Introducción

La concentración media global de dióxido de carbono (CO₂) se ha incrementado en un 40% desde la era preindustrial debido, en primer lugar, a las emisiones derivadas de las actividades humanas tales como la generación de electricidad, los procesos industriales y el transporte, cuyo componente común es el uso de combustibles fósiles; y en segundo lugar por el cambio de uso del suelo. Esta condición ha intensificado el impacto del efecto invernadero en el calentamiento global que se ha experimentado en los últimos años (^{Intergovernmental Panel on Climate Change [IPCC], 2013}). Por lo anterior, cada vez son más numerosos los estudios que analizan y describen los factores determinantes de la relación causal entre las emisiones de CO₂ y la dinámica del uso de los combustibles fósiles (^{Akpan & Akpan, 2012}; ^{Campo & Olivares, 2013}; ^{Feng, Davis, Sun & Hubacek, 2015}).

En diferentes regiones del mundo se han llevado a cabo estudios en los que se relacionan las emisiones de CO₂ con la dinámica del crecimiento económico (^{Alcántara & Padilla, 2005}; ^{Tapia, Lonides & Carpintero, 2012}; ^{Zhang, Mu & Ning, 2009}). A un nivel más desagregado, los estudios también incluyen el análisis causal del CO₂ generado por el uso de combustibles fósiles, distinguiendo entre los efectos de las actividades económicas que prevalecen en determinada región (^{Marrero & Ramos-Real, 2013}; ^{Samaniego & Galindo, 2009}; ^{Yue, Long, Chen & Zhao, 2013}). En casos aún más específicos, se incluyen estudios detallados sobre los factores motrices del CO₂ emitido por un sector industrial en particular (^{Chen, Yang & Chen, 2013}; ^{Hamit-Haggar, 2012}; ^{Lee & Lin, 2001}). Independientemente de la escala espacial, el análisis de los factores que determinan las emisiones de CO₂ es una tarea que debe llevarse a cabo para asegurarse que la implementación de cualquier iniciativa de reducción contribuya de forma precisa y eficaz.

Uno de los modelos que frecuentemente se utiliza para explicar las emisiones de CO₂ por el uso de combustibles fósiles en fuentes cuyos procesos dependen del uso de energía es la identidad de Kaya (Kaya, 1990, citado en ^{IPCC, 2007}; ^{Yamaji, Matsuhashi, Nagata & Kaya, 1991}). De acuerdo con esta ecuación, las emisiones nacionales de CO₂ se explican por el producto de cuatro factores determinantes básicos: índice de carbonización o intensidad de carbonización de la energía, intensidad energética, la renta económica en términos del Producto Interno Bruto (PIB) per cápita y la población. La identidad de Kaya se ha aplicado en su base original para analizar los factores determinantes que impulsan las emisiones de CO₂ (^{Alcántara & Padilla, 2005}; ^{Wang et al., 2014}). También se ha usado con algunas variantes en sus factores para explorar asuntos relacionados con las desigualdades en las emisiones de CO₂ de cada país (^{O'Mahony, 2013}) o para analizar el impacto de acciones de reducción previamente aplicadas (^{Agnolucci et al., 2009}; ^{Duro & Padilla, 2006}).

Para entender la dinámica de las emisiones de CO₂, es necesario evaluar los cambios temporales de los indicadores económicos, medioambientales o sociales que impactan en los factores determinantes de la variación de las mismas. Para esto, existen diversas técnicas como el análisis de descomposición de índices (IDA, por sus siglas en inglés), cuyo objetivo es la descomposición de la variación experimentada por un indicador. Como parte de los IDA, se encuentran los métodos basados en Índices tipo Divisia, que consisten en la suma ponderada de las tasas de crecimiento de un indicador, donde las ponderaciones se corresponden con las contribuciones de los distintos componentes en el valor total, para cada periodo bajo estudio; y los Índices Laspeyres que, a diferencia de los Divisia, mantienen una ponderación fija, correspondiente con la del período inicial (^{Fernández, 2012}). Ambos se han utilizado con frecuencia para analizar indicadores relacionados con la demanda de energía y, en años más recientes, con las emisiones de CO₂ (^{Alves & Moutinho, 2013}; ^{Diakoulaki & Mandaraka, 2007}; ^{Sahu & Narayanan, 2010}; ^{Szép, 2013}).

Otra técnica es el análisis de descomposición estructural (SDA, por sus siglas en inglés) que, basado en el modelo Input-Output (I-O) de un sistema o sector en estudio, ofrece la ventaja de proporcionar los efectos directos e indirectos sobre los cambios de la producción del sector, analizando el efecto de los cambios en la demanda final del mismo (^{Boqiang & Liu, 2017}). ^{Butnar & Llop (2011)} utilizaron el SDA para analizar el efecto del sector de servicios en las emisiones de carbono en España, concluyendo que los efectos descompuestos mostraron una disminución en las emisiones de CO₂ debido a los cambios tecnológicos entre 2000 y 2005, pero el efecto final resultó en un aumento en las emisiones causadas por el incremento en la demanda final de los servicios. Por su parte, ^{Xiao, Niu & Guo (2016)} exploraron los principales impulsores de las emisiones de CO₂ en China, entre sus conclusiones se destaca que, dentro de los efectos de los Outputs, los efectos del consumo urbano, la inversión y la expansión de las exportaciones contribuyeron significativamente en las emisiones de CO₂. En comparación con otros métodos, el SDA proporciona una explicación más exhaustiva de los factores determinantes de las emisiones, pero el nivel de detalle de los datos es más alto que el de los otros métodos.

^{Ang & Choi (1997)} aportaron el método de índice Divisia refinado, llamado posteriormente índice Divisia de Media Logarítmica (LMDI, por sus siglas en inglés), que proporciona una descomposición exacta de la contribución de los factores al introducir una nueva función de ponderación de tipo media logarítmica. El LMDI se ha utilizado en los últimos años para analizar los cambios desagregados en las emisiones de CO2 generadas en distintos ámbitos o sectores económicos (^{Dai, Zhu & Song, 2015}; ^{Lee & Oh, 2006}; ^{Liu, Fang, Wu & Wei, 2007}).

A escala puntual, el LMDI se ha utilizado de forma extensiva para descomponer la contribución del sector industrial sobre la variación del CO₂ generado por el uso de energía. ^{Liu et al. (2007)} analizaron los cambios de las emisiones producidas por 36 sectores industriales en China, concluyendo que los correspondientes a las materias primas químicas y productos químicos, productos minerales no metálicos y la fundición y prensado de metales ferrosos explican el 59.31% de la variación de las emisiones. Por otro lado, ^{Zhao et al. (2010)} aplicaron también el LMDI y encontraron que el PIB del sector industrial es el factor determinante de mayor efecto en la variación interanual del CO₂ generado en dicho sector; además, concluyeron que la disminución del uso de energía por unidad de PIB, el ajuste de la matriz energética que hace referencia a la variedad de los tipos de combustibles utilizados y el cambio de la estructura industrial hacia sectores de menor demanda energética son factores determinantes para la reducción de las emisiones.

Antes de orientar y proponer estrategias de reducción de emisiones de CO₂, se deben tomar en cuenta las características particulares de la dinámica económica de cada región o país de interés y detectar los factores que impulsan los cambios temporales en las emisiones. Por esto, el objetivo del presente estudio es llevar a cabo la descomposición de los efectos de los factores determinantes propuestos en la identidad de Kaya, para analizar la contribución de cada uno de los subsectores de la industria manufacturera de San Luis Potosí que contribuyen en la variación del CO₂ generado por el consumo de combustibles durante el periodo 2000-2012. Además, con base en lo anterior, identificar las ramas productivas hacia las que deben plantearse las posibles estrategias de mitigación.

El crecimiento económico que ha experimentado el sector manufacturero de San Luis Potosí en los últimos años se ha reflejado a nivel nacional en el periodo 2003-2012. Esta fue la segunda entidad federativa de mayor crecimiento en el PIB del sector manufacturero, con una tasa anual de variación promedio del 4.45%, solo por debajo del estado de Nuevo León que alcanzó una tasa del 4.62% (^{Gutiérrez, 2015}). A nivel interno, el sector industrial manufacturero de San Luis Potosí es el principal contribuyente del PIB estatal, con una participación de al menos el 24% anual en los últimos veinte años, con un mayor crecimiento en la última década (Figura 1). A su vez, de los subsectores que lo componen, los más importantes por su contribución al PIB son: fabricación de maquinaria y equipo, industria alimentaria, industrias metálicas básicas, y productos minerales no metálicos; que de manera conjunta contribuyen con el 90% del PIB manufacturero estatal (^{Instituto Nacional de Estadística y Geografía [INEGI], 2006}, ²⁰¹⁰, ²⁰¹²).

Fuente: Elaboración propia con datos de INEGI 2006, 2010, 2012.

Figura 1. Comparación de la dinámica del PIB estatal y del PIB del sector manufacturero de San Luis Potosí.  

La tendencia creciente de la participación del PIB manufacturero de San Luis Potosí se ha reflejado también en algunos indicadores ambientales. Las emisiones de Gases de Efecto Invernadero (GEI) de este sector durante el periodo 2000-2006 fueron de las más contribuyentes a nivel estatal al alcanzar 39 985 755 t, dentro de las cuales el 68% corresponden a las generadas por el uso de combustibles y el 32% restante a las emisiones no energéticas en los procesos industriales (^{Gutiérrez, Medellín & Abrego, 2016}). En gran medida, tales emisiones se generan por el uso de coke de petróleo, combustóleo, gas LP y gas natural, que son los principales combustibles que componen la matriz energética del sector en cuestión.

Materiales y Métodos

El método LMDI se aplicó para desagregar y analizar los efectos de los factores determinantes de Kaya, logrando con esto identificar los subsectores manufactureros de mayor contribución en la variación interanual de las emisiones de CO₂. De acuerdo con la identidad de Kaya, las emisiones se pueden descomponer en cuatro factores:

Donde CO 2 E es el índice de carbonización, que son las emisiones de CO₂ en función de la energía (E) utilizada para cubrir la demanda, por lo que también es llamada intensidad de carbonización de la energía. El factor E⁄PIB representa la intensidad energética en función de la renta económica; esto es, la cantidad de energía requerida para producir una unidad del PIB. El factor PIB⁄P indica la renta económica per cápita y P es la población (Kaya, 1990, citado en ^{IPCC, 2007}).

^{Gutiérrez et al. (2016)} aplicaron previamente esta identidad en el mismo contexto del presente estudio, concluyendo que el efecto del factor de la población sobre la variación de las emisiones del sector manufacturero resultó poco significativo. El PIB manufacturero de San Luis Potosí se compone, en gran medida de empresas que distribuyen sus productos en gran parte del territorio nacional y en el extranjero; por lo tanto, la demanda de este sector queda exenta de ser exclusiva de la población de San Luis Potosí; de tal forma que el factor de la población en el modelo no reflejó un efecto significativo en las emisiones de CO₂ del sector objeto de estudio. Por lo tanto, la relación se utilizó prescindiendo de este factor, por lo que la ecuación se aplicó como:

Para el estudio, las emisiones anuales de CO₂ se tomaron en toneladas (tCO₂), la energía consumida por el uso de combustibles en barriles equivalentes de petróleo (BEP), y el PIB manufacturero corresponde a miles de pesos a precios del 2008.

La identidad (2) se puede reescribir como:

Donde: C= emisiones de CO₂, c= intensidad de carbonización de la energía, e= intensidad energética, r= PIB.

La Ecuación (3) implica que las emisiones de CO₂ del sector manufacturero están vinculadas con la intensidad de carbonización de la energía, la intensidad energética y con el PIB del mismo sector. Puesto que la finalidad es analizar el efecto sectorizado de estos factores, la descomposición se aplicó para los distintos subsectores, por lo que la expresión (3) queda:

Donde i corresponde a cada uno de los subsectores que integran el sector manufacturero: 1, industria alimentaria; 2, industria del papel, impresión e industrias conexas; 3, industria química, del plástico y hule; 4, fabricación de productos a base de minerales no metálicos; 5, industria metálica básica y productos metálicos; y 6, fabricación de maquinaria y equipo.

Como el interés se centra en la tasa de cambio de las emisiones en un periodo dado, se considera la derivación de los logaritmos de la Expresión (4):

Al integrar la expresión (5), y siguiendo con la propuesta de la media logarítmica (wi) del enfoque LMDI de ^{Ang & Choi (1997)}, la forma aditiva para descomponer los efectos de cada factor en la variación interanual total de las emisiones de CO₂ (∆𝐶 𝑇 ) para un intervalo entre un año base 0 y un año objetivo T (en este estudio corresponde a un año) está dada por:

Donde:

Es la media logarítmica de 𝐶 𝑇 y 𝐶 0 , que asegura una descomposición aditiva exacta al ponderar la contribución de cada subsector en cada uno de los factores determinantes de la variación de las emisiones en un periodo de tiempo dado (^{Ang, 2005}).

La Expresión (6) determina las emisiones con las cuales contribuye cada factor en el total de la variación interanual de las mismas; de forma desagregada se tiene:

Donde ∆𝐶 𝑐 , ∆𝐶 𝑒 y ∆𝐶 𝑟 corresponden a los efectos de: la intensidad de carbonización de la energía, la intensidad energética y el PIB respectivamente. Es decir, son las emisiones con las cuales contribuye la variación sectorizada de cada uno de estos factores sobre la variación total de las mismas en un periodo dado.

Considerando lo anterior, se puede establecer que el cambio en las emisiones de CO₂ en un periodo 𝑇 ∆𝐶 𝑇 se explica por el efecto de la variación de la intensidad de carbonización ( ∆𝐶 𝑐 ), el de la intensidad energética ( ∆𝐶 𝑒 ) y del PIB ( ∆𝐶 𝑟 ). Por lo tanto, la variación de las emisiones de un año base (0) a un año objetivo (T), puede expresarse como:

Los datos relativos a las emisiones de CO₂ y los valores necesarios para cada uno de los factores de Kaya se tomaron del inventario de GEI del sector industrial en San Luis Potosí, elaborado por ^{Gutiérrez (2015)}. Los cálculos de la Ecuación (6) se llevaron a cabo en una hoja electrónica.

Resultados

En términos generales, la dinámica de la variación interanual de las emisiones mostró un comportamiento cambiante, libre de tendencia, a excepción del periodo 2000-2005 en el que se mantuvo un crecimiento anual (Tabla 1). La contribución (efecto) de cada factor en la variación total interanual de las emisiones de CO₂, tanto en valores absolutos de emisiones como en valores porcentuales, se describe y analiza a continuación.

El efecto del factor de la intensidad energética ( ∆𝐶 𝑒 ) predominó sobre los demás; de hecho, fue el único que mantuvo una contribución porcentual positiva durante todo el periodo evaluado, lo que significa que su índice de cambio se mantuvo en el mismo sentido de la variación total de las emisiones; en promedio, su participación anual fue del 53.85%. Por su parte, el efecto del PIB ∆𝐶 𝑟 ) fue el segundo contribuyente con un 37.32%, aunque presentó periodos en los que su dinámica estuvo desacoplada con respecto al total, como el periodo 2000-2001 en el cual la variación total de las emisiones mostraron un incremento de 20 241 tCO₂, mientras que la contribución del PIB en esta variación fue una disminución de 230 602 t CO₂; y en los periodos 2005-2008 y 2011-2012 el efecto fue contrario. Finalmente, el efecto del índice de carbonización ( ∆𝐶 𝑐 ) contribuyó con el 8.83% de la variación total de las emisiones y solo resultó significativo en el 2001-2002. A continuación, se analiza el efecto sectorizado de cada uno de los factores determinantes.

El factor de la intensidad energética, que resultó ser el principal contribuyente en la variación de las emisiones, presentó interanualidades en las que su efecto dominó por completo, como en el periodo 2004-2005 y 2007-2008, con contribuciones del 60.87% y 77.45% respectivamente. A nivel desagregado, la contribución de los subsectores manufactureros sobre el efecto interanual de la intensidad energética ( ∆𝐶 𝑒 ) presentó un comportamiento anual cambiante. Con relación al efecto medio anual entre 2000-2012, se observa la contribución importante de tres grupos: productos minerales no metálicos, industria metálica básica y la alimentaria (Figura 2).

Fuente: Elaboración propia.

Figura 2 Relevancia porcentual de los subsectores manufactureros en el efecto total de la intensidad energética sobre las emisiones de CO₂. 

Dentro del periodo en estudio, la contribución del subsector de productos minerales no metálicos dominó en varias interanualidades con respecto al efecto de la intensidad energética ( ∆𝐶 𝑒 ) en las emisiones, como en el 2004-2005, 2006-2007, 2007-2008, entre otros. En los periodos 2006-2007 y 2009-2010 su impacto fue positivo, en el sentido de que redujo la intensidad en el uso de energía, por lo que su efecto se reflejó en emisiones “evitadas”, con contribuciones de -377 380 tCO₂ y -454 409 tCO₂, que corresponde con el 76.40% y 64.64% respectivamente (Tabla 2). Sin embargo, también mostró episodios en los que contribuyó con al menos el 40% del incremento del efecto de la intensidad energética, como en el 2007-2008 y 2010-2011, generando con esto un aumento en las emisiones.

Por su parte, la industria metálica básica presentó también una participación significativa del 28% del efecto total que generó la intensidad energética en el cambio de las emisiones. Este subsector predominó en las primeras dos interanualidades, con una participación que derivó en el incremento de las emisiones (Tabla 2). Finalmente, la industria alimentaria mostró aportaciones positivas relevantes en emisiones “evitadas”, lo que ayudó a reducir la variación de las emisiones, como en el 2005-2006 que contribuyó con 245 609 tCO₂; pero al igual que los subsectores anteriores, presentó participaciones importantes en el incremento de las emisiones como en el 2002-2003 y 2004-2005.

Para ofrecer un panorama sobre la participación específica dentro de cada uno de los subsectores de mayor contribución en el efecto de la intensidad energética ( ∆𝐶 𝑒 ), es importante considerar lo siguiente. El subsector de productos minerales no metálicos está compuesto por las ramas de producción de cemento, cal, yeso, vidrio y productos cerámicos; y su consumo de energía se distribuye en un 55%, 13%, 18% y 14% respectivamente. Por su parte, dentro de la industria alimentaria, la participación en la demanda de energía de las distintas ramas es como sigue: elaboración de alimentos para animales con un 2%; molienda de granos y de semillas y obtención de aceites y grasas, el 1%; elaboración de azúcares, chocolates, dulces y similares con el 92%; la conservación de frutas, verduras y alimentos preparados con un 2%; y el 3% en la elaboración de productos de panadería y tortillas. Finalmente, para efectos del presente estudio, la industria metálica básica solo se compone de las ramas dedicadas a la producción de hierro y acero y la fabricación de productos de hierro y acero de material comprado.

Por su parte, el factor determinante del PIB manufacturero ( ∆𝐶 𝑟 ) presentó de forma desagregada una dinámica en la que predominó la participación de tres subsectores manufactureros (Tabla 3). En promedio, la contribución desagregada con relación al efecto que presentó el PIB en la variación de las emisiones fue de un 39.16% por parte de la industria metálica básica, un 34.64% de los productos minerales no metálicos y un 14.27% en la industria alimentaria.

Es importante analizar los periodos en los que el PIB presentó una contribución importante en la variación de las emisiones. De la tabla 1, se observó que este factor participó de forma significativa con el 46.72%, 53.98%, 90.32% y el 45.89% durante las interanualidades 2000-2001, 2002-2002, 2003-2004 y 2005-2006, respectivamente. Ahora, de la descomposición sectorizada (Figura 3) que resultó de la Ecuación (10), se observó que la industria metálica básica fue el subsector de mayor contribución en el efecto que presentó el PIB durante el 2000-2001 y 2002-2003. En la interanualidad 2003-2004 predominó el efecto de la industria alimentaria y en el 2005-2006 los productos minerales no metálicos y la metálica básica fueron los de mayor efecto. Sin embargo, de acuerdo con estimaciones realizadas a partir de los datos de INEGI, el subsector de mayor contribución en el PIB manufacturero de San Luis Potosí, con un 34%, es el de fabricación de maquinaria y equipo, seguido por la industria alimentaria y la metálica básica con el 23% y 20% respectivamente (^{INEGI, 2006}, ²⁰¹⁰, ²⁰¹²).

Fuente: Elaboración propia.

Figura 3 Participación sectorizada del efecto del factor determinante del PIB en la variación de las emisiones de CO₂.  

Discusión

La práctica común es relacionar las emisiones de CO₂ con la dinámica de la actividad económica prevaleciente en cualquier región, específicamente con la tendencia del PIB. ^{Wang et al. (2014)}concluyeron que, en la provincia China de Shandong, el factor de mayor contribución en la variación de las emisiones industriales de CO₂ es el PIB; lo que resulta congruente dado que la actividad industrial en esta región está perfilada hacia el uso intensivo de carbón, que es el combustible fósil con mayor factor de emisión de CO₂. Sin embargo, en el caso que ocupa en el presente estudio, el factor determinante de mayor contribución fue la intensidad energética, debido a que la estructura industrial de San Luis Potosí es variada y, como consecuencia, también los combustibles utilizados en el sector.

De forma específica, la descomposición sectorizada del efecto del factor del PIB ( ∆𝐶 𝑟 ) permitió concluir que, a pesar de que el subsector de maquinaria y equipo fue el más contribuyente en el PIB manufacturero durante el periodo evaluado, su efecto en las emisiones no resultó relevante, dado que no es intensivo en el uso de combustibles fósiles; y que, aunque el subsector de productos minerales no metálicos apenas contribuyó con el 11% del PIB manufacturero, su efecto en la variación de las emisiones alcanzó un promedio del 34.64%. De lo anterior, se puede concluir que el impacto del factor del PIB en la variación de las emisiones directas de CO₂ será el de mayor efecto, siempre y cuando la estructura industrial dominante se perfile hacia sectores intensivos en energía.

Si bien es cierto que la intensidad energética conlleva la relación de CO₂ por generación de unidades del PIB, la variación de las emisiones explicada por este factor tiene más relación con el consumo directo de combustibles de alta carbonización de los sectores energo-intensivos, como fue el caso del subsector de productos minerales no metálicos. La fluctuación de la producción de este subsector fue capaz de explicar la variación del efecto total de la intensidad energética, tanto en episodios de incremento de CO₂, como de emisiones evitadas. De la misma forma, ^{Liu et al. (2007)} comprobaron que, de los 36 sectores industriales analizados en China, los correspondientes a las materias primas químicas y productos químicos, productos minerales no metálicos, y la fundición y prensado de metales ferrosos, los cuales son sectores energo-intensivos, explican el 59.31% de la variación de las emisiones.

La descomposición de la contribución en la variación de CO₂ intra e inter subsectores industriales permitió detectar de forma específica los giros industriales sobre los que el gobierno debe enfocar sus esfuerzos para promover políticas de reducción de emisiones. Además, considerando los factores determinantes derivados de la descomposición de la ecuación de Kaya, las alternativas de mitigación deben dirigirse hacia mejoras en la eficiencia energética para un uso más eficiente de sus combustibles, así como el cambio hacia combustibles de menor carbonización para los subsectores energo-intensivos, independientemente de su contribución en el PIB.

Conclusiones

La descomposición sectorial que se logró con la aplicación del LMDI permitió observar que el efecto temporal de los factores determinantes en la variación de las emisiones de CO₂ del sector manufacturero de San Luis Potosí no sigue una tendencia sostenida. Cada uno de los tres factores que se analizaron, de acuerdo a la identidad de Kaya, presentaron periodos en los que su contribución derivó en el incremento de las emisiones y otros en los que su impacto resultó en una disminución. Por otra parte, considerando el promedio del efecto porcentual de cada factor en la variación de las emisiones durante el periodo de estudio 2000-2012, la intensidad energética fue el de mayor contribución con un 53.85%, el PIB con el 37.32% y la intensidad de carbonización con el 8.83%.

Con relación al factor de la intensidad energética, los tres subsectores de mayor impacto en el efecto de este componente fueron los de productos minerales no metálicos, la industria metálica básica y la alimentaria. Cada uno de estos grupos presentó episodios en los que su efecto impactó en el incremento de las emisiones, pero también en la disminución de las mismas; esto lleva a suponer que aún no se han implementado estrategias de mitigación de emisiones que impacten en la intensidad energética y que permitan una reducción de emisiones sostenida.

Por su parte, el efecto del factor del PIB ( ∆𝐶 𝑟 ) también impactó en la variación de las emisiones; aunque, al igual que el factor anterior, su contribución no presentó una tendencia sostenida. Sin embargo, cabe señalar que los únicos periodos en los que este componente contribuyó en la reducción de las emisiones fueron aquellos en los que se presentaron episodios de crisis económicas, como el 2000-2001 (^{Mejía-Reyes & Mejía-Reyes, 2007}) y 2008-2009 (^{Huesca & Calderón, 2015}).

Del análisis desagregado, se concluye que las estrategias de reducción de CO₂ deben perfilarse a los subsectores antes mencionados; de forma más específica, las ramas que deben tener prioridad, en cada uno de estos grupos, son: la producción de cemento, la de hierro y acero, y la producción de azúcar, respectivamente.

La información valiosa que brinda el LMDI al proporcionar el efecto de cada factor determinante en la variación de CO₂, y de manera desagregada la contribución de cada subsector en términos de su aportación en el cambio de las emisiones de CO₂, es una herramienta de gran valor que debe tomarse en cuenta para determinar con precisión hacia dónde deben dirigirse las estrategias de reducción de emisiones; y una vez aplicadas, la misma metodología puede indicar si tales acciones surtieron el efecto estipulado en el alcance de las metas establecidas.