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
Department of Applied Economics III (Econometrics and Statistics)
University of the Basque Country (UPV/EHU)
Avda. Lehendakari Aguirre, 83
E48015 Bilbao, España
e-mail: [email protected]
tel: +34.94.601.3848
David Hoyos
Department of Applied Economics III (Econometrics and Statistics)
University of the Basque Country (UPV/EHU)
Avda. Lehendakari Aguirre, 83
E48015 Bilbao, España
e-mail: [email protected]
* 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.
Autor (año) Variable explicada Elasticidad precio Elasticidad ingreso
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.
Autor (año) Variable explicada Elasticidad precio Elasticidad ingreso
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.
Autor (año) Variable explicada Elasticidad precio Elasticidad ingreso
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.
Nombre de la variable Descripción
nhabit Número de habitaciones de la vivienda.
ln(superf) Logaritmo natural de la superficie de la vivienda.
21
Nombre de la variable Descripción
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.
= 3, si la familia gana de 1000 a menos de 1500 € al mes.
= 4, si la familia gana de 1500 a menos de 2000 € al mes.
= 5, si la familia gana de 2000 a menos de 2500 € al mes.
= 6, si la familia gana de 2500 a menos de 3000 € al mes.
= 7, si la familia gana de 3000 a menos de 5000 € al mes.
= 8, si la familia gana de 5000 a menos de 7000 € al mes.
= 9, si la familia gana de 7000 a menos de 9000 € 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
Nombre de la variable Descripción
w_carburante Proporción del gasto residencial en carburante.
Nombre de la variable Descripción
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)
Nota: t-ratios entre paréntesis.
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)
Nota: t-ratios entre paréntesis.
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.