Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Un análisis de cointegración con datos de panel entre exportacio-

nes, densidad demográﬁca, crecimiento económico y emisiones de

CO2

A cointegration analysis with panel data between exports, population density,

economic growth and CO2 emissions

Jéssica Guamán1| Wilfrido Torres-Ontaneda2

1Carrera de Economía, Universidad Nacional de

Loja, Loja, Ecuador

2Centrode Investigación Social y Económica CISE y

Carrera de Economía, Universidad Nacional de

Loja, Loja, Ecuador

Correspondencia

Jessica Armijos, Carrera de Economía, Universidad

Nacional de Loja, Loja, Ecuador

Email: jessica.armijos@unl.edu.ec

Agradecimientos

Club de Investigación de Economía (CIE)

Fecha de recepción

Julio 2021

Fecha de aceptación

Diciembre 2021

Dirección

Bloque 100. Ciudad Universitaria Guillermo

Falconí. Código Postal: 110150, Loja, Ecuador

RESUMEN

El objetivo de esta investigación es analizar la relación de cointegración entre exportacio-

nes, crecimiento económico y densidad demográﬁca con emisiones de CO2 a nivel mundial

y por grupos de países. Utilizando datos de panel en 90 países para el periodo 1961-2015.

Esta investigación se sustenta con la hipótesis de la Curva Ambiental de Kuznets (1955) y

evidencia empírica. Utilizando pruebas de cointegración y causalidad para datos en panel

los resultados indican que existe equilibrio a largo y a corto plazo entre las variables a nivel

mundial y por grupos de países. La fuerza del vector de cointegración en las variables es

fuerte, y principlamente la densidad poblacional es contundente en todos los grupos de

países. No se encontró existencia de causalidad ni a nivel mundial ni por grupos de países.

Las políticas económicas estarían dirigidas a la estabilización poblacional, políticas comer-

ciales y sobretodo políticas ambientales estrictas. Cada gobierno debe aplicar las políticas

eﬁcientemente, implementando la tecnología actualizada, potenciando a cada país econó-

micamente y logre disminuir la contaminación ambiental.

Palabras clave: Exportaciones, Densidad Demográﬁca, Crecimiento económico, Emisiones

de CO2, Datos de panel.

Códigos JEL: E23. H23. Q53.

ABSTRACT

The objective of this research is to analyze the cointegration relationship between exports,

economic growth and population density with CO2 emissions globally and by country

groups. Using panel data in 90 countries for the period 1961-2015. This research is suppor-

ted by the Kuznets Environmental Curve (1955) hypothesis and empirical evidence. Using

cointegration and causality tests for panel data the results indicate that there is long-run

and short-run equilibrium between variables at the global level and by country groups. The

strength of the cointegrating vector in the variables is strong, and mainly population den-

sity is strong in all country groups. No causality was found either at the world level or by

country group. Economic policies would be aimed at population stabilization, trade policies

and, above all, strict environmental policies. Each government should apply the policies ef-

ﬁciently, implementing updated technology, empowering each country economically and

managing to reduce environmental pollution.

Keywords: Exports. Population density. Economic growth. CO2 emissions. Dashboard da-

ta.

JEL codes: E23. H23. Q53.

Guamán J. & Torres-Ontaneda W.

Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

1|INTRODUCCIÓN

Las Directrices de la Organización Mundial de la Salud (OMS)

sobre la calidad del aire, ofrecen una evaluación de los efectos sani-

tarios derivados de la contaminación del aire, así como de los niveles

de contaminación perjudiciales para la salud. Según estimaciones de

la OMS (2016) la contaminación atmosférica de todo el mundo pro-

voca cada año 4,20 millones de defunciones prematuras. El 91 %

de esas defunciones se producen en países de bajos y medianos in-

gresos, registrando las mayores tasas de morbilidad en las regiones

de Asia Sudoriental y el Pacíﬁco Occidental. La aplicación de polí-

ticas ambientales estrictas, eﬁcientes y viables en cada país permi-

tiría reducir importantes fuentes de contaminación del aire a corto

y largo plazo. El enfoque de desarrollo sustentable concentra una

abundante trayectoria de planteamientos y consensos internaciona-

les, principalmente a la necesidad de lograr desarrollos que integren

positivamente los objetivos económicos, sociales y ambientales en

todos los países del mundo. La contaminación del aire representa

un importante riesgo medioambiental para la salud y el desarrollo

económico de las diferentes sociedades, mediante la disminución

de los niveles de contaminación del aire, los países pueden redu-

cir la carga de morbilidad, aumentar el crecimiento económico y las

exportaciones, a través de métodos sustentables y amigables con

el medio ambiente, utilizando nuevas tecnologías y garantizando la

seguridad ambiental.

Para explicar el modelo de la presente investigación, se consi-

deran los planteamiento de Ohlan (2015) y Rahman (2017) quienes

estudiaron variables similares al de la presente investigación. Para

ratiﬁcar el modelo se utiliza tanto evidencia empírica como teóri-

ca, dividiendo al modelo en tres relaciones. La primera relación en-

tre las exportaciones y emisiones de CO2, maniﬁesta que el efecto

del libre comercio sobre la contaminación no es incuestionable, por-

que cada país tiene acceso al mercado internacional; aumentando la

competencia y eﬁciencia, entonces, los países importan tecnologías

limpias para reducir las emisiones de CO2. Sin embargo, un aumen-

to en el comercio internacional agotaría los recursos naturales, au-

mentando las emisiones de CO2 y degradaría la calidad ambiental.

En este contexto, Helpman (1998) reveló la necesidad de una teoría

comercial orientada a la tecnología y enfatizada en la dinámica para

comprender los desarrollos en el comercio internacional.

La segunda relación basada en la hipótesis de la Curva Ambien-

tal de Kuznets (CAK) donde la relación entre el crecimiento econó-

mico y las emisiones de CO2 (proxy para la calidad ambiental) es

una curva no lineal en forma de U invertida. En la etapa temprana

del desarrollo, el crecimiento y las emisiones de CO2 mantienen una

tendencia de crecimiento y después de un cierto nivel de desarrollo,

cuando una economía madura y tiene la capacidad de utilizar tecno-

logías eﬁcientes en CO2, la contaminación disminuye con el aumen-

to del crecimiento económico. En la tercera relación entre densidad

demográﬁca y emisiones de CO2, Engelman (1994) mostró cómo un

acuerdo internacional estabilizaría los niveles atmosféricos de CO2.

Igualmente, Constant et al. (2014) mostraron un impacto en la pro-

ductividad, asociado a la innovación tecnológica, crecimiento de la

población y una disminución de la productividad.

El objetivo de esta investigación es analizar la relación de coin-

tegración entre exportaciones, crecimiento económico y densidad

demográﬁca con emisiones de CO2, tanto a nivel mundial como por

grupos de países en el periodo 1961-2015. La investigación com-

prende datos para 90 países en el periodo de estudio, permitiendo

estructurar un panel perfectamente equilibrado. La hipótesis es que

existe relación de cointegración entre exportaciones, crecimiento

económico y densidad demográﬁca con emisiones de CO2 a nivel

mundial y por grupos de países en el periodo 1961-2015. Esta hi-

pótesis se veriﬁcará aplicando modelos y técnicas econométricas

de datos de panel. Previamente a la estimación y aplicación de téc-

nicas econométricas, con el propósito de reducir la heterogeneidad

por ingresos, se agrupó a los países de la siguiente manera: Países

de Ingresos Extremadamente Altos (PIEA), Países de Ingresos Altos

(PIA), Países de Ingresos Medio Altos (PIMA), Países de Ingresos Me-

dio Bajos (PIMB), Países de Ingresos bajos (PIB) y Países de Ingresos

Extremadamente Bajos (PIEB). Esta clasiﬁcación permite plantear

implicaciones políticas para cada grupo de países de acuerdo a los

resultados obtenidos.

En cuento a la metodología, primero, valoramos un modelo de

GLS para estimar tanto la dirección como la fuerza de la correlación

entre las variables. Seguidamente, veriﬁcamos que el modelo no pre-

sentaba el problema de raíz unitaria mediante las pruebas cointegra-

ción como: Dickey y Fuller (1981), Phillips y Perron (1988), Levine,

Breitung (2000), Lin y Chu (2002) y Im, Pesaran y Shin (2003). Para

determinar la presencia de vectores de equilibrio a largo se aplicó

la técnica de cointegración de Pedroni (1999); y para el corto plazo,

los modelos de corrección de errores de Westerlund (2007). Ade-

más de la determinación de la fuerza del vector de cointegración

mediante la aplicación de los modelos DOLS y PDOLS de Pedro-

ni (2001). Finalmente, se aplica el test de causalidad tipo Granger

(1988) propuesto por Dumitrescu y Hurlin (2012). Los resutados in-

dicaron la exisencia de equilibrio a largo y a corto plazo entre las

variables a nivel mundial y por grupos de países. La fuerza del vec-

tor de cointegración en todas las variables del modelo es fuerte, sin

embargo, la variable de densidad poblacional es contundente en to-

dos los grupos de países. Finalmente, no se encontró existencia de

causalidad entre variables.

La principal contribución de la presente investigación está de-

terminada por cuatro aspectos. Primero, la determinación del mode-

lo econométrico haciendo uso de dos bases empíricas y una teórica

de emisiones de CO2. Segundo, el proceso para establecer la cla-

siﬁcación de los países por grupos, según el nivel de ingresos per

cápita y a nivel global. Tercero, la metodología empleada para deter-

minar la relación de cointegración entre variables, utilizando datos

de panel para 90 países al rededor del mundo y para el periodo de

1961-2105. Y cuarto, se profundiza y amplía la evidencia para la

relación entre densidad demográﬁca y emisiones de CO2. Por tan-

to, esta investigación puede considerarse un aporte para futuras in-

vestigaciones, al no existir amplia evidencia empírica que aborde

este tema. Los resultados obtenidos, pueden ser útiles para la apli-

cación de políticas económicas. Las políticas económicas que cada

gobierno debería aplicar estarían dirigidas a la estabilización pobla-

cional, políticas comerciales y para disminuir las emisiones de CO2,

políticas ambientales estrictas. Éstas políticas resultarían eﬁcientes

al implementar la tecnología para potenciar económica y ambiental-

mente a cada país.

El resto de esta investigación tiene la siguiente estructura. La

segunda sección muestra una revisión de investigaciones previas

relacionadas con el tema. La tercera sección, presenta los datos y

planteamiento de la estrategia econométrica. La cuarta sección in-

dica la discusión de los resultados encontrados con la teoría y la

evidencia empírica. La quinta sección contiene las conclusiones e

implicaciones de política.

2|REVISIÓN DE LITERATURA PRE-

VIA

Las elevadas emisiones de CO2 han sido las responsables de

la contaminación ambiental. Se pronostica la intensiﬁcación de los

impactos en los próximos años, constituyendo riesgos para la huma-

nidad y el desarrollo económico. La sociedad debe tomar medidas

para adaptarse a estos impactos y para reducir las emisiones de ga-

ses. En este sentido, existen investigaciones que estudian el impac-

to de diversas variables sobre las emisiones de CO2 como: Ohlan

(2015) y Rahman (2017) quienes utilizaron variables similares a las

Efectos de l ainversión extranjera directa y el desarrollo ﬁnanciero en las emisiones .....

Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

de la presente investigación, donde Ohlan (2015) indicó la exis-

tencia de una relación a largo plazo entre emisiones de CO2 y fac-

tores socioeconómicos. Por otra parte, Rahman (2017) determinó

que el uso de energía, exportaciones y densidad de población afec-

tan adversamente la calidad ambiental a largo plazo. Entonces, se

dividió en tres grupos la evidencia empírica.

2.1 |2.1 Relación entre exportaciones y

emisiones de CO2

El efecto del libre comercio sobre la contaminación es cues-

tionable, porque cada país tiene acceso al mercado internacional;

aumentando la competencia y eﬁciencia. Entonces, los países im-

portan tecnologías limpias para reducir las emisiones de CO2. Sin

embargo, un aumento en el comercio internacional agotaría los re-

cursos naturales, aumentando emisiones de CO2 y degradaría la ca-

lidad ambiental. En este contexto, Helpman (1998) manifestó la ne-

cesidad de una teoría comercial orientada a la tecnología y enfatiza-

da en el comercio internacional. Existen varios estudios para Asia,

por ser un área con mayor producción, comercio y contaminación.

En ese sentido, Mongelli et al. (2006) maniﬁestan que los países en

desarrollo pueden convertirse en un refugio para la producción de

productos básicos no ecológicos. Además, Wu et al., (2016) mos-

traron que China fue un exportador de emisiones de CO2. Adicio-

nalmente, autores como: Arce et al. (2016), Liu et al. (2017), Liu et

al. (2016), Tang et al. (2017), Tian y Lin (2017) y Zhu et al. (2018)

aplicaron un análisis de entrada y salida.

Por otra parte, Al-Mulali y Sheau-Ting (2014) revelaron una re-

lación positiva entre variables comerciales, consumo de energía y

emisiones de CO2; cuando la participación del comercio en el PIB

es signiﬁcativa y en países de alto nivel de desarrollo. En América

Latina, Zaman y Abd-el Moemen (2017) conﬁrmaron una relación

a largo plazo. Igualmente, Richter y Schiersch (2017) sugieren una

relación positiva entre la exportación y la productividad de CO2. Y

Machado (2000) evaluó la energía y el carbono en el comercio ex-

terior no energético. Además, Solilová y Nerudová (2014) debaten

sobre el Sistema de Comercio de Emisiones (Emissions Trading Sys-

tem –ETS) de la Unión Europea (UE), su desarrollo e impacto en el

CO2.

Zhao et al. (2016) maniﬁestan que cambios en las estructuras

industriales y comerciales para equilibrar las ganancias económicas

y las pérdidas ambientales. Los autores, Ali et al. (2017); Yu y Chen

(2017) y Gilbert y Sovacool (2017) proponen el estudio de las activi-

dades de industrias responsables de las emisiones de CO2. Además,

Andersson (2018) mostró que la liberalización del comercio, institu-

ciones ambientales débiles, política cambiaria y derechos legales y

de propiedad afectan a las emisiones. En contraste, Xu, Li y Huang

(2017) señalan que la estructura ﬁnanciera de China y la UE y los

datos de emisiones de CO2 muestran cierta correlación negativa.

Mutascu (2018) revela que no hay un comovimiento entre la aper-

tura comercial y las emisiones de gases; la inexistencia de reglas

ambientales; y la interacción entre el comercio y las emisiones de

CO2 está impulsada por el ciclo económico.

Este grupo incluye una relación entre exportaciones, PIB y emi-

siones de CO2. En este contexto, la aplicación de pruebas de límites

a la cointegración y causalidad de Granger en investigaciones de Ali

et al. (2017), Halicioglu (2009) y Hossain (2011). Además, Inglesi-

Lotz y Dogan (2018) conﬁrmaron una relación a largo plazo entre

variables. Por otro lado, Zilio (2012), Farhani et al. (2014), Olale et

al. (2018) conﬁrman la hipótesis de la CAK. Otros trabajos aplicaron

diversos métodos para veriﬁcar la existencia de CAK dentro de los

cuales están Shahbaz et al. (2012), Kasman y Duman (2015). Asi-

mismo, Tiwari et al. (2013) ratiﬁcaron la cointegración a largo plazo

entre PIB, apertura comercial y emisiones de CO2.

2.2 |2.2 Relación entre crecimiento eco-

nómico y emisiones de CO2

Esta relación se sustenta con la hipótesis de la CAK, donde la

relación entre el crecimiento económico o Producto Interno Bruto

(PIB) y las emisiones de CO2 es una curva no lineal en forma de U

invertida. Implicando que al inicio del desarrollo, el PIB y las emisio-

nes de CO2 tienden a ser crecientes, y después de un cierto nivel,

cuando una economía madura y tiene la capacidad de utilizar tec-

nologías eﬁcientes en carbono, las emisiones de CO2 disminuyen

con el aumento del PIB. Esta hipótesis ha sido estudiada desde la

década de 1990, aún se sigue tomando en consideración para estu-

dios actuales como Narayan y Narayan (2010) quienes determina-

ron que la emisión de CO2 ha disminuido con un aumento en los

ingresos. Apergis (2016), Kais y Sami (2016), Atasoy (2017), Jardon

et al. (2017), Talbi (2017) y Ozcan (2013) conﬁrmaron la existencia

de CAK. Por su parte, Al Mamuny(2014) sugieren que la transfor-

mación de diferentes economías hacia una economía de servicios

ha producido aumento contaminación en países de altos ingresos.

Además, Alvarado et al. (2018) encontraron existencia de rela-

ción en forma de U en los países de ingresos medios altos y bajos.

Catalán (2014) mostró curva en forma de N, indicando que la dismi-

nución de emisiones de CO2 por un mayor PIB es transitorias. Por su

lado, Mercan y Karakaya (2015), Zakarya et al. (2015), Bekhet et al.

(2017), Cherni y Jouini (2017), Cai et al. (2018); Alshehry y Belloumi

(2015), Ozturk (2017) determinaron cointegración y causalidad de

acuerdo a cada país y periodo de estudio. Asimismo, Dogan y Aslan

(2017) prueban una relación a largo plazo entre las variables. Para

Kang et al. (2016) la urbanización y la combustión de carbón son los

factores principales en el aumento de las emisiones de CO2. Para

Ito (2017) los incentivos a la producción deben enfocarse en el uso

de tecnologías ambientales para limitar el daño de la contaminación.

En contraste, para Azam (2016); Xu (2018), Robalino-López,

Mena-Nieto, García-Ramos y Golpe (2015) la CAK no es válida. CAK.

Por su parte, Zoundi (2017) encontró que las emisiones de CO2 au-

mentan con el ingreso y Rashid Gill, Viswanathan y Hassan (2017)

concluyeron que el crecimiento de CAK requiere demasiados recur-

sos y tiene un enorme costo ambiental. Por su parte, Akalpler y Shin-

gil (2017) y Saidi y Hammami (2015) estimaron que las emisiones

de CO2 tienen un impacto negativo en el PIB. Por su lado, Marja-

nović, Milovančević y Mladenović (2016) demuestran que Extreme

Learning Machine se puede utilizar de manera efectiva en las aplica-

ciones de pronóstico del PIB. Por su parte, Kahouli (2017) conﬁrma

la existencia de efectos de retroalimentación entre variables. Final-

mente, Heidari, Turan Katircioˇ

glu y Saeidpour (2015) mostraron que

el consumo de energía conduce a un aumento de CO2.

2.3 |2.3 Relación entre densidad demo-

gráﬁca y emisiones de CO2

Esta relación no cuenta con abundante evidencia empírica.

Sin embargo, mencionamos estudios relacionados como Engelman

(1994) mostrando cómo un acuerdo internacional puede diseñarse

para estabilizar los niveles atmosféricos de CO2 en base a los prin-

cipios de igualdad de acceso a la atmósfera y cómo la dinámica de

la población y el consumo. Posteriormente, Engelman (1998) ilustra

el impacto de las políticas de población en los esfuerzos mundia-

les para frenar el cambio climático. Finalmente, Constant, Nourry y

Seegmuller (2014) mostraron un impacto en la productividad, aso-

ciado con una innovación tecnológica.

Este grupo incluye una relación entre el PIB, densidad demo-

gráﬁca y emisiones de CO2. Existen investigaciones que probaron

la CAK mediante diferentes técnicas econométricas como: Apergis

y Ozturk (2015) y Wang et al. (2015). Finalmente, Hanif y Gago de

Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Santos (2017) proporcionan evidencia que el PIB en economías en

desarrollo ha tenido un impacto en la degradación ambiental. Ade-

más, controlar el tamaño de la población podría minimizar la posi-

bilidad de un impacto adverso para el ambiente. En contraste para

Begum et al. (2015), Lin et al. (2016) la teoría CAK no es válida. Final-

mente, Alam et al. (2016) demostraron que la relación entre emisio-

nes de CO2 y el crecimiento de la población fue estadísticamente

signiﬁcativa para India y Brasil.

Entonces, se sugiere que cada gobierno proponga y aplique

políticas sustentables, principalmente políticas de control poblacio-

nal, considerando sus recursos. Si la población supera la cantidad

de recursos que disponen, entonces, los recursos serán escasos pa-

ra satisfacer las necesidades de una abundante población. Implican-

do que el gobierno se encargue de solventar y apaciguar las nece-

sidades insatisfechas y carencias de la población mediante deuda,

subsidios, importaciones, etc. Por tanto, un crecimiento económi-

co amigable con el medio ambiente y sustentable, direccionado al

comercio y exportaciones eﬁcientes, para llegar a un desarrollo eco-

nómico y principalmente un crecimiento poblacional adecuado, im-

pulsado por el gobierno, evitaría problemas económicos, sociales,

ambientales y políticos en el futuro de cada país.

Para terminar, el establecimiento del modelo econométrico de

la presente investigación se relaciona dos teorías empíricas que re-

lacionan las exportaciones, densidad demográﬁca con emisiones de

CO2 respectivamente y una base teórica como la hipótesis de la

CAK. Existe una variedad de estudios que muestran diferentes re-

sultados sobre las tres relaciones entre las variables. Sin embargo,

existe escasa información acerca de la relación densidad demográ-

ﬁca y emisiones de CO2. Asimismo, información de otras investiga-

ciones que relacionen las cuatro variables en una misma relación es

insuﬁciente, siendo estas variables indispensables para determinar

y sugerir políticas económicas enfocadas en disminuir las emisiones

de CO2 a nivel global para alcanzar un desarrollo sustentable y ami-

gable con el medio ambiente.

3|DATOS Y METODOLOGÍA

3.1 |Datos

La presente investigación fue elaborada utilizando la base de

datos del World Development Indicator (WDI) del Banco Mundial

(BM) para 90 países. Las variables aplicadas son de panel durante el

periodo 1961-2015. La Tabla 1 resume las variables utilizadas en el

presente modelo.

Tabla 1. Descripción de Variables

Variable Descripción Unidad de medida

Dependiente

CO2 Emisiones de CO2 Kilotoneladas (Kt)

Independiente

Exportaciones Exportaciones de bienes y servicios US $ constantes de 2010

PIB PIB a precios de mercado US $ constantes de 2010

PIB2PIB a precios de mercado al cuadrado Captura la forma cuadrática del EKC

Densidad demográﬁca Densidad de población Personas por Km2de área de tierra

La Figura 1 muestra la correlación de las variables utilizadas

en el presente modelo econométrico a nivel global. En la parte su-

perior la relación entre el PIB y CO2 a la izquierda y la relación PIB2

y CO2 a la derecha. Las dos ﬁguras son positivas y presentan una

tendencia ascendente, es decir, mientras aumenta el PIB también

aumentan las emisiones de CO2 perjudicando al medio ambiente,

debido a que previo o durante el proceso de producción ya sea por

las técnicas o herramientas que aplique cada país las emisiones de

CO2 se hacen presente. Sin embargo en la parte derecha existe una

pequeña tendencia negativa. En la parte inferior de la ﬁgura pode-

mos observar dos relaciones, en la parte inferior izquierda la relación

entre exportaciones y emisiones de CO2, donde a mayor exporta-

ciones mayor es la cantidad de emisiones de CO2, debido a la uti-

lización de diferentes métodos, técnicas de producción, además de

los diversos medios de transporte para trasladar la producción de

los países, generando un aumento en los niveles de contaminación

a nivel mundial.

Finalmente, en la parte inferior derecha de la Figura 1, tenemos

una relación entre la densidad demográﬁca y las emisiones de CO2,

donde presenta una forma de U invertida, es decir, va aumentando

tanto la densidad demográﬁca como las emisiones de CO2 hasta un

punto en el que se igualan las dos variables, y a partir de este punto

la densidad demográﬁca sigue aumentando mientras que las emi-

siones de CO2 van disminuyendo, esto se explica porque los seres

humanos emitimos CO2 con solo respirar y además somos los prin-

cipales entes de contaminación al crear máquinas que emiten CO2,

aunque, por las diferentes amenazas de destrucción ambiental, se

han ejecutado diversas campañas y se han difundido prácticas de

conservación del medioambiente.

Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Figura 1. Correlación entre CO2 y variables utilizadas en el modelo econométrico.

La Tabla 2 muestra los estadísticos descriptivos de los logarit-

mos de las variables del modelo, la media (Mean), desviación están-

dar (Des. Est.), valores mínimos (Min) y máximos (Max), y el número

de observaciones en el tiempo y entre países. Considerando la Des.

Est de cada variable, existió más variación entre los países que den-

tro de los países. En lo referente a las observaciones, se aﬁrma que

los parámetros se generalizan en el tiempo y entre países.

Tabla 2. Estadísticos Descriptivos

Variable Mean Des. Est Min. Max. Observaciones

Log CO2

Overall

9,44

2,40 1,29 15,57 N= 4949

Between 2,29 5,01 15,36 n= 90

Within 0,74 4,58 12,84 T-bar= 54,99

Log EX

Overall

22, 84

2,25 13,35 28,42 N= 4950

Between 2,03 18,95 27,01 n= 90

Within 0,99 16,62 26,30 T-bar= 55

Log PIB

Overall

24,26

2,31 17,13 30,44 N= 4950

Between 2,21 19,81 29,73 n= 90

Within 0,71 19,77 27,47 T-bar= 55

Log POB

Overall

3,88

1,62 -0,15 9,98 N= 4950

Between 1,60 0,62 9,61 n= 90

Within 0,32 2,69 4,79 T-bar= 55

La metodología de ésta investigación se compone de la apli-

cación de varios test que veriﬁcan que las variables son estaciona-

rias. Primero, la prueba de raíz unitaria de Dickey y Fuller (1981). Se-

gundo, la aplicación de la prueba de raíz unitaria de Phillips-Perron

(1988).Tercero, el test de Levin, Lin y Chu (2002). Cuarto, el test de

Im, Pesaran y Shin (2003) y quinto el test de Breitung. Finalmente,

la aplicación del test de cointegración de Pedroni (1999).

3.2 |Metodología

En el planeamiento del modelo y análisis de la presente investi-

gación, resulta necesario aclarar que al no encontrar una teoría exac-

ta que relacionara las variables del presente modelo y para plantear

la función correspondiente, se trabajó con una combinación de rela-

Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

ciones tanto empíricas como teóricas. Para las relaciones empíricas,

primero se menciona la relación exportaciones y emisiones de CO2,

aunque en términos del comercio Rahman (2017) manifestó que el

efecto neto del libre comercio de las contaminaciones es concluyen-

te, porque cada país tiene un acceso fácil al mercado internacional;

esto aumenta la competencia y la eﬁciencia del país y como resulta-

do, los países pueden importar tecnologías más limpias para reducir

las emisiones de CO2. Por otro lado, un aumento en el comercio

internacional agotaría los recursos naturales, lo que aumentaría las

emisiones de CO2 y degradaría la calidad ambiental.

La segunda relación empírica es escasa, sin embargo, el impac-

to en el aumento de la densidad poblacional en la calidad ambiental

resulta evidente. Finalmente la relación con base teórica es susten-

tada con la hipótesis de Kuznets (1955) estableciendo que la rela-

ción entre el PIB y las emisiones de CO2 es una curva en forma de

U invertida, implicando que primero el PIB y las emisiones de CO2

son crecientes, y después de un cierto nivel cuando una economía

prospera y utiliza tecnologías eﬁcientes, las emisiones de CO2 dis-

minuyen con el aumento del PIB. Entonces, la hipótesis de CAK se

puede representar de la siguiente manera:

l og (C O 2i,t)=Y0+Y1l og (P I Bi,t) + Y2l og (P I Bi

t) + Θi,t(1)

Donde l og (C O 2(i,t)es logaritmo de emisiones de CO2 en Ki-

lotoneladas, l og (P I B (i,t)) es el logaritmo del PIB, y l og (P I Bi

t)es

el logaritmo del PIB al cuadrado. El subíndice i t , indica el valor del

país ien el período t, donde i= 1, . . . , 90 yt= 1961, . . . , 2015;Θ(i,t)

indica el error estocástico. Los parámetros cumplen las dos condicio-

nes y son evidencia de la validez del CAK.

El método econométrico a nivel mundial planteado para eva-

luar la fuerza del vector de cointegración entre las variables de este

modelo, está compuesta por cinco etapas. Primero, estimamos un

modelo de regresión básico de datos de panel, 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 ecua-

ción (2) determina la relación entre las variables:

l og (C O 2i,t)=(γ0+δ0) + γ1l og (E X i,t) + γ2l og (P I Bi,t)

+γ3l og (PIB2

i,t) + γ4l og (P O B i,t) + θi,t(2)

En la ecuación (2) l og (C O 2(i,t)) es la variable dependien-

te que representa el logaritmo de las emisiones de CO2; y las va-

riables independientes son: l og (E X(i,t)) el logaritmo de exporta-

ciones de bienes y servicios; l og (P I B (i,t)) el logaritmo de P I B;

l og (P I B (i,t)2)el logaritmo del PIB al cuadrado y l og (P O B (i,t))

logaritmo de densidad de población; mientras que, los paráme-

tros 0+0capturan la variabilidad en tiempo y sección transversal;

1l og (E X (i,t)) es el logaritmo de las exportaciones del país i=

1, . . . , 90 del periodo t= 1961, . . . , 2015;2l og (P I B (i,t)) es el PIB

del país i= 1, . . . , 90 del periodo t= 1961, . . . , 2015;3(P O B (i,t))

es la densidad poblacional del país i= 1, . . . , 90 del periodo t=

1961, . . . , 2015;y(i,t)es el término de error estocástico.

La prueba de Hausman (1978) se utilizó para elegir entre un

modelo de efectos ﬁjos o aleatorios. El modelo planteado en la Ecua-

ción (2) tiene dos problemas estructurales. La prueba de Wooldridge

(2002) sugiere la presencia de autocorrelación y la prueba del multi-

plicador de Lagrange de Breusch-Pagan, muestra presencia de hete-

rocedasticidad. Para corregir el sesgo en los estimadores por la auto-

correlación y la heterocedasticidad, utilizamos el modelo GLS como

los trabajos de Begum, Sohag, Abdullah y Jaafar (2015); y Hanif y

Gago de Santos (2017). Las series temporales tienen un componen-

te tendencial que hace imposible medir eﬁcientemente la relación

entre ellas. Para garantizar que la serie no tenga el problema de la

raíz unitaria, utilizamos las pruebas de: Dickey y Fuller Augmented

(1981), Phillips y Perron (1988), Levine, Lin y Chu (2002), Im, Pesa-

ran y Shin (2003), y Breitung (2002) que podemos estimar a partir

de:

yt=α0+λy t−1+α1t+

i=2

βjyt−i−1+εt(3)

Donde ytes la serie que contiene al menos una raíz unitaria;

0es la intersección y 1captura el efecto de tendencia del tiempo t;

tes el error gaussiano, y prepresenta la longitud del desfase. En la

Ecuación (3), cuando el parámetro es signiﬁcativo, se puede concluir

que al menos uno de los paneles tiene una raíz unitaria. Al aplicar

cinco pruebas diferentes asegura que las series utilizadas en las es-

timaciones no tienen el problema de la raíz de la unidad. La segunda

etapa, determina el equilibrio a corto y largo plazo entre variables,

utilizando la prueba de cointegración de Pedroni (1999). El equili-

brio a largo plazo se determina con base en la siguiente ecuación:

yi,t=αi+

n−1

j=1

βi j Xi t −j+

n−1

j=1

ωi j yi,t−j+πiE CTt−1+εi,t(4)

Donde y(i,t)representa la variable dependiente del país ien

el período t. Los parámetros , y son los parámetros a estimar, y el

término E CT(t−1)es el vector de cointegración de equilibrio a largo

plazo. Finalmente, (i,t)es el término de error aleatorio estacionario

con media cero y j es la longitud del desfase y se determinada con el

criterio de información de Akaike (1974). El equilibrio a corto plazo

se determina con la prueba de Westerlund (2007) en base a:

yi,t=δ,

idt+αi(yi,t−1−β,

iXi t −1) +

P i

j=1

αi j yi t −j+

P i

j=−qi

yi j Xi,t−j+εi,t

(5)

Donde t= 1, . . . , Tlos períodos de tiempo y en i= 1, . . . , Nlos

países. El término dtes el componente determinista. Conﬁamos en

la suposición de que el vector k-dimensional de Xites aleatorio e

independiente de (i,t), por lo que se supone que estos errores son

independientes a través de iyt. La hipótesis nula sugiere que no

hay cointegración a corto plazo. La prueba de cointegración de Pe-

droni (1999) se ha utilizado para veriﬁcar la relación entre variables

socio-económicas y emisiones de CO2 en diferentes periodos y paí-

ses (Al-Mulali y Sheau-Ting, 2014; Kasman y Duman, 2015; Zoundi,

2017; Inglesi-Lotz y Dogan, 2018). Sin embargo, la prueba de coin-

tegración a corto y largo plazo solo indica la existencia o no de un

vector que se relaciona con las variables en cuestión. Entonces, en la

próxima etapa estimamos la fuerza del vector de cointegración utili-

zando el enfoque de Pedroni (2001). Esta estrategia permite evaluar

la fuerza del vector de equilibrio entre emisiones de CO2 y las otras

variables de la presente investigación. Concretamente, la fortaleza

de la relación entre las variables en cada país se estimó utilizando un

modelo DOLS ( Apergis y Ozturk, 2015; Begum et al., 2015; Shah-

baz et al., 2015; Apergis, 2016; Dogan y Aslan, 2017; Personal et al.,

2017; Rahman, 2017; Zoundi, 2017, Inglesi-Lotz y Dogan, 2018.) y

para los grupos de países a través de PDOLS. La siguiente ecuación

plantea la relación entre las dos variables:

yi,t=αi+δiXi,t+j=−PYi,t∆Xi,t−j+µi,t(6)

Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Dónde yi,testán las emisiones de gases contaminantes, i=

1,2, . . . , 160 países, t= 1,2, . . . , Tes el tiempo, p= 1,2, . . . , Pes el

número de rezagos en la regresión DOLS, mientras que δimide el

cambio en las emisiones de CO2 cuando cambia las inversiones y

γi,tmide el cambio en las emisiones de CO2 cuando cambia el de-

sarrollo ﬁnanciero. El estimador PDOLS se promedia a lo largo de

la dimensión entre los grupos (Neal, 2014), y la hipótesis nula esta-

blece que βi=β0. Finalmente, en la cuarta etapa usamos la prueba

formalizada por Dumitrescu y Hurlin (2012) para determinar la exis-

tencia y la dirección de causalidad entre las tres variables usando la

siguiente expresión:

yi,t=αi+

k=1

γk

iyi,t−k+

k=1

βk

ixi,t−k+µi,t(7)

En la ecuación (7), suponemos que βi=β(1)

i, . . . , β(k)

i, y que el

término αise ﬁja en la dimensión de tiempo. El parámetro autorre-

gresivo γK

i, el coeﬁciente de regresión βK

iy varía entre las secciones

transversales. La hipótesis nula plantea que no hay relación causal

para ninguna de las secciones transversales del panel H0: βi= 0.

4|DISCUSIÓN DE RESULTADOS

La Tabla 3 reporta los resultados de la estimación de exporta-

ciones, PIB, densidad demográﬁca y emisiones de CO2 nivel mun-

dial y por grupos de países. Los países están clasiﬁcados según su

nivel de ingresos. En el modelo se aplicaron pruebas para detectar y

corregir la correlación serial, heterocedasticidad y determinar efec-

tos ﬁjos o aleatorios. Para determinar los efectos del modelo a ni-

vel global y por grupos de países, se aplicó la prueba de Hausman

(1978).

Tabla 3. Relación entre exportaciones, PIB, densidad demográﬁca y emisiones de CO2

GLOBAL PIEA PIA PIMA PIMB PIB PIEB

Log EX 0,01 -0,36*** -0,06* 0,05* 0,02 -0,02 0,04

(0,67) (3,37) (-2,46) (1,24) (1,57) (-0,82) (1,76)

Log PIB -0,92*** 31,83*** -2,40*** -2,76*** -0,36 0,55 -1,29***

(-8,64) (6,50) (-16,82) (-10,94) (-1,43) (1,44) (-4,05)

Log PIB20,04*** -0,61*** 0,06*** 0,07*** 0,03*** 0,01 0,05***

(17,25) (-6,38) (20,36) (13,70) (4,99) (1,56) (7,02)

Log POB -0,01 -0,04 -0,11*** -0,23*** 0,10*** -0,09* 0,26***

(-0,76) (-1,66) (-4,23) (-5,49) (4,00) (-2,54) (6,51)

Constante 9,56*** -415,9*** 32,06*** 32,21*** 2,64 -1019* 10,34**

(7,24) (-6,44) (16,83) (11,23) (0,83) (-2,22) (2,71)

Prueba de Hausman (valor-p) 0,00 0,00 0,00 0,00 0,00 0,30 0,00

Prueba de correlación serial (valor-p) 0,94 0,70 0,98 0,92 0,92 0,93 0,91

Efectos ﬁjos (tiempo) No No No No No No No

Efectos ﬁjos (países) No No No No No No No

Observaciones 4950 110 1100 495 1210 1045 990

Todos los paneles a excepción de PIA, presentaron Efectos Fi-

jos. Entre la evidencia empírica varias investigaciones aplicaron la

prueba de Hausman (1978) como Wang et al. (2015); Alvarado et

al. (2018). Además, los resultados indican una fuerte relación y sig-

niﬁcancia estadística. Posteriormente, se aplicó la prueba de Wool-

dridge (2002) y de Wald para detectar la correlación y heterocedas-

ticidad respectivamente. Además, no fue necesario incluir efectos

del tiempo ni efectos de países para corregir la correlación y la he-

terocedasticidad. Por otro lado, la CAK solo se cumple en PIEA. La

Tabla 4 muestra los resultados de la prueba de raíz unitaria entre las

variables del modelo a nivel global y por grupos de país. Las varia-

bles están expresadas en logaritmos y los resultados expresados sin

efectos del tiempo y con efectos del tiempo. Para veriﬁcar la estacio-

nariedad de las variables utilizadas en el modelo, se aplicaron cinco

pruebas independientes. Estas pruebas se dividen en paramétricas

Levine et al. (2002), Im et al. (2003) y Breitung (2002); y pruebas no

paramétricas: Fisher de Dickey y Fuller Augmented (1981), Phillips

y Perron (1988).

Los resultados de estas pruebas permitieron aseverar un alto

grado de consistencia y corrobora que las primeras diferencias en

las series no tienen problema de raíz unitaria en las variables, ex-

cepto densidad poblacional, debido a que la población crece a un

ritmo lento y depende de otras variables. En general, los resulta-

dos sugieren que las series son estacionarias y presentan un orden

de integración I(0) al 1 % de signiﬁcancia, a excepción de densidad

demográﬁca cuyas series son no estacionarias. Adicionalmente, se

utilizó el Criterio de Información de Akaike (1974) para determinar

la duracion del restraso, es decir, la longitud de los rezagos.

Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Tabla 4. Pruebas de raíz unitaria en la primera diferencia

Grupos Variable Sin efectos del tiempo Con efectos del tiempo

LL UB IPS ADF PP LL UB IPS ADF PP

GLOBAL

EX -47,98* -10,84* -49,67*-25,84* -50,33* -48,21* -8,83* -52,15* -26,51* -51,08*

PIB -36,11* -10,14* -37,47* -20,38* -39,61* -38,15* -9,81* -39,59* -21,57* -40,11*

POB 0,03 6,88 -0,14 0,94 -1,94* -8,17* -4,46* -9,80* -10,00* -3,39*

CO2 -46,47* -8,89* -51,92* -25,43* -59,48* -54,91* -10,74* -60,44* -27,15* -61,75*

PIEA

EX -0,37 -1,55 -4,36* -3,26* -7,53* 9,18 -2,87* -2,13* -1,46 -7,38*

PIB -5,70* -2,71* -4,90* -4,54* -5,21* -3,87* -3,75* -3,77* -3,23* -3,94*

POB 0,80 -0,91 0,004 0,31 -0,46 -0,60 -0,63 -2,71* -1,61 -2,82*

CO2 -12,64* -3,53* -11,42* -4,32* -10,14* -15,38* -3,09* -13,84* -5,47* -11,32*

PIA

EX -18,15* -6,10* -18,90* -9,69* -21,63* -10,39* -5,41* -14,05* -6,59* -19,94*

PIB -14,86* -3,60* -14,19* -9,20* -17,06* -20,42* -4,98* -19,79* -11,22* -19,78*

POB 3,91 1,70 -4,01* -1,98* -5,27* -5,76* -5,38* -10,39* -5,05* -10,71*

CO2 -19,25* -4,66* -21,68* -10,19* -27,29* -32,50* -9,39* -33,88* -13,51* -30,80*

PIMA

EX -20,19* -2,20* -19,72* -9,78* -16,38* -18,40* -1,15 -18,18* -11,99* -17,18*

PIB -10,32* -2,18* -12,28* -7,75* -11,53* -16,09* -0,98 -17,02* -15,28* -14,55*

POB -1,12 2,27 -0,48 0,22 -0,43 -2,32* -1,36 -2,40* -0,06 -0,56

CO2 -10,50* -1,75* -16,66* -8,48* -19,64* -17,84* -1,82* -22,35* -7,43* -20,77*

PIMB

EX -22,09* -5,64* -24,23* -12,43* -24,17* -21,80* -3,84* -25,85* -13,41* -27,12*

PIB -18,55* -5,48* -18,87* -9,67* -18,83* -19,90* -6,53* -20,78* -11,02* -19,06*

POB -2,18* 5,80 0,50 0,56 -0,26 -3,48* -5,18* -6,25* -4,09* -2,11*

CO2 -20,85* -5,78* -21,20* -11,87* -28,82* -26,84* -7,98* -26,52* -12,97* -28,99*

PIB

EX -23,10* -3,98 -23,28* -13,73* -23,73* -27,18* -3,77* -25,99* -13,38* -23,85*

PIB -14,45* -5,20* -14,41* -7,63* -17,47* -17,15* -5,39* -17,23* -8,08* -18,22*

POB 1,88 2,73 3,93 2,63 0,97 -4,03* -2,14* -2,78* -3,94* 1,48

CO2 -24,93* -3,87* -28,62* -14,27* -29,34* -28,53* -6,59* -33,77* -14,70* -30,80*

PIEB

EX -25,78* -7,19* -25,05* -11,72* -24,56* -25,81* -7,47* -26,37* -12,85* -25,54*

PIB -21,29* -7,11* -22,88* -10,34* -21,92* -18,90* -6,90* -21,07* -9,97* -21,07*

POB 1,32 1,55 -0,36 0,61 0,98 2,79 0,03 -1,47 0,004 0,27

CO2 -23,66* -3,79* -24,84* -10,88* -24,94* -23,46* -3,42* -27,31* -13,49* -25,52*

Nota: *signiﬁcancia al 1 %.

La Tabla 5 reporta los resultados de la prueba de cointegración

de Pedroni, misma que permite probar la relación de cointegración

en paneles. Para ello, calcula siete estadísticos de prueba bajo la hi-

pótesis nula de no cointegración. Estas estadísticas de prueba son:

panel-v, panel-rho, panel PP, panel ADF, panel-p, grupo-PP y grupo-

ADF. El primero es no paramétrico y se fundamenta en la relación

de varianzas. En la prueba de cointegración de paneles heterogé-

neos de Pedroni (1999) se muestra la existencia de una relación de

equilibrio a nivel global entre las series.

Los estadísticos revelan un resultado coherente, es decir, las

series se mueven juntas y simultáneamente en el tiempo y en la

sección transversal. A nivel global y en los grupos de países todos

los estadísticos dentro y entre las dimensiones de los paneles son

estadísticamente signiﬁcativos. Unicamente el estadístico panel-v

diﬁere a los resultados de los otros seis estadísticos que indican

existencia de cointegración. Sin embargo, en todos los grupos de

países se evidencia la existencia de equilibrio a largo plazo entre va-

riables. Cuando los resultados son controversiales, las estadísticas

del ADF podrían ser el punto de referencia. En base a esto y utili-

zando el panel y el grupo ADF, podemos concluir que se rechaza la

hipótesis nula de no cointegración, es decir, existe una relación de

cointegración a largo plazo entre las variables.

Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Tabla 5. Resultados del test de cointegración de Pedroni

GLOBAL PIEA PIA PIMA PIMB PIB PIEB

Dentro de las estadísticas de prueba de dimensión

Estadístico Panel v 3,85* 0,38 1,41 1,73 1,54 2,95* 1,59

Estadístico Panel rho -43,32*** -7,44** -21,01*** -15,19** -20,16*** -20,74*** -17,13**

Estadístico Panel PP -70,51*** -18,03*** -34,05*** -24,84*** -31,45*** -36,86*** -26,14***

Estadístico Panel ADF -50,56*** -3,54* -25,75*** -18,44*** -25,87*** -25,27*** -19,98***

Entre las estadísticas de prueba de dimensión

Estadístico Panel p -40,6*** -6,98* -19,7*** -14,16** -18,51*** -19,8*** -15,71**

Estadístico Grupo PP -79,25*** -19,77*** -37,46*** -27,13*** -34,05*** -42,2*** -28,52***

Estadístico Grupo ADF -48,11*** -3,56* -24,89*** -12,61** -27,44*** -24,4*** -19,35***

Los resultados obtenidos se refutan con las siguienes inves-

tigaciones: Apergis (2016), Apergis y Ozturk (2015), Farhani et al.

(2014), Jardon et al. (2017), Kasman y Duman (2015), Narayan y

Narayan (2010), Ozcan (2013), Rahman (2017), Atasoy (2017), Za-

karya et al. (2015), Zaman y Abd-el Moemen (2017), Zoundi (2017).

En contraste Ozturk (2017) concluyó que su modelo no tiene una re-

lación de cointegración entre las variables. Entonces, los resultados

muestran la relevancia y el poder de las pruebas de cointegración en

el panel en comparación con las pruebas de series de tiempo. Y la

existencia de una relación a largo plazo, implica que las variables se

muevan conjunta y simultáneamente porque existe un vector que

las equilibra a lo largo del tiempo. Es posible que los cambios en la

cantidad de emisiones de CO2 presenten variaciones por variacio-

nes en el resto de variables.

La Tabla 6 presenta los resultados del modelo de error vectorial

de los datos del panel propuesto por Westerlund (2007). La prueba

de Westerlund (2007) proporciona cuatro alternativas, Gt, Ga, Pt y

Pa. La prueba utiliza un modelo de corrección de errores para ana-

lizar la existencia o ausencia de cointegración para cada país o gru-

po de países. El rechazo de la hipótesis nula de Ga y Gt implica la

existencia de cointegración en al menos una de las secciones trans-

versales, ya que estas dos estadísticas usan el proceso promedio

ponderado individual y la estadística t individual, respectivamente.

Por el contrario, Pa y Pt usan un proceso de agrupamiento sobre la

sección transversal y la hipótesis nula de rechazo implica la existen-

cia de cointegración entre variables en el panel. Esta prueba se basa

en que las series no son estacionarias. Las pruebas previas eviden-

ciaron que el modelo no presenta el problema de raíz unitaria, y fue

posible estimar la prueba de cointegración de Westerlund (2007),

por tanto, el número de rezagos es uno.

Los resultados permiten aceptar la hipótesis alternativa de

cointegración entre las series, es decir, la existencia de un equilibrio

a corto plazo de las variables a nivel global y en todos los grupos de

países, porque las estadísticas son signiﬁcativas al 0,1 %, es decir,

todas las variables estan contegradas a corto plazo. Implicando que

variaciones en las variables dependientes ocasionan cambios en las

emisiones de CO2. En sentido, las ivestigaciones de Al Mamun et

al. (2014), Kasman y Duman (2015), Mercan y Karakaya (2015), Oz-

can (2013), Atasoy (2017), Xu (2018) y Zoundi (2017) reportan una

relación de equilibrio a corto plazo, utilizando la misma prueba. Por

el contrario, Jardon et al. (2017) no rechaza la hipótesis nula de no

cointegración para todas las estadísticas, concluyendo que no existe

una relación de equilibrio a corto plazo entre las variables.

100

Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Tabla 6. Resultados de VECM de Westerlund

CO2-EX CO2-PIB CO2-POB

Estad. Valor Valor-Z Valor-P Estad. Valor Valor-Z Valor-P Estad. Valor Valor-Z Valor-P

GLOBAL

Gt -6,12 -44,43 0,00 Gt -6,45 -48,30 0,00 Gt -6,34 -47,09 0,00

Ga -56,04 -62,95 0,00 Ga -60,35 -69,10 0,00 Ga -54,55 -60,83 0,00

Pt -62,56 -49,52 0,00 Pt -64,82 -52,16 0,00 Pt -62,10 -48,99 0,00

Pa 62,42 -84,91 0,00 Pa -64,32 -87,94 0,00 Pa -59,24 -79,87 0,00

PIEA

Gt -8,00 -9,94 0,00 Gt -7,35 -8,79 0,00 Gt -7,48 -9,02 0,00

Ga -78,18 -14,09 0,00 Ga -68,44 -12,02 0,00 Ga -71,60 -12,69 0,00

Pt -10,24 -8,45 0,00 Pt -10,09 -8,27 0,00 Pt -10,03 -8,20 0,00

Pa -77,47 -16,22 0,00 Pa -69,27 -14,28 0,00 Pa -70,89 -14,66 0,00

PIA

Gt -5,85 -19,46 0,00 Gt -6,21 -21,44 0,00 Gt -5,95 -20,03 0,00

Ga -52,54 -27,32 0,00 Ga -56,08 -29,70 0,00 Ga -50,20 -25,75 0,00

Pt -28,30 -21,96 0,00 Pt -34,85 -29,58 0,00 Pt -28,10 -21,73 0,00

Pa -57,06 -36,02 0,00 Pa -66,94 -43,41 0,00 Pa -56,37 -35,50 0,00

PIMA

Gt -6,95 -17,18 0,00 Gt -7,50 -19,23 0,00 Gt -7,77 -20,21 0,00

Ga -68,49 -25,52 0,00 Ga -76,80 -29,27 0,00 Ga -71,69 -26,97 0,00

Pt -24,30 -20,92 0,00 Pt -26,36 -23,32 0,00 Pt -25,60 -22,43 0,00

Pa -73,15 -32,24 0,00 Pa -84,21 -37,80 0,00 Pa -76,82 -34,08 0,00

PIMB

Gt -5,80 -20,13 0,00 Gt -6,31 -23,12 0,00 Gt -6,05 -21,59 0,00

Ga -52,92 -28,92 0,00 Ga -58,66 -32,97 0,00 Ga -49,82 -26,74 0,00

Pt -26,61 -19,45 0,00 Pt -25,17 -17,77 0,00 Pt -23,87 -16,03 0,00

Pa -58,49 -38,89 0,00 Pa -48,89 -31,36 0,00 Pa -44,42 -27,85 0,00

PIB

Gt -6,54 -22,70 0,00 Gt -6,75 -23,85 0,00 Gt -6,68 -23,49 0,00

Ga -61,55 -32,54 0,00 Ga -66,19 -35,58 0,00 Ga -59,68 -31,31 0,00

Pt -28,93 -22,97 0,00 Pt -30,42 -24,71 0,00 Pt -29,74 -23,92 0,00

Pa -59,87 -37,15 0,00 Pa -65,17 -41,02 0,00 Pa -59,02 -36,54 0,00

PIEB

Gt -5,73 -17,81 0,00 Gt -5,92 -18,83 0,00 Gt -5,93 -18,89 0,00

Ga -49,24 -23,82 0,00 Ga -51,87 -25,49 0,00 Ga -49,28 -23,84 0,00

Pt -27,96 -22,13 0,00 Pt -27,87 -22,02 0,00 Pt -28,01 -22,18 0,00

Pa -63,56 -38,79 0,00 Pa -64,56 -39,49 0,00 Pa -63,61 -38,82 0,00

Los resultados de la prueba de cointegración de Pedroni y Wes-

terlund tienen limitaciones; solo muestra la existencia de un vector

de cointegración pero no informa sobre la fuerza del vector o el

efecto individual en cada país. Por tanto, la Tabla 7 muestra los re-

sultados encontrados al aplicar el modelo DOLS que considera la

integración de orden mixto de integración de variables respectivas

en el marco cointegrado en los datos. Este estimador resolvió dos

limitaciones: un posible problema de endogeneidad y un pequeño

sesgo de muestra. Estimamos la fortaleza del vector de cointegra-

ción de Pedroni (2001) formalizado en la Ecuación 6. Primero, infor-

mamos los estimadores obtenidos por DOLS para los países indivi-

dualmente con efectos de tiempo ﬁjo (WT) y sin efecto de tiempo

(WOT). Los países que tienen un coeﬁciente positivo entre las va-

riables y si el coeﬁciente tiende o es mayor que 1, la fuerza del vec-

tor de cointegración es contundente. Los resultados reﬂejan que en

PIEA (Noruega y Suiza); PIA (Guam); PIMA (Antigua y Barbuda, Chi-

le, Portugal, Trinidad y Tobago); PIMB (Botswana, Colombia y Costa

Rica); PIB (Camerún, Congo, Rep., Indonesia, Mauritana, Sri Lanka y

Zambia) y PIEB (Benín, Burkina Faso y Congo, Dem. Rep). Tienen un

vector de cointegración mayor a 1 para PIB y POB. Adicionalmente,

en PIA (Suecia), PIMA (Gabón) y PIB (Nicaragua) son los únicos paí-

ses que presentan un vector de cointegración superiora uno en las

tres variables. Finalmente, en la mayor parte de países en la varia-

ble POB tienen un orden de cointegración superior a 1. Entonces,

la densidad poblacional es determinante para el nivel de emisiones

de CO2 en todos los países.

101

Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Tabla 7. Resultados del modelo DOLS para los países individualmente

PIEA PIA PIMA PIMB PIB PIEB

País Var. WD WOD País Var. WD WOD País Var. WD WOD País Var. WD WOD País Var. WD WOD País Var. WD WOD

Noruega

EX -0,78 -0,40

Australia

EX -1,15 -0,04

Antigua y Barbuda

EX -0,09 -0,03

Argelia

EX 0,63 -0,98

Belice

EX 0,09 0,03

Bangladesh

EX 0,22 0,03

PIB 2,12 2,49 PIB 0,77 1,37 PIB 3,62 2,61 PIB -1,44 3,20 PIB 0,64 1,11 PIB -0,62 1,11

POB 5,93 9,77 POB -2,99 -0,29 POB 8,02 2,63 POB 10,26 -0,65 POB -0,48 -3,81 POB 18,79 -3,81

Suiza

EX -0,78 0,60

Austria

EX 0,09 0,97

Barbados

EX 0,09 0,32

Argentina

EX -1,50 0,22

Bolivia

EX 0,84 0,68

Benín

EX -0,20 0,68

PIB 2,12 0,80 PIB -0,94 -0,29 PIB -0,18 2,59 PIB 0,75 0,50 PIB 0,84 -1,20 PIB 2,03 -1,20

POB 5,93 1,99 POB 3,92 2,35 POB -7,57 4,74 POB -0,06 0,35 POB -5,91 -15,52 POB 1,01 -15,52

Canadá

EX -0,25 0,26

Chile

EX -0,54 -0,52

Botswana

EX 0,99 1,00

Camerún

EX -0,33 -1,16

Burkina Faso

EX -0,24 -0,16

PIB 0,56 1,13 PIB 1,25 2,08 PIB -1,94 1,69 PIB 1,78 -1,39 PIB -3,58 -1,39

POB -0,28 1,83 POB -13,34 1,15 POB 17,6 -9,72 POB -7,56 40,37 POB 3,07 40,37

Chipre

EX 0,28 0,21

Gabón

EX 1,41 1,73

Brasil

EX -0,18 -0,23

Congo, Rep.

EX 0,92 0,06

Congo, Dem. Rep.

EX -0,36 0,06

PIB 0,27 0,56 PIB -0,99 -1,55 PIB 1,44 0,96 PIB 2,25 2,79 PIB 1,17 2,79

POB 2,96 5,18 POB -22,23 -45,9 POB -7,34 -0,23 POB 13,5 -31,28 POB -5,59 -31,28

Dinamarca

EX -0,60 -0,49

Grecia

EX 0,13 0,15

Bulgaria

EX -0,02 -0,10

Egipto

EX 0,19 0,14

Gambia

EX 0,04 0,14

PIB 1,22 2,20 PIB 0,60 0,80 PIB 0,60 1,27 PIB 0,89 0,03 PIB 0,49 0,03

POB -6,83 0,75 POB 8,35 3,05 POB 6,07 6,21 POB 3,21 2,19 POB 0,06 2,19

Finlandia

EX 0,41 0,11

Malta

EX -0,01 0,38

Colombia

EX -0,23 -0,03

El Salvador

EX 0,08 0,56

Haití

EX -1,01 0,56

PIB -0,06 1,01 PIB 0,35 0,35 PIB 1,60 2,15 PIB 1,19 -0,06 PIB 0,23 -0,06

POB -6,02 -0,69 POB 7,53 8,56 POB -3,20 -1,43 POB -2,10 1,45 POB 0,10 1,45

Francia

EX 0,56 0,79

Portugal

EX -0,49 0,58

Costa Rica

EX 0,17 -0,21

Indonesia

EX -0,04 -0,03

India

EX -0,07 -0,03

PIB -2,60 -0,62 PIB 3,12 1,21 PIB 0,95 3,31 PIB 1,19 1,29 PIB 0,66 1,29

POB 3,89 7,02 POB -1,68 1,40 POB 4,16 1,90 POB 3,34 3,17 POB 0,02 3,17

Guam

EX -0,57 -0,50

Trinidad y Tobago

EX 0,82 0,35

Cuba

EX 0,52 0,36

Mauritania

EX -1,18 0,11

Kenia

EX 0,08 0,11

PIB 3,45 2,10 PIB 2,16 2,01 PIB -0,13 0,17 PIB 5,37 2,28 PIB 0,25 2,28

POB 11,52 -3,85 POB 21,33 11,04 POB 1,16 0,92 POB -16,04 27,85 POB -0,91 27,85

Islandia

EX 0,62 -0,63

Venezuela, RB

EX -0,19 0,02

Rep. Dominicana

EX 0,53 -0,06

Morocco

EX 0,06 -0,35

Madagascar

EX 0,48 -0,35

PIB -1,43 1,44 PIB 0,32 -0,56 PIB 0,38 1,36 PIB 0,82 -0,12 PIB 1,56 -0,12

POB 2,07 -9,35 POB -5,16 0,93 POB -0,03 2,63 POB -1,11 2,45 POB -5,41 2,45

Irlanda

EX 1,24 0,12

Ecuador

EX 0,04 -0,56

Nicaragua

EX 0,02 0,23

Mali

EX 0,01 0,23

PIB -0,87 0,88 PIB 0,90 3,52 PIB 0,56 0,49 PIB -1,99 0,49

POB 1,17 -0,83 POB -2,21 0,69 POB -0,50 3,00 POB 3,31 3,00

Italia

EX -0,06 0,44

Guinea Ecuatorial

EX -1,25 -1,77

Nigeria

EX -1,98 -2,03

Mozambique

EX -0,16 -2,03

PIB 0,63 1,29 PIB 3,06 3,45 PIB 2,46 2,04 PIB 0,82 2,04

POB 1,89 0,75 POB -2,20 -0,03 POB -7,53 -38,07 POB 7,78 -38,07

Japón

EX 0,12 -0,10

Iran, Islamic Rep.

EX 0,27 0,50

Paraguay

EX 0,15 0,52

Pakistán

EX 1,06 0,52

PIB 0,74 1,43 PIB 0,12 -0,12 PIB 1,12 0,59 PIB -1,55 0,59

POB -1,96 -1,68 POB 0,19 0,00 POB 8,44 7,47 POB 1,27 7,47

Macao SAR, China

EX -0,32 -0,35

Jordán

EX 0,55 0,15

Filipinas

EX -0,21 -0,07

Ruanda

EX -0,41 -0,07

PIB 0,33 0,32 PIB -0,51 0,06 PIB 1,01 0,68 PIB -1,30 0,68

POB 0,85 0,82 POB -3,22 0,13 POB 5,73 3,63 POB 9,25 3,63

Países Bajos

EX 0,38 1,75

Corea, Rep.

EX 0,35 0,08

Sri Lanka

EX 0,78 0,97

Senegal

EX -3,47 0,97

PIB -0,24 -2,26 PIB 0,65 0,39 PIB 2,25 1,85 PIB 1,23 1,85

POB -1,18 5,04 POB -0,99 4,68 POB 10,36 2,72 POB 6,83 2,72

Nueva Zelanda

EX -0,51 0,24

Malaysia

EX 0,55 -0,54

Swaziland

EX 0,24 0,12

Sierra Leona

EX -0,27 0,12

PIB 1,10 0,25 PIB 0,83 2,34 PIB -1,07 -0,28 PIB 0,16 -0,28

POB -1,75 0,96 POB -2,28 4,48 POB -0,78 -0,89 POB -0,71 -0,89

Singapur

EX -0,41 0,27

Mauricio

EX 0,05 0,29

Tailandia

EX -0,01 0,17

Sudan

EX 0,74 0,17

PIB 4,65 6,15 PIB 0,59 2,57 PIB 1,25 1,58 PIB -2,04 1,58

POB 1,32 -1,52 POB -5,92 -1,95 POB 0,08 0,61 POB -6,47 0,61

España

EX 0,20 0,32

México

EX 0,55 -0,14

Tunisia

EX -0,04 -0,21

Togo

EX -0,45 -0,21

PIB 0,68 1,69 PIB -1,03 0,59 PIB 0,34 0,61 PIB -0,68 0,61

POB 3,39 2,45 POB 5,79 2,80 POB 4,55 1,50 POB 0,99 1,49

Suecia

EX 1,23 0,54

Panamá

EX -0,02 -0,10

Zambia

EX -0,11 -0,19

Uganda

EX 0,21 -0,19

PIB -1,07 1,09 PIB 1,70 0,24 PIB 1,14 2,40 PIB -0,18 2,40

POB 2,33 7,12 POB -9,32 2,50 POB 7,50 5,26 POB 13,52 5,26

Reino Unido

EX -0,73 0,07

Perú

EX 0,22 0,10

Zimbabue

EX -0,04 0,09

PIB 1,16 1,14 PIB 0,71 1,05 PIB -0,06 0,21

POB 2,82 0,32 POB 1,09 0,55 POB 2,63 0,57

Estados Unidos

EX 0,02 0,23

Sudáfrica

EX -0,15 -0,39

PIB 0,48 1,31 PIB 0,69 0,55

POB 3,73 -0,88 POB 4,49 3,01

Turquía

EX 0,04 0,04

PIB 0,01 0,73

POB 1,16 2,93

Uruguay

EX -0,33 0,18

PIB 1,20 2,30

POB 2,56 -2,82

Nota: *,**,*** indican rechazo de la hipótesis nula en el nivel de 5 %, 10 % y 1 % respetivamente para H0:βi= 1

La prueba de Pedroni (2001) estima la fuerza del vector de

cointegración por grupos de países. La Tabla 8 trata de asegurar

la consistencia de los parámetros obtenidos, estimamos un mode-

lo con tiempo ﬁcticio y otro sin tiempo. Los resultados obtenidos

determinan que en la gran mayoría de grupos de países el vector

es estadísticamente signiﬁcativo, aunque EX es la variable que no

presenta mucha signiﬁcancia. En PIEA la signiﬁcancia de las tres va-

riables en las emisiones de CO2 es signiﬁcativa y positiva, solo en

EX es negativa, entonces, estos países tienen mayores posibilidades

para reducir las emisiones de CO2. Mientras que en PIB la única va-

riable que resulta ser estadísticamente signiﬁcativa y positiva es la

variable PIB, es decir, en países con ingresos bajos la reducción de

las emisiones de CO2 están condicionadas por el crecimiento eco-

nómico. Y en PIEB la variable que resulta estadísticamente signiﬁ-

cativa pero negativa es POB, en otras palabras, en los países con

ingresos extremadamente bajos, la densidad de la población es una

variable determínate para una mejor calidad ambiental, pero estos

países reducirían las emisiones de CO2 al aplicar políticas de estabi-

lización de la población prudente de acuerdo a cada país. Por otro

lado, los resultados sin tiempo ﬁcticio, a nivel GLOBAL y PIA todas

las variables son estadísticamente signiﬁcativas y positivas. Además,

la fuerza del vector de cointegración varía de acuerdo al grupo de

países.

102

Vol.9-N°1, Julio - Diciembre 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Tabla 8. Resultados del modelo PDOLS por grupos de países

Grupos Con tiempo dummy Sin tiempo dummy

Estadístico t Estadístico t

GLOBAL

EX -0,04 0,58 0,01 2,90*

PIB 0,84 11,56** 1,25 16,7**

POB 1,03 3,84* 2,1 6,38*

PIEA

EX -0,78 -3,00* 0,09 0,92

PIB 2,12* 3,14* 1,65 2,19*

POB 5,93* 2,67* 5,88* 2,88*

PIA

EX 0,03 0,65 0,21 4,22*

PIB 0,44 3,58* 1,11 10,56**

POB 1,04 2,93* 0,78 2,64*

PIMA

EX 0,13 0,49 0,33 2,00*

PIB 1,14 5,94* 1,06 5,15*

POB -0,53 -0,43 -1,38 1,68

PIMB

EX 0,14 3,68* -0,09 0,91

PIB 0,51 3,95* 1,47 11,63**

POB 0,81 0,30 0,77 4,27*

PIB

EX -0,03 0,57 0,03 0,67

PIB 1,26 6,10* 0,78 4,37*

POB 0,91 1,41 0,67 3,13*

PIEB

EX -0,26 0,21 -0,26 -1,38

PIB -0,19 -0,44 1,67 4,50*

POB 2,61* 2,60* 8,03** 1,40