Las energías renovables en la generación de electricidad y su impacto en el crecimiento económico en Latinoamérica

UNIVERSIDAD DE SEVILLA FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES Departamento de Análisis Económico y Economía Política LAS ENERGÍAS RENOVABLES EN LA GENERACIÓN DE ELECTRICIDAD Y SU IMPACTO EN EL CRECIMIENTO ECONÓMICO EN LATINOAMÉRICA TESIS DOCTORAL Doctorando Christian Washburn Herrera Dirección de tesis: Dra. María del Pópulo Pablo-Romero Gil-Delgado Catedrática de Economía Aplicada (Universidad de Sevilla) Dr. Rafael del Pozo Barajas Profesor Titular de Economía Financiera y Dirección de Operaciones (Universidad de Sevilla) Sevilla, 2024 Agradecimientos A mis directores de tesis doctoral, la Dra. María del Pópulo Pablo-Romero y el Dr. Rafel del Pozo Barajas, sin su guía este trabajo sería inalcanzable. Sus capacidades de investigación, conocimiento, enseñanza y paciencia han cristalizado la frase “A hombros de gigantes” haciendo posible la presente tesis doctoral A mis padres, considero que la formación empieza en casa, y el ser humano se moldea en esa institución. Llegar a este punto en la vida, es gracias a su trabajo diario. Y, en especial, a mi esposa Cristina y a mis hijas Samantha, Ariana e Isabella, ellas me han apoyado en este aprendizaje, son el aditivo que me permite y exige crecer. Gracias infinitas, las amo. 3 Contenido Resumen .......................................................................................................................... 9 CAPÍTULO 1 ................................................................................................................ 12 INTRODUCCIÓN ........................................................................................................ 12 1.1. Presentación .................................................................................................. 12 1.2. Justificación de la tesis doctoral .................................................................. 13 1.3. Objetivos de la investigación de la tesis doctoral ....................................... 14 1.4. Estructura de la tesis doctoral ..................................................................... 15 CAPÍTULO 2 ................................................................................................................ 19 MEDIDAS DE PROMOCIÓN DEL USO DE ENERGÍAS RENOVABLES PARA LA GENERACIÓN DE ELECTRICIDAD EN LOS PAÍSES DE LATINOAMÉRICA. .................................................................................................... 19 2.1. Introducción .................................................................................................. 19 2.2. Consumo de electricidad y participación de las energías renovables en la producción de electricidad en los países de LA 2006-2015. ................................... 24 2.2.1. Tendencia de la producción y el consumo de electricidad en los países de LA. 24 2.2.2. Uso de energías renovables para la generación de electricidad en países de LA. 27 2.3. Políticas y objetivos relacionados con el uso de EERR para la generación de electricidad en los países de LA. ......................................................................... 32 2.3.1. Objetivos nacionales en materia de EERR renovables para la generación de electricidad en los países de LA. ........................................................................ 32 2.3.2. Medidas para promover el uso de EERR para la generación de electricidad en los países de LA. ................................................................................................. 36 2.4. Discusión ........................................................................................................ 48 4 CAPÍTULO 3 ................................................................................................................ 55 EFECTO DEL CONSUMO DE ENERGÍA PRODUCTIVA ELECTRICA Y NOELÉCTRICA SOBRE EL CRECIMIENTO ECONÓMICO: UN ANÁLISIS DE LATINOAMÉRICA. .................................................................................................... 55 3.1. Introducción .................................................................................................. 55 3.2. Revisión de la literatura ............................................................................... 58 3.2.1. Energía y crecimiento económico: la hipótesis del crecimiento y la función de producción ampliada .......................................................................................... 58 3.2.2. La función de producción ampliada con energía: fuentes de energía específicas ............................................................................................................... 62 3.2.3. Electrificación y crecimiento económico .................................................... 63 3.3. El modelo ....................................................................................................... 65 3.4. Planteamiento del problema, datos y estrategia econométrica ................ 68 3.4.1. Planteamiento del problema ....................................................................... 68 3.4.2. Análisis descriptivo..................................................................................... 70 3.5. Resultados y discusión .................................................................................. 78 3.5.1. Estimaciones paramétricas: resultados de la muestra completa ............... 78 3.5.2. Estimaciones paramétricas: resultados de submuestras ............................ 81 3.5.3. Estimaciones no paramétricas: resultados de la muestra total y de submuestras ............................................................................................................. 83 CAPÍTULO 4: CONCLUSIONES E IMPLICACIONES POLÍTICAS ................. 89 4.1 Conclusiones del Capítulo 2 ......................................................................... 89 4.2 Conclusiones del Capítulo 3 ......................................................................... 90 4.3 Conclusiones generales e implicaciones políticas ....................................... 91 CAPÍTULO 5: LIMITACIONES DEL ESTUDIO Y FUTUROS AVANCES ......... 93 5.1 Limitaciones del estudio ............................................................................... 93 5.2 Futuros avances ............................................................................................ 93 Referencias Bibliográficas............................................................................................ 95 5 ANEXOS.......................................................................................................................112 A.1. Anexo 1. Artículo publicado: Measures to promote renewable energies for electricity generation in Latin American countries. .............................................113 A.2. Anexo 2. Artículo publicado: Productive electricity and non-electricity consumption effects on economic growth: A Latin America analysis. ............... 124 6 Índice de Figuras Capítulo 2 Figura 2. 1 Emisiones de CO2 per cápita: a nivel mundial y región de LA (valores promedio 2006-2010 y 2011-2017). ............................................................................... 19 Figura 2. 2 Participación de las energías renovables en la generación de electricidad: en todo el mundo y en la región de LA. .............................................................................. 27 Figura 2. 3 Participación de las EERR en la generación de electricidad: países de LA (2006-2015). ................................................................................................................... 29 Capítulo 3 Figura 3. 1 Consumo productivo no eléctrico y eléctrico por persona ocupada: 1990-2019. ........................................................................................................................................ 72 Figura 3. 2 Diagramas de dispersión: Consumo productivo no eléctrico y eléctrico por persona ocupada y PIB por persona ocupada (PIBpc). .................................................. 73 Figura 3. 3 Estimaciones no paramétricas de LLDVE de tendencias y coeficientes comunes: muestra completa............................................................................................ 84 Figura 3. 4 Estimaciones no paramétricas de LLDVE: submuestras. ............................ 87 7 Índice de Tablas Capítulo 2 Tabla 2. 1 Principales objetivos contenidos en los documentos de Contribuciones Previstas y Determinadas a Nivel Nacional: Países de LA. ........................................... 20 Tabla 2. 2 Consumo de electricidad per cápita, producción de electricidad y participación de las EERR en la generación eléctrico. ......................................................................... 25 Tabla 2. 3 Estrategias, programas, leyes y metas para promover las EERR en los países de LA. ............................................................................................................................. 34 Tabla 2. 4 Objetivos de electricidad basada en EERR en los países de LA. .................. 35 Tabla 2. 5 Incentivo fiscal para promover las EERR...................................................... 40 Tabla 2. 6 Subastas de energía renovable. ...................................................................... 45 Tabla 2. 7 Medidas de fomento de uso de EERR para la generación de electricidad, principales EERR para la generación de electricidad, indicadores de intensidad energética y emisiones de CO2......................................................................................................... 50 Tabla 2. 8 Intensidad energética y emisiones de CO2 por regiones del mundo. ............. 52 Capítulo 3 Tabla 3. 1 Estudios previos utilizando la función de producción extendida con energía. …. 59 Tabla 3. 2 Estadísticas descriptivas. ............................................................................... 71 8 Tabla 3. 3 Prueba de heterogeneidad de pendientes. ...................................................... 74 Tabla 3. 4 Prueba de dependencia transversal. ............................................................... 74 Tabla 3. 5 Prueba de raíz unitaria CIPS. ......................................................................... 75 Tabla 3. 6 Resultados de las pruebas de Pedroni y Westerlund. ..................................... 76 Tabla 3. 7 Resultados de las estimaciones por DOLS y GMM. ..................................... 79 Tabla 3. 8 Resultados de la estimación de largo plazo por CS-ARDL. ......................... 80 Tabla 3. 9 Resultados de la estimación de largo plazo para submuestras por CS-ARDL. ........................................................................................................................................ 82 9 Resumen El uso de Energías Renovables (EERR) para la generación de electricidad, con fines de descarbonización y como fuente alternativa a la energía fósil, es una política energética que en los últimos años se ha extendido por numerosos países del mundo. En esta tesis, se analiza en primer lugar, las medidas utilizadas para promover las EERR para la generación de electricidad en los países de Latinoamérica (LA) que firmaron el Acuerdo de París, en un contexto de crecimiento de la demanda eléctrica. Estos países han tenido un crecimiento notable en el uso de EERR para la generación de electricidad. Entre éstas, la biomasa, la energía eólica y la solar han experimentado un fuerte crecimiento. Sin embargo, su participación en la matriz energética sigue siendo relativamente pequeña. Los resultados de este análisis muestran que todos los países estudiados han establecido metas de EERR, habiendo adoptado 16 de ellos al menos una medida de promoción. Las medidas más utilizadas han sido los incentivos fiscales, principalmente a través de exenciones en el impuesto sobre la renta, el valor añadido o las ventas y en las tarifas. Además, la mayoría de los países han utilizado sistemas promoción a través de subastas, que han ido sustituyendo al sistema de Feed-In Tariff. La adopción del sistema de medición neta también ha ido creciendo en la región. Los resultados del estudio muestran una relación positiva entre los países más activos en la promoción de las EERR y el desempeño alcanzado en los años estudiados. Por lo tanto, las políticas activas para el desarrollo futuro de las EERR se consideran que han actuado positivamente, y por tanto puede ser adecuado mantenerlas de cara a la promoción futura de dichas energías. El uso de las EERR se ha vinculado especialmente a la generación eléctrica. De este modo, la intensificación de los procesos de electrificación puede contribuir al estímulo de uso de las EERR frente a energías alternativas. Sin embargo, aunque la electrificación puede ser un pilar fundamental en la transformación energética para reducir las emisiones y transformar la estructura energética de los países, también puede tener consecuencias sobre el crecimiento económico. 16 Doctoral. De acuerdo con el acuerdo citado, para la presentación de la tesis por el procedimiento de indicios de calidad es necesario que el doctorando aporte en el CV al menos dos publicaciones con indicios de calidad. Para ello, el doctorando tiene diversas alternativas, entre las que se cita presentar dos artículos publicados en revistas recogidas en los listados del Journal Citation Reports (JCR) y una memoria con una extensión mínima de 100 páginas, con un formato clásico de tesis doctoral. De acuerdo con la normativa establecida, la estructura de esta Tesis se elabora a partir de dos artículos JCR publicados. • El primer artículo JCR titulado Measures to promote renewable energies for electricity generation in Latin American countries, se publica en la revista Energy Policy. Esta revista, en el año de publicación de artículo2019se encuentra listada en la categoría de “Economics”, de la edición SSCI, en la posición 13/373, siendo del cuartil Q1, tercil T1 y decil D1. Su factor de impacto JCR en 2019 es de 5,042 y el de los últimos cinco años es de 7,412. Según fecha de julio de 2024, el artículo citado tiene un número de citas scopus de 83 y scopus 67. • El segundo artículo JCR titulado Productive electricity and non-electricity consumption effects on economic growth: A Latin America analysis, se publica en la revista Energy. Para el año de publicación del artículo-2024no existen todavía índices de impactos de revistas. En el año 2023, se encuentra listada, entre otras categorías, en la de “Thermodynamics” de SCIE, en la posición 3/72, del cuartil Q1, tercil T1 y decil D1. Su factor de impacto JCR en 2023 es de 9 y el de los últimos cinco años es de 8,017. La publicación de este artículo está fechada en octubre de 2024, por lo que aún no tiene citas. En la elaboración de las citadas publicaciones, el presente doctorando participa en calidad de coautor junto a sus directores de tesis. 17 A partir del contenido de estos artículos, y siguiendo el formato tradicional de tesis doctoral, esta Tesis se estructura en cinco capítulos. El primero de ellos, contiene la introducción, y presenta la justificación y los objetivos fundamentales de la tesis doctoral. Posteriormente, el segundo capítulo desarrolla el primer objetivo de la tesis doctoral, sustentando en el artículo de investigación publicado en la revista Energy Policy en 2019 y titulado: Measures to promote renewable energies for electricity generation in Latin American countries. El tercer capítulo desarrolla el segundo objetivo de la tesis doctoral, y responde al artículo de investigación publicado en la revista Energy en 2024 y titulado: Productive electricity and non-electricity consumption effects on economic growth: A Latin America analysis. En el cuarto capítulo se exponen las conclusiones de esta tesis doctoral. Por último, en el quinto capítulo se desarrollan las limitaciones del estudio y futuros avances. La información de referencia de las revistas científicas donde se han publicado ambos artículos es la siguiente: ❖ Energy Policy (ISSN en línea: 1873-6777 y ISSN impreso: 0301-4215) es una revista internacional arbitrada y patrocinada por la editorial Elsevier que aborda las implicaciones políticas del suministro y uso de energía desde sus aspectos económicos, sociales, ambientales y de planificación. Los artículos pueden cubrir temas globales, regionales, nacionales o incluso locales que tengan una importancia política más amplia y sean de interés para agencias internacionales, gobiernos, entidades del sector público y privado, comunidades locales y organizaciones no gubernamentales. Dentro de este amplio espectro, los temas de particular interés incluyen la regulación energética y ambiental, la seguridad del suministro de energía, la calidad y eficiencia de los servicios energéticos, la efectividad de los enfoques basados en el mercado y/o las intervenciones gubernamentales, la innovación y difusión tecnológicas, y las iniciativas voluntarias donde se puedan reconocer las implicaciones políticas más amplias. Las prescripciones de políticas deben estar respaldadas por un análisis riguroso y una evaluación equilibrada. 18 ❖ Energy (ISSN en línea: 1873-6785 y ISSN impreso: 0360-5442) es una revista internacional y multidisciplinaria sobre ingeniería e investigación energética, patrocinada por la editorial Elsevier. La revista tiene como objetivo ser una plataforma líder revisada por pares y una fuente autorizada de información para análisis, revisiones y evaluaciones relacionadas con la energía. La revista cubre la investigación en ingeniería mecánica y ciencias térmicas, con un fuerte enfoque en el análisis energético, modelado y predicción de energía, sistemas energéticos integrados, planificación y gestión energéticas. La revista también publica artículos sobre temas relacionados como conservación de energía, eficiencia energética, biomasa y bioenergía, energía renovable, oferta y demanda de electricidad, almacenamiento de energía, energía en edificios y sobre cuestiones económicas y políticas, siempre que dichos temas estén dentro del contexto del alcance multidisciplinario más amplio de Energy. 19 CAPÍTULO 2 MEDIDAS DE PROMOCIÓN DEL USO DE ENERGÍAS RENOVABLES PARA LA GENERACIÓN DE ELECTRICIDAD EN LOS PAÍSES DE LATINOAMÉRICA. 2.1. Introducción Según la Agencia Internacional de Energía (IEA, 2018), el aumento de las emisiones de CO2 entre los quinquenios 2006-2010 y 2011-2017 ascendió a nivel mundial, en términos per cápita, al 3,72%. A pesar de los menores niveles de emisiones de CO2 en LA respecto a otras zonas del mundo, estas emisiones crecieron a un ritmo mayor que en el resto del mundo. Entre dichos quinquenios, su incremento fue de un 10,06%. Un incremento porcentual superior al mundial, tal como lo muestra la Figura 2.1. Figura 2. 1 Emisiones de CO2 per cápita: a nivel mundial y región de LA (valores promedio 2006-2010 y 2011-2017). Fuente: Elaboración propia a partir de IEA (2018). 20 Con el objetivo de reducir el aumento de estas emisiones, 195 países de todo el mundo se comprometieron, a través del Acuerdo de París, a reducir las emisiones y evitar el aumento de la temperatura en más de 2 °C, respecto a los valores preindustriales. Entre estos países, 18 países de LA firmaron el acuerdo, conscientes de la necesidad de reducir las emisiones. Al firmar el acuerdo en 2015, los países firmantes enviaron individualmente sus Contribuciones Previstas y Determinadas a Nivel Nacional (INDC), en las que se establecieron los objetivos específicos de reducción de GEI. La Tabla 2.1 resume los compromisos adquiridos por los países de LA en sus respectivas INDC. Los compromisos pueden resumirse en la reducción de emisiones de GEI o de CO2 en diversos porcentajes. Para ello, los países propusieron y se comprometieron a adoptar diversas medidas. Entre ellas, incrementos porcentuales en la participación de EERR para la producción de energía. Tabla 2. 1 Principales objetivos contenidos en los documentos de Contribuciones Previstas y Determinadas a Nivel Nacional: Países de LA. País Objetivos Propuestos Argentina Reducción de sus emisiones de GEI en un 15% a alcanzar en 2030. Con financiación y transferencia de recursos, podría alcanzar una reducción del 30% en el mismo periodo. Bolivia Establece objetivos en tres áreas: agua, energía y bosques, y agricultura. En cuanto a la energía establece el objetivo de reducir las emisiones de CO2 en la generación de energía a 0,04 TM/MWH. El horizonte temporal para alcanzar dichos objetivos es 2030. Brasil Reducir las emisiones de GEI en un 37% respecto a los valores de 2005, en 2025. Chile Reducir sus emisiones de CO2 por unidad de PIB en un 30% con respecto al nivel alcanzado en 2007, en el horizonte temporal de 2030. Adicionalmente, con la obtención de aportes monetarios internacionales, el país se compromete para 2030, a aumentar su reducción de emisiones de CO2 por unidad de PIB hasta alcanzar una disminución entre el 35% y 45% respecto al nivel alcanzado en 2007. 21 País Objetivos Propuestos Colombia Reducir sus emisiones de GEI en un 20% respecto a las emisiones proyectadas para el año 2030. Sujeto a la provisión de apoyo internacional, podría aumentar del 20% al 30% esta reducción. Costa Rica Máximo absoluto de emisiones de 9374000 TCO2eq netas en 2030. Además, establece el compromiso de una trayectoria de emisiones per cápita de 1,73 toneladas netas per cápita en 2030, 1,19 toneladas netas per cápita al 2050 y -0,27 toneladas netas per cápita al 2100. Ecuador Reducir sus emisiones entre el 20,4% al 25% en 2030. Pero si se presentan las circunstancias apropiadas en términos de disponibilidad de recursos y apoyo ofrecido por la comunidad internacional podría aumentar dichos porcentajes entre el 37,5% al 45,8% para 2030. El Salvador El sector de generación de energía eléctrica definirá y se comprometerá con una meta de incremento de las EERR para el año 2025 no inferior al 12% respecto a la energía eléctrica total generada en el país en 2014. El sector de generación de energía definirá una meta de reducción de emisiones de GEI respecto a un crecimiento sin acciones concretas de mitigación. Guatemala Reducir hasta el 22.6% de sus emisiones GEI totales del año base 2005 proyectado al año 2030. Esta reducción del 22,6% implica que las emisiones se reduzcan a 41,66 millones de toneladas de CO2 equivalentes en ese año. Honduras Reducir un 15% sus emisiones conjuntas de CO2, metano (CH4) y óxido nitroso (N2O) para 2030. México Reducir entre el 25% y el 30% de sus GEI y emisiones de contaminantes climáticos de corta duración para el 2030. Además, tiene el objetivo de reducir un 51% el uso de carbón negro. Nicaragua El 23 de octubre de 2017 el país se unió oficialmente al acuerdo. Entró en vigor el 22 de noviembre de 2017. Panamá Incrementar el porcentaje de generación eléctrica por medio de otras fuentes de EERR al 15% en 2025 y al 30% en 2050. Además, incluye un programa de reforestación de zonas degradadas para incrementar en un 10% la absorción de carbono. Si existe apoyo externo, el objetivo aumenta al 80% para 2050. Paraguay Reducir un 10% las emisiones GEI proyectadas para 2030. Con ayuda internacional, el objetivo aumenta al 20%. Perú Reducir las emisiones GEI desde 2010 a 2030 entre 298,3 y 139,3 MtCO2eq. Esto supone reducir un 20% las emisiones de CO2 para 2030. El valor aumenta hasta el 30% si recibe financiación externa internacional. Surinam Realizar proyectos de mitigación de la deforestación y de generación de EERR, como la solar fotovoltaica, en comunidades del interior. Con ayuda internacional, se comprometen a que dichas energías aporten el aporten el 25% de la energía ofertada. El plazo propuesto es hasta 2025. 22 País Objetivos Propuestos Uruguay Reducir sus emisiones GEI por unidad de su PIB en un 25% para 2030. Esa cantidad aumenta hasta el 40% para 2030 si cuenta con medios de implementación adicionales a los propios. Además, espera convertirse en un sumidero neto de CO2 para 2030. Venezuela Incorpora en su documento el Plan Nacional de Mitigación, que incluye reducir las emisiones de CO2eq en al menos un 20% para 2030. Fuente: Elaboración propia a partir de UNFCCC (2018). El crecimiento de las emisiones de CO2 se ha vinculado, entre otros factores, al consumo energético y su evolución en el tiempo (Kasman y Duman, 2015; Omri, 2013; Campo Robledo y Olivares, 2013; Saboori y Sulaiman, 2013). Así pues, según BP Global (2017), el consumo de energía primaria pasó de 58448,6 a 64049 Mtep a nivel mundial entre 2006 y 2015, aumentando un 9,58%. Este crecimiento fue superado en la región de LA en dicho periodo, lo que podría explicar su mayor crecimiento de emisiones. El crecimiento del consumo energético en los países de LA ha estado asociado a su expansión económica. Pablo-Romero y De Jesús (2016), indicaron que estos países experimentaron una tendencia de crecimiento exponencial del consumo de energía a medida que aumenta su PIB per cápita, por lo que necesitaban aplicar políticas energéticas activas para cumplir los objetivos de sus INDC. Para ello, tanto para Pablo-Romero y De Jesús (2016) como Zilio y Recalde (2011), apuntaban a la necesidad de impulsar medidas que diversificaran el mix energético, fomentando el uso de EERR. En esta misma línea, Hanif (2017), señaló que el crecimiento económico y la creciente urbanización estaban generando un mayor consumo de combustibles fósiles, lo que contribuía al deterioro ambiental. Además, el autor también consideró que el uso de EERR podía ayudar a satisfacer la creciente demanda de energía con un menor daño ambiental. A pesar del crecimiento del uso de energías fósiles en el periodo señalado, la región de LA mantuvo un nivel de uso de energías limpias superior a otras regiones del mundo. Así, según el documento de CEPAL (2018), la región fue considerada líder mundial en EERR, ya que alcanzó casi el 28% del consumo total de energía, frente al 23 18% en el promedio mundial. Adicionalmente, cabe destacar la alta presencia de EERR en la generación eléctrica en la región. A lo largo del periodo 2011-2015, su valor ascendió al 58,66% de la producción total de electricidad, mientras que el promedio mundial se situó en 22,15%. De acuerdo con Vergara et al. (2013), el elevado uso de EERR en la generación de electricidad se puede asociar al alto uso de energía hidroeléctrica. Sin embargo, es importante destacar que su uso ha tendido a disminuir. Por esta razón, podría considerarse adecuado una mayor promoción de las EERR no convencionales para cumplir con los objetivos de las INDC. El objetivo de este capítulo de la tesis doctoral es analizar qué medidas se adoptaron por los países de LA para promover el uso de EERR en la generación de electricidad, en un contexto de crecimiento de la demanda. Se han realizado análisis previos similares para otras economías, como los países europeos. Por ejemplo, Cansino et al. (2010), analizaron los incentivos fiscales para promover la electricidad verde. Además, Pablo-Romero et al. (2017), ofrecieron una visión general de las tarifas de alimentación, primas y licitaciones para promover la electricidad a partir de biogás. Asimismo, el informe de la IRENA (2015), incluye una breve sección relacionada con las políticas implementadas para promover el uso de EERR en la generación de electricidad, hasta el año 2015, en los países de LA. Siguiendo estos estudios, el trabajo que se contiene en este capítulo de tesis se centra en el sector eléctrico, comparando y detallando las medidas de promoción establecidas en el sector por los 18 países de LA, hasta 2018. El estudio es relevante, ya que permite tener en cuenta las medidas implementadas desde la firma del Acuerdo de París, con el compromiso de los nuevos objetivos. El informe es de gran utilidad porque establece con detalle las medidas establecidas, especialmente las relacionadas con la fiscalidad, las subvenciones y los fondos. Además, destaca la relación entre las medidas establecidas y los logros en materia de EERR en el sector. Después de la introducción, el capítulo está estructurado de la siguiente manera. En primer lugar, se muestra la evolución del consumo eléctrico y el papel de las EERR en la generación de electricidad, en el periodo objeto de estudio. En segundo lugar, se 24 analizan los objetivos y medidas establecidas para promover el uso de EERR en la generación eléctrica. En tercer lugar, se analiza el uso de las políticas implementadas y, finalmente, en cuarto lugar, se concluye. 2.2. Consumo de electricidad y participación de las energías renovables en la producción de electricidad en los países de LA 2006-2015. 2.2.1. Tendencia de la producción y el consumo de electricidad en los países de LA. En las Columnas 2, 3 y 4 de la Tabla 2.1, se muestra la tendencia del consumo de electricidad per cápita a nivel mundial, en la región de LA y en los países signatarios de las INDC de la región. La última fila de las columnas mencionadas anteriormente muestra que el consumo promedio de electricidad per cápita a nivel mundial fue de 2,77 MWh, en el período 2006-2010, y de 3 MWh en los cinco años posteriores, con una tasa de crecimiento del 8,30%. En la región de LA, el consumo de electricidad per cápita fue de 1,63 MWh y 1,88 MWh, en el primer y segundo períodos, respectivamente, con una tasa de crecimiento del 15,40%. Así, aunque la región de LA tuvo un consumo per cápita menor que el nivel mundial, el aumento porcentual entre los períodos fue casi el doble del registrado a nivel mundial. También cabe señalar que, según KPMG (2016), la demanda de electricidad en la región crecerá un 91% en 2040, debido a la industrialización y la mejora de la clase media. 25 Tabla 2. 2 Consumo de electricidad per cápita, producción de electricidad y participación de las EERR en la generación eléctrico. País Consumo promedio de electricidad per cápita 2006-2010 (MWh/cápita) Consumo promedio de electricidad per cápita 2011-2015 (MWh/cápita) Tasa de Crecimiento (%) Producción promedio de energía eléctrica 2006-2010 (GWh) Producción promedio de energía eléctrica 2011-2015 (GWh) Tasa de Crecimiento (%) Participación promedio de renovables en producción de electricidad 2006-2010 (%) Participación promedio de renovables en producción de electricidad 2011-2015 (%) Tasa de Crecimiento (%) Argentina 2,63 2,99 13,69 116940,00 137888,00 17,91 30,36 30,76 1,32 Bolivia 0,55 0,70 27,27 5949,80 8045,80 35,23 39,68 31,62 -20,31 Brasil 2,18 2,50 14,68 461883,40 565556,00 22,45 86,74 79,76 -8,05 Chile 3,29 3,80 15,50 58937,80 71096,40 20,63 46,91 39,67 -15,43 Colombia 1,00 1,22 22,00 56300,00 66385,80 17,91 78,42 75,86 -3,26 Costa Rica 1,88 1,95 3,72 9222,80 10254,00 11,18 93,44 92,03 -1,51 Ecuador 1,03 1,33 29,13 17468,40 23357,80 33,71 53,14 52,28 -1,62 El Salvador 0,87 0,96 10,34 5842,00 6160,80 5,46 59,49 60,23 1,24 Guatemala 0,53 0,56 5,66 8716,00 10060,20 15,42 53,59 65,48 22,19 Honduras 0,68 0,77 13,24 6455,20 8094,00 25,39 41,02 45,79 11,63 México 2,02 2,21 9,55 267136,00 303987,80 13,80 15,31 15,02 -1,89 Nicaragua 0,47 0,58 23,40 3363,00 4209,20 25,16 32,50 46,61 43,42 Panamá 1,62 2,03 25,31 6633,60 8993,20 35,57 58,75 58,93 0,31 Paraguay 1,04 1,47 41,35 54399,60 57853,40 6,35 100,00 99,99 -0,01 Perú 1,01 1,26 24,75 31707,60 43335,00 36,67 63,69 54,21 -14,88 Surinam 2,97 3,58 20,54 1655,20 2109,00 27,42 73,19 61,24 -16,33 Uruguay 2,54 3,00 18,11 8734,80 11871,60 35,91 73,84 78,78 6,69 Venezuela 3,05 2,96 -2,95 115455,60 121619,40 5,34 71,76 67,63 -5,76 Latinoamérica 1,63 1,88 15,40 1236800,80 1460877,40 18,12 59,55 58,66 -1,49 Mundo 2,77 3,00 8,30 20238859,40 23360836,40 15,43 19,26 22,15 15,01 Fuente: Elaboración propia a partir de IEA (2018). 32 En tercer lugar, cabe destacar también la participación de la energía geotérmica en El Salvador (por encima del 25%), y en otros países centroamericanos como Costa Rica, Nicaragua, Guatemala y México. Entre estos países destaca Nicaragua, por el importante crecimiento de este tipo energía. Por último, la utilización de energía eólica y solar fotovoltaica en la generación de electricidad es escasa en los periodos señalados, aunque se observa un notable crecimiento a partir de 2010. La mayor participación de la energía eólica se observa en Nicaragua, Uruguay y Costa Rica, mientras que El Salvador, Paraguay, Surinam y Venezuela no tienen participación en los periodos señalados. En cuanto a la energía solar fotovoltaica, destaca Chile, seguido de Guatemala, Perú y Uruguay, aunque sus valores de participación siguen siendo muy reducidos a final del segundo periodo. En este sentido, hay que tener en cuenta que muchos países recién empezaron a utilizar la energía fotovoltaica a partir de 2010. 2.3. Políticas y objetivos relacionados con el uso de EERR para la generación de electricidad en los países de LA. 2.3.1. Objetivos nacionales en materia de EERR renovables para la generación de electricidad en los países de LA. De acuerdo con la IRENA (2015), el papel que han jugado las políticas de fomento de las EERR en los países de LA ha sido crucial para su progreso. Estas políticas se han desarrollado en el marco de objetivos específicos de uso de las EERR y del desarrollo de programas o estrategias globales o específicas. En este sentido, cabe destacar que la mayoría de ellas se han centrado en el sector eléctrico y, dentro de este sector, en la energía hidroeléctrica. En el Tabla 2.3 se muestran los países de LA que diseñaron estrategias, programas y leyes, o fijaron metas para incentivar el uso de las EERR hasta 2018. Los países con mayor número de estrategias, leyes o programas que afectan a la energía solar térmica y fotovoltaica, eólica, geotérmica, biomasa y biocombustibles fueron Panamá, Chile, México y Nicaragua. En contraste, Bolivia, Surinam y Venezuela no presentaron ninguna 33 estrategia, ley o programa. Sobre el tipo de EERR, cabe recalcar que el menor desarrollo regulatorio estuvo relacionado con la energía eólica, pues solo Argentina y Panamá contaron con programas o leyes específicas relacionadas con ella. Por el contrario, el mayor desarrollo regulatorio se observa en biocombustibles, siendo adoptados por 11 países. Finalmente, se subraya que todos los países tuvieron algún objetivo en materia de EERR. 34 Tabla 2. 3 Estrategias, programas, leyes y metas para promover las EERR en los países de LA. País Objetivo de energía renovable Estrategia/ley de energía renovable Ley/programa de energía solar térmica Ley/programa de energía solar Ley/programa de energía eólica Ley/programa de energía geotérmica Ley/programa de biomasa Ley/programa de biocombustible Argentina ✓ ✓ ✓ ✓ Bolivia ✓ Brasil ✓ ✓ Chile ✓ ✓ ✓ ✓ ✓ ✓ Colombia ✓ ✓ Costa Rica ✓ ✓ ✓ ✓ Ecuador ✓ ✓ ✓ ✓ El Salvador ✓ Guatemala ✓ ✓ Honduras ✓ ✓ ✓ México ✓ ✓ ✓ ✓ ✓ ✓ Nicaragua ✓ ✓ ✓ ✓ ✓ Panamá ✓ ✓ ✓ ✓ ✓ ✓ ✓ Paraguay ✓ ✓ Perú ✓ ✓ ✓ ✓ ✓ Surinam ✓ Uruguay ✓ ✓ ✓ ✓ ✓ Venezuela ✓ Fuente: Elaboración propia a partir de IRENA (2015), Climatescope (2017) y IEA (2018). 35 En la Tabla 2.4 se muestran los objetivos de uso de EERR establecidos para la región. Se pueden observar diferentes objetivos y plazos entre países. La mayoría de estos objetivos están relacionados con la generación de electricidad. Cabe destacar que el uso de EERR tiene importantes beneficios, como la reducción de emisiones de GEI. Por lo tanto, el aumento de la participación de este tipo de energía en la generación de electricidad puede tener beneficios notables. Sin embargo, debe tenerse en cuenta que centrarse exclusivamente en la electricidad puede no ser suficiente, ya que el uso de energías contaminantes en el sector del transporte y la calefacción es notable a nivel mundial. Tabla 2. 4 Objetivos de electricidad basada en EERR en los países de LA. País Objetivos de EERR en LA. Argentina Un 8% de la generación de electricidad en 2016. Bolivia 183 MW de capacidad de renovable en 2025. Aumento del 10% de las EERR en el mix en 2020. 120 MW en geotérmica. Brasil 42,5% del suministro de energía primaria en 2023. 86,1% de la matriz de generación de electricidad en 2023. Chile 20% de la generación de electricidad en 2025. 45% de la nueva capacidad hasta 2025. Colombia 6,5% de la electricidad en 2020, excluidas las grandes hidroeléctricas. Costa Rica 28,2% de la energía primaria en la década 2020. 97% de la electricidad en 2018. Ecuador 90% de la electricidad en 2017. 4,2 GW en hidroeléctrica en 2022. 277 MW de otras fuentes distintas de la hidroeléctrica en 2022 El Salvador En 2026: eólica 60 MW, solar FV 90 MW, térmica solar 200 MW, geotérmica 60-89 MW, pequeñas hidroeléctricas (<20 MW) 162,7 MW, biomasa 45 MW y biogás 35 MW. Guatemala 60% de la electricidad en 2022. 80% de la electricidad a largo plazo. 500 MW a largo plazo 36 País Objetivos de EERR en LA. Honduras 60% de la electricidad en 2022. 80% de la electricidad en 2034. 25% más de hidroeléctrica en 2034. México Energía limpia: 24,9% en 2018, 35% en 2024, 40% en 2035 y 50% en 2050. En 2018: 13 030 MW en hidroeléctrica, 8 922 MW en eólica, 1 018 MW en geotérmica, 748 MW en bioenergía y 627 W en solar. Nicaragua 94% de la electricidad en 2017. Panamá 706 MW en hidroeléctrica en 2023. Perú 6% de generación de electricidad en 2018 (excluyendo hidroeléctricas). 60% de generación de electricidad en 2018 (incluyendo hidroeléctricas). Surinam Objetivo CARICOM: 20%, 28% y 47% de la electricidad renovable para los años 2017, 2022 y 2027 respectivamente. Uruguay 50% de la energía primaria en 2015. 90% de la electricidad en 2015. Venezuela 613 MW adicionales de capacidad de electricidad renovable en 2019, de los cuales 500 MW son energía eólica. Fuente: Elaboración propia a partir de IRENA (2015), Climatescope (2017), IEA (2018). 2.3.2. Medidas para promover el uso de EERR para la generación de electricidad en los países de LA. Los mayores incentivos para promover las EERR en los países de LA estuvieron relacionados con el sector eléctrico en el periodo analizado. A continuación, se analizan dichos incentivos, divididos según su tipología. 2.3.2.1. Tarifa de alimentación (Feed in tariff-FIT) El sistema de tarifas de alimentación fue implementado por seis de los dieciocho países de la región: Argentina, Brasil, Costa Rica, Ecuador, Honduras y Panamá. (Aravena et al., 2012; Geller et al., 2004). Este mecanismo permitió el crecimiento del mercado de EERR debido a la larga duración de los contratos, que incluyen plazos de entre diez y veinticinco años. Sin embargo, algunos de estos países no han mantenido estos sistemas y los nuevos contratos se regulan por leyes diferentes. 37 En Argentina desde 2006 hasta 2016, el fideicomiso RE ha remunerado la energía solar fotovoltaica con hasta 0,9 pesos argentinos por cada kWh sobre el precio de la electricidad, con un plazo de 15 años. Asimismo, tuvo remuneraciones similares para la energía geotérmica, biomasa y biogás de hasta 0,015 pesos argentinos por kWh (Sauma, 2012). Sin embargo, la nueva Ley 27191 de 2016, eliminó este mecanismo. De la misma manera, en Brasil se aplicó un sistema de tarifas de alimentación desde 2004 hasta 2011. A partir de 2011, este mecanismo fue reemplazado por sistemas de subastas que han reducido el nivel de apoyo económico (Förster et al., 2016). El mecanismo establecido garantizaba una tarifa de alimentación que cubría los costos de generación de electricidad a partir de biomasa, pequeñas centrales hidroeléctricas y eólicas inyectadas a la red. De igual forma, Ecuador ha venido aplicando sistemas FIT que finalmente han expirado. El primer programa finalizó en diciembre de 2012, y el segundo a fines de 2016. El mecanismo establecido en el primer programa afectó a la electricidad generada a partir de biomasa y residuos, geotermia, pequeñas centrales hidroeléctricas, fuentes solares y eólicas. La energía solar fotovoltaica fue excluida del segundo programa. Se establecieron precios diferenciados por tecnologías utilizadas y tamaño o capacidad. Además, se establecieron valores más altos para proyectos ubicados en las Islas Galápagos (IEA, 2018). Los países en los que el sistema FIT seguía vigente a principios de 2019 son Honduras y Panamá. Honduras ha tenido un sistema generoso. Por un lado, el Decreto 70 de 2007 estableció un precio preferencial del 10% en proyectos de EERR por 15 años. Adicionalmente, a los proyectos solares fotovoltaicos, instalados antes del 31 de julio de 2015, se le otorgó un precio igual al costo marginal de corto plazo, más US$ 0,03/kWh. Este sistema experimentó dificultades de pago, aunque se puede decir que tuvo un gran éxito, convirtiendo al país en el líder del parque solar en la región de Centroamérica en 2017 (Climatescope, 2017). En el caso de Panamá, la Ley 6 de 1997 estableció primas del 5% para la generación de electricidad por biomasa y residuos, geotermia, minihidroeléctrica, eólica y solar (Proinvex Panamá, 2017). 38 2.3.2.2.Medición neta La medición neta es un sistema que se ha utilizado en gran medida en los países de LA. Este sistema se ha utilizado en Argentina, Brasil, Chile, Colombia, Costa Rica, Guatemala, México, Nicaragua, Panamá, Surinam y Uruguay. En general, estas políticas se han centrado especialmente en los sectores residencial y de pequeña escala, pero en algunos casos también incluyen programas a escala industrial (Coviello y Ruchansky, 2017). A fines de 2017, Argentina aprobó la Ley 27427 que regula la generación distribuida de EERR. Esta ley establece que los usuarios de la red eléctrica pueden instalar sistemas fotovoltaicos, u otros, que utilicen fuentes de EERR para generar electricidad para su uso, de modo que los excedentes de energía puedan ser inyectados a la red eléctrica del país. Cabe señalar que la Ley establece que, si la instalación tiene una capacidad mayor a las necesidades de autoconsumo, los usuarios deben solicitar una autorización especial a la distribuidora de energía. La ley es ambiciosa porque obliga a todos los proyectos de construcción de edificios públicos a utilizar instalaciones de generación distribuida a partir de fuentes renovables. En Brasil, el sistema de medición neta está en vigor desde 2012. Los consumidores minoristas de electricidad pueden instalar sistemas hidroeléctricos (menos de 3 MW), solares, de biomasa, eólicos y de cogeneración de hasta 5 MW y entregar el excedente de energía a la red. Los usuarios han venido recibiendo una compensación en forma de un crédito de facturación posterior que debe utilizarse hasta 60 meses después de la fecha de facturación. Se utilizan sistemas similares en Costa Rica, Guatemala, Surinam y Uruguay. Sin embargo, en Costa Rica, el crédito debe utilizarse en el plazo de un año. En Surinam, el crédito no puede superar el consumo anual y, en Uruguay, se compensa en la factura del mes siguiente (Climatescope, 2017). Desde 2014, los consumidores minoristas de electricidad en Chile pueden vender su exceso de electricidad a la red si las instalaciones de cogeneración de EERR son 39 inferiores a 100 kW. En Panamá se utiliza un sistema similar, de modo que pueden vender el exceso de electricidad. En México, se establecen tres categorías de instalaciones que pueden conectarse a la red: pequeña escala (residencial de 10 kW, o pequeños comercios de hasta 30 kW de potencia), mediana escala (industrias con capacidad de hasta 500 kW) y generación comunitaria (inmuebles de varias casas o centros comerciales). En cualquier caso, el saldo a favor del usuario puede recuperarse en un plazo de 12 meses, sin que pueda venderse el excedente (Madrigal, 2017). Finalmente, es relevante mencionar que en Colombia y Nicaragua este sistema fue aprobado durante 2018. En marzo, la Comisión de Regulación de Energía y Gas de Colombia aprobó la Resolución 030 sobre generación solar distribuida de hasta 100 kW, y la generación distribuida con fuentes renovables de entre 100 kW y 1 MW. La resolución incluye un mecanismo sencillo para que los consumidores de energía residenciales, comerciales y de pequeña escala, que producen energía para satisfacer sus propias necesidades, vendan el excedente de electricidad a la red (CREG, 2018). En Nicaragua, en enero de 2018, entró en vigor el reglamento de generación distribuida con renovables para autoconsumo, publicado el 18 de diciembre de 2017 en el Diario Oficial de Nicaragua. Según este reglamento, los propietarios de generadores de electricidad que utilicen renovables con hasta 5 MW, pueden vender el excedente de energía a las empresas distribuidoras. La electricidad vendida se paga al 80% del precio más bajo de la banda de referencia aprobada por el Ministerio de Energía y Minas de Nicaragua (Ministerio de Energía y Minas de Nicaragua, 2017). 2.3.2.3. Incentivos fiscales Esta medida de apoyo ha sido la más utilizada por los países de LA. De hecho, 15 de los 18 países contaban con incentivos fiscales diferentes en el periodo analizado, con las excepciones de Bolivia, Surinam y Venezuela. En la Tabla 2.5, se muestra los incentivos fiscales utilizados. 40 Tabla 2. 5 Incentivo fiscal para promover las EERR. País Exenciones de aranceles o impuestos de importación Exenciones o devoluciones del IVA o impuestos sobre las ventas Exenciones y deducciones en el impuesto sobre la renta Depreciación acelerada Exención del impuesto de transmisión y distribución Impuesto sobre el carbono Argentina ✓ ✓ ✓ ✓ Bolivia Brasil ✓ Chile ✓ ✓ Colombia ✓ ✓ ✓ ✓ Costa Rica ✓ ✓ Ecuador ✓ ✓ El Salvador ✓ ✓ Guatemala ✓ ✓ ✓ Honduras ✓ ✓ ✓ México ✓ ✓ Nicaragua ✓ ✓ ✓ Panamá ✓ ✓ ✓ ✓ ✓ Paraguay Perú ✓ Surinam Uruguay ✓ ✓ ✓ Venezuela Fuente: Elaboración propia a partir de IEA (2018) y Climatescope (2017). 41 Las medidas tributarias más utilizadas en el periodo analizado son las exenciones de impuestos. En primer lugar, existen países que han aplicado una exención o reducción de aranceles/impuestos a las importaciones de equipos, maquinarias y materiales destinados a proyectos de EERR. Esta medida se ha aplicado en Colombia, Costa Rica, Ecuador, El Salvador, Guatemala, Honduras, Nicaragua, Panamá y Uruguay. Destaca el caso de Colombia, que ha aplicado una exención de aranceles a la importación cuando se obtiene un certificado de incentivo ambiental del Ministerio de Ambiente y Desarrollo Sostenible (Suarez, 2017). En segundo lugar, también se han aplicado exenciones y reembolso del Impuesto sobre el Valor Añadido (IVA), o impuesto sobre las ventas, de hasta el 100% en la compra de maquinaria, equipos, materiales e insumos, para inversión y construcción de proyectos específicos de EERR. En concreto, esta medida se ha aplicado en Argentina, Colombia, Costa Rica, Guatemala, Honduras, Nicaragua, Panamá y Uruguay (IEA, 2018). Es oportuno mencionar también que algunos países se han aplicado exenciones o descuentos sobre impuestos específicos a las ventas. Así, los componentes de turbinas eólicas ya sean nacionales o importados, están exentos del impuesto a las ventas (PIS y COFINS) en Brasil. Asimismo, también existen exenciones en el IVA sobre servicios y circulación (ICMS) y sobre bienes industrializados (IPI), para bienes de equipamiento de minicentrales hidroeléctricas, turbinas eólicas y generadores de energía fotovoltaica (Climatescope, 2017; IRENA, 2015). En tercer lugar, se han establecido incentivos en el impuesto a la renta en Argentina, Colombia, Ecuador, El Salvador, Guatemala, Honduras, Nicaragua, Panamá y Uruguay. En Argentina, los activos afectados no se incluyen en la base del Impuesto a la Ganancia Mínima Presunta hasta el octavo año desde el inicio del proyecto. Esta medida ha quedado sin efecto desde 2019. Asimismo, los intereses de financiación del proyecto podían deducirse de las pérdidas de la empresa. Cabe mencionar, que los beneficiarios que acreditaban que el 60% de la inversión se realizaba con componentes nacionales han tenido derecho a recibir un certificado fiscal para el pago de impuestos nacionales. Su valor ha sido igual al 20% del valor del componente (PwC, 2017). 48 económica, a través de inversiones extranjeras. Por lo tanto, la ausencia de subastas puede estar asociada a este hecho. 2.3.2.5. Otros mecanismos (subvenciones y fondos) Además de los mecanismos comentados anteriormente, algunos países también han utilizado otras medidas específicas para incentivar el uso de EERR, en el periodo de análisis. En Brasil, el Programa de Incentivo ERNC establece un subsidio de hasta el 75% del costo de inversión de plantas de generación de electricidad basadas en EERR, para ser utilizadas en zonas aisladas. Esto se debe a que varias ciudades de la Amazonia no estaban conectadas a la red principal de transmisión, lo que generó un alto consumo de diésel con un costo relativamente bajo, pero con altas emisiones (Sauma, 2012). Por otra parte, Brasil y México han creado fondos para estimular el uso de EERR. BNDES, ANEEL y la institución financiera de desarrollo, Finep, crearon conjuntamente un fondo (inova energía) para financiar subvenciones y préstamos para proyectos relacionados con la red inteligente y la transmisión de ultra alta tensión, tecnología solar y eólica y eficiencia energética de vehículos (IRENA, 2015). Con el fin de incentivar la investigación en el campo de la energía sustentable, en 1982 se creó en México un fondo que recibe el 20% de sus ingresos del impuesto del 0,65% sobre la extracción de petróleo crudo y gas natural (Climatescope, 2017). 2.4. Discusión En la Tabla 2.7 se resumen los países de LA que utilizaron algún tipo de incentivo, medida o política energética para incentivar el uso de EERR en la generación de electricidad, y los principales indicadores de desempeño de su uso de EERR, desde 2010 a finales de 2015. Igualmente, se muestra que, a pesar de tener establecidos objetivos específicos de incremento de EERR antes de cerrar el periodo de análisis, había dos países que no tenían ningún incentivo económico para su promoción: Bolivia y Venezuela. Venezuela no tuvo ningún aumento en el uso de EERR no convencionales para la generación de electricidad. 49 En el caso de Bolivia, sí logró un pequeño aumento en su uso. En este país, el Ministerio de Energía tenía pensado en 2018 implementar incentivos a futuro, ya que contaban con el apoyo de organismos internacionales, como el Banco Interamericano de Desarrollo, la Agencia Danesa de Desarrollo Internacional (DANIDA), y la GIZ de Alemania. Venezuela presentaba una situación similar, aunque en este caso es necesario señalar que se trata de una potencia tradicionalmente petrolera, por lo que producir electricidad a partir de este recurso no renovable es de menor costo. 50 Tabla 2. 7 Medidas de fomento de uso de EERR para la generación de electricidad, principales EERR para la generación de electricidad, indicadores de intensidad energética y emisiones de CO2. País Tarifa de alimentación Medición neta Incentivos fiscales Subvenciones y fondos Subastas Las EERR para la electricidad aumentan entre 2010 y 2015 (GWh) EERR para el crecimiento de las tarifas eléctricas 2010-2015 (%) Participación de las EERR en la generación de electricidad (%) TPES/PIBppp 2015 (tep/miles USD 2010) CO2/PIBppp 2015 (kg CO2/2010USD) Argentina ✓ ✓ ✓ 4 532 23,96 28.38 0,11 0,23 Bolivia 86 72.27 31.29 0,12 0,27 Brasil ✓ ✓ ✓ ✓ 31 36.825 109,4 73,97 0,1 0,15 Chile ✓ ✓ 5 6412 248,62 43,6 0,09 0,22 Colombia ✓ ✓ −194 −7,90 68,22 0,06 0,13 Costa Rica ✓ ✓ ✓ 2 956 56,9 98,99 0,07 0,1 Ecuador ✓ ✓ 304 127,2 52,8 0,09 0,22 El Salvador ✓ 3 302 16,7 57,82 0,09 0,13 51 País Tarifa de alimentación Medición neta Incentivos fiscales Subvenciones y fondos Subastas Las EERR para la electricidad aumentan entre 2010 y 2015 (GWh) EERR para el crecimiento de las tarifas eléctricas 2010-2015 (%) Participación de las EERR en la generación de electricidad (%) TPES/PIBppp 2015 (tep/miles USD 2010) CO2/PIBppp 2015 (kgCO2/2010USD) Guatemala ✓ ✓ 3 974 53,25 60.39 0,11 0,13 Honduras ✓ ✓ 2 1290 806.25 42.28 0,15 0,24 México ✓ ✓ ✓ 3 8466 98,26 15,96 0,09 0,22 Nicaragua ✓ ✓ 1147 134,94 50.05 0,13 0,17 Panamá ✓ ✓ ✓ 5 447 2031.82 65.33 0,05 0,13 Paraguay ✓ 0 0.00 100.00 0,1 0,1 Perú ✓ 6 1058 156,97 52,73 0,06 0,13 Surinam ✓ 1 0 0.00 60.05 0,08 0,26 Uruguay ✓ ✓ 10 2934 303.10 88,56 0,08 0,1 Venezuela 0 0.00 63,7 0,13 0,31 Fuente: Elaboración propia a partir de IEA (2018), Climatescope (2017) y otros. 52 Es preciso señalar que mientras, en 2015, los países americanos no pertenecientes a la OCDE tuvieron un nivel de emisiones de CO2, en términos per cápita, igual a 2 t CO2/cápita y, en términos de PIBppp, igual a 0,18 kg CO2/2010USD, en el caso de Venezuela sus valores fueron iguales a 5 t CO2/cápita y 0,31 kg CO2/2010USD, respectivamente. Estos no solo fueron los valores más altos de la región LA (ver la última columna en la Tabla 2.7), sino también superior a la media mundial (4 t CO2/cápita 0,30 kg CO2/2010USD) y uno de los valores más altos del mundo (ver Tabla 2.8). Además, la intensidad energética de Venezuela también fue la más alta de la región LA en 2015 (ver Tabla 2.7). Tabla 2. 8 Intensidad energética y emisiones de CO2 por regiones del mundo. TPES/PIBppp (tep/miles USD 2010) CO2/PIBppp 2015 (kg CO2/2010USD) OCDE Europa 0,09 0,18 OCDE Américas 0,13 0,29 OCDE Asia Oceanía 0,11 0,28 Europa y Eurasia no pertenecientes a la OCDE 0,2 0,43 Américas no pertenecientes a la OCDE 0,1 0,18 Asia excluyendo China 0,1 0,23 Porcelana 0,16 0,49 África 0,15 0,21 Oriente Medio 0,15 0,35 Fuente: Elaboración propia a partir de IEA (2018). En términos generales, resulta difícil medir la efectividad de las medidas establecidas para fomentar el uso de EERR en la generación eléctrica, aunque se puede percibir una relación positiva entre aquellos países que adoptaron políticas más activas y aquellos que incrementan el uso de EERR en la producción eléctrica. El coeficiente de 53 correlación entre el número de medidas aplicadas y el incremento de la EERR utilizada en la producción eléctrica es de 0,94. En general, la combinación de sistemas de subastas con incentivos fiscales era la forma más común de promover las EERR para la generación de electricidad, a principios de 2018, habiéndose producido un desplazamiento del uso de los sistemas FIT hacia las subastas. Cabe destacar que Brasil, el país con el mayor incremento de GWh de 2010 a 2015, fue también el país con el mayor número de subastas organizadas. Estas permitieron un importante despliegue en energía eólica y en el uso de biomasa, aunque la energía solar se encontraba más rezagada. Cabe decir que estas subastas también han venido acompañadas del uso de otros mecanismos para incentivar las EERR. De hecho, según Ruiz Campillo (2017), Brasil es uno de los países que más ha invertido en EERR a nivel mundial, en el periodo analizado. El sistema de subastas también ha sido muy efectivo en otros países. De hecho, todos los países con mayores incrementos de capacidad en el periodo analizado (Chile, México y Uruguay) han tenido un número significativo de subastas organizadas. Además, los precios también se redujeron con este sistema de promoción. En México, la tercera subasta redujo significativamente los precios (de US$ 47,7 de la primera subasta a US$ 20,6 por MWh en la última). Asimismo, en Chile, el precio de la energía también se redujo con el uso de subastas (Ruiz Campillo, 2017). Estas subastas también han sido muy competitivas, siendo Chile considerado el cuarto país más rentable para inversiones en renovables antes de 2018 (EY, 2016). Uruguay también ha tenido un fuerte impulso en el uso de EERR en el periodo analizado, debido al fuerte impulso de las subastas establecidas desde 2008, lo que ha permitido el desarrollo de un modelo de asociación público-privada que ha logrado invertir, anualmente, entre 2010 y 2014, más del 3% del PIB en infraestructura energética (Uruguay XXI, 2014). Por consiguiente, también Panamá, que ha organizado numerosas subastas, ha presentado la mayor tasa de crecimiento de EERR de 2010 a 2015. Además, experimentaron incrementos notables Honduras y Perú, que también utilizaron este sistema. Estos países han tenido un crecimiento espectacular de sus EERR no convencionales, teniendo en cuenta que en 2006 prácticamente no se utilizaban. 54 Por otro lado, cabe destacar el importante uso de EERR en la generación eléctrica en Paraguay, Uruguay y Costa Rica, a finales de 2015. No obstante, es relevante señalar que, en los dos primeros países, el uso se obtuvo básicamente de la energía hidroeléctrica. Sin embargo, Costa Rica promovió notablemente la energía eólica. Así, sus subastas establecidas se enfocaron tanto en instalaciones mini hidroeléctricas como eólicas (Climatescope, 2017). Finalmente, conforme a las circunstancias de Argentina y Colombia. Argentina no ha tenido resultados significativos en términos de crecimiento de las EERR desde 2006 a 2015. Sin embargo, los cambios legislativos desde 2016, y las subastas posteriores, han podido hacer que el país cambie de rumbo, convirtiéndose en el nuevo foco de atracción para las empresas del sector (Ruiz Campillo, 2017). En el caso de Colombia, su política energética se ha basado principalmente en la energía hidroeléctrica, a pesar de que en 2010 ya se consideraba que el país tenía una ventaja competitiva en energía eólica (Vergara et al., 2010). En este sentido, el gobierno anunció en 2018 que invertiría US$ 700 millones en la infraestructura necesaria para conectar a la red eléctrica los proyectos eólicos (aproximadamente 3 GW) de la región de La Guajira (ubicada sobre el mar Caribe, con alto potencial eólico). Adicionalmente, se veía como las subastas podrían promover el uso de EERR no convencionales. 55 CAPÍTULO 3 EFECTO DEL CONSUMO DE ENERGÍA PRODUCTIVA ELECTRICA Y NO-ELÉCTRICA SOBRE EL CRECIMIENTO ECONÓMICO: UN ANÁLISIS DE LATINOAMÉRICA. 3.1. Introducción Los niveles de GEI continúan aumentando a un ritmo elevado. Según el informe de la NOAA (2023), el principal contribuyente a estas emisiones es el CO2. Por lo tanto, es importante lograr la neutralidad de carbono para limitar las emisiones de GEI, lo que requiere una profunda transformación energética global. Según la IRENA (2022), esto implica un cambio de un sistema basado en combustibles fósiles a uno que promueva la eficiencia y las EERR. De acuerdo con la IEA (2021), la electrificación es un pilar clave, ya que es la principal manera de aumentar la proporción de EERR en el suministro total de energía primaria. Sin embargo, el proceso de electrificación y el cambio en el uso de fuentes de energía en los procesos de producción no solo influyen en las emisiones, sino que también pueden tener consecuencias en el crecimiento económico. La literatura anterior ha encontrado evidencia de que el consumo de energía afecta el crecimiento económico (Mutumba et al., 2021). Además, varios autores concluyen que se trata de un insumo clave que determina el proceso de crecimiento (Rahman y Velayutham, 2020). Sin embargo, otros autores señalan que la relación entre el consumo y la producción de energía depende del tipo de energía (Bildirici y Bakirtas, 2014). De este modo, buena parte de la literatura empírica relacionada se ha centrado en el análisis de la relación de diferentes tipos de energía (incluida la electricidad) y el crecimiento económico. Majewski et al. (2022), realizaron una revisión de los estudios que analizaron el impacto de la electricidad en el crecimiento. Encontraron que al menos 19 de ellos apoyan la hipótesis de su influencia positiva en el crecimiento económico. Al respecto, cabe hacer dos consideraciones. 56 En primer lugar, la evidencia sugiere que el impacto del consumo de electricidad en la producción depende de la región/país analizado (Karanfil y Li, 2015). Por ello, es conveniente realizar análisis regionales específicos. En este sentido, existen pocos estudios relativos a la región de LA. Entre ellos se encuentran los estudios de Al-Mulali et al. (2014), Solarin y Ozturk (2015) y Valencia-Herrera et al. (2020). Sin embargo, este tipo de análisis es particularmente relevante. Por un lado, si bien para el Banco Mundial (2023), la región ha experimentado un notable proceso de electrificación, todavía hay 17 millones de habitantes sin electricidad (CEPAL, 2022). Por consiguiente, la región podría tener un impacto significativo en la reducción de la pobreza si la electrificación conduce al crecimiento económico (Acheampong et al., 2021). Por otra parte, la región es líder en el uso de EERR para la generación de electricidad (Pablo-Romero et al., 2022). Por lo tanto, existe interés en el proceso de electrificación, ya que puede tener un impacto significativo en la reducción de emisiones. En segundo lugar, aunque existe literatura previa sobre el impacto del consumo de electricidad en el crecimiento económico, hay muy pocos estudios que se centren en el proceso de electrificación (Jung y Lee, 2014) y ninguno de ellos es reciente. Sin embargo, este análisis es relevante. El éxito de la electrificación para mejorar la sostenibilidad depende necesariamente de que la sustitución de la electricidad por otra fuente de energía no afecte negativamente al crecimiento económico, especialmente en los países en desarrollo. En esta línea, existen estudios previos que se centran en cómo otros pilares de la descarbonización afectan al crecimiento económico, entre ellos Ivanovski et al. (2021) y Yasmeen et al. (2021). Los autores utilizaron el marco de la función de producción neoclásica para mostrar el diferente impacto de las EERR y no renovables en el crecimiento. Sin embargo, hasta donde sabemos, ningún autor ha analizado conjuntamente el efecto del consumo de electricidad y de otras fuentes de energía no eléctricas en el crecimiento. Este estudio tiene como objetivo llenar este vacío. Para este propósito, se utiliza el modelo empleado por Ivanovski et al. (2021) para las EERR y no renovables y se reformula para examinar cómo el consumo de energía productiva eléctrica y no eléctrica afecta al crecimiento económico. Así, se estima una función de producción neoclásica extendida que incluye las variables de estas energías, 57 utilizando técnicas de datos de panel. Además, siguiendo a Pablo-Romero y SánchezBraza (2015), el modelo propuesto considera que no toda la energía consumida afecta al proceso de producción, sino solo la energía productiva, lo que supone una novedad en este contexto. El estudio se lleva a cabo en primer lugar aplicando el modelo de rezago distributivo autorregresivo aumentado de corte transversal (CS-ARDL) (Chudik et al., 2016). Este modelo aborda la autocorrelación, la heterocedasticidad, la endogeneidad, la heterogeneidad y la dependencia transversal (CSD). En segundo lugar, dado que la literatura previa sugiere que los efectos de la energía en el crecimiento tienden a cambiar con el tiempo, de acuerdo con Ren et al. (2022), se implementa un modelo no paramétrico de coeficientes variables en el tiempo. Este modelo permite mostrar cómo los efectos del consumo de estas energías cambian a lo largo del tiempo. El estudio se realiza para 17 países de LA de 1990 a 2019 (y para 3 submuestras basadas en niveles de producción), ampliando la literatura sobre los efectos de la electricidad en el crecimiento de la región. Las principales contribuciones de este trabajo en el contexto anterior son las siguientes: • En el marco de la función de producción neoclásica, se formula un modelo que permite analizar conjuntamente el impacto del consumo eléctrico y no eléctrico sobre el crecimiento económico. • Se realizan estimaciones paramétricas y no paramétricas. Las estimaciones no paramétricas permiten conocer cómo cambian los efectos del consumo eléctrico y no eléctrico a lo largo del tiempo. • Se presenta un análisis para la región de LA y se distinguen estos efectos según los países que tienen niveles de producción más altos y bajos, y los de menor producción. Los resultados indican que, aunque ambas fuentes de energía tienen efectos positivos significativos sobre la producción, la elasticidad con respecto al consumo no eléctrico es mayor que con respecto al consumo eléctrico. Solo en los países con los 64 de emisiones. Existe una rica literatura en esta área, incluyendo Balsalobre-Lorente et al. (2018) y, Nam y Jin (2021). Sin embargo, Khan et al. (2021) y Khan et al. (2022) indican que, a pesar del interés por conocer el impacto de la transición energética en la producción económica, esto no ha ido acompañado de otros que analicen el impacto sobre el crecimiento económico. En cambio, los estudios sobre electrificación y crecimiento se han centrado principalmente en el acceso a la electricidad y la pobreza energética. Algunos se han referido a las regiones menos desarrolladas (Sokhanvar, 2023) , a zonas rurales (Pelz et al., 2023) y sobre la productividad de la empresa (Abiodun y Gilbert, 2022). Pocos trabajos han analizado el impacto de la electrificación en la producción, entendiendo que el uso de la electricidad podría incrementar el progreso tecnológico de las empresas (Stern, 2011). Además, sólo el estudio de Jung y Lee (2014) se centró en la sustitución de combustibles. Los resultados de la investigación muestran que el cambio de combustibles fósiles a electricidad podría provocar una disminución de la productividad de las empresas en el corto plazo, pero un aumento en el largo plazo. De hecho, los estudios centrados en cómo la electrificación y el cambio de fuentes de energía afectan al crecimiento económico son escasos. Hasta donde sabemos, desde un punto de vista macroeconómico, no existen estudios que analicen el efecto de las fuentes eléctricas frente a las no eléctricas sobre el crecimiento económico, integrando ambas fuentes de energía en la misma función de producción, como se hace con las fuentes de EERR y no renovables. Por ello, este estudio viene a llenar ese vacío. De esta revisión se pueden extraer varias consideraciones: En primer lugar, al menos una corriente de investigación considera que la energía afecta el crecimiento económico, y su efecto puede analizarse utilizando funciones de producción neoclásicas. En segundo lugar, no todas las fuentes de energía afectan a la producción y al crecimiento económico de la misma manera. 65 En tercer lugar, existe interés en saber cómo las energías promovidas que contribuyen al crecimiento sostenible afectan el crecimiento económico. En cuarto lugar, aumentar el uso de electricidad sobre otros tipos de consumo final de energía puede ser aconsejable para alcanzar objetivos sostenibles, pero los efectos de esta sustitución de fuentes de energía sobre el crecimiento económico no están bien estudiados y no hay evidencia previa desde un punto de vista macroeconómico. En quinto lugar, hay poca evidencia sobre el impacto de la electricidad sobre el crecimiento económico en LA. Finalmente, ningún estudio previo ha analizado el efecto del uso de fuentes eléctricas y no eléctricas sobre la producción, al menos en el contexto anterior. Por lo tanto, a continuación, se examina si el uso de energía eléctrica y no eléctrica tiene el mismo efecto sobre el crecimiento de la producción. Para ello, se estima una función de producción neoclásica extendida. El consumo de energía eléctrica y no eléctrica se incluyen como factores de producción adicionales al capital físico, el trabajo y el capital humano. 3.3. El modelo Las funciones de producción Cobb-Douglas aumentadas con energía se han utilizado para estudiar el efecto de la energía en el crecimiento económico (véase Tabla 3.1). Según Oryani et al. (2021), esta función presenta ciertas ventajas. Es sencillo estimar las elasticidades de producción utilizando la forma logarítmica, que incluye el efecto de la tecnología utilizada, y los coeficientes estimados son cercanos a la productividad de los factores. Esta función puede expresarse de la siguiente manera: 𝑌 = 𝐴𝐿𝛼𝑘𝛽1Є 𝛾 [1] 66 Donde: Y es la producción de la economía, A es la tecnología, K es el stock de capital, L son las personas empleadas, Є denota el uso de energía. Las elasticidades del stock de capital, el uso de energía y las personas empleadas son: 𝛼, 𝛽1 y 𝛾, respectivamente. De la expresión anterior se pueden extraer dos consideraciones: En primer lugar, es bien conocido el impacto del capital humano en la producción (Wilson y Briscoe, 2004). Sin embargo, pocos estudios han incluido el capital humano como un factor adicional en la estimación empírica de las funciones de producción extendidas con energía (véase la Sección 3.2.1 y Tabla 3.1). Estos estudios concluyen que ambos factores son relevantes para la producción (Chang et al., 2020 y Ivanovski et al., 2021). Por tanto, resulta adecuada la inclusión del capital humano como factor adicional en la expresión anterior. En segundo lugar, como se detalla en la sección de literatura (ver Sección 3.2.2), conviene tener en cuenta que no todos los tipos de energía contribuyen por igual al crecimiento económico. En este sentido, por ejemplo, Azam et al. (2021) y Luqman et al. (2019), señalan que la energía nuclear no tiene el mismo impacto en la producción que las EERR. Siguiendo este enfoque, otros autores como Ivanovski et al. (2021) y, recientemente, Espoir et al. (2024), diferencian el impacto de las EERR y no renovables sobre la producción. En estos análisis, ambas variables energéticas se incluyen simultáneamente en una función de producción neoclásica. Siguiendo la metodología utilizada en estos análisis, y para analizar el diferente efecto del consumo eléctrico y no eléctrico sobre el crecimiento, se incluyen en la ecuación [1]. Esta diferenciación de fuentes de energía se adapta mejor a las decisiones de producción de las empresas que la inclusión de fuentes renovables y no renovables, ya 67 que las empresas no pueden decidir sobre el origen renovable o no renovable de la energía que consumen. Además, la diferenciación de fuentes de energía propuesta en este estudio podría orientar las políticas, recientemente adoptadas por muchos países, que tienden a electrificar la economía para utilizar más EERR y, de esta forma, reducir las emisiones. La función de producción se expresa entonces como: 𝑌 = 𝐴𝐿𝛼𝑘𝛽1𝐸𝛽2𝑁𝐸𝛽3𝐻 𝛿 [2] Donde: E representa el uso productivo de electricidad, NE representa el uso productivo de fuentes no eléctricas, H el uso del capital humano. 𝛽2, 𝛽3 y 𝛿 indican las elasticidades de producción respecto al consumo de energía productiva eléctrica, no eléctrica y del capital humano, respectivamente. Suponiendo rendimientos constantes a escala respecto al stock de capital, personas ocupadas y uso de energías, dado el capital humano (𝛼 + 𝛽1 + 𝛽2 + 𝛽3 = 1), la ecuación [2] puede expresarse en términos de producción por persona ocupada como: 𝑦 = 𝐴𝑘𝛽1𝑒𝛽2𝑛𝑒𝛽3𝐻 𝛿 [3] Donde: 𝑦 representa el PIB por persona ocupada, 𝑘 es el stock de capital por persona ocupada, 𝑒 es el consumo productivo de electricidad por persona ocupada, y 𝑛𝑒 el consumo de energía productiva no eléctrica por persona ocupada. 68 3.4. Planteamiento del problema, datos y estrategia econométrica 3.4.1. Planteamiento del problema En este capítulo se analiza si el consumo productivo de electricidad y el consumo productivo no eléctrico por ocupado tienen efectos diferentes sobre la producción por ocupado (PIBpc) en la región de LA. Además, el estudio se extiende a tres submuestras: países de LA con mayor PIBpc, países de LA con menor PIBpc y aquellos con los valores más bajos de PIBpc. Para determinar estos impactos, se estiman y analizan las elasticidades de producción del consumo productivo de electricidad y no eléctrico para cada muestra. Para estimar estas elasticidades, la función de producción Cobb-Douglas aumentada se linealiza tomando logaritmos naturales en ambos lados de la ecuación [3]. Las estimaciones de esta forma log-lineal de la función de producción Cobb-Douglas extendida dan elasticidades directas de las variables. La ecuación por estimar se expresa como: 𝑙𝑛𝑦𝑖𝑡 = 𝛼𝑖+ 𝛾𝑡+ 𝛽1𝑙𝑛𝑘𝑖𝑡 + 𝛽2𝑙𝑛𝑒𝑖𝑡 + 𝛽3𝑙𝑛𝑛𝑒𝑖𝑡 + 𝛿𝑙𝑛𝐻𝑖𝑡 + 𝜀𝑖𝑡 [4] Donde: 𝑙𝑛 indica el logaritmo natural, 𝑖 y 𝑡 indican el país y el año, 𝛼𝑖 indica los efectos individuales, 𝛾𝑡 indica los efectos del tiempo que tienen en cuenta las variables omitidas que varían con el tiempo, 𝜀 denota el error aleatorio, 𝛽1, 𝛽2 y 𝛽3 son los coeficientes estimados, los cuales nos informan el efecto del consumo eléctrico productivo y del consumo no eléctrico productivo sobre el crecimiento económico, lo que permite su análisis y comparación. 69 3.4.2. Datos Los datos provienen de la base de The Next Generation of the Penn World Table (Feenstra et al., 2015) y la Agencia Internacional de Energía (IEA, 2023). La muestra cubre 17 países de LA (Argentina, Bolivia, Brasil, Chile, Colombia, Costa Rica, República Dominicana, Ecuador, El Salvador, Guatemala, Honduras, México, Nicaragua, Panamá, Paraguay, Perú y Uruguay), para el período de 1990 a 2019. Las tres submuestras son: 1. Países con mayor PIBpc que son: Argentina, Brasil, Chile, Colombia, Costa Rica, República Dominicana, México, Panamá y Uruguay; 2. Países con menor PIBpc (el resto de los países de la muestra) 3. Los cuatro países con menor PIBpc: El Salvador, Guatemala, Honduras y Nicaragua. Las subdivisiones se han realizado considerando dónde se encuentra un país en relación con el spline mediano del PIBpc. Un país está en la primera submuestra cuando está por encima del spline mediano del PIBpc, mientras que la segunda y tercera submuestras están por debajo de este. Las variables utilizadas son el Producto Interno Bruto (PIB) real, el stock de capital, el capital humano, las personas ocupadas y dos variables energéticas: el consumo eléctrico productivo y el consumo no eléctrico productivo. Las variables energéticas provienen de la IEA (2023) y el resto de ellos de Feenstra et al. (2015). El PIB y el stock de capital se expresan a precios nacionales constantes de 2017, en millones de dólares estadounidenses de 2017. Las personas ocupadas se expresan en millones. El capital humano es un índice calculado a partir de los años de escolaridad y los rendimientos de la educación. Estas variables se han expresado en términos de logaritmos. El PIB y el stock de capital se han convertido en términos por persona ocupada, de acuerdo con el modelo propuesto. 70 Como en Pablo-Romero y Sánchez-Braza (2015), para evaluar adecuadamente la relación entre energía y producción, se ha considerado el uso de energía productiva en lugar del consumo total de energía. La energía productiva se define como el uso de energía en los procesos productivos. Por lo tanto, esta cifra no incluye el uso de energía doméstica. En este trabajo, la energía productiva se determina como el total de consumo de energía menos el consumo de energía residencial total. Una vez calculada la energía productiva, esta variable se divide en consumo eléctrico productivo (consumo eléctrico menos consumo eléctrico residencial) y consumo no eléctrico productivo (energía productiva menos consumo eléctrico productivo). Las variables están en toneladas equivalentes de petróleo (tep) por ocupado (en logaritmos. 3.4.2. Análisis descriptivo Las principales estadísticas descriptivas se muestran en Tabla 3.2. Dado que la desviación estándar within es menor que la desviación estándar between para todas las variables, estas desviaciones son mayores entre países que a lo largo del tiempo. 71 Tabla 3. 2 Estadísticas descriptivas. Variables Media Desv. Standar Min. Max. Observaciones Producto Interno Bruto en logs. overall 10.125 0.472 9.251 11.123 N = 510 between 0.468 9.398 10.796 n = 17 within 0.127 9.689 10.467 T = 30 Capital de Stock empleado en logs overall 11.439 0.532 10.166 12.518 N = 510 between 0.529 10.316 12.183 n = 17 within 0. 38 11.011 12.123 T = 30 Consumo Eléctrico Productivo en logs overall 8.705 0. 699 6.959 10.199 N = 510 between 0. 643 7.765 9.885 n = 17 within 0. 314 7.172 9.404 T = 30 Consumo No Eléctrico Productivo en logs overall 10.626 0. 491 9.634 11.513 N = 510 between 0.483 9.904 11.376 n = 17 within 0.145 10.220 11.141 T = 30 Índice de Capital Humano en logs overall 0.851 0.162 0.408 1.146 N = 510 between 0.142 0.524 1.055 n = 17 within 0.086 0.578 1.166 T = 30 En la Figura 3.1 se muestra la evolución del consumo productivo no eléctrico en los países de LA. La línea de la mediana muestra una tendencia bastante constante para la región, con un ligero crecimiento en los últimos años. Sin embargo, hay diferencias entre los países que deben tenerse en cuenta. Los países con mayor consumo no eléctrico, por personas ocupadas, son Brasil, Chile, México y Argentina. Los países con menor consumo no eléctrico, por personas ocupadas, son El Salvador, Honduras, Nicaragua y Guatemala. Además, también cabe destacar que Perú, Bolivia y Uruguay aumentan significativamente su consumo no eléctrico a lo largo del tiempo. El resto de los países (que no aparecen en el gráfico) presentan valores alrededor de la línea de la mediana. 72 Figura 3. 1 Consumo productivo no eléctrico y eléctrico por persona ocupada: 1990-2019. En el gráfico de la derecha en la Figura 3.1 se presenta el consumo productivo de electricidad en la muestra, durante el periodo analizado. Todos los países muestran una tendencia creciente. Nuevamente, Argentina, Brasil, Chile y México muestran los valores más altos, mientras que Honduras, Guatemala y Nicaragua muestran los más bajos. Adicionalmente, se observa que Uruguay y Bolivia tienen tendencias de crecimiento notorias, siendo este último el país con el valor productivo de electricidad más bajo de la región. También cabe destacar que los valores de electricidad son inferiores a los valores de no eléctricos en todos los países. Por último, se proporcionan gráficos de dispersión de datos entre el consumo productivo no eléctrico y el consumo de electricidad por persona empleada y los niveles de PIBpc. En la Figura 3.2 se agrega una línea suave (LOWESS) a través del diagrama 73 de dispersión para ver la relación entre las variables. En ambos casos, existe una relación positiva inicial entre las variables. Figura 3. 2 Diagramas de dispersión: Consumo productivo no eléctrico y eléctrico por persona ocupada y PIB por persona ocupada (PIBpc). 3.4.3. Estrategia econométrica Se han utilizado diversas estrategias econométricas para estudiar el impacto de largo plazo de las variables exógenas sobre el PIBpc. Sin embargo, antes de estimar la ecuación [4], se ha estudiado la heterogeneidad de la pendiente y la dependencia transversal (CSD) de las variables. Posteriormente se ha analizado el orden de integración. Respecto a la potencial heterogeneidad de la pendiente, se ha utilizado la prueba de Swamey para homogeneidad de pendientes de Pesaran y Yamagata (2008). Los 80 variable de capital humano. Esta eliminación no altera notablemente los coeficientes de las variables energéticas. Tabla 3. 8 Resultados de la estimación de largo plazo por CS-ARDL. Variables CS-ARDL CS-ARDL lnk 0.402*** (0.112) 0.381*** (0.097) lnH -0.058 (0.150) lne 0.098* (0.058) 0.076** (0.039) lnne 0.148** (0.060) 0.150** (0.048) CD Estatistico -1.77* -1.49 Nota: Los errores estándar entre paréntesis; ***, ** y * indican significancia al nivel del 1 %, 5 % y 10 %, respectivamente. Los resultados de la estimación realizada mediante CS-ARDL son bastante similares a los obtenidos anteriormente, lo que demuestra la solidez de la estimación. Estos resultados muestran que tanto el consumo eléctrico como el no eléctrico tienen un efecto positivo significativo en el PIBpc. Por lo tanto, como sugirió previamente Sharma (2010) y Pastén et al. (2015), el uso de energía juega un papel fundamental en el crecimiento de la producción en LA, por lo que a nivel regional no se pueden aplicar políticas de ahorro energético sin que esto afecte el crecimiento de la producción. Estos resultados son coherentes también con estudios que analizan los efectos del uso de EERR y no renovables sobre el crecimiento de la producción en la región, los cuales muestran efectos positivos y significativos sobre la producción (Alvarado et al., 2019 y Al-Mulali et al., 2014). 81 Los resultados de la estimación mediante CS-ARDL muestran nuevamente que existen diferencias notables en los valores de los coeficientes de las variables eléctricas y no eléctricas. Además, también se puede detectar que la diferencia entre estos valores es ahora mayor que la que se muestra en la Tabla 3.7, siendo el efecto de la electricidad sobre el crecimiento de la productividad relativamente bajo. Por lo tanto, en promedio, el uso productivo no eléctrico tiene un mayor efecto sobre la producción por ocupado que el consumo de electricidad. Por lo tanto, en la región, la sustitución de una fuente por otra puede no ser neutral, al menos si la estructura productiva permanece inalterada. Estos resultados están en línea con los obtenidos por Jung y Lee (2014) para las empresas coreanas en el corto plazo, y con los obtenidos por Khan et al. (2021), quienes observaron efectos negativos de la transición energética sobre el crecimiento de la producción. Asimismo, los resultados están en línea con los que se muestran en los estudios de Ivanovski et al. (2021) y Yasmeen et al. (2021), para los efectos de las EERR y no renovables. 3.5.2. Estimaciones paramétricas: resultados de submuestras La ecuación [5] se ha reestimado para dos submuestras: para aquellas con PIBpc más alto y bajo. La Tabla 3.9 muestra los resultados cuando se utiliza el método CSARDL. Como antes, la ecuación [5] se ha reestimado omitiendo las variables de capital humano, ya que no son significativas. Además, la ecuación [5] se ha reestimado para los países más pobres, incluyendo únicamente los cuatro países más pobres de la submuestra 2, que son también los que consumen mucha menos energía por persona empleada. 82 Tabla 3. 9 Resultados de la estimación de largo plazo para submuestras por CSARDL. Variables CS-ARDL PIBpc más alto Submuestra1 CS-ARDL PIBpcy más alto Submuestra1 CS-ARDL PIBpc más bajo Submuestra2 CS-ARDL PIBpc más bajo Submuestra2 CSARDL PIBpc más bajo CSARDL PIBpc más bajo lnk 0.309*** (0.116) 0.270** (0.108) 0.384** (0.202) 0.352** (0.191) 0.480*** (0.207) 0.393*** (0.097) lnH 0.672 (0.855) 0.206 (0.456) 0.112 (0.180) lne 0.112* (0.063) 0.079* (0.060) 0.094** (0.042) 0.077* (0.049) 0.172** (0.067) 0.184** (0.073) lnne 0.163** (0.051) 0.195*** (0.065) 0.149*** (0.053) 0.183*** (0.051) 0.161*** (0.061) 0.191** (0.025) CD Estatistico -1.36 -1.87* -1.80* -1.31 - 1.78* -1.63 Nota: Los errores estándar entre paréntesis; ***, ** y * indican significancia al nivel del 1 %, 5 % y 10 %, respectivamente. Los resultados para las submuestras 1 y 2 son bastante similares. Sin embargo, los valores estimados de los coeficientes no eléctricos son ligeramente inferiores en la submuestra 2. Todas las estimaciones muestran que el coeficiente de consumo productivo no eléctrico es mayor que el de la electricidad. Por lo tanto, los resultados están en consonancia con los obtenidos previamente para toda la muestra. En cuanto a los coeficientes de stock de capital estimados, los de la submuestra 1 son inferiores a los de la submuestra 2. Por lo tanto, en los países con menor PIBpc, el efecto del stock de capital sobre el PIBpc es mayor. Finalmente, centrándose en aquellos países con el PIBpc más bajo, los resultados estimados difieren de los resultados anteriores. Ahora bien, los coeficientes eléctricos productivos estimados siguen siendo inferiores a los no eléctricos, pero sus valores están mucho más próximos entre sí que antes. Por tanto, existe evidencia de que, en las zonas de menor PIBpc de la región, el efecto de una mayor electrificación podría ser neutro, en 83 el corto plazo. Los países de esta muestra son los más pobres de la región, que también tienen los niveles más bajos de acceso a la electricidad. Por tanto, mejorar esta accesibilidad puede ser beneficioso para muchas empresas. En esta línea, hay estudios que muestran beneficios de productividad en los países (como por ejemplo Paraguay) que han pasado de niveles bajos a altos de electrificación (Stern et al., 2019). 3.5.3. Estimaciones no paramétricas: resultados de la muestra total y de submuestras Finalmente, se utilizó el estimador lineal local no paramétrico de variable ficticia (Ecuación [6]). La técnica de bootstrap se ha realizado con 50 réplicas. En la Figura 3.3, se muestran los resultados de la estimación, estableciendo bandas de confianza del 90 %. Centrándose en los coeficientes energéticos, los resultados muestran un efecto positivo y significativo de las variables de consumo energético sobre el crecimiento de la producción, tanto para el consumo eléctrico como para el no eléctrico. Hasta cierto punto, este efecto positivo varía a lo largo del tiempo, siendo siempre mayor el impacto del consumo no eléctrico a lo largo del periodo. Asimismo, la Figura 3.3 muestra que el efecto del uso de energía productiva no eléctrica está disminuyendo ligeramente durante el período, mientras que el efecto del uso de electricidad productiva está aumentando ligeramente durante el período, tendiendo a estabilizarse cuando el período termina. 84 Figura 3. 3 Estimaciones no paramétricas de LLDVE de tendencias y coeficientes comunes: muestra completa. Nota: Las líneas rojas sólidas muestran los coeficientes estimados de la ecuación [6] para las tendencias comunes y los coeficientes a lo largo del tiempo. Sus intervalos de confianza se muestran con sombreado gris. 85 Por lo tanto, los efectos negativos del aumento de la electricidad y la disminución de los no eléctricos pueden estar disminuyendo. Sin embargo, hay dos consideraciones que hacer. En primer lugar, el cambio del efecto del consumo de energía eléctrica y no eléctrica sobre la producción es bastante pequeño y lento. La Figura 3.3 muestra que, a lo largo de un período de 30 años, los cambios en estas elasticidades son sólo de alrededor de un punto porcentual (acercándose ambas elasticidades en 2 puntos porcentuales). Esto demuestra que las estructuras productivas cambian lentamente y, por lo tanto, que para que el cambio de un combustible a otro no tenga efectos perjudiciales sobre el crecimiento económico debe ser un proceso lento. Algunos autores ya han destacado este hecho. Schmidt (1987) afirmó que la electrificación del sector industrial es un proceso a largo plazo, que durará décadas. En la misma línea, Schön (2000) sostiene que la electrificación depende de la innovación, que se genera poco a poco. En segundo lugar, parece que el efecto positivo creciente del consumo de electricidad sobre el crecimiento de la producción se ha estancado en los últimos años, lo que puede indicar que las mejoras productivas, asociadas al uso de la electricidad, pueden estar limitadas tecnológicamente o retrasadas por cuellos de botella técnicos (Goldfarb, 2005). Por tanto, la transición energética, basada en la electrificación, debe realizarse de forma lenta y gradual, para adaptar las estructuras productivas, superar los cuellos de botella técnicos y no perjudicar al crecimiento económico. Los resultados indican también que el valor de la elasticidad del capital humano es cercano a cero, con un valor que aumenta ligeramente a lo largo del tiempo. Además, el stock de capital tiene un efecto positivo sobre la producción, con una elasticidad decreciente en los primeros años del periodo y un valor constante de alrededor de 0,34 a partir de 2000. Adicionalmente, se ha aplicado el estimador de variable ficticia lineal local no paramétrica para las submuestras consideradas. En la Figura 3.4 se muestran los 86 resultados. Como se puede observar, los valores y las tendencias son bastante similares en todas las submuestras, para todas las variables explicativas. 87 Figura 3. 4 Estimaciones no paramétricas de LLDVE: submuestras. Nota: Las líneas rojas sólidas muestran los coeficientes estimados de la ecuación [6] para las tendencias comunes y los coeficientes a lo largo del tiempo. Sus intervalos de confianza se muestran con sombreado gris. 88 El efecto de la electricidad sobre la productividad presenta una tendencia creciente en todas las submuestras, que tiende a desaparecer al final del período. Mientras tanto, el efecto del consumo no eléctrico presenta una tendencia decreciente en todas las submuestras. Para todas las submuestras, el efecto del consumo de energía no eléctrica sobre la productividad es mayor que el del consumo eléctrico. En cuanto a otros factores productivos, los resultados muestran que, a medida que los países son menos productivos, el efecto del capital sobre la productividad es mayor, lo que es similar a los resultados paramétricos. Sin embargo, el efecto no es tan notorio como antes. La tendencia de este efecto disminuye a lo largo del período, para los países menos productivos. Sin embargo, este efecto tiende a aumentar ligeramente a partir de 2000, para los países más productivos. Finalmente, la elasticidad del capital humano tiende a aumentar en todas las submuestras, presentando los países menos productivos valores más bajos. No obstante, cabe señalar que estos valores de elasticidad son cercanos a cero, lo que indica un efecto mínimo del capital humano sobre la productividad en la región. 89 CAPÍTULO 4: CONCLUSIONES E IMPLICACIONES POLÍTICAS Las conclusiones que se extraen de esta tesis se derivan de los dos estudios presentados en los capítulos 2 y 3. 4.1 Conclusiones del Capítulo 2 En el Capítulo 2 se ha analizado el uso de EERR para la generación de energía eléctrica, entre los años de 2006 a 2015, en los 18 países de LA que han firmado el Acuerdo de París. Asimismo, se han analizado las medidas implementadas para promoverlas y su efecto sobre los niveles de EERR en la región. Los resultados de ese estudio muestran que los países de LA han tenido un crecimiento notable en el uso de EERR para la generación de electricidad en el periodo analizado, aunque han existido diferencias notables entre las fuentes de EERR. El uso de energía hidroeléctrica disminuyó en los últimos años del estudio, reduciendo su participación en la matriz de generación eléctrica. Sin embargo, es significativamente la EERR más utilizada en la región. Por el contrario, la biomasa, la energía eólica y la solar experimentaron un fuerte crecimiento, muy superior al crecimiento mundial. En términos totales, desde 2010, los mayores aumentos en EERR no convencionales se observaron en Brasil, México, Chile y Uruguay. En cuanto a las acciones utilizadas para promover las EERR, cabe destacar que los 18 países de LA establecieron metas u objetivos de niveles de EERR. Asimismo, 15 de estos países diseñaron estrategias, programas o leyes con el fin de incentivar su uso. Las medidas más utilizadas para promover el uso de EERR para la generación eléctrica han sido los incentivos fiscales, utilizando la mayoría de los países el sistema de subastas al final del periodo analizado. Este sistema ha ido sustituyendo al sistema FIT, utilizado anteriormente en algunos países, reduciendo los precios de la energía y haciendo más 96 Apergis, N., & Payne, J. E. (2012). Renewable and non-renewable energy consumptiongrowth nexus: Evidence from a panel error correction model. Energy economics, 34(3), 733-738. Aravena, C., Hutchinson, W. G., & Longo, A. (2012). Environmental pricing of externalities from different sources of electricity generation in Chile. Energy economics, 34(4), 1214-1225. Ayres, R. U., & Warr, B. (2005). Accounting for growth: the role of physical work. Structural Change and Economic Dynamics, 16(2), 181-209. Ayres, R., & Voudouris, V. (2014). The economic growth enigma: Capital, labour and useful energy?. Energy Policy, 64, 16-28. Azam, A., Rafiq, M., Shafique, M., Zhang, H., Ateeq, M., & Yuan, J. (2021). Analyzing the relationship between economic growth and electricity consumption from renewable and non-renewable sources: Fresh evidence from newly industrialized countries. Sustainable Energy Technologies and Assessments, 44, 100991. Balsalobre-Lorente, D., Shahbaz, M., Roubaud, D., & Farhani, S. (2018). How economic growth, renewable electricity and natural resources contribute to CO2 emissions? Energy policy, 113, 356-367. Banco Mundial. World Bank open data. https://data.worldbank.org/. [Accessed 13 June 2023]. Bhuiyan, M. A., Zhang, Q., Khare, V., Mikhaylov, A., Pinter, G., & Huang, X. (2022). Renewable energy consumption and economic growth nexus—a systematic literature review. Frontiers in environmental science, 10, 878394. Bildirici, M. E., & Bakirtas, T. (2014). The relationship among oil, natural gas and coal consumption and economic growth in BRICTS (Brazil, Russian, India, China, Turkey and South Africa) countries. Energy, 65, 134-144. 97 Blomquist, J., & Westerlund, J. (2013). Testing slope homogeneity in large panels with serial correlation. Economics Letters, 121(3), 374-378. BP Global. 2017. Statistical Review of World Energy. BP, London. Campo Robledo, J., & Olivares, W. (2013). Relación entre las emisiones de CO2, el consumo de energía y el PIB: el caso de los CIVETS. Semestre económico, 16(33), 4566. Cansino, J. M., Pablo-Romero, M. D. P., Román, R., & Yñiguez, R. (2010). Tax incentives to promote green electricity: An overview of EU-27 countries. Energy policy, 38(10), 6000-6008. Cárdenas, E. A., Freites, Z. M., & Crespo, H. M. (2023). Estimación y análisis de la relacion entre desarrollo económico y emisiones de CO2. Económicas CUC, 44(2), 147172. Cárdenas, M., & Orozco, S. (2022). The challenges of climate mitigation in Latin America and the Caribbean: some proposals for action. UNDP Lat. Am. Caribb. policy documents Ser. UNDP LAC PDS No, 40. Carlino, H., Lucena, A. F., Miranda, R., Perczyk, D., Rathmann, R., Schaeffer, R., ... & Miranda, R. (2016). Expansión de las energías renovables no convencionales en américa latina y el caribe: El rol de las instituciones financieras de desarrollo. Monografía del BID (Sector de Instituciones para el Desarrollo. División de Mercados de Capital e Instituciones Financieras). Carter, A. P. (1974). Energy, environment, and economic growth. The Bell Journal of Economics and Management Science, 578-592. Catalán Alonso, H. (2021). Impacto de las energías renovables en las emisiones de gases efecto invernadero en México. Problemas del desarrollo, 52(204), 59-83. 98 CEPAL, N. (2018). Agenda 2030 y los Objetivos de Desarrollo Sostenible: una oportunidad para América Latina y el Caribe. Santiago: CEPAL Recuperado de https://www. cepal. org/es/publicaciones/40155-agenda-2030-objetivosdesarrollosostenible-oportunidad-america-latina-caribe. CEPAL, N. (2022). Una década de acción para un cambio de época. Quinto informe sobre el progreso y los desafíos regionales de la Agenda 2030 para el Desarrollo Sostenible en América Latina y el Caribe. Chang, Y., Fang, Z., & Hamori, S. (2020). Human capital and energy: A driver or drag for economic growth. The Singapore Economic Review, 65(03), 683-714. Chen, C., Pinar, M., & Stengos, T. (2020). Renewable energy consumption and economic growth nexus: Evidence from a threshold model. Energy Policy, 139, 111295. Chi, Y., Bai, G., Li, J., & Chen, B. (2021). Research on the coordination of energy in China’s economic growth. Plos one, 16(6), e0251824. Chudik, A., Mohaddes, K., Pesaran, M. H., & Raissi, M. (2016). Long-run effects in large heterogeneous panel data models with cross-sectionally correlated errors. In Essays in Honor of man Ullah (pp. 85-135). Emerald Group Publishing Limited. Climatescope. (2017). Policies. Bloomberg New Energy Finance, New York. Coviello, M., & Ruchansky, B. (2017). Avances en materia de energías sostenibles en América Latina y el Caribe: resultados del Marco de Seguimiento Mundial, informe de 2017. CREG. (2018). Comisión de Regulación de Energía y Gas. Recuperado de https://gestornormativo.creg.gov.co/gestor/entorno/docs/resolucion_creg_0030_2018.ht m Díaz, A., Marrero, G. A., & Puch, L. A. (2020). Cambio climático, crecimiento económico y el papel de las tecnologías energéticas. Papeles de economía española, 164, 120-133. 99 Dimitriadis, C. N., Tsimopoulos, E. G., & Georgiadis, M. C. (2023). Optimal bidding strategy of a gas-fired power plant in interdependent low-carbon electricity and natural gas markets. Energy, 277, 127710. Ding, Q., Khattak, S. I., & Ahmad, M. (2021). Towards sustainable production and consumption: assessing the impact of energy productivity and eco-innovation on consumption-based carbon dioxide emissions (CCO2) in G-7 nations. Sustainable Production and Consumption, 27, 254-268. Dong XiaoYing, D. X., & Hao Yu, H. Y. (2018). Would income inequality affect electricity consumption? Evidence from China. Espoir, D. K., Sunge, R., & Alola, A. A. (2024). Time-varying causality nexus of (non) renewable electricity utilization, real output, and carbon emission among selected African states. Environment, Development and Sustainability, 26(2), 5275-5298. EY. 2016. Renewable energy country attractiveness index. Ernst & Young, London. Fang, Z., & Chang, Y. (2016). Energy, human capital and economic growth in Asia Pacific countries—Evidence from a panel cointegration and causality analysis. Energy Economics, 56, 177-184. Fang, Z., & Chen, Y. (2017). Human capital and energy in economic growth–Evidence from Chinese provincial data. Energy Economics, 68, 340-358. Feenstra, R. C., Inklaar, R., & Timmer, M. P. (2015). The next generation of the Penn World Table. American economic review, 105(10), 3150-3182. Förster, S., & Amazo, A. (2016). Auctions for renewable energy support in Brazil: Instruments and lessons learnt. Denmark: Aures. Geller, H., Schaeffer, R., Szklo, A., & Tolmasquim, M. (2004). Policies for advancing energy efficiency and renewable energy use in Brazil. Energy Policy, 32(12), 1437-1450. 100 Ghali, K. H., & El-Sakka, M. I. (2004). Energy use and output growth in Canada: a multivariate cointegration analysis. Energy economics, 26(2), 225-238. Gielen, D., Boshell, F., Saygin, D., Bazilian, M. D., Wagner, N., & Gorini, R. (2019). The role of renewable energy in the global energy transformation. Energy strategy reviews, 24, 38-50. GlobalData, 2017. Brazil Renewable Energy Policy Handbook 2017, London. Goldfarb, B. (2005). Diffusion of general-purpose technologies: understanding patterns in the electrification of US Manufacturing 1880–1930. Industrial and corporate change, 14(5), 745-773. Gozgor, G., Lau, C. K. M., & Lu, Z. (2018). Energy consumption and economic growth: New evidence from the OECD countries. Energy, 153, 27-34. Griffith-Jones, S., Spratt, S., Andrade, R., & Griffith-Jones, E. (2017). Investment in renewable energy, fossil fuel prices and policy implications for Latin America and the Caribbean. Hanif, I. (2017). Economics-energy-environment nexus in Latin America and the Caribbean. Energy, 141, 170-178. Hansen, L. P. (1982). Large sample properties of generalized method of moments estimators. Econometrica: Journal of the econometric society, 1029-1054. Hao, Y., Wang, L. O., & Lee, C. C. (2020). Financial development, energy consumption and China's economic growth: new evidence from provincial panel data. International Review of Economics & Finance, 69, 1132-1151. Hassan, M. S., Tahir, M. N., Wajid, A., Mahmood, H., & Farooq, A. (2018). Natural gas consumption and economic growth in Pakistan: production function approach. Global Business Review, 19(2), 297-310. 101 IEA. (2018). Statistics. International Energy Agency, Paris. IEA. (2021). Net Zero by 2050: A roadmap for the global energy sector. International Energy Agency, Paris. IEA. (2021). World Energy Outlook 2021. International Energy Agency, Paris. IEA. (2023). World Energy Balances Database. International Energy Agency, Paris. IEA. (2024). Emissions grew in 2023, but clean energy is limiting the growth. Recuperado de https://www.iea.org/reports/co2-emissions-in-2023/emissions-grew-in2023-but-clean-energy-is-limiting-the-growth IRENA. (2015). Renewable Energy in Latin America 2015: an Overview of Policies. International Renewable Energy Agency, Abu Dabi. IRENA. (2020). Global Renewables Outlook: Energy Transformation 2050. International Renewable Energy Agency, Abu Dabi. IRENA. (2022). Smart electrification with renewables: driving the transformation of energy services. International Renewable Energy Agency, Abu Dabi. Ivanovski, K., Hailemariam, A., & Smyth, R. (2021). The effect of renewable and nonrenewable energy consumption on economic growth: Non-parametric evidence. Journal of Cleaner Production, 286, 124956. Jung, Y., & Lee, S. H. (2014). Electrification and productivity growth in Korean manufacturing plants. Energy economics, 45, 333-339. Karanfil, F., & Li, Y. (2015). Electricity consumption and economic growth: Exploring panel-specific differences. Energy policy, 82, 264-277. 102 Kasman, A., & Duman, Y. S. (2015). CO2 emissions, economic growth, energy consumption, trade and urbanization in new EU member and candidate countries: a panel data analysis. Economic modelling, 44, 97-103. Kasperowicz, R. (2014). Electricity Consumption and Economic Growth: Evidence from Poland. Journal of International Studies (2071-8330), 7(1). Khan, I., Hou, F., Zakari, A., & Tawiah, V. K. (2021). The dynamic links among energy transitions, energy consumption, and sustainable economic growth: A novel framework for IEA countries. Energy, 222, 119935. Khan, I., Zakari, A., Zhang, J., Dagar, V., & Singh, S. (2022). A study of trilemma energy balance, clean energy transitions, and economic expansion in the midst of environmental sustainability: New insights from three trilemma leadership. Energy, 248, 123619. Kleibergen, F., & Paap, R. (2006). Generalized reduced rank tests using the singular value decomposition. Journal of econometrics, 133(1), 97-126. KPMG. (2016). Development of renewables Latin American context and the Argentine case. KPMG, Buenos Aires. Krupnick, A., & Parry, I. W. (2012). What is the best policy instrument for reducing CO2 emissions? In Fiscal Policy to Mitigate Climate Change. International Monetary Fund. Kümmel, R., Henn, J., & Lindenberger, D. (2002). Capital, labor, energy and creativity: modeling innovation diffusion. Structural Change and Economic Dynamics, 13(4), 415433. Kümmel, R., Strassl, W., Gossner, A., & Eichhorn, W. (1985). Technical progress and energy dependent production functions. Zeitschrift für Nationalökonomie/Journal of Economics, 45(3), 285-311. Kuo, Y., Maneengam, A., The, C. P., An, N. B., Nassani, A. A., Haffar, M., & Qadus, A. (2022). Fresh evidence on environmental quality measures using natural resources, 103 renewable energy, non-renewable energy and economic growth for 10 Asian nations from CS-ARDL technique. Fuel, 320, 123914. Lara, B. M. (2021). Calentamiento global y desarrollo sostenible, avances y retos actuales en la política pública de México. Ciencia económica, 15, 25-41. Lee, C. C., & Chang, C. P. (2008). Energy consumption and economic growth in Asian economies: a more comprehensive analysis using panel data. Resource and energy Economics, 30(1), 50-65. Lee, C. C., & Chien, M. S. (2010). Dynamic modelling of energy consumption, capital stock, and real income in G-7 countries. Energy Economics, 32(3), 564-581. Li, D., Chen, J., & Gao, J. (2011). Non‐parametric time‐varying coefficient panel data models with fixed effects. The Econometrics Journal, 14(3), 387-408. Lu, Y., Khan, Z. A., Alvarez-Alvarado, M. S., Zhang, Y., Huang, Z., & Imran, M. (2020). A critical review of sustainable energy policies for the promotion of renewable energy sources. Sustainability, 12(12), 5078. Luqman, M., Ahmad, N., & Bakhsh, K. (2019). Nuclear energy, renewable energy and economic growth in Pakistan: Evidence from non-linear autoregressive distributed lag model. Renewable energy, 139, 1299-1309. Madrigal, M. (2017). Potenciando la Generación Distribuida en México: Nuevos Instrumentos de Regulación. México: Comisión Reguladora de Energía. p1-12. Majewski, S., Mentel, U., Salahodjaev, R., & Cierpiał-Wolan, M. (2022). Electricity consumption and economic growth: Evidence from South Asian Countries. Energies, 15(4), 1327. Mallapragada, D. S., Dvorkin, Y., Modestino, M. A., Esposito, D. V., Smith, W. A., Hodge, B. M., ... & Taylor, A. D. (2023). Decarbonization of the chemical industry through electrification: Barriers and opportunities. Joule, 7(1), 23-41. 104 Ministerio de Energía y Minas de Nicaragua. (2017). Normativa de Generación Distribuida Renovable para Autoconsumo. Acuerdo Ministerial N°. 063-DGERR-0022017. Publicado en La Gaceta, Diario Oficial N°. 240. Recuperado de http://legislacion.asamblea.gob.ni/normaweb.nsf/b92aaea87dac762406257265005d21f 7/2e6a9c4715ba6ca60625820b00733361?OpenDocument Moroney, J. R. (1992). Energy, capital and technological change in the United States. Resources and energy, 14(4), 363-380. Mujtaba, A., Jena, P. K., Bekun, F. V., & Sahu, P. K. (2022). Symmetric and asymmetric impact of economic growth, capital formation, renewable and non-renewable energy consumption on environment in OECD countries. Renewable and Sustainable Energy Reviews, 160, 112300. Mutumba, G. S., Odongo, T., Okurut, N. F., & Bagire, V. (2021). A survey of literature on energy consumption and economic growth. Energy Reports, 7, 9150-9239. Nam, E., & Jin, T. (2021). Mitigating carbon emissions by energy transition, energy efficiency, and electrification: Difference between regulation indicators and empirical data. Journal of Cleaner Production, 300, 126962. Netto, M., Cabrera, M., & Gomez, J. (2016). Expansión de las energías renovables no convencionales en América Latina y el Caribe: El rol de las instituciones financieras de desarrollo. Banco Internacional de Desarrollo (BID). Recuperado de https://publications. iadb. org/bitstream/handle/11319/7778/Expansion-de-lasenergiasrenovables-no-convencionales-en% 20America-Latina-y-el-Caribe-el-rol-delasinstituciones-financieras-de-desarrollo. pdf. NOAA. National Centers for Environmental Information Monthly Global Climate Report for april. 2023. Recuperado de https://www.ncei.noaa.gov/access/monitoring/monthlyreport/global/202304. 105 Oh, W., & Lee, K. (2004). Causal relationship between energy consumption and GDP revisited: the case of Korea 1970–1999. Energy economics, 26(1), 51-59. Oh, W., & Lee, K. (2004). Energy consumption and economic growth in Korea: testing the causality relation. Journal of policy modeling, 26(8-9), 973-981. Omri, A. (2013). CO2 emissions, energy consumption and economic growth nexus in MENA countries: Evidence from simultaneous equations models. Energy economics, 40, 657-664. Omri, A., & Nguyen, D. K. (2014). On the determinants of renewable energy consumption: International evidence. Energy, 72, 554-560. Organización de las Naciones Unidas. (2024). Air pollution. Recuperado de https://www.who.int/health-topics/air-pollution#tab=tab_1 Oryani, B., Koo, Y., Rezania, S., & Shafiee, A. (2021). Investigating the asymmetric impact of energy consumption on reshaping future energy policy and economic growth in Iran using extended Cobb-Douglas production function. Energy, 216, 119187. Ozturk, I. (2010). A literature survey on energy–growth nexus. Energy policy, 38(1), 340349. Ozturk, I., & Al-Mulali, U. (2015). Natural gas consumption and economic growth nexus: Panel data analysis for GCC countries. Renewable and Sustainable Energy Reviews, 51, 998-1003. Pablo-Romero, M. D. P., & De Jesús, J. (2016). Economic growth and energy consumption: The energy-environmental Kuznets curve for Latin America and the Caribbean. Renewable and Sustainable Energy Reviews, 60, 1343-1350. Pablo-Romero, M. D. P., Sánchez-Braza, A., Salvador-Ponce, J., & Sánchez-Labrador, N. (2017). An overview of feed-in tariffs, premiums and tenders to promote electricity from biogas in the EU-28. Renewable and Sustainable Energy Reviews, 73, 1366-1379. 112 ANEXOS Contents lists available at ScienceDirect Energy Policy journal homepage: www.elsevier.com/locate/enpol Measures to promote renewable energies for electricity generation in Latin American countries C. Washburn a , M. Pablo-Romero b,⁎ a University of Guayaquil, Faculty of Economic Science, Guayaquil, Ecuador b Department of Economic Analysis and Political Economy, Universidad de Sevilla, Spain ARTICLE INFO Keywords: Latin America Renewable energy Electricity generation Promotion measures ABSTRACT This study analyses the measures used to promote renewable energy for electricity generation in the 18 Latin American countries that signed the Paris Agreement, in an electricity demand growth context. The Latin American countries have had a remarkable growth in the use of renewable energy for electricity generation. Biomass, wind and solar energy have experienced strong growth, however, their participation in the energy mix remains small. All the studied countries have established renewable energy targets, 16 having adopted at least one promotion measure. The most used measures are tax incentives, mainly through exemptions in income tax, value added or sales tax and on tariffs. Also, most countries are using auction systems, which are replacing the Feed-In Tariffsystem. The net metering system adoption is also growing in the region. The results of the study show a positive relationship between the most active countries in renewable energy promotion and the performance achieved in the studied years. Therefore active policies are considered necessary for the future development of renewable energies. 1. Introduction According to the International Energy Agency (IEA, 2018), the increase in CO 2 emissions between the five-year periods, 2006–2010 and 2011–2017, amounted, in per capita terms, to 3.72% worldwide. Despite the lower CO 2 emission levels in Latin America, these are growing at a faster pace than in the rest of the world, with its increase between the periods mentioned being 10.06%, much higher than the worldwide figure (see Fig. 1). With the aim of reducing the increase in emissions, 195 countries around the world committed themselves, through the Paris Agreement, to reduce emissions and avoid the increase in temperature by more than 2 °C, compared to pre-industrial values. Among these countries, 18 Latin American (LA) countries signed the agreement, aware of the need to reduce emissions. In signing the agreement in 2015, the signatory countries individually sent their Intended Nationally Determined Contributions (INDCs), in which the specific objectives for the reduction of Greenhouse Gases (GHG) were established. Table 1 summarizes the commitments acquired by LA countries in their respective INDCs. The commitments may be summarized in the reduction of emissions in various percentages, for which countries propose and commit to adopt various measures, such as percentage increases in the participation of renewables for energy production. In this sense, the CO 2 emissions growth has been linked, among other factors, to energy consumption and its evolution over time (Kasman and Duman, 2015; Omri, 2013; Robledo and Olivares, 2013; Saboori and Sulaiman, 2013). Thus, according to BP Global (2017), primary energy consumption went from 58,448.6 to 64,049.0 Mtoe worldwide, between 2006 and 2015, increasing by 9.58%. This growth was exceeded in the Latin American region during the same period, which could explain its higher emissions growth. The energy consumption growth in LA countries has been associated with their economic expansion. Pablo-Romero and De Jesús (2016) indicate that these countries experience an exponentially growing energy consumption trend as their GDP per capita increases. Therefore, they need to apply active energy policies to meet the objectives of their INDCs. Pablo-Romero and De Jesús (2016) and Zilio and Recalde (2011) point out the need to promote measures to diversify the energy mix, promoting the use of renewable energies (REs). In this same line, Hanif (2017) indicates that economic growth and increasing urbanization are generating greater consumption of fossil fuels, contributing to environmental deterioration. In addition, the author also considers that the use of renewable energy (RE) can help to meet the growing demand for energy with less environment damage. Despite the impulse to use fossil energies, the Latin American region https://doi.org/10.1016/j.enpol.2018.12.059 Received 18 June 2018; Received in revised form 28 December 2018; Accepted 30 December 2018 ⁎ Corresponding author. E-mail address: [email protected] (M. Pablo-Romero). Energy Policy 128 (2019) 212–222 0301-4215/ © 2018 Elsevier Ltd. All rights reserved. T continues to maintain a level of clean energy use, superior to other regions of the world. Thus, according to the CEPAL (2018), the region was considered a world leader in RE, since it reached almost 28% of total energy consumption, while the world average remained at 18%. In addition, it is worth highlighting the high presence of REs in electricity generation, with the average, through the period 2011–2015, being equal to 58.66% of total electricity production, while the world average stood at 22.15%. This is due, according to Vergara et al. (2013), to the high use of hydroelectric energy. However, it is important to note that its use has tended to decrease in recent years. For this reason, a greater promotion of REs may be considered appropriate in order to meet the targets of the INDCs. In addition to the use of hydroelectric energy, it is also worth highlighting the high potential for use of Non-Conventional Renewable Energies (NCRE), such as solar, biomass or wind energy. The aim of this paper is to thoroughly analyze what measures Latin American countries are currently using, to promote the use of RE in generating electricity, in a demand growth context. Similar analyses have been undertaken for other economies, such as the European Countries. For example, Cansino et al. (2010), analyze the fiscal incentives to promote green electricity. Additionally, Pablo-Romero et al. (2017a),offer an overview of feed-in tariffs, premiums and tenders to promote electricity from biogas. Likewise, the report by IRENA (2015) includes a section related to the policies implemented in order to promote the use of RE in generating electricity, up to 2015, in the LA countries. Following these studies, this paper also focuses on the electricity sector, comparing and detailing the promotion measures established within the sector in the 18 LA countries analyzed up to 2018, thereby updating the IRENA (2015) report. This update is relevant as it can take into account the measures implemented since the Paris Agreement was signed, with the commitment to new objectives. Likewise, the study goes beyond the IRENA (2015) report as it details, to a greater extent, many of the measures established, especially those related to taxation, subsidies and funds. Additionally, it highlights the relationship between the established measures and the RE achievements in the sector. The paper is structured as follows. After this introduction, Section 2 shows the evolution of the electricity consumption and the role of REs in electricity generation. Section 3 analyzes the objectives and measures established to promote the use of REs in electricity generation. Section 4discusses the use of current policies and, finally, Section 5 concludes. 2. Electricity consumption and participation of REs in electricity production in LA countries 2.1. Electricity production and consumption trend in LA countries Columns 2, 3 and 4 in Table 2 show the per capita electricity consumption trend worldwide, in the LA region and in the LA signatories of INDCs. The last row of the afore-mentioned columns shows that the average consumption of electricity per capita worldwide was 2.77 MWh, in the period 2006–2010, and 3 MWh in the subsequent five years, the growth rate being 8.30%. In the LA region, the per capita electricity consumption was 1.63 MWh and 1.88 MWh, in the first and second periods, respectively, the growth rate being equal to 15.40%. Thus, although the Latin American region had lower per capita consumption than the global level, the percentage increase between the periods was almost double that recorded worldwide. It should also be noted that, according to KPMG (2016), the demand for electricity in the region will grow by 91% in 2040, due to industrialization and the improvement of the middle class. Table 2 also shows that the LA country with the highest electricity consumption per capita increase was Paraguay, followed at a certain distance by Ecuador, Bolivia, Panama, Peru, Nicaragua, Colombia and Suriname. Among the countries with the lowest growth rates are Mexico, Guatemala and Costa Rica. The only country that registered a negative growth rate was Venezuela. It should also be noted that the only two countries with per capita electricity consumption values higher than the world level, in the second period, were Chile and Suriname. In terms of electricity production, columns 5, 6 and 7 in Table 2 show that the LA growth rate was higher than that worldwide. Bolivia, Ecuador, Panama, Peru and Uruguay stand out in this growth, which presented higher rates than those registered both worldwide and in the LA region. In terms of the participation of REs in electricity generation, the previous pattern in the LA region, with respect to the world, changes radically. Thus, although the share of REs in electricity generation in both periods was higher in the LA region, the share of RE in the Latin American energy mix has increased at a slower pace in the latter 5 yearperiod, as opposed to the world average. Accordingly, while the last row of columns 8 and 9 in Table 2 show that the world average was 19.28% during 2006–2010, and 22.18% during 2011–2015, the LA average values significantly surpassed those percentages, being 59.55% and 58.66%, respectively. However, when comparing the participation of REs in the electricity generation growth rate, the worldwide value was 15.01%, while the LA region had a negative value. Thus, although the production of REs increased in the LA region, it did so at a rate lower than that of electricity production. Finally, it should be noted that the countries with the greatest decrease in participation were Bolivia, Chile, Peru and Suriname, due to the increase in fossil fuel use, and the increase in the use of gas for electricity generation in Bolivia and Peru. The increase in the use of oil and coal in Chile and Suriname, should be highlighted. 2.2. RE use for electricity generation in LA countries The electricity consumption and production growth trend, together with the relative weight loss of the REs in the production of electricity in the LA countries, makes the analysis of the evolution of the use of REs in the region interesting. Fig. 2 shows the changes in the share of RE sources in electricity generation, between the 2006–2010 and 2011–2015 periods, worldwide and in the LA region. It can be seen that hydroelectric energy is the main source of renewable electricity generation for all periods and in both areas. In LA countries, however, its percentage and its decrease between periods are significantly higher. It also highlights the significant increase in the share of wind and photovoltaic energy worldwide, which contrasts with the low value and lower growth in Latin America. The participation of REs in electricity generation also has notable differences between countries, which have been accentuated in recent years, as several of these countries have begun investing in technologies such as solar and wind. Fig. 3 shows the evolution of the participation of the main sources of RE production in the LA region. Firstly, the high weight of hydroelectric energy in electricity generation in the region should be highlighted. Paraguay stands out notably with a 100% weight Fig. 1. CO 2 emissions in per capita: worldwide and LA region (2006–2010 and 2011–2017 average values). C. Washburn, M. Pablo-Romero Energy Policy 128 (2019) 212–222 213 throughout the period, except in the last year, which had a 0.01% fossil fuels use. Other countries such as Brazil, Colombia, Costa Rica, Panama, Suriname, Uruguay and Venezuela also stand out for high percentages (over 60%), although their values fall through time (except Panama). On the other hand, the countries that show hydroelectric energy growth from 2006 to 2015 are Panama and Ecuador. In the case of the latter country, eight hydroelectric projects were executed, which generated a power of 2848.9 MW (Climatescope, 2017). Secondly, Fig. 3 also shows the relevant weight of biofuel and waste in electricity generation. Guatemala stands out, exceeding 20% at the end of the period, with important growth since 2006. Additionally, Nicaragua and Uruguay also have a high biofuel and waste share, exceeding 10% at the end of the period, while Honduras, Uruguay, El Salvador, Chile, Brazil, and to a lesser extent Bolivia, show high growth rates throughout the period. It is worth noting that although biofuel and waste energy are renewable energies, this may not always be adequate for sustainability. For example, Pablo-Romero et al. (2017b) pointed out that this kind of renewable energy includes charcoal, which may have implications for health when used in cities. In addition, this kind of energy is not adequate for sustainability as it tends to provoke negative impacts, such as deforestation. Thirdly, it is also worth highlighting the geothermal energy share in El Salvador (above 25%), and in other Central American countries, such as Costa Rica, Nicaragua, and Guatemala, the share in Mexico is also noticeable. Among these countries, Nicaragua stands out due to its substantial growth. Table 1 Main targets in the INDCs: LA Countries. Source: own elaboration from UNFCCC (2018). Argentina Reduction of GHG emissions: 15% in 2030. With international financing, there could be a 30% reduction in 2030. Bolivia Targets related to three areas: water, energy and forests and agriculture. In terms of energy, it is set to reduce CO 2 emissions in energy production to 0.04 MT / MWH. The time horizon is 2030. Brazil Reduction of GHG emissions by 37% below 2005 levels in 2025. Chile Reduction of CO 2 emissions per unit of GDP by 30% compared to the 2007 level, in the year 2030. Additionally, with international financing, the country commits to increase its reduction to 35–45%. Colombia Reduction of GHG emissions by 20% with respect to projected emissions for 2030. With international financing, the country commits to increase its reduction to 20–30%. Costa Rica Absolute maximum emissions of 9374000 net tCO 2 eq in 2030, with a proposed trajectory of per capita emissions of 1.73, 1.19 and 0.27 net tons per capita in 2030, 2050 and 2100, respectively. Ecuador Reduction of emissions by 20.4–25% in 2030. With international financing, the country commits to increase its reduction to 37.5–45.8%. El Salvador Renewable energy increase in electricity production of not less than 12% compared to total electric power generated in 2014, by the year 2025. It will also define GHG emissions reduction goals, without concrete mitigation actions. Guatemala Reduction of up to 22.6% of its total GHG emissions in the base year 2005 in 2030. This reduction implies that the emissions will be reduced to 41.66 Mtoe in 2030. Honduras Emission reduction by 15% in 2030. Includes: CO 2 ,CH 4 and N 2 O. Mexico Reduction of between 25% and 30% of GHG and short-term climate pollutants emissions by 2030 and reduction of black carbon by 51%. Nicaragua Officially joined the agreement on October 23, 2017. Panama Participation of renewable energies in electricity generation of 15% in 2015 and 30% in 2050. It establishes a reforestation program for degraded areas to increase carbon absorption by 10%. With international financing of up to 80%. Paraguay A 20% reduction based on the performance of projected emissions by 2030. Unilateral Target: 10% reduction in projected emissions by 2030. Conditional Target: 10% reduction in projected emissions by 2030. Peru Reduction of CO 2 emissions of 20% in 2030. With international financing up to 30%. Suriname Reduction of emissions through anti-deforestation projects and renewable energy production. Biofuels and renewables may contribute 25% of the energy generation in 2025. Uruguay Reduction of emissions per unit of GDP by 25% in 2030, with international financing up to 40%. In addition, it expects to become a net sink of CO 2 by 2030. Venezuela Reduction of CO 2 emissions by at least 20% in 2030. Table 2 Electricity consumption per capita, electricity production and participation of RE in the electricity production. Source: own elaboration from IEA (2018). Electricity consumption per capita 2006–2010 (MWh/pc) Electricity consumption per capita 2011–2015 (MWh/pc) Growth rate (%) Average electricity production 2006–2010 (GWh) Average electricity production 2011–2015 (GWh) Growth rate (%) Renewable energy participation 2006–2010 (%) Renewable energy participation 2011–2015 (%) Growth rate (%) Argentina 2.63 2.99 13.69 116,940.0 137,888.0 17.91 30.36 30.76 1.32 Bolivia 0.55 0.70 27.27 5949.8 8045.8 35.23 39.68 31.62 −20.31 Brazil 2.18 2.50 14.68 461,883.4 565,556.0 22.45 86.74 79.76 −8.05 Chile 3.29 3.80 15.50 58,937.8 71,096.4 20.63 46.91 39.67 −15.43 Colombia 1.00 1.22 22.00 56,300.0 66,385.8 17.91 78.42 75.86 −3.26 Costa Rica 1.88 1.95 3.72 9222.8 10,254.0 11.18 93.44 92.03 −1.51 Ecuador 1.03 1.33 29.13 17,468.4 23,357.8 33.71 53.14 52.28 −1.62 El Salvador 0.87 0.96 10.34 5842.0 6160.8 5.6 59.49 60.23 1.24 Guatemala 0.53 0.56 5.66 8716.0 10,060.2 15.42 53.59 65.48 22.19 Honduras 0.68 0.77 13.24 6455.2 8094.0 25.39 41.02 45.79 11.63 Mexico 2.02 2.21 9.55 267,136.0 303,987.8 13.80 15.31 15.02 −1.89 Nicaragua 0.47 0.58 23.40 3363.0 4209.2 25.16 32.50 46.61 43.42 Panama 1.62 2.03 25.31 6633.6 8993.2 35.57 58.75 58.93 0.31 Paraguay 1.04 1.47 41.35 54,399.6 57,853.4 6.35 100.00 99.99 −0.01 Peru 1.01 1.26 24.75 31,707.6 43,335.0 36.67 63.69 54.21 −14.88 Suriname 2.97 3.58 20.54 1655.2 2109.0 27.42 73.19 61.24 −16.33 Uruguay 2.54 3.00 18.11 8734.8 11,871.6 35.91 73.84 78.78 6.69 Venezuela 3.05 2.96 −2.95 115,455.6 121,619.4 5.34 71.76 67.63 −5.76 LA 1.63 1.88 15.40 1236,800.8 1,460,877.4 18.12 59.55 58.66 −1.49 Worldwide 2.77 3.00 8.30 20,238,859.4 23,360,836.4 15.43 19.26 22.15 15.01 C. Washburn, M. Pablo-Romero Energy Policy 128 (2019) 212–222 214 Finally, there is scarce use of wind and solar PV in the generation of electricity. However, higher growth has occurred since 2010. The largest wind share is observed in Nicaragua, Uruguay and Costa Rica, while El Salvador, Paraguay, Suriname and Venezuela had no share. In terms of solar PV, Chile stands out, followed by Guatemala, Peru and Uruguay, although their share values still remain very small. In this regard, it should to be taken into account that many countries only started using photovoltaic energy from 2010. 3. Policies and targets related to the use of REs for electricity generation in LA countries 3.1. National targets on REs for electricity generation in LA countries According to IRENA (2015), the role played by policies to promote REs in the LA countries has been crucial for their deployment. These policies have been developed within the framework of specific RE use targets and the development of global or specific programs or strategies. In this regard, it should be noted that most of them have focused on the electricity sector and, in this sector, on hydroelectric power. Table 3 shows the LA countries that have designed strategies, programs and laws, or have set targets to encourage the use of REs. The countries with the largest number of strategies, laws or programs affecting solar thermal and photovoltaic, wind, geothermal, biomass and biofuels, are Panama, Chile, Mexico and Nicaragua. In contrast, Bolivia, Suriname and Venezuela did not present any strategy, law or program. On type of RE, it should be noted that the least regulatory development is related to wind energy, as only Argentina and Panama have specific programs or laws related to it. On the contrary, the greatest regulatory development is observed in biofuels, being adopted by 11 countries. Finally, it should be noted that all countries have some established targets regarding renewable energy. Table 4 shows the RE targets established for the region. Different targets and timeframes may be observed between countries. Most of these targets are related to electricity generation. It is worth noting that the use of renewable energy has important benefits, such as the reduction of greenhouse gas emissions. Therefore, the increase of the participation of this type of energy in the generation of electricity may have notable benefits. However, it should be noted that focusing exclusively on electricity may not be sufficient, since the use of polluting energies in the transport and heating sector is notable worldwide. 3.2. Measures to promote RE use for electricity in LA countries The greatest incentives to promote REs in LA countries are related to the electricity sector. These incentives are analyzed below, divided according to their typology. Fig. 2. Share of REs in electricity generation: worldwide and LA region. Note: Hydroelectric energy represents the potential and kinetic energy of water converted into electricity in all hydroelectric plants. Biofuel includes industrial and municipal waste, primary solid biofuels, biogases, biofuels and charcoal. Source: Own elaboration from IEA (2018). C. Washburn, M. Pablo-Romero Energy Policy 128 (2019) 212–222 215 Fig. 3. Share of REs in the electricity generation: LA countries (2006–2015). Note: Hydroelectric energy represents the potential and kinetic energy of water converted into electricity in all hydroelectric plants. Biofuel includes industrial and municipal waste, primary solid biofuels, biogases, biofuels and charcoal. Source: Own elaboration from IEA (2018). C. Washburn, M. Pablo-Romero Energy Policy 128 (2019) 212–222 216 3.2.1. Feed-In Tariff The Feed-In Tariffsystem was implemented by six of the eighteen countries in the region: Argentina, Brazil, Costa Rica, Ecuador, Honduras and Panama. According to Aravena et al. (2012), and Geller et al. (2004), this mechanism allowed the growth of the RE market, due to the long duration of the contracts, including terms of between ten to twenty-five years. However, some of these countries have not maintained these systems, and the new contracts are regulated by different laws. In Argentina, from 2006 to 2016, the RE trust fund has rewarded solar photovoltaic energy by up to 0.9 Argentine Pesos for each kWh over the price of electricity, with a 15-year term. Likewise, it had similar remuneration for geothermal energy, biomass and biogas of up to 0.015 Argentine Pesos per kWh (Sauma, 2012). However, the new Law 27191 of 2016 eliminated this mechanism. Likewise, in Brazil, a Feed-In Tariffsystem was applied from 2004 to 2011. From 2011, this mechanism was replaced by auction systems that have reduced the level of economic support (AURES, 2016). The mechanism established guaranteed a feed rate that covered the electricity generation costs from biomass, small hydroelectric and wind power plants fed into the grid. Similarly, Ecuador has been applying FIT systems that have finally expired. The first program ended in December 2012, and the second at the end of 2016. The mechanism established in the first program affected the electricity generated from biomass and waste, geothermal, small hydroelectric plants, solar and wind sources. Photovoltaic solar energy was omitted from the second program. Differentiated prices were established for technologies used and size or capacity. In addition, higher values were established for projects located in the Galapagos Islands (IEA, 2018). The countries in which the FIT system is still in force are currently, Honduras and Panama. Honduras has had a generous system. On the one hand, Decree 70 of 2007 established a preferential price of 10% in RE projects for 15 years. Additionally, photovoltaic solar projects, installed before July 31, 2015, were granted a price equal to the shortterm marginal cost, plus US$ 0.03/kWh. This system has recently experienced payment difficulties, although it can be said that it has had great success, making the country the leader of the solar park in the Central America region (Climatescope, 2017). In the case of Panama, Law 6 of 1997 established 5% premiums for the generation of electricity by biomass and waste, geothermal, mini-hydroelectric, wind and solar (Proinvex Panamá, 2017). Table 3 Strategies, programs, laws and targets to promote REs in LA countries. Source: Own elaboration from IRENA (2015),Climatescope (2017) and IEA (2018). REs Target Renewable energy strategy Law/solar thermal program Law/solar PV program Law/wind program Law/geothermal program Law/biomass program Law/biofuels program Argentina ✓✓ ✓ ✓ Bolivia ✓ Brazil ✓ ✓ Chile ✓✓ ✓ ✓ ✓ ✓ Colombia ✓✓ Costa Rica ✓✓✓✓ Ecuador ✓✓✓✓ El Salvador ✓✓ Guatemala ✓ ✓ Honduras ✓✓ ✓ Mexico ✓✓ ✓ ✓ ✓ ✓ Nicaragua ✓✓ ✓✓✓ Panama ✓✓ ✓ ✓ ✓ ✓ ✓ Paraguay ✓ ✓ Peru ✓✓ ✓ ✓ ✓ Suriname ✓ Uruguay ✓✓ ✓ ✓✓ Venezuela ✓ Table 4 RE electricity targets in LA Countries. Source: Own elaboration from IRENA (2015),Climatescope (2017),IEA (2018). Argentina 8% of electricity generation in 2018 and 20% in 2025. Bolivia 183 MW of renewable capacity in 2025. 10% increase in renewable energy in the energy mix in 2020. 120 MW in geothermal. Brazil 42.5% of the primary energy supply in 2023. 86.1% of the electricity generation matrix in 2023. Chile 20% of the electricity generation in 2025. 45% of the new capacity until 2025. Colombia 6.5% of electricity by 2020, excluding large hydropower. Costa Rica 28.2% of primary energy in 2020. 97% of electricity in 2018. Ecuador 90% of electricity in 2017. 4.2 GW in hydroelectric power in 2022. 277 MW from sources other than hydroelectric in 2022. El Salvador In 2026: wind 60 MW, solar PV 90 MW, solar thermal 200 MW, geothermal 60–89 MW, small hydroelectric (< 20 MW) 162.7 MW, biomass 45 MW and biogas 35 MW. Guatemala 60% of electricity in 2022. 80% in the long term. Honduras 60% of electricity in 2022. 80% of electricity in 2034. 25% hydro increase in 2034. Mexico Clean energy: 24.9% in 2018, 35% in 2024, 40% in 2035 and 50% in 2050. In 2018: 13,030 MW in hydroelectric, 8922 MW in wind, 1018 MW in geothermal, 748 MW in bioenergy and 627 MW on site. Nicaragua 73% of electricity in 2028. Panama 706 MW in hydroelectric power in 2023. Paraguay 60% increase in renewable energy in the annual energy consumption for the year 2030. Peru 6% of electricity generation in 2018 (excluding hydroelectric plants). 60% of electricity generation in 2018 (including hydroelectric plants). Suriname 20%, 28% and 47% of renewable electricity for the years 2017, 2022 and 2027 respectively. Uruguay 38% of its electricity needs from wind energy alone by 2017. Venezuela 613 additional MW of renewable electricity capacity in 2019, of which 500 MW are wind energy. C. Washburn, M. Pablo-Romero Energy Policy 128 (2019) 212–222 217 3.2.2. Net-metering Net-metering is a system that has been used to a large extent in LA countries. This system is used in Argentina, Brazil, Chile, Colombia, Costa Rica, Guatemala, Mexico, Nicaragua, Panama, Suriname and Uruguay. In general, these policies focus particularly on the residential and small-scale sectors, but in some cases they also include programs on an industrial scale (Coviello and Ruchansky, 2017). At the end of 2017, Argentina approved Law 27427 which regulated the distributed generation of RE. This law establishes that users of the electricity network can install photovoltaic systems, or others, that use RE sources to generate electricity for their use, so that surplus energy can be injected into the country's electricity grid. It should be noted that the Law establishes that, if the installation has a capacity greater than self-consumption needs, users must request special authorization from the energy distributor. The law is ambitious because it forces all public building construction projects to use distributed generation facilities from renewable sources. In Brazil, the net-metering system has been in force since 2012. Retail electricity consumers can install hydroelectric (less than 3 MW), solar, biomass, wind and cogeneration systems of up to 5 MW and deliver surplus energy to the network. Users get compensation in the form of a later billing credit that must be used up to 60 months after the billing date. Similar systems are used in Costa Rica, Guatemala, Suriname and Uruguay. Nevertheless, in Costa Rica, the credit must be used within a year. In Suriname, the credit cannot exceed the annual consumption, and in Uruguay, it is compensated in the next month's invoice (Climatescope, 2017). Since 2014, retail electricity consumers in Chile have been able to sell excess electricity to the grid if the RE cogeneration facilities are less than 100 kW. In Panama, a similar system is used, so that they can sell the excess electricity. In Mexico, there are three categories of facilities that can be connected to the network: small scale (residential 10 kW, or small businesses up to 30 kW power), medium scale (industries with capacity up to 500 kW) and community generation (real estate of several houses or commercial centers). In any case, the balance in favor of the user can be recovered within 12 months, without being able to sell the excess (Madrigal, 2017). Finally, it should be noted that in Colombia and Nicaragua this system has been approved during 2018. In March, the Colombian Energy and Gas Regulatory Commission approved Resolution 030 on distributed solar generation of up to 100 kW, and the distributed renewable sources generation of between 100 kW and 1 MW. The resolution includes a simple mechanism for residential, commercial and small-scale energy consumers, who produce energy to meet their own needs, to sell surplus electricity to the grid. In Nicaragua, in January, new renewables distributed generation regulation for self-consumption came into force, published on December 18, 2017, in the Official Gazette of Nicaragua. According to this regulation, the owners of electricity generators using renewables with up to 5 MW, are able to sell the surplus energy to the distribution companies. The electricity sold is paid at 80% of the lowest price of the reference band approved by the Nicaraguan Ministry of Energy and Mines. 3.2.3. Tax incentives This support measure is the most used by the LA countries. In fact, 15 of the 18 countries had different tax incentives, with the exceptions of Bolivia, Suriname and Venezuela. Table 5 shows the tax incentives used. The most used tax measures are tax exemption. Firstly, there are countries that apply an exemption or tariffs/taxes reduction on the equipment, machinery and materials imports destined for RE projects. This measure is applied in Colombia, Costa Rica, Ecuador, El Salvador, Guatemala, Honduras, Nicaragua, Panama and Uruguay. The case of Colombia may be highlighted as it applies an import duties exemption, if an environmental incentive certificate is obtained from the Ministry of Environment and Sustainable Development (Moreno, 2017). Secondly, exemptions and a Value Added Tax (or sales tax) reimbursement of up to 100% on the purchase of machinery, equipment, materials and supplies, for investment and construction of specificRE projects, are also applied. Specifically, this measure is applied in Argentina, Colombia, Costa Rica, Guatemala, Honduras, Nicaragua, Panama and Uruguay (IEA, 2018). It should also be noted that some countries apply exemptions or rebates on specific sales taxes. Thus, wind turbine components, whether domestic or imported, are exempt from sales tax (PIS and COFINS) in Brazil. Likewise, there are also exemptions on the value-added tax on services and circulation (ICMS) and on industrialized goods (IPI), for equipment goods of mini-hydroelectric installations, wind turbines and PV power generators (Climatescope, 2017; IRENA, 2015). Thirdly, incentives on income tax are established in Argentina, Colombia, Ecuador, El Salvador, Guatemala, Honduras, Nicaragua, Panama and Uruguay. In Argentina, the affected assets are not included on the Presumed Minimum Income Tax base until the eighth year from the beginning of the project. This measure will be cancelled as of 2019. Likewise, the project's financing interests can be deducted from the company's losses. Finally, it should be noted that beneficiaries who prove that 60% of the investment is made with national components are entitled to receive a tax certificate for the payment of national taxes. Its value is equal to 20% of the component value (PwC, 2017). In Colombia, 50% of the total investment made in electricity generators from biomass and wind power can be deducted annually, during the five years following the year in which the investment was executed, provided that they comply with requirements related to carbon emissions (Moreno, 2017). In Ecuador, the electricity generators from solar, wind, geothermal and biomass energy are exempt from income tax for five years, this is 10 years in Guatemala and Honduras (IEA, 2018). In Panama, there are several income tax exemptions that depend on the technology used. In the case of biomass, there is a total exemption, in other cases there are exemptions of up to 25% of the direct investment in the project, which can be applied for 10 years. The tax relief value is calculated using the tonnes of CO 2 decreased as a reference. The relief can reach 100% of income tax if the projects are less than 10 MW, and up to 50%, if they are higher (Climatescope, 2017; Proinvex Panamá, 2017). Finally, in Uruguay, Decree 354/009 establishes two categories for income tax reductions on energy cogeneration and for RE sources. The percentage of tax reduction decreases with time, from the start of the activity (Climatescope, 2017). Another applied tax incentive is accelerated depreciation. It only applies in five countries: Argentina, Colombia, Mexico, Panama and Peru. In Argentina, the beneficiaries can choose to apply the linear depreciation method, consisting of 3, 4 or 5 equal consecutive annual installments in income tax (PwC, 2017). In Colombia and Mexico, accelerated depreciation of 100% of investments in machinery and equipment, used to generate RE, can be applied (Moreno, 2017). In Panama, accelerated depreciation can only be applied on relevant equipment of a special nature for wind and solar energy (Proinvex Panamá, 2017). Finally, in Peru, accelerated depreciation only applies in up to 20% of investments in machinery and equipment used for the generation of RE. Likewise, there is a transmission and distribution tax exemption on RE projects in Argentina, Chile and Panama. In Argentina, it applies to the distribution of dividends. In Chile, the exemption is 100% of the transmission load for RE projects under 9 MW, and there is a partial exemption for projects between 9 and 20 MW. In Panama, 100% exemption is granted to RE projects with a capacity of less than 10 MW, and to the first 10 MW generated for projects ranged between 10 and 20 MW (Climatescope, 2017; Proinvex Panamá, 2017). Finally, it should be noted that two countries, Chile and Mexico, have established carbon taxes. In Chile, it consists of US$ 5 on CO 2 emissions, applied to thermal power generators with an input of 50 MWt, except for power plants that use biomass. In Mexico, it is imposed C. Washburn, M. Pablo-Romero Energy Policy 128 (2019) 212–222 218 as an obligation on the carbon content of the fuel. These taxes can be considered adequate, especially in a context of reduced oil prices. According to Griffith-Jones et al. (2017), the decline in oil prices can harm private investment in RE by making them less profitable. Thus, the authors advise governments to reduce subsidies on the prices of these fuels, or to increase taxes on them. 3.2.4. Auctions The public auction system is the second most recurrent mechanism among the LA countries to promote the use of REs for electricity generation. Table 6 summarizes that 13 of the 18 countries have organized public auctions: Argentina, Brazil, Chile, Colombia, Costa Rica, El Salvador, Guatemala, Honduras, Mexico, Panama, Peru, Suriname and Uruguay. Likewise, it is worth highlighting the sustained growth of this system (Coviello and Ruchansky, 2017). Brazil stands out with more than 30 public auction processes, followed by Uruguay, Peru, Chile and Argentina. In general, auctions of several technologies are established, although it is also common to find ones that are renewables specific, especially in countries with a greater number in total. In Brazil, there have been RE auctions since 2007, reaching more than 15 GW in a total of 600 projects. Throughout this time, two types of auctions have been made, general and reserved for certain technologies. In general, the wind and biomass projects contracted for a period of 20 years, and mini-hydro projects of 30 years, have been the most contracted (GlobalData, 2017). However, in the most recent auctions, an effort has been made to develop PV solar energy. According to the AURES report (AURES, 2016), auctions in Brazil have been able to significantly reduce support levels compared to FIT. This has been partly due to the auction design, the final price guarantee for companies, and the continuous decline in costs. Thus, the cost of wind energy is between a third and a quarter less than 25 years ago, and that of solar energy has fallen by almost half since 2010 (Netto et al., 2016). Uruguay carried out 10 auctions, mostly related to wind power, and this wind energy boost has determined its strong growth, becoming one of the countries with the highest percentage of electricity produced from this type of energy, more than 22% in 2015 (Ruiz Campillo, 2017). In Peru, three of six renewables auctions implemented since 2008 were of several technologies, this tool being considered key to increase the participation of RE generation in the country's energy matrix (Mitma, 2010). Other countries with a high number of auctions are Argentina, Chile, Mexico and Panama. In Argentina, the auction process has involved the reactivation of the Argentine electricity sector, previously based on the FIT system. The auctions have been established in rounds. Table 5 Tax incentive to promote Res. Source: Own elaboration from IEA (2018) and Climatescope (2017). Exemptions on tariffsor import taxes Exemptions or refund on VAT or sales taxes Exemptions and deductions on income tax Accelerated depreciation Transmission and distribution tax Exemption Carbon Tax Argentina ✓✓✓✓ Bolivia Brazil ✓ Chile ✓✓ Colombia ✓✓ ✓ ✓ Costa Rica ✓✓ Ecuador ✓✓ El Salvador ✓✓ Guatemala ✓✓ ✓ Honduras ✓✓ ✓ Mexico ✓✓ Nicaragua ✓✓ ✓ Panama ✓✓ ✓ ✓✓ Paraguay Peru ✓ Suriname Uruguay ✓✓ ✓ Venezuela Table 6 RE auctions. Source: own elaboration from IEA (2018),Climatescope (2017) and IRENA (2015). Total number Diverse technologies Solar PV Wind Solar and wind Mini hydro Biomass and waste Argentina 4 3 1 Bolivia Brazil 31 14 2 2 6 5 2 Chile 5 3 2 Colombia Costa Rica 2 2 (without solar and biomass) Ecuador El Salvador 3 1 2 Guatemala 3 3 Honduras 2 2 Mexico 3 2 1 Nicaragua Panama 5 2 3 Paraguay Peru 6 3 1 1 1 Suriname 1 1 Uruguay 10 1 1 5 3 Venezuela C. Washburn, M. Pablo-Romero Energy Policy 128 (2019) 212–222 219 In October 2016, 117 offers were received, awarding 1.1 GW. Then in January 2017, 1.3 GW were awarded, and in November 2017, projects totaling 2 GW were awarded. The first two rounds were dominated by wind and PV technologies, while the last one also awarded biomass and mini-hydroelectric projects (PwC, 2017; Climatescope, 2017). In Chile and Mexico, developers submit bids for a single project, or a portfolio of projects, and companies do not need to disclose the specific plants behind their bid submissions. In Mexico, offers are sent every September and, until 2016, more than 24 offers were received, totaling 20.7 TW. Purchase contracts are fixed in US$ ($/MWh) for a term of 20 years. Panama organized energy auctions in which developers offer their price to secure energy purchase agreements of up to 20 years and offers are accepted in order of the lowest price. In El Salvador, Guatemala and Honduras, auctions have been carried out in the hydroelectric, solar, biogas and wind sectors. In El Salvador, the company “Del Sur”, together with the National Energy Council, contracted up to 4 MW of small hydroelectric plants, and 6 MW of photovoltaic solar energy, in a total of 35 projects. Through these tenders, Guatemala signed energy purchase agreements with biomass projects, large hydroelectric plants, small hydroelectric and solar power plants, setting the price paid by electricity distributors to suppliers for 15 years. Likewise, Costa Rica held a tender process to contract up to 140 MW of RE capacity (wind and small hydro), with offers to contract up to 100 MW of wind energy and 40 MW of small hydroelectric projects, with a maximum term of duration of 20 years (Climatescope, 2017). Likewise, since 2016, RE offers were submitted in Suriname. The winners of the tenders obtain a permit from the Minister of Energy Affairs to build, commission and operate their projects. Likewise, it should be noted that Colombia is going to launch the first auction in 2018 under the 0570 Decree. The auction would allow all RE projects to participate. Finally, it should be noted that most of the countries that have not implemented RE auctions are members of the ALBA-TCP (Bolivarian Alliance for the Peoples of Our America –Peoples' Trade Treaty), which is formed by socialist governments that do not consider the promotion of economic activity, through foreign investments, to be appropriate. Therefore, the absence of auctions may be associated with this fact. 3.2.5. Other mechanisms (subsidies and funds) In addition to the mechanisms discussed above, some countries have also used other specific measures to encourage the use of RE. In Brazil, the ERNC Incentive Program provides a subsidy of up to 75% of the investment cost of electricity generation plants based on REs, to be used in isolated areas. This is because several cities in the Amazon were not connected to the main transmission network, which created a high consumption of diesel with relatively low cost, but with high emissions (Sauma, 2012). In addition, Brazil and Mexico have created funds to stimulate the use of REs. BNDES, ANEEL, and the financial development institution, Finep, have jointly created a fund (inova energía) to finance grants and loans for projects related to the intelligent network and the transmission of ultra-high voltage, solar and wind technology and energy efficiency of vehicles (IRENA, 2015). In order to encourage research in the field of sustainable energy, a fund was created in Mexico in 1982. This fund receives 20% of its income from the 0.65% tax on the extraction of crude oil and natural gas (Climatescope, 2017). 4. Discussion Table 7 summarizes the LA countries that use some kind of incentive, measure or energy policy to encourage the use of RE in electricity generation, and the main performance indicators of their RE use. The Table shows that, despite having specific RE targets, the only countries that do not have any economic incentive for their promotion were Bolivia and Venezuela. All the other countries have at least one form of incentive. Subsequently, Venezuela did not have any increase in the use of unconventional REs for the electricity generation although, in the case of Bolivia, it did achieve a small increase in their use. In the case of Bolivia, the Ministry of Energy intends to implement incentives in the future, since they have the support of international organizations, such as the Inter-American Development Bank, the Danish International Development Agency (DANIDA), and the GIZ of Germany. Venezuela presents a similar situation, although in this case it is necessary to point out that it is a traditional oil power, so that producing electricity from this non-renewable resource is of lower cost. Likewise, it is worth noting that while, in 2015, the non-OECD American countries had a level of CO 2 emissions, in per capita terms, equal to 2 t CO 2 /capita and, in GDPppp terms, equal to 0.18 kg CO 2 / 2010USD, in the case of Venezuela its values were equal to 5 t CO 2 / capita and 0.31 kg CO 2 /2010USD, respectively. These were not only the highest values in the LAC region (see the last column in Table 7), but also higher than the world average (4 t CO 2 /capita 0.30 kg CO 2 / Table 7 Measures to promote REs for electricity generation, main REs for electricity generation, energy intensity and CO2 emissions indicators. Source: Own elaboration from IEA (2018),Climatescope (2017) and others. FeedIn Tariff Net-metering Tax incentives Subsidies and funds Auctions REs for electricity increase 2010–2015 (GWh) REs for electricity rate growth 2010–2015 (%) Share of REs in electricity generation (%) TPES/GDPppp 2015 (toe/ thousand 2010 USD) CO2/GDPppp 2015 (kgCO2/ 2010USD) Argentina ✓✓ ✓ 4 532 23.96 28.38 0.11 0.23 Bolivia 86 72.27 31.29 0.12 0.27 Brazil ✓✓ ✓ ✓ 31 36,825 109.40 73.97 0.10 0.15 Chile ✓✓ 5 6412 248.62 43.60 0.09 0.22 Colombia ✓✓ −194 −7.90 68.22 0.06 0.13 Costa Rica ✓✓ ✓ 2 956 56.90 98.99 0.07 0.10 Ecuador ✓✓ 304 127.20 52.80 0.09 0.22 El Salvador ✓3 302 16.70 57.82 0.09 0.13 Guatemala ✓✓ 3 974 53.25 60.39 0.11 0.13 Honduras ✓✓ 2 1290 806.25 42.28 0.15 0.24 Mexico ✓✓ ✓3 8466 98.26 15.96 0.09 0.22 Nicaragua ✓✓ 1147 134.94 50.05 0.13 0.17 Panama ✓✓ ✓ 5 447 2031.82 65.33 0.05 0.13 Paraguay ✓0 0.00 100.00 0.10 0.10 Peru ✓6 1058 156.97 52.73 0,06 0.13 Suriname ✓1 0 0.00 60.05 0.08 0.26 Uruguay ✓✓ 10 2934 303.10 88.56 0.08 0.10 Venezuela 0 0.00 63.70 0.13 0.31 C. Washburn, M. Pablo-Romero Energy Policy 128 (2019) 212–222 220 Energy 305 (2024) 132281 5 GDPpc; and 3. The four countries with the lowest GDPpc, El Salvador, Guatemala, Honduras, and Nicaragua. The subdivisions have been made by considering where a country lies in relation to the GDPpc median spline. A country is in the first subsample when it is over the GDPpc median spline, while the second and third subsamples are below it. The variables used are real Gross Domestic Product (GDP), capital stock, human capital, engaged persons and two energy variables: the productive electricity consumption and the productive non-electricity consumption. The energy variables come from Ref. [79] and the rest of them from Ref. [78]. GDP and capital stock are expressed at constant 2017 national prices, in million 2017US$. Persons engaged are expressed in millions. Human capital is an index calculated from years of schooling and returns to education. These variables have been expressed in terms of logs. GDP and capital stock have been converted into per engaged terms, according to the proposed model explained below. As in Pablo-Romero and S´ anchez-Braza [19], to suitably assess the relationship between energy and production, productive energy use has been considered instead of total energy consumption. Productive energy is defined as the energy use in the productive processes. Therefore, this figure does not include domestic energy use. In this paper, the productive energy is determined as the sum of energy consumption, minus total residential energy consumption. Once the productive energy has been calculated, this variable is divided into productive electricity consumption (electricity consumption, minus residential electricity consumption) and productive non-electricity consumption (productive energy, minus productive electricity consumption). The variables are in tons of oil equivalent (toe) per engaged terms (in logs), according to the proposed model explained below. 4.3. Descriptive analysis The main descriptive statistics are displayed in Table 2. As the ‘within’ standard deviation is smaller than the ‘between’ standard deviation, for all variables, these deviations are higher across countries than across time. Fig. 1. Productive non-electricity and electricity consumption per persons employed: 1990–2019. Fig. 2. Scatter plots: Productive non-electricity and electricity consumption per persons employed and GDP per persons employed (GDPpc). M.P. Pablo-Romero et al. Energy 305 (2024) 132281 6 The lefthand graph in Fig. 1 presents the evolution of productive non-electricity consumption in the LAC countries. The median spline shows quite a constant trend for the region, with a slight growth in the latter years. Nevertheless, there are differences between the countries that should be noted. The most non-electricity consumption countries, by persons employed, are Brazil, Chile, Mexico, and Argentina. The less non-electricity consumption countries, by persons employed, are El Salvador, Honduras, Nicaragua, and Guatemala. In addition, it is also worth noting that Peru, Bolivia, and Uruguay meaningfully increase their non-electricity consumption over time. The rest of the countries (which do not appear in the graph) present values around the median spline line. The righthand graph in Fig. 1 presents the productive electricity consumption in the sample, over the analyzed period. All countries show a growing trend. Once again, Argentina, Brazil, Chile, and Mexico show the highest values, while Honduras, Guatemala, and Nicaragua show the lowest. Additionally, it is observed that Uruguay and Bolivia have noticeable growing trends, the latter being the country with the lowest productive electricity value in the region. It is also worth noting that electricity values are lower than non-electricity values in all countries. Finally, scatter plots of data, between productive non-electricity and electricity consumption per persons employed and GDPpc levels, are provided in Fig. 2. A smooth line (LOWESS) is added through the scatter plot to see the relationship between variables. In both cases, there is an initial positive relationship between the variables. 4.4. Econometric strategy Various econometric strategies have been used to study the impact of long-term impact of exogenous variables on GDPpc. Nevertheless, prior to estimating Equation [4], the slope heterogeneity and the cross-sectional dependence (CSD) of the variables have been studied. Subsequently, the order of integration was discovered. Regarding the heterogeneity of the potential slope, the Swamey’s test for slope homogeneity by Pesaran and Yamagata [80] was performed. The results obtained from counting for CSD, and for autocorrelation in the residual [81], shows that the model suffers from a heterogeneity problem. This indicates that slopes are heterogeneous, varying across countries (Table 3). To analyze the CSD, the weak test by Pesaran [82] was performed, finding strong cross-section dependence for all variables (Table 4). To avoid CSD issues, the unit root test (CIPS) by Pesaran [83] was performed in levels and first differences. The results indicate that all series are I(1) (Table 5). Next, panel cointegration tests were performed employing the Pedroni and Westerlund tests [84–86], as both tests consider CSD. The Pedroni test [84,85] was performed considering the demeaning process to mitigate the CSD impact. All statistical results reject the null hypothesis (Table 6). The Westerlund test [86] is an efficient cointegration estimator that addresses CSD. According to the statistical results shown in Table 6, the null hypothesis can be rejected. Considering the above results, and for the purposes of robustness, several econometric procedures have been carried out. Initially, the dynamic ordinary least square (DOLS) method was performed, which also addresses potential endogeneity. In this sense, previous reviews on the energy–growth nexus reveal that there is evidence supporting bidirectional, unidirectional and no causality, between GDP and energy use [4,87,88]. The DOLS method of estimation proposes a parametric correction for the effect of potential endogeneity of integrated regressors, in cointegrating time series and panel data regression models, through a parametric method and lags and leads. In addition, the generalized method of moments (GMM) has been performed to check for robustness. The GMM has been performed in the presence of heteroskedasticity and CSD. Lags of the capital stock, electricity and non-electricity energy variables and human capital are employed as instruments. Additionally, clustering has been used to account for CSD. Additionally, as recent literature indicates that the DOLS method may yield suboptimal results, as it cannot address the CSD appropriately [89], the CS-ARDL technique was also performed to calculate the long run effects between variables. This approach addresses autocorrelation, heteroscedasticity, endogeneity, heterogeneity and CSD, by performing the dynamic common correlated effects (CCE) estimator [89]. According to Kuo et al. [90], this approach has several advantages: it tackles the CSD by determining the logs and averages of all CSD units; and, Table 3 Slope heterogeneity test. Delta 10.421*** Adj. 11.953*** Note: *** indicates significance at the 1 % level with average bandwidth 3, Cross Sectional Averaged Variables: y k H e ne. Table 4 Cross-sectional dependence test. Variable CD-test lny 39.51*** lnk 16.58*** lne 52.96*** lnne 3.81*** lnH 61.70*** Note: *** indicates significance at the 1 % level. Table 5 CIPS unit root test. Variables Levels First differences Constant Constant and trend Constant Constant and trend lny −2.198* −2.612 −4.772*** −5.171*** lnk −1.614 −2.536 −4.438*** −4.751*** lne −1.981 −2.457 −4.765*** −5.088*** lnne −1.688 −2.234 −5.260*** −5.356*** lnH −1.142 −1.941 −2.268** −3.775*** Note: ***, **, or * indicate significance at the 1 %, 5 %, and 10 % levels, respectively. Lags criterion decision based on F joint test. Table 6 Pedroni and Westerlund test results. Dependent variable: lny Independent variables: lnk lne lnne lnH Pedroni Test H0: No cointegration. Ha: All panels are cointegrated. Modified Phillips–Perron t 2.5962*** Phillips–Perron t −2.3785*** Augmented Dickey–Fuller t −1.8118** Westerlund test H0: No cointegration. Ha: Some panels are cointegrated Variance ratio −2.0497** H0: No cointegration. Ha: All panels are cointegrated Variance ratio −2.3799*** Note: Test regression fitted with constant and trend. ***. ** indicates significance at the 1 % and 5 % level, respectively. M.P. Pablo-Romero et al. Energy 305 (2024) 132281 7 heterogeneous slopes are used to calculate dynamic CCE and can handle small sample sizes. The model is expressed as Δlnyit = α i+∑ p j=1 βijΔlnyi,t−j+∑ p j=1 β ´ ijIV,i,t−j+∑ 1 j=0 β ´ ijΔCSi,t−j+ ε it [5] where IV is used for the independent variables and CS for the average of cross sections for respective variables. Finally, as previous literature suggests that energy effects on growth tend to change with time [21], a non-parametric estimate was performed to show how productive elasticity, with respect to productive electricity and non-electricity consumption, has changed over time. The LLDVE by Li et al. (2011) was performed. This model is expressed as: ln yit =fi(t) + α i+β1(t)lnkit +β2(t)lneit +β3(t)lnneit +δ(t)lnHit +uit [6] where fi(t) = fi(t/T)across all i is the common trend function, α i represents the individual effects, βj(t)are the time-varying estimates and uit is stationary for each i. It is supposed that ∑N i=1ai=0, where N is the cross-section size. 5. Results and discussion 5.1. Parametric estimates: whole sample results Columns 2 and 3 in Table 7 show the estimated results of [4] by the DOLS and GMM approaches. The GMM was performed by using instrumental variables. Physical and human capital, and the energy variables have been considered endogenous. Up to 3 period delayed values of these variables have been used as instruments. The estimations have been performed accounting for the heteroscedasticity and CSD. The underidentification test by Kleibergen and Paap [91], the overidentification test of all instruments by Hansen [92] and the endogeneity test have been performed to evaluate this estimate (see the last rows in column 3 in Table 7). All estimate coefficients are significant and positive, while their values are plausible. Focusing on the energy coefficients, these results indicate that the effect of productive electricity and non-electricity consumption on GDP is different. In both estimates, the elasticity of the GDPpc, with respect to the non-electricity consumption, is higher than that with respect to electricity consumption. Additionally, the CS-ARDL method has been performed (Equation [5]). It accounts for heterogeneous slope coefficients by using the MG estimator. Table 8 shows the long-run estimate results. The CD statistics by Pesaran [82] are relatively low, indicating that the CSD has been taken out of the model correctly. It is worth noting that human capital has a non-significant effect on GDPpc. Therefore, Equation [5] has been re-estimated, eliminating the human capital variable. This elimination does not remarkably alter the energy coefficients. The estimate results, using CS-ARDL, are quite similar to those obtained before, showing the estimate’s robustness. These results show that both electricity and non-electricity consumption have a significant positive effect on GDPpc. Thus, as previously suggested by Sharma [93] and Pasten [94], energy use plays a fundamental role in the Latin American production growth. Therefore, at the regional level, energy conservation policies cannot be applied without this affecting production growth. These results are also coherent with studies that analyze the renewable and non-renewable energy use effects, on production growth in the region, which show positive and significant effects on production [9,95]. The CS-ARDL estimate results again show that there are notable differences in the coefficient values for the electricity and the nonelectricity variables. Additionally, it can also be detected that the difference between these values is now greater than that shown in Table 7, with the effect of electricity on productivity growth being relatively low. Therefore, on average, the productive non-electricity use has a greater effect on the per employment production than electricity consumption. Table 7 Estimates results by DOLS and GMM. Variables DOLS IV-GMM lnk 0.381*** 0. 400*** (0.038) (0.020) lnH 0.207** 0.153** (0.023) (0.080) lne 0.171*** 0.105*** (0.019) (0.018) lnne 0.243*** 0.171** (0.032) (0.018) Underidentification test Kleibergen-Paap-LM-Chi-sq(8) 81.438*** Overidentification test of all instruments Hansen J Chi-sq(7) 12.853 Endogeneity test Chi-sq(4) 27.858*** Note: Standard errors in brackets; ***, ** and * indicate significance at the 1 %, 5 % and 10 % level, respectively. Table 8 Long-run estimate results by CS-ARDL. Variables CS-ARDL CS-ARDL lnk 0.402*** 0.381*** (0.112) (0.097) lnH −0.058 (0.150) lne 0.098* 0.076** (0.058) (0.039) lnne 0.148** 0.150** (0.060) (0.048) CD Statistic −1.77* −1.49 Note: Standard errors in brackets; ***, ** and * indicate significance at the 1 %, 5 % and 10 % level, respectively. Table 9 Long-run estimate results for sub-samples by CS-ARDL. Variables CS-ARDL Higher GDPpc Sub-sample1 CS-ARDL Higher GDPpcy Sub-sample1 CS-ARDL Lower GDPpc Sub-sample2 CS-ARDL Lower GDPpc Sub-sample2 CS-ARDL Lowest GDPpc CS-ARDL Lowest GDPpc lnk 0.309*** 0.270** 0.384** 0.352** 0.480*** 0.393*** (0.116) (0.108) (0.202) (0.191) (0.207) (0.097) lnH 0.672 0.206 0.112 (0.855) (0.456) (0.180) lne 0.112* 0.079* 0.094** 0.077* 0.172** 0.184** (0.063) (0.060) (0.042) (0.049) (0.067) (0.073) lnne 0.163** 0.195*** 0.149*** 0.183*** 0.161*** 0.191** (0.051) (0.065) (0.053) (0.051) (0.061) (0.025) CD Statistic −1.36 −1.87* −1.80* −1.31 −1.78* −1.63 Note: Standard errors in brackets; ***, ** and * indicate significance at the 1 %, 5 % and 10 % level, respectively. M.P. Pablo-Romero et al. Energy 305 (2024) 132281 8 Therefore, in the region, the substitution of one source for another may not be neutral, at least if the productive structure remains unchanged. These results are in line with those obtained by Jung and Lee [16] for Korean companies in the short term, and with those obtained by Khan et al. [69], who observed negative effects of energy transition on production growth. Likewise, the results are in line with those shown in Refs. [17,18] for renewable and non-renewable energy effects. 5.2. Parametric estimates: subsample results Equation [5] has been re-estimated for two subsamples: for those with higher and lower GDPpc. Table 9 shows the results when the CS-ARDL method is used. As before, Equation [5] has been re-estimated, by omitting the human capital variables, as these are not significant. Additionally, Equation [5] has been re-estimated for the poorest countries, by only including the four poorest countries of subsample 2, which are also those who consume much less energy per persons employed. The results for the subsamples 1 and 2 are quite similar. Nevertheless, the estimated non-electricity coefficient values are slightly lower in subsample 2. All estimates show that the productive non-electricity consumption coefficient is higher than that for electricity. Therefore, the results are in consonance with those previously obtained for the whole sample. Regarding the estimated capital stock coefficients, those for subsample 1 are lower than those for subsample 2. Therefore, in countries with less GDPpc, the effect of capital stock on GDPpc is higher. Finally, focusing on those countries with the lowest GDPpc, the estimated results differ from the previous results. Now, the estimated productive electricity coefficients are still lower than the non-electricity ones, but their values are much closer than before. Therefore, there is evidence that, in the lower GDPpc areas of the region, the effect of greater electrification could be neutral, in the short term. The countries in this sample are the poorest in the region, which also have the lowest Fig. 3. Non-parametric LLDVE estimates of common trends and coefficients: full sample.Note: The solid red lines show the estimated coefficients of Equation [6] for the common trends and the coefficients, over time. Their confidence intervals are shown with gray shading. M.P. Pablo-Romero et al. Energy 305 (2024) 132281 9 Fig. 4. Non-parametric LLDVE estimates: subsamples.Note: The solid red lines show the estimated coefficients of Equation [6] for the common trends and the coefficients over time. Their confidence intervals are shown with gray shading. M.P. Pablo-Romero et al. Energy 305 (2024) 132281 10 levels of access to electricity. Therefore, improving this accessibility may be beneficial for many companies. In this line, there are studies that show productivity benefits in the countries (as for example Paraguay) that have gone from low to high electrification levels [96]. 5.3. Non -parametric estimates: whole sample and subsample results Finally, the non-parametric local linear dummy variable estimator was performed (Equation [6]). The bootstrapping technique has been performed with 50 replications. Fig. 3 shows the estimate results, setting 90 % confidence bands. Focusing on the energy coefficients, the results show a positive and significant effect of the energy consumption variables on production growth, for both electricity and non-electricity consumption. Nevertheless, this positive effect varies over time, with the impact of non-electricity consumption always being greater throughout the period. Likewise, Fig. 3 shows that the effect of non-electricity productive energy use is decreasing slightly over the period, while the effect of productive electricity use is increasing slightly during the period, tending to stabilize when the period ends. Therefore, the negative effects of increasing electricity and decreasing non-electricity, may be decreasing. However, there are two considerations to make. Firstly, the electricity and non-electricity consumption that effects changes on production, are quite small and slow. Fig. 3 shows that, over the 30-year period, the changes in these elasticities are only around one percentage point (approaching both elasticities in 2 percentage points). This shows that productive structures change slowly and, therefore, switching from one fuel to another is without detrimental effects on economic growth and is a slow process. Certain authors have already highlighted this fact. Schmidt [97] stated that the electrification of the industrial sector is a long-term process, lasting for decades. In the same vein, Sch¨ on [98] argues that electrification depends on innovation, which is generated, little by little. Secondly, it appears that the increasing effect of electricity on production growth has stagnated in recent years, which may indicate that productive improvements, associated with the use of electricity, may be technologically limited or delayed by technical bottlenecks [99]. Therefore, the energy transition, based on electrification, should be conducted slowly and gradually, to adapt productive structures, overcome technical bottlenecks and do no harm to economic growth. The results also indicate that the human capital elasticity is close to zero, with this value increasing slightly, over time. In addition, the capital stock has a positive effect on production, with a decreasing elasticity in the first years of the period, and a constant value of around 0.34 from 2000. The non-parametric local linear dummy variable estimator has also been performed for the considered subsamples. Fig. 4 shows the results. As can be seen, the values and trends are quite similar in all subsamples, for all explanatory variables. The electricity effect on productivity presents a growing trend in all subsamples, which tends to disappear at the end of the period. Meanwhile, the non-electricity consumption effect presents a decreasing trend in all subsamples. For all subsamples, the non-electrical energy consumption effect on productivity is higher than that for the electrical consumption. Regarding other productive factors, the results show that, as countries are less productive, the effect of capital on productivity is greater, which is similar to the parametric results. However, the effect is not as noticeable as before. The trend of this effect decreases over the period, for the least productive countries. However, this effect tends to increase slightly from 2000, for the most productive countries. Finally, human capital elasticity tends to increase in all subsamples, with the less productive countries presenting lower values. Nevertheless, it should be noted that these elasticity values are close to zero, indicating a minimal human capital effect on productivity in the region. 6. Conclusion This paper analyzes the effect of productive electricity and nonelectricity consumption on production, in 17 Latin American countries, from 1990 to 2019, and in regional subsamples. An extended neoclassical production function with the two energy variables is estimated. The study was performed by using the CS-ARDL and LLDVE methods. Parametric estimates results show that the effects of productive electricity and non-electricity use on production (in employed terms) are positive and significant. Thus, energy conservation strategies cannot be applied without influencing production. The estimates also indicate that production elasticity, with respect to non-electricity consumption, is higher than that with respect to electricity consumption. Therefore, increasing the use of electricity, versus alternative final sources, may not be neutral in the whole region, at least if the productive structure remains unchanged. However, there is evidence that, for the lowest GDPpc areas of the region, the effect of greater electrification could be neutral. The non-parametric results indicate that the effect of non-electricity productive energy consumption on production, is decreasing slightly over the period, while the effect of productive electricity consumption is increasing slightly. Nevertheless, these changes have been small. Additionally, the increasing effect of electricity on production seems to have stagnated. Therefore, energy transition, based on electrification, should be conducted slowly and gradually, to be able to adapt productive structures, without harming economic growth. In other regions of the world, with varying income levels or production structures, these results may be different. Therefore, it may be interesting, in the future, to compare these energy effects in other regions. It may also be interesting to analyze whether there are relevant differences at the sectoral level. CRediT authorship contribution statement María P. Pablo-Romero: Writing – review & editing, Supervision, Software, Methodology, Formal analysis, Conceptualization. Rafael Pozo-Barajas: Writing – review & editing, Supervision, Investigation, Data curation. Christian Washburn: Writing – original draft, Methodology, Formal analysis, Data curation, Conceptualization. Declaration of competing interest The authors declare that they have no known competing financial interests or personal relationships that could have appeared to influence the work reported in this paper. Data availability Data will be made available on request. Acknowledgments This work was supported by Ministerio de Ciencia e Innovaci´ on (MCIN/AEI/10.13039/501100011033) under Grant RTI 2018-096725B-100; by the Fondo Europeo de Desarrollo Regional (FEDER) and Consejería de Economía, Conocimiento, Empresas y Universidad of Junta de Andalucía, on FEDER 2014–2020 operative programme, under Grant US-1260925, University of Seville; by the Chair on Energy Environmental Economics sponsored by “Red El´ ectrica de Espa˜ na” at the University of Seville (Universidad de Sevilla). References [1] NOAA. NOAA. National Centers for Environmental InformationMonthly global climate report for april. 2023. https://www.ncei.noaa.gov/access/monitoring/ monthly-report/global/202304. [Accessed 2 July 2024]. 2023. M.P. Pablo-Romero et al. Energy 305 (2024) 132281 11 [2] IRENA. Smart electrification with renewables: driving the transformation of energy services. Abu Dhabi: International Renewable Energy Agency; 2022. [3] IEA. Net zero by 2050: a roadmap for the global energy sector. Paris: International Energy Agency; 2021. [4] Mutumba GS, Odongo T, Okurut NF, Bagire V. A survey of literature on energy consumption and economic growth. Energy Rep 2021;7:9150–239. https://doi. org/10.1016/j.egyr.2021.10.107. [5] Rahman MM, Velayutham E. Renewable and non-renewable energy consumptioneconomic growth nexus: new evidence from South Asia. Renew Energ 2020;147: 399–408. https://doi.org/10.1016/j.renene.2019.09.007. [6] Bildirici ME, Bakirtas T. The relationship among oil, natural gas and coal consumption and economic growth in BRICTS (Brazil, Russian, India, China, Turkey and South Africa) countries. Energy 2014;65:134–44. https://doi.org/ 10.1016/j.energy.2013.12.006. [7] Majewski S, Mentel U, Salahodjaev R, Cierpiał-Wolan M. Electricity consumption and economic growth: evidence from south asian countries. Energies 2022;15(4): 1327. https://doi.org/10.3390/en15041327. [8] Karanfil F, Li Y. Electricity consumption and economic growth: exploring panelspecific differences. Energy Pol 2015;82:264–77. https://doi.org/10.1016/j. enpol.2014.12.001. [9] Al-Mulali U, Fereidouni HG, Lee JY. Electricity consumption from renewable and non-renewable sources and economic growth: evidence from Latin American countries. Renew Sust Energ Rev 2014;30:290–8. https://doi.org/10.1016/j. rser.2013.10.006. [10] Valencia-Herrera H, Santill´ an-Salgado R, Venegas-Martínez F. On the interaction among economic growth, energy-electricity consumption, CO2 emissions, and urbanization in Latin America. Revista mexicana de economía y finanzas 2020;15 (4):745–67. https://doi.org/10.21919/remef.v15i4.553. [11] Solarin SA, Ozturk I. On the causal dynamics between hydroelectricity consumption and economic growth in Latin America countries. Renew Sust Energ Rev 2015;52:1857–68. https://doi.org/10.1016/j.rser.2015.08.003. [12] World Bank. World Bank open data. https://data.worldbank.org/. [Accessed 13 June 2023]. [13] CEPAL. Una d´ ecada de acci´ on para un cambio de ´ epoca (LC/FDS.5/3). Santiago: Comisi´ on Econ´ omica para Am´ erica Latina y el Caribe; 2022. [14] Acheampong AO, Erdiaw-Kwasie MO, Abunyewah M. Does energy accessibility improve human development? Evidence from energy-poor regions. Energy Econ 2021;96:105165. https://doi.org/10.1016/j.eneco.2021.105165. [15] Pablo-Romero MP, S´ anchez-Braza A, Gonzalez-PabloRomero M. Renewable energy in Latin America. AIMS Energy 2022;10(4):695–717. https://doi.org/10.3934/ energy.2022033. [16] Jung Y, Lee SH. Electrification and productivity growth in Korean manufacturing plants. Energy Econ 2014;45:333–9. https://doi.org/10.1016/j. eneco.2014.07.022. [17] Yasmeen H, Tan Q, Zameer H, Vo XV, Shahbaz M. Discovering the relationship between natural resources, energy consumption, gross capital formation with economic growth: can lower financial openness change the curse into blessing. Resour Policy 2021;71:102013. https://doi.org/10.1016/j. resourpol.2021.102013. [18] Ivanovski K, Hailemariam A, Smyth R. The effect of renewable and non-renewable energy consumption on economic growth: non-parametric evidence. J Clean Prod 2021;286:124956. https://doi.org/10.1016/j.jclepro.2020.124956. [19] Pablo-Romero MP, S´ anchez-Braza A. Productive energy use and economic growth: energy, physical and human capital relationships. Energy Econ 2015;49:420–9. https://doi.org/10.1016/j.eneco.2015.03.010. [20] Chudik A, Mohaddes K, Pesaran MH, Raissi M. Long-run effects in large heterogeneous panel data models with cross-sectionally correlated errors. In: Essays in honor of aman ullah, vol. 36. Emerald Group Publishing Limited; 2016. p. 85–135. [21] Ren X, Tong Z, Sun X, Yan C. Dynamic impacts of energy consumption on economic growth in China: evidence from a non-parametric panel data model. Energy Econ 2022;107:105855. https://doi.org/10.1016/j.eneco.2022.105855. [22] Krupnick A, Parry I. What is the best policy instrument for reducing CO2 emissions? In: Mooij R, Parry I, Keen M, editors. Fiscal policy to mitigate climate change. Washington DC: International Monetary Fund; 2012. p. 1–26. [23] Dimitriadis CN, Tsimopoulos EG, Georgiadis MC. Optimal bidding strategy of a gasfired power plant in interdependent low-carbon electricity and natural gas markets. Energy 2023;277:127710. https://doi.org/10.1016/j. energy.2023.127710. [24] Lu Y, Khan ZA, Alvarez-Alvarado MS, Zhang Y, Huang Z, Imran M. A critical review of sustainable energy policies for the promotion of renewable energy sources. Sustainability 2020;12(12):5078. https://doi.org/10.3390/su12125078. [25] Aalto P, Haukkala T, Kilpel¨ ainen S, Kojo M. Introduction: electrification and the energy transition. In: Aalto P, editor. Electrification: accelerating the energy transition. Electrification. London: Elsevier; 2021. p. 3–24. [26] Carter AP. Energy, environment, and economic growth. Bell J Econ Manage Sci 1974;5(2):578–92. https://doi.org/10.2307/3003121. [27] Dong XY, Hao Y. Would income inequality affect electricity consumption? Evidence from China. Energy 2018;142:215–27. https://doi.org/10.1016/j. energy.2017.10.027. [28] Kümmel R, Strassl W, Gossner A, Eichhorn W. Technical progress and energy dependent production functions. J Econ 1985;45(3):285–311. https://www.jstor. org/stable/41796330. [29] Moroney JR. Energy, capital and technological change in the United States. Resour Energy 1992;14(4):363–80. https://doi.org/10.1016/0165-0572(92)90003-Y. [30] Stern DI. Energy and economic growth in the USA: a multivariate approach. Energy Econ 1993;15(2):137–50. https://doi.org/10.1016/0140-9883(93)90033-N. [31] Stern DI. A multivariate cointegration analysis of the role of energy in the US macroeconomy. Energy Econ 2000;22(2):267–83. https://doi.org/10.1016/S01409883(99)00028-6. [32] Kümmel R, Henn J, Lindenberger D. Capital, labor, energy and creativity: modeling innovation diffusion. Struct Chang Econ Dyn 2002;13(4):415–33. https://doi.org/ 10.1016/S0954-349X(02)00008-5. [33] Ghal KH, El-Sakka MI. Energy use and output growth in Canada: a multivariate cointegration analysis. Energy Econ 2004;26(2):225–38. https://doi.org/10.1016/ S0140-9883(03)00056-2. [34] Oh W, Lee K. Causal relationship between energy consumption and GDP revisited: the case of Korea 1970–1999. Energy Econ 2004;26(1):51–9. https://doi.org/ 10.1016/S0140-9883(03)00030-6. [35] Oh W, Lee K. Energy consumption and economic growth in Korea: testing the causality relation. J Policy Model 2004;26(8–9):973–81. https://doi.org/10.1016/ j.jpolmod.2004.06.003. [36] Ayres RU, Warr B. Accounting for growth: the role of physical work. Struct Chang Econ Dyn 2005;16(2):181–209. https://doi.org/10.1016/j.strueco.2003.10.003. [37] Sari R, Soytas U. The growth of income and energy consumption in six developing countries. Energy Pol 2007;35(2):889–98. https://doi.org/10.1016/j. enpol.2006.01.021. [38] Lee CC, Chang CP. Energy consumption and economic growth in Asian economies: a more comprehensive analysis using panel data. Resour Energy Econ 2008;30(1): 50–65. https://doi.org/10.1016/j.reseneeco.2007.03.003. [39] Apergis N, Payne JE. Energy consumption and economic growth in Central America: evidence from a panel cointegration and error correction model. Energy Econ 2009;31(2):211–6. https://doi.org/10.1016/j.eneco.2008.09.002. [40] Apergis N, Payne JE. Energy consumption and economic growth: evidence from the Commonwealth of Independent States. Energy Econ 2009;31(5):641–7. https:// doi.org/10.1016/j.eneco.2009.01.011. [41] Lee CC, Chien MS. Dynamic modelling of energy consumption, capital stock, and real income in G-7 countries. Energy Econ 2010;32(3):564–81. https://doi.org/ 10.1016/j.eneco.2009.08.022. [42] Stern DI. The role of energy in economic growth. Ann N Y Acad Sci 2011;1219(1): 26–51. https://doi.org/10.1111/j.1749-6632.2010.05921.x. [43] Ayres R, Voudouris V. The economic growth enigma: capital, labour and useful energy? Energy Pol 2014;64:16–28. https://doi.org/10.1016/j.enpol.2013.06.001. [44] Streimikiene D, Kasperowicz R. Review of economic growth and energy consumption: a panel cointegration analysis for EU countries. Renew Sustain Energy Rev 2016;59:1545–9. https://doi.org/10.1016/j.rser.2016.01.041. [45] Fang Z, Chang Y. Energy, human capital and economic growth in Asia Pacific countries—evidence from a panel cointegration and causality analysis. Energy Econ 2016;56:177–84. https://doi.org/10.1016/j.eneco.2016.03.020. [46] Fang Z, Chen Y. Human capital and energy in economic growth–Evidence from Chinese provincial data. Energy Econ 2017;68:340–58. https://doi.org/10.1016/j. eneco.2017.10.007. [47] Hao Y, Wang LO, Lee CC. Financial development, energy consumption and China’s economic growth: new evidence from provincial panel data. Int Rev Econ Finance 2020;69:1132–51. https://doi.org/10.1016/j.iref.2018.12.006. [48] Chang Y, Fang Z, Hamori S. Human capital and energy: a driver or drag for economic growth. Singap Econ Rev 2020;65(3):683–714. https://doi.org/ 10.1142/S0217590817500163. [49] Chi Y, Bai G, Li J, Chen B. Research on the coordination of energy in China’s economic growth. PLoS One 2021;16(6):e0251824. https://doi.org/10.1371/ journal.pone.0251824. [50] Aghaei M, Lin Lawell CYC. Energy, economic growth, inequality, and poverty in Iran. Singap Econ Rev 2022;67(2):733–54. https://doi.org/10.1142/ S0217590820500198. [51] Zakari A, Oluwaseyi Musibau H. Sustainable economic development in OECD countries: does energy security matter? Sustain Dev 2024;32(1):1337–53. https:// doi.org/10.1002/sd.2668. [52] Warsame AA, Alasow AA, Salad MA. Energy consumption and economic growth nexus in Somalia: empirical evidence from nonlinear ARDL technique. International J Sustain Energy 2024;43(1):2287780. https://doi.org/10.1080/ 14786451.2023.2287780. [53] Ozturk I, Al-Mulali U. Natural gas consumption and economic growth nexus: panel data analysis for GCC countries. Renew Sustain Energy Rev 2015;51:998–1003. https://doi.org/10.1016/j.rser.2015.07.005. [54] Hassan MS, Tahir MN, Wajid A, Mahmood H, Farooq A. Natural gas consumption and economic growth in Pakistan: production function approach. Glob Bus Rev 2018;19(2):297–310. https://doi.org/10.1177/0972150917713533. [55] Rahman ZU, Khattak SI, Ahmad M, Khan A. A disaggregated-level analysis of the relationship among energy production, energy consumption and economic growth: evidence from China. Energy 2020;194:116836. https://doi.org/10.1016/j. energy.2019.116836. [56] Soytas U, Sari R. The relationship between energy and production: evidence from Turkish manufacturing industry. Energy Econ 2007;29(6):1151–65. https://doi. org/10.1016/j.eneco.2006.05.019. [57] Kasperowicz R. Electricity consumption and economic growth: evidence from Poland. J Int Stud 2014;7(1):2071–8330. https://doi.org/10.14254/ 20718330.2014/71/4. [58] Shahbaz M, Benkraiem R, Miloudi A, Lahiani A. Production function with electricity consumption and policy implications in Portugal. Energy Pol 2017;110: 588–99. https://doi.org/10.1016/j.enpol.2017.08.056. M.P. Pablo-Romero et al. Energy 305 (2024) 132281 12 [59] Bhuiyan MA, Zhang Q, Khare V, Mikhaylov A, Pinter G, Huang X. Renewable energy consumption and economic growth nexus—a systematic literature review. Front Environ Sci 2022;10:878394. https://doi.org/10.3389/fenvs.2022.878394. [60] Apergis N, Payne JE. Renewable and non-renewable energy consumption-growth nexus: evidence from a panel error correction model. Energy Econ 2012;34(3): 733–8. https://doi.org/10.1016/j.eneco.2011.04.007. [61] Gozgor G, Lau CK, Lu Z. Energy consumption and economic growth: new evidence from the OECD countries. Energy 2018;153:27–34. https://doi.org/10.1016/j. energy.2018.03.158. [62] Chen C, Pinar M, Stengos T. Renewable energy consumption and economic growth nexus: evidence from a threshold model. Energy Pol 2020;139:111295. https://doi. org/10.1016/j.enpol.2020.111295. [63] Mujtaba A, Jena PK, Bekun FV. Sahu PK Symmetric and asymmetric impact of economic growth, capital formation, renewable and non-renewable energy consumption on environment in OECD countries. Renew Sust Energ Rev 2022;160: 112300. https://doi.org/10.1016/j.rser.2022.112300. [64] Espoir DK, Sunge R, Alola AA. Time-varying causality nexus of (non) renewable electricity utilization, real output, and carbon emission among selected African states. Environ Dev Sustain 2023:1–24. https://doi.org/10.1007/s10668-02302934-6. [65] Ali A, Radulescu M, Balsalobre-Lorente D. A dynamic relationship between renewable energy consumption, nonrenewable energy consumption, economic growth, and carbon dioxide emissions: evidence from Asian emerging economies. Energy Environ 2023;34(8):3529–52. https://doi.org/10.1177/ 0958305X231151684. [66] Mallapragada DS, Dvorkin Y, Modestino MA, Esposito DV, Smith WA, Hodge BM, Taylor AD. Decarbonization of the chemical industry through electrification: barriers and opportunities. Joule 2023;7(1):23–41. https://doi.org/10.1016/j. joule.2022.12.008. [67] Balsalobre-Lorente D, Shahbaz M, Roubaud D, Farhani S. How economic growth, renewable electricity and natural resources contribute to CO2 emissions? Energy Pol 2018;113:356–67. https://doi.org/10.1016/j.enpol.2017.10.050. [68] Nam E, Jin T. Mitigating carbon emissions by energy transition, energy efficiency, and electrification: difference between regulation indicators and empirical data. J Clean Prod 2021;300:126962. https://doi.org/10.1016/j.jclepro.2021.126962. [69] Khan I, Hou F, Zakari A, Tawiah VK. The dynamic links among energy transitions, energy consumption, and sustainable economic growth: a novel framework for IEA countries. Energy 2021;222:119935. https://doi.org/10.1016/j. energy.2021.119935. [70] Khan I, Zakari A, Zhang J, Dagar V, Singh S. A study of trilemma energy balance, clean energy transitions, and economic expansion in the midst of environmental sustainability: new insights from three trilemma leadership. Energy 2022;248: 123619. https://doi.org/10.1016/j.energy.2022.123619. [71] Sokhanvar A. The impact of electrification on energy poverty in Honduras. Environ Sci Pollut Res 2023:1–9. https://doi.org/10.1007/s11356-023-27758-9. [72] Pelz S, Pachauri S, Falchetta G. Short-run effects of grid electricity access on rural non-farm entrepreneurship and employment in Ethiopia and Nigeria. World Dev Perspect 2023;29:100473. https://doi.org/10.1016/j.wdp.2022.100473. [73] Abiodun K, Gilbert B. Does universal electrification shield firms from productivity loss? World Dev Perspect 2022;28:100467. https://doi.org/10.1016/j. wdp.2022.100467. [74] Oryani B, Koo Y, Rezania S, Shafiee A. Investigating the asymmetric impact of energy consumption on reshaping future energy policy and economic growth in Iran using extended Cobb-Douglas production function. Energy 2021;216:119187. https://doi.org/10.1016/j.energy.2020.119187. [75] Wilson RA, Briscoe G. The impact of human capital on economic growth: a review. Impact of education and training. Third report on vocational training research in Europe: background report. Luxembourg: EUR-OP; 2004. p. 23. [76] Azam A, Rafiq M, Shafique M, Zhang H, Ateeq M, Yuan J. Analyzing the relationship between economic growth and electricity consumption from renewable and non-renewable sources: fresh evidence from newly industrialized countries. Sustain Energy Technol Assess 2021;44:100991. https://doi.org/ 10.1016/j.seta.2021.100991. [77] Luqman M, Ahmad N, Bakhsh K. Nuclear energy, renewable energy and economic growth in Pakistan: evidence from non-linear autoregressive distributed lag model. Renew. Energ. 2019;139:1299–309. https://doi.org/10.1016/j. renene.2019.03.008. [78] Feenstra RC, Inklaar R, Timmer MP. The next generation of the Penn world table. Amer Econ Rev 2015;105(10):3150–82. https://doi.org/10.1257/aer.20130954. [79] IEA. World energy balances database. Paris: International Energy Agency; 2023. [80] Pesaran MH, Yamagata T. Testing slope homogeneity in large panels. J Econom 2008;142(1):50–93. https://doi.org/10.1016/j.jeconom.2007.05.010. [81] Blomquist J, Westerlund J. Testing slope homogeneity in large panels with serial correlation. Econ Lett 2013;121(3):374–8. https://doi.org/10.1016/j. econlet.2013.09.012. [82] Pesaran MH. Testing weak cross-sectional dependence in large panels. Econom Rev 2015;34(6–10):1089–117. https://doi.org/10.1080/07474938.2014.956623. [83] Pesaran MHA. Simple panel unit root test in the presence of cross-section dependence. J Appl Econom 2007;22(2):265–312. https://doi.org/10.1002/ jae.951. [84] Pedroni P. Critical values for cointegration tests in heterogeneous panels with multiple regressors. Oxf Bull Econ Stat 1999;61(S1):653–70. https://doi.org/ 10.1111/1468-0084.0610s1653. [85] Pedroni P. Panel cointegration: asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis. Econom theory 2004;20 (3):597–625. https://doi.org/10.1017/S0266466604203073. [86] Westerlund J. Testing for error correction in panel data. Oxf Bull Econ Stat 2007;69 (6):709–48. https://doi.org/10.1111/j.1468-0084.2007.00477.x. [87] Ozturk I. A literature survey on energy–growth nexus. Energy Pol 2010;38(1): 340–9. https://doi.org/10.1016/j.enpol.2009.09.024. [88] Tiba S, Omri A. Literature survey on the relationships between energy, environment and economic growth. Renew Sust Energ Rev 2017;69:1129–46. https://doi.org/10.1016/j.rser.2016.09.113. [89] Ding Q, Khattak SI, Ahmad M. Towards sustainable production and consumption: assessing the impact of energy productivity and eco-innovation on consumptionbased carbon dioxide emissions (CCO2) in G-7 nations. Sustain Prod Consum 2021; 27:254–68. https://doi.org/10.1016/j.spc.2020.11.004. [90] Kuo Y, Maneengam A, The CP, An NB, Nassani AA, Haffar M, Qadus A. Fresh evidence on environmental quality measures using natural resources, renewable energy, non-renewable energy and economic growth for 10 Asian nations from CSARDL technique. Fuel 2022;320:123914. https://doi.org/10.1016/j. fuel.2022.123914. [91] Kleibergen F, Paap R. Generalized reduced rank tests using the singular value decomposition. J Econom 2006;133(1):97–126. https://doi.org/10.1016/j. jeconom.2005.02.011. [92] Hansen LP. Large sample properties of generalized method of moments estimators. Econometrica: J Econom Society 1982:1029–54. https://doi.org/10.2307/ 1912775. [93] Sharma SS. The relationship between energy and economic growth: empirical evidence from 66 countries. Appl Energy 2010;87(11):3565–74. https://doi.org/ 10.1016/j.apenergy.2010.06.015. [94] Past´ en R, Saens R, Contreras Marin R. Does energy use cause economic growth in Latin America? Appl Econ Lett 2015;22(17):1399–403. https://doi.org/10.1080/ 13504851.2015.1034834. [95] Alvarado R, Ponce P, Alvarado R, Ponce K, Huachizaca V, Toledo E. Sustainable and non-sustainable energy and output in Latin America: a cointegration and causality approach with panel data. Energy Strategy Rev 2019;26:100369. https:// doi.org/10.1016/j.esr.2019.100369. [96] Stern DI, Burke PJ, Bruns SB. The impact of electricity on economic development: a macroeconomic perspective. UC Berkeley: Center for Effective Global Action; 2019. [97] Schmidt PS. Electricity and industrial productivity: a technical and economic perspective. Energy 1987;12(10–11):1111–20. https://doi.org/10.1016/03605442(87)90067-3. [98] Electricity Sch¨ on L. Technological change and productivity in Swedish industry, 1890–1990. Eur Rev Econ Hist 2000;4(2):175–94. https://doi.org/10.1017/ S1361491600000046. [99] Goldfarb B. Diffusion of general-purpose technologies: understanding patterns in the electrification of US manufacturing 1880–1930. Int J Ind Organ 2005;14(5): 745–73. https://doi.org/10.1093/icc/dth068. M.P. Pablo-Romero et al.