Análisis estadístico del impacto de la energía renovable y la energía nuclear en la economía de los países miembros de la OCDE

Victorero González, Isabel (2018). Análisis estadístico del impacto de la energía renovable y la energía nuclear en la economía de los países miembros de la OCDE. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM), Madrid.

Descripción

Título: Análisis estadístico del impacto de la energía renovable y la energía nuclear en la economía de los países miembros de la OCDE
Autor/es:
  • Victorero González, Isabel
Director/es:
  • Sánchez Naranjo, María Jesús
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería en Tecnologías Industriales
Fecha: 2018
Materias:
Palabras Clave Informales: Impacto económico,Energía Renovable, Energía Nuclear, Análisis de estadística descriptiva, Análisis de regresión lineal simple, Análisis de regresión múltiple
Escuela: E.T.S.I. Industriales (UPM)
Departamento: Ingeniería de Organización, Administración de Empresas y Estadística
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (2MB) | Vista Previa

Resumen

El presente Trabajo Fin de Grado se enmarca en un contexto actual en el cual el sector energético es estratégico en la economía de los países. Esto se debe a que la energía es considerada un bien de primera necesidad y que, por tanto, contribuye al bienestar social y a la competitividad de un país. El objetivo fundamental de este proyecto es lograr desarrollar un modelo para medir el impacto de la energía renovable y la energía nuclear en la economía de los países miembros de la OCDE. La principal causa por la que se ha escogido estudiar la energía nuclear y la energía renovable en este proyecto se debe a la publicación, en marzo de 2017, de una propuesta de ley para el cierre de las centrales nucleares españolas (Agencia Estatal Boletín Oficial del Estado, 2017). En la proposición se indicaba como principal alternativa a la energía nuclear el uso de las energías renovables. Se ha decidido estudiar como muestra a los países miembros de la OCDE, no sólo en España, con el fin de ampliar el alcance y la diversidad del proyecto, sin restringirlo solamente al ámbito nacional. Se ha escogido estudiar a los países integrantes de la OCDE ya que presenta un marco común por tratarse de una de las organizaciones con más datos a nivel estadístico. Así pues, este proyecto surge con el fin de ayudar a conocer el alcance macroeconómico de las actividades del sector energético para que la toma decisiones sobre este ámbito se efectúe con la mayor cantidad de recursos y conocimientos sobre la misma y sus repercusiones. En el proyecto se analizará el impacto de ambos tipos de energía mediante el uso de diferentes técnicas estadísticas: el análisis de estadística descriptiva y los análisis de regresión lineal simple y de regresión múltiple. El presente TFG se ha realizado en un periodo de siete meses y se encuentra estructurado de la siguiente forma: 1. Recogida y preparación de los datos. Se realizó una base de datos completa y suficiente para poder desarrollar los posteriores análisis. Esta base de datos incluye un total de siete variables, la variable respuesta PIB per cápita y seis variables explicativas: ▪ Gastos en Sanidad. Gastos en Educación. ▪ Consumo de Energía Nuclear. ▪ Consumo de Energía Renovable. ▪ Generación de Electricidad. ▪ Número de Centrales Nucleares. Una vez seleccionadas las variables y recopilados los datos se procede a la unificación de las unidades con el fin de homogeneizar la muestra. 2. Análisis de estadística descriptiva. Esta fase se centra en la caracterización de los datos de la muestra mediante el uso de herramientas de estadística descriptiva. En primer lugar, se estudiaron las variables originales con el fin de poder establecer las relaciones existentes entre ellas. Este primer estudio estableció que no había relaciones lineales entre las variables, por tanto, se procedió a la transformación de estas buscando encontrar linealidad. 3. Transformación de las variables. El objetivo de esta fase consistía en alcanzar la linealidad entre la variable respuesta y cada una de las variables explicativas mediante su transformación. Cada una de las siete variables del modelo fue sometida a tres transformaciones: raíz, inversa y logaritmo. Se escogieron las siguientes transformaciones atendiendo a criterios de reducción del número de valores atípicos: ▪ PIB. ▪ 1/(Gastos en Sanidad). ▪ Gastos en Educación. ▪ 1/(Consumo de Energía Nuclear). ▪ 1/(Consumo de Energía Renovable). ▪ 1/(Generación de Electricidad). ▪ LOG(Centrales Nucleares). A continuación, se realizaron los gráficos XY de cada variable independiente con respecto al PIB. En los gráficos seguían sin apreciarse relaciones lineales con algunas de las variables trasformadas por lo que se procedió a calcular la matriz de correlación (con sus p-valores) con el fin de establecer cuáles de las variables explicativas eran significativas con respecto al PIB. Finalmente, solamente resultaron significativas las variables: 1/(Gastos en Sanidad), Gastos en Educación y 1/(Generación de Electricidad), estado esta última en el límite de significatividad. 4. Análisis de regresión lineal simple. En esta fase se estudiaron las tres variables consideradas significativas con respecto al PIB mediante análisis de regresión lineal simple. En los análisis se comprobó que efectivamente 1/(Gastos en Sanidad) y Gastos en Educación proporcionaban un modelo estimado efectivo de la variable respuesta. Sin embargo, la variable 1/(Generación de Electricidad) seguía encontrándose en el límite de significatividad. 5. Análisis de regresión múltiple. En esta fase se estudió primero un modelo de regresión con las variables consideradas significativas previamente, durante su diagnosis se observó la presencia de dos valores atípicos, Luxemburgo y Arabia Saudí. Se decidió omitir de la base de datos a estos países con el fin de obtener una distribución más homogénea. A continuación, se repitió el mismo análisis con la nueva base de datos resultando como variables significativas 1/(Gastos en Sanidad) y Gastos en Educación. 6. Análisis de regresión múltiple con variable cualitativa. En primer lugar, se definió una variable cualitativa con tres categorías: países miembros de la OCDE, países socios de la OCDE y países colaborador de la OCDE. A continuación, se realizó un modelo de regresión múltiple (con la nueva base de datos) en el cual se incluyeron las dos últimas categorías de la variable cualitativa, quedando la primera como referencia. Se observó que de nuevo las variables significativas eran: 1/(Gastos en Sanidad) y Gastos en Educación. Como 1/(Gastos en Sanidad) era la variable con el p-valor más reducido se procedió a estudiar la interacción existente entre esta y la variable cualitativa. Se estudió el mismo modelo de regresión múltiple que el anterior pero incluyendo la interacción con 1/(Gastos en Sanidad), observando que las variables significativas resultantes eran: ▪ La ordenada en el origen. ▪ 1/(Gastos en Sanidad). ▪ Gastos en Educación. ▪ Además, se encontraban en el límite de significatividad la variable cualitativa de categoría país colaborador de la OCDE y la interacción entre 1/(Gastos en Sanidad) y dicha categoría de la variable cualitativa. Como había aumentado el p-valor de la variable 1/(Generación de Electricidad) (alejándola de la significatividad) al omitir a Luxemburgo y Arabia Saudí de la muestra se decidió volver a incluir a ambos países con el fin de encontrar un modelo estimado en el cual esta variable fuese significativa. Por tanto, se procedió a repetir el modelo de regresión múltiple con la base de datos actualizada. Efectivamente, al volver a incluir a estos países las variables significativas en el modelo de regresión múltiple pasaron a ser: 1/(Gastos en Sanidad), 1/(Generación de Electricidad), variable cualitativa de categoría países colaboradores de la OCDE y la interacción entre 1/(Gastos en Sanidad) y esta categoría de la variable cualitativa. Por tanto, estableció este modelo como definitivo.continuación, se presenta el modelo definitivo de estimación del PIB, este se encuentra subdividido en tres modelos según la categoría de país: modelo para países miembros de la OCDE, modelo para países socios de la OCDE y modelo para países colaboradores de la OCDE. No se ha alcanzado el objetivo fundamental del presente TFG puesto que no se ha podido desarrollar un modelo para medir el impacto de la energía renovable y la energía nuclear en la economía de los países miembros de la OCDE, ya que las variables Consumo de Energía Nuclear y Consumo de Energía Renovable no resultaron significativas con respecto a la variable respuesta. Sin embargo, se ha conseguido desarrollar un modelo capaz de medir el impacto del sector energético en la variable respuesta PIB. En el año 2012, espacio temporal de estudio del proyecto, fue un periodo de crisis donde el crecimiento económico se vio gravemente restringido. Por tanto, el hecho de que dicho año no fuese un periodo normal dentro de la economía de los países objeto de estudio, podría explicar la falta de impacto de las energías renovable y nuclear en el PIB. Además, podrían haberse considerado como alternativa el uso de otras variables que ofreciesen una mejor asociación de la energía nuclear y la energía renovable con el PIB como por ejemplo, las inversiones realizadas en ambos campos energéticos.

Más información

ID de Registro: 50273
Identificador DC: http://oa.upm.es/50273/
Identificador OAI: oai:oa.upm.es:50273
Depositado por: Biblioteca ETSI Industriales
Depositado el: 20 Abr 2018 15:09
Ultima Modificación: 20 Abr 2018 15:09
  • GEO_UP4
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • InvestigaM
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM