Análisis de los efectos económicos sectoriales de la transición energética hacia una economía baja en carbono
Abstract
Departamento de Ingeniería de Sistemas y Automática
Full text
UNIVERSIDAD DE VALLADOLID ESCUELA DE INGENIERIAS INDUSTRIALES Grado en Ingeniería de Organización Industrial Análisis de los efectos económicos sectoriales de la transición energética hacia una economía baja en carbono Autor: Moyano Rubio, Diego Tutor: Miguel González, Luis Javier Ingeniería de Sistemas y Automática Valladolid, 8 Julio 2019.
INTRODUCCIÓN 3 RESUMEN El problema del cambio climático y la búsqueda de la sostenibilidad del planeta, ha llevado a muchos autores a plantear la necesidad de un nuevo modelo energético con el fin de reducir la emisión de gases de efecto invernadero. El presente Trabajo Fin de Grado analiza y proyecta los intercambios económicos sectoriales futuros (representados mediante las matrices Input – Output) a nivel mundial, a partir de los cambios provocados por la transición energética hacia la disminución del uso del carbono. Todo ello, realizado con el programa informático Excel y el uso de programación VBA. El trabajo se enmarca en el proyecto europeo MEDEAS, que modela y simula escenarios globales de transición energética. PALABRAS CLAVE: Carbono, Matriz Input–Output, Intensidad energética, simulación, cambio climático, Código JEL: C67, F18, Q42, Q43, Q47, Q51 ABSTRACT Global warming problem and the search for sustainability of the planet has led many authors to raise the need for a new energy model in order to reduce the emission of greenhouse gases. The present Project analyses and projects worldwide future sectoral economic exchanges (represented by the Input - Output Matrix), from the changes caused by the energy transition towards the reduction of carbon use. All this, made with the Excel computer program and the use of VBA programming. The present report is part of the European project MEDEAS, which simulate global models scenarios of energetic transition. KEYWORDS: Carbon, Input-Output Matrix, Energy intensity, simulation, Global Warming. JEL Code: C67, F18, Q42, Q43, Q47, Q51
INTRODUCCIÓN 5 ÍNDICE DE CONTENIDO 1.INTRODUCCIÓN______________________________________________________9 2.PROYECTOMEDEAS_________________________________________________11 3.METODOLOGÍAINPUT‐OUTPUT _______________________________________17 3.1.IntroducciónalastablasInput‐Output_____________________________________17 3.2.ComponentesdelaeconomíainterindustrialydesarrollodelatablaInput‐Output_17 3.3.MatrizinversadeLeontiefyCoeficientetécnicodelamatrizInput‐Output_______22 3.4.AnálisisambientalInput‐Output_________________________________________24 3.4.1.EvaluacióndelciclodevidaInput‐Outputylarelevanciadelanálisis medioambiental__________________________________________________________26 3.5.EcologíaIndustrialenlaeradelosanálisisInput‐Output ______________________27 4.EFICIENCIAENERGÉTICA______________________________________________29 4.1.IntensidadEnergética__________________________________________________29 4.2.RelaciónIntensidad–EficienciaEnergética_________________________________29 4.3.CurvadeKuznetsambiental_____________________________________________31 4.4.EstadoactualdelaEficienciaEnergéticaMundialysuproyección_______________32 4.5.PolíticasanunciadasointroducidasenrelaciónalaEficienciaEnergética_________35 4.6.PerspectivassobrelaEficienciaEnergética _________________________________38 5.TRANSICIÓNENERGÉTICA ____________________________________________41 5.1.Eldesarrollosostenible_________________________________________________41 5.1.1.AntecedentesquedanlugaralDesarrolloSostenible _____________________42 5.2.Síntomasydesequilibriosactualesdelmedioambiente_______________________43 5.3.Evolucióndelconsumomundial__________________________________________46 5.3.1.Consumoasimétricoderecursosnaturales _____________________________47 5.3.2.EvolucióndelconsumodelaEnergía __________________________________49 5.3.3.Consumoeimpactodelcarbón_______________________________________50 5.3.4.Consumoeimpactodelpetróleo _____________________________________53 5.3.5.Consumoeimpactodelgasnatural ___________________________________54 5.4.Factoresparapensarenunatransiciónenergéticabajaencarbono _____________54 5.5.Alternativasenergéticas________________________________________________55 5.5.1.EnergíaNuclear___________________________________________________55 5.5.2.Biomasa_________________________________________________________58 5.5.3.EnergíaHidráulica _________________________________________________58 5.5.4.Eólica ___________________________________________________________58 5.5.5.Solar____________________________________________________________59 5.5.6.Geotérmica_______________________________________________________59 6.DESARROLLOYANÁLISISDEECUACIONESPARALAPROYECCIÓNDECONSUMOE INTERCAMBIOINTERSECTORIAL _________________________________________61 6.1.Fuentesdedatosutilizados _____________________________________________61 6.1.1.BasededatosWIOD _______________________________________________61 6.1.2.EscenariosfuturoseIntensidadenergética _____________________________64 6.2.Metodología_________________________________________________________67 6.3.EstudiodecorrelaciónentrelaMatrizAconlasIntensidadesEnergéticas_________69
INTRODUCCIÓN 6 6.3.1.EstudiodelaSextaIntensidadEnergética ______________________________74 6.4.AutocorrelacióndelaMatrizA___________________________________________76 6.5.CálculodecoeficientesyfuncionesparalaproyeccióndelaMatrizA____________78 7.ANÁLISISDERESULTADOS____________________________________________85 7.1.Errorcometidoenelcálculodefunciones__________________________________85 7.2.ProyeccióndelaMatrizA_______________________________________________92 8.CONCLUSIONES____________________________________________________107 BIBLIOGRAFÍA _______________________________________________________109 ANEXO1.TABLAS ____________________________________________________115 ANEXO2.MACROSVBA _______________________________________________125
INTRODUCCIÓN 7 ÍNDICE DE GRÁFICOS Gráfico1.MatricesdelatablaInput‐Output._________________________________________19 Gráfico2.RatiodecrecimientodelconsumoenergéticoyPIBpercápita. __________________31 Gráfico3.EvolucióndelasemisionesglobalesdeCO2,IntensidadesEnergéticasycrecimiento económico. ___________________________________________________________________33 Gráfico4.VariacióndelPIBydelaIntensidadenergéticaenlaIndia. _____________________33 Gráfico5.VariacióndelPIBydelaIntensidadenergéticaenlaEspaña.____________________34 Gráfico6.VariacióndelaIntensidadEnergéticaenChina.______________________________36 Gráfico7.IntensidadEnergéticaenelnuevoescenariopolítico.__________________________39 Gráfico8.EvoluciónyproyeccióndelconsumodeenergíaprimariaenlaOCDEyRestodelMundo. _____________________________________________________________________________47 Gráfico9.EvoluciónyconsumodeenergíaprimariaenpaísesnopertenecientesalaOCDE.___48 Gráfico10.Demandaenergéticaporregiones. _______________________________________49 Gráfico11.Consumodeenergíaprimariaportipodecombustible._______________________50 Gráfico12.Demandadecarbónenlosaños200y2017,ypredicciónpara2023.____________51 Gráfico13.Evoluciónyprediccióndelademandamundialdecarbón._____________________51 Gráfico14.PorcentajedeenergíageneradaapartirdelcarbónenEuropa._________________52 Gráfico15.Produccióneléctricaapartirdeenergíanuclearanivelmundialenporcentaje.____56 Gráfico16.Produccióneléctricaapartirdeenergíanuclearporpaíses.____________________56 Gráfico17.EvolucióndelaproduccióndeenergíaeléctricaapartirdeenergíanuclearenJapón57 Gráfico18.Evoluciónmundialdelastransaccioneseconómicas._________________________63 Gráfico19.Pesoenporcentajedecadasectorenlasventasdelastransaccionesintersectoriales mundialesdelaño2009._________________________________________________________64 Gráfico20.Fuentesdegeneracióneléctricamundialen2018____________________________75 Gráfico21.Variacióntemporaldeloselementosa19.4delaMatrizA______________________77 Gráfico22.Variacióntemporaldeloselementosa8.24delaMatrizA______________________78 Gráfico25.ProyecciónIntensidadEnergética(Eléctrica)enelsector12.___________________93 Gráfico26.ProyecciónIntensidadEnergética(Calor)enelsector9._______________________94 Gráfico27.ProyecciónIntensidadEnergética(Líquidos)enelsector25. ___________________95 Gráfico28.ProyecciónIntensidadEnergética(Líquidos)enelsector23. ___________________96 Gráfico29.ProyecciónIntensidadEnergética(Electricidad)enelsector23._________________96 Gráfico30.ProyecciónIntensidadEnergética(Gas)enelsector2.________________________97 Gráfico31.ProyecciónIntensidadEnergética(Sólidos)enelsector10. ____________________98 Gráfico32.Evolucióndelelementoa24.12segúnescenarioBAU__________________________101 Gráfico33.Relacionesintersectorialesdelsector10enelaño2030segúnescenarios _______102 Gráfico34.Relacionesintersectorialesdelsector10en2009,2030y2050.________________103 Gráfico35.Evolucióntemporaldelelementoa10.10segúnSCEN2________________________104 Gráfico36.Comparación2009–2050paraelsector17_______________________________105 Gráfico37.Comparación2009–2050paraelsector8________________________________106
INTRODUCCIÓN 8 ÍNDICE DE TABLAS Políticasanunciadasointroducidasdesde2015a2018.________________________________37 Tendenciasambientalesporregiones.______________________________________________46 SectoreseconómicosenlastablasWIOD____________________________________________62 Comparacióndeescenariosusadosenelproyecto____________________________________67 VariacionesrelativasanualesdelaMatrizA_________________________________________72 Datosparalarealizacióndeunaregresiónlinealmúltiple______________________________79 Datospararealizarunaregresiónlinealmúltipleparaelelemento∆𝒂𝟏𝟗.𝟒________________80 Subíndicesparaelelementoa19.4__________________________________________________81 Variacionesdesde1996hasta2009delelementoa19.4_________________________________81 Análisisdelavarianzaenunaregresiónlinealmúltiple ________________________________82 Análisisdelavarianzadelaregresiónmúltipledelelementoa19.4________________________83 Análisisdeerrorparaelelementoa19.4 _____________________________________________86 Variaciónrelativaestimadadelelementoa19.4_______________________________________88 Erroresdelelementoa19.4________________________________________________________91 ValordelaIntensidadEnergéticaGasparaelsector24_______________________________101 MatrizInput‐OutputdeEspañade2015(millonesdeeuros).___________________________115 Totaltransaccionesintermediasdecadasectorenmilesdemillonesdedólares($).FUENTE: (WIOD) _____________________________________________________________________119 EstudiodeCorrelaciónentrelasIntensidadesEnergéticasycadaunodelossectores________121 EstudiodeAutocorrelacióndelasvariacionesanualesdelaMatrizA____________________122 Funcionesparalaprediccióndetransaccioneseconómicasglobales_____________________123
INTRODUCCIÓN 9 1. INTRODUCCIÓN El modelo energético que ha construido la actual sociedad está sufriendo un notable cambio en los últimos años. La combustión fósil (carbón, gas natural y petróleo), produce alrededor del 85% de la energía mundial (IEA, 2018). Este consumo ha generado una grave crisis que deriva en dos aspectos. Por un lado, el agotamiento de las fuentes y, por otro, el calentamiento del planeta. Todo ello, hace necesario reconsiderar el modelo energético que sustenta la economía y sociedad actual. El calentamiento inducido por el hombre ha alcanzado en 2017 1ºC por encima de los niveles preindustriales (IPCC, 2018). La gran parte de las regiones terrestres están experimentando un mayor calentamiento que el promedio mundial, mientras que las regiones oceánicas se calientan a un ritmo inferior. En la década 2006-2015, del 20% al 40% de la población mundial vive en regiones en las que el calentamiento ha experimentado más de 1,5ºC por encima de los niveles preindustriales. Los efectos medioambientales en caso de superar los 2ºC por encima de los niveles preindustriales serán catastróficos para la vida humana y la conservación del planeta. La diferencia entre el aumento de 1,5ºC o superarlo hasta los 2ºC sobre los niveles preindustriales, supone una serie de catástrofes irreversibles en la Tierra: en el año 2100 el nivel oceánico se elevará 0,56 metros (un 116,7% más que en el límite objetivo), aumentando, además, un 24% la acidez del agua, provocando la extinción de numerosas especies. El 80% del hielo ártico se derretirá en los meses de verano, donde los días de máximo calor aumentarán un 26%. Como consecuencia, durante largos periodos de tiempo, 194.5 millones de personas estarán en estado permanente de sequía y 388 millones con problemas para acceder a agua potable. Los problemas relativos a la salud son también preocupantes, puesto que las tierras desérticas darán la posibilidad de propagación a enfermedades como la malaria (aumento del 27% de los casos) (IPCC, 2018), (Carbon Brief, 2018). Por ello, en el Acuerdo de París de 2015 se fijó como prioridad evitar que este calentamiento alcance los dos grados, limitándolo incluso a 1,5ºC. (European Commission, 2015) Para conseguir este objetivo, se requiere de un descenso inminente en la emisión de gases de efecto invernadero, lo que conlleva una transición energética hacia una reducción de la demanda de energía y una evolución hacia la utilización de energías libres de carbono (denominadas energías limpias).
PROYECTO MEDEAS 16 Figura 5. Estructura simplificada del modelo de Intensidad Energética. FUENTE: (MEDEAS, 2019) Se han aplicado dos criterios para la elección del modelado de tecnologías de energía alternativa en el marco de MEDEAS: 1. Enfocarse en las tecnologías actualmente disponibles, demostradas y comerciales (es decir, no prohibitivamente caras) dada la necesidad de acciones urgentes para estabilizar el clima y revertir las tendencias insostenibles actuales. Además, se ha demostrado que las nuevas tecnologías y los sistemas de energía tardan unos 50 años en difundirse a través de la economía (Fouquet, 2010). 2. Asegurar que el balance energético neto de las tecnologías consideradas sea positivo, es decir, que la tecnología será un contribuyente neto de energía «razonable» para la sociedad. A la luz de estos criterios, las siguientes tecnologías no se incluyeron en el marco de MEDEAS: Captura y almacenamiento de carbono (CCS) y emisiones negativas Hidrógeno Criadores nucleares rápidos y fusión nuclear Evol final energy intensity by sector and fuel inertial rate energy intensity TOP DOWN historical mean rate energy intensity Initial energy intensity by fuel and sector 1995 available improvement efficiency Efficiency energy aceleration Energy cost pressure abundance of energy Pressure to improve energy intensity efficiency Maximun yearly aceleration of intensity improvement pct Maximun yearly aceleratuin of intensity improvement Implementation policy to improve energy intensity effciency Year policy to improve efficiency Policy to improve efficiency speed Decrease of intensity due to energy a technology change TOP DOWN Increase of intensity due to energy a technology change TOP DOWN mini mum fracti on Max yearly change Pressure to change energy technology Energy market pressure relative abundance of energy Implementatio policy to change final energy efficiency rate of substitution historic rate final energy intensity
METODOLOGÍA INPUT-OUTPUT 17 3. METODOLOGÍA INPUT-OUTPUT 3.1. Introducción a las tablas Input-Output El análisis por matrices Input-Output fue desarrollado por Vasily W. Leontief y presentado en The Structure of American Economy 1919-1939 en 1941, utilizando este método para observar y estudiar las relaciones entre los sectores económicos (Ramírez). Las cuentas económicas de un país se pueden desglosar en dos aspectos básicos: la contabilidad nacional y los flujos de bienes y servicios existentes entre los diversos sectores económicos del país (Morán, 2003). Ambos componentes están íntimamente ligados, pues la contabilidad de cualquier país se refiere a la representación cuantitativa de la actividad económica de un país que, a su vez, está compuesta por multitud de flujos de intercambio tanto en el propio país como fuera de él. Un instrumento de gran importancia que permite la organización y análisis de las relaciones intersectoriales son las tablas Input-Output, también denominadas matriz Insumo-Producto (Iturre, 2002). El objetivo final de estas tablas es “explicar las magnitudes de las corrientes interindustriales en función de los niveles de producción de cada sector” (Clark, y otros, 1967). Por lo tanto, en la matriz Input-Output quedan registradas todas las transacciones de bienes y servicios realizadas en un determinado periodo de tiempo en un país. Como ejemplo, En el ANEXO 1. (Tabla 16), se tiene la matriz input-output de España del año 2015. En esta matriz, en millones de euros, se aprecian todas las transacciones que han tenido lugar dicho año desde los sectores económicos de origen (filas) a cada uno de los sectores económicos de destino (columnas). Como se ha dicho anteriormente, esta matriz muestra únicamente los intercambios sectoriales dentro de España, lo que pertenece a la contabilidad nacional. Para cada país en el cual exista una relación de compraventa en cualquiera de los sectores económicos, existirá una tabla idéntica a esta que relaciones las ventas procedentes de un país a otro. 3.2. Componentes de la economía interindustrial y desarrollo de la tabla Input-Output Podemos definir tres grandes grupos de bienes o servicios que engloban cada uno de los constituyentes de un sistema económico (Iturre, 2002):
METODOLOGÍA INPUT-OUTPUT 18 a) Recursos externos, entendidos como recurso económico producido fuera del sistema1 de estudio, como por ejemplo mano de obra o tierras. También se introducen en este campo los bienes adquiridos por importación. b) Recursos parcialmente utilizados, creados o no en el propio sistema, pero cuya característica clave es que no se consumen al completo en el proceso de producción. c) Insumos intermedios, definidos como bienes producidos a partir de factores (capital o trabajo) que se utilizan a su vez en la producción de nuevos bienes (Rebeco, 2007). Como ejemplo de insumo intermedio podemos tener el caso de la gasolina. Por un lado, está el caso particular, en dónde se utiliza como producto final, es decir, en caso de utilizar el vehículo en forma de ocio, mientras que, por otro lado, si nos fijamos en un trabajo de transporte (un camión, por ejemplo), la gasolina se utilizará de forma intermedia para poder llevar la mercancía a su destino. Es decir, los insumos intermedios están íntimamente ligados con el valor añadido. A los dos primeros tipos de recursos se les denomina Insumos Primarios o factores productivos. La existencia de estos bienes, y la necesidad de utilizarlos para producir bienes finales, conlleva necesariamente a la existencia de transacciones entre los diferentes sectores económicos. De modo esquemático, las tablas Input-Output de cualquier sistema económico (local, regional, nacional o supranacional) se forma con la unión de tres matrices relacionadas entre sí, como se observa en el Gráfico 1: matriz de compras-ventas intermedias, matriz de demanda final y matriz de inputs primarios. 1 Se entiende como sistema cualquier proceso económico que se estudie, desde la producción de un servicio o bien, hasta las transacciones intersectoriales que se efectúan dentro y fuera de cada país.
METODOLOGÍA INPUT-OUTPUT 19 Gráfico 1. Matrices de la tabla Input-Output. En donde: X: matriz de transiciones intermedias (nxn) Y: matriz de demandas finales para k componentes (nxk) Z: matriz de inputs primarios para m componentes (mxn) Volviendo al ejemplo expuesto anteriormente, la tabla Input-Output de España (Tabla 16), explica de forma visual cada uno de los componentes que existen en las Matrices Input Output. Por un lado, los sectores económicos. Cuantos más sectores económicos disponga la tabla, más precisos serán los datos de transacciones que se tengan en ella. La matriz X se forma con n sectores económicos, dispuestos en n filas y n columnas (nxn). La matriz de España estaría formada por 64 sectores económicos (n=64) siendo el primero el sector de “Productos de la agricultura, la ganadería y la caza, y servicios relacionados con los mismos” y el último el sector “Servicios de organizaciones y organismos extraterritoriales”. En la matriz X se tiene: Filas: Outputs (ventas) de cada sector, no solo con el resto de sectores, sino también consigo mismo. Columnas: Inputs (compras) de cada sector, no solo al resto de sectores, sino también consigo mismo (intraconsumos). Siguiendo esta norma, cada elemento de la matriz (Elemento Xij) informará del valor de las ventas producidas por el sector i hacia el sector j. Por otro lado, el sumatorio total de las ventas producidas por un sector i, al resto de sectores de la matriz X, se define como Vi (suma de ventas intermedias).
METODOLOGÍA INPUT-OUTPUT 20 Dependiendo del estudio que se quiera realizar y de los datos que se tengan, la matriz Y puede tener un número de columnas u otras, por lo que el valor de k es variable. Una de las columnas que debe existir en cualquier estudio con matrices input-output es la columna de Demanda total. Esta columna es el sumatorio de cada uno de los n intercambios sectoriales que realiza un sector. En las tablas de España, además de esta columna, también nos encontramos por ejemplo una columna con el total de exportaciones de cada sector. En millones de euros, podemos ver que mientras que el total de demanda intersectorial es de 1.020.675,7€, el valor destinado a exportaciones es de 316.571€, lo que supone un 31% del total. Por último, la matriz Z resulta muy similar a la Y, puesto que se trata de una matriz de totales, pero este caso el total de las compras, no de las ventas. Es decir, el sumatorio de las n demandas que cada sector demanda al resto de los n sectores. Por el mismo motivo que ocurre en la matriz Y, el número de filas m que se tiene es variable dependiendo del estudio y datos que se trabajen. La desagregación de la matriz Input-Output queda de la siguiente forma: 1 2 3…nCIGEX Ventas por sector 1𝑥 𝑥 𝑥 …𝑥 𝐶𝐼𝐺𝐸𝑥 2𝑥 𝑥 𝑥 …𝑥 𝐶𝐼𝐺𝐸𝑥 3𝑥 𝑥 𝑥 …𝑥 𝐶𝐼𝐺𝐸𝑥 ... . . . . . . ...…... . . . n𝑥 𝑥 𝑥 𝑥 𝐶𝐼𝐺𝐸𝑥 Valor W 𝑊 𝑊 𝑊 …𝑊𝑊𝑊 W Benef. R 𝑅 𝑅 𝑅 𝑅 R Imp. M 𝑀 𝑀 𝑀 𝑀𝑀𝑀𝑀M Total X 𝑋 𝑋 𝑋 … 𝑋 CIGE Donde 𝑋= valor de la producción del sector i (i= 1 . . . n). 𝑋= ventas del sector i al sector j, o el valor de los inputs del sector i usados para en la producción del sector j (i=1 . . . n; j=1 . . . n). 𝑊= Salarios en el sector j (j=1 . . . n). Representa el uso de la mano de obra en la producción del producto i. 𝑅= Intereses y beneficios en el sector j
METODOLOGÍA INPUT-OUTPUT 21 𝑀= Importaciones del sector j 𝐶= Consumo personal de la producción del sector i 𝐼= Gasto de inversión en la producción del sector i 𝐺= Compra gubernamental de la producción del sector i 𝐸= exportaciones de la producción del sector i 𝑀, 𝑀 y 𝑀= importaciones de bienes finales (por consumidores, empresas y gobierno respectivamente) Cuando existen dos subíndices juntos (𝑋), significa que hay una transacción intersectorial. el primer subíndice (i) se corresponde con el sector de origen y el segundo (j) indica el origen (Tanaka, 2011). La demanda total de la producción del sector i, puede escribirse de la siguiente manera: 𝑋 𝑋 𝐹 𝐹𝐶 𝐼𝐺𝐸 Donde ∑𝑋 es el total de las ventas del sector i al resto de los n sectores, y 𝐹 el total de la demanda de la producción del sector i. Existen n ecuaciones como la anterior, una por cada sector económico. Bajando a las filas inferiores de la matriz: 𝑊 𝑊 𝑊 𝑊 𝑅𝑅 𝑀𝑀 𝑀𝑀𝑀 Esta última ecuación expresa el total del valor de las importaciones dentro de la economía. Por último, tenemos la fila de la producción total, donde la producción bruta total de la economía (𝑋) es
METODOLOGÍA INPUT-OUTPUT 22 𝑋𝑋 𝑀 𝑅 𝑊 Por definición, el valor total de la demanda de la producción para cualquier sector debe ser igual que el valor total suministrado. En la parte inferior derecha de la matriz tenemos el valor final de las demandas desagregadas: 𝐶𝐶 𝑊 𝑀 𝐼𝐼 𝑀 𝑋𝐺 𝑀𝑊 𝐸𝐸 Así pues, la matriz Input – Output puede ser descrita matemáticamente como un conjunto de ecuaciones que se deben satisfacer mutuamente para equilibrar la demanda final e intermedia de los bienes o servicios. Se puede describir la asignación de producción del sector “k” como: 𝑋𝑋 𝐹 𝑋 𝑊 𝑅𝑀 𝑘 1…𝑛 Dónde 𝐹𝐶 𝐼𝐺𝐸 3.3. Matriz inversa de Leontief y Coeficiente técnico de la matriz InputOutput En el trabajo sobre matrices input-output, una suposición fundamental es que los flujos intersectoriales desde el sector i al sector j son en un periodo dado, normalmente de un año. Ahora, se definirá un nuevo término, 𝑎 𝑋 /𝑋. Este término se denomina coeficiente técnico de la matriz input – output. Puede ser interpretado como la cantidad demandada por el sector i para producir una unidad en j. Por definición, se tiene que:
METODOLOGÍA INPUT-OUTPUT 23 𝑋 𝑎 𝑋 (1.1) Como se ha visto anteriormente, el valor de la producción total del sector j puede escribirse como 𝑋 𝑋 𝑀 𝑅 𝑊 (1.2) Si se divide la ecuación anterior entre el valor de la producción del sector j, 𝑋, tenemos: 1 𝑋 / 𝑋 𝑀 / 𝑋 𝑅 / 𝑋 𝑊 / 𝑋 (1.3) El coeficiente input-output, 𝑎, perteneciente al intervalo [0,1], indica la proporción de la producción del sector j explicada por los insumos del sector i. Sustituyendo 𝑎 𝑋 /𝑋 en la ecuación (3), obtendremos: 1𝑎 𝑀 / 𝑋 𝑅 / 𝑋 𝑊 / 𝑋 (1.4) Además, conocemos que el total de la demanda de la producción del sector i viene dada por 𝑋 𝑋 𝐹 (1.5) Si en este caso sustituimos 𝑋 𝑎 𝑋 en la ecuación (5) nos quedará: 𝑋 𝑎 𝑋 𝐹 i=1…n (1.6)
METODOLOGÍA INPUT-OUTPUT 24 Si la expresión (6) la expandimos para cada i, el resultado sería i=1 𝑋 𝑎 𝑋 𝑎 𝑋 ⋯𝑎 𝑋 𝐹 i=2 𝑋 𝑎 𝑋 𝑎 𝑋 ⋯𝑎 𝑋 𝐹 . . . . i=n 𝑋 𝑎 𝑋 𝑎 𝑋 ⋯𝑎 𝑋 𝐹 Como se puede apreciar, se conseguirá de esta forma una ecuación para cada sector. 3.4. Análisis ambiental Input - Output Las tablas Input Output de Leontief se consideran de forma natural como una representación del análisis del medioambiente de una sociedad. Esto es así, puesto que la energía utilizada en los sectores industriales que se tienen en cuenta en las tablas input–output está íntimamente ligado a la contaminación atmosférica que genera dicha industria. El análisis medioambiental Input – Output permite evaluar el impacto ambiental desagregado que se deriva del consumo. La primera vez que se propone el estudio de la relación entre el desarrollo económico de una región y su evolución en materia de contaminación fue en 1966 por Cumberland. Leontief en 1970 y Ford en 1972 proponen una modificación de la clásica tabla input-output en donde se añade el aumento y disminución de la contaminación medioambiental generada (Kagawa, 2012). La técnica de análisis medioambiental input-output ha sido elemental en la contabilidad tanto de la energía consumida como del coste energético de toda actividad económica. La energía consumida en la actividad industrial directa e indirectamente se suele denominar “Intensidad Energética Incorporada” o “ciclo de vida de la Intensidad Energética” en el campo de la ecología industrial (IE). El primer estudio a gran escala que ha sido desarrollado con el método de Leontief y Ford, ha sido por Wright (Wright, 1974). Específicamente utilizó las tablas input-output de Estados Unidos para estimar el ciclo de vida de las Intensidades Energéticas de los consumidores de bienes finales. El método de estimación utilizado por Wright se basa en el cálculo de la matriz inversa de Leontief, utilizando una matriz input-output expresada en unidades monetarias,
METODOLOGÍA INPUT-OUTPUT 25 y posteriormente dividir el valor monetario del consumo de energía entre el precio de esta energía utilizada, obteniendo así una estimación del ciclo de vida de la intensidad energética (Arango, y otros, 1986), sin embargo, tal enfoque salió sesgado debido a las diferencias en el precio de venta de la energía en los diferentes sectores. Un ejemplo de la importancia de la valoración del precio en unas tablas Input – Output, queda patente en el análisis realizado por Shugemi Kawaga (Kagawa, 2012), cuando analiza las tablas input-output de Japón en 1990. Los datos del precio del carbón muestran en este estudio que su precio es aproximadamente de 9.000 yen/ton en términos generales, mientras que hay sectores, como por ejemplo el sector del cemento, en donde las ventas del carbón llegan a tener un precio de 10.000 yen/ton, y como por ejemplo el sector de la pintura, en donde el precio del carbón desciende a 7.600 yen/ton. Por ejemplo, utilizando el método de estimación de Wright, si el sector del cemento compra 100.000 yen de carbón a 9.000 yen/ton, la cantidad física comprada será equivalente a 11 ton. Sin embargo, puesto que el precio de este sector es mayor (10.000 yen/ton), los datos calculados estarán sobreestimados. En resumen, los datos de las compras físicas están sesgados a causa de las variaciones de precios en cada sector. Con el objetivo de solucionar el problema de las variaciones de precios intersectoriales, se han empleado técnicas híbridas consistentes en juntar términos monetarios y económicos para el análisis de las tablas input-output y proponer así una nueva técnica para contabilizar la energía (Miller, y otros, 2009). Sin embargo, la resolución de este problema de los precios de las energías de forma aislada, no soluciona completamente los errores cometidos asociados a la estimación. Las diferencias intersectoriales en los precios de los bienes en los sectores no energéticos también distorsionan la cantidad de inputs de material directo e indirecto. Una importante contribución al análisis energético empírico ambiental sobre las tablas input-output fue llevado a cabo por Robert Constanza (Constanza, 1980). En este estudio, se consideró el balance energético de todos los sectores industriales de la economía de Estados Unidos y se examinó las relaciones existentes entre la Intensidad Energética consumida (tema que se trata en el siguiente capítulo debido a su gran importancia) y la producción industrial. Esta Intensidad energética expresa la cantidad de energía que se necesita consumir tanto directa como indirectamente para producir una unidad entre sectores no energéticos.
EFICIENCIA ENERGÉTICA 32 en el caso de la deforestación, en donde puede surgir la reforestación (Stern, 2004). Por ello, el modelo de regresión EKC estándar se representa como: 𝐸 𝛼𝛾𝛽 𝑌 𝛽 𝑌 𝜀 Dónde E puede ser tanto las emisiones por persona como un estimador de calidad ambiental, Y el PIB per cápita, y 𝜀 el término de error arbitrario. Por otro lado, i es el indicador de país o región y t es el indicador de tiempo. 4.4. Estado actual de la Eficiencia Energética Mundial y su proyección Una mayor productividad en el uso energético, o lo que es lo mismo, una reducción en la intensidad energética en la producción económica, ha reducido el volumen total de energía demandada para el mismo nivel de producción. Junto con esta mejora de intensidad energética, el aumento en el uso de fuentes energéticas limpias ha supuesto el freno en las emisiones de CO2. Las primeras estimaciones muestran que la intensidad energética disminuyó en 2015 un 1.8 % (IEA, 2018). La reducción en la Intensidad Energética superior a la media en 2015 que se observa en el Gráfico 3, es debida en gran medida a la disminución en la demanda de energía primaria en los principales países consumidores. La Intensidad Energética se redujo en más de 6% en China y más de un 3% en Estados Unidos. La demanda de energía primaria en China se redujo ligeramente en 2015, a pesar del fuerte aumento económico, lo que lleva a este año a ser el primero con una variación de demanda energética negativa. En Estados Unidos, se experimenta en esta misma época una tremenda caída en la demanda de energía primaria, como resultado de una mayor eficiencia en las plantas de generación energética de combustión de gas en comparación con los años anteriores.
EFICIENCIA ENERGÉTICA 33 Gráfico 3. Evolución de las emisiones globales de CO2, Intensidades Energéticas y crecimiento económico. FUENTE: elaboración propia a partir de (IEA, 2018) Desde 1990, la mayoría de los países han sufrido una estrecha relación entre la Intensidad Energética y los ingresos (medidos en términos de PIB). Cada vez más, esta relación cambia de acuerdo con los niveles de ingresos: cuanto más rico es el país, mejor será la mejora de la Intensidad Energética respecto a los ingresos per cápita. Un ejemplo de ello se muestra en el Gráfico 4, en donde se compara la evolución del PIB y de la Intensidad Energética de la India. Gráfico 4. Variación del PIB y de la Intensidad energética en la India. ‐1000 ‐500 0 500 1000 1500 2011 2012 2013 2014 2015 Intensidadenergética IntensidadCO2 CrecimientoEconómico 0 0,5 1 1,5 2 2,5 0 1 2 3 4 5 6 7 8 9 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 PIB(BillonesDólares$) IntensidadEnergética(MilesJulios/PIB) IE PIB
EFICIENCIA ENERGÉTICA 34 FUENTE: elaboración propia a partir de (World Bank, 2018) Otro ejemplo que ilustra perfectamente lo expuesto, es el caso español. Como se aprecia en el Gráfico 5, la tendencia de la Intensidad energética mientras el PIB es relativamente constante (periodo 19902001) también resulta constante, en torno a 4,2MJ/PIB. En el momento que se experimenta un aumento considerable del valor del PIB, como ocurre en 2002, automáticamente el valor de la Intensidad Energética comienza a decrecer, llegando a ponerse en 2015 un punto y medio por debajo. Gráfico 5. Variación del PIB y de la Intensidad energética en la España. FUENTE: elaboración propia a partir de (World Bank, 2018). En otros lugares, como por ejemplo en Estados Unidos, la Intensidad Energética ha decrecido un 37% desde 1990, mientras que el PIB ha aumentado un 43%. Resultados similares ocurren en las demás grandes potencias económicas, como en China, en dónde la relación es de alrededor 0,1 (en India es de 0,2), lo que indica una más lenta reducción en la intensidad energética comparada con la de otros países. De acuerdo con la Agencia Europea del Medioambiente (EIA, 2019), en la Unión Europea el crecimiento del PIB anual tiene un ratio de 2,2% en el periodo 19902002, mientras que el consumo de energía creció con un ratio anual del 0,5%. Esto se traduce en un decrecimiento de la intensidad energética en Europa en una ratio anual del 1,7%. Siguiendo este informe (EIA, 2019), las regiones del sudeste Europeo, son ligeramente menos eficiente que la parte central y nórdica de Europa. De todas formas, si Europa es capaz de aprovechar el máximo potencial en términos de eficiencia energética en las siguientes décadas, el continente puede que no 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 4 6 8 10 12 14 16 18 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 IntensidadEnergética(Miles Julios/PIB) PIB(Billonesdedólares) PIB IntensidadEnergética
EFICIENCIA ENERGÉTICA 35 solo consiga un aumento de beneficio económico en términos de ahorro energético, sino también beneficios medioambientales para sus habitantes. 4.5. Políticas anunciadas o introducidas en relación a la Eficiencia Energética Las políticas relacionadas con Intensidad Energética han aumentado su importancia en 2015 y 2016 (IEA, 2018). La Cumbre del Medioambiente de 2015 propició un importante impulso a la eficiencia energética puesto que alrededor de nueve de diez NDCs3 estaban relacionadas con la eficiencia energética. Además de estas NDCs, se ha llegado a varios acuerdos con relación a niveles internacionales desde 2015. Uno de los 169 objetivos de las Naciones Unidas es doblar la tasa de mejora en la intensidad energética global en 2030 en comparación con los datos históricos. El Ministerio de Energía Renovable ha emitido diversas campañas a nivel mundial, como por ejemplo el Desafío Mundial de la Luz, que persigue acumular ventas por un valor de 10 billones de productos de iluminación de alta eficiencia, como pueden ser los Diodos Emisores de Luz (LED). Como resultado de esta iniciativa, en 2015 la electricidad mundial consumida por tecnología LED ahorró alrededor de 100 Tera vatios-hora (TWh) (IEA, 2018). China ha continuado sus esfuerzos destinados a la mejora de la eficiencia en el uso energético en su economía. Este país se ha marcado como objetico conseguir una mejora de la intensidad energética del 15% en los próximos cinco años, objetivo ligeramente inferior al anterior, que se marcaba en 16% para los cinco años anteriores. El logro de estos esfuerzos se aprecia claramente en el Gráfico 6, en dónde se ve la tendencia que tiene desde 1990 la Intensidad Energética en este país. 3 Las contribuciones nacionales determinadas (NDCs, por sus siglas en inglés ) son compromisos que los países miembros de la Conferencia de las Partes de las Naciones Unidas sobre el cambio climático han aportado voluntariamente tras la firma del Acuerdo de París con el objetivo de reducir la emisión de gases de efecto invernadero.
EFICIENCIA ENERGÉTICA 36 Gráfico 6. Variación de la Intensidad Energética en China. FUENTE: elaboración propia a partir de (World Bank, 2018). En Estados Unidos, las regulaciones legales para fortalecer y expandir el estándar económico del petróleo para vehículos finalizaron en agosto de 2016. Con vistas a mejorar la eficiencia energética tanto en edificios como en la industria en general, la administración americana ha introducido nuevos estándares de rendimiento energético para aires acondicionados, calderas residenciales y bombas de agua, entre otros. Lo mismo ocurre en la Unión Europea, en dónde se han desarrollado estrategias para mejorar la eficiencia en los sistemas tanto de calefacción como de aire acondicionado. En la siguiente tabla se muestran las políticas anunciadas e introducidas en distintas partes del Mundo. Como se puede apreciar, la mayoría de los países económicamente más fuertes ya están implantando medidas no solo con restricciones al uso energético, sino medidas que fomentan la mejora en términos de eficiencia energética. 5 7 9 11 13 15 17 19 21 23 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 IntensidadEnergética(MJ/PIB)
EFICIENCIA ENERGÉTICA 37 Tabla 1. Políticas anunciadas o introducidas desde 2015 a 2018. Región Sector Nuevas medidas políticas China General Mejorar la Intensidad energética un 15% en el 2020 comparado con 2015. Industria Cierre planeado de 100Mt de capacidad ineficiente de acero en cinco años. Estados Unidos Edificios Estándares de conservación energética para aires acondicionados, bombas caloríficas y baterías recargables. Industria Introducción de estándares de conservación energética en las bombas hidráulicas. Oriente Medio Edificios En Dubai: introducción de un ranking de Eficiencia Energética de edificios. India Transporte Implementar la “tasa verde”4 de un 2.5% para coches diésel y un 4% para grandes vehículos y SUVs. LatinoAmérica General México: ley de transición energética para establecer una meta eficiente. Brasil: Incremento en el presupuesto destinado a al Programa de Conservación Nacional de la Energía. Uruguay: Implementación del Plan Nacional para la Eficiencia Energética con el objetivo de salvar 1.69MTon. Edificios Instalación de LEDs en la iluminación pública en Rio de Janeiro. Sudeste Asiático General Plan de Eficiencia Energética y Conservación para reducir la intensidad energética un 40% desde 2005 hasta 2030. Edificios Aprobación de niveles en relación a la eficiencia de los refrigeradores y aires acondicionados. Japón Edificios Estándares obligatorios de eficiencia energética para los nuevos edificios desde 2017. Eliminación paulatina de bombillas incandescentes. Canadá Edificios Fortalecer y actualizar los códigos de energía para edificios. Fuente: (IEA, 2018) 4 Tasa Verde: Tasa que debe ser pagada por productos o servicios que se consideran perjudiciales para el medio ambiente. Como propósito general, estas tasas tienen el de persuadir de utilizar productos o servicios nocivos para el medioambiente.
EFICIENCIA ENERGÉTICA 38 4.6. Perspectivas sobre la Eficiencia Energética La eficiencia energética juega un papel clave en las nuevas políticas como hemos visto en el apartado anterior, cuya intención última es la de mitigar el incremento de consumo energético. Sin los niveles de mejora de la eficiencia energética mundial, el consumo energético se incrementaría cada año en más de 140MTon (alrededor del consumo energético de un País como Francia) desde hoy hasta 2040. En los países pertenecientes a la OECD, los ahorros relacionados con la eficiencia energética, expresados como un porcentaje del consumo final de energía (27%), son por lo general más altos en 2040 que los países ajenos a la OECD (20%), como resultado de las políticas establecidas para la mejora de la eficiencia energética (BP, 2018). Los cambios en la estructura económica, entendida como el conjunto de sectores que crean valor, afectan al consumo energético puesto que los diferentes sectores dependen de la energía en diferentes grados. Por ejemplo, el sector industrial de media es siete veces más intensivo en el uso de energía que el sector servicios, por lo que un cambio en la legislación energética le afectará con más grado. En el nuevo escenario que nos plantean las políticas, todas las regiones mundiales consiguen una mejora notable en las Intensidades Energéticas (Gráfico 7). Lo más llamativo de este análisis resulta en China, en dónde está previsto una mejora en la intensidad energética del 3.5% anual en el periodo 2014-2040, seguido por la India, con una tasa de mejora del 3% anual. A nivel mundial, la intensidad energética se reduce en más de un 60% para 2040 en comparación con 2014, pero aun así no alcanza la meta marcada por la ONU para el año 2030. El objetivo es una tasa de mejora anual del 2.1% en el periodo 2010 - 2030, mientras que en este nuevo escenario se encuentra una mejora del 1.9% anual en el mismo periodo (ONU, 2018).
EFICIENCIA ENERGÉTICA 39 Gráfico 7. Intensidad Energética en el nuevo escenario político. FUENTE: elaboración propia a partir de (IEA, 2018). De acuerdo con las metas internacionales sobre el cambio climático que pretenden llegar a un límite en el aumento de la temperatura media máxima de 2ºC para 2100 (escenario 450)5, la intensidad energética global debería mejorar con una tasa anual del 2.5% hasta el 2040. Comparando con lo visto anteriormente, esta tasa es más de un tercio más rápida que la prevista con las nuevas políticas, lo que sugiere que, llegados a este punto, aún no se han alcanzado políticas suficientes para la mejora de Intensidad Energética. 5 Cada año, la Agencia Internacional de la Energía plantea un escenario futuro (denominado escenario 450) que establece un camino para el sector energético que es consistente con tener un 50% de probabilidades de limitar el aumento de temperatura global a menos de dos grados centígrados (IEA, 2019) 0 0,1 0,2 0,3 0,4 0,5 0,6 China EEUU UE India Africa Oriente Medio Rusia Sudeste Asiático Japon Brasil Mundo Toneladasequivalentespor1.000$PIB 2014 2020 2030 2040 Objetivopara2030
TRANSICIÓN ENERGÉTICA 41 5. TRANSICIÓN ENERGÉTICA Los procesos realizados por el ser humano, entendiéndose la industria como uno de ellos, son inseparables de las cuestiones medioambientales. Tras reconocer que los problemas ambientales dependen estrechamente del modo de desarrollo social, el camino a seguir tanto de los estudios teóricos como de nuevas propuestas estratégicas es diseñar un futuro sostenible tanto para la producción de bienes y servicios requeridos por la sociedad, como para un desarrollo y mantenimiento del medio ambiente (Herrero, 2017). En este capítulo se estudiarán los métodos tradicionales de obtención de energía así como su repercusión medioambiental, y se propondrán posibles escenarios futuros en la demanda y obtención de la misma. 5.1. El desarrollo sostenible El desarrollo sostenible como su propio nombre indica, se basa en la sostenibilidad, en dónde se debe enmarcar toda estratégica económica y social actual. El origen de este término tiene su fundamento en el siglo XX al evaluar las consecuencias medioambientales derivadas de la acción humana. Este conflicto no surge en este momento, pero sí la valoración de futuras consecuencias, en dónde se cuestiona la supervivencia humana. (Gutiérrez, 2018) La creación en 1983 de la Comisión de Desarrollo y Medio Ambiente por las Naciones Unidas, refleja la preocupación existente a nivel mundial por la relación entre el desarrollo económico de una sociedad y el medio ambiente. Esta comisión fue integrada por personalidades del ámbito científico, político y social. El primer director de la Comisión, Gró Harlem Brundtland, en esos momentos también primer ministro de Noruega, era conocido por sus actuaciones en temas medioambientales. La primera función de la Comisión fue dar respuesta a las inquietudes existentes en el momento: Formulación de objetivos en torno a temas de desarrollo y medio ambiente Nuevas formas de cooperación internacional capaces de tener la suficiente influencia para lograr los objetivos señalados. Promover el compromiso internacional con los objetivos propuestos por parte de individuos, organizaciones, empresas y gobiernos. La introducción del término desarrollo sostenible se encuentra en el primer informe publicado en 1987 por la Comisión conocido como Informe Brundtland. En este informe, se expone que: “Está en manos de la humanidad asegurar
TRANSICIÓN ENERGÉTICA 48 Contrario a lo que ocurre en países miembros de la OCDE, los países que no tienen una legislación restrictiva relacionada con el uso energético y emisiones contaminantes, siguen en aumento en el uso de la energía como muestra el Gráfico 9. Gráfico 9. Evolución y consumo de energía primaria en países no pertenecientes a la OCDE. FUENTE: elaboración propia a partir de (IEA, 2018). El consumo energético de Asia es 1,67 veces más alto que el conjunto de países fuera de la OCDE en el año 2014, mientras que, según el escenario descrito por el IEA, en el año 2040 esta diferencia ascenderá a 1,73 veces. Estos datos se traducen en que en el año 2014 Asia demandó el 36,1% de toda la energía mundial, mientras que la previsión para 2040 el porcentaje asiático asciende al 44,24%. Fijándose en los países en vías de desarrollo, se observa que tienen un mayor consumo, que se deriva de sus crecientes necesidades. Pese a un ritmo elevado de industrialización, sus niveles de consumo iniciales son muy bajos, por lo que las desigualdades con los países más desarrollados siguen siendo muy elevadas. En estos países en los que ha surgido un aumento industrial, se les denomina “semiindustrializados” o “recién industrializados” y en ellos aumenta la población que logran llegar a lo que se denomina consumo moderno, entrando así en una clase social de ingresos equivalente a los países desarrollados. Las actuales preocupaciones surgen en base a estos países en desarrollo industrial, puesto que puedan continuar su desarrollo según la tendencia actual, consumiendo recursos y contaminando (Myers, 1997). 0 1000 2000 3000 4000 5000 6000 7000 8000 2000 2014 2020 2025 2030 2035 2040 MillonesdeToneladasEquivalentes Latino‐América África OrienteMedio Rusia Asia
TRANSICIÓN ENERGÉTICA 49 Es obvio que el aumento del consumo de recursos a nivel mundial es beneficioso para el desarrollo de la sociedad, pero cabe destacar que debido a su mala distribución y su excesivo uso producen efectos perjudiciales que pueden llegar a ser irreversibles en el medio ambiente, siendo los países industrializados y desarrollados los que más sufren estos problemas ambientales. 5.3.2. Evolución del consumo de la Energía El aumento de la actividad económica mundial conlleva el incremento del uso de recursos. El aumento porcentual de consumo global de energía desde el año 1990 hasta 2010 ha sido de un 42% pese a las importantes mejoras en el área de la eficiencia energética. (Herrero, 2017) Como muestran los datos proporcionados por el informe Energy Outlook de 2018 realizado por BP, la demanda energética continuará aumentando en los próximos veinte años. En el año 2035 se prevé un aumento de la demanda energética mundial del 34%, a un ritmo de 1,4% anual. Este aumento en la demanda, no se realiza de forma homogénea con todas las formas energéticas, pues existe un aumento del uso de combustibles con bajo peso en carbono. Como se aprecia en los datos, todo el crecimiento de la demanda pertenece a países no miembros de la OECD. Gráfico 10. Demanda energética por regiones. FUENTE: elaboración propia a partir de (BP, 2018) Hasta nuestros días, una gran proporción de la energía utilizada ha sido proveniente de hidrocarburos o combustibles fósiles (carbón, petróleo y gas natural). Los hidrocarburos mueven la industria y la agricultura proveyendo tanto combustible como componentes. El consumo global de energía en 2018 asciende a 11,8 billones de toneladas equivalentes de energía, de las cuales el 78% provienen de los hidrocarburos (IEA, 2018). Varios indicadores aclaran 0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0 1990 1997 2004 2011 2018 2025 2032 2039 BillonesdeToneladas Equivalentes Other Africa OtherAsia OECD India China
TRANSICIÓN ENERGÉTICA 50 que a partir del 2030 el mundo energético será significativamente diferente a lo que conocemos actualmente (Zillman, y otros, 2008). Gráfico 11. Consumo de energía primaria por tipo de combustible. FUENTE: elaboración propia a partir de (BP, 2018) Pese al aumento observable de las formas energéticas renovables, las fuentes procedentes de hidrocarburos seguirán siendo predominantes en los siguientes años. 5.3.3. Consumo e impacto del carbón Debido a las regulaciones existentes en países pertenecientes a Estados Unidos y Europa, la demanda de carbón disminuye, pese a ser países altamente industrializados. Por otro lado, el dato más llamativo se encuentra en China en el año 2017, en donde aumenta la demanda de carbono en un 288,17% respecto del año 2000. Una de las principales razones de este gran crecimiento es el aumento en el PIB del país, el cual aumenta un 1010,73% en este periodo de tiempo según datos del Banco Mundial (World Bank, 2018). La predicción que realiza la Agencia Internacional de Energía (IEA) para el año 2023 para Estados Unidos, Europa y Japón es una reducción en la demanda del carbón, en China después del gran aumento industrial que ha tenido lugar se consigue estabilizar en los siguientes años, y en países de la India o el sudeste asiático sigue aumentando ligeramente, lo que indica que son países en pleno desarrollo industrial. Pese a ver en el Gráfico 12 los grandes aumentos que existen en ciertos países sobre la demanda de carbón, en los datos mundiales de demanda, vemos no solo una estabilización de la misma desde el año 2015, sino que como se aprecia en el Gráfico 13, las predicciones realizadas en 2018 para los 0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0 1970 1980 1990 2000 2010 2020 2030 2040 BillonesdeToneladas Equivalentes Renewables Hydro Nuclear Coal Gas Oil
TRANSICIÓN ENERGÉTICA 51 siguientes años son más optimistas que las realizadas el año anterior, lo que nos hace prever que cada vez más medidas restrictivas son tomadas con relación al uso del carbón. Gráfico 12. Demanda de carbón en los años 200 y 2017, y predicción para 2023. FUENTE: elaboración propia a partir de (IEA, 2018) Gráfico 13. Evolución y predicción de la demanda mundial de carbón. FUENTE: Elaboración propia a partir de (IEA, 2018) Por último, resulta interesante ver las grandes diferencias que existen dentro de Europa en relación a la generación de energía a partir de la combustión de carbón (Gráfico 14). Podemos dividir Europa en dos partes, Europa Occidental y Europa del Este. La diferencia entre el porcentaje de generación energética a partir del carbón entre las dos es muy notable. Frente a una media de 15,1% 0 500 1000 1500 2000 2500 3000 EEUU EU28 JAPONY COREA CHINA INDIA SUDESTE ASIÁTICO MTon 2000 2017 2023 3000 3500 4000 4500 5000 5500 6000 2000 2005 2010 2015 2020 Previsiónen2017 Previsiónen2018 informe2017 Informe2018
TRANSICIÓN ENERGÉTICA 52 de los países que han establecido o están en proceso de establecer medidas restrictivas al carbón, los países que aún no se han planteado estas medidas tienen una media de 44,7% de energía generada gracias a la combustión del carbón. Todo apunta a que países como Polonia o República Checa acaben tomando medidas contra el uso del carbón, reduciendo así notablemente la media europea en generación de energía por combustión de carbón, y reduciendo así la demanda europea y, por consiguiente, la demanda mundial de carbón. Gráfico 14. Porcentaje de energía generada a partir del carbón en Europa. FUENTE: Elaboración propia a partir de (IEA, 2018) De todos los combustibles, el carbón es el que más impacto genera en el medio ambiente. Todas las fases del desarrollo del carbón y su uso tienen un impacto tanto a corto como largo plazo en la vida humana, sociedad, cambio climático…etc. Este impacto se ha magnificado por las enormes cantidades de carbón quemado cada año. En torno a un billón de toneladas en EEUU, y China, que quema más carbón que EEUU, UE y Japón juntos (Zillman, y otros, 2008). La extracción de carbón tiene múltiples efectos en la vida humana, tierras cercanas, aguas superficiales, aguas subterráneas, en la atmósfera, el uso del suelo y en los modos de vida. La minería puede destruir el suelo orgánico, diezmar la forma del terreno, causar desprendimientos, contaminar las aguas tanto superficiales como subterráneas con sedimentos, solidos disueltos o 0 10 20 30 40 50 60 70 80 Medidasanunciadas Medidasennegociación Sinmedidasplanteadas Mediasoloconmedidasplanteadas Mediasolosinmedidasplanteadas Mediatotal
TRANSICIÓN ENERGÉTICA 53 sustancias tóxicas. Pozos abiertos pueden generar polvo y problemas de contaminación atmosférica, exterminar peces y fauna, destruir los hábitats naturales y rutas de migración animal. Los residuos mineros abandonados pueden eliminar el valor económico y estético la zona. Millones de hectáreas utilizadas para la minería quedan abandonadas, incluso con regulaciones estrictas como la de EEUU. 5.3.4. Consumo e impacto del petróleo Desde los años 50, el petróleo se ha convertido en la fuente energética más importante, con la capacidad energética más alta por unidad y su relativa abundancia. Actualmente el petróleo proporciona aproximadamente un 40% de la energía mundial, llegando a un 90% en el transporte (EIA, 2019). El 84% del petróleo extraído es procesado como combustible, mientras que el 14% restante es usado en la industria química. Por unidad energética, produce menos CO2 que el carbón, sin embargo, cada fase del desarrollo del petróleo y su uso tienen, a corto y largo plazo, impactos bastante significantes en la salud humana, sociedad, aire, agua o tierras (Zillman, y otros, 2008). La exploración de petróleo en aguas marinas utilizando tecnología sísmica8 puede dañar a ciertos animales marinos, afectando al hábitat y patrones migratorios. Lo mismo ocurre en la tierra, donde esta tecnología afecta al ecosistema, fauna, requiere construcción de carreteras y puede causar grandes choques culturales con la población indígena o nativa de la zona. El transporte de petróleo puede tener aún mayor repercusión medioambiental, proveniente de la construcción de la línea de tuberías, de los derrames de tanques, o de su almacenamiento. Un ejemplo de estas construcciones de tuberías es el oleoducto Chad-Camerún, que consta con alrededor de 890Kms de longitud, y ha experimentado en su vida dos fugas de petróleo. Debido a su construcción y uso se han desarrollado diversos problemas medioambientales, llegando a afectar a una gran parte del arrecife marino de Kribi, Camerún (IFC, 2003). El proceso actual de combustión de petróleo para producir energía es una de las principales causas de la contaminación atmosférica. Mientras que la generación de electricidad y la actividad industrial son parte del problema 8 La exploración sísmica es un proceso geofísico que permite determinar la profundidad, forma y disposición de cada capa terrestre mediante el uso de ondas acústicas producidas de forma artificial y refractándose en sensores (geófonos). Su finalidad es la de localizar rocas que almacenen hidrocarburos (petróleo y gas). Este método se utiliza tanto en un entorno terrestre como marítimo.
TRANSICIÓN ENERGÉTICA 54 medioambiental, la mayoría de las emisiones provienen del sector del transporte. 5.3.5. Consumo e impacto del gas natural Entre los combustibles fósiles podemos decir que el gas natural es el más “limpio”. A corto plazo es una posible mejora sobre el carbón y petróleo, pero no es una solución sostenible puesto que también presenta problemas relacionados con el cambio climático, la salud o con el medio ambiente. Actualmente, el gas natural proporciona alrededor del 24% de la energía mundial. Cerca de la mitad es utilizado en la industria para producir calor o como factor en productos (plásticos, químicos, fertilizantes, medicinas, explosivos…etc.) Otro cuarto restante es utilizado en viviendas, y el resto se divide entre su uso comercial o en un mercado actualmente en crecimiento para la generación eléctrica. Los impactos del gas natural son similares a los producidos por la exploración, perforación, refinería y las fases de transporte del petróleo, y pese a que es un material explosivo, es más seguro que el petróleo. Puesto que el gas natural es químicamente menos complejo y tiene menos impurezas en comparación con el carbón o el petróleo, sus emisiones son significativamente menores por unidad de energía producida. 5.4. Factores para pensar en una transición energética baja en carbono Existen cinco factores claves para pensar en la sustitución del carbono. El primero es el cambio climático y otros daños medioambientales. La estrecha relación entre el cambio climático y el dióxido de carbono proveniente del uso de los combustibles fósiles está ahora reconocida por consensos científicos, como por ejemplo se recoge en el informe del IPCC (IPCC, 2007), donde se especifica que el cambio climático es una realidad, y la actividad humana, especialmente el uso de combustibles fósiles, es una causa directa. Los esfuerzos en esta área son importantes, como queda reflejado en el Protocolo de Kioto, en el cual se establecen límites para las emisiones (Zillman, y otros, 2008). El segundo factor es el denominado “Seguridad Energética”. La provisión de suministro energético es una preocupación a nivel tanto gubernamental como de cada individuo de la sociedad. La inseguridad aparece por factores no solo económicos, sino también políticos o incluso naturales, que puedan interrumpir el suministro. En el “World Energy Outlook 2006 “ (IEA, 2006) se subraya el
TRANSICIÓN ENERGÉTICA 55 hecho de “la amenaza al mundo de la seguridad energética es real y está en crecimiento”. La mayoría de las reservas mundiales de petróleo se encuentran en el Medio Oriente en países que están afectados por inestabilidad política y guerras. El tercer factor que nos hace buscar alternativas es el gran incremento en la demanda energética global. Este crecimiento incluye transporte a base de petróleo u hogares calentados con combustibles fósiles. El aumento de la demanda global de energía en un 50% en el 2030 tendrá consecuencias de seguridad energética y repercusiones en el medioambiente, sobre todo en el calentamiento global. El mercado, la política y las restricciones institucionales deben ser considerados como la cuarta razón de la importancia de explorar una transición a una economía baja en carbono. Más que el problema de la escasez de reservas de petróleo, según el IEA, el gran problema es la gran magnitud de las investigaciones requeridas para mantener el nivel de facilidades actual de suministro energético en todos los sectores. Por último, el quinto factor que nos hace plantearnos un futuro energético diferente se refiere a acceso a la energía. Un tercio de la población mundial tiene un acceso deficiente a servicios de energía modernos (IEA, 2018). Estos cinco factores indican que el modelo económico energético actual, fuertemente dependiente de los combustibles fósiles, no es sostenible en un medio-largo plazo. 5.5. Alternativas energéticas Por todo lo expuesto anteriormente, es clara la necesidad de buscar nuevas alternativas que sustituyan el uso de combustibles fósiles para la generación de energía, puesto que como se observa en el Gráfico 10, la demanda energética seguirá en aumento en los próximos años. 5.5.1. Energía Nuclear La búsqueda de una energía libre de gases de efecto invernadero está renovando el interés en la energía nuclear, es decir, de la generación de electricidad a partir del calor proveniente de la fisión atómica. El uso de esta energía tuvo un gran éxito en el último decenio del siglo XX, pero con la entrada del siglo XXI su producción a nivel mundial comenzó una tendencia decreciente que continua hasta nuestros días como se observa en el Gráfico 15:
TRANSICIÓN ENERGÉTICA 56 Gráfico 15. Producción eléctrica a partir de energía nuclear a nivel mundial en porcentaje. FUENTE: elaboración propia a partir de (Banco Mundial, 2015) Por otro lado, se observa una clara diferencia en su producción en los diferentes países del mundo como vemos en el Gráfico 16. Gráfico 16. Producción eléctrica a partir de energía nuclear por países. FUENTE: Elaboración propia a partir de (Banco Mundial, 2015). Mientras que los países europeos como Francia con un 77,6% o Eslovaquia con un 56,87% de producción eléctrica mediante energía nuclear, llama la atención el nulo porcentaje de los países asiáticos que, como se ha descrito previamente, tienen un alto porcentaje de consumo energético a nivel mundial. Viendo las cifras del uso de energía nuclear de Japón (Gráfico 17) vemos un descenso de la producción nuclear desde un 25,3% en 2010 a un 1,5% en 2012. Esto se puede explicar por el accidente nuclear en Fukushima el 11 de marzo de 2011, por lo que el escaso uso de esta energía actualmente en estos 0 2 4 6 8 10 12 14 16 18 20 1971 1973 1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 Porcentajedeenergíaeléctricaa partirdenuclear(%) 0 10 20 30 40 50 60 70 80 90 Porcentajedeenergíaeléctricaa partirdenuclear(%)
TRANSICIÓN ENERGÉTICA 57 países se debe al miedo generado por los problemas que causan los incidentes nucleares. Gráfico 17. Evolución de la producción de energía eléctrica a partir de energía nuclear en Japón FUENTE: elaboración propia a partir de (Banco Mundial, 2015) Existen riesgos únicos “nucleares” que no se encuentran con ninguna otra fuente de energía, entre los que se encuentran los riesgos para la salud humana, seguridad nacional y sobre todo los depósitos de residuos radiactivos. (Zillman, y otros, 2008) El riesgo de un acontecimiento catastrófico puede ser mínimo, pero sus consecuencias son devastadoras, como se puede apreciar en el primer escape significativo de material radiactivo ocurrido en un reactor en 1957 en Windscale, en Inglaterra, y por supuesto, el gran desastre de 1986 en Chernóbil, en Ucrania. Los riesgos más presentes les encontramos en la radiactividad del aire y agua generada por las plantas, en donde aparentemente, en los alrededores de las plantas hay mayor riesgo de sufrir cáncer de mama y otras enfermedades relacionadas con la radiactividad. El problema más importante y actual relacionado con la energía nuclear es la falta de métodos para la gestión de los residuos radiactivos generados en las plantas, residuos que continúan teniendo radiactividad durante cientos de miles de años. Las plantas generan dos tipos de basura, las llamadas de alto y de bajo nivel radiactivo. Por falta de un método apropiado de almacenamiento, actualmente los residuos radiactivos de alto nivel son almacenados en “piscinas” o contenedores de refrigeración, muchas de las veces dentro de las propias plantas, generando un alto peligro de catástrofe. 0 5 10 15 20 25 30 35 1965 1967 1969 1971 1973 1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 Porcentajedeenergíaeléctricaa partirdenuclearenJapón(%)
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 64 Gráfico 19. Peso en porcentaje de cada sector en las ventas de las transacciones intersectoriales mundiales del año 2009. FUENTE: Elaboración propia a partir de (WIOD) 6.1.2. Escenarios futuros e Intensidad energética Existen varias razones por las cuales la matriz de coeficientes puede verse alterada con el tiempo. Algunas de ellas son las siguientes: Cambio tecnológico (mecanización, robotización…). Economías de escala. Sectores que crecen mucho requieren menor proporción de inputs. Nuevos productos o sectores. Cambio energético (electrificación del transporte…). Cambio en los precios Sustitución de importaciones (No afecta a nivel mundial) En este trabajo, se estudiarán los cambios de la Matriz A originados por un cambio energético. Para ello, se requiere de una serie de escenarios que describan el mix energético futuro. Estos escenarios los desarrolla el proyecto MEDEAS: 0,23 0,26 0,43 0,44 0,56 0,6 0,67 0,86 1,13 1,24 1,75 1,78 1,9 1,98 2,02 2,22 2,31 2,45 2,59 2,71 2,85 2,89 3,12 3,13 3,32 3,36 3,64 3,88 4,35 5,23 7,13 7,68 9,54 11,75 Cueroycalzado Educacion Salud Transporteaereo Administraciónpúblicaydefensa Reciclaje Transportemarítimo Reparacióndevehículos Madera Hostelería Soportealtransporte Productostextiles Mineralesnometálicos Construccion Carbonypetróleo Servicioscomunitarios Plásticos Ventaderepuestos Maquinaria Transporteterrestre Papel Actividadesreales/estatales Suministrodegas,aguayelectricidad Comida,bebidaytabaco Mineríayextrusión Mensajería Equipamientoparatransporte Agricultura,cazaypesca Productosquímicos Ventaalpormayor Metales Actividadesfinancieras Equipamientoeléctrico Alquilerdemaquinaria
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 65 Escenario 1: Optimismo económico con algunas reformas de mercado. fuerte enfoque en el mecanismo de mercado competitivo, eficiente, libre comercio y rápido crecimiento económico asociado, pero que incluye algunos supuestos de políticas adicionales dirigidos a corregir algunas fallas del mercado con respecto al desarrollo social, el alivio de la pobreza o el entorno. El escenario suele suponer un rápido desarrollo y difusión de la tecnología y la convergencia de los niveles de ingresos en todo el mundo. Se supone que el crecimiento económico coincide con un bajo crecimiento de la población (dada una rápida caída en los niveles de fertilidad). Los recursos energéticos y materiales escasos se actualizan a reservas o se sustituyen de manera eficiente a través de las señales del mercado (aumento de precios). Eventualmente, todos se beneficiarán de la globalización y los avances tecnológicos remediarán los problemas ecológicos. Escenario 2: Desarrollo sostenible global. Una fuerte orientación hacia la protección del medio ambiente y la reducción de la desigualdad, basada en soluciones encontradas a través de la cooperación global, el cambio de estilo de vida y la tecnología (tecnologías más eficientes, desmaterialización de la economía, economía de servicios e información, etc.). Los elementos centrales son un alto nivel de conciencia ambiental y social combinado con un enfoque global coherente para el desarrollo sostenible. Dentro de este escenario, se asume que un alto nivel de coordinación gubernamental internacional es necesario y posible para enfrentar problemas internacionales como el alivio de la pobreza, la protección del clima y la conservación de la naturaleza. Implica una regulación de los mercados, pero a escala global y basada en la convicción de que los límites de la Tierra están a la vista y que, por lo tanto, son necesarias políticas proactivas. Escenario 3: Competición entre regiones .Este escenario asume que las regiones se centrarán más en su autosuficiencia, soberanía nacional e identidad regional, lo que llevará a la diversidad, pero también a las tensiones entre regiones y / o culturas. Los países están preocupados por la seguridad y la protección, enfatizando principalmente los mercados regionales (proteccionismo, desglobalización) y prestando poca atención a los bienes comunes. Debido a la reducción significativa en la difusión tecnológica, las mejoras tecnológicas progresan más lentamente. Escenario 4: Desarrollo regional sostenible. Este escenario es la versión "amigable" de la anterior, donde la globalización tiende a ser deconstruida y un cambio importante en los valores tradicionales y las normas sociales ocurre contra el consumismo sin sentido y la falta de respeto por la vida. Los ciudadanos y los países deben asumir las responsabilidades que pueden asumir, proporcionar ayuda o establecer un ejemplo verde para el resto del
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 66 mundo, desde un sentido del deber, por convicción o por razones éticas o para resolver principalmente sus propios problemas. De hecho, aunque las barreras para los productos se reconstruyen, las barreras para la información tienden a eliminarse. La atención se centra en encontrar soluciones regionales para los problemas sociales y ambientales actuales, que generalmente combinan cambios drásticos en el estilo de vida con la descentralización de la gobernanza. Para este trabajo, se ha seleccionado como escenario posible el Escenario 2 puesto que contiene la principal condición de globalidad. Además, con el fin de comparar resultados, se ha utilizado un escenario a mayores (Escenario BAU) procedente de: (O´Neill, y otros, 2014). Escenario BAU: Mitad de camino. En este mundo, continúan las tendencias típicas de las últimas décadas, con algunos avances hacia el logro de los objetivos de desarrollo, las reducciones en la intensidad de recursos y energía a tasas históricas y disminuyendo lentamente la dependencia de los combustibles fósiles. El desarrollo de los países de bajos ingresos se desarrolla de manera desigual, mientras que algunos países progresan relativamente bien, mientras que otros se quedan atrás. La mayoría de las economías son políticamente estables con mercados parcialmente conectados y conectados globalmente. Existe un número limitado de instituciones globales comparativamente débiles. Los niveles de ingreso per cápita crecen a un ritmo medio en el promedio mundial, con niveles de ingreso lentamente convergentes entre países en desarrollo e industrializados. Las distribuciones de ingresos intrarregionales mejoran ligeramente con el aumento del ingreso nacional, pero las disparidades siguen siendo altas en algunas regiones. Las inversiones en educación no son lo suficientemente altas como para retardar rápidamente el crecimiento de la población, particularmente en países de bajos ingresos. El logro de los Objetivos de Desarrollo del Milenio se retrasa varias décadas, dejando a las poblaciones sin acceso a agua potable, saneamiento mejorado y atención médica. Del mismo modo, existe un único éxito intermedio para abordar la contaminación del aire o mejorar el acceso a la energía para los pobres, así como otros factores que reducen la vulnerabilidad al clima y otros cambios globales. Como comparación entre los dos escenarios utilizados (BAU y escenario 2), se muestra la Tabla 4:
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 67 Tabla 4. Comparación de escenarios usados en el proyecto BAU Escenario 2 Crecimiento PIB Tendencias históricas Alto Crecimiento poblacional Medio Medio Disponobilidad de recursos de energías no renovables Medio Medio Desarrollo de instalaciones de energía renovables Medio Muy rápido Desarrollo tecnológico Medio Lento Objetivo principal No definido Seguridad Protección ambiental Reactivas y proactivas Reactivas Comercio Globalización débil Barreras comerciales FUENTE: (MEDEAS, 2019) En resumen, tendremos un escenario (BAU) que continuará las tendencias actuales sin provocar cambios bruscos ni en el crecimiento económico mundial, ni en el mix energético utilizado, mientras que el Escenario 2 provocará un importante cambio en las fuentes energéticas (reducción del carbono) con el fin de potenciar la mejora medioambiental, y experimentará un aumento brusco en el PIB a nivel mundial. 6.2. Metodología El objetivo principal es encontrar una relación que consiga estimar valores futuros de los 1225 elementos de la Matriz A: ∆𝑎𝑡𝑏1 ∆𝑎𝑡1𝑏2 ∆𝐼𝐸𝑡𝑏3∆𝐼𝐸 𝑡𝑏4 ∆𝐼𝐸𝑡𝑏5∆𝐼𝐸𝑡𝑏6∆𝐼𝐸𝑡𝜖 (6.1)
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 68 Dónde: ∆𝑎𝑡: Variación relativa del elemento aij entre los años t-1 y t. ∆𝑎𝑡1: Variación del elemento aij entre los años t-2 y t-1. ∆𝐼𝐸𝑡: Variación de la Intensidad Energética de Líquidos entre los años t y t-1. ∆𝐼𝐸𝑡: Variación de la Intensidad Energética de Gas entre los años t y t-1. ∆𝐼𝐸𝑡: Variación de la Intensidad Energética Eléctrica entre los años t y t-1. ∆𝐼𝐸𝑡: Variación de la Intensidad Energética de Calor entre los años t y t-1. ∆𝐼𝐸𝑡: Variación de la Intensidad Energética de Sólidos entre los años t y t-1. 𝑏: coeficientes de cada uno de los índices anteriores. 𝜖: ruido. La fórmula (6.1), nos indica que la variación relativa de los coeficientes de la Matriz A (∆𝑎) en un periodo determinado (t) se puede expresar en función de los valores que tenían dichos coeficientes en un periodo anterior (t-1), y de la variación de los cinco tipos de intensidades energéticas (líquida, gas, eléctrica, calor y sólidos) durante el mismo periodo. Además, se incluye un elemento que resume todos aquellos aspectos que no se pueden controlar denominado “ruido” (𝜖). A su vez, la variación relativa de cada elemento aij se obtendrá de la siguiente manera: ∆𝑎𝑡𝑎𝑡𝑎𝑡1 𝑎𝑡1 (6.2) Una vez obtenida la expresión matemática que permite calcular las variaciones de cada elemento aij (fórmula 6.2), se calcula el valor estimado de aij (𝑎): 𝑎 𝑡∆𝑎𝑡∗𝑎𝑡1𝑎𝑡1 (6.3) El siguiente paso es calcular el error cometido en las estimaciones del valor aij calculado (âij) respecto de los datos reales que se tienen (desde 1995 hasta 2014): 𝑒𝑡𝑎𝑡â𝑡 (6.4)
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 69 ê𝑡|𝑒𝑡| 𝑎𝑡 100 (6.5) Para considerar un error como aceptable, la fórmula (6.4) debe devolver un valor inferior al 10%. En este caso, y como último paso, se procederá a calcular el valor de 𝑎 en un periodo (t). Puesto que la fórmula 6.1 tiene varios elementos, dividiremos el trabajo a seguir en varias fases. Primeramente, se hará un estudio de correlación entre las diferentes Intensidades Energéticas y la Matriz A para determinar los coeficientes b2, b3… b6. Posteriormente, se realizará la Autocorrelación la de la Matriz A para determinar el coeficiente b1. Finalmente, y utilizando los datos que tenemos, se calculará el error que se comete en la predicción de los valores de la Matriz A utilizando la expresión que hemos desarrollado. 6.3. Estudio de correlación entre la Matriz A con las Intensidades Energéticas El primer paso para obtener la expresión matemática que estime los valores futuros en el intercambio sectorial en función de las Intensidades Energéticas consiste en determinar la existencia o no de relaciones entre cada elemento de la Matriz A (elemento aij) y los diferentes tipos de Intensidades, como se ha visto anteriormente. Esto es, ver si se puede explicar la variación del valor de transacción intersectorial aij con la variación en el mismo periodo temporal de cada una de las cinco Intensidades Energéticas. En la fórmula 6.1 se resalta en negrita los coeficientes (b2, b3 … b6) que se van a determinar en este apartado. ∆𝑎𝑡𝑏1 ∆𝑎𝑡1𝒃𝟐 ∆𝐼𝐸𝑡𝒃𝟑∆𝐼𝐸 𝑡 𝒃𝟒 ∆𝐼𝐸𝑡𝒃𝟓∆𝐼𝐸𝑡𝒃𝟔 ∆𝐼𝐸𝑡𝜖 (6.1) Para ello, se ha utilizado el análisis de correlación, mediante el cual, a través de los Coeficientes de Correlación se testa la relación existente entre dos variables X e Y (Walpole, y otros, 2007). En nuestro caso, la variable Y se corresponde con cada una de las 1225 (35x35) variaciones de los elementos aij, y la variable X con cada variación de las cinco Intensidades Energéticas para cada valor aij. De esta forma se determina si existe valor del coeficiente bi o, al contrario, dicho coeficiente es nulo. Para medir la relación lineal entre dos variables X e Y se ha utilizado el coeficiente de Pearson (Milton, y otros). Definido como:
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 70 𝜌 𝐶𝑜𝑣 𝑋 ,𝑌 𝑉𝑎𝑟 𝑋 𝑉𝑎𝑟 𝑌 𝜌 ∈ 1,1 (6.6) El parámetro 𝜌 (ro) asume valores entre -1 y 1 incluidos, siendo estos valores los que indican una relación lineal perfecta, negativa o positiva respectivamente. Un valor de 0 indica que las variables X e Y no tienen correlación. Ha de tenerse cuidado con la interpretación de los valores obtenidos en esta correlación, puesto que los valores de r10, pertenecientes al intervalo [-1,1] no son proporcionales entre sí. Esto quiere decir que dos correlaciones con valores de 0,3 y 0,6, por ejemplo, solamente indica que existe correlación una un poco más fuerte que otra, pero sería un error concluir que la segunda es doblemente mejor que la primera (Walpole, y otros, 2007). Las varianzas y covarianza de la fórmula 6.6 se estiman de la siguiente manera: 𝑉𝑎𝑟 𝑋 𝑋 𝑋 /𝑛 𝑉𝑎𝑟 𝑌 𝑌𝑌 /𝑛 𝐶𝑜𝑣 𝑋,𝑌𝑋 𝑋 𝑌𝑌 /𝑛 Si denominamos 𝑆 𝑥𝑥 𝑆 𝑦𝑦 𝑆 𝑥 𝑥𝑦𝑦 El estimador 𝜌 viene dado por: 10 El coeficiente de Pearson 𝜌 se trata de un coeficiente poblacional. En el caso muestral, resulta más correcto formular este coeficiente como r: coeficiente de correlación muestral.
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 71 𝜌𝑟 𝑆 𝑆𝑆 (6.7) Puesto que en la fórmula 6.7 tenemos que 𝑟𝑆 /𝑆𝑆, sustituyendo en la expresión anterior, tenemos que: 𝑆𝐸𝐸 𝑆 1𝑟 Siendo: 𝑆𝑆𝐸 𝑦𝑦 Despejando el coeficiente de determinación se tiene: 𝑟𝑆 𝑆𝑆𝐸 𝑆 6.8 Donde 𝑆 mide la variabilidad total de Y, y SSE mide la variabilidad aleatoria de Y mediante la estimación de la regresión lineal. Por su parte, 𝑆 𝑆𝑆𝐸 mide la variabilidad de Y explicada por el modelo de regresión lineal. El coeficiente 𝑟, denominado coeficiente muestral de determinación, expresa la proporción que existe en la variación total de los valores de Y, que son explicados u ocasionados por una relación lineal con la variable X. Por ello, el valor de este coeficiente se encuentra en el intervalo [0,1], ya que se trata de un porcentaje. Así, un 𝑟0,3, significa que el 30% de la variación de los valores de Y, son explicados por los valores de X. De acuerdo con la metodología descrita anteriormente, ha sido necesario calcular, para cada uno de los 14 años la correlación entre la variación relativa de los coeficientes de la Matriz A de cada uno de los 1225 (35x35) elementos (∆𝑎𝑡), con las cinco variables explicativas: la variación relativa de las intensidades energéticas de líquidos, gas, eléctrica, calor y sólidos. En conjunto, esta operativa implica realizar 17.150 correlaciones lineales a partir de 85.750 datos, que se recogen en el fichero Excel adjunto (TFG.xlsm). En total, este documento se compone de 31 hojas: las cuatro primeras páginas de datos, en donde se recogen tanto la Matriz A de todos los años descritos, como las Intensidades Energéticas de los mismos años, y 27 hojas con las operaciones necesarias para el cálculo de la predicción de la Matriz A que se explicarán a lo largo de este trabajo. Las dos últimas hojas recopilan las predicciones realizadas para los años 2030 y 2050 según el escenario dado.
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 72 Debido a la gran cantidad de datos empleados, se ha recurrido a la programación VBA (Macros en Excel), para poder realizar todas las operaciones necesarias. Los códigos de programación de dichas macros se recogen detalladamente en el ANEXO 2. MACROS VBA. Para poder trabajar los datos de una forma ordenada, se extraen las variaciones de todos los años de los datos de inicio, realizando así las 14 primeras hojas del Excel adjunto, nombradas como V1, V2, V3… V14, correspondientes a las variaciones anuales relativas desde 1996 hasta 2009 de la Matriz A. El siguiente paso ha consistido en agrupar las 17.150 variaciones una sola matriz que se encuentra en la hoja “Variaciones1” del Excel adjunto. Debido a las dimensiones de la tabla, resulta imposible adjuntarla en este trabajo, por lo que se muestra un ejemplo de la misma a continuación: Tabla 5. Variaciones relativas anuales de la Matriz A Sec.1 Sec.2 Sec.3 Sec.4 … Sec.32 Sec.33 Sec.34 Sec.35 Sector1 1995‐1996‐0,028 0,110 0,007 ‐0,041 ‐0,023 0,093 ‐0,154 ‐0,034 1996‐1997‐0,010 ‐0,073 0,018 0,023 0,038 0,016 0,069 0,059 1997‐19980,012 ‐0,071 ‐0,007 ‐0,044 ‐0,020 ‐0,058 ‐0,013 0,139 1998‐19990,010 ‐0,016 ‐0,027 ‐0,053 ‐0,085 0,172 0,001 0,109 1999‐2000‐0,007 0,186 0,026 ‐0,035 ‐0,135 ‐0,322 ‐0,022 0,152 2000‐2001‐0,010 ‐0,135 0,011 ‐0,056 ‐0,096 ‐0,033 0,022 0,062 2001‐20020,018 0,092 ‐0,005 ‐0,017 ‐0,135 ‐0,001 0,008 ‐0,007 2002‐2003‐0,023 ‐0,059 0,043 ‐0,012 …. 0,010 ‐0,098 0,021 ‐0,184 2003‐20040,014 ‐0,119 0,015 ‐0,043 0,084 ‐0,025 0,046 ‐0,001 2004‐2005‐0,005 ‐0,007 0,035 0,007 0,321 ‐0,024 0,043 0,021 2005‐2006‐0,024 ‐0,190 0,068 ‐0,029 ‐0,289 ‐0,012 0,025 ‐0,026 2006‐2007‐0,058 ‐0,068 0,057 ‐0,047 ‐0,004 ‐0,003 0,017 ‐0,010 2007‐2008‐0,018 0,090 ‐0,007 ‐0,035 0,039 0,003 0,000 ‐0,047 2008‐20090,034 0,051 ‐0,016 ‐0,037 0,012 0,004 0,018 0,082 … … Sector35 1995‐1996‐0,024 ‐0,022 0,049 ‐0,029 0,162 0,576 ‐0,182 ‐0,101 1996‐1997‐0,144 ‐0,144 ‐0,144 ‐0,144 ‐0,144 ‐0,144 ‐0,144 ‐0,144 1997‐19980,226 0,226 0,226 0,226 0,226 0,226 0,226 0,226 1998‐19990,055 0,055 0,055 0,055 0,055 0,055 0,055 0,055 1999‐2000‐0,112 ‐0,099 0,939 ‐0,493 2,306 0,374 1,437 1,731 2000‐20010,062 ‐0,025 0,169 ‐0,282 0,314 ‐0,406 0,268 0,174 2001‐2002‐0,033 ‐0,011 0,040 ‐0,306 … 0,263 0,567 0,109 0,072 2002‐20030,142 ‐0,023 ‐0,090 ‐0,265 ‐0,352 ‐0,163 0,165 0,189 2003‐20040,124 0,017 ‐0,077 ‐0,060 2,098 0,622 0,079 0,138 2004‐20050,071 0,012 0,079 0,000 0,191 0,720 ‐0,162 ‐0,101 2005‐20060,185 0,016 0,070 0,019 ‐0,335 0,984 ‐0,054 0,050 2006‐20070,145 0,006 ‐0,107 ‐0,296 0,475 ‐0,263 ‐0,238 ‐0,195 2007‐20080,049 0,036 0,144 ‐0,127 ‐0,433 ‐0,476 ‐0,264 ‐0,251 2008‐2009‐0,114 ‐0,086 0,060 0,239 0,423 0,585 0,206 0,226 FUENTE: elaboración propia La Tabla 5 muestra las 14 variaciones del sector uno (Agricultura, pesca y caza) y del sector 35 (Consumo final de empleados del hogar) respecto a los cuatro primeros y cuatro últimos. En ella, se muestran los aumentos en las
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 73 transacciones anuales como una variación positiva, mientras que los datos negativos implican una disminución en el valor 𝑎 de un año (t-1) al año (t) en términos porcentuales. Una vez se tiene en la misma hoja tanto las variaciones de todos los años de la Matriz A como las variaciones de Intensidades Energéticas, se puede realizar el estudio de correlación entre ambas variaciones. El estudio de correlación compara las 14 variaciones (desde 1996 hasta 2009) de cada elemento de la Matriz A (aij), como se puede observar en la Tabla 5, con las variaciones relativas anuales de cada una de las cinco Intensidades Energéticas. Para ello, se utiliza la Macro 2 cuyo desarrollo se describe en el ANEXO 2. MACROS VBA. A modo de ejemplo, se expone un fragmento de dicha macro: ActiveCell.FormulaR1C1Local = "=COEF.DE.CORREL(F" & fila + 4 & "C" & 1 + k & ":F" & fila + 17 & "C" & 1 + k & ";F" & 3 + k & "C41:F" & 3 + k & "C54)" La macro genera una tabla con un total de 6.125 celda, cada una de ellas conteniendo su fórmula correspondiente. El resultado final puede consultarse en la Tabla 18 del Anexo 1. El ejemplo anterior se refiere a la parte de la Macro 2 en el cual introduce en una celda previamente seleccionada la fórmula correspondiente al Coeficiente de Correlación entre la variación de la Matriz A y la variación de la Intensidad Energética Eléctrica. Para conseguir que realice la operación 6.125 veces sin errores, se utiliza una serie de contadores como por ejemplo “fila” que se ve en el ejemplo, que sirve para determinar dónde comienza a seleccionar los datos que se introducirán en la fórmula. Para introducir la fórmula, es primordial que se seleccionen correctamente los valores sobre los que hacer el estudio de correlación, para ello, se realizan 2 bucles, correspondientes a las filas y columnas (35x35 sectores), el bucle “i” correspondiente a las filas, y el bucle “k” correspondiente a las columnas. De esta forma, cada vez que se recorra el primer bucle, se introducirán las cinco fórmulas correspondientes a las cinco Intensidades Energéticas. Tras finalizar los elementos ai1, se repetirá el proceso para los elementos ai2 y así sucesivamente hasta que finalice las 35 columnas (k=35). En la tabla completa, que se encuentra en la hoja “Correlación1” del Excel adjunto, podemos ver los sectores con mayor correlación. El sector que mayor correlación presenta con el resto es el sector 8 (Petróleo, carbón y energía nuclear), lo que nos indica una fuerte dependencia en términos de Intensidad Energética del resto de sectores con el petróleo o el carbón. En el lado opuesto, el sector de la madera (sector 6), no se encuentra correlacionado en gran
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 80 utilizaremos la regresión para conocer los valores de b1…b6 sino también para realizar un test de hipótesis sobre ellos (Flury, y otros, 1988). Puesto que en los apartados anteriores hemos establecido la correlación existente entre la variación relativa de cada elemento de la matriz A con las variaciones relativas de las intensidades energéticas, y la correlación que existe entre las variaciones relativas de cada elemento de la matriz A, las tablas de nuestro estudio no se componen del mismo número de datos, puesto que los valores con correlaciones bajas han sido descartados previamente. Un ejemplo de esta Tabla 6 para un elemento concreto (a19.4) es el siguiente: Tabla 7. Datos para realizar una regresión lineal múltiple para el elemento ∆𝒂𝟏𝟗.𝟒 Año ∆𝒂𝒊𝒋∆𝒂𝒊𝒋𝒕𝟏∆𝑰𝑬𝒍𝒊𝒒 ∆𝑰𝑬𝒈𝒂𝒔 ∆𝑰𝑬𝒆𝒍𝒆𝒄𝒕 ∆𝑰𝑬𝒉𝒆𝒂𝒕 ∆𝑰𝑬𝒔𝒐𝒍𝒊𝒅 1996‐1997 0,04 0,00 0,00 0,00 0,00 0,00 ‐0,10 1997‐1998 0,05 0,04 0,00 0,00 0,00 0,00 ‐0,19 1998‐1999 0,00 0,05 0,00 0,00 0,00 0,00 0,01 1999‐2000 0,05 0,00 0,00 0,00 0,00 0,00 ‐0,46 2001‐2001 ‐0,02 0,05 0,00 0,00 0,00 0,00 ‐0,06 2001‐2002 0,00 ‐0,02 0,00 0,00 0,00 0,00 0,15 2002‐2003 ‐0,05 0,00 0,00 0,00 0,00 0,00 ‐0,16 2003‐2004 ‐0,01 ‐0,05 0,00 0,00 0,00 0,00 ‐0,01 2004‐2005 ‐0,06 ‐0,01 0,00 0,00 0,00 0,00 0,20 2005‐2006 ‐0,09 ‐0,06 0,00 0,00 0,00 0,00 ‐0,02 2006‐2007 ‐0,06 ‐0,09 0,00 0,00 0,00 0,00 ‐0,06 2007‐2008 ‐0,12 ‐0,06 0,00 0,00 0,00 0,00 1,52 2008‐2009 ‐0,10 ‐0,12 0,00 0,00 0,00 0,00 ‐0,08 FUENTE: Elaboración propia Siguiendo con el ejemplo puesto anteriormente, esta es la tabla que presenta el elemento ∆𝑎.. Como se puede observar, existen columnas sin valor (son 0). Esto se debe, a que en los análisis de correlación previos el resultado fue bajo para el caso de la Intensidad Energética de líquidos, gas, eléctrica y de calor. Pero sí mostraba dependencia la variación relativa del elemento 𝑎. tanto con la Intensidad energética de sólidos como con la variación del año anterior, como hemos visto en el apartado anterior. Cada una de las 1225 tablas (una por cada elemento de la matriz A), se encuentran en la hoja “Funciones” del Excel adjunto (TFG.xlsm). Debido a que los datos están organizados de una forma sencilla en el Excel TFG.xlsm, no es necesario crear macros en este caso para la compilación de los datos, pero sí para la realización de las regresiones lineales como se verá posteriormente.
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 81 El desarrollo de estas tablas requiere de dos matrices. Estas se recogen en la hoja “coeficientes”. Primero se desarrolla la matriz de subíndices, donde se muestran los 7.350 subíndices b1…b6. Los valores posibles serán 0 o 1 dependiendo del resultado de la correlación descrito anteriormente. Posteriormente, existe una segunda matriz “Valores necesarios para la realización de la regresión múltiple”. En ella nos encontramos con todas las variaciones relativas, tanto de la matriz A como de las Intensidades Energéticas para cada elemento aij, lo que supone un total de 106.785 datos recogidos. De una forma sencilla, se realizará la última tabla (Tabla 7) gracias a una multiplicación entre los valores de la Tabla 8 y los valores de la Tabla 9. Con ello conseguimos eliminar todos aquello datos que en los análisis previos hemos localizado como poco relevantes (Correlación menor de 0,3). Una vez se tienen todos los datos ordenados, es posible continuar con la regresión lineal múltiple. Tabla 8. Subíndices para el elemento a19.4 Aij B1 B2 B3 B4 B5 B6 A19.4 1 0 0 0 0 1 FUENTE: elaboración propia Tabla 9 Variaciones desde 1996 hasta 2009 del elemento a19.4 ∆𝒂𝒊𝒋∆𝒂𝒊𝒋𝒕𝟏∆𝑰𝑬𝒍𝒊𝒒∆𝑰𝑬𝒈𝒂𝒔∆𝑰𝑬𝒆𝒍𝒆𝒄𝒕∆𝑰𝑬𝒉𝒆𝒂𝒕∆𝑰𝑬𝒔𝒐𝒍𝒊𝒅 0,040 0,005 ‐0,002 ‐0,055 0,015 ‐0,166 ‐0,099 0,046 0,040 ‐0,003 0,003 ‐0,004 0,026 ‐0,192 ‐0,003 0,046 ‐0,064 ‐0,095 ‐0,015 0,158 0,011 0,052 ‐0,003 ‐0,136 ‐0,156 ‐0,076 ‐0,177 ‐0,456 ‐0,017 0,052 0,049 0,139 0,101 0,000 ‐0,062 0,003 ‐0,017 0,003 ‐0,122 ‐0,026 ‐0,083 0,147 ‐0,054 0,003 0,010 0,178 0,044 0,440 ‐0,157 ‐0,011 ‐0,054 ‐0,108 ‐0,023 ‐0,024 0,021 ‐0,014 ‐0,058 ‐0,011 ‐0,079 ‐0,114 ‐0,058 0,100 0,200 ‐0,086 ‐0,058 ‐0,055 0,100 0,020 ‐0,033 ‐0,023 ‐0,057 ‐0,086 ‐0,036 ‐0,045 0,009 ‐0,106 ‐0,060 ‐0,125 ‐0,057 0,008 0,050 0,053 ‐0,038 1,524 ‐0,099 ‐0,125 0,053 ‐0,015 0,050 ‐0,029 ‐0,083 FUENTE: elaboración propia De forma teórica, la estimación de los coeficientes se puede realizar por dos caminos diferentes, o bien mediante un modelo de regresión lineal con matrices, o bien mediante mínimos cuadrados. En este trabajo, no se explicarán estas técnicas, debido a que los cálculos han sido desarrollados
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 82 mediante el programa informático Excel, por lo que se hará especial hincapié en los resultados, y no en el procedimiento. Para mayor información sobre la obtención de coeficientes en una regresión lineal múltiple véase (Walpole, y otros, 2007). El resultado de una regresión múltiple se puede dividir en tres partes. La primera, un análisis de la varianza, el segundo, el valor del coeficiente de determinación R2 y por último, el valor de los coeficientes. Todos los resultados del estudio realizado se encuentran en la hoja “funciones” del libro Excel “TFG.xlsm” adjunto. El análisis de la varianza muestra la calidad del estudio de la regresión que se ha realizado. Este análisis se basa en el estadístico f cuyo cálculo se explica en la Tabla 10: Tabla 10. Análisis de la varianza en una regresión lineal múltiple Fuente Suma de cuadrados Grados de libertad Media cuadrática F Regresión SSR K MSR f Error SSE n-(k+1) MSE Total SST n-1 FUENTE: (Walpole, y otros, 2007) Dónde: 𝑆𝑆𝑅 ∑𝑦𝑦 = suma de cuadrados de regresión 𝑆𝑆𝐸 ∑𝑦𝑦 = suma de cuadrados de error 𝑆𝑆𝑇 ∑𝑦𝑦 = suma total de cuadrados = SSR + SSE 𝑀𝑆𝑅 𝑆𝑆𝑅 𝑘 𝑀𝑆𝐸 𝑆𝑆𝐸 𝑛𝑘1 𝑓 En nuestro estudio, el análisis de la varianza nos va a dar una significación alta en todos los casos, puesto que las variables que no son significativas las hemos eliminado previamente gracias a los estudios de correlación. Esto nos ha facilitado en gran medida los cálculos, puesto que no se han tenido que repetir las regresiones ni probar combinaciones de variables diferentes. Las
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 83 regresiones resultantes ya son suficientemente significativas. Siguiendo con el mismo ejemplo, se presenta el análisis de varianza del elemento a19.4: Tabla 11. Análisis de la varianza de la regresión múltiple del elemento a19.4 Gradosde libertad Sumade cuadrados Promedio delos cuadrados F Valorcrítico deF Regresión 6 0,03190717 0,00531786 4,6641249 0,04148606 Residuos 6 0,00684098 0,00114016 Total 12 0,03874815 FUENTE: elaboración propia Al igual que ocurría en el estudio de correlación y autocorrelación de los apartados 6.3 y 6.4 al hacer la regresión múltiple obtenemos un valor del coeficiente de determinación (R2). 𝑅1𝑆𝑆𝐸 𝑆𝑆𝑇 1∑𝑦𝑦 ∑𝑦𝑦 El coeficiente de determinación de una regresión lineal múltiple se define e interpreta como la proporción de la variabilidad total que es explicada por la ecuación resultante de la regresión. Es habitual que este valor se represente como un porcentaje (R2 x 100) debido a su significado. Al igual que en los casos anteriores de correlación, el valor del coeficiente está en el intervalo [0,1]. Cuando el modelo es ajustado perfectamente por los datos, el valor del coeficiente es la unidad. Cuando este valor está cerca del cero, significa que la variable dependiente y las variables independientes del modelo no guardan relación. Al igual que ocurrió anteriormente, en nuestro caso, este problema ya lo hemos solucionado eligiendo las variables que sabemos de antemano que guardan relación con la variable dependiente. Cabe destacar la diferencia entre el coeficiente R2 y el coeficiente r2. El coeficiente de correlación muestral r2 utilizado anteriormente es utilizado en regresiones lineales simples, es decir, con una única variable explicativa. El coeficiente R2, o coeficiente de correlación múltiple se utiliza de forma similar pero en este caso para regresiones lineales múltiples. Siguiendo con el caso expuesto del elemento a19.4, tenemos que el valor de R2=0.647, lo que nos asegura que las variables explicativas (Variación relativa del año anterior del propio elemento y la variación relativa de la Intensidad energética de los sólidos) explican al 64,7% la variación relativa de a19.4. Este resultado es el esperado por dos razones, primero, el coeficiente de
DESARROLLO Y ANÁLISIS DE ECUACIONES PARA LA PROYECCIÓN DE CONSUMO E INTERCAMBIO INTERSECTORIAL 84 autocorrelación es de 0,77 como se ha visto en el apartado anterior, y segundo, el coeficiente de correlación con la variación de la IE del calor es de 0.619. Para la realización de las 1225 regresiones lineales se ha recurrido nuevamente a la programación VBA (macros) en Excel, la cual se adjunta en el ANEXO 2, Macro 4. Regresión lineal múltiple. La cual se explica a continuación: Al igual que ocurre en todos los casos anteriores, es necesario realizar dos bucles (i y k) que se recorren 35 veces, lo que supone el total de los 1225 elementos de nuestra matriz A. Resulta interesante en este caso ver como la macro automáticamente abre una aplicación de Excel con la siguiente expresión: Application.Run "ATPVBAEN.XLAM!Regress" Esto, es equivalente a hacer de forma manual: “Datos” > “Análisis de Datos”; acción que abre un menú que permite la realización de diversos análisis estadísticos. Posteriormente, se seleccionarán todos los datos que existan de la Tabla 6 de cada elemento para realizar la regresión con el siguiente código: ActiveSheet.Range(Cells(7 + comienzo, 2), Cells(19 + comienzo, 2)), ActiveSheet.Range(Cells(7 + comienzo, 3), Cells(19 + comienzo, 8)), False, False, , ActiveSheet.Cells(7 + sum, 13) Como se puede apreciar en el ejemplo, se han introducido una serie de variables como “comienzo”, las cuales son necesarias para ir recorriendo cada uno de los 111.475 datos que se van a analizar. Para poder trabajar de una forma sencilla y ordenada los datos, se trasladan los resultados de la regresión múltiple a una tabla final, la cual recoge todas las fórmulas finales de los 1225 elementos. Para ello se precisa de un último bucle por cada regresión, de siete repeticiones, que será el encargado de copiar el valor de las siete variables explicativas en dicha tabla. Se adjunta en el ANEXO 1, Tabla 20, un ejemplo con las primeras 15 y las últimas 15 fórmulas creadas. Hay que tener en cuenta, que el sector 35: sector de empleados del hogar, es un sector muy específico que no realiza prácticamente ningún gasto energético, por ello, en todas sus fórmulas no existe ninguna variable explicativa suficientemente fuerte para considerarla.
ANÁLISIS DE RESULTADOS 85 7. ANÁLISIS DE RESULTADOS Tras realizar los estudios correspondientes de correlación y utocorrelación para la estimación de las expresiones matmáticas que nos permiten el desarrollo de la matriz A futura, es importante estudiar el error cometido en las proyecciones de los coeficientes técnicos. Para ello, se proyectarán los coeficientes desde el año 1995 hasta 2009 y se comparan con los datos reales. Posteriormente, se repasarán los resultados obtenidos en las predicciones teniendo en cuenta el error cometido. 7.1. Error cometido en el cálculo de funciones La expresión de partida nuevamente es la expresión (6.1): ∆𝑎𝑡𝑏1∆𝑎𝑡1𝑏2∆𝐼𝐸𝑡𝑏3∆𝐼𝐸 𝑡𝑏4 ∆𝐼𝐸𝑡𝑏5∆𝐼𝐸𝑡𝑏6∆𝐼𝐸𝑡𝜖 Esta expresión, nos devuelve el valor de la variación relativa del elemento aij en un año t. Por ello, resulta más interesante hacer una comparación entre los datos finales obtenidos mediante su uso y los datos reales del elemento aij. Para ello, se parte de la fórmula que hemos utilizado con anterioridad para calcular la variación relativa de cada elemento: ∆𝑎𝑡𝑎𝑡𝑎𝑡1 𝑎𝑡1 ( 7.1) Si de la fórmula anterior se despeja el valor de aij (t): 𝑎𝑡∆𝑎𝑡∆𝑎𝑡1∆𝑎𝑡1 (7.2) Por lo tanto, el primer paso a la hora de realizar la comparación es utilizar la ecuación de cada elemento para obtener todas las variaciones relativas desde el año 1995 hasta 2009 y posteriormente, transformar estas variaciones los valores de los elementos aij. Finalmente este dato se compara con los datos anuales que se tienen de la matriz A. El error será medido siguiendo la siguiente fórmula: 𝑒𝑡𝑎𝑡𝑎 𝑡 (7.3) Siendo 𝑎𝑡 el valor obtenido mediante la estimación. Por lo tanto, 𝑒𝑡 es la diferencia entre el valor real y el valor estimado de 𝑎𝑡. Además, se tiene que:
ANÁLISIS DE RESULTADOS 86 𝑒𝑡𝑎𝑡𝑎𝑡1 (7.4) Se define 𝑒𝑡 como la variación absoluta del elemento aij en los años t y t-1. Teóricamente, el error 𝑒𝑡 debe ser menor que el error 𝑒𝑡. El error utilizado para comprar la fiabilidad de la estimación, es el error que denominaremos error de estimación 𝑒𝑡, calculado de la siguiente forma: 𝑒𝑡|𝑒𝑡| 𝑎𝑡 100 (6.13) Este error de estimación nos devolverá un valor que interpretamos como el porcentaje de error entre la predicción hecha y el valor real del elemento aij. Este análisis de error se encuentra en el Excel adjunto (TFG.xlsm) en la hoja “error”. Debido a la gran cantidad de datos que se manejan, resulta imposible añadir en este trabajo todo el resultado final de este estudio, por lo que siguiendo con el ejemplo tomado en apartados anteriores, se muestra a continuación el resultado del elemento a19.4: Tabla 12. Análisis de error para el elemento a19.4 Variación dea19.4 según fórmula Valor estimado dea19.4(t) Valorreal dea19.4(t) ea19.4eh 0ê ‐0,0047 1997 0,0051 0,0052 5,0E‐05 2,56E‐05 9,62E‐01 0,0210 1998 0,0053 0,0054 9,8E‐05 2,07E‐04 1,83E+00 0,0126 1999 0,0054 0,0056 1,8E‐04 2,47E‐04 3,20E+00 0,0115 2000 0,0057 0,0056 ‐8,2E‐05 ‐1,78E‐05 1,47E+00 0,0202 2001 0,0057 0,0059 1,8E‐04 2,89E‐04 3,00E+00 ‐0,0319 2002 0,0057 0,0058 8,6E‐05 ‐1,02E‐04 1,48E+00 ‐0,0025 2003 0,0058 0,0058 3,2E‐05 1,75E‐05 5,46E‐01 ‐0,0439 2004 0,0055 0,0055 ‐6,0E‐05 ‐3,14E‐04 1,10E+00 ‐0,0313 2005 0,0053 0,0054 1,1E‐04 ‐5,96E‐05 2,07E+00 ‐0,0458 2006 0,0052 0,0051 ‐6,9E‐05 ‐3,17E‐04 1,35E+00 ‐0,0598 2007 0,0048 0,0047 ‐1,4E‐04 ‐4,41E‐04 2,92E+00 ‐0,1352 2008 0,0040 0,0044 3,6E‐04 ‐2,66E‐04 8,30E+00 ‐0,0806 2009 0,0040 0,0038 ‐1,9E‐04 ‐5,49E‐04 5,05E+00 FUENTE: elaboración propia Para poder llegar a este resultado, así como a las 1225 comparaciones resultantes, se ha vuelto a hacer uso de programación VBA (macros en Excel).
ANÁLISIS DE RESULTADOS 87 En este caso, se han utilizado varias macros, las cuales se explican a continuación y se adjuntan completas en el ANEXO 2. En primer lugar, para poder hacer una comparación entre los resultados reales y los resultados que obtenemos mediante la expresión matemática de cada elemento aij, se recopilan todos los datos de variaciones relativas tanto de los elementos de la matriz A como de las cinco intensidades energéticas. Con el fin de tener la hoja “error” ordenada para su fácil uso, la Macro 5 y la Macro 6 se encargan, respectivamente, de crear las 1225 tablas y posteriormente de copiar cada dato de variación. Para poder utilizar la fórmula (6.1), además de los datos de las variaciones es necesario incluir en esta página los valores de los coeficientes b1…b6 que utilizará la expresión matemática. Para ello se utilizará la Macro 7. Un ejemplo de ella se muestra a continuación: For i = 1 To 1225 Cells(2 + sum, 2).Select ActiveCell.FormulaR1C1Local = "=Funciones!F" & 5 + cont & "C26" Next i En este ejemplo se aprecia cómo se recurre a un bucle para los 1225 elementos. La acción repetitiva que realiza esta macro consiste en seleccionar cada uno de los valores de los 6 coeficientes más el valor del error dado en el estudio del apartado anterior (regresión lineal múltiple) y los copia en la página “error”. Es necesario recurrir a la programación VBA en estos casos, debido a dos factores; en primer lugar, la gran cantidad de datos que se requieren (8575, es decir, 6 coeficientes por cada uno de los 1225 elementos), y segundo, debido a la estructura de las tablas del error. Puesto que estos datos no van seguidos unos de otros, sino que se copian a una diferencia de 30 casillas, resulta imposible realizar la copia de otra forma. De una forma similar, la Macro 8 copia cada una de las 102.900 variaciones descritas anteriormente. Una vez se tienen todos los datos de partida en la misma hoja (“error”) en el Excel adjunto (TFG.xlms), se procede a realizar la estimación de los valores aij para los años 1997 hasta 2009. Como se puede observar, resulta imposible esta predicción para años anteriores, puesto que no se tienen dichos datos. Para realizar esta predicción, se recurre a la Macro 9. Dicha macro, va a introducir la fórmula 6.1 para cada uno de los 13 años que se van a predecir de cada elemento aij. La programación que introduce dicha expresión es la siguiente: ActiveCell.FormulaR1C1Local = "=F" & sum & "C2+F" & sum & "C3*F" & fila + i - 1 & "C2+F" & sum & "C4*F" & fila + i & "C3+F" & sum & "C5*F" & fila + i & "C4+F" & sum & "C6*F" & fila + i & "C5+F" & sum & "C7*F" & fila + i & "C6+F" & sum & "C8*F" & fila + i & "C7"
ANÁLISIS DE RESULTADOS 88 La expresión resultante en cada celda será la expresión matemática de partida (6.1), que utilizará las variaciones relativas mencionadas anteriormente: ∆𝑎𝑡𝑏1∗∆𝑎𝑡1𝑏2∗∆𝐼𝐸𝑡𝑏3∗∆𝐼𝐸 𝑡𝑏4 ∗∆𝐼𝐸𝑡𝑏5∗∆𝐼𝐸𝑡𝑏6∗∆𝐼𝐸𝑡𝜖 Una vez obtenido el dato ∆𝑎𝑡 de cada uno de los 15 años estipulados se procede a realizar el error cometido en esta estimación según la fórmula (7.3). A continuación se incluye un ejemplo que pertenece al error del elemento aij: Tabla 13. Variación relativa estimada del elemento a19.4 ∆𝒂𝟏𝟗.𝟒segúnfórmula(6.1) 1996‐1997 ‐0,004678593 1997‐1998 0,021036852 1998‐1999 0,012607175 1999‐2000 0,011471023 2000‐2001 0,020189575 2001‐2002 ‐0,031949098 2002‐2003 ‐0,002455647 2003‐2004 ‐0,04386601 2004‐2005 ‐0,031328275 2005‐2006 ‐0,045782592 2006‐2007 ‐0,059781803 2007‐2008 ‐0,135207249 2008‐2009 ‐0,080633004 Como se ha explicado en el procedimiento teórico, resulta más interesante y útil la comparación de los valores de aij que las variaciones del propio elemento. Por ello, se procede a crear una nueva columna con los valores de aij a partir de las variaciones relativas obtenidas según la fórmula (7.2). Para ello, se hace uso de la Macro 10 (ANEXO 2), la cual es la encargada de introducir la expresión (7.2) y conseguir el valor aij. Esta expresión se introduce mediante la siguiente línea de programación: ActiveCell.FormulaR1C1Local = "=F" & 6 + k + sum & "C12+F" & 6 + k + sum & "C12*F" & 7 + sum + k & "C9" Los datos que toma esta expresión será, en primer lugar, el valor real de aij del año t – 1 (F" & 6 + k + sum & "C12) y posteriormente la multiplicación de este mismo valor por la variación relativa estimada (F" & 6 + k + sum & "C12*F" & 7 + sum + k & "C9). Esta operación se repetirá 15.925 veces, es decir, 13 por cada uno de los 1.225 elementos aij. Siguiendo con el ejemplo a19.4, se obtiene la siguiente columna:
ANÁLISIS DE RESULTADOS 89 ∆𝒂𝟏𝟗.𝟒segúnfórmula(6.1) Valorestimadodea19.4(t) 1996‐1997 ‐0,004678593 1997 0,005104865 1997‐1998 0,021036852 1998 0,005262882 1998‐1999 0,012607175 1999 0,00542874 1999‐2000 0,011471023 2000 0,00567244 2000‐2001 0,020189575 2001 0,005703137 2001‐2002 ‐0,031949098 2002 0,005691775 2002‐2003 ‐0,002455647 2003 0,005763321 2003‐2004 ‐0,04386601 2004 0,00554076 2004‐2005 ‐0,031328275 2005 0,005308915 2005‐2006 ‐0,045782592 2006 0,005172859 2006‐2007 ‐0,059781803 2007 0,004798844 2007‐2008 ‐0,135207249 2008 0,004032335 2008‐2009 ‐0,080633004 2009 0,004042708 Una vez obtenidas las proyecciones de los valores de aij (t) de los 1225 elementos, se puede realizar el estudio de error siguiendo el procedimiento descrito al comienzo del capítulo. Puesto que se trata de una operación repetitiva, de 31.850 operaciones se hará uso de la Macro 11. En dicha macro, creará las dos columnas con los dos errores (𝑒𝑡 y 𝑒𝑡) de cada elemento. El código completo de dicha macro se encuentra en el ANEXO 2. En él se puede apreciar a simple vista la parte correspondiente a cada error. Primero se complete el error 𝑒𝑡 de cada elemento con el siguiente bucle: For i = 1 To 1225 For k = 1 To 13 Cells(7 + k + sum, 13).Select ActiveCell.FormulaR1C1Local = "=F" & 7 + k + sum & "C12-F" & 7 + k + sum & "C11" Next k sum = sum + 30 Next i En donde se ve que, para cada uno de los 1225 elementos de la Matriz A (bucle i), construye 13 filas (bucle k) que serán las correspondientes a los errores de los 13 años (desde 1997 hasta 2009). Nuevamente se hace uso de un sumatorio “sum” el cual es el encargado de cambiar el número de fila para ir recorriendo todas las tablas hechas previamente. Por otro lado, y de forma similar a este bucle, se tiene el correspondiente al del error 𝑒𝑡. Se muestra a continuación el fragmento correspondiente:
ANÁLISIS DE RESULTADOS 96 Gráfico 26. Proyección Intensidad Energética (Líquidos) en el sector 23. FUENTE: Elaboración propia a partir de MEDEAS Gráfico 27. Proyección Intensidad Energética (Electricidad) en el sector 23. FUENTE: Elaboración propia a partir de MEDEAS En el caso de la Intensidad Energética de gas, el sector en el cual más peso tiene es el sector 2 (Minería y extracción de combustibles fósiles). En este caso, ambas predicciones son distantes. Por un lado, el escenario BAU predice un futuro en el cual el uso de los combustibles fósiles se mantiene constante, y por ello no se reduce la intensidad energética del gas en su extracción. Por otro lado, el escenario 2 muestra el caso contrario, en el cual el uso del gas se reduce con el fin de conseguir combustibles fósiles, por lo que supone un futuro con un bajo peso de carbono en el mix energético. Esto se puede apreciar en el Gráfico 28: 4,5 4,8 5,1 5,4 5,7 6,0 6,3 1990 2000 2010 2020 2030 2040 2050 Transporteterrestre,IElíquidos SCEN2,Transporteterrestre,IElíquidos BAU,Transporteterrestre,IElíquida 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1990 2000 2010 2020 2030 2040 2050 Transporteterrestre,IEelectricidad SCEN2,Transporteterrestre,IEelectricidad BAU,Transporteterrestre,IEelectricidad
ANÁLISIS DE RESULTADOS 97 Gráfico 28. Proyección Intensidad Energética (Gas) en el sector 2. FUENTE: Elaboración propia a partir de MEDEAS Por último, el sector en el cual la Intensidad Energética de sólidos tiene una mayor influencia es en el sector 10 (Gomas y plásticos). En este caso, los dos escenarios coinciden en el descenso en la Intensidad Energética de los sólidos en el sector de los plásticos, reduciéndose entre un 30% y un 40% según el escenario utilizado en el año 2030 (Gráfico 29): 2,00000 2,50000 3,00000 3,50000 4,00000 4,50000 5,00000 5,50000 6,00000 6,50000 1990 2000 2010 2020 2030 2040 2050 Mineriayexplotación,IEgas SCEN2,Mineriayexplotación,IEgas BAU,Mineriayexplotación,IEgas
ANÁLISIS DE RESULTADOS 98 Gráfico 29. Proyección Intensidad Energética (Sólidos) en el sector 10. FUENTE: Elaboración propia a partir de MEDEAS Como conclusión a las proyecciones de las Intensidades Energéticas hasta el año 2050, se puede ver dos tendencias claramente diferenciadas, y compartidas por ambos escenarios en la mayoría de los casos. Se aprecia un mayor uso en la energía eléctrica, mientras que las energías procedentes de combustibles fósiles experimentan un decrecimiento en los próximos años. Para poder hacer una simulación hasta un año t, la fórmula (6.1) requiere de dos grupos de datos. Por un lado, las Intensidades Energéticas del propio año t, que proceden de las predicciones realizadas por el proyecto MEDEAS (ejemplos anteriores) y, por otro lado, de la variación relativa del propio elemento en el año anterior. Por ello, es necesario realizar la proyección año a año, con el fin de conseguir las variaciones de todos los años. Esta operativa requiere introducir un total de 539.000 datos en sus respectivas celdas (440 para cada uno de los 1225 elementos aij). Por ello, se recurre nuevamente a la programación VBA. Las proyecciones se realizan todas en la misma hoja del Excel, “MatrizA2050”. En ella nos encontraremos con una matriz vacía, la cual se irá rellenando automáticamente según la opción que se elija con los botones que se encuentran a su lado. Estos botones ejecutan una de las cuatro macros que se adjuntan en el ANEXO 2 (Macro 17 – 20). Puesto que la diferencia entra las cuatro se encuentra o bien en los datos que recoge (escenario 2 o BAU) o bien en el año que interesa proyectar, se explicará únicamente la programación referente a la Macro 17, que se corresponde con el código que genera la simulación según el escenario SCEN2 para el año 2050. 1,00000 1,20000 1,40000 1,60000 1,80000 2,00000 2,20000 2,40000 2,60000 2,80000 3,00000 1990 2000 2010 2020 2030 2040 2050 Gomasyplásticos,IEsólidos SCEN2,Gomasyplásticos,IEsólidos BAU,Gomasyplásticos,IEsólidos
ANÁLISIS DE RESULTADOS 99 Lo primero que realiza la macro, es buscar los coeficientes de la fórmula (6.1) para el elemento aij en la hoja “error”. Posteriormente, se copian todos los datos referentes al periodo temporal 1995 – 2009. Estos datos son los correspondientes a variaciones relativas, tanto de Intensidades Energéticas como del propio elemento aij que se han utilizado hasta el momento. A continuación, utilizando los datos de las predicciones de las Intensidades Energéticas, se introducirán las variaciones relativas según la siguiente fórmula: 𝐼𝐸𝑡𝐼𝐸𝑡1 𝐼𝐸𝑡1 El fragmento de la programación dedicado a ello es el siguiente: Cells(19 + x, 4).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 4 + fil & "C" & x + 16 & "-prediccionIE!F" & 4 + fil & "C" & x + 15 & ")/prediccionIE!F" & 4 + fil & "C" & x + 15 & "" Esto se realiza para cada una de las cinco Intensidades Energéticas. Una vez todos los datos son copiados en la tabla de la hoja “MatrizA2050”, automáticamente se genera el valor de aij tanto para el año 2030 como para el año 2050, y la macro correspondiente copia su valor en la matriz predicción. Estas operaciones se repiten 1225 veces para completar la Matriz A para un año determinado (2050 o 2030). El proceso para la generación de la proyección de la Matriz A esta totalmente automatizado. En el momento que son tanto introducidos los datos iniciales, como las predicciones de las Intensidades Energéticas para cada valor, automáticamente se va generando la predicción del año t, hasta llegar a 2050 o 2030. Por último, la Macro correspondiente a la predicción que se esté realizando copiara el valor del elemento aij (t) en la Matriz Predicción (hoja “MatrizA2050” del Excel adjunto). El resultado final de las 4 Matrices A se encuentran en las últimas dos hojas del Excel adjunto (“SCEN2” y “BAU” según el escenario utilizado) Para evaluar el resultado de las proyecciones, hay que tener en cuenta los resultados expuestos en el apartado 7.1. Aquellos elementos cuyo error de cálculo difería en más de un 10% con el valor real no se tendrán en cuenta, puesto que no se puede asegurar su viabilidad (siendo el total de estos valores un 12,5%). Por lo tanto, los resultados obtenidos que se consideran fiables son un total de 1085 resultados (1085 para cada una de las 4 Matrices A proyectadas). Los resultados obtenidos para el año 2050 tanto para el escenario BAU como para el escenario 2 son de gran calidad, puesto que
ANÁLISIS DE RESULTADOS 100 únicamente existen cuatro datos anómalos (datos cuyo valor para aij es mayor que la unidad). Las proyecciones de la matriz A nos permiten observar de forma general los valores que asumen los elementos aij dependiendo del escenario y en un año dado. Para poder realizar un estudio de un solo elemento, y ver su evolución temporal según un escenario dado, se procede a realizar dos nuevas macros (21 y 22 del ANEXO 2). En este caso, realiza el mismo estudio que realizaban anteriormente para completar la predicción de la matriz A, pero para un elemento aij dado por el usuario. Para que funcione esta macro, se necesita introducir un elemento en las celdas marcadas para ello en la página “matrizA2050” del Excel adjunto y pulsar sobre el botón correspondiente. En este momento, la macro recoge los valores de “i” y “j” con las siguientes dos líneas de código: i = Worksheets("matrizA2050").Range("O51").Value j = Worksheets("matrizA2050").Range("O54").Value Una vez se tienen los valores, la macro realizará una búsqueda en la pestaña “error” para copiar los valores de las variaciones relativas, tanto del elemento aij como la de las intensidades energéticas para comenzar la simulación hasta el año 2050. El código necesario para localizar y seleccionar la celda que contiene el valor aij dado es el siguiente: With Sheets("error").Range("A:A") Set Rng = .Find(What:=FindString, _ After:=.Cells(.Cells.Count), _ LookIn:=xlValues, _ LookAt:=xlWhole, _ SearchOrder:=xlByRows, _ SearchDirection:=xlNext, _ MatchCase:=False) If Not Rng Is Nothing Then Application.Goto Rng, True Else MsgBox "ERROR EN EL ELEMENTO INTRODUCIDO" Exit Sub Además de buscar el elemento, la propia macro avisará al usuario si ha introducido un elemento que no existe con el mensaje “ERROR EN EL ELEMENTO INTRODUCIDO” parando automáticamente su funcionamiento.
ANÁLISIS DE RESULTADOS 101 Uno de los datos anómalos comentados anteriormente, es referente al elemento a24.12. Con la macro descrita, obtenemos su evolución temporal a lo largo de los años (véase Gráfico 30). Como se aprecia, hasta el año 2020 los datos se ajustan a valores normales [0,1], pero es en este año cuando comienza a crecer el valor de una forma anómala. Este hecho se repite en los otros tres elementos cuyos valores sobrepasan la unidad. Gráfico 30. Evolución del elemento a24.12 según escenario BAU FUENTE: Elaboración propia El elemento a24.12 corresponde a las transacciones desde el sector 24 (transporte marítimo), al sector 12 (metales básicos y procesados). La fórmula correspondiente a este intercambio es la siguiente: 𝑎.𝑡0,273𝑏30,0373 Sabiendo que el error en la estimación comienza en el año 2020, y que este elemento tiene dependencia única del coeficiente b3, siendo este el relativo a la Intensidad Energética del Gas, hay que fijarse en la proyección dada por el escenario BAU de la Intensidad Energética Gas para este elemento: Tabla 15. Valor de la Intensidad Energética Gas para el sector 24 2021 2022 2023 2024 2025 2026 0,00001 0,00294 0,01429 0,03201 0,05353 0,07659 0 2 4 6 8 10 12 1990 2000 2010 2020 2030 2040 2050
ANÁLISIS DE RESULTADOS 102 Puesto que la fórmula 6.1 está expresada en términos de variación relativa, la variación entre el año 2021 y 2022 tiene un valor de 293%. Como este valor es el que va multiplicando al coeficiente b3 en este caso, provoca que el valor comience a crecer de una forma descontrolada. Este suceso ocurre en los otros tres elementos en los cuales el valor supera la unidad. Uno de los sectores que se puede proyectar sin error en ninguno de sus 34 elementos (como se explicó previamente, el sector 35 no se tiene en cuenta en este estudio) es el sector 10 (sector del plástico). En el Gráfico 31 se muestra las diferencias a la hora de proyectar con un escenario o con otro. El dato correspondiente al elemento a10.10 se representa cortado, puesto que su valor es de 0,6 y no se apreciaría el resto de resultados. Como se observa los dos escenarios nos dan resultados muy parejos entre sí. Resulta más interesante observar que ocurre con cualquiera de estos escenarios (se ha escogido el escenario 2) y los datos reales de 2009 (Gráfico 32) Gráfico 31. Relaciones intersectoriales del sector 10 en el año 2030 según escenarios FUENTE: elaboración propia En el siguiente gráfico se puede ver la tendencia que describe el sector 10 (sector del plástico). Pese al esfuerzo de gran número de organizaciones (National Geographic, 2018), la tendencia en la economía intersectorial del plástico es creciente. En el 61% de los sectores, el peso económico del plástico es mayor en 2050 que en 2009, incluso en el escenario más “ecológico”. 0 0,02 0,04 0,06 12345678910111213141516171819202122232425262728293031323334 SCEN2 BAU
ANÁLISIS DE RESULTADOS 103 Gráfico 32. Relaciones intersectoriales del sector 10 en 2009, 2030 y 2050. FUENTE: elaboración propia En los gráficos anteriores, se ve claramente que el sector con mayor transacción para el sector del plástico es con su propio sector (sector 10). Resulta interesante observar la evolución anual del valor a10.10 para ver la tendencia en este intercambio intersectorial. Véase Gráfico 33. Con ello podemos concluir que lejos de reducir la producción de plásticos, esta tiende a aumentar de forma exponencial en los próximos años. 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 2009 SCEN22030 SCEN22050
ANÁLISIS DE RESULTADOS 104 Gráfico 33. Evolución temporal del elemento a10.10 según SCEN2 FUENTE: elaboración propia De la misma forma que se ha estudiado el sector 10, se procede a repasar las tendencias en los sectores energéticos: sector 8 (Carbón y petróleo) y sector 17 (Suministro eléctrico, gas y agua). Para ambos casos se utilizará exclusivamente el Escenario 2. Además, en las gráficas correspondientes a los siguientes análisis se quitarán los sectores económicos que previamente se hayan descartado en el 6.5. Tal y como se ha expuesto en el capítulo 5 (Transición energética), la proyección para el año 2050 en los intercambios sectoriales del sector eléctrico (sector 17) son crecientes. Esta evolución se aprecia de una forma visual en el Gráfico 34. Este aumento, supone de media en el total de los sectores un 92,80% en el intervalo temporal de estudio. Estos datos son los esperados, debido a la creciente demanda energética y la transición energética hacia energías limpias. 0 0,1 0,2 0,3 0,4 0,5 0,6 1990 2000 2010 2020 2030 2040 2050
ANÁLISIS DE RESULTADOS 105 Gráfico 34. Comparación 2009 – 2050 para el sector 17 FUENTE: elaboración propia Por otro lado, la comparación en el sector 8 (Carbón y petróleo) entre el año 2009 y la proyección para el año 2050 es muy dispar dependiendo del sector observado (véase Gráfico 35). En 19 de los 27 sectores en los que los datos son aceptables para los intercambios intersectoriales de este sector, el valor de dicho intercambio económico decrece (70,4 %) con una disminución media de 46,9% en cada sector en el cual se consume menos combustible fósil (carbón o petróleo). Sin embargo, en 8 de los 27 sectores (19,6% de los sectores) se produce un incremento en el año 2050. Este incremento supone un aumento medio del 159%. El sector con el aumento más notable en la demanda de petróleo es el sector 25 (sector del transporte aéreo). Pese a las mejoras en la eficiencia técnica que se comentaron con anterioridad, el sector del transporte aéreo experimenta un aumento de la demanda de este tipo de recursos. Además, el sector 23 (sector del transporte terrestre), pese a tener un aumento en la Intensidad Energética eléctrica (Gráfico 27), aumenta la demanda de este tipo de energía (combustibles fósiles líquidos). 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 12345679101112131415161718192021222324252627283031323334 2009 2050
BIBLIOGRAFÍA 112 Rebeco, José F. De Gregorio. 2007. Macroeconomía. Teoría y políticas. [ed.] María Fernanda Castillo. México : Universidad de Chile, 2007. Reiner. 2016. Learning through a portfolio of carbon capture and storage demostration projects. 2016. Stern, David. 2010. Energy Economics. Australian National University. Canberra : s.n., 2010. Stern, David I. y Csereklyei, Zsuzsanna. 2015. Global energy use: Decoupling or convergence? 2015. Stern, David. 2004. The Rise and Fall of the Environmental Kuznets Curve. 2004. Such, S.; Huppes, G. 2005. Methods for Life cycle Inventory for a Product. 2005. Tahir Mahmood, Eatzaz Ahmad. 2018. Energy Strategy Reviws. 2018. Tanaka, John Fujio. 2011. Applications of Leontief’s Input-Output Analysis. 2011. Timmer, M, y otros. The world input-output database (WIOD): contents, sources and methods. Intitute for International and Development Economics. Triola, Mario F. 2013. Estadística. s.l. : Pearson, 2013. UNITED NATIONS. 1987. Development and international economic cooperation. 1987. Vanclay, Frank y Esteves, Ana Maria. 2011. New Directions in Social Impact Assessment. s.l. : EE, 2011. Walpole, Ronald E., y otros. 2007. Probabilidad y Estadística pra ingeniería y ciencias. s.l. : Pearson Education, 2007. WIOD. World Input-Output Tables. [En línea] http://www.wiod.org/home. World Bank. 2018. Energy intensity level of primary energy. 2018. —. 2018. GDP. 2018. Wright, David J. 1974. Energy Policy. London : s.n., 1974. WWF. 2016. Informe Planeta Vivo. World Wildlife Fund. 2016.
BIBLIOGRAFÍA 113 Zillman, Donald N, y otros. 2008. Beyond the CArbon Economy. s.l. : Oxford, 2008.
115 ANEXO 1. TABLAS Tabla 16. Matriz Input-Output de España de 2015 (millones de euros). Ganadería,caza Silviculturaytala Agriculturaypesca Minería Porudctosalimenticios elabrorados,tabacoybebidas Fabricacióntextil Fabricacióndemandera Productosdepapel Impresiónyreproducciónde soportes grabados Productosdepetroleo Productosquímicos Productosfarmacéuticos Gomayplástico Productosnometálicos Metalesbásicos Metaleselaborados Fabricacióndeordenadoresy productos ópticos Manufactureofelectrical equipment Equipamientomecánico Manufactureofmotorvehicles, trailersandsemi‐trailers equipamientodetransporte Fabricacióndemuebles Reparacióneinstalaciónde maquinaria Suministrodeelectricidadygas Suministroytratamientodeagua Tratamientoderesiduos Construcción 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 1 1.993 6 15 1 27.376 535 3 47 3 2 179 24 182 4 4 6 2 2 5 8 3 7 2 22 2 3 159 2 12 47 0 1 54 1 167 380 0 0 6 14 52 0 0 0 0 0 0 0 0 3 0 41 0 0 1 3 43 0 85 0 766 3 0 1 0 0 4 3 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 4 4 0 0 1 12 3 1 2 1 220 27 4 4 8 35 4 1 1 2 3 1 2 1 76 1 2 46 5 12.027 2 256 31 52.716 803 42 332 56 21 1.247 396 119 84 105 129 34 61 100 94 49 76 41 596 42 48 680 6 63 0 13 11 262 1.339 21 67 34 8 168 37 143 25 61 59 15 39 53 255 42 90 12 86 16 29 224 7 41 0 8 65 543 40 927 82 14 3 142 24 58 94 120 109 17 84 62 85 66 677 18 52 4 107 806 8 38 0 3 9 1.413 128 54 2.431 569 8 252 62 300 97 53 82 22 66 47 108 36 80 19 150 12 514 79 9 12 0 1 6 307 85 10 211 1.021 12 394 365 103 56 62 90 45 44 36 84 27 18 37 162 29 21 131 10 201 2 80 119 354 74 29 74 18 5.072 3.072 147 182 88 263 84 14 49 65 108 41 35 18 4.050 88 52 266 11 596 3 23 243 1.376 542 107 594 153 764 9.819 1.685 1.689 327 1.694 608 120 393 322 911 268 174 86 1.215 473 214 1.427 12 194 1 7 12 415 55 21 66 26 18 320 257 64 24 58 60 13 25 39 38 18 44 13 101 19 30 226 13 132 1 20 39 1.211 279 81 173 95 8 1.090 212 2.147 121 170 291 112 575 263 2.067 560 256 76 66 9 69 700 14 55 1 3 41 742 32 37 18 11 15 328 73 65 2.548 254 319 32 87 131 407 60 41 15 213 13 50 5.797 15 42 0 3 65 157 37 21 28 74 31 585 88 282 232 8.825 6.723 275 2.919 3.852 3.796 1.255 455 295 179 18 463 1.436 16 279 2 21 187 1.022 120 72 93 62 79 390 80 291 265 2.567 1.760 118 778 1.883 2.256 654 375 292 972 126 812 2.630 17 23 0 6 9 123 17 16 18 17 11 62 16 24 26 47 38 118 125 60 132 77 31 79 114 23 12 261 18 36 1 10 22 361 29 33 25 19 28 111 31 82 61 189 136 240 1.061 514 816 198 105 256 435 111 32 1.553 19 119 2 30 84 529 59 75 91 46 95 231 58 119 138 481 285 69 236 603 606 298 90 419 515 182 106 903 20 43 1 4 17 179 30 16 18 14 12 80 20 73 57 147 121 27 116 165 3.830 138 46 44 116 27 50 480 21 19 1 30 23 148 14 20 29 11 35 77 15 26 40 147 77 13 55 66 102 690 24 310 170 37 32 371 22 31 0 4 14 181 54 127 26 20 7 82 27 62 57 109 129 43 58 97 178 71 518 28 91 12 48 870 23 33 4 63 61 445 36 78 106 28 113 252 35 71 118 451 184 43 119 107 219 423 49 860 575 142 62 804 24 587 2 87 635 3.634 626 299 1.492 256 523 3.858 416 1.081 2.190 4.071 998 134 236 839 1.244 222 238 332 46.113 242 391 2.943 25 420 1 15 43 340 39 6 20 12 67 124 18 37 30 147 48 11 9 17 31 14 11 7 434 1.447 386 547 26 25 0 2 8 260 78 41 109 87 186 469 43 177 137 4.176 188 7 23 25 54 17 35 24 81 75 3.316 403 27 107 2 13 59 713 116 10 70 70 107 343 70 144 229 152 129 33 32 161 30 110 81 60 1.091 93 163 28.171 28 123 31 5 17 120 23 15 17 9 34 31 27 26 34 94 33 4 19 29 1.928 85 24 23 98 115 186 694
116 Ganadería,caza Silviculturaytala Agriculturaypesca Minería Porudctosalimenticios elabrorados,tabacoybebidas Fabricacióntextil Fabricacióndemandera Productosdepapel Impresiónyreproducciónde soportes grabados Productosdepetroleo Productosquímicos Productosfarmacéuticos Gomayplástico Productosnometálicos Metalesbásicos Metaleselaborados Fabricacióndeordenadoresy productos ópticos Manufactureofelectrical equipment Equipamientomecánico Manufactureofmotorvehicles, trailersandsemi‐trailers equipamientodetransporte Fabricacióndemuebles Reparacióneinstalaciónde maquinaria Suministrodeelectricidadygas Suministroytratamientodeagua Tratamientoderesiduos Construcción 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 29 2.659 54 214 161 7.805 1.723 794 412 400 31 2.477 541 793 687 909 2.136 357 530 1.312 417 370 1.268 444 2.789 116 772 7.076 30 653 3 86 43 886 1.095 272 39 108 122 216 18 193 82 69 313 58 61 124 111 44 568 106 238 20 58 2.579 31 272 4 38 529 5.033 477 295 480 121 545 1.544 177 462 1.309 1.206 508 44 219 496 868 228 386 85 1.385 40 246 1.514 32 4 0 1 1 56 14 10 6 2 14 26 22 11 8 23 24 1 9 26 29 6 4 10 10 2 14 29 33 3 0 8 8 42 10 5 9 5 34 79 22 13 10 28 21 4 14 12 14 42 8 42 21 5 16 52 34 128 1 225 219 1.421 233 99 260 110 330 1.445 336 238 89 935 274 66 257 287 459 213 133 42 148 17 93 424 35 10 0 1 3 191 17 6 13 15 14 70 47 22 26 24 38 1 10 37 35 4 17 4 181 22 28 313 36 64 0 5 12 271 32 11 13 16 31 243 35 36 21 57 50 10 20 52 58 58 30 13 137 13 74 594 37 6 0 2 2 143 25 3 46 162 9 100 170 16 21 16 20 12 11 19 38 13 14 9 157 23 8 84 38 2 0 1 1 154 14 2 5 218 5 52 25 3 13 4 10 7 6 16 42 12 15 6 28 5 6 51 39 42 1 43 98 1.021 124 36 40 54 108 629 203 57 138 167 92 56 75 172 105 49 94 28 1.733 64 218 1.180 40 19 0 4 5 230 27 11 15 24 52 95 39 8 38 44 46 35 25 127 61 20 19 69 206 37 34 164 41 514 15 36 71 1.559 242 71 155 95 514 574 156 212 211 479 338 79 203 352 512 309 150 120 1.087 103 121 2.518 42 272 26 46 13 153 36 15 28 11 58 76 30 40 34 47 41 7 36 31 42 24 20 11 112 22 29 684 43 6 0 0 1 41 7 1 2 2 1 17 5 7 5 12 9 0 2 12 6 5 3 1 8 4 5 46 44 6 0 2 14 911 361 48 52 92 48 159 174 152 57 133 382 96 358 328 153 66 305 88 217 50 54 3.156 45 23 4 24 63 1.449 396 75 127 96 643 520 351 303 287 211 299 85 446 499 300 189 255 64 544 130 412 1.929 46 14 2 1 68 470 25 22 64 13 295 359 166 63 136 160 174 40 113 286 486 90 11 157 430 21 98 2.721 47 0 0 0 0 2 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 0 0 0 1 0 0 3 48 9 0 5 5 670 52 8 23 59 25 218 119 15 59 19 37 11 31 72 195 55 72 25 134 24 30 243 49 365 1 4 32 239 66 14 40 37 5 32 19 101 34 32 78 12 93 110 122 80 50 19 318 56 36 634 50 227 2 62 294 3.351 355 146 288 651 265 991 325 299 432 348 449 327 317 468 988 384 226 221 2.292 466 200 2.199 51 64 7 37 58 624 78 50 110 64 100 350 120 79 71 238 93 23 73 106 191 68 52 25 277 21 75 1.730 52 46 1 17 10 561 46 6 16 130 117 89 99 36 19 185 19 29 19 45 116 84 46 35 396 42 59 156 53 36 4 14 11 359 32 4 6 21 23 103 37 11 9 20 8 9 19 19 52 43 48 31 128 19 90 21 54 38 0 34 5 698 60 22 40 66 149 316 107 34 59 122 73 32 23 86 167 124 151 79 362 13 70 201
117 Reparacióndevehículosa motor Ventaalpormayor Comercioderecambios Transporteterrestre Transportemarítimo Transporteaéreo Actividadesdesoporteal transporte mensajería Comerciodealimentos Publicidad Produccióndecineytelevisión Telecomunicaciones Programacióninformática Serviciosfinancieros Seguros actividadesauxiliaresa serviciosfinancieros Actividadesreales Actividaddeconsultoria Arquitecturaeingenieria Investigacióncientifica investigaciondemercados Actividadesveterinarias Actividadesadministrativas Defebsa Educacion Salud Otrasactividadesdeservicios 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 1 6 807 336 11 2 3 16 1 933 2 7 9 5 8 2 1 22 8 6 5 3 2 28 89 57 117 144 2 0 1 1 0 0 0 0 0 2 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 0 3 2 0 0 0 0 0 513 0 0 0 0 0 0 0 0 0 0 0 0 0 0 9 22 31 2 4 2 6 2 6 0 1 5 0 8 0 1 2 1 1 0 0 4 0 7 0 1 0 2 4 1 7 2 5 119 1.470 947 192 28 53 208 17 22.238 48 82 146 123 100 17 13 68 111 92 40 47 99 264 673 525 1.554 573 6 37 202 86 47 5 20 42 4 249 22 45 51 36 25 5 3 20 30 42 8 17 28 94 95 41 189 131 7 8 165 25 11 1 4 99 1 190 8 98 17 9 8 2 1 10 15 36 7 14 18 110 36 20 97 94 8 19 169 62 19 2 5 46 6 123 783 64 35 60 112 24 22 25 56 205 15 133 41 126 143 202 124 143 9 11 387 112 16 2 6 41 8 135 990 79 55 987 145 45 12 74 115 933 23 687 24 313 189 90 136 509 10 213 367 89 1.071 348 1.329 255 17 165 18 47 36 16 32 17 22 33 90 43 24 10 7 90 243 172 225 75 11 401 471 294 270 23 71 243 13 744 57 184 105 90 83 16 9 56 79 215 38 51 110 351 316 94 1.209 272 12 44 138 100 71 4 8 33 3 265 25 25 43 24 23 4 4 18 23 32 13 16 27 61 64 29 809 65 13 418 193 77 86 3 7 138 3 150 23 43 34 26 23 4 2 28 18 44 13 21 17 55 65 24 149 155 14 258 113 58 25 3 7 48 3 163 7 26 73 15 14 2 2 11 19 25 4 10 13 49 69 27 213 73 15 33 95 77 25 4 12 50 3 79 26 13 28 20 19 3 2 14 19 18 10 9 16 48 86 20 41 38 16 183 270 144 95 16 62 199 13 169 32 45 100 63 51 10 6 40 56 84 14 29 54 199 156 71 175 181 17 25 81 52 47 8 32 42 4 67 12 24 169 66 18 3 2 17 18 35 10 11 21 75 53 28 117 69 18 105 139 79 71 13 53 84 7 247 19 29 291 41 27 5 4 16 27 39 14 14 26 126 81 43 98 122 19 221 304 161 210 43 175 197 16 208 45 37 235 70 58 11 8 31 62 62 19 21 55 229 181 96 215 209 20 241 139 125 94 5 10 53 4 133 12 21 54 29 29 5 4 31 25 26 10 13 17 113 57 23 70 58 21 40 82 50 189 25 170 125 7 53 12 11 71 24 19 4 3 21 22 105 12 9 13 101 99 44 76 81 22 31 105 54 40 3 15 99 3 342 15 144 246 30 46 17 10 128 33 71 11 36 38 233 102 177 1.563 258 23 104 144 60 362 86 376 281 19 135 29 24 219 35 39 8 7 12 40 29 11 9 14 177 194 137 244 259 24 705 3.068 3.661 1.404 59 121 1.071 94 1.776 113 396 1.026 426 404 70 98 264 386 542 69 155 131 674 2.049 1.231 1.350 1.161 25 48 261 254 69 8 4 66 3 496 6 66 42 32 17 4 4 37 78 51 9 14 15 90 232 168 220 309 26 56 219 60 18 7 9 10 7 103 2 4 33 18 18 2 2 68 11 13 5 12 7 75 54 13 129 99 27 125 871 880 211 35 51 1.066 43 628 20 109 284 217 455 151 82 3.667 47 155 49 59 40 444 910 759 941 309 28 978 494 202 2.102 10 11 88 19 207 7 23 21 42 64 17 49 31 116 23 23 15 8 156 186 17 88 112
118 Reparacióndevehículosa motor Ventaalpormayor Comercioderecambios Transporteterrestre Transportemarítimo Transporteaéreo Actividadesdesoporteal transporte mensajería Comerciodealimentos Publicidad Produccióndecineytelevisión Telecomunicaciones Programacióninformática Serviciosfinancieros Seguros actividadesauxiliaresa serviciosfinancieros Actividadesreales Actividaddeconsultoria Arquitecturaeingenieria Investigacióncientifica investigaciondemercados Actividadesveterinarias Actividadesadministrativas Defebsa Educacion Salud Otrasactividadesdeservicios 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 29 1.235 2.528 1.061 2.833 52 52 371 29 7.095 282 332 968 231 110 38 85 224 175 745 35 335 103 542 730 357 4.135 1.161 30 599 498 459 478 10 10 158 13 1.489 52 131 302 142 69 13 30 139 90 288 16 114 95 274 279 124 1.226 771 31 533 6.811 1.461 1.569 53 44 5.396 141 756 421 109 104 102 79 25 24 28 80 106 16 90 35 756 1.320 92 222 396 32 18 174 59 21 7 3 170 2 13 5 3 2 8 3 1 1 2 13 30 0 7 5 366 52 7 8 9 33 16 302 65 97 9 746 151 30 9 11 5 12 17 229 82 88 5 24 28 33 16 11 1.018 268 11 145 236 34 644 6.476 486 9.999 654 2.077 10.724 46 145 31 17 83 84 47 19 10 33 91 74 13 38 16 185 784 17 53 71 35 17 412 216 26 3 2 86 1.309 188 14 8 421 136 174 50 39 147 109 108 19 59 41 206 241 59 118 58 36 78 349 169 106 6 18 75 10 484 35 94 181 423 455 103 120 85 222 268 107 49 70 5.945 810 150 1.167 952 37 68 399 131 22 2 11 83 8 84 475 91 84 330 295 68 46 49 98 313 31 616 9 190 345 313 197 399 38 103 470 153 19 2 22 16 3 304 74 2.764 158 547 157 62 28 26 29 62 10 394 59 373 97 50 33 118 39 242 1.020 550 217 12 288 202 45 1.346 74 403 6.750 506 653 185 206 385 271 209 54 150 50 496 1.627 486 728 592 40 31 265 80 691 9 130 284 77 85 87 40 440 5.188 465 58 66 35 101 172 105 87 15 122 783 84 352 168 41 512 1.928 1.841 772 46 152 511 58 1.419 113 132 434 361 5.177 3.233 1.112 7.098 529 333 31 130 79 913 1.204 525 1.119 829 42 160 623 394 452 33 32 145 13 258 10 25 39 44 47 1.766 44 1.370 159 137 8 26 19 233 66 49 189 99 43 84 115 71 8 0 3 7 3 28 1 1 11 3 304 4.699 1.303 42 8 4 0 3 2 57 27 13 33 7 44 1.573 6.733 10.192 472 286 91 1.290 159 6.556 410 1.215 1.007 1.081 1.935 247 282 876 1.271 866 161 808 313 1.524 1.766 187 484 2.150 45 709 2.066 1.398 303 110 21 327 47 807 182 486 602 388 882 501 172 1.408 4.894 382 153 118 41 564 608 188 737 916 46 44 122 57 111 3 62 66 22 77 75 29 419 122 20 3 3 265 184 4.077 113 162 70 453 1.056 132 42 118 47 0 2 1 2 0 0 1 0 1 0 0 1 10 1 0 0 1 1 3 72 0 0 2 3 0 2 1 48 482 2.200 706 74 9 48 68 11 185 208 179 391 111 729 292 132 68 119 50 22 909 21 279 386 28 49 359 49 75 562 396 127 2 18 147 32 249 139 95 261 223 11 4 2 34 111 75 42 83 492 117 83 134 30 325 50 635 4.929 2.722 1.142 274 818 1.362 136 830 150 262 1.065 1.062 1.248 253 99 651 1.314 693 118 227 81 4.074 3.028 808 2.315 1.095 51 138 1.324 676 1.627 125 331 1.864 20 637 32 36 202 147 85 29 15 233 170 169 17 37 27 274 335 80 176 371 52 246 466 326 50 1 42 11 0 77 32 14 498 172 59 3 5 38 81 81 174 63 44 307 145 932 463 95 53 217 1.191 357 58 1 1 8 14 493 13 19 428 76 59 13 10 33 78 79 31 37 21 124 141 85 6.483 157 54 225 1.234 187 185 13 16 158 43 851 93 205 373 169 256 35 16 152 443 240 38 186 144 1.525 649 188 776 6.301
119 Tabla 17. Total transacciones intermedias de cada sector en miles de millones de dólares ($). FUENTE: (WIOD) Sectores 1995 1996 1997 1998 1999 2000 2001 Agriculture, Hunting, Forestry and Fishin g 1.257 1.272 1.277 1.329 1.376 1.365 1.374 Mining and Quarryin g 905 964 930 924 989 1.084 1.018 Food, Beverages and Tobacco 908 918 935 968 981 1.007 1.033 Textiles and Textile Products 434 444 445 449 459 471 468 Leather, Leather and Footwear 59 61 64 63 61 60 62 Wood and Products of Wood and Cork 355 364 369 373 379 390 391 Pulp, Paper, Paper , Printing and Publishin g 984 989 1.027 1.054 1.092 1.115 1.094 Coke, Refined Petroleum and Nuclear Fuel 496 501 513 522 554 556 579 Chemicals and Chemical Products 1.220 1.255 1.318 1.349 1.393 1.431 1.439 Rubber and Plastics 583 609 643 668 701 726 731 Other Non-Metallic Mineral 551 566 584 583 604 620 623 Basic Metals and Fabricated Metal 2.014 2.064 2.158 2.178 2.201 2.281 2.288 Machinery, Nec 571 588 608 605 618 667 684 Electrical and Optical Equipment 1.176 1.297 1.398 1.472 1.680 1.998 1.978 Transport Equipment 917 951 1.010 1.033 1.106 1.168 1.184 Manu f acturing, Nec; Recyclin g 171 177 185 193 198 210 211 Electricity, Gas and Water Supply 806 843 835 866 907 979 1.040 Construction 652 664 655 677 705 729 752 Sale, Maintenance and Repair of Motor Vehicles and Motorcycles; Retail Sale of Fuel 302 310 319 329 344 350 346 Wholesale Trade and Commission Trade, Except of Motor Vehicles and Motorcycles 1.653 1.716 1.765 1.844 1.919 1.981 1.997 Retail Trade, Except of Motor Vehicles and Motorcycles; Repair of Household Goods 811 834 847 883 913 928 952 Hotels and Restaurants 378 393 416 435 456 458 465 Inland Transport 847 834 849 885 922 954 962 Water Transport 129 133 143 163 180 194 211 Air Transport 141 154 161 165 173 178 168 Other Supporting and Auxiliary Transport Activities; Activities of Travel Agencies 469 485 502 527 558 586 587 Post and Telecommunications 591 650 715 790 914 1.028 1.110 Financial Intermediation 1.868 1.925 2.014 2.150 2.367 2.473 2.575 Real Estate Activities 939 929 945 986 1.021 1.079 1.114 Renting of M&Eq and Other Business Activities 2.772 2.917 3.118 3.361 3.565 3.788 3.917 Public Admin and Defence; Compulsory Social Securit y 224 180 179 183 191 190 197 Education 61 69 71 73 78 89 91 Health and Social Work 94 104 108 111 116 121 122 Other Community, Social and Personal Services 688 711 728 760 790 809 814 Private Households with Employed Persons 4 4 4 5 5 4 4
120 Tabla 17. Total transacciones intermedias de cada sector en miles de millones de dólares ($). FUENTE: (WIOD) (continuación) Sectores 2002 2003 2004 2005 2006 2007 2008 2009 Agriculture, Hunting, Forestry and Fishin g 1.402 1.430 1.495 1.557 1.608 1.627 1.668 1.702 Mining and Quarryin g 1.024 1.108 1.189 1.277 1.369 1.380 1.619 1.454 Food, Beverages and Tobacco 1.028 1.098 1.146 1.212 1.303 1.391 1.406 1.370 Textiles and Textile Products 486 502 522 582 662 723 786 780 Leather, Leather and Footwear 62 65 63 70 83 93 102 101 Wood and Products of Wood and Cork 395 413 437 458 494 523 519 494 Pulp, Paper, Paper , Printing and Publishin g 1.097 1.117 1.175 1.221 1.257 1.328 1.339 1.248 Coke, Refined Petroleum and Nuclear Fuel 604 594 656 707 833 836 1.081 883 Chemicals and Chemical Products 1.489 1.562 1.631 1.677 1.816 1.995 1.997 1.904 Rubber and Plastics 756 797 835 885 955 1.032 1.046 1.011 Other Non-Metallic Mineral 633 664 706 760 822 902 909 833 Basic Metals and Fabricated Metal 2.311 2.408 2.545 2.672 2.929 3.171 3.185 3.123 Machinery, Nec 693 764 868 947 1.098 1.276 1.343 1.137 Electrical and Optical Equipment 2.007 2.257 2.587 2.948 3.486 4.034 4.348 4.180 Transport Equipment 1.249 1.336 1.414 1.518 1.634 1.862 1.883 1.596 Manufacturing, Nec; Recyclin g 211 211 220 230 246 267 274 265 Electricity, Gas and Water Supply 995 1.039 1.121 1.229 1.269 1.360 1.504 1.369 Construction 771 781 765 779 812 827 848 868 Sale, Maintenance and Repair of Motor Vehicles and Motorcycles; Retail Sale of Fuel 356 359 383 399 414 424 417 377 Wholesale Trade and Commission Trade, Except of Motor Vehicles and Motorcycles 1.987 2.022 2.135 2.142 2.248 2.415 2.465 2.293 Retail Trade, Except of Motor Vehicles and Motorcycles; Repair of Household Goods 954 981 1.020 1.104 1.140 1.105 1.114 1.073 Hotels and Restaurants 471 487 518 536 558 565 568 543 Inland Transport 960 992 1.050 1.105 1.171 1.220 1.269 1.186 Water Transport 222 231 249 263 274 295 305 295 Air Transport 162 175 181 181 190 201 207 191 Other Supporting and Auxiliary Transport Activities; Activities of Travel Agencies 584 608 646 688 727 777 798 765 Post and Telecommunications 1.152 1.191 1.231 1.291 1.341 1.403 1.469 1.473 Financial Intermediation 2.619 2.698 2.753 2.941 3.154 3.297 3.242 3.367 Real Estate Activities 1.115 1.135 1.199 1.258 1.284 1.323 1.310 1.268 Renting of M&Eq and Other Business Activities 3.949 4.079 4.252 4.513 4.736 5.003 5.188 5.147 Public Admin and Defence; Compulsory Social Securit y 196 205 217 229 234 241 247 247 Education 91 93 103 106 107 110 111 112 Health and Social Work 122 128 134 169 173 178 178 187 Other Communi t y, Social and Personal Services 817 833 878 909 935 955 966 974 Private Households with Employed Persons 4 4 4 4 4 4 4 4
121 Tabla 18. Estudio de Correlación entre las Intensidades Energéticas y cada uno de los sectores Sec.1 Sec.2 Sec.3 Sec.4 Sec.5 … Sec. 30 Sec. 31 Sec. 32 Sec. 33 Sec. 34 Agricultura, cazay pesca Electrica 0,066 0,088 0,000 0,007 0,020 0,121 0,059 0,002 0,013 0,261 Heat 0,000 0,037 0,067 0,071 0,011 0,000 0,059 0,076 0,255 0,265 Liquids 0,089 0,003 0,041 0,077 0,212 0,526 0,043 0,147 0,006 0,039 Gas 0,004 0,072 0,114 0,241 0,014 0,397 0,014 0,057 0,001 0,033 solid 0,036 0,055 0,009 0,006 0,173 0,183 0,000 0,030 0,015 0,002 Minería Electrica 0,043 0,047 0,163 0,313 0,083 0,221 0,009 0,106 0,222 0,002 Heat 0,069 0,026 0,148 0,225 0,009 0,237 0,026 0,140 0,164 0,001 Liquids 0,018 0,001 0,048 0,195 0,088 0,137 0,000 0,041 0,122 0,002 Gas 0,156 0,005 0,252 0,377 0,095 0,287 0,001 0,103 0,213 0,127 solid 0,074 0,065 0,006 0,002 0,103 0,000 0,068 0,080 0,071 0,014 Comida, bebiday tabaco Electrica 0,161 0,240 0,014 0,235 0,326 0,069 0,176 0,154 0,010 0,064 Heat 0,004 0,025 0,054 0,080 0,021 0,434 0,013 0,040 0,015 0,022 Liquids 0,144 0,120 0,049 0,340 0,270 0,178 0,149 0,025 0,095 0,006 Gas 0,037 0,005 0,018 0,051 0,005 0,160 0,039 0,001 0,055 0,088 solid 0,054 0,025 0,013 0,106 0,018 0,265 0,164 0,001 0,176 0,191 Textil Electrica 0,056 0,112 0,051 0,374 0,008 0,001 0,080 0,130 0,014 0,000 Heat 0,000 0,001 0,029 0,002 0,037 0,075 0,101 0,129 0,152 0,174 Liquids 0,053 0,059 0,100 0,657 0,093 0,082 0,070 0,165 0,245 0,198 Gas 0,011 0,071 0,018 0,006 0,103 0,200 0,124 0,010 0,013 0,005 solid 0,010 0,153 0,003 0,007 0,032 0,309 0,001 0,026 0,256 0,312 Cuero Electrica 0,211 0,096 0,013 0,153 0,281 0,255 0,465 0,624 0,227 0,286 Heat 0,001 0,048 0,050 0,005 0,007 0,071 0,001 0,141 0,010 0,048 Liquids 0,298 0,055 0,120 0,321 0,369 … 0,212 0,543 0,185 0,216 0,191 Gas 0,106 0,256 0,157 0,193 0,000 0,342 0,213 0,135 0,078 0,597 Solid 0,164 0,148 0,133 0,022 0,188 0,186 0,024 0,127 0,040 0,053 … … Alquilerde maquinaria Electrica 0,200 0,000 0,006 0,024 0,036 0,110 0,244 0,142 0,068 0,011 Heat 0,001 0,045 0,020 0,003 0,042 0,082 0,004 0,000 0,016 0,126 Liquids 0,067 0,195 0,038 0,079 0,049 … 0,079 0,347 0,090 0,011 0,202 Gas 0,039 0,001 0,001 0,003 0,026 0,035 0,109 0,167 0,010 0,035 solid 0,006 0,486 0,001 0,106 0,067 0,008 0,008 0,180 0,052 0,024 Administrac iónpública ydefensa Electrica 0,007 0,007 0,071 0,023 0,106 0,005 0,125 0,115 0,005 0,003 Heat 0,436 0,008 0,588 0,436 0,261 0,569 0,191 0,037 0,064 0,603 Liquids 0,050 0,003 0,083 0,020 0,173 0,087 0,027 0,008 0,143 0,055 Gas 0,015 0,388 0,117 0,047 0,051 0,001 0,002 0,092 0,224 0,026 solid 0,004 0,002 0,021 0,003 0,107 0,013 0,021 0,045 0,006 0,002 Educación Electrica 0,024 0,157 0,038 0,078 0,354 0,073 0,127 0,018 0,085 0,053 Heat 0,205 0,061 0,003 0,016 0,001 0,023 0,055 0,014 0,396 0,008 Liquids 0,034 0,000 0,068 0,153 0,099 0,000 0,003 0,002 0,002 0,070 Gas 0,001 0,000 0,178 0,222 0,199 0,131 0,055 0,000 0,243 0,313 solid 0,000 0,121 0,000 0,000 0,009 0,081 0,005 0,033 0,023 0,031 Sanidad Electrica 0,036 0,011 0,035 0,001 0,011 0,003 0,027 0,001 0,032 0,058 Heat 0,005 0,022 0,002 0,046 0,036 0,000 0,184 0,087 0,462 0,127 Liquids 0,030 0,004 0,008 0,012 0,151 0,054 0,176 0,153 0,376 0,004 Gas 0,007 0,004 0,063 0,017 0,091 0,056 0,287 0,009 0,005 0,188 solid 0,000 0,023 0,203 0,031 0,055 0,121 0,255 0,028 0,014 0,019 Servicios comunitar. Electrica 0,084 0,001 0,004 0,064 0,118 0,034 0,040 0,057 0,039 0,318 Heat 0,216 0,005 0,002 0,167 0,003 0,061 0,502 0,223 0,039 0,315 Liquids 0,031 0,054 0,012 0,092 0,047 0,008 0,000 0,025 0,211 0,065 Gas 0,113 0,005 0,002 0,185 0,006 … 0,000 0,135 0,113 0,205 0,063 solid 0,014 0,155 0,001 0,003 0,014 0,000 0,120 0,007 0,012 0,120
128 Macro 4. Regresión lineal múltiple. Sub crear_funciones() Dim cont, sum, fila, comienzo As String cont = 0 fila = 0 sum = 0 comienzo = 0 Sheets("Funciones").Select Range("L2:W2").Select Range(Selection, Selection.End(xlDown)).Select Selection.ClearContents For i = 1 To 35 For k = 1 To 35 Application.Run "ATPVBAEN.XLAM!Regress", ActiveSheet.Range(Cells(7 + comienzo, 2), Cells(19 + comienzo, 2)), _ ActiveSheet.Range(Cells(7 + comienzo, 3), Cells(19 + comienzo, 8)), False, False, , ActiveSheet.Cells(7 + sum, 13) _ , False, False, False, False, , False For Z = 1 To 7 Cells(23 + fila + sum, 14).Select Selection.Copy Cells(6 + cont, 26 + fila).Select Selection.PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks _ :=False, Transpose:=False fila = fila + 1 Next Z comienzo = comienzo + 13 sum = sum + 27 fila = 0 cont = cont + 1 Next k Next i End Sub
129 Macro 5. Cuerpo de las tablas de error Sub lista() Dim sum As String sum = 0 Sheets("error").Select For i = 1 To 1225 Range(Cells(4 + sum, 1), Cells(4 + sum, 4)).Select With Selection .HorizontalAlignment = xlCenter .VerticalAlignment = xlBottom .WrapText = False .Orientation = 0 .AddIndent = False .IndentLevel = 0 .ShrinkToFit = False .ReadingOrder = xlContext .MergeCells = False End With Selection.Merge Selection.Value = "DATOS PARA CALCULAR LA VARIACION" sum = sum + 30 Next i End Sub
130 Macro 6. Título y nombre de cada elemento para cálculo de error Sub tit() Dim sum As String sum = 0 Sheets("error").Select For i = 1 To 1225 Cells(6 + sum, 13).Select Selection.Font.Bold = True Selection.Value = "e aij" Cells(6 + sum, 14).Select Selection.Font.Bold = True Selection.Value = "e h0" sum = sum + 30 Next i End Sub
131 Macro 7. Copia de coeficientes de cada elemento aij para cálculo de error Sub coef_funcion() Dim cont, sum As String cont = 1 sum = 0 Sheets("error").Select For i = 1 To 1225 Cells(2 + sum, 2).Select ActiveCell.FormulaR1C1Local = "=Funciones!F" & 5 + cont & "C26" Cells(2 + sum, 3).Select ActiveCell.FormulaR1C1Local = "=Funciones!F" & 5 + cont & "C27" Cells(2 + sum, 4).Select ActiveCell.FormulaR1C1Local = "=Funciones!F" & 5 + cont & "C28" Cells(2 + sum, 5).Select ActiveCell.FormulaR1C1Local = "=Funciones!F" & 5 + cont & "C29" Cells(2 + sum, 6).Select ActiveCell.FormulaR1C1Local = "=Funciones!F" & 5 + cont & "C30" Cells(2 + sum, 7).Select ActiveCell.FormulaR1C1Local = "=Funciones!F" & 5 + cont & "C31" Cells(2 + sum, 8).Select ActiveCell.FormulaR1C1Local = "=Funciones!F" & 5 + cont & "C32" sum = sum + 30 cont = cont + 1 Next i End Sub
132 Macro 8. Copia de variaciones relativas para cálculo de error Sub Va() Dim sum As String cont = 0 sum = 0 Sheets("error").Select For j = 1 To 35 For k = 1 To 35 For i = 14 To 14 Cells(6 + i + sum, 3).Select ActiveCell.FormulaR1C1Local = "=variaciones1!F" & 75 + j & "C" & 40 + i & "" Cells(6 + i + sum, 4).Select ActiveCell.FormulaR1C1Local = "=variaciones1!F" & 111 + j & "C" & 40 + i & "" Cells(6 + i + sum, 5).Select ActiveCell.FormulaR1C1Local = "=variaciones1!F" & 3 + j & "C" & 40 + i & "" Cells(6 + i + sum, 6).Select ActiveCell.FormulaR1C1Local = "=variaciones1!F" & 39 + j & "C" & 40 + i & "" Cells(6 + i + sum, 7).Select ActiveCell.FormulaR1C1Local = "=variaciones1!F" & 147 + j & "C" & 40 + i & " Next i sum = sum + 30 Next k Next j End Sub
133 Macro 9. Fórmula para la predicción de valores ∆𝒂𝒊𝒋 Sub variacion() Dim sum, cont, fila As String sum = 2 fila = 7 For k = 1 To 1225 For i = 1 To 13 Cells(fila + i, 9).Select ActiveCell.FormulaR1C1Local = "=F" & sum & "C2+F" & sum & "C3*F" & fila + i - 1 & "C2+F" & sum & "C4*F" & fila + i & "C3+F" & sum & "C5*F" & fila + i & "C4+F" & sum & "C6*F" & fila + i & "C5+F" & sum & "C7*F" & fila + i & "C6+F" & sum & "C8*F" & fila + i & "C7" Next i fila = fila + 30 sum = sum + 30 Next k End Sub
134 Macro 10. Valor de aij (t) a partir de la variación relativa Sub valor_de_at_calculado() Dim sum, fila, col As String sum = 0 fila = 0 Sheets("error").Select For i = 1 To 1225 For k = 1 To 13 Cells(7 + k + sum, 11).Select ActiveCell.FormulaR1C1Local = "=F" & 6 + k + sum & "C12+F" & 6 + k + sum & "C12*F" & 7 + sum + k & "C9" fila = fila + 36 Next k sum = sum + 30 Next i End Sub
135 Macro 11. Cálculo del error en la proyección de los elementos aij Sub errores() Dim sum As String sum = 0 Sheets("error").Select '' eaij For i = 1 To 1225 For k = 1 To 13 Cells(7 + k + sum, 13).Select ActiveCell.FormulaR1C1Local = "=F" & 7 + k + sum & "C12-F" & 7 + k + sum & "C11" Next k sum = sum + 30 Next i ''eh0 sum = 0 For i = 1 To 1225 For k = 1 To 13 Cells(7 + k + sum, 14).Select ActiveCell.FormulaR1C1Local = "=F" & 7 + k + sum & "C12-F" & 6 + k + sum & "C12" Next k sum = sum + 30 Next i End Sub
136 Macro 12. Error final en la proyección de elementos aij Sub porcent_error() Dim sum As String sum = 0 Sheets("error").Select For i = 1 To 1225 For k = 1 To 13 Cells(7 + k + sum, 15).Select ActiveCell.FormulaR1C1Local = "=ABS(F" & 7 + k + sum & "C13)*100/F" & 7 + k + sum & "C12" Next k sum = sum + 30 Next i sum = 0 For Z = 1 To 1225 Cells(6 + sum, 15).Select Selection.Font.Bold = True Selection.Value = "ê" sum = sum + 30 Next Z End Sub Macro 13. Media de los errores Sub media() Dim sum As String sum = 0 For i = 1 To 1225 Cells(sum + 22, 15).Select ActiveCell.FormulaR1C1Local = "=SUMA(F" & sum + 8 & "C15:F" & sum + 20 & "C15)/13" Cells(sum + 22, 14).Select Selection.Value = "Media" sum = sum + 30 Next i End Sub
137 Macro 14. Variación del color (1) Sub buscar() Dim sum As String sum = 0 Sheets("error").Select For k = 1 To 35 For w = 1 To 35 Cells(11 + w, 17 + k).Interior.Color = vbWhite Next w Next k For i = 1 To 35 For Z = 1 To 35 For h = 1 To 13 If Cells(7 + h + sum, 15) < Cells(9, 20).Value Then Cells(11 + Z, 17 + i).Interior.Color = vbGreen End If Next h sum = sum + 30 Next Z Next i End Sub
144 Macro 19. Proyección de la Matriz A según BAU para el año 2050 Sub predicc50BAU() 'Escenario BAU Dim cont, sum, fil As String cont = 0 sum = 0 fil = 0 For i = 1 To 35 For j = 1 To 35 'copia los coeficientes Sheets("error").Select Range(Cells(2 + cont, 2), Cells(2 + cont, 8)).Select Selection.Copy Sheets("matrizA2050").Select Cells(3, 2).Select Selection.PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks _ :=False, Transpose:=False 'copia los datos desde error Sheets("error").Select Range(Cells(7 + cont, 2), Cells(20 + cont, 7)).Select Selection.Copy Sheets("matrizA2050").Select Cells(6, 3).Select Selection.PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks _ :=False, Transpose:=False 'copia las predicciones de IE Sheets("matrizA2050").Select For x = 1 To 22 Cells(19 + x, 4).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 4 + 175 + fil & "C" & x + 16 & "- prediccionIE!F" & 4 + fil + 175 & "C" & x + 15 & ")/prediccionIE!F" & 4 + fil + 175 & "C" & x + 15 & "" Cells(19 + x, 5).Select
145 Selection.FormulaR1C1Local = "=(prediccionIE!F" & 5 + 175 + fil & "C" & x + 16 & "- prediccionIE!F" & 5 + fil + 175 & "C" & x + 15 & ")/prediccionIE!F" & 5 + fil + 175 & "C" & x + 15 & "" Cells(19 + x, 6).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 2 + fil + 175 & "C" & x + 16 & "- prediccionIE!F" & 2 + fil + 175 & "C" & x + 15 & ")/prediccionIE!F" & 2 + fil + 175 & "C" & x + 15 & "" Cells(19 + x, 7).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 3 + fil + 175 & "C" & x + 16 & "- prediccionIE!F" & 3 + fil + 175 & "C" & x + 15 & ")/prediccionIE!F" & 3 + fil + 175 & "C" & x + 15 & "" Cells(19 + x, 8).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 6 + fil + 175 & "C" & x + 16 & "- prediccionIE!F" & 6 + 175 + fil & "C" & x + 15 & ")/prediccionIE!F" & 6 + fil + 175 & "C" & x + 15 & "" Next x 'copia datos de a reales For s = 1 To 14 Sheets("matrizA2050").Select Cells(5 + s, 12).Select ActiveCell.FormulaR1C1Local = "=error!F" & 6 + s + cont & "C12" Next s ' Copia el dato de a2050 a la matriz Cells(60, 12).Select Selection.Copy Cells(2 + i, 16 + j).Select Selection.PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks _ :=False, Transpose:=False cont = cont + 30 Next j fil = fil + 5 Next i End Sub
146 Macro 20. Proyección de la Matriz A según BAU para el año 2030 Sub predicc30BAU() 'Escenario BAU Dim cont, sum, fil As String cont = 0 sum = 0 fil = 0 For i = 1 To 35 For j = 1 To 35 'copia los coeficientes Sheets("error").Select Range(Cells(2 + cont, 2), Cells(2 + cont, 8)).Select Selection.Copy Sheets("matrizA2050").Select Cells(3, 2).Select Selection.PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks _ :=False, Transpose:=False 'copia los datos desde error Sheets("error").Select Range(Cells(7 + cont, 2), Cells(20 + cont, 7)).Select Selection.Copy Sheets("matrizA2050").Select Cells(6, 3).Select Selection.PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks _ :=False, Transpose:=False 'copia las predicciones de IE Sheets("matrizA2050").Select For x = 1 To 22 Cells(19 + x, 4).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 4 + 175 + fil & "C" & x + 16 & "- prediccionIE!F" & 4 + fil + 175 & "C" & x + 15 & ")/prediccionIE!F" & 4 + fil + 175 & "C" & x + 15 & "" Cells(19 + x, 5).Select
147 Selection.FormulaR1C1Local = "=(prediccionIE!F" & 5 + 175 + fil & "C" & x + 16 & "- prediccionIE!F" & 5 + fil + 175 & "C" & x + 15 & ")/prediccionIE!F" & 5 + fil + 175 & "C" & x + 15 & "" Cells(19 + x, 6).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 2 + fil + 175 & "C" & x + 16 & "- prediccionIE!F" & 2 + fil + 175 & "C" & x + 15 & ")/prediccionIE!F" & 2 + fil + 175 & "C" & x + 15 & "" Cells(19 + x, 7).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 3 + fil + 175 & "C" & x + 16 & "- prediccionIE!F" & 3 + fil + 175 & "C" & x + 15 & ")/prediccionIE!F" & 3 + fil + 175 & "C" & x + 15 & "" Cells(19 + x, 8).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 6 + fil + 175 & "C" & x + 16 & "- prediccionIE!F" & 6 + 175 + fil & "C" & x + 15 & ")/prediccionIE!F" & 6 + fil + 175 & "C" & x + 15 & "" Next x 'copia datos de a reales For s = 1 To 14 Sheets("matrizA2050").Select Cells(5 + s, 12).Select ActiveCell.FormulaR1C1Local = "=error!F" & 6 + s + cont & "C12" Next s ' Copia el dato de a2030 a la matriz Cells(40, 12).Select Selection.Copy Cells(2 + i, 16 + j).Select Selection.PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks _ :=False, Transpose:=False cont = cont + 30 Next j fil = fil + 5 Next i End Sub
148 Macro 21. Evolución temporal para un elemento aij dado en escenario BAU Sub BAUnum() 'Escenario BAU Dim i, j, cont, sum, fil As String Dim FindString As String Dim Rng As Range cont = 0 sum = 0 fil = 0 i = Worksheets("matrizA2050").Range("O51").Value j = Worksheets("matrizA2050").Range("O54").Value 'encontrar elemento 'FindString = InputBox("Enter a Search value") FindString = "a" & i & "." & j & "" For q = 1 To 7 If Trim(FindString) <> "" Then With Sheets("error").Range("A:A") Set Rng = .Find(What:=FindString, _ After:=.Cells(.Cells.Count), _ LookIn:=xlValues, _ LookAt:=xlWhole, _ SearchOrder:=xlByRows, _ SearchDirection:=xlNext, _ MatchCase:=False) If Not Rng Is Nothing Then Application.Goto Rng, True Else MsgBox "ERROR EN EL ELEMENTO INTRODUCIDO" Exit Sub End If End With End If ActiveCell.Offset(1, q).Select Selection.Copy Sheets("matrizA2050").Select Cells(3, 1 + q).Select Selection.PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks _
149 :=False, Transpose:=False Next q 'copia las predicciones de IE Sheets("matrizA2050").Select fil = i * 5 For x = 1 To 41 Cells(19 + x, 4).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 4 + 170 + fil & "C" & x + 16 & "- prediccionIE!F" & 4 + 170 + fil & "C" & x + 15 & ")/prediccionIE!F" & 4 + 170 + fil & "C" & x + 15 & "" Cells(19 + x, 5).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 5 + 170 + fil & "C" & x + 16 & "- prediccionIE!F" & 5 + 170 + fil & "C" & x + 15 & ")/prediccionIE!F" & 5 + 170 + fil & "C" & x + 15 & "" Cells(19 + x, 6).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 2 + 170 + fil & "C" & x + 16 & "- prediccionIE!F" & 2 + 170 + fil & "C" & x + 15 & ")/prediccionIE!F" & 2 + 170 + fil & "C" & x + 15 & "" Cells(19 + x, 7).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 3 + 170 + fil & "C" & x + 16 & "- prediccionIE!F" & 3 + 170 + fil & "C" & x + 15 & ")/prediccionIE!F" & 3 + 170 + fil & "C" & x + 15 & "" Cells(19 + x, 8).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 6 + 170 + fil & "C" & x + 16 & "- prediccionIE!F" & 6 + 170 + fil & "C" & x + 15 & ")/prediccionIE!F" & 6 + 170 + fil & "C" & x + 15 & "" Next x For w = 1 To 14 If Trim(FindString) <> "" Then With Sheets("error").Range("A:A") Set Rng = .Find(What:=FindString, _ After:=.Cells(.Cells.Count), _ LookIn:=xlValues, _ LookAt:=xlWhole, _ SearchOrder:=xlByRows, _ SearchDirection:=xlNext, _ MatchCase:=False) If Not Rng Is Nothing Then Application.Goto Rng, True
150 Else MsgBox "ERROR EN EL ELEMENTO INTRODUCIDO" Exit Sub End If End With End If ActiveCell.Offset(w + 5, 11).Select Selection.Copy Sheets("matrizA2050").Select Cells(5 + w, 12).Select Selection.PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks _ :=False, Transpose:=False Next w Sheets("matrizA2050").Select Range("C6:H19").Select Application.CutCopyMode = False With Selection.Interior .Pattern = xlSolid .PatternColorIndex = xlAutomatic .ThemeColor = xlThemeColorAccent1 .TintAndShade = 0.599993896298105 .PatternTintAndShade = 0 End With Sheets("matrizA2050").Select Range("C6", "H19").ClearContents MsgBox "Copie la tabla de variaciones relativas en el hueco azul para finalizar la predicción" If Trim(FindString) <> "" Then With Sheets("error").Range("A:A") Set Rng = .Find(What:=FindString, _ After:=.Cells(.Cells.Count), _ LookIn:=xlValues, _ LookAt:=xlWhole, _ SearchOrder:=xlByRows, _ SearchDirection:=xlNext, _
151 MatchCase:=False) If Not Rng Is Nothing Then Application.Goto Rng, True Else MsgBox "ERROR EN EL ELEMENTO INTRODUCIDO" End If End With End If ActiveCell.Select End Sub
152 Macro 22. Evolución temporal para un elemento aij dado en escenario 2. Sub SCEN2num() 'Escenario escenario 2 Dim i, j, cont, sum, fil As String Dim FindString As String Dim Rng As Range cont = 0 sum = 0 fil = 0 i = Worksheets("matrizA2050").Range("O51").Value j = Worksheets("matrizA2050").Range("O54").Value 'encontrar elemento 'FindString = InputBox("Enter a Search value") FindString = "a" & i & "." & j & "" For q = 1 To 7 If Trim(FindString) <> "" Then With Sheets("error").Range("A:A") Set Rng = .Find(What:=FindString, _ After:=.Cells(.Cells.Count), _ LookIn:=xlValues, _ LookAt:=xlWhole, _ SearchOrder:=xlByRows, _ SearchDirection:=xlNext, _ MatchCase:=False) If Not Rng Is Nothing Then Application.Goto Rng, True Else MsgBox "ERROR EN EL ELEMENTO INTRODUCIDO" Exit Sub End If End With End If ActiveCell.Offset(1, q).Select Selection.Copy Sheets("matrizA2050").Select Cells(3, 1 + q).Select
153 Selection.PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks _ :=False, Transpose:=False Next q 'copia las predicciones de IE Sheets("matrizA2050").Select fil = i * 5 - 5 For x = 1 To 41 Cells(19 + x, 4).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 4 + fil & "C" & x + 16 & "- prediccionIE!F" & 4 + fil & "C" & x + 15 & ")/prediccionIE!F" & 4 + fil & "C" & x + 15 & "" Cells(19 + x, 5).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 5 + fil & "C" & x + 16 & "- prediccionIE!F" & 5 + fil & "C" & x + 15 & ")/prediccionIE!F" & 5 + fil & "C" & x + 15 & "" Cells(19 + x, 6).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 2 + fil & "C" & x + 16 & "- prediccionIE!F" & 2 + fil & "C" & x + 15 & ")/prediccionIE!F" & 2 + fil & "C" & x + 15 & "" Cells(19 + x, 7).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 3 + fil & "C" & x + 16 & "- prediccionIE!F" & 3 + fil & "C" & x + 15 & ")/prediccionIE!F" & 3 + fil & "C" & x + 15 & "" Cells(19 + x, 8).Select Selection.FormulaR1C1Local = "=(prediccionIE!F" & 6 + fil & "C" & x + 16 & "- prediccionIE!F" & 6 + fil & "C" & x + 15 & ")/prediccionIE!F" & 6 + fil & "C" & x + 15 & "" Next x For w = 1 To 14 If Trim(FindString) <> "" Then With Sheets("error").Range("A:A") Set Rng = .Find(What:=FindString, _ After:=.Cells(.Cells.Count), _ LookIn:=xlValues, _ LookAt:=xlWhole, _ SearchOrder:=xlByRows, _ SearchDirection:=xlNext, _ MatchCase:=False) If Not Rng Is Nothing Then Application.Goto Rng, True Else MsgBox "ERROR EN EL ELEMENTO INTRODUCIDO" Exit Sub