Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Efecto del consumo de energía y capital humano sobre el crecimien-
to económico: Análisis de cointegración y causalidad con datos de
panel a nivel mundial.
Effect of energy consumption and human capital on economic growth: cointegra-
tion and causality analysis with world panel data.
Estefanía Lara1| Karen Iñiguez1
1Carrera de Economía, Universidad Nacional de Loja,
Loja, Ecuador
Correspondencia
Estefania Lara , Carrera de Economía, Universidad
Nacional de Loja, Loja, Ecuador
Email: estefania.lara@unl.edu.ec
Agradecimientos
Club de Investigación de Economía (CIE)
Fecha de recepción
Enero 2021
Fecha de aceptación
Junio 2021
Dirección
Bloque 100. Ciudad Universitaria Guillermo
Falconí. Código Postal: 110150, Loja, Ecuador
RESUMEN
Los países optan por diferentes medidas que los direccione a una inversión eficien-
te de capital humano y un consumo sostenible de energía eléctrica, esperando un efecto
positivo en los niveles de crecimiento económico. La investigación evalúa dicho efecto a
nivel mundial. Las variables propuestas se tomaron de la base de datos de panel de Barro
y Lee (2016) y del Banco Mundial (2017). Los resulatdos comprueban la existencia de un
equilibrio a corto y largo plazo entre las variables a nivel mundial y por grupos de países.
La fuerza del vector de cointegración es significativa en los países de ingresos medios ba-
jos, bajos y extremadamente altos. Existe una causalidad unidireccional del consumo de
energía al crecimiento económico, en todos los grupos de países a excepción de los países
de ingresos altos y extremadamente altos. La causalidad del capital humano al crecimiento
solo existe en los países de ingresos bajos. Los gobiernos deben buscar e impulsar la im-
plementación de nuevas fuentes de generación de energía y una inversión estratégica en
educación que garantice desarrollo de los países.
Palabras clave: Capital Humano. Energía. Crecimiento. Datos de Panel.
Códigos JEL: C22. E23. J24
ABSTRACT
Countries opt for different measures that direct them towards efficient human capital in-
vestment and sustainable electricity consumption, expecting a positive effect on economic
growth levels. The research evaluates this effect at the global level. The proposed variables
were taken from the panel database of Barro and Lee (2016) and World Bank (2017). The
results prove the existence of a short- and long-run equilibrium between the variables
at the global level and by country groups. The strength of the cointegrating vector is sig-
nificant in low, low and extremely high middle-income countries. There is unidirectional
causality from energy consumption to economic growth, in all country groups except for
high and extremely high income countries. Human capital causality to growth exists only
in low-income countries. Governments should seek and encourage the implementation of
new sources of energy generation and strategic investment in education to ensure the
development of countries.
Keywords: Emissions; Investment; Panel data; Cointegration; Causality.
JEL codes: Q32. Q43.
Lara E.& Iñiguez K.
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
1|INTRODUCCIÓN
El crecimiento económico es inestable, así lo confirman los da-
tos publicados por el Banco Mundial, en su informe denominado
Perspectivas Económicas Mundiales. Asia Oriental y el Pacífico dis-
minuirán de 6,4 % en 2017 a 6,2 % en 2018. Europa y Asia central
de 3,7 % a 2,9 %. Mientras que, Asia meridional pasará a 6,9 %, con
respecto al 2017 con 6,5%. América Latina y el Caribe crecerán 2 %
en 2018, lo que representa un aumento respecto del 0,9 % estimado
en 2017. Oriente Medio y Norte de África pasaran de 1,8 % a 3% en
2018. África al sur del Sahara del 2,4 % a 3,2 %. De manera general
el crecimiento de la economía mundial se acercará a 3,1 %, debido a
la recuperación de la inversión, las manufacturas y el comercio. Sin
embargo, estos cambios se consideran como una mejora de corto
plazo. En el largo plazo, la desaceleración del crecimiento potencial,
pone en riesgo los avances logrados en los niveles de vida y la re-
ducción de la pobreza en todo el mundo. Esto debido a un escaso
aumento de la productividad, así como inversiones insuficientes en
salud y educación. Así lo confirma el Estudio de Tendencias en Ma-
temáticas y Ciencias realizado en 2015, los países de Oriente Medio
y Norte de África obtuvieron puntajes inferiores al promedio inter-
nacional. Una parte esencial dentro del crecimiento económico es la
proporción de energía usada, no obstante, esta disminuyó a un ritmo
acelerado de 2,8 % en 2015, la caída más rápida desde 2010. Con-
secuentemente, 1000 millones de personas viven sin electricidad,
según los Indicadores de Desarrollo Mundial del Banco Mundial.
Existe evidencia empírica y teórica sobre la relación entre el
capital humano, el consumo de energía eléctrica y el crecimiento
económico. Una de las teorías más utilizadas es la función de pro-
ducción de Solow-Swan (1956). El modelo de crecimiento plantea-
do por Robert Solow (1956) supone que la función de producción
tiene rendimientos constantes. Con Solow (1956) se inicia la estruc-
tura teórica que da importancia al ser humano como componente
fundamental en el desarrollo productivo de la industria y el creci-
miento económico. Sin embargo, la inclusión del factor de energía
en la función de producción ha sido escaso. Los modelos económi-
cos endógenos utilizados para explicar el proceso de crecimiento,
generalmente se centran en el capital y el trabajo como factores de
producción y dejan a un lado el papel de la energía. Pirlogea y Ci-
cea (2012); Di Maria y Valente (2008); Pittel y Rübbelke (2011) pro-
porcionan referencias a la literatura más reciente. De igual manera
Salim, Yao y Chen (2017) proporciona evidencia empírica contribu-
yendo de esta manera al estudio de las variables antes mencionadas.
El objetivo de esta investigación es evaluar mediante técnicas
de cointegración el efecto del capital humano y el consumo de ener-
gía en el crecimiento económico a nivel mundial con datos de panel
para el periodo 1970-2016. La hipótesis planteada consiste en que
el nivel de capital humano y el consumo de energía eléctrica, pue-
den explicar el inestable crecimiento económico a nivel mundial a
lo largo del periodo considerado. En general, los resultados mues-
tran que en los grupos de países de ingresos medios bajos, bajos y
extremadamente bajos, la fuerza del vector de cointegración es sig-
nificativa, y en algunos países la relación es negativa. En grupos de
países con ingresos altos la relación no fue contundente. La prueba
de causalidad muestra una relación unidireccional desde el consu-
mo de energía hasta el crecimiento para todos los grupos de países,
excepto, el grupo de ingresos extremadamente altos. Además, en
los países de bajos ingresos existe una causalidad que va desde el
capital humano hasta el crecimiento económico. Estos resultados
sugieren que el crecimiento económico depende del consumo de
energía para todos los países, pero el capital humano, no tiene el
mismo efecto.
La relevancia de esta investigación radica en la nueva clasifi-
cación de países que proponemos. Una clasificación más amplia si
la compramos con la propuesta por el Banco Mundial, siendo más
coherente con las diferencias de ingresos entre los países. También
cabe resaltar que el capital humano no tiene el mismo efecto para
todos los grupos de países. No existe causalidad en los países de
mayores ingresos. El resto de esta investigación tiene la siguiente
estructura. En la segunda sección mostramos una revisión de las in-
vestigaciones previas sobre el tema. En la tercera sección, presenta-
mos los datos y planteamos la estrategia econométrica. En la cuarta
sección discutimos los resultados encontrados con la teoría y la evi-
dencia empírica. La quinta sección contiene las conclusiones para
posteriores estudios.
2|REVISIÓN DE LITERATURA PRE-
VIA
Disponemos de una extensa evidencia empírica y teórica que
relaciona al crecimiento económico tanto con el capital humano co-
mo con el consumo de energía. Una de estas teorías y de hecho, la
más utilizada para explicar las variaciones de estas variables es la
función de producción de Solow-Swan (1956). Solow propone una
estructura teórica que da importancia al ser humano como compo-
nente fundamental en el desarrollo productivo de la industria y el
crecimiento económico. Sin embargo, la inclusión del factor de ener-
gía en la función de producción ha sido escaso. Los modelos econó-
micos endógenos utilizados para explicar el proceso de crecimiento,
generalmente se centran en el capital y el trabajo como factores de
producción y dejan a un lado el papel de la energía. Sin embargo,
Salim, Yao y Chen (2017) proporcionan evidencia empírica para el
estudio de las variables mencionadas. Pirlogea y Cicea (2012); Di
Maria y Valente (2008) y Pittel y Rübbelke (2011) de igual manera
proveen referencias a la literatura más reciente.
Es así que, partimos de la gran contribución del pensamiento
keynesiano en el análisis macroeconómico, este enfoque está ba-
sado en el manejo de los grandes agregados económicos y en las
relaciones de causa-efecto entre los movimientos de estas dimen-
siones. La metodología se encuentra asociada a la ampliación de la
actividad y la responsabilidad del Estado en la vida económica de
los países. El comportamiento, de las variables económicas analiza-
das en este artículo, proporcionará información para que los gobier-
nos, tomen decisiones adecuadas. Esto debe conducir a la creación
del ambiente propicio para el aumento de la producción, consumo,
ahorro e inversión y optimizar aquellos recursos más escasos en una
economía.
La evidencia empírica que respalda la relación entre el capital
humano y el crecimiento económico puede dividirse en dos grupos:
El primer grupo de investigaciones centra su atención en la acumula-
ción de capital humano y su incidencia en el crecimiento económico.
Zhang y Zhuang (2011) resaltan la importancia de la educación su-
perior por encima de la primaria y secundaria en el crecimiento eco-
nómico. Chang y Shi (2016) de igual manera ponen especial énfasis
en el capital humano avanzado como impulsor del crecimiento. El
aumento de la productividad contribuye a mejorar los rendimientos
de la acumulación de capital humano e induce a los trabajadores a
invertir en educación. Castelló e Hidalgo (2012) manifiestan que la
educación afecta el crecimiento económico al aumentar la extensibi-
lidad de la acumulación de capital humano más allá de la educación
primaria, Shao y Yang (2014); Dissou, Didic, y Yakautsava (2016);
Choi y Shin (2015) enfatizan la importancia de la transmisión del
capital humano entre las generaciones para que un país crezca en
el largo plazo. Ahsan y Haque (2017) sostienen que la acumulación
de capital humano se considera un determinante importante en el
proceso de crecimiento económico, siempre y cuando, la acumula-
ción de capital en una economía cruce un umbral de desarrollo. En
contraste Park (2006) enfoca su investigación en la ampliación de la
cobertura de la educación para la acumulación del capital humano.
Argumenta que una economía funcionaría mejor cuando asigna re
Efecto del consumo de energía y capital humano sobre el crecimiento económico...
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
cursos para apoyar a todos los niveles de educación, en lugar de
cuando se enfoca en promover un nivel particular.
El segundo grupo de investigadores adicionan la tecnología co-
mo intermediario del capital humano y el crecimiento económico.
Días y Tebaldi (2012); Davin, Gente, y Nourry (2015) señalan que
la acumulación de capital humano, fomenta la creación de tecno-
logía y el crecimiento de la producción. Abubakar, Kassim y Yusoff
(2015), Breton (2015), Teixeira y Queirós (2016), Huggett y Kaplan
(2016), Chang y Shi (2016) ponen especial énfasis en el capital hu-
mano avanzado como impulsor del crecimiento a través de la inno-
vación tecnológica. En este sentido, los resultados de Schündeln y
Playforth (2014) en la India sugieren que los retornos privado y so-
cial a la educación son muy diferentes y afirman que los efectos
de la mala asignación de capital humano en este país fueron signi-
ficativos. En esta misma línea, Guarnizo y Jumbo (2019) mostraron
que existe una relación a largo plazo entre el capital humano, creci-
miento económico y el desempleo solamente a nivel global y para
tres grupos de países (población con ingresos medio-altos, pobla-
ción con ingresos extremadamente bajos y población con ingresos
bajos), mientras que a corto plazo todos los grupos de pías tienen
cointegración. Tzeremes (2014) propone evidencia de rendimientos
decrecientes del capital humano y, una relación no lineal. Sin em-
bargo, esto no está confirmado para el caso de las economías en
desarrollo. Qadri y Waheed (2014) a través de su investigación no
encontraron un vínculo entre la educación y el mercado laboral y,
por tanto, concluyen que su incidencia en el crecimiento económi-
co es bastante débil.
La evidencia empírica que respalda la relación entre la energía y
el crecimiento económico, muestran perspectivas diversas: por una
parte, Azam, Khan, Bakhtyar y Emirullah (2015) en sus resultados
publicados demuestran que existe una relación de cointegración sig-
nificativa entre el consumo de energía y el crecimiento económico.
Al igual que los estudios de Salahuddin y Alam (2016); Gozgor, Lau, y
Lu (2018) que sugieren una relación significativa entre el consumo
de electricidad y el crecimiento tanto a corto como a largo plazo.
Los resultados empíricos de Shahbaz, Zakaria, Shahzad, y Mahalik
(2018) muestran que la relación entre el crecimiento económico y el
consumo de energía es principalmente positiva para todos los paí-
ses, aunque existen grandes diferencias. Los hallazgos del estudio
de Adams, Klobodu y Opoku (2016) muestran que los beneficios de
la energía son mayores que los costos externos que vienen con el
uso dela misma. Sarwar, Chen, y Waheed (2017) confirman que los
países en desarrollo dependen en gran medida del consumo de elec-
tricidad. Por otra parte, Antonakakis, Chatziantoniou y Filis (2017);
Appiah (2018) revelan que los efectos del consumo de los diversos
tipos de energía sobre el crecimiento económico varían de acuerdo
a los grupos de países. La dinámica a largo plazo presenta una rela-
ción negativa significativa en los sectores de bajos ingresos, ingresos
medios altos, altos ingresos. Shahbaz, Hoang, Mahalik, y Roubaud
(2017) en sus resultados indican que solo los choques negativos al
consumo de energía tienen impactos en el crecimiento económico.
Tang, Tan, y Ozturk (2016). Por su parte, Alshehry y Belloumi (2015)
afirman que la contribución de la energía al crecimiento no es signi-
ficativa. De igual manera Kristjanpoller, Sierra, y Scavia (2018); Tug-
cu y Topcu (2018) sugieren una inestabilidad entre el aumento de la
producción y el consumo de energía. Wolde-Rufael (2014) manifies-
ta la existencia de un apoyo limitado para el crecimiento impulsado
por la electricidad, esto debido a que algunas economías no cum-
plen con los estándares de eficiencia energética. La variabilidad en
los países entre energía y crecimiento puede atribuirse a las diferen-
cias en la importancia de la energía como insumo en el crecimiento
económico de cada país, la eficiencia técnica de cada país, las limi-
taciones de capacidad de producción de cada país y posibles exter-
nalidades negativas por el consumo de energía como emisiones de
carbono. En este sentido, Tillaguango, y Loaiza (2019) ratifican que
se requiere de un cambio estructural en materia energética de los
países, incentivando el consumo de energías amigables con el medio
ambiente y la economía.
La presente investigación, busca examinar la relación entre las
variables antes descritas, mediante estrategias econométricas y da-
tos de fuentes oficiales que se detallan a continuación.
3|DATOS Y METODOLOGÍA
3.1 |Fuentes estadísticas
En la presente investigación utilizamos datos del World Deve-
lopment Indicators del Banco Mundial (2017) y la base de Barro y
Lee (2016) para 118 países, en el periodo 1960-2016. Los países y el
periodo de tiempo fueron seleccionados por la disponibilidad de los
datos para las variables utilizadas, esto nos permitió hacer estima-
ciones usando un panel de datos balanceado. La variable dependien-
te es el logaritmo del PIB per cápita y las variables independientes
son: el logaritmo del consumo de energía y el capital humano medi-
do como la tasa de escolaridad.
La Tabla 1 muestra los estadísticos descriptivos del logaritmo
del PIB per cápita, la tasa de escolaridad, el logaritmo del consumo
de energía per cápita, la media, la desviación estándar, valores míni-
mos y máximos y el número de observaciones a lo largo del tiempo y
entre países. Las variaciones de las variables medidas por la desvia-
ción estándar, no tienen una tendencia marcada. El PBI varió más
entre países que dentro de ellos. Hubo variaciones similares en la
tasa de escolaridad y consumo de energía. El número de observa-
ciones disponibles asegura que los parámetros se generalicen entre
países y en el tiempo.
La Figura 1 muestra la relación entre cada variable indepen-
diente y la dependiente, para los grupos de países de ingresos ex-
tremadamente altos, altos, medios altos, medios bajos, bajos y ex-
tremadamente bajos. Como podemos observar existe una relación
positiva entre las variables analizadas, para todos los grupos de paí-
ses, cabe resaltar que hay una mayor dispersión de los datos para
los países de ingresos bajos.
3.2 |Metodología
La estrategia econométrica global está diseñada para evaluar el
nivel de cointegración entre el crecimiento económico, el consumo
de energía y el capital humano. Estimamos un modelo de regresión
básico de datos de panel. La variable dependiente es el logaritmo
del PIB per cápitaYity las variables independientes son el logaritmo
del consumo de energía l og (e ne r g ía)i,ty la tasa de escolaridadHi,t
, del país i = 1,.. .,118 del período t =1970,. .. ,2016. Este modelo
básico permite verificar el grado de asociación y la dirección de la
relación entre las variables a nivel mundial y por grupos de países.
La ecuación (1) formaliza la relación entre estas:
l ogYi,t=(γ0+δ0) + l o g en er g íai,t+Hi,t+θi,t(1)
Los parámetros γ0+δ0capturan la variabilidad en tiempo y sección
transversal. Finalmente, el parámetro θi,tes el término de error es-
tocástico.
Utilizamos la prueba de Hausman (1978) para elegir entre
un modelo de efectos fijos o aleatorios. La prueba de Wooldridge
(2002) sugiere la presencia de autocorrelación y la prueba del mul-
tiplicador de Lagrange de Breusch-Pagan muestra que el modelo
tiene heterocedasticidad, en la ecuación 1.
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 1. Estadísticos descriptivos de las variables
Variable Mean Des. Est Min Max Observaciones
Log Pib per cápita
Overall
8,437
1,542 0,362 11,733 N= 6490
Between 1,447 5.203 11,193 n= 119
Whitin 0,541 2.293 10,627 T-bar= 54,53
Log Energía
Overall
7,059
1,673 -0,693 10,911 N= 6392
Between 1,543 3.548 9,86 n= 119
Whitin 0,689 1.414 9,192 T-bar= 53,71
Capital humano
Overall
6,555
3,1 0,04 16,421 N= 6783
Between 2,498 1,242 11,944 n= 119
Whitin 1,85 0,807 12,783 T-bar= 57
Figura 1. Relación entre consumo de energía, capital humano y crecimiento económico
Efecto del consumo de energía y capital humano sobre el crecimiento económico...
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Las series temporales tienen un comportamiento tendencial.
Para garantizar que la serie no tenga problema de la raíz unitaria,
utilizamos un conjunto de pruebas, que coinciden en que la prime-
ra diferencia elimina el efecto de tendencia de las dos variables. Las
pruebas utilizadas fueron: Dickey Fuller Augmented (1981), Phillips
y Perron (1988), Levine, Lin y Chu (2002), Im, Pesaran y Shin (2003),
y Breitung (2002), que se pueden estimar a partir de la siguiente
ecuación:
yt=α0+λyt−1+αit+
p
Õ
i=2
βjyt−i−1+ϵt(2)
Donde ytes la serie que asumimos, contiene al menos una raíz
unitaria,α0es la intersección y α1captura el efecto de tendencia
del tiempo, ϵtes el error gaussiano, y “p” representa la longitud del
desfase. En la Ecuación (2), cuando el parámetro λes significativo,
se puede concluir que al menos uno de los paneles tiene una raíz
unitaria. El uso de cinco pruebas diferentes asegura que las series
utilizadas en las estimaciones posteriores no tienen el problema de
la raíz de la unidad. La segunda etapa de la estrategia econométri-
ca determina el equilibrio a corto y largo plazo entre las tres varia-
bles utilizando la prueba de cointegración desarrollada por Pedroni
(1999), el equilibrio a largo plazo se determina con base en la si-
guiente ecuación
yi,t=αi+
n−1
Õ
j=1
βi j xi j −j+
n−1
Õ
j=1
ωi j yi,t−j+πiE CTt−j+ϵi,t(3)
Donde yi,trepresenta la variable dependiente del país ien el
período t. Los parámetros β,ω y π son los parámetros a estimar, y el
término E CTt−jes el vector de cointegración de equilibrio a largo
plazo. Finalmente, ϵi,tes el término de error aleatorio estacionario
con media cero y es la longitud del desfase determinada con el cri-
terio de información de Akaike (1974). Además, el equilibrio a corto
plazo se determina mediante la prueba de Westerlund (2007) a par-
tir de la siguiente ecuación:
yi,t=δidi+αiyi,t−1−βiXi,t−1+
pi
Õ
j=1
αi j yi t −j+
pi
Õ
j=−qi
γi j Xi,t−j+ϵi,t(4)
Donde t= 1, . . . ,Tlos períodos de tiempo y en i= 1, . . . , N
países. El término dtes el componente determinista. Confiamos en
la suposición de que el vector k-dimensional de xi,tes aleatorio e
independiente de ϵi,t, por lo que se supone que estos errores son
independientes a través de i y t. La hipótesis nula sugiere que no hay
cointegración a corto plazo. La prueba de cointegración de Pedroni
(1999) se ha utilizado ampliamente para verificar la relación entre
el consumo de energía y el crecimiento económico Fang y Chang
(2016) entre otros. Sin embargo, la prueba de cointegración a cor-
to y largo plazo solo indica la existencia o no de un vector que se
relaciona con las variables en cuestión. Además, los modelos con da-
tos de panel ofrecen resultados que son demasiado agregados. En
consecuencia, en la próxima etapa estimamos la fuerza del vector
de cointegración utilizando el enfoque de Pedroni (2001) y aplicado
por Neal (2014). Esta estrategia nos permite evaluar la fuerza del
vector de equilibrio entre el capital humano, el consumo de energía
y el producto real per cápita. Específicamente, la fortaleza de la re-
lación entre las tres variables en cada país se estimó utilizando un
modelo dinámico de mínimos cuadrados ordinarios (DOLS) y para la
región como un todo o para grupos de países a través de una diná-
mica ordinaria del modelo de panel de mínimos cuadrados (PDOLS).
La siguiente ecuación plantea la relación entre las dos variables:
yi,t=αi+
K
Õ
K=1
γK
iYi,t−K+
K
Õ
K=1
βK
iXi,t−K+µi,t(5)
Dónde yi,tes el PIB per cápita i=1,2.. .118, países, t = 1,2. .. N
es el tiempo, p= 1,2..., P es el número de rezagos y avances en la re-
gresión DOLS, mientras que δl o gY i,t/δ l o g xi,t=δimide el cambio
en el PIB per cápita cuando cambia el capital humano y la energía.
Los coeficientes y los valores t se obtienen los valores promedio
en todo el panel utilizando el método de los promedios grupales. El
estimador PDOLS se promedia a lo largo de la dimensión entre los
grupos Neal (2014) y la hipótesis nula establece que βi=β0. Final-
mente, en la cuarta etapa usamos la prueba formalizada por Dumi-
trescu Hurlin (2012) para determinar la existencia y la dirección de
causalidad entre las dos variables usando la siguiente expresión:
yi,t=αi+
K
Õ
K=1
γK
iYi,t−K+
K
Õ
K=1
βK
iXi,t−K+µi,t(6)
En la Ecuación 6 asumimos que βi=β1
i, . . . , βk
iy el término αi
esta fijado en la dimensión de tiempo. El parámetro autorregresivo
γk
iy el coeficiente de regresión βk
ivarían entre las secciones trans-
versales. La hipótesis nula a plantea que no hay relación causal para
ninguna de las secciones transversales del panel H0:βi= 0
3.3 |Discusión de resultados
La Tabla 2 muestra los resultados de la estimación del PIB per
cápita, el consumo de energía y el capital humano a nivel mundial y
por grupos de países. La prueba de Hausman (1978) muestra que to-
dos los paneles se estimaron con efectos fijos a excepción del grupo
de países con ingresos extremadamente bajos, en cuyo caso se esti-
mó con efectos aleatorios. Los resultados obtenidos indican una re-
lación positiva y estadísticamente significativa entre el producto per
cápita y el consumo de energía para todos los grupos. Coincidien-
do de esta manera con los resultados obtenidos por Fang y Chang
(2016) quienes demuestran que la energía contribuye significativa-
mente al desarrollo económico en los países de Asia y el Pacífico.
Ajustándose a los estudios de Antonakakis, Chatziantoniou y Filis
(2017), Appiah (2018) que sostienen que los efectos de los diver-
sos tipos de consumo de energía sobre el crecimiento económico
varían de acuerdo a los grupos de países. Sarwar, Chen, y Waheed
(2017) únicamente confirman estos resultados para los países en
desarrollo. En el caso del capital humano la relación no fue estadís-
ticamente significativa para el grupo de países con ingresos altos y
medios altos. Estos resultados podrían corroborar los hallazgos de
Qadri y Waheed (2014) a través de su investigación concluyen que
existe un vínculo entre la educación y su incidencia en el crecimien-
to económico bastante débil. Al igual que Ahsan y Haque (2017)
sostienen que la acumulación de capital humano se considera un
determinante importante en el proceso de crecimiento económico,
siempre y cuando, la acumulación de capital en una economía cruce
un umbral de desarrollo.
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 2. Relación entre el crecimiento económico, energía y capital humano
GLOBAL PIEA PIA PIMA PIMB PIB PIEB
Lenergia 0.479*** 0.191*** 0.467*** 0.376*** 0.236*** 0.273*** 0.0708***
(60.78) (11.56) (12.27) (15.13) (9.56) (22.85) (6.49)
Capital Humano 0.0346*** 0.0683*** 0.00753 0.00861 0.0645*** 0.00784* 0.0416***
(11.08) (11.89) (0.51) (1.30) (7.88) (2.50) (5.49)
Constant 5.015*** 8.185*** 5.734*** 6.004*** 7.457*** 6.069*** 6.121***
(99.80) (60.22) (21.79) (34.41) (41.59) (82.27) (94.71)
Hausman test 0 0,013 0,001 0 0 0 -152,15
Serial correlation 0,967 0,971 0,951 0,982 0,961 0,971 0,978
Fixed effects (time) No No No No No No No
Fixed effects(country groups) No No No No No No No
Observations 5546 1034 329 987 423 1692 1081
Nota:t statistics in parentheses * p <0.05, ** p <0.01, *** p <0.001
La Tabla 3 muestra los resultados de la prueba de raíz unitaria
del PIB per cápita, el consumo de energía, expresados en logaritmos
y el capital humano, medido por la tasa de escolaridad. Los resultados
fueron estimados con efectos del tiempo y sin efectos del tiempo. Las
pruebas de Levine, Lin y Chu (2002); Im, Pesaran y Shin (2003); Brei-
tung (2002) se basan en pruebas paramétricas y las pruebas Fisher
de Dickey Fuller Augmented (1981); Phillips y Perron (1988) son no
paramétricos, que fueron propuestos por Maddala y Wu (1999). Brei-
tung (2002) se basa en la homogeneidad de la raíz unitaria (a través
de paneles). El criterio de información Akaike (AIC) se utilizó para de-
terminar la duración del rezago. En general, la evidencia encontrada
sugiere que las dos series tienen un orden de integración I (1). Osman,
Gachino, y Hoque (2016) en su investigación destacan la importancia
de estas pruebas. Estas indicaron, para los países que conforman el
Consejo de Cooperación para los Estados Árabes del Golfo, que las
variables muestran considerable dependencia transversal, así como
heterogeneidad entre los grupos y esto ha requerido la utilización de
las pruebas de raíz unitaria sugieren que tienen un orden de integra-
ción I (2). En la presente investigación N=118 es mayor que T=46, por
lo tanto, no debe haber ningún sesgo en las pruebas de Levine, Lin y
Chu (2002); Im, Pesaran y Shin (2003), que ocurre cuando T>N.
Las series tienen un orden de integración I (1) por lo que es ne-
cesario estimar la existencia de un equilibrio a largo plazo entre las
variables. Si las series están cointegradas, existe una fuerza que lleva
a la serie al equilibrio en el largo plazo. La Tabla 4 muestra los resulta-
dos de la prueba de cointegración entre las variables a nivel global y
por grupos para los 118 países. La prueba de Pedroni (1999) se basa
en el análisis dentro de la dimensión y las estadísticas se obtienen
sumando los numeradores y los denominadores a lo largo de la serie
de forma independiente.
La Tabla 4 reporta los siguientes estadísticos de panel-v, panel-
rho, panel-PP y panel-ADF. El primero no es paramétrico y se basa
en la relación de varianzas. La prueba de cointegración de paneles
heterogéneos de Pedroni (1999) muestra que existe una relación de
equilibrio a nivel global entre las series. Las estadísticas ADF, PP, p-
statistic y v-statistic muestran un resultado coherente entre ellas: las
dos series se mueven juntas y simultáneamente en el tiempo y en la
sección transversal. Las estadísticas dentro y entre las dimensiones
de los paneles, son estadísticamente significativas, en los países de
ingresos extremadamente altos, esto indica la existencia de cointe-
gración. Sin embargo, en los países de ingresos altos, medianos altos,
medianos bajos, bajos y extremadamente bajos se muestra un resul-
tado contradictorio en uno de sus estadísticos. Estos resultados son
similares a las conclusiones obtenidas por Gozgor, Lau y Lu (2018),
para 34 países de la OECD para el período de 1990 a 2010, encon-
trando una relación de largo plazo. Chang et al. (2001) exploraron las
relaciones causales entre el consumo de energía y el producto para
Taiwán de 1982 a 1997. Sus hallazgos mostraron que las variables
estaban cointegradas y que había una interacción bidireccional entre
el empleo y el consumo de energía. Además, Apergis y Payne (2012)
investigaron la relación entre el consumo de energía y el crecimiento
económico en 80 países entre 1990 y 2007. Los hallazgos del modelo
de corrección de error del panel muestran la causalidad bidireccional
entre el consumo de energía renovable y crecimiento económico tan-
to a corto como a largo plazo.
La existencia de una relación a largo plazo implica que las varia-
bles bajo análisis se muevan de manera conjunta y simultánea porque
existe una fuerza de cointegración o un vector que las equilibra a lo
largo del tiempo. Sin embargo, es muy posible que los cambios del PIB
per cápita varíen inmediatamente como resultado de los cambios en
el consumo de energía y el capital humano. Esta relación se puede
medir a través del modelo de error vectorial de los datos del panel
VECM propuesto por Westerlund (2007). La Tabla 5 muestra los re-
sultados de esta prueba de cointegración. Las pruebas de Levine, Lin
y Chu (2002); Im, Pesaran y Shin (2003); Breitung (2002) y las prue-
bas de Fisher de Dickey Fuller Augmented (1981); Phillips y Perron
(1988) mostraron que la serie no tiene el problema de raíz unitaria.
Estimamos entonces la prueba de cointegración de Westerlund. Los
resultados son reportados para todo el panel y por grupos de países.
Los mismos, nos permiten aceptar la hipótesis alternativa de cointe-
gración entre las dos series analizadas. Esto indica que un cambio en
el consumo de energía y el capital humano genera cambios inmedia-
tos en el producto per cápita. La existencia de un equilibrio a corto
plazo de las variables se cumple a nivel global y en todos los grupos
de países porque las estadísticas son significativas al 0.1%.
Efecto del consumo de energía y capital humano sobre el crecimiento económico...
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 3. Pruebas de raíz unitaria en la primera diferencia
Grupo Variable
Sin efectos del tiempo Con efecto del tiempo
LL UB IPS ADF PP LL UB IPS ADF PP
Global
PIB -39.31* -12,10* -40,66* -20.25* -40.62* -42,28* -14,00* -41,99 -22.53* -40,11*
E -49,10* -10,02* -51,85 -24.92* -56.65* -52,06* -12,05* -55,42* -23.55* -57.52*
H -3,68* -5,03* -15,85* -14.40* -12.80* -37,86* -23,02* -42,46 -36.78* -40.79*
PIEA
PIB -20,56* -5,51* -19,43* -9,86* -18,31* -14,85* -7,31* -17,17* -7,32* -18,23
E -21,60* -3,44* -21,29* -10,09* -25,06* -20,76* -6,05* -23,24* -9,35* -25,01
H 0,61 -2,19* -0,38 -0,56 0,34 0,825 -1,75* 0,06 -0,09 0,86
PIA
PIB -9,78* -2,58* -10,75 -6,12* -10,10* -9,52* -3,58* -11,29* -4,94* -10,75*
E -10,28* -1,82* -9,85* -7,57* -13,72* -11,90* -4,04* -12,71* -6,54* -15,61*
H -0,34* -1,13* -1,52* -2,12* -1,88* -5,97* -2,80* -5,18* -4,92* -6,84*
PIMA
PIB -10,03* -2,97* -9,65* -5,56* -10,76* -11,53* -5,61* -11,33* -5,60* -10,11*
E -15,12* -3,17* -14,62* -6,35* -14,79* -16,04* -3,79* -16,14* -5,33* -15,56*
H -1,18* -2,41* -4,96* -4,33* -3,66* -10,23* -9,26* -13,2 -12,44* -12,00*
PIMB
PIB -17,47* -6,82* -16,42* -8,21* -15,75* -16,51* -7,59* -14,22* -7,71* -13,12*
E -18,68* -3,78* -18,55* -10,67* -21,99* -20,98* -4,52* -21,24* -11,16* -22,26*
H -4,15* -7,08* -10,47* -9,86* -9,71* -19,71* -13,62* -20,26* -16,75* -18,69*
PIB
PIB -22,09* -7,32* -22,39* -9,59* -20,77* -26,70* -6,74* -24,83* -13,45* -24,25*
E -27,75* -7,64* -30,16* -12,49* -31,06* -30,39* -8,27* -31,11* -13,27* -32,23*
H -4,89* -3,17* -15,72* -13,77* -12,33* -21,73* -16,65* -30,96* -28,82* -27,17*
PIEB
PIB -13,13* -4,10* -17,35* -9,48* -20,79* -26,53* -5,36* -26,79* -9,46* -24,92*
E -23,56* -4,44* -26,96* -12,51* -27,17* -26,83* -4,30* -27,60* -13,39* -27,64*
H 0,05 0,04 -2,06* -1,69* -1,35* -4,29* -1,83* -5,53* -4,32* -6,99*
Nota: * significancia al 1 %
Lara E.& Iñiguez K.
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 4. Resultados del test de cointegración de Pedroni
GLOBAL PIEA PIA PIMA PIMB PIB PIEB
Dentro de las estadísticas
de prueba de dimensión
Panel v-statistic -1,45 2,80** 1,02 1,24 1,32 1,96 1,85
Panel p-statistic -23,98*** -13,65*** -7,21** -6,28** -8,97** -17,02*** -19,8**
Panel pp-statistic -33,26*** -17,68*** -9,21** -8,80** -12,06** -22,81*** -26,18***
Panel ADF-statistic -25,97*** -13,85*** -7,98** -8,82** -9,21** -18,13*** -22,37***
Entre las estadísticas
de prueba de dimensión
Panel p-statistic -35,78*** -11,62** -5,94** -5,28** -7,17** -14,47*** -17,41***
Group pp-statistic -62,80*** -18,49*** -9,48 -9,20** -12,78** -24,13*** -28,03***
Panel ADF-statistic -48,46*** -13,47*** -8,12** -9,22** -7,76** -16,93*** -21,68***
Nota: **significancia al 1 %, ***significancia al 1 %.
Los resultados de la prueba de cointegración de Pedroni y Wes-
terlund tienen dos limitaciones; solo muestra la existencia de un vec-
tor de cointegración, pero no reporta la fuerza del vector o el efecto
individual en cada país. La Tabla 6 muestra los resultados encontra-
dos en esta etapa de la estimación. El panel DOLS es paramétrico y
constituye una opción alternativa para obtener el estimador de panel
OLS totalmente modificado desarrollado por Phillips Moon (1999) y
Pedroni (2001). Estimamos la fuerza del vector de cointegración de
Pedroni (2001) formalizado en la Ecuación (5). Primero, reportamos
los estimadores obtenidos por mínimos cuadrados dinámicos (DOLS)
para los países individualmente con efectos de tiempo fijo (WT) y sin
efecto de tiempo (WOT).
El PIB per cápita y el consumo de energía se expresaron en lo-
garitmos, mientras que el capital humano esta medido en tasa. Los
estimadores se interpretan como elasticidad de una manera directa.
Observamos que existe una relación positiva, entre el PIB per cápita
el consumo de energía y el capital humano. Si el coeficiente tiende o
es mayor que 1, la fuerza del vector de cointegración es contunden-
te. Podemos apreciar esta relación en los países de ingresos medios
bajos, ingresos bajos e ingresos extremadamente bajos. Es decir, tie-
nen un vector de cointegración que indica que los cambios tanto en
capital humano como en el consumo de energía tienen un impacto
fuerte en el crecimiento económico de los países. Por el contrario, en
los grupos de países con ingresos elevados los coeficientes no supe-
ran la unidad, pero se acercan a esta medida.
Estimamos la fuerza del vector de cointegración por grupos de
países, que mostramos en la Tabla 7. Estimamos un modelo con va-
riable dummy y otro sin variable dummy, para asegurar la consisten-
cia de los parámetros obtenidos. Encontramos que, en el caso de la
variable energía, el coeficiente es estadísticamente significativo para
todos los grupos de países, excepto el de ingresos altos. En el caso
de la variable capital humano, por el contrario, resulta ser significativa
solo en el grupo de países con ingresos medios altos. Los resultados
sin la variable dummy enfatizan que la fuerza del vector de cointegra-
ción es más significativa en la variable energía, mientras que, para el
capital humano resulta débil para todos los grupos de países, incluido
el global.
Los resultados de la prueba de causalidad del tipo Granger cal-
culada sobre la base de la prueba propuesta por Dumitrescu y Hurlin
(2012) se presentan en la Tabla 8. En los países de ingresos extrema-
damente altos y bajos ingresos existe causalidad. Existe una relación
causal bidireccional entre el crecimiento y la energía. Estos resultados
son similares a los encontrados en la investigación de Paul y Bhatta-
charya (2004) quienes investigaron la relación causal entre el consu-
mo de energía y el crecimiento económico en India.
Al aplicar el enfoque de cointegración de Engle-Granger a los
datos de la India para el período 1950-1960, encontraron una cau-
salidad bidireccional entre el consumo de energía y el crecimiento
económico. Los resultados muestran también la causalidad unidirec-
cional desde el consumo de energía hasta el crecimiento para todos
los grupos de países, excepto, el grupo de ingresos extremadamente
altos. Finalmente, en los países de bajos ingresos existe una causali-
dad que va desde el capital humano hasta el crecimiento económico.
Los resultados de la prueba de causalidad sugieren que el consu-
mo de energía eléctrica es un determinante del crecimiento económi-
co. Es un factor indispensable para la producción especialmente en el
sector industrial. Partiendo de este análisis, la generación de energía
eléctrica también puede ocasionar impactos negativos. Un cambio a
energías renovables puede contribuir al aumento de la producción sin
ocasionar daños ambientales. Mientras que en el caso del capital hu-
mano no mostró un comportamiento significativo a nivel de ingresos
elevados, pero si en países con ingresos bajos.
Efecto del consumo de energía y capital humano sobre el crecimiento económico...
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 5 Resultados de la corrección de error de Westerlund
Statistic Value Z-value P-value
GLOBAL
Energía
Gt -4,93 -34,82 0
Ga -37,15 -41,24 0
Pt -58,92 -41,9 0
Pa -42,1 -60,28 0
Cap. Hum.
Gt -4,89 -34,27 0
Ga -36,46 -40,11 0
Pt -59,64 -42,73 0
Pa -42,82 -61,59 0
PIEA
Energía
Gt -4,81 -14,36 0
Ga -39,48 -19,45 0
Pt -23,73 -16,09 0
Pa -39,17 -23,73 0
Cap. Hum.
Gt -5,16 -16,4 0
Ga -40,15 -19,92 0
Pt -23,24 -15,53 0
Pa -37,41 -22,34 0
PIA
Energia
Gt -5,04 -10,02 0
Ga -37,33 -11,47 0
Pt -13,45 -8,28 0
Pa -31,24 -11,19 0
Cap. Hum
Gt -5,21 -10,67 0
Ga -37,67 -11,62 0
Pt -14,61 -9,64 0
Pa -35,91 -13,54 0
PIMA
Energía
Gt -5,02 -8,79 0
Ga -37,89 -10,34 0
Pt -11,25 -6,59 0
Pa -33,6 -10,91 0
Cap huma
Gt -4,96 -8,58 0
Ga -36,48 -9,77 0
Pt -12,02 -7,48 0
Pa -33,52 -10,88 0
PIMB
Energia
Gt -4,96 -14,91 0
Ga -36,48 -16,93 0
Pt -21,29 -13,52 0
Pa -33,24 -18,63 0
Cap. Hum
Gt -4,75 -13,68 0
Ga -35,82 -16,48 0
Pt -21,81 -14,13 0
Pa -33,49 -18,83 0
PIB
Energia
Gt -4,66 -17,23 0
Ga -33,61 -19,58 0
Pt -29,01 -19,03 0
Pa -37,35 -28,52 0
Cap. Hum
Gt -4,29 -14,49 0
Ga -29,52 -15,89 0
Pt -26,85 -16,51 0
Pa -35,13 -26,29 0
PIEB
Energia
Gt -5,35 -17,9 0
Ga -40,78 -20,82 0
Pt -30,77 -24,04 0
Pa -52,7 -35,12 0
Cap. Hum.
Gt -5,53 -18,97 0
Ga -43,9 -23,07 0
Pt -32,44 -25,99 0
Pa -56,3 -38,01 0
Lara E.& Iñiguez K.
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 6. Resultados del modelo DOLS individual para países
PIEA PIA PIMA
País ENERGIA CH País ENERGIA CH País ENERGIA CH
WD WOD WD WOD WD WOD WD WOD WD WOD WD WOD
Alemania 0,17 0,1 -0,01 -0,01 Arabia Saudita -0,19 -0,29 0,13 0 Eslovenia 0,09 0,11 0,07 0,05
Australia 0,053 0,16 -0,1 -0,07 Baharian 0,22 -0,2 -0,04 0,17 Gabón 0,99 0,67 1,16 0,7
Austria 0,054 0,65 -0,1 0,27 España -0,05 0,55 0,01 0,02 Italia 0,52 0,91 -0,19 -0,09
Bélgica 0,01 0,8 -0,01 -0,22 Grecia 0,71 1,02 0,07 0,08 Malta -0,12 0,36 -0,12 0,16
Brunei -0,61 -0,57 -0,12 0,02 Israel 0,017 0,39 0,04 0,02 Rep. Corea 0,37 0,61 0,07 0,01
Canadá 0,03 0,39 0,01 0,07 Nueva Zelanda -0,41 -0,52 -0,04 0,15 Rep. Checa -0,11 0,97 0,1 0,03
Chipre 0,13 0,6 -0,01 0 Portugal 0,53 0,8 0,16 -0,09
Dinamarca -0,06 0,098 0,01 0,12 Reino unido -0,16 0,53 0 -0,04
Emiratos 0,54 0,44 0 0,01 Singapur -0,44 0,32 -0,04 -0,02
Estados unidos -0,03 0,64 -0,07 -0,1
Finlandia 0,82 0,41 -0,005 0
Francia 0,12 0,28 -0,02 0,04
Islandia -0,02 -0,017 -0,041 -0,02
Irlanda 0,79 0,79 -0,048 -0,14
Japón 0,26 0,74 0,026 -0,05
Kuwait 0,13 0,2 -0,023 -0,06
Luxemburgo 0,68 0,92 -0,22 0,03
Países bajos 0,39 0,76 -0,02 -0,1
Noruega 0,09 0,64 0,03 0,05
Rusia 0 0,02 0,08 -0,05
Suecia 0,22 0,16 -0,05 -0,01
Suiza 0,3 0,64 0,015 0
Efecto del consumo de energía y capital humano sobre el crecimiento económico...
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 6. Resultados del modelo DOLS individual para países
PIMB PIB PIEB
País ENERGIA CH País ENERGIA CH País ENERGIA CH
WD WOD WD WOD WD WOD WD WOD WD WOD WD WOD
Argentina 0,83 1,04 0,09 0,05 Albania 0,36 0,36 -0,23 -0,22 Bangladesh -0,61 0,07 0,15 0,44
Brazil 1,3 -0,1 -0,32 -0,22 Argelia 0,5 0,46 -0,09 -0,16 Benín 0,57 -0,11 0,26 0,21
Chile 0,02 0,83 -0,56 -0,05 Armenia 3,93 5,03 3,37 3,62 Camerún 0,21 0,7 0,1 0,1
Costa Rica -0,1 -0,12 0,23 0,09 Bolivia 1,01 0,89 -0,02 -0,08 Congo 1,35 1,64 -0,08 0,02
Croacia 0,53 0,91 -0,18 0,03 Botsuana 0,37 0,32 0,11 0,09 Gana 0,47 0,12 -0,12 -0,43
Estonia 1,42 -4,87 -0,66 -1,52 Bulgaria 1,01 0,81 -0.00 -0,01 Haití 0,22 0,01 0,27 -0,01
Hungría 3,03 0,94 0,17 0,06 China 0,43 0,15 -0,09 -0,3 India -0,31 0,3 0,19 0,41
Irán 2,67 2,33 0,3 0,54 Colombia 0,58 0,31 0,02 0,03 Kenya 0,81 0,46 -0,03 -0,14
Letonia 0,37 -0,7 -2,29 0,03 Rep. Congo 0,07 0,02 0,17 0,53 Kirguistán -0,33 0,08 0,51 0,3
Libia 0,36 0,02 -0,08 0,17 Costa de marfil 0,65 0,65 -0,04 0,52 Moldova 1,5 -0,32 -2,21 -1,4
Lituania 4,19 4,3 -3,6 -4,66 Cuba 1,45 1,09 -0,14 -0,16 Mozambique -0,55 -0,52 -1,05 -0,83
Malasia 0,02 0,21 0,27 0,08 Rep dom. 0,18 0,12 0,03 -0,05 Myanmar -0,22 0,04 0,87 0,42
México 1,18 1,25 0,17 -0,38 Ecuador 0,25 0,49 -0,12 -0,1 Nepal -0,1 -0,19 -0,14 0,15
Panamá 1,52 1,29 0,43 -0,25 Egipto 1,59 0,7 -0,21 -0,1 Pakistán 0,38 0,31 0,15 0,01
Polonia -3,34 -9,82 -0,47 -5,46 El salvador 1,6 1,14 -0,03 0,14 Senegal 0,57 0,22 -0,07 -0,02
Rusia -0,14 2,33 0,22 0,23 Guatemala 0,1 0,3 0,21 0,03 Sudan -0,02 0,29 -0,22 -0,31
Eslovaquia 5,62 -1,9 -0,06 -1,18 Honduras -0,17 -0,02 0,29 0,09 Tajikistan -0,25 0,34 -0,17 -0,47
Sudáfrica -0,19 -0,33 -0,22 -0,09 Indonesia -0,02 0,16 -0,1 0,02 Tanzania 1,45 1,26 -0,06 0,19
Trinidad y Tobago 0,89 0,41 0,45 4,41 Iraq 0,15 0,29 0,29 -1,09 Togo 0,48 -0,21 0,32 0,11
Turquia 1,22 0,08 0,27 -0,13 Jamaica 0,32 0,34 -0,29 -0,35 Vietnam 1,21 -0,06 -0,81 -0,71
Uruguay 0,91 1,75 0,29 -0,25 Jordán 0,64 0,92 -0,19 -0,03 Yemen -0,22 -0,08 -0,2 0
Kazajistán 1,64 0,34 -0,49 -0,78 Zambia 0,06 0,55 0,29 0,14
Mauricio -0,47 0,57 -0,46 -0,19 Zimbawe 0,64 -0,21 -0,13 0,01
Mongolia 0,41 1,06 0,11 -0,16
Marruecos -0,35 0,4 -0,19 0,24
Namibia 0,2 0,18 -0,07 -0,07
Nicaragua 1,34 0,56 0,07 1,3
Paraguay 0,55 0,53 -0,04 0,01
Peru 0,87 0,79 -0,12 -0,12
Filipinas 0,5 0,77 0,26 -0,02
Rumania 1,76 1,4 0,41 1,05
Serbia -1,83 -4,09 -0,35 -0,61
Sri Lanka 0,84 0,3 -0,12 -0,1
Tailandia 0,01 0,48 0,1 0,04
Tunisia 0,21 0,3 -0,16 0,62
Ucrania 1,28 1,59 0,02 -0,07
Lara E.& Iñiguez K.
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 7. Resultados del modelo PDOLS para grupos de países
Grupos
With Time Dummy Without Time Dummy
Energía Capital Humano Energía Capital Humano
βit-statitics βit-statistics βit-statistics βit-statistics
GLOBAL 0,74 20,56 0,02 -1,25 0,47 26,14 -0,06 -0,49
PIEA 0,19 2,81 -0,03 -1,62 0,4 10,93 -0,009 -1,41
PIA 0,02 0,53 0,03 0,56 0,29 3,75 0,03 0,93
PIMA 0,32 3,57 0,16 2,05 0,64 10,96 0,14 1,9
PIMB 1,06 4,94 -0,26 -0,75 -0,005 7,28 -0,41 -1,74
PIB 0,61 12,21 0,04 -1,32 0,55 15,46 0,09 -0,47
PIEB 0,31 3,65 -0,09 1,2 0,2 4,87 -0,07 1,04
Nota: *, ** indica el rechazo de la hipótesis nula en el nivel del 5 %, 10 % respectivamente para H0: = 1
Tabla 8. Resultados de la prueba de causalidad basada en Dumitrescu y Hurlin
Dirección causal Grupo W-bar Z-bar P-value
Crecimiento→Energía
GLOBAL 1,58 4,59 0
PIEA 2,3 4,31 0
PIA 0,79 -0,42 0,66
PIMA 1,87 1,63 0,1
PIMB 0,9 -0,29 0,76
PIB 2,12 4,77 0
PIEB 0,96 -0,12 0,89
Crecimiento→CH
Global 0,94 -0,43 0,66
PIEA 0,98 -0,05 0,95
PIA 0,77 -0,48 0,63
PIMA 1,47 0,89 0,37
PIMB 0,79 -0,65 0,51
PIB 0,73 -1,11 0,26
PIEB 1,26 0,88 0,37
Energía →Crecimiento
Global 2,57 12,13 0
PIEA 0,94 -0,17 0,86
PIA 1,78 1,66 0,09
PIMA 2,57 2,95 0
PIMB 6,11 16,56 0
PIB 2,2 5,12 0
PIEB 1,8 2,74 0
CH →Crecimiento
Global 1,44 3,44 0
PIEA 1,39 1,3 0,19
PIA 0,73 -0,57 0,56
PIMA 0,77 -0,41 0,68
PIMB 1,25 0,81 0,41
PIB 2,49 6,34 0
PIEB 0,53 -1,59 0,11
Efecto del consumo de energía y capital humano sobre el crecimiento económico...
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
3.4 |Conclusiones e implicaciones de po-
lítica.
Los resultados del modelo GLS muestran evidencia que com-
prueba el modelo planteado por Solow (1956) para los países de in-
gresos: extremadamente altos, medios bajos, bajos y extremadamen-
te bajos en el caso del capital humano. Con respecto a la variable
energía, la relación fue positiva para todos los países. El principal ob-
jetivo de esta investigación fue examinar la relación entre el consumo
de energía, el capital humano y el producto per cápita real para 118
países durante 1970-2016 a través de técnicas de cointegración con
datos de panel. A través de la prueba de cointegración de Pedroni
(1999) y Westerlund (2007) verificamos la existencia de un equilibrio
a largo y corto plazo entre las variables. Estimamos un modelo DOLS
y PDOLS con y sin efectos de tiempo, para determinar la fuerza del
vector de cointegración para cada país de manera individual y para
cada grupo de países. En general, los resultados muestran que en los
grupos de países de ingresos medios bajos, bajos y extremadamente
bajos, la fuerza del vector de cointegración es significativa, y solo pa-
ra algunos países la relación es negativa. En los grupos de países con
ingresos altos la relación no fue contundente. Finalmente, la prueba
de causalidad muestra una relación unidireccional desde el consumo
de energía hasta el crecimiento para todos los grupos de países, ex-
cepto, el grupo de ingresos extremadamente altos y altos. Además,
en los países de bajos ingresos existe una causalidad que va desde
el capital humano hasta el crecimiento económico. No se evidencia
el mismo comportamiento para todos los grupos. Estos resultados
sugieren que en todos los países el crecimiento económico depende
del consumo de energía; sin embargo, el capital humano no tiene el
mismo efecto. Las implicaciones de las políticas derivadas de los re-
sultados de esta investigación sugieren que se deben buscar nuevas
fuentes de generación de energía debido a su fuerte relación con el
crecimiento, las mismas que tendrían que involucrar a todos los ac-
tores sociales y económicos. El capital humano no deja de tener un
papel importante en el crecimiento por lo que no solo es necesario
una mayor inversión en este sector, sino más bien una inversión es-
tratégica que garantice el desarrollo de los países. Una limitación al
momento de desarrollar la investigación, fue la falta de datos para las
variables en todos los países de la base de datos del Banco Mundial,
fue necesario realizar una interpolación. En una extensión para futu-
ras investigaciones, se podría prestar especial atención consumo de
energías renovables, para que junto con el capital humano, se analice
el impacto al crecimiento económico mundial.
Referencias bibliográficas
[1] Adams, S., Klobodu, E. K. M., Opoku, E. E. O. (2016).
Energy consumption, political regime and economic
growth in sub-Saharan Africa. Energy Policy, 96, 36–44.
[2] Afzal, M., Rehman, H. U., Farooq, M. S., Sarwar, K.
(2011). Education and economic growth in Pakistan: A
cointegration and causality analysis. International Jour-
nal of Educational Research, 50(5–6), 321–335.
[3] Ahsan, H., Haque, M. E. (2017). Threshold effects of
human capital: Schooling and economic growth. Econo-
mics Letters, 156, 48–52.
[4] Alshehry, A. S., Belloumi, M. (2015). Energy consum-
ption, carbon dioxide emissions and economic growth:
The case of Saudi Arabia. Renewable and Sustainable
Energy Reviews,
[5] Antonakakis, N., Chatziantoniou, I., Filis, G. (2017).
Energy consumption, CO2emissions, and economic
growth: An ethical dilemma. Renewable and Sustaina-
ble Energy Reviews, 68(September 2016), 808–824.
[6] Appiah, M. O. (2018). Investigating the multivariate
Granger causality between energy consumption, econo-
mic growth and CO2emissions in Ghana. Energy Policy,
112(October 2017), 198–208.
[7] Arshad, S., Munir, K. (2015). Factor Accumulation and
Economic Growth in Pakistan: Incorporating Human Ca-
pital. Munich Personal RePEc Archive, (61160).
[8] Asteriou, D., Agiomirgianakis, G. . (2001). Human ca-
pital and economic growth. Journal of Policy Modeling,
23(5), 481–489.
[9] Astorga, P. (2010). A century of economic growth in La-
tin America. Journal of Development Economics, 92(2),
232–243.
[10] Atems, B., Hotaling, C. (2018). The effect of renewable
and nonrenewable electricity generation on economic
growth. Energy Policy, 112(October 2017), 111–118.
[11] Attanasio, O., Meghir, C., Nix, E., Salvati, F. (2017).
Human capital growth and poverty: Evidence from
Ethiopia and Peru. Review of Economic Dynamics, 25,
234–259.
[12] Azam, M., Khan, A. Q., Bakhtyar, B., Emirullah, C. (2015).
The causal relationship between energy consumption
and economic growth in the ASEAN-5 countries. Rene-
wable and Sustainable Energy Reviews, 47, 732–745.
[13] Bakirtas, T., Akpolat, A. G. (2018). The relationship bet-
ween energy consumption, urbanization, and economic
growth in new emerging-market countries. Energy, 147,
110–121.
Efecto del consumo de energía y capital humano sobre el crecimiento económico...
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
[14] Birchenall, J. A. (2001). Income distribution, human ca-
pital and economic growth in Colombia. Journal of De-
velopment Economics, 66(1), 271–287. Breton, T. R.
(2015). Human capital and growth in Japan: Converging
to the steady state in a 1
[15] Čadil, J., Petkovová, L., Blatná, D. (2014). Human Ca-
pital, Economic Structure and Growth. Procedia Econo-
mics and Finance, 12(March), 85–92.
[16] Castelló-Climent, A., Hidalgo-Cabrillana, A. (2012). The
role of educational quality and quantity in the process
of economic development. Economics of Education Re-
view, 31(4), 391–409.
[17] Castex, G., Kogan Dechter, E. (2014). The Changing
Roles of Education and Ability in Wage Determination.
Journal of Labor Economics, 32(4), 685–710.
[18] Chen, Y., Fang, Z. (2017). Industrial electricity consum-
ption, human capital investment and economic growth
in Chinese cities. Economic Modelling, (September),
1–15.
[19] Cheng-Lang, Y., Lin, H. P., Chang, C. H. (2010). Li-
near and nonlinear causality between sectoral electri-
city consumption and economic growth: Evidence from
Taiwan. Energy Policy, 38(11), 6570–6573.
[20] Choi, K.-H., Shin, S. (2015). Population aging, econo-
mic growth, and the social transmission of human capi-
tal: An analysis with an overlapping generations model.
Economic Modelling, 50, 138–147.
[21] Conti, M., Sulis, G. (2016). Human capital, employment
protection and growth in Europe. Journal of Comparati-
ve Economics, 44(2), 213–230.
[22] Davin, M., Gente, K., Nourry, C. (2015). Should a
country invest more in human or physical capital?
Mathematical Social Sciences, 76, 44–52.
[23] Delogu, M., Docquier, F., Machado, J., Beine, M., Bertoli,
S., Chabé-Ferret, B., ... Toulemonde, E. (2017). Globali-
zing labor and the world economy: the role of human
capital *. Journal of Economic Growth, 1–42.
[24] Dias, J., Tebaldi, E. (2012). Institutions, human capi-
tal, and growth: The institutional mechanism. Structural
Change and Economic Dynamics, 23(3), 300–312.
[25] Dissou, Y., Didic, S., Yakautsava, T. (2016). Govern-
ment spending on education, human capital accumula-
tion, and growth. Economic Modelling, 58, 9–21.
[26] Eicher, T., García-Palosa, C., Ypersele, T. (2009). Educa-
tion, corruption, and the distribution of income. Journal
of Economic Growth, 14(3), 205–231.
[27] Fadaee Khorasgani, M. (2008). Higher education deve-
lopment and economic growth in Iran. Education, Busi-
ness and Society: Contemporary Middle Eastern Issues,
1(3), 162–174.
[28] Fang, Z., Chang, Y. (2016). Energy, human capital and
economic growth in Asia Pacific countries - Eviden-
ce from a panel cointegration and causality analysis.
Energy Economics, 56, 177–184.
[29] Faria, H. J., Montesinos-yufa, H. M., Morales, D. R., Car-
los, E. (2016). Unbundling the roles of human capital and
institutions in economic development. European Jour-
nal of Political Economy.
[30] Fleisher, B., Li, H., Zhao, M. Q. (2010). Human capital,
economic growth, and regional inequality in China. Jour-
nal of Development Economics, 92(2), 215–231.
[31] Freire-Serén, M. J., Panadés i Martí, J. (2013). Tax
avoidance, human capital accumulation and economic
growth. Economic Modelling, 30(1), 22–29.
[32] Gennaioli, N., La Porta, R., Lopez De Silanes, F., Shlei-
fer, A. (2014). Growth in regions. Journal of Economic
Growth, 19(3), 259–309.
[33] Gozgor, G., Lau, C. K. M., Lu, Z. (2018). Energy consum-
ption and economic growth: New evidence from the
OECD countries. Energy, 153, 27–34.
[34] Guarnizo, S., Jumbo, F. (2019). Efecto del capital hu-
mano y crecimiento económico en el desempleo a nivel
global y por grupos de países. Revista Vista Económica,
6(1), 49-62.
[35] Hamdi, H., Sbia, R., Shahbaz, M. (2014). The nexus bet-
ween electricity consumption and economic growth in
Bahrain. Economic Modelling, 38, 227–237.
[36] Hanushek, E. A. (2013). Economic growth in developing
countries: The role of human capital. Economics of Edu-
cation Review, 37, 204–212.
[37] Huggett, M., Kaplan, G. (2016). How large is the stock
component of human capital? Review of Economic Dy-
namics, 22, 21–51.
[38] Judson, R. (1998). Economic Growth and Investment in
Education: How Allocation Matters. Journal of Econo-
mic Growth, 3(4), 337–359.
Efecto del consumo de energía y capital humano sobre el crecimiento económico...
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
[39] Kahouli, B. (2018). The causality link between energy
electricity consumption, CO2 emissions, RD stocks and
economic growth in Mediterranean countries (MCs).
Energy, 145, 388–
[40] Karanfil, F., Li, Y. (2015). Electricity consumption and
economic growth: Exploring panel-specific differences.
Energy Policy, 82(1), 264–277.
[41] Kemnitz, A., Wigger, B. U. (2000). Growth and social
security: the role of human capital. European Journal of
Political Economy, 16(4), 673–683.
[42] Kourtzidis, S. A., Tzeremes, P., Tzeremes, N. G. (2018).
Re-evaluating the energy consumption-economic
growth nexus for the United States: An asymme-
tric threshold cointegration analysis. Energy, 148,
537–545.
[43] Kristjanpoller R., W., Sierra C., A., Scavia D., J. (2018).
Dynamic co-movements between energy consumption
and economic growth. A panel data and wavelet pers-
pective. Energy
[44] Kuhnen, C. M., Oyer, P. (2016). Exploration for Human
Capital: Evidence from the MBA Labor Market. Journal
of Labor Economics, 34(S2), S255–S286.
[45] Lin, B., Liu, C. (2016). Why is electricity consumption in-
consistent with economic growth in China? Energy Po-
licy, 88, 310–316.
[46] Mezghani, I., Ben Haddad, H. (2017). Energy consum-
ption and economic growth: An empirical study of the
electricity consumption in Saudi Arabia. Renewable and
Sustainable Energy Reviews, 75(October), 145–156.
[47] Osman, M., Gachino, G., Hoque, A. (2016). Electricity
consumption and economic growth in the GCC coun-
tries: Panel data analysis. Energy Policy, 98, 318–327.
[48] Ouyang, Y., Li, P. (2018). On the nexus of financial de-
velopment, economic growth, and energy consumption
in China: New perspective from a GMM panel VAR ap-
proach. Energy Economics, 71, 238–252.
[49] Pablo-Romero, M. del P., Sánchez-Braza, A. (2015). Pro-
ductive energy use and economic growth: Energy, physi-
cal and human capital relationships. Energy Economics,
49, 420–429.
[50] Park, J. (2006). Dispersion of human capital and
economic growth. Journal of Macroeconomics, 28(3),
520–539.
[51] Prados de la Escosura, L., Rosés, J. R. (2010). Human
capital and economic growth in Spain, 1850-2000. Ex-
plorations in Economic History, 47(4), 520–532.
[52] Qadri, F. S., Waheed, A. (2014). Human capital and eco-
nomic growth: A macroeconomic model for Pakistan.
Economic Modelling, 42, 66–76.
[53] Rafindadi, A. A., Ozturk, I. (2016). Effects of financial
development, economic growth and trade on electri-
city consumption: Evidence from post-Fukushima Ja-
pan. Renewable and Sustainable Energy Reviews, 54,
1073–1084.
[54] Ramos, A., Jumbo, B. (2018). Emisiones de C02, urbani-
zación, consumo de energía eléctrica y capital humano,
un análisis de cointegración para datos de panel a nivel
mundial período 1986-2016. Revista Vista Económica,
5(1), 90-104.
[55] Salahuddin, M., Alam, K. (2016). Information and Com-
munication Technology, electricity consumption and
economic growth in OECD countries: A panel data
analysis. International Journal of Electrical Power and
Energy Systems, 76, 185–193.
[56] Salim, R., Yao, Y., Chen, G. S. (2017). Does human ca-
pital matter for energy consumption in China? Energy
Economics, 67, 49–59.
[57] Sarwar, S., Chen, W., Waheed, R. (2017). Electricity con-
sumption, oil price and economic growth: Global pers-
pective. Renewable and Sustainable Energy Reviews,
76(February 2016), 9–18.
[58] Schündeln, M., Playforth, J. (2014). Private versus so-
cial returns to human capital: Education and econo-
mic growth in India. European Economic Review, 66,
266–283.
[59] Shahbaz, M., Hoang, T. H. Van, Mahalik, M. K., Roubaud,
D. (2017). Energy consumption, financial development
and economic growth in India: New evidence from a
nonlinear and asymmetric analysis. Energy Economics,
63, 199–212.
[60] Shahbaz, M., Zakaria, M., Shahzad, S. J. H., Mahalik,
M. K. (2018). The energy consumption and economic
growth nexus in top ten energy-consuming countries:
Fresh evidence from using the quantile-on-quantile ap-
proach. Energy Economics, 71, 282–301.
[61] Shao, S., Yang, L. (2014). Natural resource dependen-
ce, human capital accumulation, and economic growth:
A combined explanation for the resource curse and the
resource blessing. Energy Policy, 74(C), 632–642.
Vol.9-N°1, Enero - Junio 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
[62] Tang, C. F., Tan, B. W., Ozturk, I. (2016). Energy consum-
ption and economic growth in Vietnam. Renewable and
Sustainable Energy Reviews, 54, 1506–1514.
[63] Teixeira, A. A. C., Queirós, A. S. S. (2016). Econo-
mic growth, human capital and structural change: A
dynamic panel data analysis. Research Policy, 45(8),
1636–1648.
[64] Tillaguango, B., Loaiza, V. (2019). Efecto causal de la
energía sustentable y no sustentable en el crecimiento
económico: nueva evidencia empírica global por grupos
de países. Revista Vista Económica, 6(1), 37-48.
[65] Tugcu, C. T., Topcu, M. (2018). Total, renewable
and non-renewable energy consumption and economic
growth: Revisiting the issue with an asymmetric point
of view. Energy, 152, 64–
[66] Tzeremes, N. G. (2014). The effect of human capital
on countries’ economic efficiency. Economics Letters,
124(1), 127–131.
[67] Wolde-Rufael, Y. (2014). Electricity consumption and
economic growth in transition countries: A revisit using
bootstrap panel Granger causality analysis. Energy Eco-
nomics, 44, 325–330.
[68] Zhang, C., Zhuang, L. (2011). The composition of hu-
man capital and economic growth: Evidence from Chi-
na using dynamic panel data analysis. China Economic
Review, 22(1), 165–171.
