Revista Económica
DOI: 10.54753/rve.v12i1.2048
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
ARTÍCULO DE INVESTIGACIÓN
Índice de contaminación ambiental, consumo de energía no renovable,
y políticas de eficiencia energética en Ecuador
Environmental pollution index, non-renewable energy consumption, and energy
efficiency policies in Ecuador
Stefania Pinzón ID 1|Patricia Guerrero-Riofrío ID 2
1Universidad Autónoma de Madrid
2Universidad Técnica Particular de Loja
Correspondencia
Stefania Pinzón, Universidad Autónoma de
Madrid.
Email: yajaira.pinzon@estudiante.uam.es
Fecha de recepción
Octubre 2023
Fecha de aceptación
Diciembre 2023
RESUMEN
La degradación ambiental está estrechamente vinculada a actividades económicas como la producción
agrícola e industrial y el consumo de energía proveniente de fuentes no renovables. En el panorama
global, la quema de combustibles fósiles representa el pilar fundamental del sistema energético. En
Ecuador, las emisiones de gases contaminantes alcanzan aproximadamente 40.5 millones de toneladas
anuales. Además, las características estructurales de este país son responsables de las emisiones de
metano, azufre y otros contaminantes. En este contexto, el objetivo de esta investigación fue analizar la
relación entre el índice de contaminación ambiental y el consumo de energía no renovable en Ecuador
durante el período 1970-2019. Esta relación se modeló a través de la implementación de políticas de
eficiencia energética. Los datos fueron extraídos de los Indicadores de Desarrollo Mundial (2020) y
Our World in Data (2021). La metodología incluye el uso de técnicas de cointegración de series de
tiempo, modelos de vectores autorregresivos, modelos de corrección de error y pruebas de causalidad.
Los resultados del estudio revelaron que existe una relación de equilibrio tanto a corto como a largo
plazo entre el consumo de energía no renovable y el índice de contaminación ambiental; así como, una
relación causal. Por lo tanto, las políticas futuras deben orientarse hacia el fomento del uso de energías
renovables para lograr un crecimiento económico sostenible.
Palabras clave: Índice de contaminación ambiental, Energía no renovable, Eficiencia energética.
Códigos JEL: Q53. Q32. Q42. O50.
ABSTRACT
Environmental degradation is closely linked to economic activities such as agricultural and industrial
production and the consumption of energy from non-renewable sources. In the global panorama, the
burning of fossil fuels represents the fundamental pillar of the energy system. In Ecuador, emissions
of polluting gases reach approximately 40.5 million tons annually. Furthermore, the structural charac-
teristics of this country are responsible for the emissions of methane, sulfur and other pollutants. In
this context, the objective of this research was to analyze the relationship between the environmen-
tal pollution index and non-renewable energy consumption in Ecuador during the period 1970-2019.
This relationship was modeled through the implementation of energy efficiency policies. The data was
extracted from the World Development Indicators (2020) and Our World in Data (2021). The metho-
dology includes the use of time series cointegration techniques, vector autoregressive models, error
correction models and causality tests. The results of the study revealed that there is both a short-term
and long-term balance relationship between non-renewable energy consumption and the environmen-
tal pollution index; as well as a causal relationship. Therefore, future policies must be oriented towards
promoting the use of renewable energy to achieve sustainable economic growth.
Keywords: Environmental pollution index, Non-renewable energy, Energy efficiency.
JEL codes: Q53. Q32. Q42. O50.
102
Pinzón, S., Guerrero-Riofrío, P.
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
1|INTRODUCCIÓN
El aumento de la contaminación ambiental se debe principal-
mente a la concentración de los gases efecto invernadero (GEI) que
se producen por acción antropogénica (León, 2017). De acuerdo con
Águila et al. (2011), la producción de energía y el estado del medio
ambiente tienen una estrecha relación. Las necesidades de consu-
mo motivan a que la población recurra a la naturaleza siempre en
busca de recursos para su subsistencia. Además, provocan una ex-
tracción excesiva de recursos naturales y la generación de desechos.
Especialmente, es el caso de los países en desarrollo, donde la regu-
lación ambiental es baja (Sarkodie, 2021). Por otro lado, el agota-
miento acelerado de los recursos naturales y la enorme destrucción
ecológica han afectado gravemente el crecimiento económico mun-
dial, el bienestar social y las mejoras en la salud humana (Yue et al.,
2019). Por su parte, Nadal y Aguayo (2020) señalan que el deterioro
ambiental se encuentra relacionado con la naturaleza y la dinámica
del sistema económico. Asimismo, Falconí et al. (2016) señala que,
la contaminación del medio ambiente es el resultado de los patrones
de consumismo de la población. Por consiguiente, cuando el ingre-
so per cápita aumenta, el nivel de consumo de materias primas y
de energía es mayor, lo cual conlleva implicaciones importantes en
términos de sustentabilidad ambiental y económica. Las emisiones
de GEI generan una diversidad de problemas a diferentes escalas.
En el ámbito global, las emisiones se relacionan con el efecto in-
vernadero, el calentamiento global y la destrucción de la capa de
ozono. En el ámbito local, surgen enfermedades respiratorias o der-
matológicas en la población, pérdidas agrícolas, entre otras (Lecaros
y Viale, 2008; Alvarado y Toledo, 2017; Alvarado et al., 2021). Por
otra parte, la Organización Mundial de la Salud (OMS, 2018) señaló
que alrededor de siete millones de personas mueren por la exposi-
ción a partículas de aire contaminado. Estos datos muestran que la
contaminación ambiental tiene múltiples aspectos negativos para el
sistema económico, en particular cuando las políticas pro ambienta-
les son postergadas por los costos económicos que generan.
La generación de residuos sólidos es otra causa del crecimiento
de los GEI, el cual representa el 3 % de las emisiones contaminantes
totales (European Environmental Agency [EEA], 2020). En Ecuador
las emisiones representan el 0,06 % del total mundial de emisiones
contaminantes (Intergovernmental Panel on Climate Change [IPCC],
2018). Las emisiones totales de los GEI ascienden a 80.627,16 Gg
de CO2 equivalentes, de los cuales el sector de la energía genera el
mayor aporte con el 46,63 %; seguido del sector del uso de suelo,
cambio de uso de suelo y silvicultura (USCUSS) con el 25,35 % de las
emisiones totales netas. El tercer lugar lo ocupa el sector agricultura
con el 18,17 % de los GEI emitidos a la atmósfera. Las mayores emi-
siones se encuentran en las ciudades de Quito y Guayaquil con 157
y 150 (kt CO2 equivalentes, respectivamente, seguidos por Cuenca
con 35 (kt CO2-eq) (Solíz et al., 2020). Una parte de la población que
se especializa en la ganadería, provoca que las emisiones de metano
sean significativas.
Varias investigaciones previas han destacado algunos determi-
nantes de las emisiones de GEI o de algunos de los gases de forma
individual. Sin embargo, la evidencia parcial no ofrece un marco sóli-
do de análisis para obtener conclusiones realistas. En este escenario,
el objetivo de esta investigación fue examinar la relación entre un
índice de contaminación ambiental y el consumo de energía no re-
novable moderado por la implementación de políticas de eficiencia
energética en Ecuador. Se utilizó datos de los Indicadores de De-
sarrollo Mundial (WDI) y de Our World in Data (2021) durante el
periodo de 1970-2019. El índice de contaminación ambiental cons-
truido incluye el monóxido de carbono, el dióxido de azufre, óxido
de nitrógeno, PM25, amoniaco, dióxido de nitrógeno, metano, y dió-
xido de carbono. La combinación del conjunto de gases en un solo
indicador sintético permite obtener un marco amplio e integral de
la contaminación ambiental y mejorar las implicaciones de política
pro ambiental. En todas las regresiones econométricas, el índice de
contaminación ambiental es la variable dependiente. Mientras que,
la variable independiente es el consumo de energía no renovable.
Además, con el fin de evaluar el impacto de las políticas pro ambien-
tales en el índice de contaminación ambiental, incluimos la política
de eficiencia energética adoptada por el gobierno en el año 2008.
Para el alcance del objetivo propuesto, se empleó técnicas de coin-
tegración de series de tiempo, modelos de vectores autorregresivo
(VAR), modelos de corrección de error (VEC), y el modelo de causa-
lidad tipo Granger. Finalmente, con el fin de incorporar la realidad
económica nacional, incluimos un grupo de variables de control co-
mo el consumo de energía renovable, la inversión extranjera directa,
el producto real per cápita.
Por otro lado, en relación a la teoría económica, no existe una
específica en sí, que nos pueda ayudar a enlazar a las principales va-
riables de estudio, como son la contaminación ambiental y el consu-
mo de energía no renovable, pero si existe evidencia empírica que
nos ayudará a sustentar la hipótesis planteada. Entre los autores
se encuentran, Khan et al. (2021); Mahalik et al. (2021); Nathaniel
y Khan (2020), quienes confirmaron que el papel del consumo de
energía no renovable produce un agotamiento de la calidad ambien-
tal y que más de la mitad del efecto invernadero procede de las
emisiones de CO2. En cuanto, a los resultados obtenidos se pudo
verificar que existe una relación positiva entre la contaminación y
consumo de energía no renovable. Debido a que, en la matriz ener-
gética del Ecuador, el 82 % se soporta del consumo de derivados de
petróleo, como diésel, gasolina y GLP. Así mismo, se valida la hipó-
tesis, de que los niveles de contaminación ambiental se incremen-
tan como resultado de un mayor consumo de energía no renovable.
Además, se evidenció que existe una relación de corto y largo plazo
entre la contaminación ambiental y consumo de energía no renova-
ble, durante el periodo de análisis. Posteriormente, el estudio aporta
a la literatura empírica, porque se utiliza un índice que captura de
manera más integral la contaminación ambiental.
Finalmente, el presente trabajo de investigación está estructu-
rado de la siguiente manera: en el segundo apartado, se muestra la
revisión de literatura en la cual se describen las investigaciones teó-
ricas y empíricas relacionadas con el tema de estudio. En la tercera
sección se describen los datos. En la cuarta sección se desarrolla es-
trategia econométrica. En la quinta sección se presentan los resul-
tados relevantes de la investigación. En la sexta sección se realiza la
discusión, donde se comparan con otros estudios. En la séptima sec-
ción se exponen las conclusiones más importantes; seguidamente,
se describen las implicaciones de política.
2|REVISIÓN DE LITERATURA
A partir de la revolución industrial, las problemáticas ambien-
tales comenzaron a tener preponderancia y su impacto se proyectó
de manera exponencial (Celemín, 2007). Asimismo, Jevons (1865)
advertía que provocaría un agotamiento de los depósitos de carbón
en Inglaterra. En cuanto, a Pigou (1920) dio paso a la teoría de las
externalidades, donde las acciones de ciertos bienes provoca un im-
pacto en el medio ambiente. Por otro lado, Hotelling (1931) se refi-
rió a la comparación de la rentabilidad entre el costo de oportunidad
de la explotación del recurso con el costo de oportunidad del capi-
tal inmovilizado. Por su parte, Kuznets (1955) mostró acerca de la
relación entre la distribución del ingreso y el crecimiento económi-
co. Pero fueron, Grossman y Krueger (1991) quienes introdujeron
el concepto de curva ambiental de Kuznets (CAK), una relación en
forma de U invertida entre el ingreso y los niveles de emisión de
contaminantes. Finalmente, Wackernagel y Rees (1996) desarrolla-
ron un indicador como es la huella ecológica, con el propósito de
evaluar la sustentabilidad de los patrones de consumo de una po-
blación determinada.
103
Índice de contaminación ambiental, consumo de energía no renovable ...
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
2.1 |Relación empírica entre el consumo
de energía no renovable y la contamina-
ción ambiental
La dependencia masiva del uso de combustibles fósiles, con
la finalidad de lograr una mayor industrialización y urbanización ha
provocado daños irreversibles en el medio ambiente, a nivel mundial.
Un estudio realizado por Mahalik et al. (2021) para un grupo de paí-
ses de los BRICS, revelaron que la contaminación en gran parte es
consecuencia de las actividades antropogénicas. Por otra parte, Al-
Mulali y Ozturk (2015) encontraron que la mayor parte del uso de
energía de la región MENA proviene de combustibles fósiles, que re-
presentan un 80 % del uso total de energía. Por otra parte, Belaïd y
Zrelli (2019) por medio de técnicas de cointegración, para un inves-
tigación de un grupo de países del Mediterráneo, afirmaron que la
contaminación ambiental es un fenómeno intrincado que surge de
interacciones complejas entre tres parámetros: economía, energía y
medio ambiente. Del mismo modo, Nathaniel y Khan (2020) halla-
ron que el consumo de energía tiene un impacto perjudicial sobre
la calidad ambiental, ya que la energía consumida en la región de
ASEAN es predominantemente no renovable. Seguidamente, Deng
et al. (2020) descubrieron que en la mayoría de los países de Amé-
rica del Sur dependen en gran medida de la minería, la agricultura
y que está asociado al consumo de recursos energéticos no reno-
vables. Luego, Khan et al. (2021) revelaron que Estados Unidos, ha
experimentado un tremendo crecimiento económico a costa de la
calidad ambiental, puesto que, consume alrededor del 25 % de la
energía total producida en el mundo.
A continuación, Asongu et al. (2020); Awodumi y Adewuyi
(2020); Nathaniel y Iheonu (2019); examinaron el papel del consu-
mo de energía no renovable en África, adoptando pruebas de coin-
tegración y raíz unitaria de primera y segunda generación, sus hallaz-
gos confirmaron que la energía no renovable aumenta las emisiones
de CO2 de manera significativa. Agregando a lo anterior, Bélaïd y
Youssef (2017); Saboori y Sulaiman (2013) ratificaron la existencia
de una relación de cointegración a largo plazo entre el crecimiento
económico y la explotación masiva de los recursos naturales. De for-
ma similar, Shirwani et al. (2020) manifestaron que la degradación
ambiental se agrava con el uso de recursos energéticos no renova-
bles y que el principal consumidor de este recurso es el sector del
transporte en Pakistán. Por otro lado, Nadimi y Tokimatsu (2017)
por medio de un enfoque econométrico, explicaron que los com-
bustibles fósiles emiten dióxido de carbono y dióxido de azufre al
medio ambiente en Japón. Finalmente, Rentería et al. (2016) para
el caso de Ecuador, expusieron que las consecuencias ambientales
resultan del uso de energías no renovables.
2.2 |Relación de la contaminación am-
biental con otras variables de estudio
El uso de energías renovables y la innovación tecnológica son
la forma más plausible de reducir el deterioro ambiental. En un es-
tudio para la Unión Europea, Alola et al. (2019) revelaron que la in-
corporación de tecnologías energéticas más eficientes, modernas y
limpias, son el requisito previo para lograr una economía descarbo-
nizada. De la misma manera, Ulucak et al. (2020), mostraron que
la energía renovable reducen la huella ecológica y la huella de car-
bono, mientras se proporcione más tecnología e innovación en los
sectores energéticos. Mientras que, Anwar et al. (2021) utilizando
un método novedoso de regresión cuantílica, sus hallazgos coinci-
dieron que, ante un aumento del 1 % en el uso de energía renovable
se reduce las emisiones de CO2 en 0,17 % para la región ASEAN.
Posteriormente, Adams y Nsiah (2019); Wang y Dong (2019) me-
diante técnicas de cointegración de panel de segunda generación,
sus resultados corroboraron que la región africana tiene un enorme
potencial de desarrollo de energías renovables. Por otra parte, Sar-
kodie et al. (2020) en un estudio realizado para China encontraron
que, ante un aumento de la participación de las tecnologías de fuen-
tes renovables reducen las emisiones en un 0,38 % y la degradación
ambiental en un 0,21 %. Por último, Muchran et al. (2020) utilizando
un modelo ARDL descubrieron que la adopción de mecanismos eco-
lógicos en cada etapa de los procesos de producción es importante
para mejorar la calidad del medio ambiente en Indonesia.
En base a la IED, Emre Caglar (2020); Waqih et al. (2019) en-
contraron evidencia a favor de la hipótesis del refugio de la contami-
nación, advirtieron que los países con políticas ambientales débiles
son atractivos para países con políticas ambientales estrictas. Por su
parte, Sinha et al. (2017) tomando como referencia a un grupo de
países de las economías N-11 demostraron que la inversión en tec-
nologías limpias tiene un impacto positivo en la calidad ambiental.
Seguidamente, Mahjabeen et al. (2020) descubrieron que la inver-
sión en los procesos de producción tiene un impacto positivo en el
crecimiento económico y en la calidad ambiental. Finalmente, Saint
et al. (2019) sustentan que la IED genera un medio ambiente más
limpio mediante la transferencia de tecnología avanzada.
En contraste, con el crecimiento económico, Destek y Sinha
(2020); Ozcan et al. (2020); Rehman y Rashid (2017); Sharif et al.
(2019), examinaron la validez de la hipótesis de la curva ambiental
de Kuznets y encontraron evidencia a favor de la misma. Luego, Do-
gan y Inglesi (2017); Moutinho et al. (2017); Nwaka et al. (2020)
manifestaron que, el crecimiento económico implica un masivo con-
sumo de recursos naturales, generación de desechos y contamina-
ción. Por otro lado, Pandey y Rastogi (2019) explicaron que, hasta la
actualidad se han venido utilizado cantidades masivas de combus-
tibles fósiles como fuente de energía para impulsar la economía en
la India. Seguidamente, Alam et al. (2007) en un estudio realizado
para Pakistán indicaron que el proceso de desarrollo económico de-
pende en gran parte del nivel de uso de energía que provoca un
incremento de las emisiones de CO2.
Finalmente, en relación con la política de eficiencia energética,
Catalán (2014) en una investigación para un grupo de 144 países,
asevera que la eficiencia energética es una de las principales varia-
bles que inducen una reducción en el consumo de energía de origen
fósil. Así mismo, Balsalobre et al. (2016) manifestaron que, resulta
lógico considerar a las medidas de eficiencia energética en la OCDE,
ya que tienen un papel preponderante en la reducción de emisio-
nes GEI. Consecutivamente, Sánchez y Caballero (2019) expresan
que, las relaciones entre la energía y los factores productivos pue-
den transformar su rol en relación con el crecimiento económico.
Mientras que, Falconí y Burbano (2016) explicaron que, ante incre-
mentos en la eficiencia energética implicaría una mayor demanda
de energía. Afirmaciones que concuerdan con estudios de Jevons
(1865), donde manifestaba que el cambio hacia energías más efi-
cientes, conllevan a un mayor consumo energético.
3|DATOS Y FUENTES ESTADÍSTI-
CAS
La información estadística recopilada para el desarrollo de la
presente investigación se tomó de los Indicadores del Desarrollo
Mundial (WDI, 2020) y de Our World in Data (OWID, 2020) corres-
pondientes al período 1970 – 2019. Donde únicamente las varia-
bles relacionadas con el consumo de energía fueron tomadas de la
base de datos de OWID. La estimación del modelo se realizó me-
diante técnicas econométricas de series de tiempo, para ello, se
consideró como variable dependiente un índice de contaminación
obtenido a partir de tres medidas: el metano (kt de equivalente de
CO2), las emisiones de dióxido de nitroso (miles de toneladas mé-
tricas de equivalente de CO2) y el dióxido de carbono (toneladas
métricas per cápita).
104
Pinzón, S., Guerrero-Riofrío, P.
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
La ventaja de utilización de este índice es que captura de for-
ma más integral la contaminación ambiental, se construye con los
valores promedio de cada subíndice y los subíndices se construyen
mediante una fórmula que permite relativizar el valor obtenido de
cada una de las variables. Cabe mencionar que, es una adaptación
de un índice elaborado por Alvarado (2011).
En cuanto, a la variable independiente se utilizó el consumo
de energía no renovable que según la literatura empírica la mayor
parte del uso de energía, proviene de combustibles fósiles. Además,
se incluyó un conjunto de variables de control que permitieron dar
un mayor ajuste al modelo y obtener nuevas determinantes de la
contaminación ambiental. Entre ellas se encuentran: el consumo de
energía renovable, la Inversión Extranjera Directa, el PIB per cápita.
Finalmente, se agregó la política de eficiencia energética que es una
de las principales variables que inducen a una reducción del consu-
mo de energía de origen fósil. En la Tabla 1 se muestra la descripción
de las variables utilizadas en el modelo econométrico.
Tabla 1. Descripción de las variables
Tipo de variable Variable y notación Unidad de medida Fuente de datos Definición
Dependiente Contaminación
ambiental (IP) Índice
WDI CH4
Las emisiones de metano de
desechos sólidos, ganado,
minería de carbón duro y
lignito, arrozales, agricultura
y fugas de tuberías de gas natural.
WDI NO2
Las emisiones de óxido nitroso
son generadas por la quema de
biomasa en la agricultura, las
actividades industriales y la cría
de animales.
WDI CO2
Las emisiones de dióxido de
carbono proceden de la quema
de combustibles fósiles y de la
fabricación del cemento.
Independiente Consumo de energía no
renovable (logNER)
Proporción del consumo
de energía que proviene
de combustibles fósiles
OWID
El combustible fósil comprende los
productos de carbón, aceite, petróleo y
gas natural.
Variables de
control
Consumo de energía
renovable (logER)
Proporción del consumo
de energía que proviene
energías renovables
OWID
El consumo de energía renovable es la
participación de la energía renovable
en el consumo total de energía final.
Inversión Extranjera
Directa (IED)
Entrada neta de capital
% del PIB
WDI
La inversión extranjera directa
constituye la suma del capital accionario,
la reinversión de las ganancias y otras
formas de capital.
PIB per cápita (logYpc) US$ a precios constantes
de 2010
WDI
Es la suma del VAB de todos los
productores residentes en la economía
más todo impuesto a los productos.
Dummy Política (Pol)
1 para años en que se
aplicó la política y 0 para
los cuales no se
implementó.
WDI
Captura el cambio de los niveles de
contaminación en el ambiente, desde el
2008, año que entró en vigencia la
política de eficiencia energética.
Nota: Elaborado por los autores. Adaptado del Banco Mundial (2020) y de Our World in Data (OWID, 2020).
105
Índice de contaminación ambiental, consumo de energía no renovable ...
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
Continuando con el análisis, en la Tabla 2 se puede verificar
los estadísticos descriptivos de cada una de las variables, se detalla
un total de 50 observaciones. Asimismo, se observa la media que
manifiesta el valor promedio de los datos de cada variable. En cuan-
to, a las variables que miden la contaminación ambiental el metano
(CH4) presentan una media de 9,83 % mayor a todas las variables.
Otro estadístico que permite complementar este análisis es la des-
viación estándar, que mide el grado en que las puntuaciones de una
variable se aleja de su media y que tan dispersos se encuentran los
datos con respecto a la media, en este sentido, la IED es la variable
que presentan mayor dispersión de sus datos puesto que su valor
es de 1,14. Finalmente, los mínimos indican los valores más peque-
ños y los máximos indican los valores más grandes, que nos permite
verificar la amplitud entre el valor más grande (máximo) y el más
pequeño (mínimo), es decir, el rango entre el cual cada una de las
variables van a presentar sus datos cada año.
Tabla 2. Estadísticos descriptivos de las variables
Variables Observaciones Media Desviación estándar Mínimos Máximos
LogCH4 50 9,8315 0,6269 8,3486 10,6363
LogN2O 50 8,2141 0,3187 7,5401 8,6033
LogCO2 50 9,4974 0,4550 8,7058 9,9869
LogNER 50 4,3567 0,1529 3,8527 4,5058
LogER 50 2,9893 0,3295 2,4937 3,4694
IED 50 1,2922 1,1414 -0,2188 5,8855
LogYpc 50 8,2731 0,1825 7,8191 8,5963
Pol 50 0,2200 0,4184 0 1
4|ESTRATEGIA ECONOMÉTRICA
La presente investigación tiene como finalidad examinar la re-
lación entre la contaminación ambiental y consumo de energía no
renovable e implementación de políticas de eficiencia energética en
Ecuador, periodo 1970-2019, por esa razón para dar cumplimien-
to al objetivo planteado, la estrategia econométrica se dividió en
tres partes: primero, se estimó un modelo de mínimos cuadrados
ordinarios (MCO) con la finalidad de determinar el efecto y relación
entre el consumo de energía no renovable y la contaminación am-
biental, conjuntamente, con las variables de control. Segundo, se
empleó técnicas de cointegración de series de tiempo, mediante mo-
delos de Vectores Autorregresivos (VAR) y Vectores de Corrección
de Error (VEC) para comprobar si existe una relación a corto y/o lar-
go plazo. Tercero, para verificar si existe una relación causal entre las
variables, se utilizó la prueba de causalidad propuesta por Granger
(1969).
Para dar cumplimiento al primer punto, se estimó un modelo
MCO para series de tiempo, con el propósito de verificar el efecto
que tiene la variable consumo de energía no renovable sobre la con-
taminación ambiental; además, se incorporó una variable dummy
(política) para capturar el efecto que tiene en la reducción de los
niveles de contaminación ambiental. Se parte de la siguiente ecua-
ción:
I Pt=β0+β1l og N E Rt+β2P olt+εt(1)
Donde, I Ptes la variable dependiente, representa el índice de
contaminación ambiental en el periodo (t). β0es el intercepto en
el tiempo. β1l og N E R tes la variable independiente, que mide el
efecto del consumo de energía no renovable sobre la contamina-
ción ambiental. β2P oltes la variable dummy, representa el cambio
estructural del nivel de contaminación en el ambiente. Finalmente,
εtrepresenta el término de error. Seguidamente, se introduce a la
ecuación (1) variables de control para dar mayor ajuste y significan-
cia al modelo, las mismas que tienen una capacidad explicativa so-
bre la contaminación ambiental en Ecuador. Entre ellas, se agregan
el consumo de energía renovable (logER), la inversión extranjera di-
recta (IED) y el Producto Interno Bruto per cápita (logYpc). El modelo
a estimar se denota de la siguiente forma:
I Pt=β0+β1l og N E Rt+β2l o g E R t+β3l o g I E Dt+β4l ogY pct+β5P olt+εt(2)
Por otro lado, para verificar la existencia de una relación a lar-
go y corto plazo en el modelo de investigación, se realizó un modelo
de Vectores Autorregresivos (VAR) y un modelo de Vectores de Co-
rrección de Error (VEC). Pero, antes de ello se deben cumplir dos
características: las variables deben tener un mismo orden de inte-
gración (I) y al menos debe existir un vector de cointegración, cum-
pliendo estos requerimientos se puede estimar un modelo VAR. Se
empleó la prueba de Dickey y Fuller aumentada (1979) y la de Phi-
llips y Perron (1988), con la finalidad de comprobar que las varia-
bles no tengan un efecto tendencial, en caso de que se presentan
problemas de esta índole se aplicará primeras diferencias. Posterior-
mente, para determinar el número de rezagos óptimos, se utilizó los
criterios de información de: error de predicción final (FPE), Criterio
de Akaike (AIC), Hannan y Quinn (HQIC) y Bayesiano de Schwarz
(SBIC). Por otro lado, con el objetivo de confirmar la existencia de
vectores de cointegración se dispondrá de la prueba de cointegra-
ción de Johansen (1988), el cual nos indicará el número de vectores
de cointegración existentes en el modelo.
106
Pinzón, S., Guerrero-Riofrío, P.
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
Una vez, teniendo en cuenta todo lo establecido en el apartado
anterior, se empleó el modelo de Vectores Autorregresivos (VAR);
con el fin, de comprobar si existe una relación en el largo plazo entre
la contaminación ambiental (IP), consumo de energía no renovable
(logNER), consumo de energía renovable (logER), inversión extran-
jera directa (IED) y PIB per cápita (logYpc), el sistema de ecuaciones
se plantea de la siguiente manera:
∆I Pt=α0+α1
N
Õ
i=1
∆l og N E R t−1+α2
N
Õ
i=1
∆l o g E Rt−1+α3
N
Õ
i=1
∆I E Dt−1+α4
N
Õ
i=1
∆l ogY pct−1+α5
N
Õ
i=1
∆I Pt−1+ε1t(3)
∆l og N E R t=α6+α7
N
Õ
i=1
∆l o g E Rt−1+α8
N
Õ
i=1
∆I E Dt−1+α9
N
Õ
i=1
∆l ogY pct−1+α10
N
Õ
i=1
∆I Pt−1+α11
N
Õ
i=1
∆l og N E R t−1+ε2t(4)
∆l o g E Rt=α12 +α13
N
Õ
i=1
∆I E Dt−1+α14
N
Õ
i=1
∆l ogY pct−1+α15
N
Õ
i=1
∆I Pt−1+α16
N
Õ
i=1
∆l og N E R t−1+α17
N
Õ
i=1
∆l o g E Rt−1+ε3t(5)
∆I E Dt=α18 +α19
N
Õ
i=1
∆l ogY pct−1+α20
N
Õ
i=1
∆I Pt−1+α21
N
Õ
i=1
∆l og N E R t−1+α22
N
Õ
i=1
∆l o g E Rt−1+α23
N
Õ
i=1
∆I E Dt−1+ε4t(6)
∆l ogY pct=α24 +α25
N
Õ
i=1
∆I Pt−1+α26
N
Õ
i=1
∆l og N E R t−1+α27
N
Õ
i=1
∆l o g E Rt−1+α28
N
Õ
i=1
∆I E Dt−1+α29
N
Õ
i=1
∆l ogY pct−1+ε5t(7)
Donde, ∆es el operador de primeras diferencias, luego de ve-
rificar la existencia de cointegración a largo plazo entre las varia-
bles, se adquiere el término de error de equilibrio ▽, este vector
se emplea para estimar el modelo de Vectores de Corrección de
Error (VEC), para determinar la existencia de equilibrio de corto pla-
zo entre las variables de estudio. La significación estadística del pa-
rámetro asociado con el error de equilibrio incorporado en el εt−1
muestra el mecanismo de corrección que devuelve a las variables
de equilibrio en el corto plazo. El sistema de ecuaciones del modelo
VEC queda planteado de la siguiente manera:
∆I Pt=α0+α1
N
Õ
i=1
∆l og N E R t−1+α2
N
Õ
i=1
∆l o g E Rt−1+α3
N
Õ
i=1
∆I E Dt−1+α4
N
Õ
i=1
∆l ogY pct−1+α5
N
Õ
i=1
∆I Pt−1+α6εt−1+λ1t(8)
∆l og N E R t=α7+α8
N
Õ
i=1
∆l o g E Rt−1+α9
N
Õ
i=1
∆I E Dt−1+α10
N
Õ
i=1
∆l ogY pct−1+α11
N
Õ
i=1
∆I Pt−1+α12
N
Õ
i=1
∆l og N E R t−1+α13 εt−1+λ2t(9)
∆l o g E Rt=α14 +α15
N
Õ
i=1
∆I E Dt−1+α16
N
Õ
i=1
∆l ogY pct−1+α17
N
Õ
i=1
∆I Pt−1+α18
N
Õ
i=1
∆l og N E R t−1+α19
N
Õ
i=1
∆l o g E Rt−1+α20 εt−1+λ3t(10)
∆I E Dt=α21 +α22
N
Õ
i=1
∆l ogY pct−1+α23
N
Õ
i=1
∆I Pt−1+α24
N
Õ
i=1
∆l og N E R t−1+α25
N
Õ
i=1
∆l o g E Rt−1+α26
N
Õ
i=1
∆I E Dt−1+α27 εt−1+λ4t(11)
107
Índice de contaminación ambiental, consumo de energía no renovable ...
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
∆l ogY pct=α28 +α29
N
Õ
i=1
∆I Pt−1+α30
N
Õ
i=1
∆l og N E R t−1+α31
N
Õ
i=1
∆l o g E Rt−1+α32
N
Õ
i=1
∆I E Dt−1+α33
N
Õ
i=1
∆l ogY pct−1+α34 εt−1+λ5t(12)
Para dar respuesta al tercer punto, se usará la prueba de causa-
lidad de Granger (1969), para comprobar si los efectos de una varia-
ble sirven para predecir a otra, es decir, si las variables incluidas en
el modelo tienen alguna relación causal y directa en la contamina-
ción ambiental. Por lo que, Uquillas y Gonzalez (2017), manifestaron
que la relación causal desde las variables explicativas a la variable
dependiente, es una característica de un modelo econométrico. Por
su parte, Gujarati y Porter (2010) ratificaron que, la prueba de cau-
salidad implica la estimación de dos regresiones:
Xt=
n
Õ
i=1
αiYt−i+
n
Õ
i=1
βiXt−i+µ1t(13)
Yt=
n
Õ
i=1
λiYt−i+
n
Õ
i=1
δiXt−i+µ2t(14)
Donde, XtyYtson dos variables estacionarias con t = 1, . . .,
T y las perturbaciones µ1tyµ2tno están correlacionadas, es decir,
corr(µ1t,µ2t)=0. Además, las variables X y Y deben ser estacionarias,
la dirección de la causalidad depende de manera crítica del número
de retardos incluidos en la regresión.
5|RESULTADOS
El modelo de regresión asume diversos supuestos estadísticos
que determinan la validez de los resultados econométricos, así co-
mo la inferencia estadística. Para ello, se aplicó la prueba de factor
de inflación de la varianza (FIV) con la finalidad de detectar proble-
mas de multicolinealidad. En la Tabla 3 se puede observar, que los
resultados arrojan una media de 6,85; lo cual nos confirma que se
acepta la hipótesis nula de no multicolinealidad, debido a que el va-
lor es inferior a 10.
Tabla 3. Prueba de factor de inflación de la varianza (FIV)
Variables FIV 1/FIV
LogYpc 16,53 0,0605
LogNER 6,97 0,1435
LogER 5,52 0,1812
Pol 3,62 0,2765
IED 1,62 0,6189
Mean FIV 6,85
Seguidamente, para tener datos confiables y obtener resulta-
dos representativos se procedió a realizar un modelo de mínimos
cuadrados generalizados (MCG) que es una extensión más eficien-
te de MCO. Que es aplicado cuando las varianzas de las observa-
ciones son desiguales, puesto que, en nuestro modelo se encontró
problemas de autocorrelación. En la Tabla 4, se observa que solo las
variables consumo de energía no renovable (logNER) y la inversión
extranjera directa (IED) son estadísticamente significativas. A partir
de ello, se puede analizar lo siguiente, el logNER a medida que au-
menta en un 1 %, la contaminación ambiental (IP) crece en 0,126 %.
Debido a que, los combustibles fósiles son destinados a proveer la
fuerza motriz de los procesos productivos industriales que mueven
en gran parte el desarrollo de la economía ecuatoriana. En cuanto,
a la IED, a medida que aumenta en 1 %, la IP aumenta en 0,0080 %.
Estos resultados comprueban la existencia de la Hipótesis de Re-
fugio de la Contaminación, ya que, en Ecuador no existen políticas
ambientales estrictas y eso atractivo para inversores extranjeros.
Tabla 4. Resultados de la estimación del modelo mediante MCG
Modelo
LogNER 0,1257**
-2,8
Pol -0,00104
(-0,09)
LogER -0,0337
(-1,59)
IED 0,0080*
-2,5
LogYpc 0,05
-1,02
Constante 0,3178
-0,92
Observaciones 50
Adjusted R2 0,428
Nota: Los valores entre paréntesis hacen referencia al estadístico t y los asteriscos in-
dican el nivel de significancia de los coeficientes: * p <0,05; ** p <0,01; *** p <0,001.
Por otro lado, aunque la política de eficiencia energética en el
sector residencial no tuvo el efecto esperado, se encontró una rela-
ción inversa. Cabe mencionar que, esta política fue ejecutada a par-
tir del año 2008, donde se entregaron 3.639.744 focos ahorradores
a nivel nacional, con el propósito de reducir 450.000 ton CO2/año.
Consecutivamente, la eficiencia energética induce a la reducción del
consumo de energía de origen fósil y tiene un papel preponderante
108
Pinzón, S., Guerrero-Riofrío, P.
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
en la reducción de emisiones GEI. En cuanto, al consumo de ener-
gía renovable (logER) tiene una relación inversa con la IP, aunque
no es estadísticamente significativa. Finalmente, al agregar el PIB
per cápita (logYpc) existe una relación positiva, es decir que a medi-
da que el logYpc aumenta en 1 %, la contaminación aumenta en un
0,050 %. Al agregar variables de control, se comprobó un R2ajusta-
do de 0,428 que explican conjuntamente alrededor del 43 % de las
variaciones de la contaminación ambiental.
A continuación, en la Figura 1 se muestra el comportamiento
de las variables en el periodo 1970-2019, se presenció de forma
gráfica una conducta tendencial para la contaminación ambiental,
consumo de energía no renovable, consumo de energía renovable
y PIB per cápita. Posteriormente, se empleó pruebas formales de-
sarrolladas por, Dickey y Fuller aumentada (1979), las mismas que
fueron contrastadas por las pruebas de Phillips y Perron (1988), con
la finalidad de verificar la estacionariedad de las series de tiempo y
establecer el orden de integración de las variables.
Figura 1. Comportamiento tendencial de las variables, periodo 1970 – 2019
Extendiendo el análisis cabe indicar que, la contaminación am-
biental, el consumo de energía renovable y el PIB per cápita mues-
tran problemas de raíces unitarias, para su corrección fue necesario
generar primeras diferencias. Seguidamente, en la Figura 2 se puede
observar el comportamiento de las variables con primeras diferen-
cias, de esta forma se verificó gráficamente que la contaminación
ambiental, el consumo de energía no renovable, el consumo de ener-
gía renovable y el PIB per cápita pierden su efecto tendencial.
Figura 2. Comportamiento de las variables con primeras diferencias, periodo 1970 – 2019
109
Índice de contaminación ambiental, consumo de energía no renovable ...
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
Por otra parte, para comprobar que las variables no son esta-
cionarias, se realizó pruebas formales, de esta manera se pudo iden-
tificar en la Tabla 5, que la contaminación ambiental, el consumo de
energía no renovable, el consumo de energía renovable y el PIB per
cápita pierden su efecto tendencial dado que el valor calculado es
mayor al valor crítico del 5 %, a pesar de que en ciertos niveles de
significancia sea la excepción. De esta manera, se llega a la conclu-
sión de que las variables tienen un orden de integración de I(1).
Tabla 5. Pruebas de raíz unitaria con primeras diferencias
Prueba de Dickey y Fuller aumentada Prueba de Phillips y Perron
Variables Valor calculado 1 % 5 % 10 % Valor calculado 1 % 5 % 10 % I(q)
IP -7,475 -3,6 -2,94 -2,6 -7,553 -3,6 -2,94 -2,6 1
logNER -4,515 -3,6 -2,94 -2,6 -4,557 -3,6 -2,94 -2,6 1
logER -7,442 -3,6 -2,94 -2,6 -7,905 -3,6 -2,94 -2,6 1
IED -9,922 -3,6 -2,94 -2,6 -10,069 -3,6 -2,94 -2,6 1
logYpc -4,408 -3,6 -2,94 -2,6 -4,414 -3,6 -2,94 -2,6 1
Notas: El nivel de significancia del 1 % (*), 5 % (**) y 10 % (***), se encuentra representado por los asteriscos
Antes, de la estimación del modelo VAR, fue preciso realizar
dos pasos: primero, establecer la longitud óptima de rezagos entre
las variables del modelo econométrico, para el cual se basó en los
criterios de información de Akaike (AIC) y Hannan y Quinn (HQIC),
según los resultados, se sugiere emplear seis rezagos óptimos. Se-
gundo, utilizar ese rezago con la finalidad de ejecutar la prueba de
cointegración de Johansen. En la Tabla 6, se comprueba que el es-
tadístico de la traza (trace statistic) señala que existen dos vectores
de cointegración para la relación entre la contaminación ambiental,
consumo de energía no renovable, consumo de energía renovable,
IED y PIB per cápita. Con un nivel de significancia al 5 % y un valor
de 21,267 inferior a 29,68.
Tabla 6. Prueba de cointegración de Johansen
Máximo Rank Parms LL Valor propio Prueba de la traza 5 % Valor critico
0 130 455,282 . 107,379 68,52
1 139 481,67 0,706 54,602 47,21
2 146 498,338 0,539 21,267* 29,68
3 151 503,14 0,200 11,663 15,41
4 154 506,469 0,143 5,005 3,76
5 155 508,971 0,109
Posteriormente, se efectuó el modelo VAR. En la Tabla 7, se ob-
serva que los valores de P>chi2 son menores a 0,05; lo que refleja
que existe una fuerte relación a largo plazo entre la contaminación
ambiental, consumo de energía no renovable, consumo de energía
renovable, IED y PIB per cápita, ya que sus valores son estadística-
mente significativos. El modelo presenta un total de 31 parámetros,
el error cuadrático medio (RMSE) mide la cantidad de error que hay
entre dos conjuntos de datos; en otras palabras, compara un valor
predicho y un valor observado o conocido de las variables y el R-
sq mide la proporción de variación de la variable dependiente con
respecto a la variable independiente, en este caso la contaminación
ambiental esta explicada en 71 % por el consumo de energía no re-
novable.
Por otra parte, al modelo VEC se lo planteó con la finalidad
de identificar una relación de equilibrio a corto plazo entre las varia-
bles de contaminación ambiental, consumo de energía no renovable,
consumo de energía renovable, IED y PIB per cápita, descrito en las
ecuaciones (8), (9), (10), (11) y (12).
Tabla 7. Modelo VAR a largo plazo
Ecuación Parms RMSE R-sq chi2 P>chi2
IP 31 0,013 0,534 49,461 0,014
LogNER 31 0,022 0,713 107,305 0
LogER 31 0,052 0,869 285,499 0
IED 31 0,652 0,820 196,276 0
LogYpc 31 0,020 0,813 187,433 0
Se puede apreciar que, el estadístico “cel” reúne la información
de los errores rezagados de cada una de las variables del modelo.
En la Tabla 8, se comprueba que el modelo conjuntamente si tiene
relación a corto plazo, en donde este error rezago (cel1) es estadís-
ticamente significativo.
110
Pinzón, S., Guerrero-Riofrío, P.
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 8. Resultado del modelo corrección de error VEC
Ecuación Parms RMSE R-sq chi2 P>chi2
IP 2 0,015 0,077 3,769 0,151
LogNER 2 0,035 0,0003 0,015 0,992
LogER 2 0,111 0,008 0,348 0,840
IED 2 1,282 0,121 6,233 0,044
LogYpc 2 0,033 0,044 2,070 0,355
Cel1 2 0 1 1,16E+17 0
A continuación, en la Tabla 9, se justifica lo anteriormente ex-
puesto, donde el rezago cel1 continúa siendo estadísticamente sig-
nificativo, lo que denota que las variables del modelo si presentan
un equilibrio en el corto plazo. En el caso, del consumo de energía
no renovable a medida que aumenta en 1 %, la contaminación am-
biental se incrementa en 5,747 %. Por otro lado, a medida que el
consumo de energía renovable aumenta en 1 %, la contaminación
ambiental se incrementa en 5,268 %. Con respecto a la IED, cuan-
do se incrementa en 1 %, la contaminación ambiental disminuye en
-0,827 %. Finalmente, en relación con el PIB per cápita, a medida que
crece en 1 %, la contaminación ambiental disminuye en -8,373 %.
Tabla 9. Modelo VEC a corto plazo
Ecuación Coef. Std. Err. Z P>|z| [95 % Conf, Interval]
IP 1
logNER 5,747 4,84E-08 1,20E+08 0 5,747 5,747
logER 5,267 1,84E-08 2,90E+08 0 5,267 5,267
IED -0,827 1,49E-09 -5,50E+08 0 -0,827 -0,827
logYpc -8,373 4,66e 8 -1,8e 8 0
Cel1 -1 1,50e 9 -6,7e 8 0
Cons 0,205
Consecutivamente, una vez determinada la relación de equili-
brio entre las variables del modelo a corto y largo plazo, en la Tabla
10 se verificó los resultados de la prueba de causalidad de Granger
(1969), los cuales afirman que existe una relación causal bidireccio-
nal. A excepción, de la contaminación ambiental que va hacia el con-
sumo de energía no renovable. En Ecuador la causalidad se origina
desde el consumo de energía no renovable, consumo de energía re-
novable, IED y PIB per cápita hacia la contaminación ambiental, ya
que los valores de la probabilidad de chi2 son inferiores a 0,05. Re-
sultado que va acorde con la evidencia empírica ya que el petróleo
es la principal fuente de energía primaria y tiene un impacto directo
en el aumento de los niveles de contaminación.
Tal como lo mencionan varios investigadores, las emisiones en-
cuentran su origen en múltiples factores, tales como la estructura
económica, la población o la intensidad energética. También, se ha
analizado en Ecuador como la transformación del patrón de consu-
mo energético hacia energías renovables ha influido sobre la dismi-
nución de los niveles de emisión de CO2. Se tiene en cuenta que
emisiones de GEI se encuentran íntimamente relacionadas con la
intensidad energética que tiene lugar como consecuencia del de-
sempeño de los diferentes componentes de la actividad económica.
La energía se encuentra presente en cada uno de los procesos pro-
ductivos, funcionamiento de máquinas, tecnologías, transporte, etc.
Por ello, la energía renovable se convierte en uno de los sectores
determinantes y, a la vez, dinamizadores en el mundo actual, capaz
de llegar a provocar grandes cambios en el ámbito ambiental y cual-
quier sistema económico.
A continuación, en la Figura 3 se pueden observar las funcio-
nes de impulso-respuesta. Como lo menciona Novales (2017) mi-
den la reacción de cada una de las variables a un shock en una de
las innovaciones estructurales. Además, si se trata de un modelo di-
námico, puede haber reacciones contemporáneas, pero también en
todos los períodos siguientes. También, cada una de las funciones
depende del tiempo transcurrido desde que se produce el shock.
Tabla 10. Resultados de la prueba de causalidad de Granger (1969)
Relación causal Chi2 Prob>ch2 Conclusión
IP→logNER 10,058 0,122 No existe relación
logNER→IP 35,777 0 Existe relación
IP→logER 19,287 0,004 Existe relación
logER→IP 114,010 0 Existe relación
IP→IED 29,136 0 Existe relación
IED→IP 40,682 0 Existe relación
IP→logYpc 15,326 0,018 Existe relación
logYpc→IP 52,715 0 Existe relación
Cada gráfica describe el impacto que tendría un impulso en
una determinada innovación, sobre cada variable. Asimismo, el mo-
delo teórico de base es utilizado para interpretar la naturaleza de
los shocks y para determinar el signo de los mismos, ya que estos
están indeterminados a priori (Perera, 2007). En la primera figura,
se puede observar la Respuesta de la contaminación ambiental a un
shock negativo del consumo de energía no renovable.
111
Índice de contaminación ambiental, consumo de energía no renovable ...
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
En la segunda figura se verifica la Respuesta de la contamina-
ción ambiental a un shock positivo del consumo de energía renova-
ble. En la tercera figura se puede denotar la Respuesta de la conta-
minación ambiental a un shock positivo de la inversión extranjera
directa. Finalmente, en la cuarta figura se indica la Respuesta de
la contaminación ambiental a un shock positivo del PIB per cápi-
ta. Se representa en varios gráficos, en donde cada uno incluye las
respuestas a través del tiempo, de una determinada variable a un
impulso, en cada una de las innovaciones.
Figura 3. Funciones de impulso-respuesta
Por último, en la Figura 4, podemos observar que hay una esta-
bilidad en nuestra muestra, al igual que, en los residuos a un grado
de significancia del 5 %. Bajo el supuesto de estabilidad de los esti-
madores, la especificación del modelo econométrico asume que los
estimadores permanecen estables a lo largo de la muestra. Por otro
lado, cuando el valor de los estimadores cambia se dice que el mode-
lo presenta problemas de cambio estructural. En el primer gráfico de
la suma acumulada de los residuales recursivos (CUSUM) respecto
al tiempo permite verificar desviaciones sistemáticas de éstos des-
de su línea de cero que es el valor esperado. Se puede concluir que,
no hay cambio estructural, la suma acumulada está dentro de los
límites. En cuanto, al segundo gráfico la prueba de Cusum cuadrado
(CUSUMSQ) que es una medida alternativa y que consiste en em-
plear los cuadrados de los residuos recursivos, permite comprobar
desviaciones no aleatorias desde su línea de valor medio (Catalan,
2016).
Figura 4. Prueba de estabilidad denominadas CUSUM y CUSUM CUADRADO
112
Pinzón, S., Guerrero-Riofrío, P.
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
6|DISCUSIÓN DE RESULTADOS
El Ecuador se caracteriza por estar entre los diecisiete países
megadiversos del mundo, posee una gran riqueza y variedad de re-
cursos naturales que generan gran parte de la economía del país (Se-
cretaria Nacional de Planificacion y Desarrollo [SENPLADES], 2013).
La economía ecuatoriana es altamente vulnerable a los cambios en
temperatura y precipitación debido al perfil productivo del país que
depende en un alto porcentaje del sector agro-exportador primario
y las industrias manufactureras (Banco Interamericano de Desarro-
llo [BID], 2013). Desde la década de los 60, el Ecuador entra en una
etapa de desarrollo industrial (Landázuri y Jijón, 1988). Pero, a par-
tir de 1972 empieza una sobreexplotación masiva de los recursos
naturales y del petróleo. Lo cual dio, un nuevo comienzo del cre-
cimiento económico acelerado, provocando una mayor contamina-
ción ambiental (Mullo, 2018).
Desde ese entonces, el país sigue manteniendo un patrón ex-
portador de materias primas Banco Central del Ecuador (BCE, 2020).
Por otro lado, Bonilla y Luna (2011) encontraron que el consumo de
energías provenientes de fuentes térmicas e intensificación del sec-
tor automotriz generaron una dependencia excesiva de los combus-
tibles fósiles. Posteriormente, el Ecuador figura internacionalmente
como uno de los países con mayores subsidios a los combustibles
(Puig et al., 2018). Por último, Ramírez y Antero (2014), manifesta-
ron que estamos presenciando una de las peores crisis ambientales
de la historia, a raíz del marcado comportamiento comercial y con-
sumista de la población.
En base, a los resultados que se obtuvieron al estimar el mode-
lo MCG se pudo contrastar con varias investigaciones. En cuanto a la
relación entre las variables principales del modelo, se encontró que
mantienen una correlación positiva, es decir, el consumo de energía
no renovable influye positivamente en la contaminación ambiental
en Ecuador. Resultados que coinciden con estudios realizados por
Mahalik et al. (2021) donde mencionaron que la dependencia masi-
va del uso de combustibles fósiles, impulsan al crecimiento intensi-
vo de carbono. De la misma forma, lo explican Belaïd y Zrelli (2019)
que en el nivel naciente de crecimiento económico, la demanda de
energía se logra en general mediante el consumo de combustibles
fósiles; hasta cierto punto, este patrón tiene consecuencias perjudi-
ciales sobre la calidad ambiental.
También, Nathaniel y Khan (2020) en sus hallazgos revelaron
que esta energía contribuye significativamente a la degradación am-
biental. De igual manera, Awodumi y Adewuyi (2020) encontraron
que el consumo de petróleo y gas natural son los principales impul-
sores del crecimiento entre las economías en desarrollo. Por otro
lado, Shirwani et al. (2020) recalcaron que el principal consumidor
de las fuentes de energía no renovables en Pakistán es el sector del
transporte. Seguidamente, Deng et al. (2020) afirmaron que el con-
sumo de electricidad, gas y carbón tiene efectos negativos en las
emisiones de CO2. Finalmente, Pandey y Rastogi (2019) evidencia-
ron que la principal contribución al incremento de las emisiones, es
el aumento del 5,7 % anual de energía primaria convencional.
En lo referente a las variables de control, se constató que el
consumo de energía renovable tiene una relación inversa con la con-
taminación ambiental. Resultado que va en línea, con la investiga-
ción de Sarkodie et al. (2020) ya que, ante un aumento de la partici-
pación de las tecnologías de energía de fuentes renovables reduce
las emisiones en un 0,38 % y la degradación ambiental en un 0,21 %.
Seguidamente, Balsalobre et al. (2016) explicaron, que el rol que la
energía renovable juega un papel importante porque constituye un
input esencial en la evolución de los diferentes sistemas económi-
cos. En cuanto a la relación con la IED los resultados concuerdan con
Emre Caglar (2020) que encontraron que la IED contribuye a la con-
taminación ambiental. Así mismo, coinciden Waqih et al. (2019) en
donde sus resultados ratificaron la existencia de la Hipótesis de Re-
fugio de la Contaminación en la región de la SAARC. Posteriormen-
te, Žebryte y Villegas (2016) en un estudio para Chile mencionaron
que, el país tiene una débil protección ambiental. En base, al PIB per
cápita existe una relación positiva, este resultado acuerda con Na-
dimi y Tokimatsu (2017) quienes mencionaron que un aumento del
1 % en el crecimiento del PIB conduce a un aumento del 0,84 % en
las emisiones de dióxido de carbono.
Pasando al siguiente punto, de acuerdo a la relación de la di-
námica de largo y corto plazo, los resultados arrojaron que existe
un equilibrio tanto en el largo y corto plazo entre las variables de
estudio. De igual forma, Destek y Sinha (2020) utilizando métodos
de datos de panel de segunda generación descubrieron que la hue-
lla ecológica aumenta con el consumo de energía no renovable. Así
mismo, Waqih et al. (2019) determinaron que el crecimiento eco-
nómico y el consumo de energía, tienen una relación tanto a largo
como a corto plazo en la región SAARC. De forma similar, Alam et al.
(2007) encontraron que, a largo plazo la variación de las emisiones
de CO2 esta explicada por cambios en la intensidad energética y el
crecimiento económico.
Lo mismo sucede en un estudio realizado en la región del Me-
dio Oriente y África del Norte (MENA) por Al-Mulali y Ozturk (2015)
quienes, por medio del modelo VECM probaron el intercambio de
relaciones causales a largo plazo entre la huella ecológica, el consu-
mo de energía, la densidad poblacional, la industrialización, la esta-
bilidad política y la transparencia del gobierno. Por otra parte, Ren-
tería et al. (2016) utilizando el modelo VAR, concluyeron que existe
una relación sólida de largo plazo entre las emisiones de dióxido de
carbono, consumo de energía y el crecimiento económico en Ecua-
dor. Asimismo, Pinzón y González (2018), mediante un modelo VEC
pudieron inferir que ante, un aumento del consumo de combustible
fósiles conllevan a un incremento del deterioro de la calidad am-
biental en el corto plazo en Colombia. Posteriormente, Falconí et al.
(2016) verificaron que, en el corto plazo el desarrollo económico em-
peora el medio ambiente, pero en el largo plazo, provoca menores
niveles de contaminación.
Para concluir, tocante a la relación de causalidad se encontró
que el consumo de energía no renovable si causa la contaminación
ambiental en Ecuador, resultados que contrastan con Nathaniel y
Iheonuz (2019) quienes hallaron una causalidad unidireccional des-
de el consumo de energía renovable y no renovable hacia las emi-
siones de CO2 para la mayoría de los países africanos. Así mismo,
Bélaïd y Youssef (2017) en sus resultados pudieron descubrir que
existe una relación causal unidireccional, que va a partir, del consu-
mo de electricidad renovable y no renovable de Granger hacia las
emisiones de CO2 a largo plazo en Argelia. Del mismo modo, Wang
y Dong (2019) indicaron que existen una causalidad unidireccional
que va desde el uso de energía no renovable hacia la huella ecológi-
ca en África subsahariana, especialmente en Botswana y Sudáfrica.
Por otra parte, Saboori y Sulaiman (2013), ratificaron que, exis-
ten relaciones causales bidireccionales entre el PIB, emisiones de
CO2, consumo de carbón, consumo de gas, consumo de electrici-
dad y consumo de petróleo en Malasia. Seguidamente, Khan et al.
(2021), en sus resultados confirmaron una causalidad bidireccional
entre los recursos naturales y las emisiones de CO2, ya que la natu-
raleza y sus recursos están estrechamente asociados. Continuando
con el análisis, Mahjabeen et al. (2020) encontraron que existe un
nexo causal entre el consumo de energía-estabilidad institucional-
calidad ambiental para un grupo de países D-8. Por otro lado, Ason-
gu et al. (2020) respaldaron una relación causal bidireccional, dado
que el vínculo positivo entre la energía y la expansión económica se
traduce en un mayor consumo de energía. Consecutivamente, Oz-
can et al. (2020) manifestaron que, existe un vínculo de causalidad
bidireccional entre el consumo de energía y los indicadores de cali-
dad ambiental en la OCDE.
113
Índice de contaminación ambiental, consumo de energía no renovable ...
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
7|CONCLUSIONES
A partir de la década de los 70, en el Ecuador, surge un nuevo
modelo de estructura económica. Se empieza una sobreexplotación
masiva de los recursos naturales, que dio paso a un crecimiento eco-
nómico acelerado, que provocó un mayor deterioro ambiental. Es
por ello que surgió la necesidad de desarrollar un modelo que expli-
que la relación entre la contaminación ambiental y el consumo de
energía proveniente de combustibles fósiles. Para ello, se desarro-
lló un índice de contaminación que capturó de forma más integral
la contaminación ambiental, con el propósito de generar un nuevo
aporte a la investigación científica.
Primero, mediante un modelo de MCG se concluyó que la va-
riable regresora si es un factor relevante que influye en el aumento
de los niveles de contaminación en el medio ambiente. Seguidamen-
te, mediante la utilización de técnicas de cointegración de series de
tiempo, entre ellas, modelos de Vectores Autorregresivos (VAR), de
Corrección de Error (VEC), se comprobó la existencia de equilibrio
de corto y largo plazo entre el consumo de energía no renovable, el
consumo de energía renovable, IED, PIB per cápita y la contamina-
ción ambiental. Los resultados son significativos y validan la existen-
cia de la hipótesis planteada, de que los niveles de contaminación
ambiental se incrementan como resultado de un mayor consumo de
energía no renovable en el país. Finalmente, mediante la prueba de
causalidad de Granger (1969), se ratifica que la causalidad se origina
desde el consumo de energía no renovable hacia la contaminación
ambiental; dando paso, a la existencia de una causalidad unidirec-
cional, ya que el consumo de carbón, petróleo y gas, representa la
mayor parte de las emisiones de dióxido de carbono (CO2). Esto se
debe, a que gran parte la economía con la finalidad de lograr indus-
trializarse, ha optado por la dependencia masiva de combustibles
fósiles y electricidad que son destinados a proveer la fuerza motriz
y calor de los procesos productivos que mueven en gran parte el
desarrollo de la economía ecuatoriana.
8|IMPLICACIONES DE POLÍTICA
Las consecuencias irreversibles de la degradación ambiental in-
centivan a la búsqueda de factores que permitan la reducción de los
niveles de emisión de gases de efecto invernadero (GEI); por eso,
es urgente la necesidad de diseñar y aplicar políticas que promue-
van un desarrollo económico sustentable. Entre las principales, una
mayor regulación de las empresas industriales, que cuenten con las
certificaciones ambientales: la certificación punto verde y la certifi-
cación carbono neutro para que se promuevan una producción más
amigable con el medio ambiente. Además, cuenta con una gran can-
tidad de recursos hídricos que son fuente de vida y contribuyen a la
producción agrícola y de energía eléctrica, por eso, se recomienda
usar eficientemente este recurso, esto se podría lograr a través de
la creación de Fondos de Agua, que son un modelo innovador de
conservación a largo plazo que opera a través de inversiones que se
concentran en un solo fondo y los recursos generados se asignan a
preservar las cuencas.
Por otro lado, se puede incrementar la producción y el consu-
mo de energía sostenible mediante la aplicación de mecanismos de
presión fiscal como son: el Impuesto Ambiental a la contaminación
ambiental y el impuesto redimible a las botellas plásticas no retor-
nables, aunque es una política muy práctica, se sugiere a los encar-
gados de turno, que lo hagan de manera cuidadosa, una aplicación
estricta de impuestos y normas reguladoras ambientales exigentes,
puede retrasar el crecimiento económico. Asimismo, se recomienda
mejorar la estructura de la industria y la inversión en tecnologías
de energía renovable que requiere de una inversión inicial alta ya
que, si no cuenta con los recursos necesarios, no se podrá financiar
ni adquirir nuevas tecnologías. También, es muy importante forta-
lecer alianzas público-privada para realizar un esfuerzo conjunto y
regular la degradación ambiental, las lecciones aprendidas de otros
países ayudará aún más a lograr el equilibrio necesario entre el creci-
miento económico y un medio ambiente sostenible. Finalmente, se
deben establecer más proyectos de ahorro de energía (proyecto de
eficiencia energética en el sector residencial, implementación de fo-
cos ahorradores y sector público, alumbrado público eficiente) con
el fin de reducir la cantidad de demanda de energía, ya que las es-
tructuras energéticas disponibles ejercen una presión significativa
sobre el medio ambiente.
Referencias bibliográficas
[1] Adams, S., & Nsiah, C. (2019). Reducing carbon
dioxide emissions; Does renewable energy matter?
Sci enceof theT ot al E nv i r onment , 693, 133288.
[2] Águila, E., Sohr, R., Parker, C., & Zanelli, J. (2011). Energía y
medio ambiente. Una ecuación difícil para América Latina: los
desafíos del crecimiento y desarrollo en el contexto del cambio
climático. I nC onsej oLat i no amer i canodeC i enci as Soci al es,
CLACSO.
[3] Al-Mulali, U., & Ozturk, I. (2015). The effect of energy con-
sumption, urbanization, trade openness, industrial output, and
the political stability on the environmental degradation in the
MENA (Middle East and North African) region. E ne r g y , 84,
382–389.
[4] Alam, S., Fatima, A., & Butt, M. S. (2007). Sustaina-
ble development in Pakistan in the context of energy
consumption demand and environmental degradation.
J ou r n al of Asi an E conomi cs , 18(5), 825–837.
[5] Alola, A., Bekun, F., & Sarkodie, S. (2019). Dynamic impact of
trade policy, economic growth, fertility rate, renewable and
non-renewable energy consumption on ecological footprint in
Europe. Sci enceof theT ot al E nv i r onment , 685, 702–709.
[6] Alvarado, R. (2011). Measuring the competitiveness of the pro-
vinces of Ecuador. M uni chP e r sonal R eP E cAr chi ve, 34244.
[7] Anwar, A., Siddique, M., Eyup Dogan, & Sharif, A. (2021).
The moderating role of renewable and non-renewable
energy in environment-income nexus for ASEAN countries:
Evidence from Method of Moments Quantile Regression.
R enew a bl eE n er g y , 164, 956–967.
[8] Asongu, S. A., Agboola, M. O., Alola, A. A., & Bekun, F. V.
(2020). The criticality of growth, urbanization, electricity and
fossil fuel consumption to environment sustainability in Africa.
Sci enceof theT ot al E nv i r onment , 712, 136376.
114
Pinzón, S., Guerrero-Riofrío, P.
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
[9] Awodumi, O. B., & Adewuyi, A. O. (2020). The role of non-
renewable energy consumption in economic growth and car-
bon emission: Evidence from oil producing economies in Africa.
E ner g y S t r at e g y R evi ew s, 27, 100434.
[10] Balsalobre, D., Álvarez, A., Olaya, A., & Cantos, J. (2016). La cur-
va medioambiental de kuznets y la innovación energética en
países de la OCDE. U ni ver si daddeC ast i l l aLaM ancha, 1–23.
[11] BCE. (2020). Cuentas Nacionales Trimestrales Del Ecuador Re-
sultados De Las Variables Macroeconómicas, 2019.Iv. Banco
Central Del Ecuador, 27.
[12] Bélaïd, F., & Youssef, M. (2017). Environmental degrada-
tion, renewable and non-renewable electricity consumption,
and economic growth: Assessing the evidence from Algeria.
E ner g y P o l i c y , 102(December 2016), 277–287.
[13] Belaïd, F., & Zrelli, M. H. (2019). Renewable and non-renewable
electricity consumption, environmental degradation and eco-
nomic development: Evidence from Mediterranean countries.
E ner g y P o l i c y , 133(August), 110929.
[14] BID. (2013). ECUADOR: Mitigación y Adaptación al Cambio
Climático. Marco de La Preparacion de La Estrategia 2012-
2017 Del BID En Ecuador, 1–29.
[15] Bonilla, A., & Luna, M. (2011). Estado del País. In Informe Cero.
Ecuador 1950-2010.
[16] Catalan, H. (2016). Selección del modelo econométrico. Curso
Internacional: Construccion de Escenarios Economicos y Eco-
nometria Avanzada.
[17] Catalán, H. (2014). Curva ambiental de Kuznets: implicaciones
para un crecimiento sustentable. E conomi aI nf or ma, 19–37.
[18] Celemín, J. (2007). El estudio de la calidad de vida ambiental:
definiciones conceptuales, elaboración de índices y su aplica-
ción en la ciudad de Mar del Plata, Argentina. H o l o g r a mát i c a,
7(1), 71–98.
[19] Deng, Q., Alvarado, R., Toledo, E., & Caraguay, L. (2020).
Greenhouse gas emissions, non-renewable energy consum-
ption, and output in South America: the role of the productive
structure. E nv i r onme nt al S ci enceandP ol l uti on Rese ar ch,
27(13), 14477–14491.
[20] Destek, M. A., & Sinha, A. (2020). Renewable, non-renewable
energy consumption, economic growth, trade openness
and ecological footprint: Evidence from organisation
for economic Co-operation and development countries.
J our n al of C l eaner P r oduct i on, 242, 118537.
[21] Dogan, E., & Inglesi-Lotz, R. (2017). Analyzing the effects of
real income and biomass energy consumption on carbon dio-
xide (CO2) emissions: Empirical evidence from the panel of
biomass-consuming countries. E ner g y , 138, 721–727.
[22] Emre Caglar, A. (2020). The importance of renewable energy
consumption and FDI inflows in reducing environmental de-
gradation: Bootstrap ARDL bound test in selected 9 countries.
J our n al of C l eaner P r oduct i on, 264, 121663.
[23] European Environmental Agency [EEA]. (2020). Greenhouse
gas emissions from waste.
[24] Falconí, F., Burbano, R., & Cango, P. (2016). La discutible curva
de Kuznets. FLACSO, 1–19.
[25] Grossman, G., & Krueger, A. (1991). Environmental
Impacts of a North American Free Trade Agreement.
N at i onal Bur e auof E conomi cR ese ar ch, 3914.
[26] Gujarati, D., & Porter, D. (2010). Econometria (Quinta).
McGraw-Hill.
[27] Hotelling, H. (1931). The Economics of Exhaustible Resources.
J our n al of P ol i t i cal E conom y , 39(2), 137–175.
[28] Indicadores de Desarrollo Mundial [WDI]. (2020). Banco Mun-
dial: Data Ecuador.
[29] Jevons, W. (1865). The Coal Question; An Inquiry Concerning
the Progress of the Nation, and the Probable Exhaustion of Our
Coal Mines. E col ogi cal E conomi cs , 82, 97–103.
[30] Khan, I., Hou, F., & Le, H. P. (2021). The impact of natural re-
sources, energy consumption, and population growth on envi-
ronmental quality: Fresh evidence from the United States of
America. Sci enceof theT ot al E nv i r onment , 754, 142222.
[31] Kuznets, S. (1955). Economic Growth and Income Inequality.
T heAmer i canE conomi cR evi ew , 45(1), 1–28.
[32] Landázuri, H., & Jijón, C. (1988).
El medio ambiente en el Ecuador.
I ns ti t ut oLat i no amer i canodeI nv est i g aci ones Soci al es,
204.
[33] Lecaros, G., & Viale, A. (2008). Manual de Estadisticas Ambien-
tales Andinas. Secretaria General de La Comunidad Andina.
[34] León, Y. (2017). Algunos efectos de la energía en el medio am-
biente. Revista IN FACES, Universidad de Carabobo.
[35] Mahalik, M. K., Mallick, H., & Padhan, H. (2021). Do educatio-
nal levels influence the environmental quality? The role of re-
newable and non-renewable energy demand in selected BRICS
countries with a new policy perspective. R e new abl e E ner g y ,
164, 419–432.
115
Índice de contaminación ambiental, consumo de energía no renovable ...
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
[36] Mahjabeen, Shah, S. Z. A., Chughtai, S., & Simonetti,
B. (2020). Renewable energy, institutional stability, envi-
ronment and economic growth nexus of D-8 countries.
E ner g y S t r at e g y R evi ew s, 29, 100484.
[37] Ministerio del Ambiente [MAE]. (2016). Resumen del Inventa-
rio Nacional de Gases de Efecto Invernadero del Ecuador. Serie
Temporal 1994-2012, 28.
[38] Moutinho, V., Varum, C., & Madaleno, M. (2017). How econo-
mic growth affects emissions? An investigation of the environ-
mental Kuznets curve in Portuguese and Spanish economic ac-
tivity sectors. E ner g y P o l i c y , 106(March), 326–344.
[39] Muchran, Idrus, A., Badruddin, S., Tenreng, M.,
& Kanto, M. (2020). Influence of the renewable
and non-renewable energy consumptions and real-
income on environmental degradation in indonesia.
I nt er n at i onal J ou r nal of E ner g y E conomi cs andP o l i cy ,
11(1), 599–606.
[40] Mullo, A. (2018). Universidad Nacional de Chimborazo. In Cre-
cimiento Económico y medio ambiente: Aplicación de la curva
ambiental de Kuznets para el Ecuador, periodo 1970-2015.
[41] Nadal, A., & Aguayo, F. (2020). Los motores de la degradación
ambiental “El modelo macroeconómico y la explotación de los
recursos naturales de America Latina.” CEPAL.
[42] Nadimi, R., & Tokimatsu, K. (2017). Analyzing of Renewable
and Non-Renewable Energy consumption via Bayesian Inferen-
ce. E ner g y P r oced i a, 142, 2773–2778.
[43] Nathaniel, S., & Khan, S. A. R. (2020). The nexus between
urbanization, renewable energy, trade, and ecological foot-
print in ASEAN countries. J our n al of C l e aner P r od uct i on,
272, 122709.
[44] Nathaniel, S. P., & Iheonu, C. O. (2019). Carbon dioxide aba-
tement in Africa: The role of renewable and non-renewable
energy consumption. Sci enceof theT ot al E nv i r onment , 679,
337–345.
[45] Novales, A. (2017). Modelos vectoriales autoregresivos (VAR).
Universidad Complutense de Madrid, 58.
[46] Nwaka, I. D., Nwogu, M. U., Uma, K. E., & Ike, G. N. (2020). Agri-
cultural production and CO2 emissions from two sources in the
ECOWAS region: New insights from quantile regression and
decomposition analysis. Sci enceof t heT ot al E nv i r onment ,
748, 141329.
[47] Organización Mundial de la Salud [OMS]. (2018). Nueve de ca-
da diez personas de todo el mundo respiran aire contaminado.
[48] Our World in Data. (2019). Ecuador, perfil de pais de CO2: Emi-
siones de Gases de Efecto Inveradero (GEI).
[49] Ozcan, B., Tzeremes, P. G., & Tzeremes, N. G. (2020). Energy
consumption, economic growth and environmental degrada-
tion in OECD countries. E conomi cM o del l i ng , 84, 203–213.
[50] Pandey, K. K., & Rastogi, H. (2019). Effect of energy con-
sumption & economic growth on environmental degradation
in India: A time series modelling. E ner g y P r ocedi a, 158,
4232–4237.
[51] Perera, J. (2007). Una aproximación a la identificación y propa-
gación de los shocks en una economía pequeña y abierta: El
caso uruguayo. Fundacion de Estudios de Economia Aplicada.
[52] Pigou, A. (1920). The economics of welfare. University of Cam-
bridge, 1–983.
[53] Pinzón, D., & González, C. (2018). Curva De Kuznets
Ambiental: Evidencia Empírica para Colombia 1971-2014.
U ni ver si dad C at ol i cadeC ol ombi a, 1–35.
[54] Puig, I., Martínnez, A., Vicuña, Z., Córdova, G., & Álvarez,
P. (2018). Subsidios a los combustibles fósiles en Ecua-
dor: diagnosis y opciones para su progresiva reducción.
R ev i s t a de La R ed I ber o am er i c an adeE co no mi aE co l óg i ca,
28(1), 0087–0106.
[55] Ramírez, V., & Antero, J. (2014). Evolución de las Teorías de
Explotación de Recursos Naturales: Hacia la Creación de una
uueva Ética Mundial. Lun aAz ul , 39, 291–313.
[56] Rehman, M. U., & Rashid, M. (2017). Energy consumption to
environmental degradation, the growth appetite in SAARC na-
tions. R enew a bl eE n er g y , 111, 284–294.
[57] Rentería, V., Toledo, E., Bravo, D., & Ochoa, D. (2016). Rela-
ción entre Emisiones Contaminantes, Crecimiento Económi-
co y Consumo de Energía . El caso de Ecuador 1971-2010.
R ev i st aP o l i técni ca, 38(1).
[58] Saboori, B., & Sulaiman, J. (2013). Environmental degradation,
economic growth and energy consumption: Evidence of the
environmental Kuznets curve in Malaysia. E ner g y P o l i c y , 60,
892–905.
[59] Saint Akadiri, S., Alola, A. A., Akadiri, A. C., & Alola, U. V.
(2019). Renewable energy consumption in EU-28 countries:
Policy toward pollution mitigation and economic sustainability.
E ner g y P o l i c y , 132(February), 803–810.
[60] Sánchez, L., & Caballero, K. (2019). La curva de Kuznets am-
biental y su relación con el cambio climático en América Latina
y el Caribe: un análisis de cointegración con panel, 1980-2015.
R ev i s t a de E conomía D e l R o s a r i o , 22(1), 41.
116
Revista Económica
DOI: 10.54753/rve.v12i1.2048
Vol.12-N°1, Enero - Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
[61] Sarkodie, S. (2021). Environmental performance, biocapacity,
carbon & ecological footprint of nations: Drivers, trends and
mitigation options. S ci enceof t heT ot al E nv i r onment , 751,
141912.
[62] Sarkodie, S. A., Adams, S., Owusu, P. A., Leirvik, T., & Ozturk, I.
(2020). Mitigating degradation and emissions in China: The role
of environmental sustainability, human capital and renewable
energy. Sci enceof theT ot al E nv i r onment , 719, 137530.
[63] SENPLADES. (2013). Plan Nacional para el Buen Vivir 2009-
2013: Construyendo un Estado Plurinacional e Intercultural.
[64] Sharif, A., Raza, S. A., Ozturk, I., & Afshan, S. (2019).
The dynamic relationship of renewable and nonrenewable
energy consumption with carbon emission: A global study
with the application of heterogeneous panel estimations.
R enew a bl eE n er g y , 133, 685–691.
[65] Shirwani, R., Gulzar, S., Asim, M., Umair, M., & Al-Rashid,
M. A. (2020). Control of vehicular emission using in-
novative energy solutions comprising of hydrogen for
transportation sector in Pakistan: A case study of Lahore
City. I nt er nat i onal J our n al of H y dr og enE ner g y , 45(32),
16287–16297.
[66] Sinha, A., Shahbaz, M., & Balsalobre, D. (2017). Explo-
ring the relationship between energy usage segrega-
tion and environmental degradation in N-11 countries.
J our n al of C l eaner P r oduct i on, 168, 1217–1229.
[67] Solíz, M., Durango, J., Solano, J., & Yépez, M. (2020). Cartogra-
fía de los residuos sólidos en Ecuador 2020.
[68] Ulucak, R., Danish, & Ozcan, B. (2020). Relationship bet-
ween energy consumption and environmental sustainability
in OECD countries: The role of natural resources rents.
R es our ce sP o l i c y , 69(March), 101803.
[69] Uquillas, A., & Gonzalez, C. (2017). Modelo Ma-
cro para Pruebas de Tension de Riesgo de Credito
de Consumo en el Sistema Financiero Ecuatoriano.
R ev i st adeAn al i si sE s t ad i st i co“Anal i t i K a”, 14.
[70] Wackernagel, M., & Rees, W. (1996). Our Ecological Footprint:
reducing human impact on the earth. Isla de Gabriola, Canadá:
New Society Publishers, 1(7).
[71] Wang, J., & Dong, K. (2019). What drives environmental de-
gradation? Evidence from 14 Sub-Saharan African countries.
Sci enceof theT ot al E nv i r onment , 656, 165–173.
[72] Waqih, M. A. U., Bhutto, N. A., Ghumro, N. H., Kumar, S., &
Salam, M. A. (2019). Rising environmental degradation and im-
pact of foreign direct investment: An empirical evidence from
SAARC region. J our nal of E nv i r onment al M an ag ement ,
243(May), 472–480.
[73] Yue, S., Shen, Y., & Yuan, J. (2019). Sustainable total factor
productivity growth for 55 states: An application of the new
malmquist index considering ecological footprint and human
development index. R e sour ces,C o ns er v a t i o n&R ec y cl i ng ,
146(December 2018), 475–483.
[74] Žebryte, I., & Villegas, L. (2016). La teoría del refugio de con-
taminación: Efectos de la inversión extranjera directa a escala
local en Chile. Ju r ídi cas , 13(1), 24–40.
117
