La contaminacion ambiental desde el entorno economico

UNIVERSIDAD AUTÓNOMA METROPOLITANA
UNIDAD XOCHIMILCO

LICENCIATURA EN ECONOMÍA, 20-O

[pic 1] 

Profesor: Arévalo Martínez Aaron Rafael.

INTRODUCCIÓN

El siguiente trabajo tiene como objetivo analizar el comportamiento de las emisiones de co2 para Estados Unidos durante el periodo de 1970 a 2019. Esto con el objetivo de ver qué indicadores pueden influir dentro de una estimación econométrica y así conocer si se podría resolver el problema a futuro de la ecología de la economía estadounidense.

Respecto al estudio de nuestras variables económicas, decidimos apoyarnos de la economía ecológica como medio para justificar nuestro modelo. Comenzaremos por mencionar de manera breve lo que la economía política y la economía ecológica cubren en sus respectivas ramas, si bien la primera de ellas se encarga de los conflictos de distribución económicos y la segunda estudia los conflictos de la distribución ecológica y la presión humana en el medio ambiente.

Definiremos distribución ecológica ya que es el tema central de estudio de la economía ecológica Frank Beckenbach y Martin O'Connor la definen como las desigualdades asimétricas espaciales, sociales y temporales en el uso que generan los humanos tanto de los recursos y servicios ambientales, o sea, el agotamiento de los recursos naturales, en este caso la degradación de la tierra y la carga excesiva de contaminación un ejemplo claro de ello pueden ser las desigualdades intergeneracionales de emisiones de CO2. (Martinez, 1998)

Podríamos llamarle a esto un problema de inconmensurabilidad, si bien sabemos se refiere a que no hay una unidad común de medida, dicho eso no significa que no se puedan comparar decisiones de manera alternativa sobre una base racional, citando a Otto Neurath y William Kapp “Dar valores monetarios y aplicar una tasa de descuento a las utilidades o des utilidades futuras para expresar su valor actual capitalizado, puede darnos un cálculo monetario preciso, pero ello no nos sacará del dilema de la elección y del hecho que nosotros tomamos riesgos con la salud y supervivencia humanas. Por esta razón, estoy inclinado a considerar que el intento de medir los costos y beneficios sociales simplemente en términos de valores monetarios o de mercado está condenado al fracaso. Los costos y beneficios sociales tienen que ser considerados como un fenómeno extra-mercado; ellos son sufridos o se acreditan a la sociedad como un todo; son heterogéneos y no pueden ser comparados cuantitativamente entre ellos mismos y con otros, ni siquiera en principio”. (Martinez, 1998)

No estamos seguros en su totalidad de, si se pueda resolver el problema no solo en Estados Unidos sobre la aplicación de la ecología económica, ya que muchos acuerdos y demás todos tienen un trasfondo meramente de decisiones políticas.

Como primer indicio del modelo de regresión lineal múltiple tomaremos las variables de emisiones de CO2, el gasto destinado en Investigación y Desarrollo para Estados Unidos, la Inversión Extranjera Directa y la población total de Estados Unidos. Por lo que nuestra ecuación queda de la siguiente manera

[pic 2]

Generamos nuestro modelo de regresión lineal en niveles y observamos el comportamiento de las variables y de los estimadores

[pic 3]

Observamos que ninguno de los coeficientes en niveles llega a ser significativos dentro del modelo de regresión lineal múltiple, por lo cual procedimos a convertir todas las variables en logaritmos para así lograr apreciar si el modelo se logra ajustar de una manera correcta.

[pic 4]

Observamos ahora que nuestras variables logran un mejor ajuste al ser expresadas en logaritmos y llegan a ser más significativas a excepción de la Inversión Extranjera Directa para Estados Unidos. Por lo que procederemos a generar una tercera regresión sin incluir la IED.

[pic 5]

Observamos ahora: Tenemos un modelo de regresión lineal múltiple con coeficientes significativos, ahora debemos de analizar el comportamiento de los errores y corregir el modelo por el medio de mínimos cuadrados ponderados. Esto debido a que observamos un coeficiente Durbin-Watson de 0.183622 y un R^2 de 0.421580, esto puede ser un indicio de que nuestros errores estén mal especificados o se encuentre un problema de Heteroscedacistidad en la varianza de los errores.

A través de pruebas de Heteroscedacistidad revisaremos si existe o no Heteroscedacistidad en los errores o no. Primero revisaremos la prueba de Breusch-Pagan-Godfrey para conocer si existe o no Heteroscedacistidad en los errores del modelo y conocer el comportamiento de la varianza residual constante.

Observamos en la siguiente tabla la prueba de Breusch-Pagan-Godfrey, aceptamos la Hipótesis nula, en otras palabras, podemos decir que existe Homocedacistidad dentro de los errores del modelo. Esto lo sabemos porque el valor p que acompaña el valor F calculado es mayor al nivel de rechazo de 0.05, siendo de 0.1383, y que por ende aceptamos la hipótesis nula:

[pic 6]

Ahora revisaremos a través de la prueba de Heteroscedacistidad de Harvey comprobaremos si existe o no Homocedacistidad dentro de la distribución de los errores del modelo de regresión lineal múltiple. Recordemos que debemos de aceptar la Hipótesis nula para saber que los errores no tienen un problema de diagnóstico de Heteroscedacistidad. Al observar dentro de la prueba de Harvey, vemos que el valor p de nuestra F calculada es menor al nivel de rechazo, o sea menor que 0.05, siendo de 0.0071, en otras palabras, a través de la prueba de Harvey rechazamos la Hipótesis nula y decimos que entre los errores de nuestro modelo de regresión lineal múltiple existe un problema de Heteroscedacistidad. Esto lo podemos observar tal y como se muestra en la siguiente tabla:

[pic 7]

Por último, revisaremos si existe un problema de Heteroscedacistidad a través de la prueba de White, ya que esta es una prueba más robusta que nos indica si existe un problema dentro de los errores de nuestro modelo y conocer así un resultado final en el nivel de la varianza residual.

Al realizar la prueba de White, observamos que el valor p del valor probabilístico de nuestra F calculada es mayor al valor crítico de 0.05, siendo un poco mayor con valor de 0.0635, por lo que podemos decir que existe Homocedacistidad dentro de los errores de nuestro modelo de regresión lineal múltiple. Esto lo podemos comprobar con la siguiente tabla de resultados:

...