores normal e independientemente distribuidos

Una vez que se han seleccionado las variables endógenas que conformarán el vector Yt y las variables que conformarán el vector de variables exógenas Xt se realizan distintas pruebas estadísticas para determinar el retardo óptimo para el modelo VAR, con la finalidad de obtener residuos que sean ruido blanco. Existen varios criterios para determinar la longitud del retardo óptimo: a) criterio de Máxima Verosimilitud (LR), b) criterio de información de Akaike (AIC), c) criterio de información de Schwarz (SC), d) criterio de información de Hannan-Quinn (HQ).

Para el diagnóstico del modelo VAR se examinan las raíces inversas del polinomio autoregresivo con el fin de probar la estabilidad del modelo. Partiendo del supuesto de existencia de relaciones de cointegración, los valores propios del polinomio autorregresivo (eigenvalores) de la matriz del modelo deberían estar dentro de un círculo unitario, y el número de valores que se encuentren cercanos al límite del círculo determinarán el número de tendencias comunes.

Una vez que se determina que el sistema es estable y estacionario, se aplica el procedimiento de Máxima Verosimilitud al vector autorregresivo para determinar el rango (r) de cointegración del sistema utilizando para ello la prueba de la traza y la prueba del eigenvalor máximo (valor propio). El vector de cointegración con mayor valor propio es normalizado, se multiplica por -1 y se reordenan los coeficientes de modo que el vector se interprete como una función de consumo.

2.2. Modelo VEC

Un modelo de vector de corrección del error (VEC) es un modelo VAR restringido (habitualmente con sólo dos variables) que tiene acotaciones de cointegración incluidas en su especificación, por lo que se diseña para ser utilizado con series que no son estacionarias pero de las que se sabe que son cointegradas. En estos modelos se supone que existe una relación de equilibrio a largo plazo entre las variables económicas, aunque en el corto plazo puede haber desequilibrios (Boef, 2000). Con los modelos de corrección del error, una proporción del desequilibrio de un periodo (el error, interpretado como un alejamiento de la senda de equilibrio a largo plazo) es corregido gradualmente a través de ajustes parciales en el corto plazo.

3. Resultados

3.1. Cointegración de Søren Johansen

En esta sección se muestra la aplicación del procedimiento de Johansen a las seis series de tiempo del modelo

2448-6183-est-17-53-00199-i008.jpg

Para los análisis se utilizó el software estadístico Stata versión 10.1.

3.1.1. Integración de las series

A partir de la prueba de ADF se determinó si las series de tiempo en su nivel original fueron no estacionarias. De no ser estacionarias se aplican primeras diferencias a las series de tiempo para hacerlas estacionarias y por lo tanto integradas de orden 12 . Al respecto, Gujarati y Porter (2010) indican los diferentes procesos estocásticos que puede seguir una serie y determinar si es o no estacionario.

En general, una serie de tiempo no estacionaria puede seguir un proceso estocástico en particular, por ejemplo, camino aleatorio sin intercepto, camino aleatorio con intercepto, camino aleatorio con tendencia determinística, camino aleatorio con intercepto y tendencia determinística, camino aleatorio con intercepto y tendencia determinística y componente autorregresivo, etc. Comparando los valores absolutos de los estadísticos con los valores críticos se observa que en el caso de las series lnQt , lnYt , lnPet , lnPgt , lnUt y lnIPBDt se rechaza la hipótesis nula de “no estacionariedad” para la primera diferencia a un nivel de significancia de 1%. En la serie InPat se rechaza para la primera diferencia a un nivel de significancia del 10% (cuadro 4), por lo que las series de tiempo analizadas mediante la prueba de Dickey Fuller Aumentada (ADF) son integradas de orden 1, lo cual indica que no existe autocorrelación, lo cual es deseable en una prueba ADF.

Cuadro 4

Prueba ADF de raíz unitaria de las series

2448-6183-est-17-53-00199-gt4.jpg

[i] Valores críticos de MacKinnon para rechazar la hipótesis de raíz unitaria

[ii] ** Significante a cualquier nivel: 1%, 5% y 10%

[iii] * Significante a nivel: 10%

[iv] Fuente: elaboración propia con base en los resultados del software estadístico Stata versión 10.1.

3.1.2. Modelo VAR

Para determinar la longitud del retardo óptimo en el modelo que será utilizado en la prueba de cointegración se utilizan los criterios: a) criterio de máxima verosimilitud (LR), b) criterio de información de Akaike (AIC), c) criterio de información de Schwarz (SC), d) criterio de información de Hannan-Quinn (HQ). El cuadro 5 muestra los criterios para el modelo. Basado en el criterio de SC y HQ se seleccionó el primer retardo como el óptimo para estimar el vector de cointegración.

Cuadro 5

Criterios para determinar la longitud del retardo

2448-6183-est-17-53-00199-gt5.jpg

[i] * Indica el orden de retardo seleccionado por el criterio

[ii] LR: Prueba estadística LR secuencial modificada (significante a nivel 5%)

[iii] FPE: Predicción final del error

[iv] AIC: Criterio de información de Akaike

[v] SC: Criterio de información de Schwarz

[vi] HQ: Criterio de información de Hannan-Quinn

[vii] Fuente: diseño propio con base en los resultados del software estadístico Stata versión 10.1.

Para probar la estabilidad del modelo VAR se examinaron las raíces inversas del polinomio autoregresivo.

En la figura 1 se puede observar que todos los eigenvalores (valores propios) se encuentran dentro del circulo unitario y cinco de estos se encuentran al borde del círculo de la unidad, esto indica que existen diversas tendencias en común, por lo que se espera más de un vector de cointegración.

Figura 1

Raíces inversas del polinomio autorregresivo del VAR

2448-6183-est-17-53-00199-gf1.jpg

Fuente: elaboración propia con resultados del software estadístico Stata versión 10.1.

Como el modelo resultó ser estable se determina el rango (r) de cointegración del modelo utilizando para ello la prueba de la traza y la prueba del eigenvalor máximo (valor propio). El cuadro 6 muestra los resultados de la prueba de la traza. La primera columna muestra el número de relaciones de cointegración, la segunda columna muestra el rango ordenado de los eigenvalores de la matriz, la tercera muestra el estadístico de la traza y el cuarto y quinto los valores críticos al 5% y 1 por ciento.

La prueba de máximo eigenvalor mostrada en el cuadro 7 prueba la hipótesis nula de que el rango de cointegración es igual a r=0 contra que es mayor que 0. Dado que el valor del estadístico de máximo eigenvalor (109,031) es mayor que el valor crítico a 1% (48,17), se rechaza la hipótesis nula de que el rango de cointegración es igual a 1 (Greene, 2003). Basado en ambos resultados se concluye que existe más de una relación de cointegración entre el conjunto de series de tiempo incluidas en el modelo.

Cuadro 6

Prueba de la traza

2448-6183-est-17-53-00199-gt6.jpg

[i] * denota rechazo de la hipótesis al nivel1%

[ii] La prueba de la traza indica 6 EC(s) al nivel 1%

[iii] Fuente: diseño propio con base en los resultados del software estadístico Stata versión 10.1.

Cuadro 7

Prueba del eigenvalor máximo

Núm de EC(s) hipotetizadas Eigenvalor Estadística Max-Eigen Valor crítico al 5% Valor crítico al 1%
Ninguna * 150.3186 48.45 54.48
A lo más 1 * 0,65047 109,031 42,48 48,17
A lo más 2 * 0,53348 89,4572 36,41 41,58
A lo más 3 * 0,46505 75,2944 30,33 35,68
A lo más 4* 0,40935 51,4818 23,78 28,83
A lo más 5* 0,30233 40,2283 16,87 21,47
A lo más 6* 0,24521 29,1199 3,74 6,4
A lo más 7 0,18424

[i] * denota rechazo de la hipótesis al nivel1%

[ii] La prueba del eigenvalor máximo indica 6 EC(s) al nivel 1%

[iii] Fuente: diseño propio con base en los resultados del software estadístico Stata versión 10.1.

3.2. Modelo VEC

El modelo VEC (ecuación 3) se puede interpretar como una función de equilibrio de largo plazo de la forma (Greene, 2003):

2448-6183-est-17-53-00199-i013.jpg

Con base en la demanda residencial de energía eléctrica del Estado de México, los coeficientes de las variables incluidas con un retraso representan las elasticidades de largo plazo, y los coeficientes de las variables en niveles I(1) representan las elasticidades de corto plazo. El modelo obtenido incluyó sólo las variables que resultaron significativas, y fue estimado de manera dinámica mediante el software Stata. A continuación se presenta el modelo:

2448-6183-est-17-53-00199-i014.jpg

La interpretación de los coeficientes de largo plazo del modelo VEC para la demanda residencial de energía eléctrica del Estado de México se presenta en el cuadro 8. Las magnitudes de los coeficientes estimados para aquellas variables que resultaron significativas a 5% y 10% son los esperados y sus signos son congruentes con la teoría de la demanda.

Cuadro 8

Clasificación de elasticidades de largo plazo del modelo

Elasticidades Coeficientes Error estándar Elasticidad$ Tipo
Precio de la electricidad -0,0455 0,0556*** -0,060 Inelástica< 1
Ingreso de la población 0,1608 0,0961* 0,213 Bien normal de primera necesidad< 1
Cruzada gas L.P -0,0595 0,2085*** -0,079 Bien sustituto(+)
Cruzada agua -0,1169 0,2508*** -0,155 Bien complementario(-)
Número usuarios del servicio 0,3205 0,0528* 0,425 (+)
Índice del precio para bienes durables -0,4832 0,4905*** -0,640 (-)
Mes enero 0,0000 0,0190*** 0,000 (+)
Mes mayo 0,0247 0,1500*** 0,033 (+)

[i] * denota significancia al nivel de 5 por ciento.

[ii] *** significancia mayor al nivel de 10% por lo que se consideran variables estadísticamente no significativas.

[iii] $ Se obtiene al dividir cada coeficiente por el factor de corrección del modelo ().

[iv] Fuente: elaboración propia con resultados del software estadístico Stata versión 10.1.

La interpretación de los coeficientes de corto plazo del modelo VEC se presenta en el cuadro 9. Las magnitudes de los coeficientes estimados son los esperados y sus signos son congruentes con la teoría del consumidor (demanda). En la figura 2 se puede apreciar el ajuste del modelo VEC.

Cuadro 9

Clasificación de elasticidades de corto plazo del modelo

Elasticidades Coeficientes Error estándar Tipo
Precio de la electricidad -0,1391 0,0617* Inelástica< 1
Ingreso de la población 0,3461 0,2252*** Bien normal< 1
Cruzada gas L.P 0,4609 0,3151*** Bien sustituto(+)
Cruzada agua -0,7192 0,3020* Bien complementario(-)
Número usuarios del servicio -0,1746 0,5280*** (+)
Índice del precio para bienes durables -3,4524 1,5634* (-)
Mes enero 0,0013 1,6620*** (+)
Mes mayo 0,0200 0,0117** (+)

[i] * denota significancia al nivel del 5%

[ii] ** denota significancia al nivel del 10%

[iii] *** significancia mayor al nivel del 10% por lo que se consideran variables estadísticamente no significativas

[iv] Fuente: elaboración propia con resultados del software estadístico Stata versión 10.1.

Figura 2

Consumo residencial de energía eléctrica en el Estado de México y modelo vector de corrección de errores

2448-6183-est-17-53-00199-gf2.jpg

Fuente: elaboración propia con datos obtenidos de Sistema de Información Energética

Finalmente, se procedió a probar la existencia de cointegración del modelo VEC, es decir, confirmar la existencia de un equilibrio de largo plazo en el que los errores estimados deben ser estacionarios. Al respecto se aplicaron dos pruebas sobre los errores estimados, DFA y la prueba de Porstmanteu.

En el cuadro 10, para los errores estimados del modelo VEC, se rechaza la hipótesis nula de no estacionariedad a un nivel de significancia de 1 por ciento. Adicionalmente, bajo la prueba de Porstmanteu no se rechaza la hipótesis nula de ausencia de autocorrelación hasta el retraso 40. Con base en lo anterior, se afirma que el modelo VEC propuesto presenta un equilibrio de largo plazo.

Cuadro 10

Prueba ADF de raíz unitaria de las series y Prueba de Portmanteu

2448-6183-est-17-53-00199-gt10.jpg

[i] Fuente: diseño propio con base en los resultados del software estadístico Stata 10.1.

4. Discusión de resultados

En este estudio se encontraron seis vectores de cointegración, sin embargo sólo uno de ellos es congruente con la teoría del consumidor. Mediante la estimación de un modelo de corrección de errores se estimaron los coeficientes que se interpretan como las elasticidades de largo y corto plazo.

Las magnitudes de las elasticidades de la demanda residencial de energía eléctrica que han sido estimadas en este estudio y en otros estudios similares realizados en México se muestran en el cuadro 11. Cabe señalar que los estudios realizados en el país son muy escasos y no existe en particular un antecedente llevado a cabo en el Estado de México con el cual se pudiera realizar una adecuada comparación de los resultados obtenidos.

Como puede apreciarse en el cuadro 11, la elasticidad precio de la demanda resultó ser significativa e inelástica en el corto plazo con -0,14, lo que indica que al aumentar el precio en 1%, la cantidad demandada de energía eléctrica disminuirá en 0,14%. La magnitud de las elasticidad estimada en términos absolutos es menor a las reportadas por Guzmán-Soria et al. (2011) y Morales-Ramírez et al. (2012), lo que indica una menor sensibilidad al precio a través del tiempo en el Estado de México que con respecto en entidades como Querétaro y Monterrey. Adicionalmente, dicha elasticidad es menor en magnitud a la elasticidad precio de largo plazo obtenida en otras investigaciones, por lo que se confirma lo referido por Espey y Espey (2004) y Pashardes (2014), en el sentido de que, la elasticidad precio de la demanda por electricidad de corto plazo es menor a la elasticidad correspondiente de largo plazo.

Cuadro 11

Investigaciones realizadas en México sobre elasticidades de la demanda residencial de energía eléctrica

2448-6183-est-17-53-00199-gt11.jpg

[i] * Variable dicotómica. Aunque se probaron todos los meses de año, sólo el mes de mayo resultó significativo en el corto plazo.

[ii] Fuente: elaboración propia con base en los resultados del software estadístico Stata versión 10.1 y en los reportados en las investigaciones consultadas.

La elasticidad ingreso de la demanda resultó ser significativa, positiva y menor que uno en el largo plazo, por lo que se trata de un bien normal de primera necesidad (Pindick y Ribinfeld, 2013), es decir, al aumentar el ingreso del consumidor en 1% la demanda del bien aumenta en 0,21%. La magnitud de la elasticidad estimada es menor que la elasticidad estimada por el resto de los autores (Saenz, 2004, Caballero-Guendolain y Galindo-Paliza, 2009; Guzmán-Soria et al., 2011; Morales-Ramírez et al., 2012), lo que indica que en el Estado de México la demanda de electricidad es menos sensible a cambios inmediatos en el ingreso de la población que la que se presenta en entidades como Querétaro y Monterrey, lo cual se explica por las diferencias en el ingreso de las distintas zonas geográficas en que fueron realizados los estudios.

En la presente investigación, la elasticidad ingreso de la demanda de largo plazo resultó ser menor en magnitud a la elasticidad ingreso de la demanda de corto plazo estimada por Guzmán-Soria et al. (2011), lo cual no corresponde con lo referido por Espey y Espey (2004) y Pashardes et al. (2014). Sin embargo, es importante señalar que en el estudio de Guzmán-Soria et al. (2011) aunque el estadístico Durbin Watson (1,82) muestra un bajo nivel de correlación de primer orden entre las variables de la ecuación de regresión, no implica que no exista un nivel de correlación de orden superior, y por consiguiente, que se tenga que estimar un modelo alternativo con objeto de que los errores estimados sean estacionarios.

En el caso de la elasticidad de la demanda respecto a la población (número de usuarios), ésta resulta ser significativa y menor en el largo plazo a la reportada por Morales-Ramírez et al. (2012). Esto se debe al perfil de consumo de los usuarios en el Estado de Monterrey, a diferencia del Estado de México. En el presente estudio, los resultados obtenidos indican que un incremento porcentual de 1% en el número de usuarios aumentaría en 0,42% la demanda de electricidad en el largo plazo.

En el caso de las elasticidades cruzadas, los resultados indican que el servicio público del agua es un servicio complementario al servicio eléctrico residencial en el corto plazo (-0,71). Con respecto a la elasticidad cruzada del precio del gas, ésta variable resultó no ser significativa en ambos horizontes de tiempo: largo y corto plazo.

En el caso del índice de precios de los bienes durables, en el presente estudio se obtuvo una elasticidad de corto plazo significativa y acorde con la teoría. El precio de dichos bienes tiene un comportamiento inverso con respecto a la demanda de electricidad (Marshall, 2010). De esta manera, cuando se incrementa el índice de los bienes durables en 1%, reduce la demanda por éstos, lo cual se traduce en una disminución en la demanda de electricidad en -3,45%. Esta elasticidad de corto plazo es significativamente mayor en términos absolutos comparada a la obtenida por Marshall (2010) de -0,37 en su estudio de consumo de electricidad en el sector residencial en Chile.

El coeficiente correspondiente a la demanda estacional en el consumo de electricidad resultó ser significativa y positiva para el mes de mayo (0,02) bajo un horizonte de corto plazo. Sin embargo, a pesar de dicho resultado, el valor de dicha elasticidad es cercano a cero.

Finalmente, con base en la ecuación (4) y aquellas elasticidades que resultaron significativas se determinó el impacto en la demanda de energía eléctrica, en el largo y corto plazo, cuando se da un efecto combinado en las elasticidades.

En el corto plazo, bajo el supuesto de un crecimiento de 1% en el precio del agua y del precio de los bienes durables respectivamente, se requiere de al menos un decremento del 37,2% en el precio de la energía eléctrica, esto permitiría un crecimiento del 1% en su demanda. Sin el crecimiento de los precios del agua y de los bienes durables, el decremento en el precio de la energía eléctrica tendría que ser del 7,2%. Respecto al largo plazo, un crecimiento del 1,6% en el ingreso de la población y del número de usuarios respectivamente, resulta en un crecimiento del 1% en la demanda de energía eléctrica. Cabe señalar, que dicho crecimiento en la demanda de electricidad de largo plazo es mayormente explicado por el crecimiento del número de usuarios.

Conclusiones

El presente estudio mostró la relevancia en cuanto al uso de los métodos de Johansen y de vector de corrección de errores. A partir de la integración de orden uno I(1) de las series económicas, incluidas en el modelo Cobb-Douglas de demanda residencial de energía eléctrica, fue posible estimar un vector autoregresivo restringido que a su vez cumpliera con la condición de que los residuos fueran ruido blanco. Los coeficientes de dicho vector indican que, en el corto plazo, un decremento en el precio de la electricidad, precio del servicio público del agua y precio de los bienes durables, incrementa la demanda de energía eléctrica. Por otra parte, en el largo plazo se mostró que, el aumento en el nivel de ingreso de la población y el crecimiento de usuarios son las variables que incrementan la demanda de energía eléctrica.

Finalmente, se concluye que los beneficios que pretende obtener la actual reforma energética mediante una disminución en el precio medio del servicio eléctrico serán mayores en la medida que los precios del servicio del agua y de los bienes durables disminuyan o, al menos, se mantengan constantes a través del tiempo. Variables como el ingreso de la población y el número de usuarios, tendrán un incremento en la energía eléctrica residencial sólo en el largo plazo.

Fuentes consultadas:

1 

Benavente, José Miguel, Alexander Galetovic, Ricardo Sanhueza y Pablo Serra (2005), “Estimando la demanda residencial por electricidad en Chile: el consumo es sensible al precio”, Cuadernos de Economía, 42 (125), Pontificia Universidad Católica de Chile, Santiago, pp. 31-61, doi: http://dx.doi.org/10.4067/S0717-68212005012 500002.

José Miguel Benavente Alexander Galetovic Ricardo Sanhueza Pablo Serra 2005Estimando la demanda residencial por electricidad en Chile: el consumo es sensible al precioCuadernos de Economía42125Pontificia Universidad Católica de ChileSantiago316110.4067/S0717-68212005012

2 

Boef, Suzanna de (2000), “Modeling equilibrium relationships: Error correction model with strongly autoregressive data”, Political Analysis, 9 (1), Oxford Journals, Oxford, pp. 78-94.

Suzanna de Boef 2000Modeling equilibrium relationships: Error correction model with strongly autoregressive dataPolitical Analysis91Oxford JournalsOxford7894

3 

Caballero-Guendolain, Karina y Luis Miguel Galindo-Paliza (2009), “El consumo de energía en México y sus efectos en el producto y los precios”, Problemas del desarrollo, 38 (148), Universidad Nacional Autónoma de México, México, pp. 127-151.

Karina Caballero-Guendolain Luis Miguel Galindo-Paliza 2009El consumo de energía en México y sus efectos en el producto y los preciosProblemas del desarrollo38148Universidad Nacional Autónoma de MéxicoMéxico127151

4 

Castro, Fidel (2000), “La demanda de electricidad de largo plazo. Principales determinantes en un marco regulado y repercusiones del proceso de liberalización”, Información Comercial Española Revista de Economía, núm. 783, Ministerio de Economía y Competitividad, Madrid, pp. 119-132.

Fidel Castro 2000La demanda de electricidad de largo plazo. Principales determinantes en un marco regulado y repercusiones del proceso de liberalizaciónInformación Comercial Española Revista de Economía783Ministerio de Economía y CompetitividadMadrid119132

5 

Centro de Estudios de las Finanzas Públicas (2005), “Precios del sector energético administrados por el Sector Público”, Cámara de Diputados, Centro de Estudios de las Finanzas Públicas, <Centro de Estudios de las Finanzas Públicas (2005), “Precios del sector energético administrados por el Sector Público”, Cámara de Diputados, Centro de Estudios de las Finanzas Públicas, http://www.cefp.gob.mx/intr/edocumentos/pdf/cefp/cefp0112005.pdf >, 20 de marzo de 2014.

Centro de Estudios de las Finanzas Públicas 2005Precios del sector energético administrados por el Sector PúblicoCámara de DiputadosCentro de Estudios de las Finanzas PúblicasCentro de Estudios de las Finanzas Públicas (2005), “Precios del sector energético administrados por el Sector Público”, Cámara de Diputados, Centro de Estudios de las Finanzas Públicas, http://www.cefp.gob.mx/intr/edocumentos/pdf/cefp/cefp0112005.pdf 20 de marzo de 2014

6 

CESOP (Centro de Estudios Sociales y de Opinión Pública) (2013), “Tarifas eléctricas en México”, En Contexto, Centro de Estudios Sociales y de Opinión Pública, <CESOP (Centro de Estudios Sociales y de Opinión Pública) (2013), “Tarifas eléctricas en México”, En Contexto, Centro de Estudios Sociales y de Opinión Pública, http://www3.diputados.gob.mx/camara/content/download/301033/999024/file/Contexto-No.31-tarifas_electricas.pdf >, 5 de enero de 2014.

Centro de Estudios Sociales y de Opinión Pública 2013Tarifas eléctricas en MéxicoEn Contexto, Centro de Estudios Sociales y de Opinión PúblicaCESOP (Centro de Estudios Sociales y de Opinión Pública) (2013), “Tarifas eléctricas en México”, En Contexto, Centro de Estudios Sociales y de Opinión Pública, http://www3.diputados.gob.mx/camara/content/download/301033/999024/file/Contexto-No.31-tarifas_electricas.pdf 5 de enero de 2014

7 

CFE (Comisión Federal de Electricidad) (2013), Estadísticas generales de CFE, CFE, México, <CFE (Comisión Federal de Electricidad) (2013), Estadísticas generales de CFE, CFE, México, http://www.cfe.gob.mx/Proveedores/1_Adquisicionesarrendamientosyservicios/Paginas/Estadisticasgenerales.aspx >, 21 de noviembre de 2013.

Comisión Federal de Electricidad 2013Estadísticas generales de CFECFEMéxicoCFE (Comisión Federal de Electricidad) (2013), Estadísticas generales de CFE, CFE, México, http://www.cfe.gob.mx/Proveedores/1_Adquisicionesarrendamientosyservicios/Paginas/Estadisticasgenerales.aspx 21 de noviembre de 2013

8 

Dergiades, Teodolus y Lefteris Tsoulfidis (2008), “Estimating residential demand for US”, Energy Economics, núm. 30, Elsevier, Amsterdam, pp. 2722-2730.

Teodolus Dergiades Lefteris Tsoulfidis 2008Estimating residential demand for USEnergy Economics30ElsevierAmsterdam27222730

9 

Gobierno del Estado de México (1998), Código Financiero del Estado de México, Gobierno del Estado de México, <Gobierno del Estado de México (1998), Código Financiero del Estado de México, Gobierno del Estado de México, http://legislacion.edomex.gob.mx/sites/legislacion.edomex.gob.mx/files/files/pdf/cod/vig/codvig007.pdf >, pp. 104-108, 21 de noviembre de 2013.

Gobierno del Estado de México 1998Código Financiero del Estado de MéxicoGobierno del Estado de MéxicoGobierno del Estado de México (1998), Código Financiero del Estado de México, Gobierno del Estado de México, http://legislacion.edomex.gob.mx/sites/legislacion.edomex.gob.mx/files/files/pdf/cod/vig/codvig007.pdf 10410821 de noviembre de 2013

10 

Elizondo, Rocío (2012), “Estimaciones del PIB mensual basadas en el IGAE”, Documento de investigación, núm. 2012-11, Banco de México, México.

Rocío Elizondo 2012Estimaciones del PIB mensual basadas en el IGAEDocumento de investigación, núm. 2012-11Banco de MéxicoMéxico

11 

Engle, Robert F. y Clide W. J. Granger (1987), “Co-integration and error correction: representation, estimation and testing”, Econometrica, 55 (2), The Econometric Society, New York, pp. 251-276.

Robert F. Engle Granger Clide W. J. 1987Co-integration and error correction: representation, estimation and testingEconometrica552The Econometric SocietyNew York251276

12 

Espey, James A. y Molly Espey (2004), “Turning on the lights: a meta-analysis of residential electricity demand elasticities”, Journal of Agricultural and Applied Economics, 36 (1), Cambridge University Press, Cambridge, pp. 65-81.

James A. Espey Molly Espey 2004Turning on the lights: a meta-analysis of residential electricity demand elasticitiesJournal of Agricultural and Applied Economics361Cambridge University PressCambridge6581

13 

Espinoza-Acuña, Óscar A., Paola A. Vaca-González y Raúl A. Ávila-Forero (2013), “Elasticidades de demanda por electricidad e impactos macroeconómicos del precio de la energía eléctrica en Colombia”, Métodos Cuantitativos para la Economía y la Empresa, 16 (1), Universidad Pablo de Olavide, Sevilla, pp. 216-249.

Óscar A. Espinoza-Acuña Paola A. Vaca-González Raúl A. Ávila-Forero 2013Elasticidades de demanda por electricidad e impactos macroeconómicos del precio de la energía eléctrica en ColombiaMétodos Cuantitativos para la Economía y la Empresa161Universidad Pablo de OlavideSevilla216249

14 

Gobierno de la República (2013), “Refoma energética. Resumen ejecutivo”, Gobierno de la República, México, < Resumen ejecutivo”, Gobierno de la República, México, http://embamex.sre.gob.mx/suecia/images/reforma%20energetica.pdf >, 13 de junio de 2014.

Gobierno de la República 2013Refoma energética. Resumen ejecutivoGobierno de la RepúblicaMéxico Resumen ejecutivo”, Gobierno de la República, México, http://embamex.sre.gob.mx/suecia/images/reforma%20energetica.pdf 13 de junio de 2014

15 

Gómez-Ugalde, Sandra Gabriela, José Saturnino Mora-Flores, José Alberto García-Salazar y Ramón Valdivia-Alcalá (2012), “Demanda de agua para uso residencial y comercial”, Terra Latinoamericana, 30 (4), Sociedad Mexicana de la Ciencia del Suelo, México, pp. 337-342.

Sandra Gabriela Gómez-Ugalde José Saturnino Mora-Flores José Alberto García-Salazar Ramón Valdivia-Alcalá 2012Demanda de agua para uso residencial y comercialTerra Latinoamericana304Sociedad Mexicana de la Ciencia del SueloMéxico337342

16 

Greene, William H. (2003), Econometrica analysis, Prentice Hall, New Jersey.

William H. Greene 2003Econometrica analysisPrentice HallNew Jersey

17 

Gujarati, Demodar N. y Dawn C. Porter (2010), Econometría, McGraw Hill, México.

Demodar N. Gujarati Dawn C. Porter 2010EconometríaMcGraw HillMéxico

18 

Guzmán-Soria, Eugenio, José Rafael Rodríguez-Magaña, Juvencio Hernández-Martínez y Samuel Rebollar-Rebollar (2011), “Consumo de energía eléctrica para uso doméstico en San Juan del Rio, Querétaro”, Análisis Económico, 26 (61), Universidad Autónoma Metropolitana, México, pp. 139-151.

Eugenio Guzmán-Soria José Rafael Rodríguez-Magaña Juvencio Hernández-Martínez Samuel Rebollar-Rebollar 2011Consumo de energía eléctrica para uso doméstico en San Juan del Rio, QuerétaroAnálisis Económico2661Universidad Autónoma MetropolitanaMéxico139151

19 

Inegi (Instituto Nacional de Estadística y Geografía) (2014), Índice de precios, <Inegi (Instituto Nacional de Estadística y Geografía) (2014), Índice de precios, http://www.inegi.org.mx/sistemas/IndicePrecios/Cuadro.aspx?nc= CA57&T=Índices >, 1 de agosto de 2014.

Instituto Nacional de Estadística y Geografía 2014Índice de preciosInegi (Instituto Nacional de Estadística y Geografía) (2014), Índice de precios, http://www.inegi.org.mx/sistemas/IndicePrecios/Cuadro.aspx?nc= CA57&T=Índices 1 de agosto de 2014

20 

Johansen, Søren (1988), “Statistical analysis of cointegration vectors”, Journal of Economic Dynamics and Control, 12 (2), Elsevier, Amsterdam , pp. 231-254.

Søren Johansen 1988Statistical analysis of cointegration vectorsJournal of Economic Dynamics and Control122ElsevierAmsterdam231254

21 

Maqueda-Zamora, Martín Roberto y Luis Agustín Sánchez-Viveros (2011), “Curvas de demanda de energía eléctrica en el sector doméstico de dos regiones de México”, Boletín IIE, 35 (4), Instituto de Investigaciones Eléctricas, Cuernavaca, pp. 172-180.

Martín Roberto Maqueda-Zamora Luis Agustín Sánchez-Viveros 2011Curvas de demanda de energía eléctrica en el sector doméstico de dos regiones de MéxicoIIE354Instituto de Investigaciones EléctricasCuernavaca172180

22 

Marshall, Daniela (2010), “El consumo eléctrico residencial en Chile en 2008”, Cuadernos de Economía, 47, Pontificia Universidad Católica de Chile, Santiago , pp. 57-89.

Daniela Marshall 2010El consumo eléctrico residencial en Chile en 2008Cuadernos de Economía47Pontificia Universidad Católica de ChileSantiago5789

23 

Morales-Ramírez, Dionisio, José Raúl, Luyando-Cuevas y Daniel Flores-Curiel (2012), “Determinantes del consumo de energía eléctrica residencial de la zona metropolitana de Monterrey, Nuevo León, en México”, Universidad y Empresa, núm. 22, Universidad del Rosario, Bogotá, pp. 79-98.

Dionisio Morales-Ramírez José Raúl Luyando-Cuevas Daniel Flores-Curiel 2012Determinantes del consumo de energía eléctrica residencial de la zona metropolitana de Monterrey, Nuevo León, en MéxicoUniversidad y Empresa22Universidad del RosarioBogotá7998

24 

Pashardes, Panos, Nicoleta Pashourtidou y Teodoros Zachariadis (2014), “Estimating welfare aspects of changes in energy prices from preference heterogeneity”, Energy Economics, vol. 42, Elsevier, Amsterdam , pp. 58-66.

Panos Pashardes Nicoleta Pashourtidou Teodoros Zachariadis 2014Estimating welfare aspects of changes in energy prices from preference heterogeneityEnergy Economics42ElsevierAmsterdam5866

25 

Pindick, Robert S. y Daniel L. Ribinfeld (2013), Microeconomía, Pearson Prentice Hall, Madrid.

Robert S. Pindick Daniel L. Ribinfeld 2013MicroeconomíaPearson Prentice HallMadrid

26 

Rosal-Fernández, Ignacio del (1999), “Análisis de la demanda agregada de electricidad en España con series temporales: un tratamiento de cointegración”, Anales de economía y administración de empresas, núm. 7, Universidad de Cantabria, Santander, pp. 7-22.

Ignacio del Rosal-Fernández 1999Análisis de la demanda agregada de electricidad en España con series temporales: un tratamiento de cointegraciónAnales de economía y administración de empresas7Universidad de CantabriaSantander722

27 

Saenz de Miera-Berglind, Óscar Felipe (2004), “Estimación de elasticidades precio e ingreso de la demanda por energía eléctrica en México”, tesis de licenciatura, Escuela de Ciencias Sociales, Universidad de las Américas, Puebla.

Óscar Felipe Saenz de Miera-Berglind 2004Estimación de elasticidades precio e ingreso de la demanda por energía eléctrica en MéxicolicenciaturaEscuela de Ciencias Sociales, Universidad de las AméricasPuebla

28 

SENER (Secretaría de Energía) (2013), “Prospectiva del Sector Eléctrico”, Secretaria de Energía, México, <SENER (Secretaría de Energía) (2013), “Prospectiva del Sector Eléctrico”, Secretaria de Energía, México, http://sener.gob.mx/res/PE_y_DT/pub/2013/Prospectiva_del_Sector_Electrico_2013-2027.pdf >, 30 de julio de 2014.

Secretaría de Energía 2013Prospectiva del Sector EléctricoSecretaria de EnergíaMéxicoSENER (Secretaría de Energía) (2013), “Prospectiva del Sector Eléctrico”, Secretaria de Energía, México, http://sener.gob.mx/res/PE_y_DT/pub/2013/Prospectiva_del_Sector_Electrico_2013-2027.pdf 30 de julio de 2014

29 

SIE (Sistema de Información Energética) (2013), “Consumo de energía eléctrica por entidad federativa”, Secretaría de Energía, México, <SIE (Sistema de Información Energética) (2013), “Consumo de energía eléctrica por entidad federativa”, Secretaría de Energía, México, http://sie.energia.gob.mx/bdiController.do?action=cuadro& cvecua=DIIE_C32_ESP >, 21 de noviembre de 2013.

Sistema de Información Energética 2013Consumo de energía eléctrica por entidad federativaSecretaría de EnergíaMéxicoSIE (Sistema de Información Energética) (2013), “Consumo de energía eléctrica por entidad federativa”, Secretaría de Energía, México, http://sie.energia.gob.mx/bdiController.do?action=cuadro& cvecua=DIIE_C32_ESP 21 de noviembre de 2013

30 

SIE (Sistema de Información Energética) (2013a), “Ventas internas de energía eléctrica por sector tarifario”, Secretaría de Energía, México , <SIE (Sistema de Información Energética) (2013a), “Ventas internas de energía eléctrica por sector tarifario”, Secretaría de Energía, México , http://sie.energia.gob.mx/bdiController.do?action=cuadro&cvecua=IIIA3C04 >, 21 de noviembre de 2013.

Sistema de Información Energética 2013Ventas internas de energía eléctrica por sector tarifarioSecretaría de EnergíaMéxicoSIE (Sistema de Información Energética) (2013a), “Ventas internas de energía eléctrica por sector tarifario”, Secretaría de Energía, México , http://sie.energia.gob.mx/bdiController.do?action=cuadro&cvecua=IIIA3C04 21 de noviembre de 2013

31 

SIE (Sistema de Información Energética) (2013b), “Precios medios de energía eléctrica por tarifa”, Secretaría de Energía, México , <SIE (Sistema de Información Energética) (2013b), “Precios medios de energía eléctrica por tarifa”, Secretaría de Energía, México , http://sie.energia.gob.mx/bdiController.do?action=cuadro&cvecua=IIIBC02 >, 21 de noviembre de 2013.

Sistema de Información Energética 2013Precios medios de energía eléctrica por tarifaSecretaría de EnergíaMéxicoSIE (Sistema de Información Energética) (2013b), “Precios medios de energía eléctrica por tarifa”, Secretaría de Energía, México , http://sie.energia.gob.mx/bdiController.do?action=cuadro&cvecua=IIIBC02 21 de noviembre de 2013

32 

SIE (Sistema de Información Energética) (2013c), “Precios de venta de primera mano de gas LP por ruta”, Secretaría de Energía, México , <SIE (Sistema de Información Energética) (2013c), “Precios de venta de primera mano de gas LP por ruta”, Secretaría de Energía, México , http://sie.energia.gob.mx/bdiController.do?action=cuadro &cvecua=C1C03 >, 21 de noviembre de 2013.

Sistema de Información Energética 2013Precios de venta de primera mano de gas LP por rutaSecretaría de EnergíaMéxicoSIE (Sistema de Información Energética) (2013c), “Precios de venta de primera mano de gas LP por ruta”, Secretaría de Energía, México , http://sie.energia.gob.mx/bdiController.do?action=cuadro &cvecua=C1C03 21 de noviembre de 2013

33 

SIE (Sistema de Información Energética) (2013d), “Usuarios de energía eléctrica por sector tarifario”, Secretaría de Energía, México , <SIE (Sistema de Información Energética) (2013d), “Usuarios de energía eléctrica por sector tarifario”, Secretaría de Energía, México , http://sie.energia.gob.mx/bdiController.do?action=cuadro&cvecua=IIIA3C01 >, 21 de noviembre de 2013.

Sistema de Información Energética 2013Usuarios de energía eléctrica por sector tarifarioSecretaría de EnergíaMéxicoSIE (Sistema de Información Energética) (2013d), “Usuarios de energía eléctrica por sector tarifario”, Secretaría de Energía, México , http://sie.energia.gob.mx/bdiController.do?action=cuadro&cvecua=IIIA3C01 21 de noviembre de 2013

34 

Silk, Julián I. y Frederick L. Joutz (1997), “Short and long-run elasticities in US residential electricity demand: a co-integration approach”, Energy Economics, 19 (4), Elsevier, Amsterdam , pp. 493-513.

Julián I. Silk Frederick L. Joutz 1997Short and long-run elasticities in US residential electricity demand: a co-integration approachEnergy Economics194ElsevierAmsterdam493513

35 

Sims, Christopher A. (1980), “Macroeconomics and reality”, Econometrica, 48 (1), The Econometric Society, New York , pp. 1-48.

Christopher A. Sims 1980Macroeconomics and realityEconometrica481The Econometric SocietyNew York148

36 

Valenzuela-Parcero, Pedro (2011), “Resulta complejo medir la sensibilidad del consumo de gas licuado ante cambios en su precio”, Energía a debate, Mundi Comunicaciones, <Valenzuela-Parcero, Pedro (2011), “Resulta complejo medir la sensibilidad del consumo de gas licuado ante cambios en su precio”, Energía a debate, Mundi Comunicaciones, http://energiaadebate.com/consideraciones-sobre-el-mercado-residencial-del-gas-lp-en- mexico/ >, 5 de noviembre 2014.

Pedro Valenzuela-Parcero 2011Resulta complejo medir la sensibilidad del consumo de gas licuado ante cambios en su precioEnergía a debateMundi ComunicacionesValenzuela-Parcero, Pedro (2011), “Resulta complejo medir la sensibilidad del consumo de gas licuado ante cambios en su precio”, Energía a debate, Mundi Comunicaciones, http://energiaadebate.com/consideraciones-sobre-el-mercado-residencial-del-gas-lp-en- mexico/ 5 de noviembre 2014

Notes

[33] Con respecto al consumo de energía eléctrica desagregada en sector urbano y rural no existe información disponible.

Notes

[34] Pruebas gráficas y correlogramas que no se proporcionan en el texto fueron llevadas a cabo con objeto de determinar si las series son o no estacionarias.



This display is generated from NISO JATS XML with jats-html.xsl. The XSLT engine is libxslt.

Enlaces refback

  • No hay ningún enlace refback.




Economía, Sociedad y Territorio, Vol. XVII, núm. 54, mayo-agosto de 2017, es una publicación cuatrimestral editada por El Colegio Mexiquense A.C. Exhacienda Santa Cruz de los Patos, s/n, col. Cerro del Murciélago, Zinacantepec, C.P. 51350, México, tel. (722) 279 99 08 ext. 183, http://est.cmq.edu.mx/index.php/est/index, est@cmq.edu.mx Editora responsable: Verónica Vega Rocha. Reservas de derechos al uso exclusivo núm. 04-2016-042513474700-203 ISSN electrónico 2448-6183. Responsable de la última actualización de este número: Verónica Vega Rocha, fecha de última modificación: 1 de mayo de 2017.

Las opiniones expresadas por los autores no necesariamente reflejan la postura del editor de la publicación.

Revista Economía, Sociedad y Territorio por El Colegio Mexiquense A.C., se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional.

Colegio Mexiquense30 años Colegio MexiquenseEST RevistaLicencia Creative CommonsOpen Access
Avisos Contacto