Consumo, precio y crecimiento de la generación eléctrica

UNIVERSIDAD CATÓLICA SANTO DOMINGO
Santo Domingo, República Dominicana
“Consumo, precio y crecimiento de la
demanda
eléctrica en República Dominicana:
un análisis de series de tiempo”
Tesis para optar por el título de:
MAESTRÍA EN ECONOMÍA APLICADA, MONETARIA Y FINANCIERA
Por:
Emilio E. Florentino F.
Diciembre 2013
i
HOJA DE APROBACIÓN
Aprobado por:
_____________________________
_____________________________
Harold Vásquez
Coordinador de Tesis
Julio Andujar
Lector Principal
ii
AGRADECIMIENTOS
A la Universidad Católica Santo Domingo y al plantel de profesores del Centro de
Aplicaciones Económicas Empírica, por el alto nivel de calidad de la maestría y por orientar
y enfocar sus enseñanzas en aspectos fundamentales de la economía.
Agradezco a mis familiares por su apoyo y por su motivación permanente durante el
transcurso de esta rigurosa jornada de estudios.
Especial agradecimiento al profesor Harold Vásquez, Coordinador de Tesis, por sus
orientaciones y colaboración durante la elaboración del documento y por asistirnos en todos
aquellos aspectos que requerían de consulta.
Gracias al profesor Julio Andujar, Lector Principal, quien siempre nos estimuló durante
todo el desarrollo de la maestría y por estar muy pendiente de los detalles y avances de esta
investigación.
A todas aquellas personas que de una forma u otra contribuyeron a la realización de esta
tesis.
iii
RESUMEN
Se realiza un estudio de series de tiempo mensuales bajo un enfoque temporal, del consumo,
los precios del Kwh y el crecimiento de la demanda eléctrica en la República Dominicana,
para el período enero 2004 a junio de 2012 y para las categorías de usuarios Residenciales,
Comerciales, Industriales, Gobierno y del Alumbrado Público. Dadas las particularidades del
sistema eléctrico dominicano, afectado por una crisis sistémica de desabastecimiento que se
remonta a los años cincuenta, resulta de significativo interés conocer las características del
comportamiento de las variables que inciden en la demanda de electricidad y en la
ponderación de los determinantes para la fijación de las tarifas sectoriales. En ese sentido, se
proponen modelos econométricos de doble logaritmos, a partir de los cuales se obtuvieron
para el corto y largo plazo las elasticidades precio de la demanda y de otras variables
importantes, tales como, el subsidio a la tarifa eléctrica, el nivel de actividad económica
mensual y el precio del barril del fuel oil No. 6. A partir de los hallazgos realizados se
contrastaron las hipótesis planteadas y se formularon recomendaciones para enfrentar algunos
problemas estructurales que prevalecen en el sector, así como para reorientar el actual
esquema tarifario aplicado. Debido a la complejidad de la problemática y en vista de la
existencia de escasa literatura sobre el tema, se requiere de otras investigaciones empíricas
que analicen lo concerniente al esquema tarifario en vigor y su impacto en el déficit
financiero que se deriva de la comercialización y distribución del servicio eléctrico.
Palabras claves: electricidad, energía, crisis, consumo, precio del Kwh, gigavatio (Gw),
megavatio (Mw), demanda, elasticidad, modelos log-log, estacionariedad, coeficientes,
cointegración, corto plazo, largo plazo, modelo en logaritmo, modelo en primeras diferencias.
TABLA DE CONTENIDO
PÁGINA
iv
I-
II-
III-
IV-
INTRODUCCIÓN…………………………………………..
1.1 Definición del tema
1.2 Justificación de la investigación
1.3 Objetivos de estudio
1.4 Formulación de hipótesis
1.5 Estructura del contenido
REVISIÓN DE LITERATURA……………………………
2.1 Trabajos seminales período 1950-1970
2.2 Literatura surgida a raíz de la crisis del petróleo (1973-1988)
2.3 La proliferación de literatura a partir de 1990
2.4 Evidencia de literatura sobre el tema en América Latina
2.5 La literatura sobre el tema en República Dominicana
2.6 Resumen de la revisión de literatura
EL SECTOR ELÉCTRICO DOMINICANO…………….
3.1 Surgimiento y orígenes del sector eléctrico
3.2 Marco institucional y regulador vigente
3.3 Organización del sector eléctrico dominicano
3.3.1 Instituciones reguladoras del sector
3.3.2 Organigrama general del sector eléctrico dominicano
3.4 Problema financiero de las EDES y el círculo vicioso del
desabastecimiento
3.5 La readquisición de las EDES por el Estado
3.6 Cifras básicas del sector
3.6.1 Matriz de generación eléctrica
3.6.2 Capacidad instalada, demanda máxima y margen de reserva
teórico
3.6.3 Generación eléctrica del sistema y compras de energía de las
EDES
3.6.4 Energía vendida por categoría de consumidores
3.6.5 Déficit energético en el sistema eléctrico nacional
MARCO TEÓRICO Y METODOLOGÍA………………..
4.1 Consideración general para formulación de los modelos
4.2 El modelo para estimación de la demanda eléctrica en Gwh
4.2.1 Consideraciones previas a la formulación del modelo de la
demanda
4.2.2 La Forma funcional del modelo para estimar la demanda
4.3 El modelo para ponderar los determinantes del precio
4.3.1 Consideraciones previas a la formulación del modelo
4.3.2 La Forma funcional del modelo para la ponderación de los
determinantes del precio
4.4 Metodología aplicada
4.4.1 Análisis de series de tiempo y estacionariedad de series
4.4.2 Pruebas de cointegración
4.4.3 Modelo de corrección de errores y relación de corto plazo
1
3
6
8
13
14
16
18
23
29
33
40
41
43
45
47
48
49
50
52
53
54
55
55
56
59
62
63
64
66
68
PÁGINA
v
4.5 Modelos para las estimaciones sectoriales
4.6 Pruebas de diagnóstico y especificación
V-
VI-
DATOS UTILIZADOS……………………........................
5.1 Datos para el análisis de series de tiempo
5.2 Estadísticos generales y parámetros de algunas variables utilizadas
5.2.1 El número de clientes y la demanda sectorial de energía
5.2.2 Evolución del consumo sectorial de energía eléctrica
5.2.3 Crecimiento de la demanda sectorial y total de electricidad
5.2.4 El comportamiento de los precios en US$ del kwh y del fuel oil
No. 6
5.2.5 Estadísticos de otras variables utilizadas en la investigación
RESULTADOS E INTERPRETACIÓN………………….
6.1 Estacionariedad de las series de tiempo
6.2 Pruebas de cointegración de las variables
6.3 Estimaciones de la demanda sectorial de energía eléctrica
6.3.1 Elasticidad precio de la demanda sectorial de energía
6.3.2 Elasticidad ingreso de la demanda sectorial de energía
6.3.3 El subsidio eléctrico y su relación con la demanda sectorial de
energía
6.3.4 La captura del déficit de abastecimiento sectorial de energía
6.3.5 Estacionalidad mensual de la demanda sectorial de energía
6.3.6 Prospectiva de la demanda sectorial de energía eléctrica
6.4 Ponderación de los determinantes del precio sectorial de la
electricidad
6.4.1 El impacto de las variaciones en el precio del fuel oil No.6
6.4.2 La inflación de los EUA y sus efectos en las tarifas
6.4.3 El peso del preciot-1 en la indexación de las tarifas mensuales
6.4.4 Estacionalidad mensual de las tarifas sectoriales de electricidad
6.5 Velocidad de ajuste hacia el equilibrio
6.6 Resultados de las pruebas de diagnóstico y especificación
70
70
73
74
75
77
80
83
84
85
87
90
92
94
95
97
98
101
104
106
106
107
108
110
VII- CONCLUSIONES Y RECOMENDACIONES…………..
112
REFERENCIAS BIBLIOGRÁFICAS……………………
118
ANEXOS…………………………………………………….
127
vi
LISTADO DE CUADROS
CUADRO NO.
PÁGINA
I
REVISIÓN DE LITERATURA –TRABAJOS EN EUA, EUROPA Y
OTRAS LATITUDES35
II
REVISIÓN DE LITERATURA –TRABAJOS EN AMÉRICA LATINA Y
REPÚBLICA DOMINICANA37
III
REVISIÓN DE LITERATURA – RESUMEN RESULTADOS DE
ELASTICIDADES PRECIO E INGRESO DE LA DEMANDA DE
ELECTRICIDAD RESIDENCIAL39
IV
CAPACIDAD INSTALADA Y DEMANDA MÁXIMA
V
VI
VII
VIII
IX
X
51
GENERACIÓN DEL SISTEMA Y COMPRAS DE ENERGÍA DE LAS
DISTRIBUIDORAS (EDES)
52
ENERGÍA VENDIDA POR SECTOR DE CONSUMIDORES
53
DÉFICIT EN LA ENERGÍA SERVIDA AL SISTEMA
54
NÚMERO DE CLIENTES POR SECTORES
74
DEMANDA MENSUAL TOTAL Y PERCÁPITA POR SECTORES
75
CRECIMIENTO DEL CONSUMO SECTORIAL EN GWH
76
XI
PRECIO MEDIO ANUAL DEL KWH Y DEL BARRIL DE FUEL OIL
NO. 6
80
XII
PRUEBA DICKEY-FULLER AUMENTADA AL 5% A SERIES DE
TIEMPO
85
XIII
PRUEBA DICKEY-FULLER AUMENTADA
ECUACIONES DE COINTEGRACIÓN
XIV
ESTIMACIÓN DEMANDA SECTORIAL DE ELECTRICIDAD EN
(GWH) –MODELOS EN LOGARITMO88
XV
ESTIMACIÓN DEMANDA SECTORIAL DE ELECTRICIDAD EN
(GWH) –MODELOS EN DIFERENCIA89
XVI
ESTIMACIÓN DEMANDA SECTORIAL DE ELECTRICIDAD EN
(GWH) –ESTACIONALIDAD DEL CONSUMO97
XVII
PROSPECTIVA DE LA DEMANDA SECTORIAL DE ELECTRICIDAD
EN GWH (2013 AL 2022)
99
vii
AL
5%
A
LAS
86
CUADRO NO.
PÁGINA
XVIII
PRECIO
ELECTRICIDAD
SECTORIAL
DETERMINANTES EN EL LARGO PLAZO-
–PONDERACIÓN
102
XIX
PRECIO
ELECTRICIDAD
SECTORIAL
DETERMINANTES EN EL CORTO PLAZO-
–PONDERACIÓN
103
XX
PRECIO
ELECTRICIDAD
MENSUAL-
SECTORIAL
-ESTACIONALIDAD
107
XXI
DEMANDA SECTORIAL DE ELECTRICIDAD EN (GWH) –
VELOCIDAD DE AJUSTE HACIA EL EQUILIBRIO109
XXII
PRECIO SECTORIAL DE LA ELECTRICIDAD – VELOCIDAD DE
AJUSTE HACIA EL EQUILIBRIO 109
viii
LISTADO DE GRÁFICOS
GRÁFICO NO.
PÁGINA
1
MODELO DE INTEGRACIÓN VERTICAL CDE 1955
2
MARCO INSTITUCIONAL Y REGULADOR VIGENTE DEL
SISTEMA ELÉCTRICO NACIONAL –CRONOLOGÍA41
3
SISTEMA ELÉCTRICO NACIONAL ENTES REGULADORES DEL
GOBIERNO
44
4
ORGANIGRAMA GENERAL DEL SECTOR ELÉCTRICO
45
5
MATRIZ DE GENERACIÓN DE ENERGÍA ELÉCTRICA
50
6
ESTRUCTURA
SECTORIAL
ELECTRICIDAD
DE
LA
DEMANDA
40
DE
77
7
CRECIMIENTO ANUAL DEL CONSUMO TOTAL EN GWH Y
DEL ÍNDICE MENSUAL DE ACTIVIDAD ECONÓMICA (IMAE) 78
8
CONSUMO DE ENERGÍA ELÉCTRICA SECTORIAL Y EL ÍNDICE
MENSUAL DE ACTIVIDAD ECONÓMICA (IMAE)
79
9
EVOLUCIÓN PRECIO EN US$ DEL KWH SECTORIAL
10
81
PRECIO DEL KWH DE ELECTRICIDAD SECTORIAL EN US$ Y
EL PRECIO DEL COMBUSTIBLE FUEL OIL NO. 6
82
ix
LISTADO DE ANEXOS
ANEXO NO.
PÁGINA
I
VARIABLES Y FUENTE DE LOS DATOS
128
ESTADÍSTICOS GENERALES DE LAS VARIABLES
129
MODELOS POR CATEGORÍAS SECTORIALES
130
II
III
x
LISTA DE ABREVIATURAS
BID
BANCO INTERAMERICANO DE DESARROLLO
BTS
BAJA TENSIÓN SIMPLE
CEPAL
COMISIÓN ECONÓMICA PARA AMÉRICA LATINA
CDE
CORPORACIÓN DOMINICANA DE ELÉCTRICIDAD
CDEEE
CORPORACIÓN DOMINICANA DE EMPRESAS ELÉCTRICAS
ESTATALES
CNE
COMISIÓN NACIONAL DE ENERGÍA
CONEP
CONSEJO NACIONAL DE LA EMPRESA PRIVADA
EDES
EMPRESAS DISTRIBUIDORAS DE ENERGÍA
EDEESTE
EMPRESA DE DISTRIBUCIÓN DE ENERGIA PARA LA REGIÓN ESTE
EDENORTE
EMPRESA DE DISTRIBUCIÓN DE ENERGÍA PARA LA REGIÓN
NORTE
EDESUR
EMPRESA DE DISTRIBUCIÓN DE ENERGÍA PARA LA REGIÓN SUR
EGEHID
EMPRESA DE GENERACIÓN HIDROELÉCTRICA DOMINICANA
FB
FUNDACIÓN BARILOCHE
ETED
EMPRESA DE TRANSMISIÓN ELÉCTRICA DOMINICANA
EUA
ESTADOS UNIDOS DE AMÉRICA
FET
FONDO DE ESTABILIZACIÓN DE LA TARIFA ELÉCTRICA
IMAE
ÍNDICE MENSUAL DE ACTIVIDAD ECONÓMICA
IPC
ÍNDICE DE PRECIOS AL CONSUMIDOR
LFT
FUNCIÓN DE TRANSFERENCIA
LD
LÓGICA DIFUSA
GW
GIGAVATIOS
GWH
GIGAVATIOS HORA
xi
KWH
KILOVATIOS HORA
MCE
MECANISMO DE CORRECCIÓN DE ERRORES
MELI
MEJORES ESTIMADORES LINEALES INSESGADOS
MICO
MÍNIMOS CUADRADOS ORDINARIOS
MTD
MEDIA TENSIÓN
MW
MEGAVATIOS
MWH
MEGAVATIOS HORA
RD
REPÚBLICA DOMINICANA
SEIC
SECRETARÍA DE ESTADO DE INDUSTRIA Y COMERCIO
SENI
SISTEMA ELÉCTRICO NACIONAL INTERCONECTADO
SIE
SUPERINTENDENCIA DE ELÉCTRICIDAD
PIB
PRODUCTO INTERNO BRUTO
OC
ORGANISMO COORDINADOR DE SISTEMA ELÉCTRICO
INTEGRADO
OPEP
ORGANIZACIÓN DE PAÍSES EXPORTADORES DE PETRÓLEO
Capitulo I
xii
INTRODUCCIÓN
1.1 Definición del tema
En el Reporte de Competitividad Global 2010-2011, República Dominicana (RD) ocupó la
posición 121 de un total de 139 países, en lo referente a la capacidad y calidad de su
infraestructura energética y telefónica (World Economic Forum, 2011). La ineficiencia del
sector energético y los altos precios de la energía, además de constituir un obstáculo
importante para el crecimiento económico del país, genera externalidades negativas con
repercusiones económicas y sociales importantes (Attali, 2010).
El problema de desabastecimiento y los altos costos de generación de energía en RD, ha
sido uno de los principales desafíos que ha enfrentado el país desde los años cincuenta. Por
décadas, una crisis sistémica ha afectado el sector eléctrico dominicano, provocando un
déficit permanente en el suministro y una baja calidad en el servicio servido. Esta
problemática ha sido identificada como uno de los grandes obstáculos para el despegue del
país hacia el desarrollo (Estrategia Nacional de Desarrollo, República Dominicana 2030,
2011). De hecho, la Comisión Económica para América Latina (CEPAL) establece que una
plataforma tecnológica-industrial sustentada por una infraestructura energética eficiente, es
un punto de partida fundamental para el crecimiento y el desarrollo económico (Fajnzylber,
1989).
Una prolongada crisis eléctrica combinada con ineficaces y desacertadas medidas
correctivas, han llevado al sector eléctrico del país a un círculo vicioso de apagones, altos
costos operativos, grandes pérdidas de las compañías de distribución, altas pérdidas de
energía por el mal estado de las redes de transmisión y distribución y costos muy altos para
los consumidores, ya que muchos dependen de una fuente de energía alterna auto generada
1
muy costosa. Asimismo, la crisis energética se ha constituido en una carga fiscal relevante
para el gobierno, a través de altos subsidios directos e indirectos para el sector (Attali, 2010).
La gravedad y la magnitud de la situación eléctrica, unido a la dispersión institucional y
de funciones que ha afectado el sector, han motivado la elaboración de una cantidad
considerable de trabajos y estudios, varios enmarcados en la realización de una evaluación
diagnóstica y en el planteamiento de recomendaciones y planes de acción de corto, mediano y
largo plazo (CONEP, 2008). Una de las debilidades que presentan estos trabajos, es la
ausencia de modelos económicos y de un tratamiento formal del problema, desde el punto de
vista investigativo.
El hecho de no aplicar modelos econométricos debidamente probados, actualizados,
completos y adecuados a las características del sector eléctrico dominicano, ha generado
estimaciones sesgadas en lo referente al crecimiento de la demanda y del consumo sectorial;
y como consecuencia ha afectado la certidumbre de las decisiones estratégicas y operativas
tomadas por los entes reguladores en los últimos años. Uno de los aspectos que evidencia la
falta de proyecciones econométricas, es lo relacionado con la evolución de los precios de la
energía, un insumo fundamental para las empresas distribuidoras de electricidad, en lo que
respecta a las políticas de comercialización y para los organismos de regulación del gobierno,
en lo referente al desmonte del subsidio eléctrico que cubre el gobierno (CONEP, 2008).
En vista de lo anterior y dada la importancia que reviste el tema para el sector, el
objetivo principal que nos proponemos cubrir a través de este trabajo, es realizar un análisis
de series de tiempo del consumo, de los precios y del crecimiento de la demanda de energía
eléctrica en el país para el período enero 2004 a junio de 2012. La disponibilidad de los
patrones de comportamiento de los precios y de la demanda sectorial, será una información
valiosa, al momento de orientar planes para atacar aspectos sensibles que afectan el sistema,
2
como son, entre otros, la transformación de la matriz de generación, la proyección del
aumento en la capacidad de generación debido al incremento en la demanda y el desmonte
del oneroso subsidio eléctrico.
1.2 Justificación de la investigación
La electricidad es un servicio imprescindible de uso masivo que los hogares, comercios,
industrias e instituciones utilizan como la principal fuente para la iluminación y el
funcionamiento cotidiano de equipos, maquinarias y artefactos eléctricos.1 De ahí que, tiene
una singular importancia la estimación de la demanda y analizar el precio de la electricidad a
nivel desagregado, con el propósito de conocer los factores determinantes de su
comportamiento, el efecto que producen estos factores en el corto y largo plazo y así evitar
crisis en el suministro del servicio (Chumacero, Paredes y Sánchez, 2000).
La electricidad es un bien que no es almacenable, lo cual implica que la oferta y la
demanda de energía eléctrica debe igualarse en todo momento. La demanda por energía
eléctrica y potencia muestra un patrón cambiante en el tiempo, debido a la concentración del
consumo en determinadas horas del día y a la estacionalidad semanal y mensual.2 La función
de todo sistema eléctrico nacional interconectado es garantizar un suministro constante y
estable del servicio, con precios para las tarifas eléctricas competitivos (Fisher y Kayser,
1962).
__________________________
1
La energía eléctrica es el flujo de electrones que transcurren por un conductor durante un período de tiempo
y se mide normalmente en Watts hora (Wh) o sus múltiplos. La demanda por energía eléctrica del día es la
suma continua de la demanda por potencia D(t), donde t es el tiempo.
2
La potencia viene a ser la garantía de suministro para la demanda de los consumidores de electricidad en
cualquier momento y se mide en Watts o Vatios (W), o sus múltiplos: 1KW(Kilowatt)=1,00W(Watts),
1MW(Megawatts)=1,000KW, 1GW (Gigawatts)=1,000MW.
Partiendo de lo anterior, la solución de la crisis de desabastecimiento energético que ha
afectado a la RD desde los años 50 constituye una prioridad para el gobierno (Estrategia
3
Nacional de Desarrollo, República Dominicana 2030, 2011). Las repercusiones y los efectos
de la problemática energética se han extendido a todos los sectores de la economía,
particularmente al sector empresarial privado. Aproximadamente el 80% de los directores de
empresas consideran la cuestión eléctrica como un freno importante para el desarrollo y más
de la mitad de ellos, indican que se trata del obstáculo más importante a su actividad (Attali,
2010).
Aun cuando la mayoría de las estrategias diseñadas para la solución del déficit
energético, incluyen un diagnostico exhaustivo de la situación y planes para la solución del
problema, la realidad actual indica que estos planes no han tenido éxito. Esto contrasta con la
evidencia empírica de que una generación estable y un suministro eficiente de energía
eléctrica, podría crear nuevas oportunidades de inversión y externalidades positivas en otros
sectores de la economía (Rosenstein-Rodan, 1943).
Una de las iniciativas implementadas para resolver el problema eléctrico dominicano,
quizás la más controversial y criticada, ha sido la privatización de la generación, distribución
y comercialización de la energía a partir de 1997.3 Una de las principales limitantes del plan
privatizador, fue enfocar todos los esfuerzos en la vía de organizar y regular el sector, no
integrando al plan, lo referente al comportamiento de la demanda, la dinámica de los precios
y la tendencia de crecimiento del consumo de energía (CONEP, 2008). La organización de la
industria eléctrica como fue concebida a través de la privatización, requería de modelos
estructurales adecuados que permitieran
__________________________
3
A través de la Ley No.141-97, Ley General de Reforma de la Empresa Pública, se declaró de interés
nacional la reforma de la Corporación Dominicana de Electricidad (CDE).
realizar estimaciones de la demanda, de los costos y de los precios futuros de la energía; y del
impacto que sobre estas variables tendría el aumento del precio de los derivados del petróleo
(Pilipovic, 1998).
4
No existen evidencias de que como parte del proceso de privatización del sector
eléctrico dominicano, se haya realizado un análisis econométrico amplio y profundo de la
demanda, de la tendencia de crecimiento del consumo de energía y de la evolución de los
precios a los consumidores. El hecho, entre otros, de no haber dado la debida trascendencia a
estos aspectos endógenos del sistema, fue una de las causas principales, que ocasionó el
colapso financiero de las distribuidoras de electricidad, las denominadas EDES, situación que
ocasionó en agosto del 2006, la nacionalización, una nueva vez, de la distribución y
comercialización de la energía (Attali, 2010).4
El interés de enfocar este trabajo en el análisis de series de tiempo del tendencial del
consumo, del crecimiento de la demanda y de los precios de la energía eléctrica, mediante el
uso de modelos y técnicas econométricas, es conocer las características y particularidades del
comportamiento de estas variables dentro del sistema eléctrico dominicano. Bajo esta
premisa, el estudio proporcionará parámetros que podrían facilitar a los diferentes agentes
que interactúan en el mercado, la toma de decisiones, fundamentalmente, las relacionadas con
la formulación de estrategias de inversión y comercialización en el corto, mediano y largo
plazo (Velásquez, Dyner y Castro, 2007).
Otro de los usos que se podría dar a los resultados y a las conclusiones que se deriven
del análisis, es en la ponderación econométrica de los determinantes de los pre__________________________
4
Se denomina como EDES a las empresas que comercializan la distribución de la energía a nivel nacional. El
proceso de privatización otorgó la distribución y comercialización de energía a tres empresas: EdeSur para
la región Sur del país, EdeNorte a cargo de la región Norte y EdeEste con incidencia en la región Este.
cios de la energía a los usuarios finales del servicio, un insumo fundamental para los
organismos de regulación del gobierno dominicano, en lo que respecta a las decisiones
operativas y en la formulación de estrategias para el sector eléctrico. De manera particular,
5
uno de los aspectos que podrían ser abordado, es el que se refiere al establecimiento de
políticas focalizadas, para el desmonte del subsidio que transfiere el gobierno al sector
energético del país. En el año 2011, el subsidio del gobierno ascendió a US$900 millones, un
1.6% del PIB (Plasencia, 2011).
Este trabajo, adicionalmente, contribuirá a reforzar la literatura disponible en el país, la
cual se ha limitado, en una alta proporción de los trabajos existentes que tratan la cuestión; a
hacer un análisis de tendencias del consumo y del crecimiento de la demanda de energía
eléctrica, tomando simplemente como base las tasas de crecimiento históricas de estas
variables (Corporación Dominicana de Empresas Eléctricas Estatales [CDEEE], 2005),
(Corporación Dominicana de Empresas Eléctricas Estatales [CDEEE], Comisión Nacional de
Energía [CNE] y Superintendencia de Electricidad [SIE], 2006) y (Organismo Coordinador
del Sistema Eléctrico Integrado [OC], 2008). Asimismo, este análisis persigue despertar el
interés para que en el futuro se realicen otras investigaciones que puedan extenderse a otras
áreas que no han sido abordadas y que son importantes, en procura de dar una solución
integral a la crisis de la energía en RD.
1.3 Objetivos de estudio
En vista de la continua crisis en la que ha estado sumido el sector eléctrico del país desde el
punto de vista del tamaño del déficit para abastecer la demanda, el objetivo de este trabajo es,
en primer lugar, desarrollar un modelo de pronóstico sectorial para las series del consumo y
de la tendencia de crecimiento de la demanda de energía eléctrica en la República
Dominicana.
En segundo orden, sin que esto le otorgue menos trascendencia, nos proponemos elaborar un
modelo que permita analizar y ponderar, también sectorialmente, los determinantes de las
tarifas eléctricas en RD; dado que en el país la Superintendencia de Electricidad (SIE) opera
6
y aplica un sistema rígido en la regulación y establecimiento de los precios de la energía
eléctrica.
Esta investigación es de carácter econométrico y uno de los objetivos específicos del
trabajo, es proporcionar información de las elasticidades precio e ingreso de la demanda de
energía en los escenarios de corto y largo plazo, y del comportamiento de la variable del
subsidio eléctrico que cubre el gobierno en relación con el consumo.
En adición y de manera particular, nos planteamos como otro de los objetivos
específicos de esta investigación determinar el nivel de estacionalidad mensual de la demanda
de electricidad, con la finalidad de que se pueda planificar con mayor nivel de precisión los
niveles de generación de energía eléctrica.
Por otro lado, y dada la importancia que reviste el tema de los precios de la electricidad
que se aplican en RD, nos proponemos ponderar tomando como base los recursos disponibles
en el campo de la econometría y de la estadística, para los horizontes de corto y largo plazo,
el impacto en los determinantes de los precios de la energía, de la metodología seguida por la
SIE para la fijación y regulación de las tarifas.
Partiendo de la composición de la matriz de generación eléctrica existente en el país,
altamente dependiente de combustibles fósiles, un objetivo de orden específico que se
persigue analizar para los diferentes sectores de usuarios finales del servicio, es analizar el
impacto en las tarifas de los incrementos en el precio de los combustibles derivados del
petróleo; específicamente del fuel oil No.6.
Una peculiaridad de la investigación es que diferenciará el comportamiento de las variables
de consumo y de los precios de la energía para los sectores de usuarios, Residencial,
Comercial, Industrial, Gobierno y del Alumbrado Público, por lo que podría servir para que
7
el gobierno a través de los entes reguladores, adopte estrategias y políticas focalizadas de
atención y de solución de las ineficiencias y desajustes sectoriales.
Esta investigación cubrirá una serie de 8.5 años, con frecuencia mensual, la cual cubre
el período enero de 2004 a junio de 2012. Este período, se caracteriza por altas y bajas en el
suministro de energía eléctrica y por otros factores que han gravitado negativamente,
afectando la calidad y encareciendo el servicio; por tanto los datos recopilados permitirán
analizar el patrón de evolución y de regularidad de las variables sometidas a análisis. El
horizonte de tiempo que se plantea para la investigación, es representativo de lo que ha
ocurrido por años en el sector eléctrico dominicano, razón por la cual consideramos que el
uso de esta serie de tiempo generará resultados e informaciones que se corresponden con el
comportamiento típico que ha prevalecido en el sector por muchos años.
1.4 Formulación de hipótesis
Los resultados que arrojan los trabajos relacionados con el sector eléctrico, como se evidencia
en la revisión de literatura, demuestran que el tema de análisis propuesto,
presenta
complejidades, dadas las características del sector y las variables involucradas.
Para el caso de la RD, el abordaje reviste un mayor nivel de complejidad, debido a los
problemas sistémicos y estructurales que han estado presentes y gravitando sobre el sector
eléctrico dominicano.
En vista de lo anterior, nuestro trabajo se dirigirá a comprobar y contrastar aspectos del
sistema eléctrico dominicano, que aún cuando han sido analizados, requieren de una
investigación empírica más acabada, utilizando modelos econométricos y técnicas de
simulación de uso actual, que valide el comportamiento de las variables del consumo, de los
precios y del crecimiento de la demanda de energía eléctrica.
8
El hecho de que el sistema eléctrico dominicano ha operado con un déficit permanente
en la cobertura de la demanda y con una matriz de generación altamente dependiente de
combustibles derivados del petróleo, introduce variantes que podrían arrojar resultados, cuya
convergencia difiera de los resultados que presentan estudios similares, realizados en otros
países de América Latina.
En nuestro trabajo de investigación de series de tiempo del consumo, los precios y el
crecimiento en la demanda de energía eléctrica en RD, nos planteamos tres hipótesis
principales. La primera hipótesis plantea que el aumento del consumo sectorial de energía
eléctrica está directamente relacionado con el índice mensual de actividad económica,
utilizado como proxy del ingreso, y con la cobertura gradual de la demanda no satisfecha
dentro del sistema eléctrico nacional.
Entre los años 1990-2004, la tasa de crecimiento promedio anual de la demanda de
energía fue de un 10.4% (CDEEE, 2005), situación que guarda relación con la tasa de
crecimiento promedio anual del PIB para ese período que fue de un 4.8%. Chumacero et al.
(2000) y Henao et al. (2007) concluyeron en sus trabajos, que había una relación de
causalidad entre el cambio en el consumo de energía y el crecimiento de la actividad
económica, cuando se tomaban los datos totales de consumo de los sectores. Sin embargo,
para el caso de la RD este patrón de comportamiento debe ser sometido a verificación, ya que
el crecimiento en la demanda pudo haber sido originado por otras causales o por la
combinación de varios factores, dado que el sistema eléctrico nacional ha operado con déficit
en el abastecimiento de la demanda desde los años cincuenta.
Aun cuando para la primera hipótesis que se propone existe evidencia de correlación
entre el crecimiento de la demanda energética y el crecimiento del Producto Interno Bruto,
9
como ha sucedido en varios países del Sudeste Asiático (Asafu-Adjaye, 2000), hay otras
investigaciones en la cual los resultados presentan un comportamiento neutral entre estas dos
variables (Belke, Dreger y De Haan, 2010). De ahí que resultará de interés determinar, la
naturaleza y la dirección de la relación entre el aumento del consumo de energía eléctrica y el
crecimiento de la actividad económica; pero además será importante determinar qué
proporción del incremento en el consumo obedece a la cobertura de la demanda no
abastecida.
La segunda hipótesis propuesta es que el encarecimiento del precio de venta del kwh de
electricidad a los consumidores, obedece principalmente a la composición de la matriz de
generación eléctrica y en una menor proporción, a los términos de indexación del precio de
compra incluidos en los contratos de servicios suscritos por las distribuidoras con los
generadores.
En la actualidad el 40.5% de la matriz de producción de energía eléctrica en RD tiene
como fuente de generación combustibles derivados del petróleo, específicamente, el fuel oil
No.2 y el No.6, o una combinación de ambos. Estos dos tipos de combustibles han
experimentado una tendencia alcista en la última década, con un precio promedio en el 2012
para el barril de fuel oil No.2 de US$140.00 y para el de fuel oil No.6 de US$105.00, precios
que son 4 y 5 veces mayor, respectivamente, que el precio promedio del barril en el año 2000
(Bichara, 2013).
La condición contractual de compra de energía eléctrica a los generadores por parte de las
distribuidoras (EDES), se realiza bajo contratos cuyos precios son indexados sobre la base de
las fluctuaciones del precio del fuel oil No.6, lo cual implica que los precios de compra de las
EDES se encarecen en la misma medida que se eleva el precio del barril de petróleo. En el
año 2012 el 48% de la energía que compraron las EDES se efectuó bajo contratos cuyos
10
precios fueron indexados, situación que guarda relación con la forma en que está estructurada
la matriz de generación (Bichara, 2013).
Como consecuencia de lo anterior, el precio del kwh de eléctricidad en RD es dos veces
superior a la media observada en los países de la región, $0.23 dólares el kwh contra $0.10
que es el promedio para América Latina (Attali, 2010). Estos precios del kwh de electricidad
constituyen un elemento de freno para el desarrollo del país y afecta la economía de los
usuarios, que están obligados a pagar un precio alto por un servicio deficiente y de mala
calidad. Tal y como los demuestran trabajos realizados, el precio de la energía es impactado
directamente por el precio de los combustibles y por la tecnología utilizada para la generación
de electricidad (Guadagni, 1984).
En vista de que en el establecimiento de las tarifas del khw de electricidad para las
diferentes categorías de consumidores, la Superintendencia de Electricidad (SIE) además de
considerar el precio del barril del fuel oil No.6 también toma en cuenta otros parámetros
implicados, tales como la tasa de inflación de los EUA y la tasa de cambio del dólar (US$) en
el mercado extrabancario; con la validación de esta segunda hipótesis además de constatar la
evidente correlación causal entre el precio del barril del fuel oil y el precio del kwh de
electricidad, se persigue fundamentalmente contrastar en qué medida las fluctuaciones en el
precio de este combustible se encuentra reflejado en la estructura de precios del kwh fijada
por la SIE.
Utilizando modelos econométricos que incorporen los factores antes indicados, nos
proponemos hacer un análisis del comportamiento de las variables que impactan los precios
de la energía eléctrica y contrastar los resultados con la segunda hipótesis. En efecto, existe
evidencia empírica indicativa de las consecuencias de variaciones en el precio del petróleo en
11
la generación de energía y cómo la incertidumbre en los precios de la electricidad afecta el
consumo (Kuper y Van Soest, 2002).
La tercera hipótesis plantea que el consumo de energía para los diferentes sectores de
usuarios del servicio, es inelástico ante variaciones significativas en el precio de la
electricidad.
La validación de esta hipótesis, va en la dirección de verificar el grado de elasticidad
precio de la demanda de energía en la RD, cuando la Superintendencia de Electricidad (SIE)
ha autorizado aumentos significativos en la tarifa eléctrica para los sectores Residencial,
Comercial, Industrial, Gobierno y del Alumbrado Público. La teoría económica sobre el tema,
establece y confirma un comportamiento inelástico de los consumidores, ante alzas en los
precios de la energía.
Existe evidencia que demuestra que los usuarios del tipo Residencial responden
inversamente a las tarifas establecidas y directamente a los cambios en el ingreso percápita,
así como a las expectativas mínimas de consumo. Asimismo, existen trabajos que demuestran
que la demanda eléctrica en el corto plazo en el sector Industrial y Comercial es más elástica
que en el sector Residencial, pero que en el largo plazo la demanda se sitúa en el nivel
habitual de consumo (Fisher y Kayser, 1962; Dilaver y Hunt, 2010).
El modelo que se plantea procura comprobar la hipótesis de inelasticidad en el consumo de
electricidad para las diferentes categorías de usuarios del servicio en la RD, tanto para los
horizontes de corto y de largo plazo.
1.5 Estructura del contenido
En la segunda sección del presente trabajo, haremos una revisión de la literatura existente
sobre el tema, exponiendo los principales informes y trabajos que se han publicado en el
12
exterior y en el país sobre análisis de series de tiempo del consumo, precios del kwh y
crecimiento de la demanda de energía eléctrica. Posteriormente, en la tercera sección se
describe el Sistema Eléctrico Nacional Interconectado (SENI), para dar al lector una
panorámica de cómo está organizado el sector. En cuarto orden presentaremos el marco
teórico y la metodología de investigación.
Posteriormente, en la quinta sección haremos una descripción de los datos y variables
utilizadas. En la sección seis se presentan los resultados del análisis y hacemos una
interpretación de los mismos. Finalmente, en el apartado siete se exponen las conclusiones y
recomendaciones que se derivan de esta investigación.
13
Capítulo II
REVISIÓN DE LITERATURA
2.1 Trabajos seminales período 1950-1970
Los primeros trabajos que analizaron, desde el punto de vista prospectivo y a través de series
de tiempo, el comportamiento de la demanda de energía eléctrica y de la elasticidad precio de
la demanda, se remontan a la década de los cincuenta y se enfocaban principalmente en el
consumo residencial. Estos estudios, realizados en Reino Unido y posteriormente en Estados
Unidos, estaban dirigidos, fundamentalmente, a establecer la estabilidad de los parámetros de
la función de demanda y la adecuación de sus signos a algún enfoque teórico, determinar el
comportamiento de la demanda ante variaciones significativas de los precios y a ponderar el
costo-beneficio derivado de la relación entre usar la energía eléctrica o el gas (Dergiades y
Tsoulfidis, 2008).
Houthakker (1951), realizó en Reino Unido un estudio en el que analizaba el consumo
eléctrico residencial utilizando datos de corte transversal, encontrando una relación estable
entre la demanda de energía, la elasticidad precio, con signo negativo y la de los ingresos de
los hogares, con signo positivo.
En Estados Unidos de América (EUA), el trabajo seminal de Fisher y Kayser (1962)
analizando la demanda de electricidad en el período 1946-1957, planteó un modelo lineal en
dos etapas para estimar el consumo en el corto y largo plazo. En el corto plazo, de acuerdo
con el modelo, el consumo residencial estaba determinado por el ingreso y por el precio de la
electricidad, mientras que en el largo plazo el consumo era afectado por la cantidad de
enseres eléctricos, los ingresos esperados por el hogar y los precios proyectados de la energía.
Fisher y Kayser concluyeron que existía un comportamiento inelástico de la demanda de
electricidad residencial en relación con el precio y que la demanda eléctrica en el sector
14
industrial era más elástica que en el sector residencial. En adición, establecieron que en el
largo plazo no influyen en la demanda ni el precio de la electricidad ni el costo de los
accesorios para las acometidas eléctricas que debían pagar los consumidores.5
En Gran Bretaña, Baxter y Rees (1968) efectuaron un análisis de la demanda de energía
eléctrica en el sector industrial analizando datos anuales de una serie de tiempo de 10 años,
entre los años 1954-1964, y concluyeron que los cambios de precios relativos de la energía,
no son un determinante importante en el crecimiento del consumo. Asimismo, indicaron que
los cambios en el combustible utilizado para la generación de electricidad y las
modificaciones importantes en el proceso de producción industrial, sí eran determinantes para
el crecimiento de la demanda de energía.
Houthakker y Taylor (1970), empleando datos anuales de EUA para 28 bienes
concluyen que la formación de hábitos es claramente predominante en el consumo eléctrico
residencial de los Estados Unidos. El modelo formulado por estos autores constituye el
primer modelo de demanda dinámico, poniendo en evidencia el efecto de los inventarios de
enseres eléctricos y la influencia de los hábitos que surge del consumo pasado sobre la
demanda presente. El mecanismo dinámico en este modelo es una variable de estado, en la
cual el gasto en el consumo está determinado por la influencia del consumo pasado. El
coeficiente de la variable de estado indica un efecto de ajuste de inventario cuando es
negativo y un efecto de formación de hábitos cuando es positivo.
__________________________
5
Una acometida eléctrica, es la parte de la instalación eléctrica que se construye desde las redes públicas de
distribución, hasta las instalaciones del usuario.
2.2 Literatura surgida a raíz de la crisis del petróleo (1973-1988)
15
Las crisis energéticas que se produjeron en varios países a partir del año 1973, causó
preocupación y planteó el escenario ideal para la realización de una amplia gama de
investigaciones en relación con el tema de la energía eléctrica, tanto desde la óptica de las
demandas sectoriales como también focalizando el impacto de los altos precios en las
economías de las naciones. En consecuencia, durante toda la década de los 70 la literatura
incluyó análisis econométricos con modelos multivariables y utilizando técnicas modernas,
dirigidos a realizar proyecciones de precios, de la demanda y del consumo eléctrico
(Dergiades y Tsoulfidis, 2008).6
En el caso específico de la literatura sobre la estimación de la demanda residencial de
electricidad, en este período se distinguen tres enfoques claramente diferenciados: los que
modelan solo el consumo de electricidad, los que consideran de manera conjunta la tenencia
de bienes durables y la demanda por electricidad y por último los estudios que estiman la
demanda de electricidad para cada categoría de artefactos eléctricos.
Houthakker, Verleger y Sheehan (1973), analizaron la demanda residencial de
electricidad usando series de tiempo anuales y datos de corte transversal de los estados de
EUA para los años 1960 a 1971. Se empleó un modelo logarítmico de ajuste parcial
siguiendo a Houthakker y Taylor (1970), en el cual el ratio del consumo del período actual
con respecto al período anterior es proporcional al ratio de la demanda deseada para el
período actual con respecto a la demanda del período previo.
__________________________
6
La crisis del petróleo de 1973, también conocida como primera crisis del petróleo, comenzó el 17 de
octubre de 1973, a raíz de la decisión de la Organización de Países Árabes Exportadores de Petróleo, que
agrupaba a los países árabes miembros de la OPEP más Egipto, Siria y Túnez, con miembros del golfo
pérsico de la OPEP, de no exportar más petróleo a los países que habían apoyado a Israel durante la guerra
del Yom Kippur (llamada así por la fiesta judía Yom Kippur), que enfrentaba a Israel con Siria y Egipto.
Esta medida incluía a Estados Unidos y a sus aliados de Europa Occidental.
Entre los primeros trabajos en los cuales se utilizaron datos de panel y se realizaron
estimaciones del consumo y de las elasticidades precio e ingreso de la demanda, se destacan
16
los trabajos de Anderson (1973) y Mount et al. (1973) para toda la demanda de electricidad
en Estados Unidos y el de Houthakker et al. (1974) en el ámbito residencial. Posteriormente,
Lyman (1978) analiza el consumo residencial, comercial e industrial, incorporando funciones
de demanda no lineales.
En esta misma línea, el trabajo de Parti y Parti (1980) en EUA, modeló el consumo de
los hogares implementando un método que permitía estimar razonablemente el consumo por
enseres domésticos. Mediante la estimación de un modelo que introduce un conjunto de
variables dummies, una para cada tipo de artefacto, logran obtener elasticidades precio para
el consumo de cada electrodoméstico y analizar los cambios derivados de diferencias en las
características de las residencias o de sus miembros.
Utilizando modelos de elección discreto-continua Dubin y McFadden (1984), derivan la
demanda de electricidad residencial de un proceso de maximización de utilidad en EUA. Al
considerar la demanda de energía eléctrica de los hogares como el resultado de la tenencia de
enseres electrodomésticos, adoptan una metodología en dos etapas. En la primera etapa
capturan el proceso de elección del hogar entre distintos aparatos intensivos en el uso de
energía y la posible sustitución entre gas natural y electricidad; y en la segunda fase emplean
las probabilidades predichas con la finalidad de estimar el consumo eléctrico del hogar.
Con el interés de definir una fórmula que permitiera facturar a los consumidores el
precio real de la electricidad en EUA, Schweppe et al. (1988) desarrolló un modelo de
proyección de precios de la energía sobre la base del precio en el mercado ¨spot¨ de la
electricidad. Los autores, en su planteamiento para pronosticar volúmenes de oferta y
demanda, incluyen un determinante de precios que refleja tanto la variación horaria como
geográfica y que además lleva explícitos los atributos de calidad y seguridad en el servicio
(seal price). Es decir, un precio certificado bajo firma de un notario público.
17
2.3 La proliferación de literatura a partir de 1990
A partir de los años noventa es cuando la literatura empírica sobre la demanda de electricidad
se vuelve más prolífera, extensa y sofisticada. Una gran cantidad de los trabajos parten de
modelos econométricos de una ecuación para estimar el consumo de electricidad y para
calcular las elasticidades precio e ingreso de la demanda, principalmente para los sectores de
usuarios residenciales e industriales.
En Grecia, Donatos y Mergos (1991) a partir de un modelo lineal de ecuaciones
examinaron los determinantes del consumo residencial de electricidad durante un período de
25 años, desde 1961 a 1986. Llegaron a la conclusión de que la demanda residencial de
electricidad en este período es inelástica al precio (-0.58) y elástica al ingreso (1.56).
Asimismo, identificaron que existía una alta posibilidad de sustitución entre la electricidad y
el gas licuado de petróleo (GLP) para uso en la cocción de alimentos y determinaron que no
había variaciones regionales en la demanda de electricidad residencial.
Hendricks y Koenker (1992), utilizaron métodos de regresión por cuartiles
condicionales y parametrizaciones del tipo ¨spline¨,7 para modelar la demanda de
__________________________
7
El término ¨splines¨ hace referencia a una amplia clase de funciones que son utilizadas en aplicaciones que
requieren la interpolación de datos, o un suavizado de curvas. Los ¨splines¨ son utilizados para trabajar
tanto en una como en varias dimensiones. Las funciones para la interpolación por ¨splines¨ normalmente se
determinan como minimizadores de la aspereza sometidas a una serie de restricciones.
electricidad horaria de cuatrocientas residencias ubicadas en el área metropolitana de
Chicago, medidas durante cuatro meses en 1985. Los resultados empíricos muestran que la
demanda de energía varía muy poco entre los hogares residenciales. Sin embargo, los
cuartiles superiores de la distribución de la demanda variaban considerablemente y esto
estaba relacionado con las características de los hogares.
18
Al año siguiente, Harris y Liu (1993) utilizando datos mensuales desde enero de 1969 a
diciembre de 1990, analizaron en el sureste de EUA el consumo de electricidad y diversas
variables potencialmente relevantes, tales como el clima, el precio, y los ingresos de los
consumidores. Dada la naturaleza del ciclo anual del tiempo, varias de estas series de tiempo
son altamente estacionarias, razón por la cual se utilizó un modelo de función de
transferencia (LFT), para determinar su estructura, dinámica y para determinar los niveles
futuros de consumo de electricidad. El hallazgo más importante del estudio es que el precio
tiene implicaciones importantes para estimar y proyectar la demanda de energía eléctrica.8
Silk y Joutz (1997), estimaron un modelo de corrección de errores (MCE) de la
demanda eléctrica residencial anual en EUA para el período 1949-1993.9 Utilizando técnicas
de cointegración del tipo de Engle y Granger (1987), los autores determinaron para los
horizontes de corto y de largo plazo el efecto en el consumo de electricidad del precio de la
energía y del ingreso de los hogares y además incorporaron al modelo variables para capturar
el impacto en la demanda de las variaciones en el precio del fuel
__________________________
8
Una función de transferencia es un modelo matemático que a través de un cociente relaciona la respuesta
modelada de un sistema, a una señal de entrada o excitación también modelada. En la teoría de control, a
menudo se usan las funciones de transferencia para caracterizar las relaciones de entrada y salida de
componentes o de sistemas que se describen mediante ecuaciones diferenciales lineales e invariantes en el
tiempo.
9
El mecanismo de corrección de errores (MCE) consiste en una especificación econométrica que permite
vincular el análisis de equilibrio de largo plazo con la dinámica de ajuste de corto plazo, como una medida
de desviación del equilibrio.
oil y el efecto estacional de la temperatura y el nivel de uso de enseres domésticos. El modelo
de corrección de errores le permitió a Silk y Joutz determinar las elasticidades de corto y de
largo plazo, encontrando que la elasticidad ingreso de largo plazo era aproximadamente de un
0.5 y que la elasticidad precio a largo plazo era de -0.25.
Maddala et al. (1997), en EUA estimó las elasticidades precio e ingreso de la demanda
residencial de electricidad para 49 estados, utilizando una serie de tiempo de 21 años. Los
19
autores emplearon un modelo lineal, en el cual los datos fueron segmentados y se incluyeron
variables binarias, para especificar condiciones cualitativas que diferenciaban a los hogares.
Se encontró que los coeficientes representativos de la elasticidad precio e ingreso de la
demanda de largo plazo, en ese mismo orden, oscilaban entre -1.03 a -0.22 y 1.58 a 0.04.
Smith (1998), modeló 264 datos mensuales de demanda residencial tomados del trabajo
realizado por Harris y Liu (1993), usando cuatro variables independientes e implementando
una metodología basada en una aproximación bayesiana para regresión ¨spline¨ no
paramétrica, con errores auto correlacionados.10 El resultado del modelo indicaba variaciones
poco significativas en la demanda ante cambios en los precios.
García-Cerruti (2000), utilizando series de tiempo con variables aleatorias
correspondientes a los años 1983 al 1997, aplicando cointegración y el mecanismo de
corrección de errores (MCE) sugerido por Engle y Granger (1987), estimó la demanda de
electricidad residencial y de gas natural para California, Estados Unidos. En el estudio se
concluyó que la elasticidad precio de la demanda de energía de corto y de largo plazo era de 0.13 y -0.17, respectivamente.
__________________________
10
Una aproximación bayesiana, es una inferencia estadística en la que las evidencias u observaciones se
emplean para actualizar o inferir la probabilidad de que una hipótesis pueda ser cierta.
Enfocando el impacto del precio de petróleo en la generación de energía, Kuper y Van Soest
(2002) en Holanda, utilizaron datos mensuales de los precios del petróleo durante el período
1970-2002, para analizar cómo la incertidumbre en los precios de la energía afecta el
consumo y establecer un mecanismo de medición de precios bajo incertidumbre. Estos
autores arribaron a las siguientes conclusiones: 1) un aumento de los precios de energía
eléctrica tenía un efecto relativamente pequeño sobre el consumo, mientras que el impacto de
una disminución de los precios de energía, implicaba un consumo mayor; 2) el efecto
20
asimétrico en la relación precio-consumo, estaba exacerbado por la incertidumbre. En
resumen, cuanto mayor sea la incertidumbre de los precios, menor será la elasticidad precio
del consumo y cuando los precios están aumentando, mayor será la elasticidad precio de la
demanda de energía.
Damsgaard (2003), usando datos de corte transversal para 1,600 hogares de Suecia
durante el año de 1997 estimó la demanda residencial de electricidad mediante el método de
mínimos cuadrados ordinarios (MICO). El modelo empleado por Damsgaard consta de dos
ecuaciones de comportamiento, una ecuación para la demanda de electricidad de largo plazo
condicionada al stock de bienes durables y otra ecuación para la demanda de los bienes
durables. Los resultados estimados, confirman la hipótesis de que la información acerca del
stock de artefactos, además de la información económica y demográfica, fue estadísticamente
significativa, pero que la información acerca del comportamiento y las actitudes del usuario
fueron menos significativas.
Hondroyiannis (2004), utilizando datos mensuales del período 1986-1999 y tomando
como antecedente el modelo de Donatos y Mergos (1991), estimó en Grecia para el largo y
corto plazo un modelo de corrección de errores (MCE) centrado en cuestiones relacionadas
con la estabilidad estructural de la economía, el precio y la sensibilidad de los ingresos. Los
resultados indicaron que en el largo plazo la demanda residencial de electricidad era afectada
por cambios en los ingresos y los niveles de precios reales y en las temperaturas medias. En
el largo plazo el valor de la elasticidad ingreso se estimó que era igual a 1.5, mientras que el
valor de la elasticidad precio de la demanda era igual a -0.4.
Ferrer y López (2005), al analizar el comportamiento de los precios en los mercados
reestructurados, es decir mercados liberalizados, desregulados o competitivos,
de
electricidad, de diversas partes del mundo; proporcionaron un análisis detallado de las
21
propiedades distributivas y de la dinámica de los precios de contado para el sector eléctrico.
Para la muestra de países incluidos en el estudio se presentan los diferentes factores que
determinan el complejo y variado comportamiento de la evolución de los precios, en sistemas
eléctricos donde se habían operado cambios estructurales significativos, tales como,
privatizaciones y nacionalizaciones.
Reiss y White (2008), analizaron el consumo de energía en California, EUA, durante un
período en que se produjeron cambios sin precedentes en los precios y al mismo tiempo la
aplicación de políticas públicas que llamaban al ahorro y a la conservación de la energía
eléctrica. Los resultados evidenciaron que el promedio de consumo de los hogares cayó un
13% en un corto espacio de aproximadamente 60 días, en respuesta a un incremento de los
precios. Asimismo, los datos revelaron que el promedio de los hogares redujo su consumo de
manera significativa durante los llamados públicos del Estado a ahorrar energía, a pesar de
que no se ofrecía ningún incentivo para hacerlo.
Dilaver y Hunt (2010) en Turquía, desarrollaron un modelo econométrico para estimar
el consumo industrial basado en la cointegración de variables y tomando en consideración los
cambios estructurales del sistema eléctrico del país, las pausas en el comportamiento de la
demanda eléctrica y los shocks en los precios de la energía originados por alzas inusitadas en
el costo de los combustibles. Se concluyó que el valor del añadido industrial estimaba la
elasticidad en un 0.15 y la estimación de la elasticidad precio de la energía industrial en 0.16.
En Sri Lanka, Athukorala y Wilson (2010) estiman los efectos de corto y largo plazo de
la demanda residencial de electricidad, utilizando el enfoque de cointegración con el modelo
de corrección de errores (MCE) de Engle y Granger (1987). Los autores incluyeron como
variables explicativas del modelo un precio promedio del kwh de elaboración propia, el PIB
22
percápita real, precio promedio del queroseno, el gas licuado de petróleo y el consumo
promedio residencial en kwh de 1960 al 2007. Athukorala y Wilson concluyen que el
consumo tiene una elasticidad precio de corto plazo de -0.16 y de largo plazo de -0.62, así
como una elasticidad ingreso de corto plazo de 0.32 y de largo plazo de 0.78.
2.4 Evidencia de literatura sobre el tema en América Latina
Delfino y Givogri (1980), al realizar un análisis de los determinantes del consumo de energía
eléctrica residencial en Argentina, presentaron como su principal hallazgo para fines
predictivos, la existencia de una baja sensibilidad de la demanda de electricidad ante cambios
en los precios de la energía. El coeficiente de la elasticidad precio de la demanda, calculado a
largo plazo, estuvo comprendido entre -0.19 y -0.42.
Utilizando un modelo lineal que estimaba el costo de las interrupciones en los hogares,
Westley (1983) estimó la demanda residencial de energía eléctrica para Paraguay.
Posteriormente, Westley (1984) aplicó la misma metodología para Costa Rica. En ambos
trabajos se obtuvieron elasticidades precio e ingreso de la demanda menores, en comparación
con investigaciones realizadas en países desarrollados.
En Argentina, Guadagni (1984) ponderó el rol de la sustitución del petróleo en la
producción de energía e introdujo en su modelo de series de tiempo otros combustibles para
la generación, incluyendo alternativas provenientes de fuentes renovables. Los hallazgos de
estas interacciones arrojaron como resultado, para el corto y largo plazo, precios más
reducidos para la energía eléctrica generada. No obstante, el trabajo destacaba como factor
importante y limitante, el monto de las inversiones de capital requeridas para proyectos de
generación sustentados en fuentes renovables.
23
Mateos, Rodríguez y Rossi (1999), cuantificaron el impacto de los diferentes
determinantes de la evolución de los precio en el mercado eléctrico mayorista en el período
comprendido entre agosto de 1992 y diciembre de 1998, período en el que se formalizó el
mercado eléctrico mayorista en Argentina. En ese sentido, se estimó un modelo de
ecuaciones simultáneas con mínimos cuadrados en dos etapas, concluyendo que las
variaciones de precio pueden ser explicadas, vía demanda, por las variaciones en el nivel de
actividad y la temperatura, y vía oferta, por la potencia disponible, el precio del gas natural y
la generación hidráulica de energía.
En Chile, Chumacero, Paredes y Sánchez (2000), a raíz de la crisis de abastecimiento de
electricidad que afectó a ese país en el 1999, desarrollaron un modelo para estimar la
demanda de energía eléctrica para el consumo de los clientes regulados. Utilizando
información mensual de generación, de precios de la energía e incluyendo el Índice Mensual
de Actividad Económica (IMACEC) computado por el Banco Central de Chile como variable
de escala, los autores estimaron un modelo bajo tres formas funcionales: lineal,
semilogarítmica y logarítmica; arribando a una elasticidad precio de corto y de largo plazo de
-0.09 a -0.02 y -0.79 a -0.34, respectivamente.
Posteriormente, Montero y Rudnick (2000) en Chile, hicieron un intento por construir
modelos que estimaran las pérdidas que sufrían los consumidores, al utilizar esquemas de
precios uniformes en sistemas eléctricos con gran variabilidad en la oferta y demanda de
energía. Utilizando datos de elasticidad precio de la demanda y series de precios del mercado
¨spot¨ para el período 1986-1999, concluyeron que las pérdidas de los consumidores en el
corto plazo para el segmento regulado, fluctuaban entre el 5% y el 10%. Estos resultados
sugerían estudiar seriamente la posibilidad de implementar esquemas de precios más
flexibles.
24
En México, Chang y Martínez-Chombo (2003) con series de tiempo de 1985 al 2000 y
utilizando cointegración con el modelo de corrección de errores (MCE) sugerido por Engle y
Granger (1987), estimaron los efectos de corto y largo plazo del consumo de energía eléctrica
para tres sectores: residencial, comercial e industrial. La diferencia del modelo empleado por
los autores y el MCE generalmente aplicado, es que se asumen que los parámetros son
variantes en el tiempo. Los autores concluyeron que usar este procedimiento genera
coeficientes mas pequeños respecto al MCE tradicional y encuentran que la elasticidad
ingreso es menor que 1 para los tres sectores y que la elasticidad precio de la demanda se
vuelve irrelevante en el largo plazo.
Ulteriormente para el mercado eléctrico chileno, Benavente, Galetovic, Sanhueza y
Serra (2004) estimaron la demanda residencial de electricidad con un panel de 18 empresas
distribuidoras de energía y empleando datos mensuales de enero de 1995 a diciembre del
2001. Se presentó un modelo lineal que permitió determinar las elasticidades precio e ingreso
de la demanda de corto y largo plazo, sin emplear datos sobre el stock de equipos de los
hogares. Se partió como supuesto para el modelo que el consumo deseado es aquel que
elegirían los usuarios del servicio si su stock de equipos estuviera en su óptimo de largo
plazo. Por lo tanto, en un momento dado el stock de equipos y el consumo de energía serían
distintos al equilibrio de largo plazo.
Barrientos, Olaya y González (2007), tomando la experiencia de Hendricks y Koenker
(1992), emplearon modelos ¨spline¨ jerárquicos, para determinar el consumo de energía en el
Valle del Cauca en Colombia. Los resultados indicaron una fuerte relación de la variable
macroeconómica del Producto Interno Bruto (PIB) y la demanda de energía eléctrica del
Valle del Cauca. En ese sentido, se concluyó, que los modelos que consideran la tasa de
25
crecimiento de esta variable, eran adecuados para el pronóstico de la demanda horaria en este
caso particular.
Para estudiar los posibles vínculos en el corto y largo plazo entre el consumo de energía
y la evolución del ingreso real de los consumidores y el crecimiento económico, Henao et al.
(2007) en Colombia, utilizó un modelo multivariable de cointegración y se concluyó, que
había una relación de causalidad entre el cambio en el consumo de energía y el crecimiento
económico, cuando se tomaban los datos totales de consumo de los sectores.11 No obstante, la
causalidad no era consistente para el modelo de consumo con los datos de energía residencial
y comercial, pues no parecía haber una relación en el cambio del consumo de energía versus
el crecimiento del Producto Interno Bruto.
Botero y Cano (2008) en su trabajo para la predicción de los precios de la energía en la
bolsa de Colombia, presentaron una metodología para la implementación de mode_____________________
11
Cuando se ponen a prueba varios sistemas de regresión: regresión con variables sin transformar, con
variables diferenciadas y mediante función de transferencia, presentando todas ellas problemas de ajuste en
los datos; se comprueba que las tres variables están cointegradas y que existe una ecuación de regresión, a
través de un mecanismo de corrección de errores (MCE) y se ajustan correctamente las variables.
los de regresión, tomando en cuenta las tendencias, estacionalidad anual y errores auto
regresivos. La diferencia de este estudio, en comparación con otros realizados, es que la
proyección se hace para pronósticos mensuales, no anuales y concluye que para llegar a
estimaciones con un alto grado de precisión se requiere construir un modelo que simule el
proceso de formación de los precios de bolsa de la energía.
En un trabajo sobre los precios de la energía utilizando datos de plantas manufactureras
de Chile correspondientes al período 1992-2005, Álvarez, García y García (2008) analizaron
si los incrementos de los precios de la energía habían estado relacionados con reducciones de
la productividad de las plantas. Los resultados indicaban que la caída en la productividad a
partir del año 2000, era un fenómeno presente en la mayoría de los sectores manufactureros.
26
Las estimaciones revelaron una relación negativa y significativa entre productividad y costo
de la energía.
Para el sector residencial, en la ciudad de Medellín, Colombia, Tabares, Hernández y
González (2009) aplicando un modelo de lógica difusa (LD) dirigieron sus esfuerzos a
pronosticar el consumo de energía eléctrica. El objetivo de este trabajo consistió en hallar una
función f(x) obtenida con lógica difusa, que permitiera elaborar un mapa del consumo de
energía eléctrica. El resultado más relevante es que el modelo de LD propuesto, predice la
evolución horaria de la demanda de electricidad del sector residencial con una precisión del
8%.12
También en Colombia, Velásquez, Franco y García (2009) al presentar un trabajo para
la predicción de la demanda de electricidad, emplearon tres modelos de pronóstico,
______________________
12
La lógica difusa (LD), se utiliza cuando la complejidad del proceso que se analiza es muy alta y no existen
modelos matemáticos precisos, para procesos altamente no lineales y cuando se envuelven definiciones y
conocimientos no estrictamente definidos, imprecisos o subjetivos.
el ARIMA13, un perceptron multicapa (MLP)14 y una red neuronal (ARNN).15 Los resultados
revelaron que la red neuronal auto regresiva es capaz de pronosticar la demanda con mayor
precisión que los otros dos modelos, cuando la totalidad de los datos es considerada. Además,
se encontró que el modelo MLP presenta un comportamiento diferente tal y como lo
evidencia la diferencia entre la magnitud y el signo de sus residuales, cuando son comparados
con los residuos obtenido por los otros dos modelos considerados. Los resultados reportados
sugieren recomendar el uso de los modelos ARNN para la predicción de la demanda de
electricidad.
Blümel, Domper, Espinosa (2010) por medio de cointegración y modelos de corrección
de errores (MCE), investigaron la relación entre el crecimiento económico y los precios de la
27
energía en Chile para el periodo 1992-2007, sobre la base de una función de producción
neoclásica que incorpora energía, además de trabajo, capital y patentes como proxy del
cambio tecnológico en la economía. Los resultados obtenidos indican que alzas sostenidas en
el precio de la energía reducen la tasa de crecimiento de largo plazo de la economía Chilena.
La elasticidad precio del producto fluctúa entre 2%
______________________
13
ARIMA (autoregressive integrated moving average): en estadística y econometría, en particular en series
temporales, es un modelo autoregresivo integrado de media móvil. Es un modelo estadístico que utiliza
variaciones y regresiones de datos estadísticos, con el fin de encontrar patrones para una predicción hacia el
futuro.
14
MLP (Multi Layer Perceptron): es un perceptron multicapa que se utiliza para resolver problemas de
asociación de patrones, segmentación de imágenes, compresión de datos, etc. El perceptron multicapa es
una red neuronal artificial (RNA) formada por múltiples capas, esto le permite resolver problemas que no
son linealmente separables.
15
Un ARNN (Analog Recurrent Neural Network): es una red neuronal compuesta por (n) procesadores
elementales llamados neuronas. Cada neurona tiene asociado un valor de activación, en cada instante
discreto de tiempo y la red neuronal recibe (x) entradas binarias. La dinámica de la red consiste en calcular
los valores de activación de las neuronas de acuerdo a las entradas y los valores de activación de las
neuronas, en el instante de tiempo anterior. Cada neurona calcula su valor de activación de acuerdo a una
ecuación.
y 4%. Además, el precio de la energía afectaría al producto solo en el largo plazo. En el corto
plazo, no se observan efectos significativos sobre la tasa de crecimiento del producto.
En Argentina, Bastos, Castro, Cristia y Scartascini (2011), en una consultoría financiada
con fondos del Banco Interamericano de Desarrollo (BID), evaluaron en Buenos Aires el
efecto en los precios de la energía, por la vía de los aranceles que se cobraban al gas natural
y su impacto en el corto plazo en el consumo. Los resultados sugieren que un aumento en los
precios induce a un descenso significativo, importante y rápido en el consumo de energía
residencial; un aumento del 25% en los precios del gas redujo el consumo residencial un
3.8% en un plazo de dos meses.
García, Gaviria y Salazar (2011) realizaron en Colombia, un estudio de los
determinantes del precio de la energía en el mercado no regulado, concluyendo que los
28
precios de los contratos no regulados presentan una alta correlación con respecto a los precios
de la bolsa de energía. Se encontró que debido a la existencia de una gran volatilidad en los
precios de bolsa, los precios de los contratos no regulados aumentarían, debido a que un
número mayor de agentes del mercado mayorista acudiría a cubrirse mediante dichos
contratos. Las elasticidades obtenidas revelaban que un incremento de 10% en el precio de la
energía estaba asociado a una reducción en el corto plazo de la productividad de menos del
1%, pero de un poco más del 2% en el largo plazo.
2.5 La literatura sobre el tema en República Dominicana
En la RD la literatura existente sobre el tema es escasa y los trabajos publicados han sido
elaborados o patrocinados por los organismos reguladores, como parte de las evaluaciones
diagnósticas que se han realizado al sector eléctrico dominicano. Los trabajos más relevantes
dados a conocer, se presentan a continuación.
En el año 2005 la Corporación Dominicana de Empresas Eléctricas Estatales (CDEEE),
en un proyecto de evaluación para la instalación de una planta a carbón de 1,200 megavatios,
realizó un análisis de la demanda y generación proyectada de energía sobre una base histórica
que consideró el período 1990-2004. Como soporte del estudio para la proyección de energía
y potencia, se evaluó la demanda histórica del sistema, tomando como base la energía
generada, la demanda de energía insatisfecha estimada, así como la potencia abastecida y el
déficit de energía. Las proyecciones se basaron en el uso de tendencias históricas y no en la
aplicación de modelos econométricos. El análisis concluyó que la energía generada durante el
período 1990-2004, registró un crecimiento promedio anual de 10.4%.
Por encargo del Consejo Nacional de la Empresa Privada (CONEP) y utilizando cifras
del Órgano Coordinador del Sistema Eléctrico Interconectado Dominicano, Llarens (2008),
29
realizó una proyección de la demanda abastecida de electricidad, sobre la base de las tasas de
crecimiento acumuladas, para lo cual tampoco utilizó modelos econométricos. La conclusión
de este trabajo fue que la demanda abastecida crecería cerca de un 44% en los próximos 4
años, es decir del 2008 al 2012, lo que implicaba un esfuerzo significativo para el sistema
eléctrico. De hecho durante el período 2008-2012 y debido a múltiples factores la demanda
abastecida de energía apenas creció en un 24.4% (SIE, 2012).
La Fundación Bariloche (FB) (2008) en un trabajo realizado para la Comisión Nacional
de Energía (CNE) sobre la prospectiva de la demanda de energía en la República
Dominicana, utilizando una serie de tiempo de 1970 a 2005 planteó el empleo comparativo
de métodos econométricos (Escenario Tendencial) y del modelo LEAP (Escenario
Alternativo) para realizar una estimación anual de la demanda y requerimientos de energía
para los años del 2005 al 2025. Una característica particular de este estudio es que analizaba
la demanda de energía eléctrica para los sectores residencial, de servicios e industrial, así
como las demandas de gasolina, gas licuado de petróleo (GLP), gasoil y avtur para el
transporte y otros sectores de consumo.16
En lo que concierne a la demanda eléctrica, el análisis econométrico realizado empleó
un modelo lineal en logaritmo empleando como variable explicativa en la estimación para los
sectores residencial y de servicio el PIB percápita y para la categoría industrial el valor del
agregado sectorial. En adición se incluyó el precio promedio de las tarifas, el porcentaje de
población urbana y variables del tipo binario dirigidas a diferenciar los períodos de crisis de
abastecimiento y los años en que se contaba con cifras del consumo no facturado o de auto
producción de electricidad.
En el resumen ejecutivo del informe de la Fundación Bariloche (2008) sobre la
prospectiva de la demanda de energía en la República Dominicana, se concluye:
30
a) Sector energía ampliado: ¨En el caso del Escenario Tendencial, el consumo final
de energía crecerá al 2.8%, lo que equivale a una elasticidad con respecto del PIB
de 0.79, mientras que en el Horizonte Alternativo la evolución de la demanda
final de energía en el período 2006-2025 será del 4.1%, elasticidad respecto del
PBI de 0.8¨. (p.24)
b) Sector de energía eléctrica residencial: ¨las elasticidades calculadas de la demanda
por habitante respecto al PIB percápita fue de 0.95 en el Escenario Tendencial y
de 0.82 en el Escenario Alternativo¨. (p.22)
______________________
16
El modelo LEAP (Long-range Energy Alternatives Planning System) fue desarrollado por el Stockholm
Environment Institute y el Boston Center at the Tellus Institute. El LEAP es un modelo de simulación
compuesto por 6 módulos y una base de datos ambiental a partir de la cual se calculan los impactos
ambientales asociados a la evolución prevista del sistema energético. Los 6 módulos están destinados al
análisis de: Demanda, Biomasa, Abastecimiento, Ambiental, Evaluación de Escenarios y Agregación de
Resultados.
c) Energía eléctrica sector servicios: ¨las elasticidades de la demanda total con
respecto al ingreso medio de la población fueron 2.22 en el Escenario Tendencial
y 1.66 en el Escenario Alternativo¨. (p.22)
d) Sector de energía eléctrica industrial: ¨las elasticidades calculadas respecto al
valor del agregado industrial fueron 1.21 en el Escenario Tendencial y 1.26 en el
Escenario Alternativo¨. (p.22)
Puede indicarse, como uno de los resultados finales del trabajo efectuado por la Fundación
Bariloche, que los valores de la prospectiva obtenida por medio de métodos econométricos
(Tendencial) y del modelo LEAP (Alternativo) no presentó diferencias significativas, a
pesar del muy detallado nivel de análisis que emplea el modelo LEAP para obtener los
resultados de las proyecciones.
Como se evidencia en la revisión de literatura, en la RD los trabajos que han incluido
observaciones y análisis de series de tiempo para la demanda, los precios y el crecimiento del
consumo de energía eléctrica, exceptuando el de la CNE del 2008; no han hecho el uso de
técnicas avanzadas de simulación y de modelos econométricos de estimación, situación que
31
contrasta con lo que ha sido la experiencia en otros países de América Latina, tales como
Argentina, Colombia y Chile.
La investigación que nos proponemos realizar procura incorporar novedades
importantes y significativas en lo referente a la estimación de la demanda sectorial de
electricidad, planteando un modelo con prospectiva mensual que permitirá identificar
estacionalidades que no pueden ser observadas en las proyecciones de corte anual. En
adición, como variable proxy del ingreso, utilizaremos un indicador de la actividad
económica mensual (Imae), introduciendo un enfoque más dinámico entre la expansión de la
actividad económica en RD y la planificación de la demanda de energía eléctrica.
En el modelo propuesto, se incluye como variable independiente, un parámetro que no había
sido ponderado en los estudios realizados en el país hasta la fecha y es el que se refiere al
subsidio a las tarifas que cubre el gobierno y el impacto del mismo en los hábitos de los
usuarios, desde el punto de vista de la teoría del consumidor.
Por otro lado, y también constituye un aporte de la investigación propuesta, es que se
aplica un modelo econométrico para analizar y evaluar el comportamiento de los
determinantes de las tarifas eléctricas sectoriales, frente a aumentos inusitados en los precios
de combustibles derivados del petróleo y de incrementos significativos en otras variables que
impactan y se reflejan directamente en el precio de la electricidad en la República
Dominicana.
2.6 Resumen de la revisión de literatura
En los cuadros Nos. I y II se presenta un resumen de los trabajos consultados y que han sido
detallados en esta sección, indicando el país de origen, los autores, el año de la investigación,
el modelo de estimación empleado y las variables consideradas. La tabla No. I presenta los
32
trabajos realizados en Estados Unidos de América (EUA), Europa y otras latitudes y en la
tabla No. II, las investigaciones efectuadas en América Latina, incluyendo en esta última los
que corresponden a la RD.
Por ser un aspecto de importancia y uno de los objetivos específicos de investigación de
muchos de los trabajos elaborados, en el cuadro No. III se muestra, para un grupo de los
estudios revisados, un detalle de los resultados de las estimaciones de las elasticidades precio
e ingreso de la demanda residencial de electricidad, en los escenarios de corto y de largo
plazo.
El cuadro No. III muestra que la elasticidad precio de corto plazo varía en un rango que oscila
entre -1.35 y -0.02, mientras que la de largo plazo fluctúa en un rango de valores de -1.89 y 0.09, lo cual sugiere que la demanda residencial de electricidad de corto plazo es más
inelástica con respecto a la elasticidad precio de largo plazo.
Por otro lado, se observa que la elasticidad precio de corto plazo y largo plazo son más
inelásticas en los países en vías de desarrollo con respecto a los países desarrollados.
Finalmente, el cuadro pone en evidencia que la elasticidad ingreso de corto plazo es más
inelástica con respecto a la de largo plazo.
33
CUADRO NO. I
REVISIÓN DE LITERATURA
PAIS
TRABAJOS EN ESTADOS UNIDOS DE AMÉRICA (EUA), EUROPA Y OTRAS LATITUDES
ESTIMACIÓN
AUTORES
AÑO
MODELO UTILIZADO
VARIABLES
Reino Unido Houthakker, H.
1951 Regresión lineal
Consumo residencial
Precios energía, ingresos
de los hogares
EUA
1962 Regresión lineal en
dos etapas
Consumo residencial e
industrial
Precios energía, ingresos,
clima, stock de enseres
Reino Unido Baxter, M. y
Rees, R.
1968 Regresión lineal
Consumo industrial
Precios energía, ingresos,
cambios en procesos de
producción
EUA
Houthakker, H. y
Taylor, L. D.
1970 Modelo lineal dinámico
Consumo residencial
Precios, stock de equipos,
habitos de consumo
EUA
Anderson, K.
1973 Regresión lineal utilizando
datos de panel
Demanda total del sistema
energético
Precios energía, ingresos,
clima
EUA
Mount et al.
1973 Regresión lineal utilizando
datos de panel
Demanda total del sistema
energético
Precios energía, ingresos,
clima
EUA
Houthakker et al.
1973 Modelo logarítmico de
ajuste parcial
Consumo residencial
Precios energía, ingresos,
EUA
Houthakker, H.
1974 Regresión lineal utilizando
datos de panel
Demanda residencial
Precios energía, ingresos,
EUA
Lyman, R.
1978 Regresión con función de
demanda no lineal
Consumo residencial,
industrial y comercial
Precios energía, ingresos,
clima
EUA
Parti, M. y Parti, C.
1980 Regresión lineal con
dummies para enseres y
efectos del hogar
Consumo residencial
Precios energía, ingresos,
variables cualitativas
EUA
Dubin, J. y
McFadden, D.
1984 Regresión lineal con
eleccion discreta para
maximizar la utilidad del
consumidor
Consumo residencial
Precios energía, ingresos,
variables cualitativas de
elección de enseres
EUA
Schweppe et al.
1988 Regresión lineal tomando
preciso del mercado spot
Precio de la electricidad
Precios, variacion horaria
y geográfica
Grecia
Donatos, G. y
y Mergos, G.
1991 Regresión lineal
Consumo residencial
Precios energía, ingresos,
precios del GLP
EUA
Hendricks, W. y
Koenker, R.
1992 Cuartiles condicionales y
parametrización spline
Consumo residencial
Precios energía, ingresos
EUA
Harris, J. y Liu, L. M.
1993 Modelo de función de
transferencia (LFT)
Consumo residencial
Precios energía, ingresos,
clima
EUA
Silk, J. y Joutz, F.
1997 Cointegracion y modelo de
corrección de errores (MCE)
Consumo residencial
Precios energía, PIB,
clima
EUA
Maddala et al.
1997 Regresión lineal con
variables binarias
Consumo residencial
Precios energía, ingresos,
clima, variables para
diferenciar hogares
EUA
Smith, V. L.
1998 Aproximacion bayesiana y
regresión spline no
paramétrica
Consumo residencial
Precios energía, ingresos
Holanda
Kuper, G. y
Van Soest, D.
2002
Establecer un mecanismo de
medición de precios de la
energía bajo incertidumbre
Precios del petróleo,
incertidumbre
Fischer, F. M. y
Kayser, K.
(*)
34
CUADRO NO. I
REVISIÓN DE LITERATURA
PAIS
TRABAJOS EN ESTADOS UNIDOS DE AMÉRICA (EUA), EUROPA Y OTRAS LATITUDES
ESTIMACIÓN
AUTORES
AÑO
MODELO UTILIZADO
VARIABLES
Suecia
Damsgaard, N.
2003 Modelo MICO con Ecuaciones simultáneas
Consumo residencial
Precios energía, ingresos
del hogar, clima, uso de
enseres en el hogar
Grecia
Hondroyiannis, G.
2004 Cointegracion y modelo de
corrección de errores (MCE)
Consumo residencial
Precios energía, ingresos
del hogar, clima
España
Ferrer, V. y López, L.
2005
Determinantes de los precios
de contado de la electricidad
en mercados privatizados
Variables de oferta y
demanda que inciden en
los precios de contado
EUA
Reiss, P. y White. M.
2008 Regresión lineal con dummies Consumo residencial
cualitativas
Precios energía, ingresos,
variables cualitativas
Turquia
Dilaver, Z. y Hunt, L.
2010 Cointegracion de variables
Consumo industrial
Precios energía, agregado
industrial
Sri Lanka
Athukorala, P. W. e
Wilson, C.
2010 Cointegracion y modelo de
corrección de errores (MCE)
Consumo residencial
Precios energía, PIB
percápita, precio GLP,
precio queroseno,
consumo promedio
residencial
(**)
(*) Investigación para establecer un mecanismo de medición del precio de la energia ante incertidumbre en los precios del petróleo.
(**) Se trata de un trabajo investigativo para analizar el comportamiento de los precios, en mercados eléctricos reestructurados.
Fuente: Elaboración propia en base a revisión de literatura.
35
CUADRO NO. II
REVISIÓN DE LITERATURA
PAIS
AUTORES
TRABAJOS EN AMÉRICA LATINA Y REPÚBLICA DOMINICANA
AÑO
MODELO UTILIZADO
ESTIMACION
VARIABLES
Argentina
Delfino, J. y
Givori, C.
1980 Regresión lineal
Determinantes del
consumo residencial
Precios energía, ingresos
Paraguay
Westley, G.
1983 Regresión lineal
Consumo residencial
Precios energía, ingresos
Costa Rica
Westley, G.
1984 Regresión lineal
Consumo residencial
Precios energía, ingresos
Argentina
Guadagni, A.
1984 Regresión lineal con
interacciones de variables
Precio de la electricidad
Precios energía renovable,
variables cualitativas
Argentina
Mateos et al.
1999 Modelo de ecuaciones
simultáneas con MICO
en dos etapas
Determinantes de la
evolución de los precios
Precios, temperatura, PIB
Chile
Chumacero et al.
2000 Regresión lineal, logarítmica
y semilogarítmica
Consumo de los clientes
regulados
Precios, IMACEC,
generación eléctrica
Chile
Montero, J. y
Rudnick, H.
2000 Simulacion con modelo
multinodal
Precio de la electricidad
Precios mercado spot,
elasticidad precio de la
demanda
México
Chang, Y. y
Martínez, C. E.
2003 Cointegracion y modelo de
corrección de errores (MCE)
Consumo residencial,
industrial y comercial
Precios energía, PIB,
clima
Chile
Benavente et al.
2004 Regresión lineal
Consumo residencial
Precios energía, ingresos,
stock de enseres
República
CDEEE
Dominicana
2005 Modelo de tendencia
histórica simple
Demanda total del
sistema energético
Consumo, generación
eléctrica
Colombia
Barrientos et al.
2007 Spline jerarquicos con
cuartiles condicionales y
parametrización
Demanda total del
sistema energetico
Precios energía, PIB
Colombia
Henao, J. D.
2007 Cointegracion y modelo de
corrección de errores (MCE)
Consumo residencial,
industrial y comercial
Precios energía, ingresos
del hogar, clima, uso de
enseres, precio del fuel oil
Colombia
Botero, S. y Cano, A.
2008 Regresion lineal con
errores autoregresivos
Precio de la electricidad
Precios spot, variación
horaria
Chile
Alvarez et al.
2008 Cointegracion y modelo de
corrección de errores (MCE)
Precio de la electricidad
Precios, capital, patentes,
PIB
República
Llarens, D. G.
Dominicana
2008 Modelo de tendencia
histórica simple
Demanda total del
sistema energético
Demanda de energía
República
Fundación Bariloche
Dominicana
2008 Regresión lineal en logarítmo
y método LEAP
Demanda total del
sistema energético
Consumo, PIB percápita,
agregado Industrial
Colombia
Tabares, H. y
Hernández, J.
2009 Metodo de lógica difusa
Consumo residencial
Precios energía, ingresos,
stock de enseres
Colombia
Velásquez, J. y
Franco, C.
2009 Modelos ARIMA, MLP y
ARNN
Demanda total del
sistema energético
Precios, capital, patentes,
PIB
Chile
Blümel et al.
2010 Cointegracion y modelo de
corrección de errores (MCE)
Consumo industrial
Precios, capital, patentes,
PIB
36
CUADRO NO. II
REVISIÓN DE LITERATURA
PAIS
AUTORES
TRABAJOS EN AMÉRICA LATINA Y REPÚBLICA DOMINICANA
AÑO
MODELO UTILIZADO
ESTIMACION
VARIABLES
Argentina
Bastos et al.
2011 Regresion lineal
Determinantes de la
Precios, aranceles gas
evolución de los precios natural, consumo energía
e impacto en el consumo
residencial
Colombia
García, R. et al.
2011 ARIMA y estructural
Determinantes de los
Precios spots, variacion
precios de la electricidad horaria y geográfica
Fuente: Elaboración propia en base a revisión de literatura.
37
CUADRO NO. III
REVISIÓN DE LITERATURA
TRABAJOS PARA EL SECTOR RESIDENCIAL
RESULTADOS ESTIMACIONES ELASTICIDADES PRECIO E INGRESO DE LA DEMANDA DE ELECTRICIDAD
PAÍS
AUTORES
AÑO
ELASTICIDAD PRECIO
(Corto Plazo)
(Largo Plazo)
ELASTICIDAD INGRESO
(Corto Plazo)
(Largo Plazo)
Argentina
Delfino, J. y Givori, C.
1980
-0.19 a -0.42
Paraguay
Westley, G.
1983
-0.56
Costa Rica
Westley, G.
1984
Chile
Chumacero et al.
2000
-0.09 a -0.02
-0.79 a -0.34
0.51 a 0.27
1.30 a 0.90
Chile
Benavente et al.
2004
-0.05
-0.09
0.08
0.20
EUA
Fisher, F. M. y Kayser, K.
1962
-0.15
EUA
Houthakker, H. y Taylor, L. D.
1970
-0.13
-1.89
0.13
1.94
EUA
Mount et al.
1973
-0.14
-1.20
0.02
0.20
EUA
Houthakker et al.
1973
-0.09
-1.02
0.14
1.64
EUA
Westley, G.
1988
EUA
Maddala et al.
1997
-0.21 a -0.15
-1.03 a -0.22
0.43 a 0.13
1.58 a 0.04
EUA
Silk, J. y Joutz, F.
1997
EUA
García-Cerruti, L.
2000
EUA
Reiss, R. y White, M.
2002
-0.45
0.10
-0.99
-0.25
-0.13
-0.17
0.50
0.11
-0.39
Reino Unido Houthakker, H.
1962
-0.89
Grecia
Donatos, G. y Mergos, G.
1991
-0.21
Grecia
Hondroyiannis, G.
2004
Sri Lanka
Athukorala, P. W. e Wilson C.
2010
-0.16
Suecia
Damsgaard, N.
2003
-1.35 a -0.92
0.00
1.16
-0.58
0.53
-0.40
-0.62
1.56
1.50
0.32
0.09 a 0.33
Fuente: Elaboración propia en base a revisión de literatura.
38
0.15
0.78
Capítulo III
EL SECTOR ELÉCTRICO DOMINICANO
3.1 Surgimiento y orígenes del sector eléctrico
El surgimiento del sector eléctrico en República Dominicana se remonta al 16 de enero del
año 1955, fecha en la cual el gobierno dominicano adquirió por la suma de RD$13.2 millones
a la Compañía Eléctrica de Santo Domingo y mediante el Decreto No. 555 creó la
Corporación Dominicana de Electricidad (CDE). Posteriormente, el 21 de abril de 1955 el
Congreso Nacional aprobó la Ley Orgánica de la Corporación Dominicana de Electricidad,
Ley No. 4115, en la cual se otorgaba jurisdicción y autonomía a la CDE para ejercer el
control y la autoridad eléctrica en el territorio de la República Dominicana (EdeNorte, 2013).
Como era lo habitual para la época en los procesos de nacionalización de los sistemas
eléctricos locales, la organización que instauró el gobierno con la creación de la Corporación
Dominicana de Electricidad fue un modelo centralizado de integración vertical. Este modelo
de integración incluía los siguientes componentes:
GRÁFICO No. 1
SISTEMA ELÉCTRICO NACIONAL
MODELO DE INTEGRACIÓN VERTICAL DE LA CDE AÑO 1955
GENERACIÓN
TRANSMISIÓN
DISTRIBUCIÓN &
COMERCIALIZACIÓN
EMPRESA Y SISTEMA
TARIFARIO
AUTOREGULADO
USUARIOS
Fuente: Guzmán, 2003.
39
Esta estructura obedecía a un esquema de monopolio natural, en el cual el Estado dominicano
establecía las regulaciones de precio y de funcionamiento del sistema a través de la Secretaría
de Estado de Industria y Comercio (SEIC).
3.2 Marco institucional y regulador vigente
La creación del marco institucional, regulador y reformador del sector eléctrico dominicano
tomó varios años y se fue conformando y fraguando paulatinamente, luego de vencer varios
obstáculos. En resumen, el orden cronológico de las leyes y los decretos más relevantes que
han ido creando el marco legal y reformatorio del Sistema Eléctrico Nacional Interconectado
(SENI), es el siguiente:
GRÁFICO No. 2
SISTEMA ELÉCTRICO NACIONAL
CRONOLOGÍA MARCO INSTITUCIONAL Y REGULADOR VIGENTE
Fuente: Elaboración propia.
Las primeras funciones de regulación del sector eléctrico dominicano estuvieron a cargo
de la Secretaría de Estado de Industria y Comercio (SEIC) conforme con la Ley No.290 del
30 de junio de 1966, la cual establecía que la SEIC tenía a su cargo el diseño de la política
40
energética del Estado. Posteriormente, el 31 de mayo de 1993 mediante el Decreto No.148-93
se creó el Consejo Nacional de Energía, adscrito a la SEIC, con el propósito de regular los
permisos y licencias que se requería otorgar a los actores que intervenían en el sector.
En fecha 24 de junio de 1997 se promulgó la Ley General de Reforma de la Empresa
Pública, Ley No.141-97, proporcionando las vías para la desagregación y privatización del
servicio eléctrico en el 1999.17 Mediante la Ley No.141-97, el sector eléctrico se desagregó
conforme con el modelo boliviano y el monopolio público verticalmente integrado de la
Corporación Dominicana de Electricidad (CDE) desde la década de los cincuenta, fue
dividido en tres subsectores, generación, transmisión y distribución. El proceso de
capitalización de la CDE, mediante licitaciones públicas internacionales dio origen a las
empresas distribuidoras de energía EdeNorte, EdeSur y EdeEste y a las empresas de
generación ITABO y Haina.
Debido a la falta de instituciones u organismos que velaran por el cumplimiento de las
normas y reglamentos aplicables al mercado eléctrico que creó la Ley No.141-97 de Reforma
de la Empresa Pública, mediante el Decreto No.118-98 emitido el 16 de marzo de 1998 se
instituyó la Superintendencia de Electricidad (SIE) con la finalidad de regular el nuevo
mercado eléctrico. La SIE comenzó a ejercer sus funciones como tal en julio de 1999 y se
mantuvo bajo la Secretaría de Estado de Industria y Comercio, hasta la promulgación de la
Ley General de Electricidad, Ley No.125-01.
El 26 de julio de 2001 se promulgó la Ley General de Electricidad, la cual crea el
_______________
17
El artículo 3 de la Ley No.141-97 establecía que las empresas públicas sujetas a la aplicación de esa ley
eran las empresas que integraban a la Corporación Dominicana de Empresas Estatales, la Corporación
Dominicana de Electricidad, los hoteles que conformaban la Corporación de Fomento de la Industria
Hotelera y el Consejo Estatal del Azúcar.
41
marco regulador integral que demandaba el sector eléctrico. El 19 de julio de 2002 mediante
la promulgación del Decreto del Poder Ejecutivo No.555-02 se emitió el Reglamento para la
Aplicación de la Ley General de Electricidad, el cual complementa significativamente el
contenido de la Ley No.125-01.
3.3 Organización del sector eléctrico dominicano
3.3.1 Instituciones reguladoras del sector
La Ley No.125-01 en su artículo No.6 establece que los organismos del gobierno que rigen
las actividades del sector eléctrico son la Comisión Nacional de Energía (CNE) y la
Superintendencia de Electricidad (SIE). Ambos organismos tienen personalidad jurídica de
derecho público, patrimonio propio y capacidad para adquirir, ejercer derechos y contraer
obligaciones.
A la Comisión Nacional de Energía (CNE) dentro del sector eléctrico, le corresponde
jugar el rol normativo y de formulación de la política energética. A la Superintendencia de
Electricidad le atañe todo lo referente al establecimiento de las tarifas de comercialización y a
jugar el papel regulador y fiscalizador para los actores que participan dentro del sistema
eléctrico nacional.
El patrimonio de la Comisión Nacional de Energía y de la Superintendencia de
Electricidad está conformado, principalmente, por los recursos que le asigna anualmente el
presupuesto del gobierno central, así como por las contribuciones de hasta el 1% de las ventas
totales de las empresas de generación, transmisión y distribución establecidas en el sector
(Ley No.125-01, 2001). La forma de distribución de los recursos que genera el 1% de las
ventas totales del sistema entre las Comisión Nacional de Energía y la Superintendencia de
Electricidad, está establecida en el artículo No.50 del Reglamento para la Aplicación de la
42
Ley General de Electricidad, fijando un 25% para la CNE y un 75% para la SIE (Reglamento
de la Ley No.125-01, 2001).
Una gráfica que ilustra la conformación del esquema regulador y su nivel de
interrelación con el sector eléctrico nacional, se presenta a continuación:
GRÁFICO No. 3
SISTEMA ELÉCTRICO NACIONAL
ENTES REGULADORES DEL GOBIERNO
PODER EJECUTIVO
COMISIÓN NACIONAL
DE ENERGÍA (CNE)
ORGANISMO
COORDINADOR (OC)
SUPERINTENDENCIA
DE ENERGÍA (SIE)
SECTOR ELÉCTRICO
Fuente: Elaboración propia en base a la Ley No.125-01.
Esta organización y la participación institucional reguladora del gobierno dominicano
es muy similar al modelo instaurado en Chile, país que introdujo reformas en el sector
eléctrico de esa nación en los inicios de los años ochenta (Cochón, 2009).
El Organismo Coordinador (OC) inició operaciones en junio del 2000 y luego fue
formalizado por la Ley No.125-01, tiene la responsabilidad de coordinar las operaciones de
las empresas eléctricas de generación, transmisión, distribución y comercialización, para
rendir un mejor servicio al mínimo costo. El Organismo Coordinador coopera con la
Comisión Nacional de Energía y con la Superintendencia de Electricidad en la promoción de
una sana competencia, transparencia y equidad en el mercado eléctrico nacional (Ley
No.125-01, 2001).
43
3.3.2 Organigrama general del sector eléctrico
Las Leyes Nos.141-97 y 125-01 sobre Reforma de la Empresa Pública y General de
Electricidad, respectivamente, establecen la organización del Sistema Eléctrico Nacional
Interconectado, el cual, en principio, fue concebido para que los subsectores de generación y
distribución fueran privatizados, conservando el Estado el control de la generación
hidroeléctrica, de la transmisión de energía y de la electrificación rural y suburbana. El
organigrama general del sector se muestra a continuación:
GRÁFICO No. 4
ORGANIGRAMA DEL SECTOR ELÉCTRICO DOMINICANO
POSTERIOR A LEYES NOS. 141-97 Y 125-01 Y READQUISICIÓN DE DISTRIBUIDORAS
SECTOR ELÉCTRICO
EMPRESAS DE
GENERACIÓN
EMPRESA
GENERADORA
ITABO
EMPRESA
GENERADORA
HAINA
GENERADORES
INDEPENDIENTES
CDEEE
UERS
EMPRESAS DE
DISTRIBUCIÓN
EMPRESA DE
TRANSMISIÓN
DOMINICANA
(ETED)
CONGENTRIX
SMITH-ENRON
LAESA
EDESUR
EMPRESA DE
GENERACIÓN
PALAMARA
MAXON
HIDROELÉCTRICA
(EGEHID)
EDENORTE
OTROS
EDEESTE
Fuente: Elaboración propia.
El subsector de las Empresas Generadoras integra a entidades de capital privado cuyo
objetivo principal es operar unidades de generación de energía eléctrica. Las compañías más
reconocidas en este sector son: las empresas de Generación ITABO, EgeHaina y
PALAMARA, entre otras.
44
Los Generadores Independientes, los denominados IPPS, son compañías o agentes a las
cuales se les otorga la concesión para la instalación de obras de generación de electricidad
dentro de una demarcación específica, con fines de consumo propio o comercialización
dentro del mercado eléctrico.18
La CDEEE a través del Decreto No.923-09 del 30 de diciembre de 2009, es la
institución líder y coordinadora de todas las estrategias, objetivos y actuaciones de las
empresas eléctricas de carácter estatal, así como aquellas en las que el Estado sea propietario
mayoritario o controlador y los entes o unidades que dependan de esta institución o de
cualquier otra empresa estatal vinculada al sector eléctrico. A tales fines, se incluye dentro de
dicho régimen, a las empresas ETED, EGEHID, EdeNorte, EdeSur y EdeEste.
Las Empresas de Distribución (EDES), integra a las compañías eléctricas cuyo
propósito es operar un sistema de distribución y comercialización responsable de abastecer de
energía eléctrica a los usuarios regulados.
La Empresa de Transmisión Eléctrica Dominicana (ETED) es la compañía eléctrica
estatal responsable de operar el sistema de transmisión de energía interconectado, ofreciendo
el servicio de transporte de electricidad en todo el territorio nacional y la Empresa de
Generación Hidroeléctrica Dominicana (EGEHID) es la institución del gobierno que tiene a
su cargo construir y operar las unidades hidroeléctricas del Estado.
La Unidad de Electrificación Rural y Suburbana (UERS) es un organismo dependiente
de la CDEEE que tiene a su cargo los programas de electrificación para las
_____________________
18
Las siglas IPPS hace referencia a los Independent Power Producers, es decir a los generadores o
productores independientes. Estos por lo general venden su energía en el mercado spot.
zonas rurales y suburbanas que están pobladas por familias de escasos recursos económicos y
en las cuales no es de costo-beneficio para la EDES intervenir.
45
3.4 Problema financiero de las EDES y el círculo vicioso del desabastecimiento
Luego del traspaso a manos privadas de las empresas distribuidoras EdeNorte, EdeSur y
EdeEste producto de la Ley No.141-97 de Reforma de la Empresa Pública, la
Superintendencia de electricidad (SIE) mantuvo un esquema de tarifas rígidas similar al que
prevalecía previo a la capitalización, el cual se caracterizaba por la existencia de subsidios
cruzados otorgados por el gobierno. Este esquema tarifario se mantuvo por varios años y
cuando finalmente se revisó en septiembre del 2002, la nueva tarifa no reflejó los costos
reales operativos de las empresas distribuidoras (Cochón, 2009).
Un acontecimiento adicional, de índole exógeno también se presentó y fue el
incremento en los precios internacionales del petróleo a partir del tercer trimestre del 1999 y
con mayor impacto en los años 1999 y 2001, cuando el precio del barril de petróleo se elevó
de US$15.00 a US$30.00 el barril (Cochón, 2009).
En la medida que se incrementó el costo de la generación en el parque energético
dominicano debido a la composición de la matriz eléctrica, los generadores indexaban y
ajustaban su precio de venta de energía a las distribuidoras. A pesar de este hecho, las
distribuidoras no podían ajustar el precio a los consumidores, ya que la Superintendencia de
Electricidad (SIE) no autorizaba los ajustes a la tarifa, tal y como establecían las normativas
de la Ley No.125-01. En cambio, como compensación por estas pérdidas el gobierno
aumentó el pago del subsidio a las empresas distribuidoras.
A pesar de que el gobierno se comprometió a pagarles a las distribuidoras un subsidio
por la no actualización de la tarifa del servicio eléctrico a los consumidores, el subsidio no se
pagó oportunamente a las distribuidoras, generando graves problemas de flujo de caja a esas
empresas.
46
Otro factor que también se sumó, en perjuicio de las distribuidoras y que se subestimó
durante el proceso de capitalización, fue el alto nivel de las pérdidas técnicas y no técnicas de
energía, por la gran cantidad de fraudes, robos y por el mal estado de las redes de
distribución; perdidas que alcanzaron en el año 2008 alrededor de un 40.1% del total de la
energía comprada por la EDES (Bichara, 2013).19 En América Latina el promedio de
pérdidas en distribución en el 2005 fue de un 13.6% (OLADE, 2013).
La crisis financiera de las EDES, ocasionada por los factores indicados, produjo como
consecuencia que los generadores no recibieran sus pagos a tiempo, por la energía retirada
por las distribuidoras. Estos retrasos en los pagos de las distribuidoras a los generadores, se
convirtió en un modus operandi dentro del sistema eléctrico, acumulándose frecuentemente
altas deudas con los generadores, provocando como resultado las crisis de desabastecimiento
y los apagones (Cochón, 2009).
3.5 La readquisición de las EDES por el Estado
La crisis financiera de las EDES derivó en altos costos para el gobierno, elevados costos de
producción e incertidumbre para los usuarios industriales, altos costos para los consumidores
residenciales debido a la instalación de suministros privados de energía; así como una
creciente inestabilidad social. Además, se produjeron externalidades negativas como lo fue la
reducción en la inversión doméstica e internacional, especialmente en sectores de la
economía que dependen de un suministro confiable de electricidad para sus actividades
(Attali, 2010).
_______________
19
En el año 2012 el promedio de las perdidas de energía eléctrica en distribución de redujo a un 35.6% del
total de la energía comprada por las EDES a los generadores.
Ante la crisis de apagones por la falta de pago de las distribuidoras a los generadores y
debido a una fuerte presión de los sectores productivos de la nación, el 10 de septiembre del
47
2003 el gobierno dominicano readquirió el 100% de la participación de Unión Fenosa en las
empresas de distribución EdeNorte y EdeSur por la suma de US$362.5 millones (De la Cruz,
2003).20
El 26 mayo del 2009 el gobierno adquirió de la empresa Trust Company of the West
(TCW) su participación en EdeEste por la suma de US$207.2 millones, completando así la
compra de todas las empresas distribuidoras del sistema. En un informe distribuido por
EdeEste, la compra se realizó, asumiendo el Estado compromisos con los generadores de
energía ascendente a US$157.0 millones más US$23.7 por concepto de deudas con
proveedores de bienes y suministros y en adición a esto un desembolso de US$26.5 millones
(Pérez, 2009).
3.6 Cifras básicas del sector eléctrico dominicano
3.6.1 Matriz de generación eléctrica
La principal fuente de generación de energía en RD proviene de plantas térmicas que en su
mayoría funcionan con combustibles derivados del petróleo, específicamente fuel oil Nos.2 y
6, otras con carbón y gas natural líquido importado.
La composición de la matriz de generación de energía es uno de los principales factores
de encarecimiento de las tarifas eléctricas y constituye uno de los obstáculos para reducir los
costos marginales de producción de la energía (Bichara, 2013).
__________________
20
En virtud de la Ley No.5-06, de fecha 20 de enero del 2006, el Estado Dominicano procedió a emitir bonos
en los mercados de capitales internacionales, con el fin de saldar el compromiso contraído con Unión
Fenosa por la compra de su participación en acciones en EdeNorte y EdeSur. (CDEEE. [Base de Datos],
Disponible: http:// www.cdeee.gob.do, [20/12/2010]).
48
De la capacidad instalada en el 2011 de unos 3,004.6 megavatios, el 86.8% es de origen
térmico y un 13.2% generada por las hidroeléctricas (Bichara, 2013). La participación
detallada de las diferentes fuentes es la siguiente:
GRÁFICO No. 5
SISTEMA ELÉCTRICO NACIONAL
MATRIZ DE GENERACIÓN DE ENERGÍA ELÉCTRICA
AÑO 2013
31.2%
0.7%
14.4%
FUEL OIL
CARBÓN
13.2%
GAS NATURAL
EÓLICA
HIDROELECTRICAS
40.5%
Fuente: Superintendencia de Electricidad (SIE).
3.6.2 Capacidad instalada, demanda máxima y margen de reserva teórico
Un comparativo entre la potencia instalada o la capacidad de generación de energía y la
demanda máxima del sistema, refleja que existe un excedente de generación el cual está por
encima de la demanda. Este excedente es indicativo de que actualmente el parque de
generación de energía tiene capacidad para suplir la demanda máxima.
En el 1996 la capacidad instalada en el parque de generación del país era insuficiente
para abastecer la demanda, en un 11.3%. Esta situación mejoró en el 1999, luego de iniciado
el proceso de reforma y ya para ese año la capacidad de generación casi igualó la demanda y
el déficit de generación versus la demanda se redujo a un 3.3%.
49
CUADRO No. IV
SISTEMA ELÉCTRICO NACIONAL
CAPACIDAD INSTALADA Y DEMANDA MÁXIMA
CIFRAS EN MEGAVATIOS HORA
1996 AL 2008 Y 2010-2011
AÑOS CAPACIDAD
INSTALADA
1996
1,033.00
1999
1,549.00
2003
3,351.10
2005
3,159.50
2007
3,394.01
2008
2,918.20
2010
2,959.60
2011
3,004.60
ΔA%
16.48%
DEMANDA
MAXIMA
1,150.00
1,600.00
1,834.40
1,669.80
1,991.50
2,048.60
2,151.00
2,208.00
MARGEN
RESERVA
-117.00
-51.00
1,516.70
1,489.70
1,402.51
869.60
808.60
796.60
%
MARGEN
-11.33%
-3.29%
45.26%
47.15%
41.32%
29.80%
27.32%
26.51%
9.77%
Δ A%: Tasa de crecimiento medio anual.
Fuente: Superintendencia de Electricidad (SIE).
Como se puede observar en el cuadro anterior, desde hace ya varios años la capacidad
de generación del parque eléctrico dominicano excede la demandada de punta o máxima del
sistema, no obstante ésta no puede ser cubierta en un 100% debido a los altos costos de
operación de algunas de las plantas integradas al parque y debido también a la falta de
recursos financieros para pagar la energía servida por los generadores. En otras palabras, las
plantas generadoras están disponibles para cubrir la demanda pero los recursos son
insuficientes para poder pagar la generación.
El margen de reserva es la diferencia entre la capacidad instalada y la demanda máxima
del sistema. Es decir, es el sobre equipamiento en la capacidad de generación que permite
abastecer la potencia de punta con una seguridad determinada. El margen de reserva debe ser
del orden de un 30% de la capacidad instalada (Ley No.125-01, 2001).
3.6.3 Generación eléctrica del sistema y compras de energía de las EDES
50
En el cuadro No. V se presenta las compras de energía realizadas por las distribuidoras desde
el 2001 al 2011. Las compras de energía de las EDES a los generadores han experimentado
un crecimiento medio anual de un 1.7% y el precio del kwh en US$ de un 8.83%, debido al
aumento del precio del barril del fuel oil No.6.
CUADRO No. V
SISTEMA ELÉCTRICO NACIONAL
GENERACIÓN DEL SISTEMA Y COMPRAS DE ENERGÍA DE LAS EDES
CIFRAS EN MEGAVATIOS (MGW)
DEL 2001 AL 2011
AÑOS
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
TOTALES
ΔA%
TOTAL
GENERACIÓN
SISTEMA (GWH)
9,164.0
9,933.0
10,094.0
9,499.0
9,477.0
10,349.0
10,789.0
11,145.0
10,950.0
11,773.0
12,242.0
Δ%
8.39%
1.62%
-5.89%
-0.23%
9.20%
4.25%
3.30%
-1.75%
7.52%
3.98%
ENERGÍA
COSTO
Δ%
COMPRADA
COMPRA
EDES (GWH)
US$/KWH
9,086.00
0.08
9,834.00
8.23%
0.08
9,912.00
0.79%
0.09
8,172.00 -17.55%
0.10
8,953.00
9.56%
0.12
9,510.00
6.22%
0.13
9,788.30
2.93%
0.10
10,108.80
3.27%
0.17
9,963.50 -1.44%
0.12
10,711.00
7.50%
0.14
10,751.00
0.37%
0.19
115,415.00
106,789.60
2.94%
1.70%
Δ A%: Tasa de crecimiento medio anual.
Δ%
-7.77%
11.96%
16.47%
17.69%
7.88%
-18.39%
64.02%
-26.74%
17.03%
30.54%
0.12
8.83%
Δ%: Tasa de crecimiento anual.
Fuente: Órgano Coordinador del Sector Eléctrico (OC).
La cantidad de energía adquirida por las EDES no debe ser considerada como el
parámetro de medición del crecimiento de la demanda de electricidad en RD, debido al alto
nivel de las pérdidas técnicas y no técnicas. Es decir, la gran cantidad de fraudes, robos y por
el mal estado de las redes de distribución.
El promedio de las perdidas técnicas en distribución se ha reducido de un 40.1% en el 2008 a
un 35.6% en el 2012. Esto implica que de cada dólar de energía adquirida por la EDES, solo
se factura US$0.64 (Bichara, 2013).
51
Entre el período 2001 al 2008 las compras de energía de las distribuidoras a los
generadores experimentó altas y bajas. Las compras de energía del 2001 al 2002
experimentaron un incremento de un 8.2%, pero cayó abruptamente del 2003 al 2004 en un
17.6%. El problema financiero que afectaba a las distribuidoras combinado con la crisis
bancaria del 2003, fueron dos elementos que incidieron determinantemente en esta reducción;
situación que se reflejó en la calidad del servicio brindado (Cochón, 2009).
3.6.4 Energía vendida por categorías de consumidores
El promedio sectorial de venta anual de energía eléctrica de las tres compañías de
distribución EdeNorte, EdeSur y EdeEste en givatios (GW), tomando como base de cálculo el
año 2008, se presenta a continuación:
CUADRO No. VI
SISTEMA ELÉCTRICO NACIONAL
ENERGÍA VENDIDA POR SECTOR DE CONSUMIDORES
PROMEDIO DEL AÑO 2008
SECTOR
EDENORTE
EDESUR
EDEESTE
PROMEDIO
RESIDENCIAL
38.00%
41.50%
30.60%
36.70%
COMERCIAL
11.80%
9.70%
15.20%
12.23%
INDUSTRIAL
35.00%
35.30%
36.00%
35.43%
GOBIERNO
9.70%
11.40%
16.00%
12.37%
ALUMBRADO PÚBLICO(*)
5.50%
2.10%
2.20%
3.27%
(*) Corresponde a los Ayuntamientos
Fuente: Superintendencia de Electricidad (SIE).
El promedio de venta sectorial de energía no ha experimentado variaciones
significativas desde el 2008 a junio del 2012.
3.6.5 Déficit energético en el sistema eléctrico nacional
El déficit energético se computa restando de la demandada de punta o máxima que se produjo
dentro del sistema en un momento dado, normalmente en el horario de las horas pico, la
52
demanda servida en ese nivel.21 El cuadro No. VII ilustra la evolución del déficit en el
abastecimiento de energía al sistema eléctrico desde el año 2004 al 2012.
CUADRO No. VII
SISTEMA ELÉCTRICO NACIONAL
DÉFICIT EN LA ENERGÍA SERVIDA AL SISTEMA
CIFRAS EN MEGAVATIOS HORA
2004 AL 2012(*)
AÑOS
2004
2005
2006
2007
2008
2010
2011
2012(*)
PROMEDIO
ΔA%
DEMANDA
MAXIMA
2,005.90
1,669.80
1,975.80
1,991.50
2,048.60
2,151.00
2,208.00
2,221.80
DEMANDA
SERVIDA
1,529.50
1,551.40
1,632.30
1,679.10
1,681.80
1,767.00
1,846.60
1,952.90
DÉFICIT
DEMANDA
-476.40
-118.40
-343.50
-312.40
-366.80
-384.00
-361.40
-268.90
% DÉFICIT
DEMANDA
-23.75%
-7.09%
-17.39%
-15.69%
-17.90%
-17.85%
-16.37%
-12.10%
2,034.05
1,705.08
-328.98
-16.02%
1.47%
3.55%
-7.85%
(*) Computado a junio del 2012.
Δ A%: Tasa de crecimiento medio anual.
Fuente: Superintendencia de Electricidad (SIE).
Los datos que se muestran en el cuadro No. VII corresponden a las mayores cifras de
demanda máxima y servida que se produjeron en esos años.
En la actualidad el desabastecimiento de electricidad, se estima aproximadamente en un
16% de la demanda máxima total (Bichara, 2013).
__________________________
21
El horario del consumo pico en la RD, es decir el de mayor demanda máxima del servicio eléctrico, se
extiende desde las 9:00 de la mañana hasta las 12:00 de la media noche.
Capítulo IV
MARCO TEÓRICO Y METODOLOGÍA
4.1 Consideración general para formulación de los modelos
53
Tomando como premisa los objetivos de esta investigación, el análisis econométrico para el
comportamiento del consumo, el crecimiento de la demanda y la ponderación de los
determinantes de los precios de la energía eléctrica, debe partir del hecho de que existen
cinco sectores o categorías de consumidores: Residencial (R), Comercial (C), Industrial (I),
Gobierno (G) y Alumbrado Público (A).
4.2 El modelo para estimación de la demanda eléctrica en Gwh
4.2.1 Consideraciones previas a la formulación del modelo de la demanda
La demanda por electricidad se genera debido a la utilización de equipos y artefactos
eléctricos que consumen energía. Estos equipos suelen ser durables y su consumo energético
depende de las características tecnológicas de estos bienes (Fisher y Kayser, 1962; Taylor,
1975; Houthakker et al. 1973).
La participación de equipos, maquinarias y enseres, los denominados bienes durables,
en el proceso productivo y en las tareas cotidianas hace necesaria la distinción entre la
demanda de electricidad de corto plazo y de largo plazo (Taylor; 1975).
La demanda de electricidad de corto plazo se relaciona con el inventario de equipos y su
intensidad de uso, las estaciones del año, los días laborables, las horas pico de consumo y las
características de los usuarios del servicio; mientras que la demanda de largo plazo es
identificada con la elección del inventario de bienes durables, con factores económicos como
el crecimiento del (PIB), los precios de la energía, el crecimiento de la población y el nivel de
industrialización (Gutiérrez, 2003; Medina y García, 2005).
La demanda máxima de electricidad es el requerimiento de energía de los usuarios en
un momento determinado y la demanda servida es la energía real que es abastecida a los
54
usuarios del sistema. El momento en el cual la potencia alcanza su mayor nivel se conoce
como la máxima demanda de potencia o potencia de punta y el sistema debe estar en
condiciones de satisfacerla (Armstrong et al; 1994 y De la Cruz y García; 2002). Cuando el
sistema eléctrico no cubre la demanda máxima se produce un déficit en el sistema y se
generan las crisis de desabastecimiento.
Históricamente, el gran problema del sistema eléctrico de República Dominicana ha
sido que la demanda máxima de energía eléctrica para los horizontes de corto y de largo
plazo, no ha podido ser cubierta; provocando un desabastecimiento permanente y los
molestos apagones (Guzmán, 2003).
En vista de que en el país existe un déficit sistémico de desabastecimiento que data de
varias décadas, el cual en la actualidad se estima, en promedio, que es de un 16% de la
demanda máxima; es necesario tomar en consideración la magnitud de la crisis, evitando así
estructurar modelos econométricos de las demandas sectoriales que generen estimaciones
sesgadas.
4.2.2 La forma funcional del modelo para estimar la demanda
Las distintas metodologías sobre la estimación de la demanda de energía eléctrica pueden, en
general, ser clasificadas en dos grandes grupos: aquellos que emplean información
desagregada a nivel de hogares y empresas, y aquellos que utilizan información agregada
(Gallardo, Bendezú y Coronado, 2004).
Para analizar la demanda de electricidad en RD utilizamos información agregada y el
parámetro a modelar es una variable cuantitativa, continua en el tiempo, que muestra la
demanda sectorial de energía en gigavatios hora (Gwh).22
55
El modelo que se formula y la metodología que se aplica toma en consideración que la
demanda de electricidad varía en el corto plazo y largo plazo, además pondera la situación de
desabastecimiento existente en el país.
Siguiendo a Donatos y Mergos (1991), Silk y Joutz (1997) y Hondroyiannis (2004), la
demanda de energía eléctrica (Det) en la República Dominicana puede estimarse, a partir del
siguiente modelo dinámico general:
Log Det = Co + β1 Log Prict, + β2 Log Subt + β3 Log Cet-1 + β4 Log Imaet + δo Def + Et
+
+
+
-
(1)
Donde para el período t:
Det
= Demanda de electricidad del sector
Co
= Constante
Prict
= Precio promedio en US$ del kwh para el sector
Subt
= Subsidio en US$ al kwh
Cet-1
= Consumo eléctrico en el período t-1del sector en Gwh
Imaet
= Índice mensual de actividad económica
Def
= Dummy para meses con déficit de abastecimiento
Et
= Término de error aleatorio
Esta función de demanda, nos permite aproximar la comprensión del comportamiento
de los usuarios de energía eléctrica y procura captar la relación entre la
__________________________
22
La información agregada resulta de la agregación de la información de cada uno de los agentes económicos.
En este sentido, la demanda agregada de electricidad se refiere a la agregación de las demandas individuales
de electricidad de uso Residencial, Comercial, Industrial, Gobierno y de Alumbrado Público. La
información desagregada se refiere a la información individual de cada agente económico (hogar, empresa,
región, etc.).
demanda de electricidad y el precio del servicio (Prict) y la influencia en el consumo de otras
variables complementarias, tales como: el consumo eléctrico en el período t-1 del sector de
que se trate (Cet-1) y el Índice Mensual de Actividad Económica (Imaet).
56
En vista de que en la RD existe un grave déficit en el abastecimiento de electricidad,
hemos incorporado al modelo una variable dummy (Def) para diferenciar los meses en los
cuales se produjeron crisis significativas de desabastecimiento de energía eléctrica.
Este modelo funcional de la demanda de energía eléctrica en RD se adecuará a cada
categoría de usuarios, ajustándolo de acuerdo a las características de consumo de éstos y
atendiendo a otros factores de causalidad (ver anexo No. III).
Partiendo de lo anterior, planteamos un modelo en forma funcional logarítmica, tanto
para las series de tiempo correspondientes a la variable dependiente como para las
independientes seleccionadas (modelo log-log). La ventaja para el uso de este modelo, es que
se obtiene una estimación directa de la elasticidad de la variable explicada con respecto a las
explicativas, valor que corresponde a los coeficientes de la regresión. Hemos incorporado al
modelo log-log, variables independientes con un importante peso de correlación, con la
finalidad de dotar el análisis de un mayor grado de robustez.
Los signos presentes en la función lineal de demanda, nos señalan el tipo de relación
entre las variables y por tanto el efecto que presentan cada una de éstas con respecto a la
cantidad de electricidad demandada. Por ejemplo, un incremento en el consumo eléctrico en
el período t-l debido a un aumento en el número de usuarios que formalizaron sus contratos,
supone un incremento en la cantidad demandada, determinando una relación positiva entre el
consumo en el período anterior (Cet-1) y la cantidad de electricidad demandada.
Por otro lado, un incremento de los precios (Prict) de la energía reduciría la cantidad
demandada y esta relación correspondería a una elasticidad precio, representando la razón
inversa entre el precio del bien y la cantidad demandada. Un aumento en el índice de
actividad económica mensual (Imaet), el cual utilizamos como un proxy del ingreso,
57
incrementaría por vía de consecuencia el consumo. En caso de incluir en el modelo otras
variables explicativas, éstas podrían tener un signo positivo o negativo dependiendo de su
relación de causalidad con la demanda eléctrica.
4.3 El modelo para ponderar los determinantes del precio del kwh
4.3.1 Consideraciones previas a la formulación del modelo
En la RD la electricidad es un servicio cuyo precio para el consumidor no es independiente de
la cantidad consumida y el servicio se factura bajo un esquema no lineal.23 Los esquemas
tarifarios basados en precios no lineales pueden ser de tarifas crecientes en bloque y tarifas
decrecientes en bloque. El esquema de tarifas crecientes en bloque es utilizado por la mayoría
de países en desarrollo, incluyendo a la RD, básicamente para asegurar criterios de equidad
en el acceso y al mismo tiempo financiar inversiones en infraestructura (Foster y Yepes,
2005).
Una peculiaridad del sistema de tarifas crecientes en bloque, es que se genera un desvío
entre el precio marginal del kwh de energía y el precio promedio de cada categoría tarifaria,
lo cual podría originar en estudios econométricos algún sesgo en las
__________________________
23
En un esquema de tarifa lineal el precio del kwh aumenta en la medida que se incrementa la demanda o
congestión en la red de distribución de la energía.
estimaciones cuando éstas se realizan a través de Mínimos Cuadrados Ordinarios (MICO).
No obstante, dado que trabajaremos con datos agregados y en estos casos es difícil incluir o
elaborar una variable que capte el precio marginal del kwh, utilizaremos el precio promedio
del kwh como es común y normal en estudios de series de tiempo con datos agregados.
58
Los bloques de tarifas vigentes en RD están publicados en la Resolución No.237-98 de
la Superintendencia de Electricidad (SIE) emitida el 30 de octubre de 1998, la cual ha sido
modificada en algunos aspectos por una serie de resoluciones posteriores. La clasificación
tarifaria divide a los clientes en consumidores de baja (BTS) y media tensión (MTD) y los
ubica en las siguientes categorías: BTS-1 clientes residenciales, BTS-2 clientes generales,
MTD-1 clientes comerciales y MTD-2 clientes industriales.24
El precio de la tarifa eléctrica en la RD es regulado e indexado mensualmente por la
Superintendencia de Electricidad (SIE) e incluye tres componentes: un cargo fijo que
depende del bloque de la categoría tarifaria y del consumo en kwh del usuario, más un cargo
por la energía consumida y otro por la potencia contratada. Cada uno de estos elementos se
contabiliza por ciclos de 30 días y son facturados a los consumidores a partir de un precio
mensual que fije la SIE.
Actualmente la formula de cálculo del precio del kwh de electricidad al cual deben
facturar las distribuidoras (EDES) el servicio mensual, parte de un precio base del kwh de
energía de US$0.076289 el kwh, que es indexado partiendo de una ponderación que se basa
en la participación porcentual de los diferentes combustibles en la matriz energética y del
índice de precio al consumidor de EUA. A ese precio indexado del kwh
__________________________
24
Los clientes BTS son los de baja tensión simple con una potencia conectada menor de 10 kwh. Los
consumidores MTD, de media tensión, son los clientes entre 11 kwh a 34.5 kwh de potencia conectada. A
partir de 34.5 kwh se consideran clientes de alta tensión.
de energía, en adición, se le añade un precio base de potencia de US$0.014408 y valores base
agregados de transmisión por US$0.006387 y de distribución por US$0.057861, estos tres
últimos elementos son indexados en función del índice de precio al consumidor de EUA
(SIE, Resolución No. 36-2005, 2005).25
59
Finalmente, el precio en US$ del kwh indexado mediante la formula establecida por la
SIE, es convertido a pesos (RD$) utilizando la tasa de cambio promedio de venta del dólar de
los agentes del mercado extrabancario, correspondiente al mes anterior para el cual se
actualizará la tarifa. Y el valor final obtenido luego de la conversión de US$ a RD$ sería el
precio al que deberían facturar las EDES el kwh de electricidad servida a sus usuarios (SIE,
Resolución No. 36-2005, 2005).
No obstante se establece una formula para indexación mensual de las tarifas, la SIE
aplica un sistema de precios rígidos e incluye en la misma resolución de indexación del
precio sectorial del kwh, un artículo que establece los precios del kwh a que se deberá
facturar a los usuarios la energía, el cargo fijo y la potencia contratada; indicando que las
diferencias que resulten entre el precio indexado y el fijado por la SIE, deberán ser facturadas
por las distribuidoras (EDES) al gobierno dominicano, en la forma establecida en el artículo 5
del Decreto No.302 del 31 de marzo del 2003. La diferencia que paga el gobierno a las EDES
es lo que se conoce como el ¨subsidio al sector eléctrico¨ y este subsidio, en promedio para
todas la categoría de usuarios, oscila aproximadamente entre un 12% y un 15.6% del precio
mensual indexado.26
________________________
25
Las resoluciones de la Superintendencia de Electricidad (SIE) Nos. SIE-31-2002 y SIE-33-2005 de fechas
17/09/2002 y 28/04/2005, respectivamente, establecen la formula y la metodología para la indexación
mensual del precio del kwh de energía eléctrica para todos los bloque de tarifas. Disponibles en:
http://www.sie.gob.do/.
26
El artículo 5 del Decreto No.302 del 31 de marzo del 2003 establece el procedimiento que utilizarán las
distribuidoras (EDES) para facturar el subsidio eléctrico al gobierno dominicano.
4.3.2 Forma funcional del modelo para la ponderación determinantes del precio
En vista de que la SIE sigue una formula de cálculo para indexar el precio del kwh de
electricidad que aplica a los diferentes bloques de tarifas y conocido el hecho de que el
gobierno tiene establecido un esquema de subsidios a las tarifas, el cual afecta y reduce el
60
impacto de las variables causales que inciden en el precio del kwh; el modelo que se propone
tiene como finalidad ponderar en el corto y largo plazo, el impacto en los determinantes de
los precios de la energía, de la metodología seguida por la SIE para la fijación y regulación de
las tarifas, así como a evaluar la elasticidad de la variable dependiente, en este caso el precio
(Prict), respecto de las variables independientes.
La variable que se analiza en este caso, el precio del kwh de electricidad (Prict), es
cuantitativa y pondera el precio promedio en US$ de las tarifas a que las EDES facturan el
kwh de energía a los usuarios del servicio. La tarifa refleja el precio promedio final en US$$
del kwh de electricidad, es decir incluyendo el cargo fijo, la potencia contratada y la energía
consumida. Para analizar el precio sectorial del kwh de electricidad en RD utilizamos
información agregada.
El modelo para analizar el tema de las tarifas sectoriales del kwh de electricidad
también parte de una estructura donde las variables están expresadas en logaritmo y la forma
lineal funcional que se adopta para la ponderación de los determinantes del precio en US$ del
kwh sectorial, parte de la ecuación que se presenta en la sección 4.2.2 y se muestra a
continuación:
Log Prict = Co + Log Fuel06t + Log InfUSAt + Log Prict-1 + Ft
+
+
+
Donde para el período t:
Prict
= Precio promedio en US$ del kwh del sector
Co
= Constante
Fuel06t
= Precio en US$ del barril del combustible Fuel Oil No.6
InfUSAt
= Inflación mensual de los Estados Unidos (EUA)
Prict-1
= Precio en US$ del kwh del bloque en el período t-1
Ft
= Término de error aleatorio
61
(2)
Las variables estocásticas consideradas en el modelo tienen un alto nivel de causalidad y son
las mismas que utiliza la Superintendencia de Electricidad (SIE) para indexación mensual de
las tarifas eléctricas en RD.
4.4 Metodología aplicada
En vista de que nuestro análisis es sobre series de tiempo, la generación de los modelos
econométricos para la comprobación de las hipótesis planteadas, se basan en las premisas que
impone la teoría económica en lo que respecta al cumplimiento de los supuestos de
estacionariedad y cointegración de la variables, así como los indicadores estadísticos de
correlación, relevancia estadística, normalidad, no correlación del término del error,
suavizamiento de variables, etc.
Con la finalidad de evitar regresiones espurias en los modelos econométricos que se
basan en series de tiempo, se requiere como primer paso identificar si las variables tienen una
tendencia temporal definida o, por el contrario, si sistemáticamente crecen o disminuyen en el
tiempo. En adición, es necesario determinar el nivel de relación entre las variables, bajo el
criterio de que exista correlación directa o causal entra ellas, en otras palabras que las
variables cointegren.27 Una regresión efectuada con dos variables
__________________________
27
Existe cointegración cuando las variables guardan una relación directa y estable de largo plazo.
estacionarias es posible que arroje resultados significativos y un buen nivel de ajuste, sin
embargo si la relación entre ambas no es directa, estaríamos en este caso ante lo que se
denomina una regresión espuria (Granger y Newbold, 1973).
La metodología que aplicaremos para estimar los modelos de series de tiempo
especificados en las secciones 4.2.2 y 4.3.2 es el procedimiento propuesto por Engle y
62
Granger (1987), el cual se resume en los siguientes pasos: 1) estimación de la estacionariedad
de las series de tiempo; 2) realizar pruebas de cointegración y 3) estimar el modelo de
corrección de errores (MCE) para encontrar los efectos de corto plazo y la velocidad de ajuste
hacia el equilibrio (Morales, Luyando y Flores, 2010).28
A continuación explicamos en detalle en que consisten cada uno de los pasos de la
metodología de Engle y Granger (1987), la cual hemos seguido en la ejecución de este
trabajo.
4.4.1 Análisis de series de tiempo y estacionariedad de las series
El procedimiento que seguimos para contrastar la estacionariedad de las series de tiempo
empleadas, es la aplicación de las pruebas de raíz unitaria. Un proceso estocástico lineal tiene
raíz unitaria, si 1 es una raíz de la ecuación característica del proceso. En términos más
específicos y partiendo del modelo autoregresivo de orden uno, AR(1), que se presenta a
continuación:
Zt = a1 Zt-1 + Vt
(3)
Si a1 < 1 la variable Zt estará autocorrelacionada y será estacionaria, mientras que si a1 =1 o
mayor que la unidad, la variable será no estacionaria y su varianza crecerá de for__________________________
28
Una serie es estacionaria si la media y la varianza se mantienen constantes a lo largo del tiempo.
ma explosiva.
Para determinar si las series de tiempo que incluiremos en los modelos presentan un
patrón estacionario o no, aplicaremos la prueba de raíz unitaria de Dickey y Fuller
Aumentada (ADF) (1979). La aplicación de esta prueba se basa en el principio clásico del
modelo de regresión lineal que establece que las variables que pueden ser cointegradas deben
63
tener raíces unitarias estacionarias. Si el modelo estructurado utiliza variables no
estacionarias, se corre el riesgo de obtener resultados espurios.
A través de la prueba ADF se hace un contraste de la hipótesis H0: a1 =1 frente a la
alternativa H1: a1 < 1, pero aplicando primeras diferencias en la ecuación (3) e incluyendo un
aumento de 2 retardos; de forma que el contraste se realiza en la relación:
DZt = d1 Z + d2 DZ(-1) + d3 DZ(-2) + Vt
(4)
donde DZt = Zt - Zt-1 y d1 = (a1-1), y el parámetro d1 tomará valores en el intervalo
comprendido entre -2 y cero (-2 < d1 < 0), si el valor absoluto del parámetro a1 es menor que
la unidad (-1 < a1 < 1).
En este caso la hipótesis H0: d1 =0 es indicativa de raíz unitaria y no estacionariedad
frente a la hipótesis alternativa H1: d1 < 1, indicativa de raíz no unitaria y aceptación de la
estacionariedad.
La prueba ADF que aplicamos consiste en calcular el estadístico t, el cual se obtiene al
tipificar el estimador d1, restándole el valor esperado bajo H0 y dividiendo por la desviación
típica de d1.
t = (d1 - 0)/Sd1
(5)
La hipótesis H0 de no estacionariedad se acepta si t toma un valor situado a la derecha del
valor critico correspondiente al nivel de significación establecido, siendo el 5% el más
utilizado y se rechaza si toma un valor menor que el valor crítico.
La hipótesis H1 de estacionariedad se acepta si t < 0 y suficientemente mayor en valor
absoluto para situarse a la izquierda del valor crítico.
64
Los valores críticos utilizados para la prueba ADF son los propuestos por Mackinnon
(1996), los cuales dependen del tamaño de la muestra, el número de retardos y de si la prueba
ADF se genera con la inclusión de constante, con tendencia y constante o sin incluir
tendencia ni constante.
Si al aplicar la prueba ADF se determina que las series de tiempo son estacionarias, su
orden de integración es I(0) y podemos realizar la estimación a través de Mínimos Cuadrados
Ordinario (MICO) con el modelo en forma funcional a nivel, sino lo son, esto es cuando las
variables tienen raíz unitaria no estacionaria, se hace necesario diferenciarla hasta eliminar la
raíz unitaria o hacerlas estacionarias. Cuando la transformación de las series se hace tomando
las primeras diferencias y éstas se hacen estacionarias, su orden de integración es I(1).
Para los fines de nuestro trabajo, expresamos en logaritmo las variables a utilizar en los
modelos y se generó la prueba ADF con la inclusión de constante, tendencia y constante y
sin tendencia y constante, considerando un nivel de significancia de un 5%.
4.4.2 Pruebas de cointegración
Una vez determinado el orden de estacionariedad de las variables, el siguiente paso es probar
que las variables estén cointegradas, previo al desarrollo de la estimación de los modelos a
través de MICO (Gujarati, 2004).
Dos o más variables están cointegradas cuando existe una relación directa o de causalidad, a
largo plazo, entre las variables. Para probar la cointegración entre variables se estiman los
residuos del modelo de regresión en nivel y se aplica la prueba de Dickey y Fuller
Aumentada (1979) a los residuos. Si el residuo de la regresión es estacionario, es decir de
orden I(0), entonces se concluye que las variables cointegran.
65
Engle y Granger (1987) establecen que dos variables temporales Yt y Xt de orden I(1)
están cointegradas, cuando se ejecuta una regresión lineal o no lineal del modelo en nivel, el
cual, por lo general, tendrá un buen ajuste y donde los residuos de la regresión son
estacionarios. En ese sentido, en el siguiente modelo:
Yt = a + bXt + Ut
(6)
debe suceder que los residuos, esto es Ut = – a + Yt + bXt son estacionarios, es decir de orden
I(0). Por lo tanto, en este caso las dos condiciones específicas para definir la cointegración
son:
1) que dos variables sean estacionarias de orden I(1)
2) que exista una combinación lineal estacionaria de ambas de orden I(0)
El que Yt y Xt estén cointegradas significa que, aunque crezcan en el tiempo (t), lo
hacen de una forma completamente acompasada, de forma que el error entre ambas no crece
a lo largo del tiempo. Además, esto equivale a que el coeficiente b no solo es consistente sino
superconsistente y la estimación converge a su valor real de forma inversamente proporcional
al número de observaciones, en lugar de la raíz cuadrada del número de observaciones como
es el caso de las variables estacionarias
La siguiente fase de la metodología que seguiremos, luego de realizar las pruebas de
cointegración de las variables, es generar los modelos en nivel especificados en el anexo No.
III a través de MICO con la finalidad de estimar los efectos de largo plazo.
Ulteriormente, para captar los efectos de corto plazo estimaremos el modelo de
corrección de errores (MCE).
66
4.4.3 Modelo de corrección de errores (MEC) y relación de corto plazo
El modelo de corrección de errores (MCE) fue propuesto por Davidson, Hendry, Srba y Yeo
(1978) y recibió un gran impulso a partir de los trabajos de Engle y Granger de 1987, en el
cual se relaciona la cointegración de variables con este modelo (Guisan, 2002). El
denominado teorema de representación de Granger establece una correspondencia entre
relaciones cointegradas y el modelo de corrección de errores (MCE).29
Los modelos de corrección de errores constituyen una alternativa importante para la
estimación de modelos dinámicos de series de tiempo cuando se procura captar los efectos de
corto plazo, ya que capturan la relación causal contemporánea entre el incremento de las
variables explicativas y el de la variable explicada (Guisan, 2002).30
Engle y Granger (1987) proponen estimar el modelo de corrección de errores en dos
fases. En la primera etapa sugieren estimar el modelo en nivel, una vez aplicadas las pruebas
de estacionariedad y cointegración, con la finalidad de capturar la relación de
__________________________
29
El teorema de la representación de Granger integra la teoría de cointegración y el modelo de corrección de
errores y constituye un avance para los modelos econométricos de series de tiempo, permitiendo la
construcción de un marco de referencia para el análisis de regresión y las propiedades estocásticas de los
datos.
30
Una relación causal contemporánea se refiere a las variables que mantienen una relación cronológicamente
simultánea en el tiempo.
largo plazo y calcular el residuo de la regresión con un nivel de rezago, y posteriormente en
una segunda fase estimar los parámetros del modelo de corrección de errores (MCE)
incluyendo el parámetro de ajuste en el corto plazo.
Siguiendo en nuestro trabajo el modus operandi propuesto por Engle y Granger (1987),
procedemos a estimar para los modelos especificados en las ecuaciones (1) y (2) las
perturbaciones respectivas con un rezago. Si a seguidas aplicamos primeras diferencia a estas
67
relaciones y añadimos el residuo obtenido con un rezago y adicionamos una perturbación
aleatoria, obtenemos los siguientes modelos de corrección de errores (MCE):
a) Para estimar la demanda de electricidad:
D(LogDet) = D(LogPrict) + D(LogSubt)+ D(LogCet-1) + D(LogImaet) +
+ δo Def + ¥ (Et-1) + Ut
(7)
b) Para ponderar el precio en US$ del kwh de electricidad:
D(LogPrict) = D(Log Fuel06t) + D(LogInfUSAt) +
+ D(Log Prict-1) + ψ (Ft-1)+ Vt
(8)
Donde ¥ y ψ son los parámetro de ajuste en el corto plazo, deben ser negativos y
estadísticamente significativos e indican la proporción del desequilibrio en LogDet y LogPrict
que se corrige en el siguiente período. Por su parte, (Et-1) y (Ft-1) representan los errores
obtenidos de la regresión con las variables en nivel de las ecuaciones (1) y (2) con un rezago;
y ¥ (Et-1) y ψ (Ft-1) reciben el nombre de términos o mecanismos de corrección de errores del
LogDet y LogPrict.
Si (Et-1) y (Ft-1) > 0, implica que el LogDet y LogPrict en el período anterior rebasan el
equilibrio y el valor negativo de ¥ y ψ funciona para retornar al LogDet y LogPrict al
equilibrio. Asimismo, si (Et-1) y (Ft-1) < 0, entonces LogDet y LogPrict en el período anterior
estarían por debajo del equilibrio, por lo tanto el valor negativo de los parámetros ¥ y ψ, al
multiplicar menos por menos, induciría un cambio positivo en LogDet y LogPrict que lo
devuelve al equilibrio. Mientras más cerca esté el parámetro de ajuste de la unidad en valor
absoluto, más rápido será el ajuste hacia el equilibrio.
4.5 Modelos para las estimaciones sectoriales
68
A partir de las formas funcionales generales, ecuaciones (1) y (2), especificadas en las
secciones 4.2.2 y 4.3.2 y de la metodología descrita que aplicaremos, se construyen los
modelos sectoriales para los horizontes de corto y largo plazo.
Los modelos sectoriales para estimar la demanda de electricidad y para ponderar los
determinantes del precio del kwh de energía eléctrica, se incluyen en el anexo No. III.
4.6 Pruebas de diagnóstico y especificación
Para validar los resultados de las regresiones a través de MICO y determinar que los
coeficientes obtenidos son los mejores estimadores lineales insesgados (MELI), se generarán
pruebas de normalidad, autocorrelación y heterocedasticidad sobre los residuos de las
estimaciones. Además se evaluará los modelos, desde el punto de vista de la bondad del
ajuste de regresión.
Partiendo de lo anterior, se aplicará la prueba Jarque Bera (JB) (1980) para ponderar la
normalidad de los residuos generados al ejecutar la regresión por MICO. Conforme con la
prueba JB se acepta la normalidad de los residuos, si el valor del indicador es menor de 5.99
y su probabilidad es mayor de un 5%.
Se calculará el estadístico Durbin y Watson (1950) para evaluar la existencia de auto
correlación entre los residuos. Cuando los residuos no son independientes, los coeficientes
estimados no son eficientes, es decir no son MELI. El estadístico DW es un valor
comprendido entre 0 y 4. Para valores de DW cercanos a 2 no rechazaremos la hipótesis nula
de no auto correlación, por el contrario, para valores de DW alejados de 2, sí rechazaremos la
hipótesis nula (Wooldridge, 2010).31
69
Con la finalidad de detectar la presencia de heterocedasticidad en los residuos se
aplicará la prueba de Breusch, Pagan y Godfrey (1979). De acuerdo con esta prueba, debe
aceptarse la presencia de homocedasticidad cuando el estadístico Breusch, Pagan y Godfrey
es menor que el resultado de multiplicar el número de observaciones por el R 2. Cuando se
detecte heterocedasticidad en alguno de los modelos se corregirá el modelo por medio de la
matriz de errores estándar de Newey y West (1987).
Evaluaremos la bondad del ajuste de la línea de regresión a través del coeficiente de
determinación R2. Este coeficiente indica qué tan bien se ajusta la línea de regresión a los
datos de la muestra estudiada, sus valores fluctúan entre cero y uno. Es cero cuando la recta
de regresión no se ajusta al comportamiento de los valores de la muestra y uno cuando se
ajusta perfectamente (Gujarati, 2004).
De igual forma se evaluará los modelos mediante la prueba global F, o prueba de
significancia global de la línea de regresión estimada, la cual muestra si los parámetros
__________________________
31
El test de Durbin y Watson (DW) somete a prueba de auto correlación de primer orden AR(1) al modelo
econométrico. Si el DW es aproximadamente igual a 2 no existe auto correlación. Si el DW > 2 existe
sospecha de auto correlación negativa. Si el DW < 2 existe sospecha de auto correlación positiva.
de ésta son estadísticamente diferentes de cero, es decir, si en la línea de regresión las
fluctuaciones de la variable dependiente son ampliamente explicadas por las independientes.
Para esto se establece que si el nivel de significancia de la prueba F calculada, fijado en este
caso en un 5%, resulta superior al de las tablas, entonces se puede rechazar la hipótesis de
que los parámetros son, en conjunto, iguales a cero (Maddala, 1997).
Para comprobar la estabilidad de los parámetros de las regresiones y visualizar si los
modelos se comportan de acuerdo con la teoría, aplicaremos las pruebas CUSUM y
CUSUMSQ. De conformidad con estas pruebas, si los valores de estos estadísticos se sitúan
70
dentro de las bandas de tolerancia que representan los residuos recursivos al 5%, esto es señal
de que el modelo es estable en el corto y largo plazo.
71
Capítulo V
DATOS UTILIZADOS
5.1 Datos para el análisis de series de tiempo
En la modelación de la demanda de electricidad para los sectores Residencial, Comercial,
Industrial, Gobierno y de Alumbrado Público tomamos en consideración, como variables
explicativas, para cada una de las categorías de usuarios, el precio promedio (Prict) del kwh
en US$, el consumo en el sector en el período anterior (Cet-1) medido en gigavatios hora
(Gwh), una variable dummy que captura los meses con desabastecimiento (Def) igual o
superior al 15% de la demanda máxima estimada; además se pondera una variables que
representa el ingreso medido a través del Índice Mensual de Actividad Económica (Imaet). La
incorporación del Imae como una variable proxy del ingreso, considerada como causal del
consumo de energía en estos sectores, toma como base teórica el trabajo de Chumacero,
Paredes y Sánchez (2000).
En adición, dado que se trata de una característica particular del sector eléctrico de RD,
integramos al modelo para la estimación de la demanda de energía para las diferentes
categorías de usuarios, el subsidio (Subt) que otorga el gobierno a las tarifas eléctricas.
En lo que se refiere a la ponderación de los determinantes del precio sectorial de la
electricidad, los modelos toman en cuenta variables utilizadas por la Superintendencia de
Electricidad (SIE), tales como el precio promedio mensual en US$ del kwh, el precio del
barril del fuel oil No.6 (Fuel06t), la tasa de inflación en los Estados Unidos (InfUSAt). En la
sección 4.3.1 explicamos el procedimiento utilizado por la SIE para el establecimiento de las
tarifas mensuales del kwh de electricidad.
72
Los datos utilizados para nuestro trabajo son de frecuencia mensual e incluyen para todas las
variables 102 observaciones que corresponden al período enero 2004 a junio de 2012. Las
informaciones del sector eléctrico fueron obtenidas de la base de datos de la Superintendencia
de Electricidad (SIE).
En el anexo No. I se presenta el detalle de las variables que empleamos en la
modelación de las series de tiempo de la demanda y de los precios del kwh de energía
eléctrica en RD, así como la fuente de obtención de las informaciones.
5.2 Estadísticos generales y parámetros de algunas variables utilizadas
5.2.1 El número de clientes y la demanda sectorial de energía
En lo que respecta al número de clientes como uno de los factores que explica el aumento de
la demanda de electricidad, el sector que presenta la mayor tasa promedio anual de
crecimiento de clientes es la categoría del Alumbrado Público (Ayuntamientos) con un
12.9%.32
CUADRO No. VIII
SISTEMA ELÉCTRICO NACIONAL
NÚMERO DE CLIENTES POR SECTORES
PERÍODO ENERO 2004- JUNIO 2012
ESTADISTICOS
RESIDENCIAL
INDUSTRIAL
GOBIERNO
Media
1,167,184
COMERCIO
96,067
11,018
7,867
2,033
Mediana
1,106,726
94,633
11,356
7,867
2,026
Maximo
2,064,314
137,559
14,830
11,402
3,255
Minimo
808,381
62,094
8,668
5,284
959
Desviación Estandar
318,254
17,102
1,312
1,194
819
ΔA%
10.60%
6.50%
0.20%
6.10%
12.90%
Fuente: Superintendencia de Electricidad.
ALUMBRADO
(*) ΔA%: Tasa de crecimiento medio anual.
En el cuadro No. VIII se observa que el sector Residencial representa el sector de
mayor tamaño con 2 millones de clientes, seguido por los sectores Comercial e Indus__________________________
32
1/(n-1)
La tasa promedio o medio anual de crecimiento es calculada a partir de la formula r= [Vƒ/Vi]
-1, donde r
representa la tasa de crecimiento, Vƒ,, Vi y n el valor final e inicial de la serie y el número de observaciones,
respectivamente.
73
trial con unos 137,559 y 14,830 usuarios, respectivamente.
El cuadro No. IX presenta que la media mensual del consumo de energía eléctrica del
sector Residencial es de 239.28 gigavatios (Gwh), en tanto que el promedio percápita
mensual por cliente es de 212 kwh, unos 6.97 Kwh diarios. El renglón Industrial muestra un
consumo promedio mensual de 159.52 gigavatios (Gwh), seguido por los sectores Gobierno,
Comercio y de Alumbrado Público con unos 52.26, 50.9 y 12.86 gigavatios (Gwh),
respectivamente.
CUADRO No. IX
SISTEMA ELÉCTRICO NACIONAL
DEMANDA MENSUAL TOTAL Y PERCÁPITA POR SECTORES
PERÍODO ENERO 2004- JUNIO 2012
TOTAL DEMANDA MENSUAL POR SECTOR EN GWH
ESTADISTICOS RESIDENCIAL COMERCIO INDUSTRIAL GOBIERNO ALUMBRADO
Media
239.28
50.90
159.52
52.26
12.86
Mediana
235.20
48.20
157.82
53.28
12.98
Máximo
341.56
133.51
206.40
96.65
26.87
Mínimo
167.40
25.11
87.35
22.45
9.19
Desviación Estándar
36.66
16.62
25.54
13.21
3.11
PROMEDIO DEMANDA MENSUAL EN KWH POR TIPO DE CLIENTES
ESTADISTICOS RESIDENCIAL COMERCIO INDUSTRIAL GOBIERNO ALUMBRADO
Media
212
524
14,520
6,583
7,115
Mediana
221
518
14,568
6,637
7,061
Máximo
274
1,042
18,216
11,495
11,110
Mínimo
137
331
9,719
3,039
3,543
Desviación Estándar
33
100
1,953
1,055
2,177
Observaciones
102
102
102
102
102
Fuente: Elaboración propia en base a datos de la SIE.
5.2.2 Evolución del consumo sectorial de energía eléctrica
El cuadro No. X muestra la evolución de las variables que capturan el consumo sectorial de
energía para el período bajo análisis. Se destaca el crecimiento del consumo para todo el
sistema eléctrico nacional, con una tasa de crecimiento promedio anual de 6.1%; siendo la
categoría de los clientes Comerciales la que presenta la mayor tasa de incremento medio
anual con un 12.3%, seguida por los renglones de Gobierno y Residencial con un 8.6% y
6.3%, respectivamente. En términos generales, el consumo medio de energía en todos los
74
sectores, muestra una tendencia irregular de crecimiento durante el período, con excepción
del sector Industrial que a partir del 2011 presenta una caída en la demanda.
Como resultado del aumento en el precio de los combustibles derivados del petróleo lo
cual produjo una crisis en el abastecimiento de energía, el consumo eléctrico nacional cayó
en un 3.5% entre los años 2010 y 2011.
CUADRO No. X
SISTEMA ELÉCTRICO NACIONAL
CRECIMIENTO DEL CONSUMO SECTORIAL EN GWH
DE ENERO DE 2004 A JUNIO DE 2012
AÑOS
2004
2005
2006
2007
2008
2009
2010
2011
2012(*)
RESIDENCIAL
2,287.32
2,478.79
2,540.30
2,768.08
3,056.72
3,270.93
3,223.26
3,042.05
3,714.67
COMERCIO
377.88
506.05
544.99
535.51
606.55
639.02
700.10
726.56
955.97
INDUSTRIAL
1,552.64
1,719.10
1,705.22
1,868.54
1,999.93
2,162.66
2,244.42
2,156.07
1,972.70
GOBIERNO
414.25
459.60
498.14
587.48
693.67
730.28
791.46
788.34
802.60
ALUMBRADO
121.12
119.54
121.96
160.35
175.02
160.66
181.05
179.79
185.30
TOTALES
4,753.20
5,283.07
5,410.60
5,919.96
6,531.89
6,963.55
7,140.29
6,892.81
7,631.23
ΔA%
6.25%
12.30%
3.04%
8.62%
5.46%
6.10%
2004
2005
2006
2007
2008
2009
2010
2011
2012
190.61
206.57
211.69
230.67
254.73
272.58
268.61
253.50
309.56
CONSUMO PROMEDIO MENSUAL POR SECTOR EN GWH
31.49
129.39
34.52
10.09
42.17
143.26
38.30
9.96
45.42
142.10
41.51
10.16
44.63
155.71
48.96
13.36
50.55
166.66
57.81
14.58
53.25
180.22
60.86
13.39
58.34
187.03
65.95
15.09
60.55
179.67
65.70
14.98
79.66
164.39
66.88
15.44
396.10
440.26
450.88
493.33
544.32
580.30
595.02
574.40
635.94
(1) ΔA%: Tasa de crecimiento medio anual.
(2) Δ%: Tasa de crecimiento anual.
Δ% (2)
11.15%
2.41%
9.41%
10.34%
6.61%
2.54%
-3.47%
10.71%
(*) Datos a junio de 2012.
Fuente: Elaboración propia en base a datos de la SIE.
En el gráfico No. 6 se presenta la evolución de la estructura sectorial del consumo de
electricidad en RD para el período 2004-2012. Esta gráfica muestra con claridad el proceso
de desaceleración y caída del consumo de energía en el sector Industrial. Por otro lado,
muestra para el sector Residencial una tendencia oscilatoria, con altas y bajas en el consumo,
producto de la crisis de desabastecimiento en el servicio. El sector Comercio, exhibe una
tendencia de crecimiento producto del dinamismo económico que ha imperado en el sector.
GRÁFICO No. 6
SISTEMA ELÉCTRICO NACIONAL
ESTRUCTURA SECTORIAL DE LA DEMANDA DE ELECTRICIDAD
DEL 2004 AL 2012
75
0.60
0.50
ALUMBRADO
0.40
(%)
COMERCIO
0.30
GOBIERNO
INDUSTRIAL
0.20
RESIDENCIAL
0.10
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
0.00
Fuente: Elaboración propia en base a datos de la SIE.
5.2.3 Crecimiento de la demanda sectorial y total de electricidad
En el gráfico No. 7 se ilustra el comportamiento, en tasa de crecimiento anual, del consumo
total de energía eléctrica comparado con el Índice Mensual de Actividad Económica (Imae).
Se observa que el crecimiento del consumo y del Imae mantiene un sendero de convergencia
con patrones irregulares en la variable del consumo, motivado por periódicas crisis de
apagones y desabastecimiento. Para los años 2004, 2005 y 2006 el gráfico muestra una caída
abrupta en el consumo de energía y de la actividad productiva del país, lo cual se produjo
debido, entre otras causas, a una crisis bancaria.33
Asimismo, se destaca la caída abrupta del consumo entre los años del 2009 al 2011,
período en el cual una alta deuda con los generadores, originó una caída en la pro__________________________
33
En los años 2003 y 2004 se produjo la quiebra de los bancos Intercontinental (Baninter), Nacional de
Crédito (Bancrédito) y Mercantil y se generó un aumento de la inflación de un 51.5% y una depreciación de
la moneda (RD$) en relación con el dólar (US$), pasando la tasa de cambio de RD$17.59 en el 2002 a
RD$41.93 en el 2004.
ducción de energía eléctrica y por vía de consecuencia en la energía servida a los usuarios.
76
En lo referente a la correlación entre el crecimiento del consumo agregado de
electricidad y el indicador de la actividad comercial (Imae), a pesar del patrón irregular del
consumo debido a las crisis de desabastecimiento, en el gráfico No. 7 se observa una
evolución causal entre ambas variables. Esto queda evidenciado en que el ritmo de
crecimiento medio del consumo eléctrico total en el período 2004-2012 fue igual al del Imae
(6.1% vs. 6.2%). La elasticidad media estimada por métodos econométricos es de 1.11 para
el mismo período. Si las variables no se mueven bajo un mismo patrón de comportamiento
entre los años 2009 al 2011, se debió a la crisis desabastecimiento de energía eléctrica.
GRÁFICO No. 7
SISTEMA ELÉCTRICO NACIONAL
CRECIMIENTO ANUAL DEL CONSUMO TOTAL EN GWH Y DEL IMAE
DEL 2004 AL 2012
20.00
15.00
(%)
10.00
5.00
0.00
2002
2004
2006
2008
2010
2012
2014
-5.00
CONSUMO GWH
IMAE
Fuente: Elaboración propia en base a datos de la SIE.
En el gráfico No. 8 se presenta la evolución del consumo mensual para cada sector de
usuarios en Gwh vs. el Imae para el período enero 2004 a junio del 2012.
GRÁFICO No. 8
SISTEMA ELÉCTRICO NACIONAL
CONSUMO ENERGÍA ELÉCTRICA SECTORIAL EN GIGAVATIOS (GWH)
Y EL ÍNDICE MENSUAL DE ACTIVIDAD ECONÓMICA (IMAE)
PERÍODO ENERO 2004-JUNIO 2012
77
CER
CEC
360
140
120
320
100
280
80
240
60
200
40
160
20
25
50
75
25
100
CEI
50
75
100
75
100
75
100
CEG
220
100
200
80
180
160
60
140
120
40
100
80
20
25
50
75
25
100
CEA
50
IMAE
28
400
360
24
320
20
280
16
240
12
200
8
160
25
50
75
25
100
CER: Consumo Eléctrico Residencial
CEC: Consumo Eléctrico Comercial
CEI: Consumo Eléctrico Industrial
50
CEG: Consumo Eléctrico Gobierno
CEA: Consumo Eléctrico Alumbrado
IMAE: Índice Mensual de Actividad
Económica
Fuente: Elaboración propia en base a datos de la SIE.
5.2.4 El comportamiento de los precios en US$ del Kwh y del fuel oil No. 6
78
En el cuadro No. XI se presenta la dinámica de crecimiento del precio promedio en US$ del
kwh sectorial de electricidad y la manera como estos precios se contrastan con la tendencia
que ha experimentado el precio de compra en US$ del barril de fuel oil No. 6.
CUADRO No. XI
SISTEMA ELÉCTRICO NACIONAL
PRECIO MEDIO ANUAL DEL KWH Y DEL BARRIL DE FUEL OIL No. 6
DE ENERO DE 2004 A JUNIO DE 2012
VALORES EN US$
AÑOS RESIDENCIAL
2004
0.11
2005
0.14
2006
0.15
2007
0.15
2008
0.15
2009
0.15
2010
0.16
2011
0.18
2012 (*)
0.17
ΔA%
6.01%
COMERCIO
0.19
0.24
0.24
0.24
0.22
0.22
0.23
0.25
0.25
INDUSTRIAL
0.18
0.22
0.22
0.22
0.21
0.20
0.21
0.24
0.24
GOBIERNO
0.21
0.23
0.24
0.24
0.21
0.22
0.22
0.24
0.25
ALUMBRADO
0.19
0.27
0.28
0.26
0.23
0.25
0.25
0.28
0.26
FUEL OIL #6
27.82
38.63
47.70
53.49
77.02
55.98
70.51
96.50
104.82
3.68%
3.66%
2.58%
3.80%
18.04%
(1) ΔA%: Tasa de crecimiento medio anual.
(*) Datos a junio de 2012.
Fuente: Elaboración propia en base a datos de la SIE.
Los precios en US$ del kwh para todos los sectores presentan un patrón de irregularidad
debido al sistema de regulación rígida de precios que aplica la SIE, pero con tendencias de
crecimiento causadas por aumentos inusitados en los precios del combustible fuel oil No. 6.
El cuadro No. XI indica que la tasa de incremento medio anual del barril de fuel oil No. 6
durante el período 2004-2012 fue de 18.04%, superior al aumento que experimentaron los
precios del khw de electricidad para las diferentes categorías tarifarias. Esta situación
confirma una de las causas de la existencia de un déficit financiero en el sector eléctrico, el
cual se evidencia en el aumento anual del subsidio a la tarifa eléctrica y en las pérdidas
acumuladas que presentan los estados financieros de las EDES (Bichara, 2013).
El gráfico No. 9 muestra la dinámica de crecimiento del precio promedio en US$ del kwh,
para las diferentes categorías de usuarios del servicio eléctrico.
79
GRÁFICO No. 9
SISTEMA ELÉCTRICO NACIONAL
EVOLUCIÓN PRECIO EN US$ DEL KWH SECTORIAL
PERÍODO ENERO 2004-JUNIO 2012
US$
0.30
0.25
2004
0.20
2005
0.15
2006
2007
0.10
2008
0.05
2009
0.00
IA
L
L
2012
ES
ID
2011
R
IN
D
US
T
EN
C
RI
A
NO
BI
ER
G
O
ER
O
M
C
AL
UM
BR
AD
CI
O
O
2010
Fuente: Elaboración propia en base a datos de la SIE.
De acuerdo con la CDEEE la tarifa media indexada a partir del aumento en los precios
del fuel oil No. 6 para los años 2008, 2009, 2010, 2011 y 2012, presenta una subestimación
en comparación con el precio medio de venta de 48.1%, 17.5%, 28.9%, 40.0% y 47.1%,
respectivamente (Bichara, 2013).
En el gráfico No. 10 se observa, de manera comparativa para el período enero 2004 a
junio de 2012, la evolución de los precios mensuales sectoriales en US$ del kwh de
electricidad y del barril del combustible fuel oil No. 6. Se puede apreciar patrones de
comportamiento simétricos entre las variables, validando y confirmando lo que refleja el
cuadro No. XI.
GRÁFICO No. 10
SISTEMA ELÉCTRICO NACIONAL
PRECIO DEL KWH DE ELÉCTRICIDAD SECTORIAL EN US$
Y EL PRECIO DEL COMBUSTIBLE FUEL OIL NO. 6
PERÍODO ENERO 2004-JUNIO 2012
80
PRICR
PRICC
.20
.32
.18
.28
.16
.24
.14
.20
.12
.16
.10
.08
.12
25
50
75
25
100
PRICI
50
75
100
75
100
75
100
PRICG
.32
.35
.28
.30
.24
.25
.20
.20
.16
.15
.12
.10
25
50
75
25
100
PRICA
50
FUEL 6
.32
120
100
.28
80
.24
60
.20
40
.16
20
.12
0
25
50
75
25
100
PRICR: Precio Sector Residencial
PRICC: Precio Sector Comercial
PRICI: Precio Sector Industrial
50
PRICG: Precio Sector Gobierno
PRICA: Precio Alumbrado Público
Fuel 6 : Precio barril Fuel Oil No.6
Fuente: Elaboración propia en base a datos de la SIE.
5.2.5 Estadísticos de otras variables utilizadas en la investigación
81
Para otras variables que se emplean en el análisis, tales como: la tasa de inflación mensual de
EUA, el consumo promedio de energía sectorial en Gwh, el subsidio en US$ por kwh que
otorga el gobierno, el número de clientes por sector, etc., en el anexo No. II se presentan los
estadísticos descriptivos. Estos estadísticos para cada una de las variables, muestran el
número de observaciones, la media, la desviación estándar y los valores mínimos y máximos
observados en las series. Estas variables, a los fines del análisis no requieren de una
explicación más exhaustiva.
Capítulo VI
RESULTADOS E INTERPRETACIÓN
82
6.1 Estacionariedad de las series de tiempo
Al aplicar la prueba Dickey y Fuller Aumentada (ADF) para detectar la existencia de raíz
unitaria a las variables incluidas en los modelos para estimar sectorialmente la demanda de
energía eléctrica y ponderar los determinantes del precio del kwh, los resultados indican que
todas ellas son no estacionarias en nivel, esto es debido a que la hipótesis nula de raíz unitaria
no se rechaza.
Siguiendo la metodología de Engle y Granger (1987) dado que las variables son no
estacionarias en nivel, procedimos a transformarlas tomando las primeras diferencias y así
determinar su orden de integración y aplicar el enfoque de cointegración. Luego de la
transformación los resultados indican que todas las variables son estacionarias en primera
diferencia, es decir son del orden I(1).
La prueba ADF se generó con la inclusión de constante, tendencia y constante y sin
incluir tendencia ni constante, considerando un nivel de significancia de un 5%. Los valores
críticos utilizados para la prueba ADF son los propuestos por Mackinnon (1996).
En el cuadro No. XII se presentan los resultados obtenidos al aplicar la prueba ADF, en
el cual las variables incluidas hacen referencia a: De (Demanda Eléctrica), Ce (Consumo
Eléctrico), Imae (Índice Mensual de Actividad Económica), Pric (Precio del Kwh en US$),
Sub (Subsidio Eléctrico al Kwh), Fuel06 (Precio Barril en US$ del Fuel Oil No.6), InfUSA
(Inflación Mensual de Estados Unidos). Los sufijos R, C, I, G y A, identifican los sectores
Residencial, Comercial, Industrial, Gobierno y del Alumbrado Público, respectivamente.
CUADRO No. XII
83
P R UE B A DIC K E Y -F UL L E R AUME NT ADA (ADF ) AL 5% VAL O R E S DE MAC K INNO N
P R UE B A A NIVE L
P R IME R AS D IF E R E NC IAS
OR DE N DE
VAR IAB L E S C ons tante C ons tante Ninguna C ons tante C ons tante Ninguna INT E G R AC IÓ N
y tendencia
y tendencia
VA R IA B L E S P A R A E S T IMA R L A DE MA NDA E N G WH
logD eR t
-1.16
-2.67
1.52
-5.66
-5.60
-5.91
I(1)
logD eC t
-1.14
-2.77
1.18
-11.24
-11.22
-11.08
I(1)
logD eIt
-1.33
0.51
0.21
-3.07
-3.45**
-3.2
I(1)
logD eG t
-1.21
-5.55*
1.34
-8.98
-8.58
-8.83
I(1)
logD eA t
-1.80
-3.19**
0.44
-7.29
-7.25
-7.30
I(1)
logC eR
t-1
-1.43
-2.66
1.36
-5.80
-5.75
-6.12
I(1)
logC eC
t-1
-1.36
-3.11
1.12
-11.19
-11.17
-11.04
I(1)
logC eI t-1
-1.36
0.14
0.55
-3.48
-3.78
-3.56
I(1)
logC eG
t-1
-1.32
-5.38*
1.20
-9.06
-9.00
-8.95
I(1)
logC eA t-1
-1.80
-3.18
0.43
-7.25
-7.21
-7.26
I(1)
logImae t
-1.45
-2.38
3.20*
-3.68
-3.84
-1.31**
I(1)
logP ricR
t
-3.11*
-4.09*
-1.39
-8.17
-8.31
-8.08
I(1)
logP ricC
t
-2.75
-2.65
-0.84
-10.62
-10.61
-10.64
I(1)
-3.53
-3.65
-0.37
-8.92
-8.84
-8.98
I(1)
-2.92*
-3.06
-0.27
-11.39
-11.33
-11.46
I(1)
logP ricA t
-4.36
-4.04
-1.13
-10.58
-10.79
-10.59
I(1)
logS ub t
-1.92
-3.69
-1.09
-11.16
-11.11
-11.08
I(1)
logP ricI t
logP ricG
t
VA R IA B L E S P ONDE R A C IÓN DE T E R MINA NT E S DE L P R E C IO DE L K WH
logF uel06 t
-1.71
-3.41
0.88
-11.35
-11.28
-11.29
I(1)
L ogInfUS A t
-6.39*
-6.40*
-0.80
-6.83
-6.79
-6.87
I(1)
logP ricR
t-1
-3.10
-4.12
-1.45
-8.14
-8.24
-8.03
I(1)
logP ricC
t-1
-2.69
-2.65
-0.92
-10.62
-10.60
-10.63
I(1)
logP ricI t-1
-3.44
-3.60
-0.45
-8.89
-8.82
-8.95
I(1)
logP ricG
-2.84
-2.99
-0.33
-11.35
-11.30
-11.42
I(1)
logP ricA t-1
-4.32*
-3.96*
-1.04
* E s tadís ticamente s ignificativas al 5% .
** E s tadís ticamente s ignificativas al 10% .
-10.16
-10.38
-10.18
I(1)
t-1
Fuente: Elaboración propia en base a datos de la SIE.
6.2 Pruebas de cointegración de las variables
Para probar la cointegración entre las variables utilizadas se estimaron los residuos de
los modelos en nivel (modelos en logaritmos) y aplicamos la prueba de Dickey y Fuller
Aumentada (ADF) a las perturbaciones. La prueba ADF se generó con la inclusión de
84
constante, tendencia y constante y sin incluir tendencia ni constante, considerando un nivel de
significancia de un 5%. Los resultados de la aplicación de la prueba ADF se presentan en el
cuadro No. XIII.
CUADRO No. XIII
E C UAC IO NE S DE C O INT E G R AC IÓN
P R UE B A DIC K E Y -F UL L E R AUME NT ADA (ADF ) AL 5% VAL O R E S DE MAC K INNO N
E cuacion E s timación
E cuación P onderacion
D emanda en G W H
P recios del kwh
S E C TOR E S
C O ND IC I ÓN
C ons tante C ons tante Ninguna C ons tante C ons tante Ninguna
y tendencia
y tendencia
R es idencial
-9.47
-9.42
-9.52
-17.30
-17.25
-17.43
I(0)
C omercial
-10.26
-10.23
-10.31
-5.37
-5.35
-5.39
I(0)
Indus trial
-1.79*
-5.41
-1.84**
-11.71
-11.69
-11.76
I(0)
G obierno
-7.05
-7.05
-7.08
-9.05
-9.00
-9.10
I(0)
Alumbrado P úblico
-4.31
-4.29
* No es tadís ticamente s ignificativa.
** E s tadís ticamente s ignificativa al 10% .
-4.34
-11.13
-11.08
-11.18
I(0)
Fuente: Elaboración propia en base a datos de la SIE.
Dado que los residuos de las regresiones en nivel son estacionarios, es decir de orden
I(0), entonces se concluye que las variables cointegran, lo cual nos indica que existe una
relación directa o de causalidad a largo plazo entre las variables y aunque estas crezcan a
través del tiempo lo hacen de una forma ajustada, de forma que el error entre ambas no crece
a lo largo del tiempo. Asimismo, esto nos indica que los coeficientes de la regresión son
consistentes y la estimación converge a su valor real de forma inversamente proporcional al
número de observaciones, en lugar de la raíz cuadrada del número de observaciones como es
el caso de las variables estacionarias Engle y Granger (1987).
Como las variables cointegran, según se muestra en el cuadro anterior, con la finalidad
de estimar los efectos de largo plazo los modelos en nivel especificados en el anexo No. III se
generaron a través de Mínimos Cuadrados Ordinarios (MICO). El procedimiento o
mecanismo de corrección de errores (MCE) se aplicó para encontrar los efectos de corto
plazo y la velocidad de ajuste hacia el equilibrio.
6.3 Estimaciones de la demanda sectorial de energía eléctrica
85
El cuadro No. XIV, muestra los resultados obtenidos para el modelo de la prospectiva de la
demanda sectorial de electricidad en Gwh y los efectos de largo plazo estimados mediante
modelos de doble logaritmos. En el cuadro se observa que los signos de los parámetros que
miden las elasticidades precio e ingreso de la demanda de electricidad son los esperados de
conformidad con la literatura económica sobre el tema, pero el nivel de significancia
estadística varía, dependiendo del sector de usuarios. La variable del Índice Mensual de
Actividad Económica (Imae), fue utilizada como proxy del ingreso.
Los resultados para el horizonte de corto plazo utilizando el modelo de corrección de
errores (MCE), bajo el esquema propuesto por Engle y Granger (1987), se presentan en el
cuadro No. XV. En este escenario se incluyeron variables dummies que capturan, para todos
los sectores, el efecto de la estacionalidad mensual de la demanda de electricidad en Gwh. El
coeficiente de la Constante (Co) captura la demanda del mes de mayor consumo y las
comparaciones se realizan utilizando ese mes, como base focal. Los resultados obtenidos,
como era lo esperado, demuestran que la demanda de electricidad en RD presenta un patrón
de comportamiento estacional mensual, durante el año, debido a las condiciones climáticas
calurosas que impone el trópico.
Hallazgos importantes que se extraen de los resultados de las estimaciones, tales como
los que atañen a la elasticidad precio e ingreso de la demanda, serán destacados y tratados
más adelante.
86
CUADRO No. XIV
DE MANDA S E C T O R IAL DE E L E C T R IC IDAD (G WH)
MO DE L O S E N L O G AR IT MO
R E S IDE NC IAL
C O ME R C IAL
S E C TOR E S
INDUS T R IAL
C o (C ons tante)
0.2750
(0.4727)
[0.5818]
-0.4536
(0.5201)
[-0.8722]
4.4682
(1.1532)
[3.8747]
3.0648
(1.2551)
[2.4418]
0.9251
(0.9430)
[0.9811]
L og (P rec t )
-0.0115
(0.0670)
[-0.1723]
-0.1032
(0.0916)
[-1.1262]
-0.2677
(0.1293)
[-2.0706]
-0.6443
(0.1961)
[-3.2852]
-0.6967
(0.2094)
[-3.3265]
L og (S ub t )
0.0339
(0.0517)
[0.6557]
0.1757
(0.0585)
[3.0033]
0.1248
(0.0966)
[1.2918]
-0.0107
(0.1971)
[-0.0544]
0.4061
(0.0944)
[4.3038]
L og (C e t-1 )
0.8210
(0.0520)
[15.7743]
0.5378
(0.1017)
[5.2878]
-0.0824
(0.0542)
[-1.5214]
-0.2288
(0.0543)
[-4.2122]
-0.0775
(0.0582)
[-1.3304]
L og (Imae t )
0.1343
(0.0732)
[1.8351]
0.4258
(0.1152)
[3.6958]
0.1488
(0.1609)
[0.9249]
0.1697
(0.1816)
[0.9345]
0.2598
(0.1343)
[1.9340]
D ummy (D éficit)
-0.0267
(0.0114)
[-2.3528]
-0.0474
(0.0164)
[-2.8914]
-0.0150
(0.0111)
[-1.3517]
-0.0194
(0.0140)
[-1.3907]
0.0037
(0.0100)
[0.3652]
0.3990
(0.0608)
[6.5637]
-0.4351
(0.0293)
[-14.8631]
-0.0816
(0.0486)
[-1.6784]
0.2739
(0.0932)
[2.9399]
0.8186
0.0768
[10.6661]
0.9131
(0.0389)
[23.4491]
0.7030
(0.0756)
[9.2944]
E S T ADÍS T IC O S DE L MO DE L O
102
102
102
102
102
VAR IAB L E S
D ummy (Normalidad)
AR (1)
O bs ervaciones (n)
G O B IE R NO
AL UMB R ADO
R ^2
0.8749
0.8996
0.8153
0.8944
0.8690
R ^2-Ajus tada-
0.8683
0.8932
0.8013
0.8864
0.8590
D urbin-Wats on
1.8926
1.9983
1.9409
1.8705
2.2256
J arque B era -J B (<5.99)
1.6077
16.5574
1.8758
4.2600
9.3800
B reus ch-P agan-G odfrey
P robabilidad
10.0322
(0.0743)
31.6525
(0.0001)
8.6181
(0.1962)
17.6253
(0.0072)
17.0293
(0.0092)
Valores entre paréntes is corres ponden al E rror E s tándar.
Valores entre corchetes corres ponden al E s tadís tico t.
Fuente: Elaboración propia en base a datos de la SIE.
87
CUADRO No. XV
DE MANDA S E C T O R IAL DE E L E C T R IC IDAD (G WH)
MO DE L O S E N DIF E R E NC IA UT IL IZ ANDO ME C ANIS MO DE C O R R E C C IÓN DE E R R O R (MC E )
S E C TOR E S
VAR IAB L E S
R E S IDE NC IAL C O ME R C IAL
INDUS T R IAL
G O B IE R NO AL UMB R ADO
C o (Abr./May./J un./Nov.)
0.0452
0.1226
0.1053
0.0648
0.0204
(0.0138)
(0.0568)
(0.0338)
(0.0192)
(0.0346)
[3.2772]
[2.1585]
[3.1163]
[3.3706]
[0.5908]
D (L og P rec t )
-0.1269
(0.1378)
[-0.9210]
-0.4877
(0.1916)
[-2.5452]
-0.2408
(0.1923)
[-1.2520]
-0.6508
(0.1961)
[-3.3187]
-0.9616
(0.2634)
[-3.6510]
D (L og S ub t )
-0.2557
(0.0613)
[-4.1752]
-0.1598
(0.1293)
[-1.2360]
-0.3109
(0.1052)
[-2.9548]
-0.2624
(0.1414)
[-1.8554]
0.0920
(0.1156)
[0.7954]
D (L og C e t-1 )
0.6340
(0.2975)
[2.1313]
-0.2342
(0.2508)
[-0.9337]
-0.1083
(0.2153)
[-0.5028]
-0.1292
(0.0974)
[-1.3261]
-0.1187
(0.1612)
[-0.7362]
D (L og Imae t )
0.0291
(0.1513)
[0.1925]
-0.2676
(0.3013)
[-0.8883]
0.0171
(0.1894)
[0.091]
0.0678
(0.2815)
[0.2407]
-0.1001
(0.2741)
[-0.3651]
D ummy (D éficit)
0.0065
0.0107
[0.6072]
-0.7754
(0.2919)
[-2.6563]
-0.0111
(0.0180)
[-0.6191]
-0.0188
(0.3284)
[-0.0572]
0.0003
(0.0152)
[0.0223]
-0.3384
(0.1866)
[-1.8131]
0.0161
(0.0212)
[0.7572]
-0.2995
(0.0905)
[-3.3107]
0.0057
(0.0170)
[0.3373]
-0.6049
(0.2746)
[-2.2031]
-0.0853
(0.0214)
[-3.9883]
0.2657
(0.0827)
[3.2140]
-0.1885
(0.1078)
[-1.7481]
0.2188
(0.0442)
[4.9464]
-0.2779
(0.1226)
[-2.2665]
0.4142
(0.1151)
[3.5969]
¥ (E
t-1
) (*)
D ummy (Normalidad)
AR (1)/AR (4) (**)
D ummy (E nero)
-0.0853
(0.0214)
[-3.9883]
-0.1594
(0.0637)
[-2.5032]
-0.1749
(0.0443)
[-3.9519]
-0.1334
(0.0340)
[-3.9282]
-0.1059
(0.0671)
[-1.5772]
D ummy (F ebrero)
-0.0968
(0.0205)
[-4.7307]
-0.1448
(0.0610)
[-2.3730]
-0.1279
(0.0404)
[-3.1643]
-0.0969
(0.0546)
[-1.7737]
-0.0271
(0.0429)
[-0.6321]
D ummy (Marzo)
-0.0194
(0.0224)
[-0.8625]
-0.0730
(0.0502)
[-1.4554]
-0.0649
0.0418
[-1.5539]
-0.1067
(0.0290)
[-3.6755]
-0.0431
(0.0517)
[-0.8330]
-0.1050
(0.0696)
[-1.5085]
-0.0239
(0.0407)
[-0.5866]
-0.0060
(0.0372)
[-0.1615]
D ummy (Abril)
D ummy (Mayo)
-0.0144
(0.0153)
[-0.9428]
-0.0756
(0.0673)
[-1.1231]
D ummy (J unio)
-0.0106
(0.0183)
[-0.5819]
-0.1096
(0.0808)
[-1.3567]
D ummy (J ulio)
-0.0410
(0.0176)
[-2.3244]
-0.1144
(0.0700)
[-1.6343]
D ummy (Agos to)
-0.0207
(0.0206)
[-1.0048]
D ummy (S eptiembre)
-0.0576
(0.0350)
[-1.6475]
-0.0345
(0.0532)
[-0.6483]
-0.0444
(0.0282)
[-1.5757]
-0.0219
(0.0461)
[-0.4760]
-0.0607
(0.0288)
[-2.1078]
-0.0815
(0.0278)
[-2.9273]
-0.0545
(0.0436)
[-1.2512]
-0.0922
(0.0639)
[-1.4437]
-0.0784
(0.0461)
[-1.6987]
-0.0488
(0.0247)
[-1.9709]
-0.0434
(0.0395)
[-1.0967]
-0.0449
(0.0298)
[-1.5049]
-0.1384
(0.0678)
[-2.0419]
-0.1278
(0.0355)
[-3.5980]
-0.0578
(0.0265)
[-2.1785]
-0.0073
(0.0363)
[-0.2022]
D ummy (O ctubre)
-0.0604
(0.0229)
[-2.6317]
-0.0861
(0.0889)
[-0.9684]
-0.1136
(0.0580)
[-1.9585]
-0.0869
(0.0416)
[-2.0896]
-0.0247
(0.0345)
[-0.7154]
D ummy (Noviembre)
-0.0856
(0.0262)
[-3.2661]
-0.1330
(0.0690)
[-1.9281]
-0.1023
(0.0471)
[-2.1733]
-0.0567
(0.0417)
[-1.3574]
D ummy (D iciembre)
-0.0626
-0.1190
-0.1668
(0.0245)
(0.0670)
(0.0477)
[-2.5532]
[-1.7772]
[-3.4994]
E S T ADÍS T IC O S DE L MO DE L O
102
102
102
-0.0227
(0.0347)
[-0.6533]
O bs ervaciones (n)
-0.0509
(0.0296)
[-1.7154]
102
102
R ^2
0.5053
0.5512
0.4524
0.6486
0.6345
R ^2-Ajus tada-
0.4027
0.4515
0.3155
0.5757
0.5466
D urbin-Wats on
1.9939
1.5673
1.9588
1.9991
2.0130
J arque B era -J B (<5.99)
2.8115
55.4453
35.5215
17.0500
83.6232
B reus ch-P agan-G odfrey
P robabilidad
27.7025
(0.0485)
45.1191
(0.0004)
63.6898
(0.0000)
15.8800
(0.5326)
31.2095
(0.0272)
(*) Mecanis mo corrección de errores .
(**) E l AR (4) corres ponde al s ector Indus trial.
Valores entre paréntes is corres ponden al E rror E s tándar.
Valores entre corchetes corres ponden al E s tadís tico t.
Fuente: Elaboración propia en base a datos de la SIE.
88
6.3.1 Elasticidad precio de la demanda sectorial de energía
En relación con la variable Prect que representa la elasticidad precio de la demanda de
electricidad en los escenarios de corto y largo plazo, el coeficiente para todos los sectores
presenta signo negativo lo cual coincide con la literatura económica sobre el tema.
Analicemos en detalle las elasticidades precio de la demanda por sector de usuarios, iniciando
con el horizonte de largo plazo.
Para el sector Residencial la elasticidad precio de la demanda de electricidad, toma el
valor de -0.01 y se interpreta que por cada aumento de precio de un 1% en la tarifa para esa
categoría, el consumo mensual de energía apenas disminuye en un 0.01% y dicho coeficiente
no es estadísticamente significativo. Este resultado es indicativo de una reducción poco
significativa en el consumo Residencial ante variaciones en el precio del kwh de energía.
Es destacable en la categoría Residencial que el coeficiente de la elasticidad precio sea
muy bajo en comparación con otros estudios realizados y que este no sea estadísticamente
significativo (ver cuadro No. III). Una forma de interpretar este resultado, desde el punto de
vista de la teoría del consumidor, es que la señal de precio no es efectiva para la categoría de
usuarios Residenciales de República Dominicana, en vista de que las variaciones de las
tarifas hacia la alza no afectan la cantidad de energía consumida. Este resultado es
comprensible también, debido a que el gobierno limita las alzas de la tarifa eléctrica como
una política pública de protección y resguardo a los consumidores, absorbiendo una alta
proporción del impacto de las alzas en los derivados del petróleo a través del subsidio a las
tarifas, lo cual incide en debilitar la señal de precio.
Para las categorías Industrial, Gobierno y del Alumbrado Público se encontró que los
parámetros que captan la elasticidad precio de la demanda son estadísticamente significativos
al 5%, con valores de -0.27, -0.64 y -0.69, respectivamente. El resultado debe ser explicado
89
en el sentido de que la señal de precios para estos sectores es más fuerte y efectiva, no
obstante dada la magnitud de los coeficientes el patrón de consumo de estos usuarios es
inelástico.
En términos específicos, para los sectores Gobierno y del Alumbrado Público el alto
valor del coeficiente de la elasticidad precio y su impacto en la demanda, inferimos que se
corresponde con el plan ejecutado por el gobierno a través de la Comisión Nacional de
Energía (CNE), mediante un programa de ahorro y eficiencia energética y de sustitución de
bombillas incandescentes implementado a partir del mes de marzo de 2008.
En el corto plazo la elasticidad precio de la demanda presenta peso estadístico
significativo para los sectores Comercial, Gobierno y del Alumbrado Público y los
coeficientes, en ese mismo orden, son de -0.49, -0.65 y -0.96. Lo cual demuestra un mayor
grado de reacción inmediata de estos consumidores, reduciéndose la señal de precio en su
tránsito hacia el largo plazo.
El sector Residencial presenta un coeficiente de elasticidad de -0.13 en el corto plazo,
valor que aunque no tiene peso estadístico significativo se ubica entre los limites que señalan
las investigaciones efectuadas por Houthakker y Taylor (1970), Maddala et al. (1997) y
García-Cerruti (2000), como se puede observar en el cuadro No. III de la sección de
Revisión de Literatura.
Partiendo de los resultados anteriores se valida la hipótesis de que el consumo de electricidad
en RD para todos los sectores de usuarios es inelástico ante alzas en el precio de las tarifas
eléctricas, siendo el sector Residencial el más inelástico.
Otro hallazgo importante, es que la señal de precio para todos los sectores de
consumidores es más fuerte en el corto plazo, debilitándose la señal en el ¨pass through¨ hacia
90
el largo plazo. Este resultado contrasta con resultados de investigaciones realizadas, en las
cuales los coeficientes de elasticidad son de mayor valor en el escenario de largo plazo (ver
cuadro No. III).
6.3.2 Elasticidad ingreso de la demanda sectorial de energía
La elasticidad ingreso de la demanda de energía para todos los sectores de usuarios se obtuvo
a través del coeficiente correspondiente al Índice Mensual de Actividad Económica (Imae), el
cual hemos utilizado como proxy del ingreso.
Analizando los resultados para el largo plazo que muestra el cuadro No. XIV, se
observa que los parámetros tienen signo positivo, el esperado, pero solo para las categorías
Residencial, Comercial y del Alumbrado Público, se obtuvo significancia estadística al 5%.
Para el renglón Comercial, por cada 1% de aumento en el Índice de Actividad
Económica Mensual (Imae), la demanda de electricidad aumenta en un 0.43%. Este resultado
aunque se coloca por debajo de la tasa de crecimiento mensual del Imae en el período bajo
análisis que es de 0.52%, constituye una señal fuerte de respuesta del consumo energético de
los clientes Comerciales ante las variaciones positivas de la actividad económica. La
diferencia entre ambos valores se explica por el déficit en la energía no abastecida en el
sector eléctrico nacional, el cual como media para el período enero 2004 a junio 2012 se
ubicó en un 16% (ver cuadro No. VII).
Para el sector Residencial las estimaciones muestran que en el largo plazo la elasticidad
ingreso es de 0.13. Esta elasticidad es similar a las encontradas por Maddala et al. (1997) y
García-Cerruti (2000). No obstante, en comparación con otros trabajos en los cuales se ha
utilizado el PIB percápita, llama nuestra atención que esta elasticidad sea baja; lo cual
91
inferimos se debe, en una alta proporción, a que las variaciones del Imae no son la
aproximación más apropiada de los cambios en el ingreso familiar (ver cuadro No. III).
Para el sector Industrial la elasticidad del ingreso es de un 0.15, la cual coincide con la
estimada en Turquía por Dilaver y Hunt (2010), pero sin peso estadístico significativo al 5%.
De hecho el test de causalidad de Granger (1969) entre el Imae y el consumo de energía
industrial, solo establece la relación de causalidad a nivel del tercer rezago, con un F
estadístico de 5.57 y a un nivel de significancia del 5%. Este resultado constituye una señal
débil de respuesta del consumo energético de los clientes Industriales ante variaciones
positivas en el Índice de Actividad Económica Mensual (Imae) y nos sugiere el uso de otra
variable explicativa de frecuencia mensual para aproximar con un mayor nivel de precisión la
demanda de electricidad para ese sector.
Para los sectores de Gobierno y del Alumbrado público la elasticidad ingreso es de 0.17
y 0.26, respectivamente, pero con significado estadístico al 5% solo para la categoría de
usuarios del Alumbrado Público.
En el corto plazo según nos presenta el cuadro No. XV, las elasticidades ingreso de la
demanda no presentan un peso estadístico significativo para ninguno de los sectores de
usuarios del servicio, indicando que para ese escenario el Imae no es una variable que
impacta la temporalidad de la demanda.
Examinando las elasticidades ingreso encontradas y ponderando el crecimiento del
consumo en el período bajo análisis (ver cuadro No. X), para los sectores Residencial,
Comercial y del Alumbrado Público, se valida la hipótesis de que el aumento en la demanda
de energía guarda una relación de causalidad con el crecimiento de la actividad económica
92
en RD, medido a través del Índice Mensual de Actividad Económica (Imae). Para los sectores
Industrial y de Gobierno no se confirma la hipótesis de causalidad planteada.
Por otro lado, comparando desde enero de 2004 a junio del 2012 la tasa de crecimiento
media anual del Imae, que fue de un 6.2%, con la del consumo eléctrico para los sectores
Residencial, Comercial y del Alumbrado Público que fueron de un 6.3%, 12.3% y 5.5%,
respectivamente, se infiere que el sector Comercial fue el único sector de usuarios que
experimentó un aumento en su consumo por dos causalidades: por la vía del crecimiento de la
actividad económica y como efecto de la reducción gradual del déficit energético (ver
cuadros Nos. VII y X).
6.3.3 El subsidio eléctrico y su relación con la demanda sectorial de energía
Los coeficientes correspondientes a la variable del subsidio, incluida en los modelos para
evaluar su evolución y comportamiento en relación con las demandas sectoriales, presentan
signos positivos en el largo plazo y negativos en el corto plazo; lo cual es contrastante.
Para el largo plazo dos de los sectores de menor demanda de energía, es decir, el
Comercial y del Alumbrado Público, presentan un t estadístico de 3.0 y 4.3, respectivamente,
otorgándoles a los coeficientes de esas categorías de consumidores peso estadístico al 5%.
Este resultado es razonable, partiendo del hecho de que en el período bajo análisis estos dos
sectores fueron de los que experimentaron mayores tasas de crecimiento medio anual en el
consumo, siendo estas de manera respectivas de 12.3% y 5.5% (ver cuadro No. X). El
subsidio a la tarifa eléctrica se incrementó en una tasa promedio anual de 15.9%.
La elasticidad del subsidio para los usuarios del tipo Residencial e Industrial fue, en ese
mismo orden de 0.03 y 0.12, y los parámetros no son estadísticamente significativos para
fines prospectivos. Estos dos sectores son los de mayor consumo, con demandas anuales del
93
orden de 37% y 35%, respectivamente, del total de la energía despachada por las EDES, pero
el crecimiento medio anual del consumo de enero de 2004 a junio de 2012, el promedio de
ambos sectores, fue de 4.7% (ver cuadro No. X).
En el corto plazo, la situación se invierte y las elasticidades del subsidio en relación con
el consumo tienen signo negativo y son estadísticamente significativas para los renglones de
consumidores del tipo Residencial e Industrial. El coeficiente negativo es indicativo de un
comportamiento inversamente proporcional en este horizonte de tiempo, lo cual inferimos se
debe a que a los incrementos en el monto del subsidio eléctrico, por lo general, en lo
inmediato le siguen episodios de agravamiento de la crisis energética, situación que impacta
con mayor crudeza a los sectores Residencial e Industrial, que son los de mayor demanda de
energía eléctrica.
6.3.4 La captura del déficit de abastecimiento sectorial de energía
En vista de que se generó un déficit energético promedio de un 16%, para los años del 2004
al 2012 (ver cuadro No. VII) y se plantea como uno de los objetivos de este trabajo estimar la
prospectiva de la demanda sectorial ponderando en gran medida el sesgo en el consumo que
produce el desabastecimiento; se incluyó en los modelos variables dummies que permitieron
diferenciar y capturar el efecto de los meses en los cuales se produjo una crisis en el
abastecimiento eléctrico que superara en un 15% la demanda máxima en las horas del
consumo pico del servicio.
En el largo plazo los coeficientes de las variables binarias que captan el déficit son
negativos, el esperado y son estadísticamente significativos para los sectores Residencial y
Comercial, con valores de -0.03 y -0.05, respectivamente. Este comportamiento es razonable,
partiendo del hecho de que existe una relación causal entre el déficit energético y el consumo
94
de electricidad Residencial y Comercial, dado que estos dos sectores son los de mayor tasa de
crecimiento medio anual (ver cuadro No. X) y son, a la vez, de los más afectados por las
interrupciones en el servicio.
Para los sectores Industrial y de Gobierno el coeficiente que capta el efecto de la crisis
energética es, para ambos, de -0.02, y no son estadísticamente significativos.
Un evento que ha incidido para que el déficit en los sectores Industrial y de Gobierno
haya presentado el comportamiento que revelan los coeficientes obtenidos, es que las EDES
han establecido como política de manejo de la crisis energética, no retirar en la medida de lo
posible el servicio eléctrico, en las horas pico de trabajo, a los circuitos que corresponden a
zonas industriales del país y a las áreas geográficas donde se encuentran concentradas
instituciones y oficinas del gobierno.
En el corto plazo, según nos muestra el cuadro No. XV, para todos los sectores con
excepción del Comercial, los coeficientes que corresponden a las variables dummies que
captan la crisis de abastecimiento, presentan signos positivos y no son estadísticamente
significativos; revelando que para este horizonte de tiempo, dadas las características del
sistema eléctrico de la RD, el déficit sistémico en el abastecimiento de energía no impacta la
temporalidad de la demanda sectorial de corto plazo.
6.3.5 Estacionalidad mensual de la demanda sectorial de energía
Tomando como base el modelo de corrección de errores (MCE), en el cuadro No. XV se
presentan los coeficientes de las variables dummies que captan los efectos estacionarios de la
demanda sectorial de energía eléctrica.
95
Para la estimación de la estacionalidad sectorial, se tomó un mes base como parámetro
comparativo y para esos fines hemos seleccionado el de mayor consumo. El coeficiente de la
Constante (Co) captura la demanda del mes de mayor consumo y las comparaciones se
realizan utilizando ese mes como base focal. Los meses seleccionados para cada sector y los
valores del coeficiente obtenido, se extraen del cuadro No. XV y se presentan a continuación.
CUADRO No. XVI
DE MANDA S E C T O R IAL DE E L E C T R IC IDAD (G WH)
P AR ÁME T R O S Y ME S E S DE C O MP AR AC IÓN P AR A L A E S T AC IO NAL IDAD DE L C O NS UMO
S E C TOR E S
DE T AL L E
R E S IDE NC IAL C O ME R C IAL
INDUS T R IAL
G O B IE R NO AL UMB R ADO
Mes bas e para la c omparac ión
C o (C ons tante)
A bril
A bril
J unio
Mayo
Noviembre
0.0452
0.1226
0.1053
0.0648
0.0204
E rror es tándar
(0.0138)
(0.0568)
(0.0338)
(0.0192)
(0.0346)
E s tadis tic o t
[3.2772]
[2.1585]
[3.1163]
[3.3706]
[0.5908]
Fuente: Elaboración propia en base a datos de la SIE.
Los coeficientes obtenidos para los sectores Residencial, Comercial, Industrial y
Gobierno, en un proporción de un 50%, resultaron estadísticamente significativos al 5%. Para
el sector del Alumbrado Público los coeficientes que recogen la estacionalidad de corto plazo
no resultaron significativos, debido a que no existe un patrón de regularidad, prioridad y de
sostenibilidad en el servicio para esa categoría de usuarios.
En el cuadro No. XV, podemos observar para el sector Residencial que los meses de
menor consumo, en comparación con el mes base, abril, corresponden a enero, febrero,
septiembre, octubre, noviembre y diciembre, en los cuales la demanda de electricidad se
reduce en -0.09%, -0.10%, -0.05%, -0.06%, -0.09% y -0.06%, respectivamente; siendo el mes
de febrero el más sensible al cambio. Los meses de marzo, mayo, junio y agosto no fueron
estadísticamente diferente del mes base, es decir que el consumo fue equiparable. No
obstante, en el mes de julio se produce una caída en el consumo del sector de un -0.04%, la
96
cual no puede ser atribuida a la estacionalidad en el uso de la energía, sino más bien a la crisis
de desabastecimiento eléctrico.
Para lo demás sectores la interpretación debe ser realizada de la forma en que hemos
procedido para el sector Residencial.
6.3.6 Prospectiva de la demanda sectorial de energía eléctrica
Como una manera de validar y testear los modelos en su dinámica de estimar las demandas
sectoriales de electricidad de largo plazo, hemos realizado una prospectiva para un horizonte
de 10 años, iniciando en el 2013.
Las variables explicativas empleadas fueron proyectadas utilizando las tasas de
crecimiento medio anual de las series durante el período bajo análisis.
Los resultados de la estimación de las demandas sectoriales se presentan en el cuadro
No. XVII, en el cual también se muestra la demanda total para el sistema eléctrico nacional y
la tasa de crecimiento proyectada para cada año y la media anual para todo el período.
Asimismo, se comparan estos resultados con prospectivas realizadas por la Fundación
Bariloche (FB) y por la CDEEE.
CUADRO No. XVII
SISTEMA ELÉCTRICO NACIONAL
PROSPECTIVA DE LA DEMANDA SECTORIAL DE ELECTRICIDAD EN GWH
DEL 2013 AL 2022
97
AÑO
SECTORES DE USUARIOS
RESIDENCIAL COMERCIAL INDUSTRIAL GOBIERNO ALUMBRADO TOTAL GWH
Δ%
2013
4,270
950
1,939
694
182
8,034
2014
4,570
1,052
1,967
687
188
8,464
5.35%
2015
4,906
1,168
1,997
680
194
8,944
5.67%
2016
5,268
1,296
2,026
673
200
9,464
5.81%
2017
5,658
1,438
2,056
667
207
10,026
5.93%
2018
6,076
1,595
2,087
660
214
10,632
6.05%
2019
6,525
1,770
2,118
654
221
11,288
6.17%
2020
7,007
1,964
2,149
647
229
11,996
6.28%
2021
7,525
2,179
2,181
641
236
12,763
6.39%
2022
8,081
2,418
2,214
635
244
13,592
6.50%
TOTALES
59,886
15,830
20,735
6,638
2,115
105,203
ΔA%
7.34%
10.95%
1.49%
-0.98%
3.33%
6.02%
ΔA%: Tasa de crecimiento medio anual.
Δ%: Tasa de crecimiento anual.
Fuente: Elaboración propia en base a datos de la SIE.
Como podemos observar el crecimiento medio anual proyectado para todo el sector
eléctrico nacional es de un 6%, siendo los sectores Comercial y Residencial los de mayor
crecimiento en la demanda energética. Los sectores Industrial y Gobierno, presentan tasas de
1.49% y -0.98%, respectivamente, lo cual se debe, como explicamos en la sección 6.3.2, a
que el Imae no es la variable adecuada para aproximar y estimar la demanda eléctrica en esos
sectores.
Analizando comparativamente nuestras proyecciones con las realizadas bajo el
escenario econométrico tendencial por la Fundación Bariloche (FB) en el trabajo ejecutado a
requerimiento de la Comisión Nacional de Energía (CNE) en el año 2008, encontramos lo
siguiente:
-
Tomando todo el período, la estimación de la FB para el sector Residencial supera
en un 3.5% a la mostrada en el cuadro No. XVII. Una de las razones de esta
diferencia radica en el hecho de que la FB utiliza el PIB percápita como variable
para aproximar el ingreso, arrojando su estimación una elasticidad ingreso de 0.56.
98
La elasticidad ingreso estimada por nosotros y considerada para los fines de la
proyección de la demanda para ese sector fue de 0.13, es decir un 0.76% más baja
(ver cuadro No. XIV).
-
La FB integra a los sectores Comercial, Gobierno y del Alumbrado Publico en una
solo categoría la cual denomina renglón servicios. El pronóstico de la FB para esta
categoría supera en un 12.4% al presentado en el cuadro No. XVII y el origen de la
diferencia radica en la misma razón explicada para el sector Residencial. La
elasticidad ingreso aplicada por la FB fue de 0.92, mientras que la utilizada en
nuestra proyección fue de 0.29, como promedio de los tres sectores (ver cuadro No.
XIV).
-
Las prospectivas para el renglón Industrial no resultaron comparables, debido a que
la FB utilizó para estimar la demanda cifras de generación en Gwh, en lugar de
utilizar el consumo eléctrico de esa categoría de usuarios.
Por otro lado, una previsión de la CDEEE para todo el período 2013-2022 ubica la
demanda en 207,154 Gwh, aplicando una tasa de crecimiento medio anual del 5.0%. La
diferencia de un 49% en comparación a la obtenida en este trabajo, se debe a que la CDEEE
parte de las cifras totales de generación del sistema eléctrico nacional no del consumo real,
razón por la cual dentro de su cálculo incluye pérdidas técnicas y no técnicas por el orden de
un 35.6% y un 13% para cubrir el 89% del déficit por desabastecimiento existente que se
estima al 2012 que es de un 16% (Bichara, 2013).
6.4 Ponderación de los determinantes del precio sectorial de la electricidad
El modelo empleado para ponderar los determinantes del precio sectorial del kwh, como se
explicó anteriormente, se asimila a la formula utilizada por la SIE para la indexación de las
99
tarifas; con la diferencia de que no se incluyó en los modelos sectoriales empleados la
variable referente a la tasa de cambio del dólar en el mercado extrabancario, para evitar
problemas de multicolinialidad en los modelos.
Los resultados correspondientes a la ponderación de los determinantes del precio en
US$ del kwh de energía eléctrica sectorial y los efectos de largo plazo, se presentan en el
cuadro No. XVIII. Los signos obtenidos por los parámetros que miden las elasticidades del
precio del combustible fuel oil y de la inflación en EUA en relación con el precio del kwh son
los esperados y el nivel de significancia estadística al 5% varía, dependiendo de la categoría
de usuarios.
Los resultados para el horizonte de corto plazo utilizando el modelo de corrección de
errores (MCE), se presentan en el cuadro No. XIX. De la misma forma que se planteó para la
estimación de la demanda sectorial, en este escenario también se incluyeron variables
dummies para captar el efecto estacional en la indexación de las tarifas eléctricas. El
coeficiente de la Constante (Co) captura el mes para los cuales la SIE fijó el mayor precio del
kwh en US$ y las comparaciones se realizan utilizando ese mes como punto de referencia.
Los resultados obtenidos coinciden con lo esperado y los mismos demuestran que el precio en
US$ del kwh de electricidad en RD varía en función de las fluctuaciones en el precio del
barril del fuel oil No.6. Asimismo, se determinó que las tarifas para las categorías Residencial
y Comercial no siguen un patrón de comportamiento estacional mensual, ya que las mismas
permanecieron sin cambios significativos durante todo el período que cubre nuestro trabajo.
CUADRO No. XVIII
100
P R E C IO E L E C T R IC IDAD S E C T O R IAL (K WH)
MO DE L O S E N L O G AR IT MO
R E S IDE NC IAL
C O ME R C IAL
S E C TOR E S
INDUS T R IAL
C o (C ons tante)
-1.9067
(0.2331)
[-8.1801]
-0.6054
(0.1395)
[-4.3390]
-0.4730
(0.1176)
[-4.0215]
-1.7269
(0.4250)
[-4.0631]
-0.2209
(0.0966)
[-2.2859]
L ogF uel06 t
0.0721
(0.0289)
[2.4903]
0.0424
(0.0170)
[2.5000]
0.0245
(0.0129)
[1.8995]
0.0661
(0.0723)
[0.9140]
-0.0082
(0.0198)
[-0.4146]
L ogInfUS A t
0.0048
(0.0119)
[0.4025]
0.0127
(0.0082)
[1.5463]
0.0064
(0.0103)
[0.6218]
0.0023
(0.0190)
[0.1218]
0.0203
(0.0153)
[1.3290]
L ogP ric t-1
0.1335
(0.0875)
[1.5259]
0.7115
(0.0647)
[11.0032]
0.7597
(0.0565)
[13.4400]
0.0210
(0.0990)
[0.2121]
0.8248
(0.0375)
[22.0007]
0.3541
(0.0144)
[24.6649]
0.1504
(0.0232)
[6.4770]
0.4365
(0.0285)
[15.3299]
0.3151
(0.0140)
[22.5588]
-0.3502
(0.0072)
[-48.4901]
VAR IAB L E S
D ummy 1 (Normalidad)
G O B IE R NO
D ummy 2 (Normalidad)
-0.1556
(0.0254)
[-6.1350]
-0.4419
(0.0432)
[-10.2290]
AR (1)
0.8556
(0.0575)
[14.8676]
0.8110
(0.0812)
[9.9874]
AR (4)
AL UMB R ADO
-0.1008
(0.0491)
[-2.0517]
E S T ADÍS T IC O S DE L MO DE L O
102
102
102
O bs ervaciones (n)
102
102
R ^2
0.9367
0.7788
0.7782
0.7967
0.8242
R ^2-Ajus tada-
0.9334
0.7696
0.7660
0.7836
0.8149
D urbin-Wats on
1.9669
2.2060
2.3347
1.8031
2.1471
J arque B era -J B (<5.99)
4.6293
87.8781
43.0081
78.2546
32.0845
B reus ch-P agan-G odfrey
P robabilidad
6.7579
(0.1492)
25.3075
(0.0001)
1.0619
(0.9003)
9.2374
(0.1000)
20.9875
(0.0008)
Valores entre paréntes is corres ponden al E rror E s tándar.
Valores entre corchetes corres ponden al E s tadís tico t.
Fuente: Elaboración propia en base a datos de la SIE.
101
CUADRO No. XIX
P R E C IO E L E C T R IC IDAD S E C T O R IAL (K WH)
MO DE L O S E N DIF E R E NC IA
C O ME R C IAL
0.0214
(0.0150)
[1.4223]
0.0344
(0.0308)
[1.1171]
0.0103
(0.0140)
[0.7345]
-0.0466
(0.1100)
[-0.4235]
-0.3058
(0.1325)
[-2.3073]
S E C TOR E S
INDUS T R IAL
0.0346
(0.0193)
[1.7886]
-0.0591
(0.0423)
[-1.3975]
0.0266
(0.0160)
[1.6612]
0.1880
(0.2529)
[0.7433]
-0.5414
(0.2318)
[-2.3360]
G O B IE R NO
0.0528
(0.0294)
[1.7927]
0.0584
(0.0686)
[0.8514]
0.0320
(0.0402)
[0.7956]
-0.3998
(0.0962)
[-4.1566]
-0.0122
(0.1972)
[-0.0619]
AL UMB R ADO
0.0468
(0.0234)
[2.0005]
0.1085
(0.0432)
[2.5093]
-0.0324
(0.0187)
[-1.7355]
-0.1104
(0.1116)
[-0.9895]
-0.3309
(0.1808)
[-1.8302]
0.4001
(0.0430)
[9.2988]
0.1259
(0.0817)
[1.5413]
0.6113
(0.1586)
[3.8544]
0.3153
(0.0588)
[5.3634]
D ummy 2 (Normalidad)
-0.6484
(0.1174)
[-5.5217]
-0.4264
(0.0592)
[-7.1983]
AR (1)
0.4855
(0.1725)
[2.8144]
0.3505
(0.1355)
[2.5869]
VAR IAB L E S
C o (Mar./May./Nov./D ic.)
D (L ogF uel06 t )
D (L ogInfUS A t )
D (L ogP ric t-1 )
ψ(F
t-1
) (*)
R E S IDE NC IAL
0.0311
(0.0265)
[1.1723]
0.1683
(0.0729)
[2.3084]
-0.0118
(0.0219)
[-0.5377]
0.1260
(0.1995)
[0.6316]
-0.2366
(0.0780)
[-3.0319]
D ummy 1 (Normalidad)
AR (2)
-0.4476
(0.1363)
[-3.2831]
AR (3)
-0.1655
(0.0737)
[-2.2474]
D ummy (E nero)
-0.0300
(0.0310)
[-0.9680]
-0.0418
(0.0271)
[-1.5455]
-0.0530
(0.0298)
[-1.7762]
-0.0414
(0.0337)
[-1.2302]
-0.0720
(0.0304)
[-2.3650]
D ummy (F ebrero)
-0.0487
(0.0309)
[-1.5749]
-0.0333
(0.0223)
[-1.4886]
-0.0503
(0.0226)
[-2.2272]
-0.0773
(0.0337)
[-2.2935]
-0.0507
(0.0319)
[-1.5875]
D ummy (Marzo)
-0.0407
(0.0333)
[-1.2218]
-0.0824
(0.0445)
[-1.8525]
-0.0182
(0.0327)
[-0.5561]
D ummy (Abril)
-0.0241
(0.0279)
[-0.8667]
D ummy (Mayo)
-0.0163
(0.0183)
[-0.8937]
-0.0536
(0.0247)
[-2.1734]
-0.0883
(0.0455)
[-1.9382]
-0.0692
(0.0323)
[-2.1434]
-0.0451
(0.0278)
[-1.6226]
-0.0088
(0.0335)
[-0.2633]
-0.0693
(0.0452)
[-1.5311]
-0.0911
(0.0317)
[-2.8699]
D ummy (J unio)
-0.0122
(0.0280)
[-0.4367]
-0.0073
(0.0201)
[-0.3664]
-0.0610
(0.0254)
[-2.4009]
-0.0639
(0.0376)
[-1.7009]
-0.0329
(0.0320)
[-1.0296]
D ummy (J ulio)
-0.0445
(0.0363)
[-1.2247]
-0.0131
(0.0233)
[-0.5630]
-0.0446
(0.0233)
[-1.9118]
-0.0376
(0.0410)
[-0.9170]
-0.0266
(0.0316)
[-0.8420]
D ummy (Agos to)
-0.0289
(0.0303)
[-0.9539]
-0.0252
(0.0233)
[-1.0818]
-0.0127
(0.0239)
[-0.5318]
-0.0506
(0.0319)
[-1.5864]
-0.0611
(0.0312)
[-1.9608]
D ummy (S eptiembre)
-0.0202
(0.0314)
[-0.6425]
-0.0131
(0.0256)
[-0.5105]
-0.0292
(0.0268)
[-1.0891]
-0.0642
(0.0341)
[-1.8821]
-0.0534
(0.0302)
[-1.7683]
D ummy (O ctubre)
-0.0393
(0.0304)
[-1.2911]
-0.0074
(0.0323)
[-0.2279]
-0.0345
(0.0305)
[-1.1319]
-0.0298
(0.0460)
[-0.6482]
-0.0489
(0.0260)
[-1.8757]
D ummy (Noviembre)
-0.0094
(0.0338)
[-0.2789]
-0.0236
(0.0236)
[-0.9992]
-0.0308
(0.0227)
[-1.3564]
-0.0147
(0.0490)
[-0.3005]
D ummy (D iciembre)
-0.0483
-0.0285
-0.0133
(0.0327)
(0.0347)
(0.0330)
[-1.4762]
[-0.8207]
[-0.4039]
E S T ADÍS T IC O S DE L MO DE L O
102
102
102
O bs ervaciones (n)
-0.0260
(0.0276)
[-0.9431]
102
102
R ^2
0.2649
0.5374
0.3699
0.5685
0.5742
R ^2-Ajus tada-
0.1336
0.4391
0.2343
0.4714
0.4784
D urbin-Wats on
1.9316
1.7492
1.8837
1.7594
1.8198
J arque B era -J B (<5.99)
64.0194
12.3317
23.7068
10.3928
3.4147
B reus ch-P agan-G odfrey
P robabilidad
17.4310
(0.2938)
15.7960
(0.4673)
18.3433
(0.3042)
19.4584
(0.3029)
18.2637
(0.3724)
(*) Mecanis mo corrección de errores .
Valores entre paréntes is corres ponden al E rror E s tándar.
Valores entre corchetes corres ponden al E s tadís tico t.
Fuente: Elaboración propia en base a datos de la SIE.
102
6.4.1 El impacto de las variaciones en el precio del fuel oil No. 6
La elasticidad del precio del combustible fuel oil No.6 en relación con el precio del kwh de
energía eléctrica para todas las categorías de usuarios, se capta a través del coeficiente de la
variable Fuel06t.
En el escenario de largo plazo, cuadro No. XVIII, el coeficiente es estadísticamente
significativo para los sectores Residencial, Comercial e Industrial. Los sectores de Gobierno
y del Alumbrado Público muestran una baja sensibilidad en las tarifas del kwh ante
variaciones en el precio del barril del fuel oil No. 6, lo cual inferimos se debe al mecanismo
de regulación y fijación de las tarifas que aplica la Superintendencia de Electricidad (SIE), el
cual genera patrones de precios rígidos para todas las categorías de usuarios.
El valor del coeficiente para el sector Residencial es 0.07 y expresa que por cada
incremento de un 1% en el precio del combustible fuel oil No. 6 el precio del kwh aumenta
en un 0.07%. Igual interpretación aplica para los sectores Comercial e Industrial, para los
cuales los coeficientes son de 0.04 y 0.02, respectivamente.
En el período bajo análisis las tasas de crecimiento mensual del precio promedio en
US$ del kwh para los usuarios de las categorías Residencial, Comercial e Industrial, en ese
mismo orden, fueron de un 0.61%, 0.47% y 0.40%, respectivamente. No obstante, para ese
mismo período la tasa mensual de crecimiento del precio en US$ del barril de fuel oil No. 6
fue de 0.90%, lo que nos indica que los aumentos en las tarifas eléctricas estuvieron por
debajo del impacto real que debió generar el aumento en los precios de ese combustible (ver
cuadro No. XI).
Lo anterior implicó que las tarifas para los consumidores Residencial, Comercial e Industrial
se subestimaron en un 32.2%, 47.7% y 55.5%, respectivamente, situación que coincide con
103
lo planteado en el informe sobre la Situación Actual y Plan Integral del Sector Eléctrico
(2013), en el cual se señala que para los años del 2008 al 2012 la tarifa eléctrica media
indexada se subestimó en 27.5% (Bichara, 2013). Esta diferencia en el cálculo de las tarifas
es lo que se cubre a través del subsidio eléctrico.
En el horizonte de corto plazo los parámetros de la elasticidad del precio del fuel oil
No.6 no son estadísticamente significativos, para los sectores Comercial e Industrial,
condición que difiere de los resultados del modelo para el escenario de largo plazo.
Por otro lado, encontramos que en el corto plazo la elasticidad del precio del fuel oil
No. 6 es estadísticamente significativo para los sectores Residencial y del Alumbrado
Público, resultado que ratifica el hecho de que las tarifas eléctricas son sensibles a la señal de
incremento en los precios de ese combustible.
Basados en los resultados anteriores y tomando en consideración que el 40% de la
matriz de generación eléctrica se basa en el uso del combustible fuel oil Nos. 2 y 6 y de que
el 48% de las compras de energía que efectúan las EDES son bajo contratos indexados de
acuerdo con las fluctuaciones de los precios del fuel oil No.6; validamos parcialmente la
hipótesis de que el encarecimiento de las tarifas eléctricas obedece principalmente a la
composición de la matriz energética y en una menor proporción a los términos de los
contratos de compra suscritos con los generadores.
La validación parcial de la hipótesis planteada, es procedente debido a que el
componente causal de incremento en las tarifas eléctricas, es atribuible a ambos factores con
una diferencia de solo 8 puntos porcentuales.
Otro hallazgo de importancia que se extrae del análisis de los resultados de la regresión, es
que aunque en el corto y largo plazo el aumento en el precio del barril del fuel oil No. 6
104
constituye una señal fuerte de impacto; debido al mecanismo que emplea la Superintendencia
de Electricidad (SIE) para la fijación de las tarifas que se basa en un sistema rígido y
discrecional, el impacto en los precios del kwh no se produce en la proporción debida ni con
la temporalidad apropiada.
6.4.2 La inflación de los EUA y sus efectos en las tarifas eléctricas
La elasticidad de la inflación de los Estados Unidos (EUA) en relación con el precio del kwh,
representada por la variable InfUSAt, en el escenario de largo plazo arroja signo positivo para
las categorías Residencial, Comercial, Industrial y de Gobierno, pero los coeficientes no
tienen un peso estadístico significativo.
En el escenario de corto plazo los coeficientes mantienen su bajo nivel de significancia
estadística al 5%, con excepción de los sectores Industrial y de Alumbrado Público, para los
cuales el estadístico t se aproxima a 2.
Aun cuando la inflación en EUA es una de las variables que utiliza la SIE para indexar
mensualmente el precio de las tarifas eléctrica en RD, ponderando así el alto porcentaje de
insumos que son importados desde ese mercado para la industria eléctrica nacional; los
resultados obtenidos demuestran que esta variable no es un determinante significativo para la
fijación de las tarifas eléctricas sectoriales en RD.
6.4.3 El peso del preciot-1 en la indexación de las tarifas mensuales
Como muestra el cuadro No. XVIII, el mayor peso de significancia estadística como
determinante de las tarifas eléctricas sectoriales, lo representa el coeficiente que corresponde
a la variable del precio en US$ del kwh en el período t-1 (Prict-1). Si bien es cierto que la
significancia estadística no indica casualidad, la misma permite confirmar la existencia de
105
correlación entre las variables analizadas, obteniéndose un mayor peso en el resultado de las
ponderaciones e inferencias.
Para los renglones Residencial, Comercial, Industrial y de Alumbrado Público el
parámetro es de 0.13, 0.71, 0.76 y 0.82, respectivamente. Lo cual evidencia la rigidez del
patrón seguido por la SIE para la fijación de las tarifas. El bajo valor del coeficiente para el
sector Residencial en comparación con los demás, inferimos que obedece al hecho de que la
SIE sigue un patrón más rígido para aprobar variaciones en las tarifas eléctricas del sector
Residencial (ver cuadros Nos. XI y XVIII).
En el corto plazo solo para el sector Gobierno el coeficiente es estadísticamente
significativo, con un valor de -0.40. El valor negativo del coeficiente, obedece al mecanismo
de fijación discrecional de las tarifas que emplea la SIE.
6.4.4 Estacionalidad mensual de las tarifas sectoriales de electricidad
Para la estimación de la estacionalidad sectorial de las tarifas eléctricas, se seleccionó el mes
con el mayor precio promedio del kwh como parámetro comparativo y se sigue el mismo
proceso que se empleo anteriormente para explicar la estacionalidad de la demanda sectorial
(ver sección No. 6.3.5).
CUADRO No. XX
P R E C IO E L E C T R IC IDAD S E C T O R IAL (K WH)
P AR ÁME T R O S Y ME S E S DE C O MP AR AC IÓN P AR A L A E S T AC IO NAL IDAD DE L O S P R E C IO S
S E C TOR E S
VAR IAB L E S
R E S IDE NC IAL C O ME R C IAL
INDUS T R IAL
G O B IE R NO AL UMB R ADO
Mes bas e para la c omparac ión
C o (C ons tante)
Mayo
Marz o
Marz o
Dic iembre
Noviembre
0.0311
0.0214
0.0346
0.0528
0.0468
E rror es tándar
(0.0265)
(0.0150)
(0.0193)
(0.0294)
(0.0234)
E s tadis tic o t
[1.1723]
[1.4223]
[1.7886]
[1.7927]
[2.0005]
Fuente: Elaboración propia en base a datos de la SIE.
En el cuadro No. XX, podemos observar que los coeficientes obtenidos para los sectores
Residencial y Comercial, no resultaron estadísticamente significativos al 5%, validando
106
nuestra conclusión de que los precios en esos sectores no presentaron un comportamiento
estacional, debido al esquema de precios rígidos que aplica la SIE.
Por otro lado, los sectores Industrial, Gobierno y del Alumbrado Público, presentan
coeficientes de estacionalidad significativos, lo que indica que los precios del kwh para esas
categorías de usuarios mostraron un patrón de estacionalidad, lo cual obedece a la incidencia
del componente de potencia para la determinación de las tarifas, el cual se aplica a los
clientes de media y alta tensión.
Para el sector Industrial, los meses con menores tarifas promedio en US$ del kwh, en
comparación con el mes base, marzo, corresponden a enero, febrero y abril, en los cuales la
tarifa se redujo en -0.05% y los meses de junio y julio para lo que la tarifa cayó en un -0.06%,
-0.04%, respectivamente. Los meses mayo, agosto, septiembre, octubre, noviembre y
diciembre no fueron estadísticamente diferente del mes base.
6.5 Velocidades de ajuste hacia el equilibrio
El modelo de corrección de errores (MCE) a partir del cual se estimó los efectos sectoriales
de corto plazo y de estacionalidad de la demanda y de los precios del kwh, también permitió
determinar velocidad de ajuste hacia el equilibrio.
Los término ¥ (Et-1) y ψ (Ft-1) extraídos del los resultados de los modelos en diferencia
presentados en los cuadros Nos. XV y XIX son los mecanismos de corrección de errores, en
donde ¥ y ψ son los parámetros de ajuste en el corto plazo; los coeficientes deben ser
negativos y estadísticamente significativos e indican la proporción del desequilibrio de
LogDet y LogPrict que se corrige en el siguiente período, en este caso en el próximo mes.
La velocidad hacia el equilibrio de largo plazo se presenta en los cuadros siguientes:
107
CUADRO No. XXI
DEMANDA SECTORIAL DE ELECTRICIDAD (GWH)
MODELOS EN DIFERENCIA
VELOCIDAD DE AJUSTE HACIA EL EQUILIBRIO DE LARGO PLAZO
SECTORES
RESIDENCIAL
COMERCIO
INDUSTRIAL
GOBIERNO
DETALLE
¥ (E t-1 ) (*)
Desviación Estandar
Estadísico t
ALUMBRADO
-0.78
0.29
-2.66
-0.02
0.33
-0.06
-0.34
0.19
-1.81
-0.30
0.09
-3.31
-0.60
0.27
-2.20
1.29
53.19
2.96
3.34
1.65
15
638
35
40
20
Velocidad de ajuste (años)
Velocidad de ajuste (meses)
(*) MCE: mecanismo de corrección de errores.
Fuente: Elaboración propia en base a datos de la SIE.
CUADRO No. XXII
PRECIO SECTORIAL DE ELECTRICIDAD (KWH)
MODELOS EN DIFERENCIA
DETALLE
ψ (F t-1 ) (*)
Desviación Estandar
Estadísico t
VELOCIDAD DE AJUSTE HACIA EL EQUILIBRIO DE LARGO PLAZO
SECTORES
RESIDENCIAL
COMERCIO
INDUSTRIAL
GOBIERNO
ALUMBRADO
-0.24
0.08
-3.03
-0.31
0.13
-2.31
-0.54
0.23
-2.34
-0.01
0.20
-0.06
-0.33
0.18
-1.83
4.23
3.27
1.85
81.97
3.02
51
39
22
984
36
Velocidad de ajuste (años)
Velocidad de ajuste (meses)
(*) MCE: mecanismo de corrección de errores.
Fuente: Elaboración propia en base a datos de la SIE.
Como se puede observar para todos los sectores, el coeficiente de ajuste en el corto
plazo obtenido, es negativo y estadísticamente significativo al 5%, lo cual coincide con la
teoría económica sobre el tema; con excepción del sector Comercial en el modelo para la
estimación de la demanda sectorial de electricidad y del sector Gobierno en el modelo para la
ponderación de los determinantes del precio del kwh de energía.
Por otro lado, se comprueba a través de los resultados que mientras más cerca esté el
parámetro de ajuste de la unidad, en valor absoluto, más rápido será el ajuste hacia el
108
equilibrio. Los sectores Residencial, Industrial y de Alumbrado Público resultaron ser los de
mayor velocidad de ajuste hacia el equilibrio.
Es de rigor señalar que el resultado obtenido para el sector Comercial en el cuadro No.
XXI y para el sector Gobierno en el cuadro No. XXII, resultaron incongruentes con la teoría
y fueron debidamente revisados. No obstante persistió el desajuste, situación que atribuimos a
la calidad de la data empleada.
6.6 Resultados de las pruebas de diagnostico y especificación
En los cuadros Nos. XIV y XV correspondientes a
las estimaciones de las demandas
sectoriales de electricidad y en los Nos. XVIII y XIX que incluyen los resultados para la
ponderación de los determinantes de las tarifas en US$ del kwh, se detectó en algunos de los
modelos dificultades de normalidad en la distribución de los residuos, atribuibles a las
características de la data empleada y a la presencia de outliers. Los problemas de normalidad
fueron significativamente mejorados, pero no eliminados debido a su persistencia, a través de
la inclusión en los modelos de variables binarias para diferenciar las observaciones que
provocaban el desajuste. No obstante, los resultados y la bondad de las estimaciones, en
término de su validez, no se ven afectados por este tipo de perturbación.
Los modelos con inconvenientes de heterocedasticidad, se corrigieron por medio de la
matriz de errores estándar de Newey y West (1987).
En los modelos en los cuales se detectó la presencia de correlación serial en las
perturbaciones, y en donde el análisis de los correlogramas sugería la existencia de
autocorrelación de determinado orden, se introdujo la variable AR(x) correspondiente, lo cual
permitió eliminar el problema.34
109
En relación con los coeficientes de correlación y de correlación ajustado, estos
mostraron un alto nivel de ajuste para los modelos de estimación de los efectos de largo
plazo, con un R2 que oscila entre 0.75 y 0.89.
__________________________
34
La notación AR(x) hace referencia a un modelo regresivo de orden x, el cual se introduce en los modelos de
regresión con la finalidad de eliminar los problemas de correlación serial de las perturbaciones.
110
Capítulo VII
CONCLUSIONES Y RECOMENDACIONES
Hemos realizado un análisis utilizando series de tiempo mensuales, del consumo, los precios
en US$ del kwh y del crecimiento de la demanda eléctrica en República Dominicana, para el
período enero 2004 a junio de 2012 y para las categorías de usuarios del tipo Residencial,
Comercial, Industrial, Gobierno y del Alumbrado Público; utilizando informaciones del
sistema eléctrico nacional obtenidas de la base de datos de la Superintendencia de
Electricidad (SIE).
El análisis econométrico efectuado resulta de suma importancia en la actualidad, debido
a las características particulares del sistema eléctrico dominicano en el cual, por décadas,
prevalece una crisis estructural de desabastecimiento de la demanda, existen contratos de
compra de energía a largo plazo cuyos precios son indexados en función de variaciones en el
precio de combustibles derivados del petróleo y en el cual todas las tarifas sectoriales
aplicadas son subsidiadas por el gobierno.
Los modelos utilizados para estimar el consumo sectorial de energía permitieron
determinar el grado en el que la demanda de electricidad responde a variaciones en el precio
del kwh y al nivel de actividad económica mensual medido a través del Índice Mensual de
Actividad Económica (Imae). Asimismo, los modelos para la ponderación de los
determinantes de los precios en US$ del kwh, mostraron el grado de respuesta de las tarifas
eléctricas fijadas por la SIE ante variaciones inusitadas en el precio del combustible fuel oil
No. 6.
La estimación de la demanda en los horizontes de largo y corto plazo para todas las
categorías de usuarios nos reveló, que la elasticidad precio tiene un valor negativo, el
esperado conforme con la teoría económica sobre el tema y que el consumo de electricidad en
111
RD para todos los sectores de usuarios es inelástico ante alzas en el precio de las tarifas
eléctricas.
Este resultado validó la hipótesis de que existe un comportamiento inelástico de la
demanda de electricidad en RD en relación con el precio y esta señal de inelasticidad está
presente con mayor intensidad en las categorías de usuarios Residencial, Comercial e
Industrial; mostrando las demás categorías una mayor sensibilidad en el consumo eléctrico
ante variaciones en el precio. En el corto plazo la señal de precio es más intensa, revelándose
para las categorías Comercial, Gobierno y del Alumbrado Público un mayor nivel de reacción
ante incrementos en el precio del kwh.
Como era de esperarse, la elasticidad del subsidio a las tarifas eléctricas, arrojó un
signo positivo para todos los sectores pero el coeficiente no es estadísticamente significativo.
Este resultado es el apropiado, partiendo del hecho de que aunque existe una relación causal
entre el consumo y el subsidio; la demanda actúa inelásticamente ante los incrementos en el
subsidio.
Al analizar el parámetro de la elasticidad ingreso de la demanda, capturada a través del
Índice Mensual de Actividad Económica, utilizado como proxy del ingreso, para todos los
sectores de usuarios, se observa que en el largo plazo el signo es positivo, el adecuado
conforme con la literatura económica, pero encontramos que el coeficiente para los sectores
Industrial, Gobierno y del Alumbrado Público es menor en valor absoluto que la elasticidad
precio, lo cual no es propio de la demanda de electricidad.
Lo anterior, nos hace inferir que el Imae constituye una señal débil como causal del
consumo energético de los clientes de los sectores Industrial, Gobierno y del Alumbrado
Público, lo cual sugiere, para investigaciones futuras, el uso de otras variables explicativas de
112
frecuencia mensual para aproximar con un mayor nivel de precisión la demanda de
electricidad para esos sectores. La señal del Imae sí mostró ser efectiva para los sectores
Residencial y Comercial, así como para estimar la demanda total agregada del sistema
eléctrico nacional interconectado.
En relación con el crecimiento de la demanda energética en el período bajo análisis, el
sector Comercial fue el único sector de usuarios que experimentó un aumento real en su
consumo, con un crecimiento medio anual de un 12.3%, el cual es atribuible tanto al
crecimiento de la actividad económica en el país como también al proceso de reducción
gradual del déficit energético.
La prospectiva del crecimiento medio anual de la demanda agregada de electricidad, es
decir de todo el SENI, para el período 2013-2022 realizada a partir de los modelos
estructurados, se estimó que será de un 6%, siendo los sectores Comercial y Residencial los
de mayor demanda energética, con un 10.9% y 7.34%, respectivamente.
Los resultados de las estimaciones para ponderación de los determinantes del precio del
kwh en el horizonte de largo plazo, mostraron que la variable Fuel06t que recoge la
elasticidad de los aumentos en el combustible fuel oil No.6 en relación con las tarifas,
presenta un valor positivo y es estadísticamente significativo al 5% para los sectores
Residencial, Comercial e Industrial, no así para las categorías de Gobierno y del Alumbrado
Público.
La manera de interpretar este resultado, es que una señal de aumento en el precio del
fuel oil No. 6 es efectiva e impacta directamente el precio del kwh de energía eléctrica para
las categorías Residencial, Comercial e Industrial; validando parcialmente la hipótesis de que
el encarecimiento de las tarifas eléctricas obedece principalmente a la composición de la
113
matriz energética y en una menor proporción a los términos de los contratos de compra
suscritos con los generadores.
La validación parcial de la hipótesis planteada, es procedente debido a que el
componente causal de incremento en las tarifas eléctricas es atribuible a ambos factores, ya
que el 40% de la matriz de generación eléctrica se basa en el uso del combustible fuel oil
Nos. 2 y 6 y el 48% de las compras de energía que efectúan las EDES son bajo contratos
indexados de acuerdo con las fluctuaciones de los precios del fuel oil No. 6.
Otra conclusión de importancia que se extrae del análisis de los resultados de la
regresión para ponderar los determinantes de las tarifas eléctricas sectoriales en RD, es que
aunque en el corto y largo plazo el aumento en el precio del barril del fuel oil No.6 constituye
una señal fuerte de impacto; debido al mecanismo que emplea la SIE para la fijación de las
tarifas que se basa en un sistema rígido y discrecional, el impacto en los precios del kwh no
se produce en la proporción debida ni con la temporalidad apropiada.
Las conclusiones anteriores, además de constituir evidencia empírica respecto al
comportamiento de las variables relacionadas con el consumo, los precios y el crecimiento de
la demanda eléctrica en RD, tienen implicaciones en lo relativo a la necesidad de que la
CDEEE, la Comisión Nacional de Energía (CNE) y la Superintendencia de Electricidad (SIE)
implementen estrategias más efectivas en materia de política energética.
Por la naturaleza de los hallazgos de la investigación, las recomendaciones de nuestra
investigación deben estar orientadas a enfrentar problemas estructurales que persisten en el
sistema y a reorientar el actual esquema tarifario aplicado por la SIE, dado que ambos
elementos inducen a la insostenibilidad financiera y a la crisis de desabastecimiento que
prevalece en el sector eléctrico dominicano.
114
En lo que se refiere a aspectos estructurales del sistema eléctrico nacional:
-
La importancia de que los organismos reguladores del sector eléctrico del país,
establezcan modelos econométricos sectoriales para estimación de la demanda de
energía, incluyendo como determinantes variables explicativas relevantes.
-
La necesidad de introducir cambios en la matriz de generación energética, debido a
que la actual base de generación sustentada principalmente en el uso del fuel oil No.
6 y de otros combustibles derivados del petróleo, encarece el precio del kwh de
energía.
-
La relevancia de reestablecer la señal de precios como mecanismo para introducir
modificaciones en los patrones de consumo de los usuarios del servicio. Todos los
sectores, con excepción del sector Residencial, mostraron una conveniente
elasticidad negativa; es decir, a mayores precios menores demandas. El desmonte
del actual esquema de subsidio a la tarifa Residencial, requerirá que estos
consumidores respondan adecuadamente a la señal de precio.
En lo que se refiere al esquema de tarifas aplicado por la SIE:
-
La conveniencia de revisar la actual estructura tarifaria rígida que aplica la SIE, que
mantiene un subsidio para todos los usuarios, no discriminando a los clientes que por
sus niveles de ingreso y sus características, no califican para ser subsidiados.
-
La menor elasticidad precio de los consumos residenciales, muestra la relativa
inefectividad del mantenimiento de una tarifa Residencial general subsidiada como
único mecanismo de protección social, haciendo necesario discutir otros
115
mecanismos de focalización, como lo sería, por ejemplo, el establecimiento de una
política pública que fije una tarifa social en función de los niveles de consumo.
Los resultados obtenidos representan una contribución para el entendimiento sectorial del
consumo y del precio de la electricidad en RD; este análisis podría ser continuado y ampliado
mediante la elaboración de modelos de corte transversal y datos de panel, para lo cual sería
necesaria la realización de un estudio de campo que aporte datos necesarios, no disponibles al
momento de elaboración de este trabajo.
Finalmente, queremos significar que para enfrentar la crisis energética en la República
Dominicana se requiere que el sector eléctrico alcance su estabilidad financiera y esto solo se
podrá lograr a partir de un enfoque holístico de microeconomía que incluya como punto
fundamental de la solución, una aproximación econométrica que ponga en evidencia el
comportamiento de todas la variables que inciden en la problemática. Este trabajo constituye
un aporte en esa dirección.
116
REFERENCIAS BIBLIOGRÁFICAS
Alvarez, R., García, A. y García, P. (2008). Shocks de energía y productividad en la industria
manufacturera Chilena. Banco Central de Chile. Documentos de Trabajo. N° 482.
Chile.
Anderson, K. (1973). Residential Energy Use: An Economtric Analysis. Rand Corporation
(R-1297-NSF). EUA.
Armstrong, M., Cowan, S. y Vickers, J. (1994). Regulatory Reform-Economic: Analysis and
British Experience. The MIT Press. Cambridge, EUA.
Asafu-Adjaye, J. (2000). The relationship between energy consumption, energy prices and
economic growth: time series evidence from Asian developing countries. The
University of Queensland. Department of Economic. Australia.
Attali, J. (2010). República Dominicana 2010-2030. Informe de la Comisión Internacional
para el Desarrollo Estratégico de la República Dominicana. Attali Asocies. República
Dominicana. pp. 28-30.
Athukorala, W. y Wilson, C. (2010). Estimating short and long-term residential demand for
electricity: new evidence form Sri Lanka. Energy Economic, 32 (1). pp. 34-40.
Barrientos, F., Olaya, J. y González, V. (2007). Un modelo spline para el pronóstico de la
demanda de energía eléctrica. Universidad del Valle. Facultad de Ingenierías. Escuela
de Ingeniería Industrial y Estadística. Cali, Colombia.
Bastos, P., Castro, L., Cristia, J., y Scartascini, C. (2011). ¿Does energy consumption respond
to price shocks? Evidence from a regression-discontinuity design. Inter-American
Development Bank. Working Paper Series No. IDB-WP-234.
Baxter, M. y R. Rees (1968). Analysis of the industrial demand for electricity. United
Kingdom. Economic Journal. Vol. LXXVIII.
Belke, A., Dreger, C. y De Haan, F. (2010). Energy consumption and economic growth: new
insights into the cointegration relationship. Energy Economics. Elsevier, Vol. 33(5).
pp. 782-789.
117
Benavente, J. M., Galetovic, A. Sanhueza, R. y Serra, P. (2004). Estimando la Demanda
Residencial por Electricidad en Chile: A Doña Juanita le Importa el Precio. Centro de
Economía Aplica. Departamento de Ingeniería Industrial. Universidad de Chile.
Chile.
Bichara, R. J. (2013). Situación actual y plan integral sector eléctrico. Ponencia en almuerzo
ante la Cámara América de Comercio. Santo Domingo, D. N.
Blümel, G., Domper. M. y Espinosa, R. (2010). Crecimiento económico, precios de la energía
e innovación tecnológica. Revista Informe Económico. ISSN 0717-1536.
Botero, S. y Cano, A. (2008). Análisis de series de tiempo para la predicción de precios de la
energía en la Bolsa de Colombia. Cuadernos de Economía. Vol. XXVII, No.48.
Bogotá, Colombia.
Breusch, S., Pagan, A. y Godfrey, L. G. (1979). A Simple Test for Heteroscedasticity and
Random Coefficient Variation. Econometrica. pp. 1287-1294.
Cochón, M. (2009). Ensayo sobre la Evolución del Sector Eléctrico Dominicano. República
Dominicana.
Comisión Nacional de Energía (CNE) (2008). Estudio prospectiva de la demanda de energía
de República Dominicana. República Dominicana. Fundación Bariloche.
Consejo Nacional de la Empresa Privada (CONEP) (2008). Proyecto Propuesta del Sector
Privado de un Plan Integral de Soluciones para el Sector Eléctrico de la República
Dominicana. Republica Dominicana. Llarens, D. G.
Corporación Dominicana de Empresas Eléctricas Estatales (CDEEE) (2005). Proyecto
Carbón 1,200 Mw. Comité de Gestión de Generación. República Dominicana.
Corporación Dominicana de Empresas Eléctricas Estatales (CDEEE) (Abril, 2013). Reseña
Historica. Disponible: http:/www/cdeee.gob.do/?page_id=238
Corporación Dominicana de Empresas Eléctricas Estatales (CDEEE), Comisión Nacional de
Energía (CNE), Superintendencia de Electricidad (SIE) (2006). Plan Integral del Sector
Eléctrico de la República Dominicana 2006-2012. República Dominicana.
118
Chang, Y. y Martínez-Chombo, E. (2003). Electricity Demand Analysis Using Cointegrating
an Error-Correction Model with Varying Parameter: The Mexican Case. Working
Paper 2003-2008. Department of Economic. Texas University. Texas, EUA.
Chumacero R., Paredes, R. y Sánchez, J. M. (2000). Regulación para Crisis de
Abastecimiento: Lecciones del Racionamiento Eléctrico en Chile. Cuadernos de
Economía 37. Chile. pp. 323-338.
Damsgaard, N. (2003). Residential Electricity Demand: Effects of Behavior, Attitudes
and Interest. Stockholm School of Economics, Department of Economics. Suecia.
Davidson, J. H., Hendry, D., Srba, F. y Yeo, S. (1978). Econometric Modelling of the
Aggregate Time-Series Relationship Between Consumers Expenditure and Income in
the Unite Kingdom. The Economic Journal, Vol. 88, No. 352.pp. 661-692.
De La Cruz, J. (2003). Entre las redes de las distribuidoras y la reelección. Revista Ahora.
Editora Corripio, C. por A. Edición número 1,325. República Dominicana.
De La Cruz, S. R. y García C; R. (2002). Mecanismos de Competencia en Generación de
Energía y su Impacto en la Eficiencia: El caso peruano. Proyectos Breves-CIES. Perú.
Delfino, J. y Givogri, C. (1980). La demanda de electricidad en Argentina. Disponible:
http:/www.aaep.org.ar
Dergiades, T. y Tsoulfidis, L. (2008). Estimating residential demand for electricity in the
United States, 1965-2006. Energy Economic, 30. pp. 2722-2730.
Dickey, D. A. y Fuller, W. A. (1979). Distribution of the Estimators for Autoregressive Time
Series with a Unit Root. Journal of the American Statistical Association, 74. pp.
427–431.
Dilaver, Z. y Hunt, L. (2010). Modeling and forecasting Turkish residential electricity
demand. University of Surrey. Surrey Energy Economics Centre (SEEC). Department
of Economics. Guildford, United Kingdom.
Donatos, G. y Mergos, G. (1991). The residential Demand for Electricity: the Case Greece.
Journal of Energy and Development. University of Athens. Grecia.
119
Durbin, J. y Watson, G. S. (1950). Testing for Serial Correlation in Least Squares Regression,
I. Biometrika, 37. pp. 409–428.
Durbin, J., Brown, R. y Evans, J. M. (1975). Techniques for testing the constancy of
regression relationships over time. Journal of the Royal Statistical Society, B 37. pp.
149-163.
Dubin, J. y McFadden, D. (1984). An Econometric Analysis of Residential Electric
Appliances Holdings and Consumption. Econometrica, Vol. 52, No.2. EUA.
EdeNorte (Abril, 2013). Compaña Distribuidora de Energía EdeNorte. Reseña sector
eléctrico. Disponible: http://www.edenorte.com.do/nuestra-empresa/resena/
Engle, R. y Granger, C. (1987). Co-integration and Error Correction: Representation,
Estimation, and Testing. Econometrica, vol. 55, issue 2. pp. 251-276.
Fajnzylber, F. (1989). Industrialización en América Latina: de la caja negra al casillero vacio.
Cuadernos de la CEPAL. Caps. I, II. Santiago de Chile.
Ferrer, V. y López, L. (2005). Los precios en los mercados reestructurados de electricidad:
algunas lecciones básicas para la negociación derivada. Cuadernos Económicos de
ICE, ISSN 0210-2633. pp. 9-146.
Fisher, F. M. y Kayser, K. (1962). A Study in Econometrics: the Demand for Electricity in
the United States. Amsterdam: North-Holland. EUA.
Foster, V. y Yepes, T. (2005). Latin America Regional Study on Infrastructure: Is Cost
Recovery a Feasible Objective for Water and Electricity?. Serie de Estudios
Económicos y Sociales. RE-1-04-017. Inter-American Development Bank.
Gallardo, J., Bendezú, L. y Coronado, J. (2004). Estimación de la Demanda Agregada de
Electricidad. Documento de Trabajo No.4. Oficina de Estudios EconómicosOSINERG. Perú.
García-Cerruti, L. (2000). Estimating Elasticities of Residential Energy Demand from Panel
Country Data Using Dynamic Random Models with Heteroscedastic and Correlated
Error Terms. Resource and Energy Economics, 22. EUA. pp. 355-366.
120
García, J., Gaviria, A. y Salazar, L. (2011). Determinantes del precio de la energía eléctrica
en el mercado no regulado en Colombia. Revista Ciencias Estratégicas, Vol. 19,
No.26. pp. 225–246. Medellín, Colombia.
Granger, C. W. J. (1969). Investigating Causal Relations by Econometric Models and Crossspectral Methods. Econometrica, 37 (3). pp. 424–438.
Granger, C. W. J. y Newbold, P. (1973). Spurios Regressions in Econometrics. Journal of
Econometrics, 2. University of Nothingham. England.
Guadagni, A. A. (1984). La revolución energética el rol de la sustitución de petróleo y la
conservación de energía. Instituto de Desarrollo Económico y Social. Desarrollo
Económico, Vol. 24, No.95. pp. 339-366.
Guisan, C. (2002). Causalidad y Cointegración en Modelos Econométricos: Aplicaciones a
los países de la OCDE y limitaciones de los tests de cointegración. Working Paper
Series Economic Development, No. 61. Facultad de Economía. Universidad de
Santiago de Compostela. España.
Gujarati, D. (2004). Econometría. 4ta. Edición. Editoral McGraw-Hill.
Gutiérrez, E. (2003). La demanda residencial de energía eléctrica en la Comunidad
Autónoma de Andalucía: un análisis cuantitativo. Facultad de Ciencias Económicas y
Empresariales. Universidad de Sevilla. España.
Guzmán, O. (2003). Mercado Eléctrico de la República Dominicana, Logros y Desafíos. VII
Reunión de la Asociación Iberoamericana de Entidades Reguladoras de Energía.
Oaxaca, México.
Harris, J. y Liu, L. (1993). Dynamic structural analysis and forecasting of residential
electricity consumption. Energy Economics. Volume 9, Issue 4. pp. 437–455.
Henao, J., Dyner, I. y Castro, R. S. (2007). ¿Por qué es tan difícil obtener buenos pronósticos
de los precios de la electricidad en los mercados competitivos?. Cuadernos de
Administración. Vol. 20. Número 034. Pontificia Universidad Javeriana. Bogotá,
Colombia. pp. 259-282.
121
Hendricks, W. y Koenker, R. (1992). Hierarchical spline models for conditional quantiles and
the demand for electricity. Journal of the American Statistical Association. Vol. 87,
No. 417. pp. 58-68.
Hepbasli, A. y Ozalp, N. (2003). Development of energy efficiency and management
implementation in the Turkish industrial sector. Ege University. Faculty of
Engineering. Department of Mechanical Engineering. Turkey.
Hondroyiannis, G. (2004). Estimating residential demand of electricity in Greece. Energy
Economic, 26. pp. 319-334.
Houthakker, H. (1951). Some calculations on electricity consumption in Great Britain.
J. R. Stat Soc. 114. pp.359-371.
Houthakker, H. y Taylor, L. D. (1970). Consumer Demand in the United States. Harvard
University Press. Cambridge. EUA.
Houthakker, H., Verleger, P. y Sheehan, D. (1974). Dynamic demand analyses for gasoline
and residential electricity. American Journal of Agricultural Economic. pp.412-418.
Janampa, J. C. (2005). La estabilidad del mercado de electricidad de la República
Dominicana. Revista Ciencia y Sociedad. Vol. 30, No.002. INTEC. República
Dominicana.
Jarque, M. y Bera, A. K. (1980). Efficient tests for normality, homoscedasticity and serial
independence of regression residuals. Economics Letters, 6 (3). pp. 255–259.
Kuper, G. y Van Soest, D. (2002). Does oil price uncertainty effect economic activity?
Disponible
SSRN:
http://ssrn.com/abstract=379160
y
http://dx.doi.org/10.2139/ssrn.379160.
Ley No.125-01 (2001). Ley General de Electricidad de la República Dominicana. República
Dominicana.
Ley No.141-97 (1997). Ley General de Reforma de la Empresa Pública. República
Dominicana.
Lyman, R. (1978). Price elasticities in the electric power industry. Energy Systems and
Policy. pp. 381-406.
122
Maddala, G., Trost, R., Li, H. y Joutz, F. (1997). Estimation of Short and Long Run
Elasticities of Energy Demand from Panel Data Using Shrinkage Estimators, Journal
of Business and Economic Statistics, 15. pp. 90-100. EUA.
Mackinnon, J. G. (1996). Critical Values for Cointegration Tests. Department of Economics.
Queen´s University. Ontario, Canadá.
Mateos, F., Rodríguez Pardina, M y Rossi, M. (1999). Oferta y demanda de electricidad en la
Argentina: un modelo de ecuaciones simultáneas. Centro de Estudios
Macroeconómicos Argentinos. Buenos Aires, Argentina.
Medina, S. y García, J. (2005). Predicción de demanda de energía en Colombia mediante un
sistema de inferencia difuso neuronal. Revista Energética, 33. pp. 15-24. Colombia.
Montero, J. y Rudnick, H. (2000). Precios Eléctricos Flexibles. Pontificia Universidad
Católica de Chile (PUC).
Morales, R., Luyando, J. y Flores, D. (2010). Determinantes del consumo de energía eléctrica
residencial de la zona metropolitana de Monterrey Nuevo León en México.
Universidad Autónoma de Nuevo León. México. pp 10-12.
Mount, T., Chapman, L. y Tirell, T. (1973). Electricity demand in the United States: an
econometric analysis. Report ORNL-NSF-EP-49. Oak Ridge National Laboratory.
EUA.
Newey, W. y West, K. D. (1987). A Simple, Positive Semi-definite, Heteroskedasticity and
Autocorrelation Consistent Covariance Matrix. Econometrica, 55 (3). pp. 703–708.
Organismo Coordinador de Sistema Eléctrico Integrado (OC) (2008). Informe sobre los
puntos clave del sector energía de la República Dominicana enfocado a la mitigación.
República Dominicana.
Organización Latinoamericana de Energía (OLADE) (Noviembre, 2013). Estadísticas del
sector eléctrico en América Latina. Disponible en: http://www.olade.org
Parti, M. y Parti, C. (1980). The total and appliance specific conditional demand for
electricity demand in the household sector. Bell Journal of Economics, 11. EUA. pp.
309-321.
123
Pérez, M. (Mayo 31, 2009). US$300 MM compra EdeEste. El día. Disponible:
http://www.eldia.com.do/us300-mm-compra-edeeste/
Pilipovic, D. (1998). Energy Risk: Valuing and Managing Energy Derivatives. MacGraw-Hill
Professional.
Plasencia, A. (Diciembre 28, 2011). Subsidio eléctrico 2011 ascendería a US$900 millones.
Hoy digital. Disponible: www.hoy.com.do/elpais/2011/12/28/
Reiss, P. y White, M. (2008). What changes energy consumption? Prices and public
pressures. The Rand Journal of Economics. Volume 39. Issue 3. pp. 636–663.
República Dominicana, Ministerio de Economía, Planificación y Desarrollo (2011).
Estrategia Nacional de Desarrollo de la República Dominicana 2010-2030. Consejo
Nacional de Reforma del Estado. República Dominicana.
República Dominicana, Presidencia de la República (2002). Decreto No. 555-02, Establece
el Reglamento para la Aplicación de la Ley General de Electricidad No.125-01.
República Dominicana.
República Dominicana, Presidencia de la República (2003). Decreto No. 302-03, Establece
el Fondo de Estabilización de la Tarifa. República Dominicana.
Rosenstein-Rodan, P. N. (1943). Problema de industrialización en Europa Oriental y
Sudoriental. The Economic Journal.
Schweppe, F., Caramanis, M., Tabors, R. y Bohn, R. (1988). Spot pricing of electricity.
Kluwer Academic Publishers. Boston, EUA.
Silk, J. y Joutz, F. (1997). Short and log-run elasticities in US residencial electricity demand,
a cointegration approach. Energy Economics, 19. EUA.
Smith, V. L. (1998). Spot market mechanism design and competitivity issues in electric
power. System Sciences. Volume 3. pp. 48 – 56.
Superintendencia de Electricidad de la República Dominicana (Octubre, 2012). Estadísticas
del sector eléctrico. Disponible en: http://www.sie.gob.do/
124
Superintendencia de Electricidad de la República Dominicana (2005). Resolución No. 362005. Establece Valores Base para Indexación de las Tarifas Eléctricas. República
Dominicana.
Superintendencia de Electricidad de la República Dominicana (2005). Resolución No. 23798. Establece Bloques de Usuarios del Servicio. República Dominicana
Tabares, H., Hernández J. y González, V. (2009). Aproximación por lógica difusa de las
series de tiempo: demanda diaria de energía eléctrica. Revista Facultad de Ingeniería
Universidad de Antioquia. No.47. Universidad de Antioquia. Colombia.
Taylor, R. (1975). The Demand for Electricity: A survey. Bell Journal of Economic and
Management Science, 6. pp. 74-110. EUA.
Velásquez, J., Dyner, I. y Castro, R. (2007). ¿Por qué es tan difícil obtener buenos
pronósticos de los precios de la electricidad en mercados competitivos?. Cuadernos de
Administración. Vol. 20, No.034. Bogotá, Colombia
Velásquez, J., Franco, C. y García, H. (2009). Un modelo no lineal para la predicción de la
demanda mensual de electricidad en Colombia. Estudios Gerenciales ISSN.
Universidad ICESI. Colombia.
Westley, G. D. (1983). Electricity demand in a developing country. Inter-American
Development Bank. North-Holland Publishing Company Vol. LXVI, No.3.
Westley, G. D. (1984). The Residential and Commercial Demand for Energy in Costa Rica.
Land Economics, 65. pp. 254-271.
Wooldridge, J. (2010). Introducción a la Econometría. Un enfoque moderno. CENGAGE
Learning. 4ta. Edición. México.
World Economic Forum (2011). Reporte de Competitividad Global 2010-2011. Geneva,
Switzerland. Schwab, K.
125
ANEXOS
126
ANEXO No. I
#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
C O NS UMO , P R E C IO Y C R E C IMIE NT O DE L A DE MANDA E L E C T R IC A E N R .D.
E NE R O DE 2004 A J UNIO DE 2012
VAR IAB L E S Y F UE NT E DE L O S DAT O S
VAR IAB L E S Y DE S C R IP C IÓ N
S IG L AS
E C O NÓ MIC AS
IMAE ÍND IC E ME NS UAL D E AC T IV ID AD E C O N Ó MIC A
INF US A T AS A INF L AC IÓ N ME NS UAL D E L O S E S T AD O S UNID O S
S E C T O R E L É C T R IC O
F UE L 06 P R E C IO D E L B AR R IL D E L C O MB US T IB L E F UE L O IL NO .6
NcA
NÚME R O D E C L IE NT E S AY UNT AMIE NT O S
NcG
NÚME R O D E C L IE NT E S G O B IE R NO
NcI
NÚME R O D E C L IE NT E S IND US T R IAL
NcC
NÚME R O D E C L IE NT E S C O ME R C IAL
NcR
NÚME R O D E C L IE NT E S R E S ID E NC IAL
NcT
NÚME R O D E C L IE NT E S T O T AL D E L S IS T E MA
E MF A$ E NE R G ÍA ME NS UAL F AC T UR AD A AY UNT AMIE NT O S (R D $ MIL L O NE S )
E MF G $ E NE R G ÍA ME NS UAL F AC T UR AD A G O B IE R NO (R D $ MIL L O NE S )
E MF I$ E NE R G ÍA ME NS UAL F AC T UR AD A IND US T R IAL (R D $ MIL L O NE S )
E MF C $ E NE R G ÍA ME NS UAL F AC T UR AD A C O ME R C IAL (R D $ MIL L O NE S )
E MF R $ E NE R G ÍA ME NS UAL F AC T UR AD A R E S ID E NC IAL (R D $ MIL L O NE S )
C eA
C O NS UMO E NE R G ÍA ME NS UAL AY UNT AMIE NT O S (G IG AV AT IO S )
C eG
C O NS UMO E NE R G ÍA ME NS UAL G O B IE R NO (G IG AV AT IO S )
C eI
C O NS UMO E NE R G ÍA ME NS UAL IND US T R IAS (G IG AV AT IO S )
C eC
C O NS UMO E NE R G ÍA ME NS UAL C O ME R C IO (G IG AV AT IO S )
C eR
C O NS UMO E NE R G ÍA ME NS UAL R E S ID E NC IAL (G IG AV AT IO S )
C eA/NcA C O NS UMO P R O ME D IO C L IE NT E S AY UNT AMIE NT O S (G IG AV AT IO S )
C eG /NcG C O NS UMO P R O ME D IO C L IE NT E S G O B IE R NO (G IG AV AT IO S )
C eI/NcI C O NS UMO P R O ME D IO C L IE NT E S IND US T R IAL E S (G IG AV AT IO S )
C eC /NcC C O NS UMO P R O ME D IO C L IE NT E S C O ME R C IAL E S (G IG AV AT IO S )
C eR /NcR C O NS UMO P R O ME D IO C L IE NT E S R E S ID E NC IAL E S (G IG AV AT IO S )
P ricA P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH AY UNT AMIE NT O S (US $)
P ricG P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH G O B IE R NO (US $)
P ricI
P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH IND US T R IAL (US $)
P ricC P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH C O ME R C IAL (US $)
P ricR P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH R E S ID E NC IAL (US $)
P ricP P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH P R O ME D IO (US $)
S ubtR S UB S ID IO A L A T AR IF A R E S ID E NC IAL P O R K WH (US $)
B C R D : B ANC O C E NT R AL D E L A R E P ÚB L IC A D O MINIC ANA
S IE : S UP E R INT E ND E NC IA D E E L E C T R IC ID AD
B ID : B ANC O INT E R AME R IC ANO D E D E S AR R O L L O
Fuente: Elaboración propia.
127
F UE NT E
BC R D
B ID
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
S IE
ANEXO No. II
#
S IG L AS
1
2
IMAE
INF US A
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
F UE L 06
NcA
NcG
NcI
NcC
NcR
NcT
E MF A$
E MF G $
E MF I$
E MF C $
E MF R $
C eA
C eG
C eI
C eC
C eR
C eA/NcA
C eG /NcG
C eI/NcI
C eC /NcC
C eR /NcR
P ricA
P ricG
P ricI
P ricC
P ricR
P ricP
S ubtR
C O NS UMO , P R E C IO Y C R E C IMIE NT O DE L A DE MANDA E L E C T R IC A E N R .D.
E NE R O 2004-J UNIO 2012
E S T ADIS T IC O S DE S C R IP T IVO S DE VAR IAB L E S
VAR IAB L E S Y DE S C R IP C IÓ N
O B S . ME DIA
DE S V. E S T .
E C O NÓ MIC AS
ÍND IC E ME NS UAL D E AC T IV ID AD E C O N Ó MIC A
102
279.164
41.917
T AS A INF L AC IÓ N ME NS UAL D E L O S E S T AD O S UNID O S
102 0.205882
0.375
S E C T O R E L É C T R IC O
P R E C IO D E L B AR R IL D E L C O MB US T IB L E F UE L O IL NO .6
102
61.182
24.996
NÚME R O D E C L IE NT E S AY UNT AMIE NT O S
102
2,033
819
NÚME R O D E C L IE NT E S G O B IE R NO
102
7,867
1,194
NÚME R O D E C L IE NT E S IND US T R IAL
102
11,018
1,312
NÚME R O D E C L IE NT E S C O ME R C IAL
102
96,067
17,102
NÚME R O D E C L IE NT E S R E S ID E NC IAL
102 1,167,184
318,254
NÚME R O D E C L IE NT E S T O T AL D E L S IS T E MA
102 1,284,170
337,210
E NE R G ÍA ME NS UAL F AC T UR AD A AY UNT AMIE NT O S (R D $ MIL L O NE S )
102
114.1
29.0
E NE R G ÍA ME NS UAL F AC T UR AD A G O B IE R NO (R D $ MIL L O NE S )
102
420.0
123.3
E NE R G ÍA ME NS UAL F AC T UR AD A IND US T R IAL (R D $ MIL L O NE S )
102
1,213.1
264.4
E NE R G ÍA ME NS UAL F AC T UR AD A C O ME R C IAL (R D $ MIL L O NE S )
102
423.3
177.8
E NE R G ÍA ME NS UAL F AC T UR AD A R E S ID E NC IAL (R D $ MIL L O NE S )
102
1,295.3
371.4
C O NS UMO E NE R G ÍA ME NS UAL AY UNT AMIE NT O S (G IG AV AT IO S )
102
12.9
3.1
C O NS UMO E NE R G ÍA ME NS UAL G O B IE R NO (G IG AV AT IO S )
102
52.3
13.2
C O NS UMO E NE R G ÍA ME NS UAL IND US T R IAS (G IG AV AT IO S )
102
159.5
25.5
C O NS UMO E NE R G ÍA ME NS UAL C O ME R C IO (G IG AV AT IO S )
102
50.9
16.6
C O NS UMO E NE R G ÍA ME NS UAL R E S ID E NC IAL (G IG AV AT IO S )
102
239.3
36.7
C O NS UMO P R O ME D IO C L IE NT E S AY UNT AMIE NT O S (K IL O V AT IO S HO R A)
102
7,115.0
2,177.0
C O NS UMO P R O ME D IO C L IE NT E S G O B IE R NO (K IL O V AT IO S HO R A)
102
6,583.0
1,055.0
C O NS UMO P R O ME D IO C L IE NT E S IND US T R IAL E S (K IL O V AT IO S HO R A)
102 14,520.0
1,953.0
C O NS UMO P R O ME D IO C L IE NT E S C O ME R C IAL E S (K IL O V AT IO S HO R A)
102
524.0
99.7
C O NS UMO P R O ME D IO C L IE NT E S R E S ID E NC IAL E S (K IL O V AT IO S HO R A)
102
212.0
32.8
P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH AY UNT AMIE NT O S (US $)
102
0.251
0.037
P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH G O B IE R NO (US $)
102
0.226
0.028
P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH IND US T R IAL (US $)
102
0.214
0.024
P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH C O ME R C IAL (US $)
102
0.230
0.026
P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH R E S ID E NC IAL (US $)
102
0.150
0.022
P R E C IO D E L A E NE R G ÍA F AC T UR AD A E N K WH P R O ME D IO (US $)
102
0.187
0.022
S UB S ID IO A L A T AR IF A R E S ID E NC IAL P O R K WH (US $)
102
0.216
0.041
ME D IA: ME D IA AR IT MÉ T IC A D E L O S V AL O R E S D E L A S E R IE
D E S V . E S T .: D E S V IAC IO N E S T ÁND AR
MIN.: V AL O R MÍNIMO O B S E R V AD O E N L A S E R IE
MAX .: V AL O R MÁX IMO O B S E R V AD O E N L A S E R IE
Fuente: Elaboración propia.
128
MIN.
MAX .
200.850
-1.790
361.790
1.380
19.650
111.140
959
3,255
5,284
11,402
8,668
14,830
62,094
137,559
808,381 2,064,314
902,582 2,226,278
57.3
191.0
212.2
668.4
700.4
1,927.7
187.2
1,243.0
712.2
2,196.0
9.2
26.9
22.4
96.6
87.4
206.4
25.1
133.5
167.4
341.6
3,543.0 11,110.0
3,039.0 11,495.0
9,719.0 18,216.0
331.0
1,042.0
137.0
274.0
0.130
0.316
0.132
0.342
0.132
0.281
0.146
0.308
0.085
0.187
0.118
0.224
0.137
0.342
ANEXO NO. III
MODELOS POR CATEGORÍAS SECTORIALES
Sector Residencial (R):
A. Horizonte de Largo Plazo (Modelos en Logaritmo):
Log DeRt = Co + β1 Log PricRt, + β2 Log Subt + β3 Log CeRt-1 + β4 Log Imaet +
+ δo Def + ERt
Log PricRt= Co + Log Fuel06t + Log InfUSAt + Log PricRt-1 + FRt
B. Horizonte de Corto Plazo (Modelos en 1ra. Diferencia):
D(LogDeRt)= D(LogPricRt) + D( Log Subt) + D(LogCeRt-1)+ D(LogImaet) +
+ δo Def + ¥R (ERt-1) + URt
D(LogPricRt)= D(Log Fuel06t) + D(LogInfUSAt) + D(Log PricRt-1)+
+ ψR (FRt-1)+ VRt
Donde para el período t:
DeRt
= Demanda de electricidad del sector Residencial en Gwh
Co
= Constante
PricRt
= Precio promedio en US$ del kwh para el sector Residencial
Subt
= Subsidio en US$ al kwh
CeRt-1
= Consumo en Gwh en el período t-1del sector Residencial
Imaet
= Índice mensual de actividad económica
Def
= Dummy para meses con déficit de abastecimiento
Fuel06t
= Precio en US$ del barril del combustible Fuel Oil No.6
InfUSAt
= Inflación mensual de los Estados Unidos (EUA)
ERt
= Término de error aleatorio modelo en nivel demanda
FRt
= Término de error aleatorio modelo en nivel precio
¥R (ERt-1) = Mecanismo de corrección de error demanda de energía
ψR (FRt-1) = Mecanismo de corrección de error precio de la energía
URt
= Término de error aleatorio modelo en diferencia demanda
VRt
= Término de error aleatorio modelo en diferencia precio
129
Sector Comercial (C):
A. Horizonte de Largo Plazo (Modelos en Logaritmo):
Log DeCt = Co + β1 Log PricCt, + β2 Log Subt + β3 Log CeCt-1 + β4 Log Imaet +
+ δo Def + ECt
Log PricCt= Co + Log Fuel06t + Log InfUSAt + Log PricCt-1 + FCt
C. Horizonte de Corto Plazo (Modelos en 1ra. Diferencia):
D(LogDeCt)= D(LogPricCt) + D( Log Subt) + D(LogCeCt-1)+ D(LogImaet) +
+ δo Def + ¥C (ECt-1) + UCt
D(LogPricCt)= D(Log Fuel06t) + D(LogInfUSAt) + D(Log PricCt-1)+
+ ψC (FCt-1)+ VCt
Donde para el período t:
DeCt
= Demanda de electricidad del sector Comercial en Gwh
Co
= Constante
PricCt
= Precio promedio en US$ del kwh para el sector Comercial
Subt
= Subsidio en US$ al kwh
CeCt-1
= Consumo en Gwh en el período t-1del sector Comercial
Imaet
= Índice mensual de actividad económica
Def
= Dummy para meses con déficit de abastecimiento
Fuel06t
= Precio en US$ del barril del combustible Fuel Oil No.6
InfUSAt
= Inflación mensual de los Estados Unidos (EUA)
ECt
= Término de error aleatorio modelo en nivel demanda
FCt
= Término de error aleatorio modelo en nivel precio
¥C (ECt-1) = Mecanismo de corrección de error demanda de energía
ψC (FCt-1) = Mecanismo de corrección de error precio de la energía
UCt
= Término de error aleatorio modelo en diferencia demanda
VCt
= Término de error aleatorio modelo en diferencia precio
130
Sector Industrial (I):
A. Horizonte de Largo Plazo (Modelos en Logaritmo):
Log DeIt = Co + β1 Log PricIt, + β2 Log Subt + β3 Log CeIt-1 + β4 Log Imaet +
+ δo Def + EIt
Log PricIt= Co + Log Fuel06t + Log InfUSAt + Log PricIt-1 + FIt
D. Horizonte de Corto Plazo (Modelos en 1ra. Diferencia):
D(LogDeIt)= D(LogPricIt) + D( Log Subt) + D(LogCeIt-1)+ D(LogImaet) +
+ δo Def + ¥I (EIt-1) + UIt
D(LogPricIt)= D(Log Fuel06t) + D(LogInfUSAt) + D(Log PricIt-1)+
+ ψI (FIt-1)+ VIt
Donde para el período t:
DeIt
= Demanda de electricidad del sector Industrial en Gwh
Co
= Constante
PricIt
= Precio promedio en US$ del kwh para el sector Industrial
Subt
= Subsidio en US$ al kwh
CeIt-1
= Consumo en Gwh en el período t-1del sector Industrial
Imaet
= Índice mensual de actividad económica
Def
= Dummy para meses con déficit de abastecimiento
Fuel06t
= Precio en US$ del barril del combustible Fuel Oil No.6
InfUSAt
= Inflación mensual de los Estados Unidos (EUA)
EIt
= Término de error aleatorio modelo en nivel demanda
FIt
= Término de error aleatorio modelo en nivel precio
¥I (EIt-1)
= Mecanismo de corrección de error demanda de energía
ψI (FIt-1)
= Mecanismo de corrección de error precio de la energía
UIt
= Término de error aleatorio modelo en diferencia demanda
VIt
= Término de error aleatorio modelo en diferencia precio
131
Sector Gobierno (G):
A. Horizonte de Largo Plazo (Modelos en Logaritmo):
Log DeGt = Co + β1 Log PricGt, + β2 Log Subt + β3 Log CeGt-1 + β4 Log Imaet +
+ δo Def + EGt
Log PricGt= Co + Log Fuel06t + Log InfUSAt + Log PricGt-1 + FGt
E. Horizonte de Corto Plazo (Modelos en 1ra. Diferencia):
D(LogDeGt)= D(LogPricGt) + D( Log Subt) + D(LogCeGt-1)+ D(LogImaet) +
+ δo Def + ¥G (EGt-1) + UGt
D(LogPricGt)= D(Log Fuel06t) + D(LogInfUSAt) + D(Log PricGt-1)+
+ ψG (FGt-1)+ VGt
Donde para el período t:
DeGt
= Demanda de electricidad del sector Gobierno en Gwh
Co
= Constante
PricGt
= Precio promedio en US$ del kwh para el sector Gobierno
Subt
= Subsidio en US$ al kwh
CeGt-1
= Consumo en Gwh en el período t-1del sector Gobierno
Imaet
= Índice mensual de actividad económica
Def
= Dummy para meses con déficit de abastecimiento
Fuel06t
= Precio en US$ del barril del combustible Fuel Oil No.6
InfUSAt
= Inflación mensual de los Estados Unidos (EUA)
EGt
= Término de error aleatorio modelo en nivel demanda
FGt
= Término de error aleatorio modelo en nivel precio
¥G (EGt-1) = Mecanismo de corrección de error demanda de energía
ψG (FGt-1) = Mecanismo de corrección de error precio de la energía
UGt
= Término de error aleatorio modelo en diferencia demanda
VGt
= Término de error aleatorio modelo en diferencia precio
132
Sector Alumbrado Público (A):
A. Horizonte de Largo Plazo (Modelos en Logaritmo):
Log DeAt = Co + β1 Log PricAt, + β2 Log Subt + β3 Log CeAt-1 + β4 Log Imaet +
+ δo Def + EAt
Log PricAt= Co + Log Fuel06t + Log InfUSAt + Log PricAt-1 + FAt
F. Horizonte de Corto Plazo (Modelos en 1ra. Diferencia):
D(LogDeAt)= D(LogPricAt) + D (Log Subt) + D(LogCeAt-1)+ D(LogImaet) +
+ δo Def + ¥A (EAt-1) + UAt
D(LogPricAt)= D(Log Fuel06t) + D(LogInfUSAt) + D(Log PricAt-1)+
+ ψA (FAt-1)+ VAt
Donde para el período t:
DeAt
= Demanda de electricidad del sector Alumbrado en Gwh
Co
= Constante
PricAt
= Precio promedio en US$ del kwh para el sector Alumbrado
Subt
= Subsidio en US$ al kwh
CeAt-1
= Consumo en Gwh en el período t-1del sector Alumbrado
Imaet
= Índice mensual de actividad económica
Def
= Dummy para meses con déficit de abastecimiento
Fuel06t
= Precio en US$ del barril del combustible Fuel Oil No.6
InfUSAt
= Inflación mensual de los Estados Unidos (EUA)
EAt
= Término de error aleatorio modelo en nivel demanda
FAt
= Término de error aleatorio modelo en nivel precio
¥A (EAt-1) = Mecanismo de corrección de error demanda de energía
ψA (FAt-1) = Mecanismo de corrección de error precio de la energía
UAt
= Término de error aleatorio modelo en diferencia demanda
VAt
= Término de error aleatorio modelo en diferencia precio
133
134