Introducción

El estudio de la demanda de electricidad con frecuencia es abordado mediante datos agregados debido a la falta de información que permita conocer el consumo de kwh de los hogares. Otros estudios recurren a la información de las encuestas para estudiar la demanda de electricidad ya sea recuperando la información de la cantidad consumida de electricidad por medio del gasto en electricidad, como lo hace ^{Fernández (2006)}, o limitándose al estudio del gasto en electricidad, que es el caso de ^{Medina y Vicéns (2011)}. También existen algunas encuestas que capturan la información del consumo de electricidad medido en kilowatts-hora (kwh), un ejemplo de esto es el trabajo de ^{Branch (1993)1}.

Con el estudio de los determinantes del consumo de electricidad es posible identificar sus efectos ante ajustes en la política pública. Cuando estos efectos son significativos, resulta de interés conocer sus correspondientes magnitudes y direcciones con la finalidad de corregir patrones de consumo de electricidad no deseados, ya que los hogares podrían estar haciendo un uso ineficiente de la electricidad mediante un consumo de electricidad que exceda el nivel de consumo eficiente cuando con menores niveles de consumo se podría obtener el mismo nivel de bienestar. El consumo eficiente de electricidad debe ser aquel que es obtenido como resultado de la asignación eficiente del equipamiento y consumo de energía utilizando correctamente toda la información. Por lo que, aun siendo este nivel de consumo alto, podría considerarse racional siempre que cumpla con los requisitos listados, pero cuando el precio de la electricidad no refleja el verdadero valor para el cual el mercado se encuentra en equilibrio y este está por debajo de este, los hogares no tienen incentivos de alterar su asignación de consumo en electricidad.

En México, los subsidios a la electricidad incentivan a los hogares en hacer un mal uso del recurso, y esto a su vez deriva en asignaciones ineficientes en el equipamiento de la vivienda, ya que los hogares no solo consideran el precio de los componentes del equipamiento de la vivienda, sino que también consideran el precio de la energía que requieren para su función.

Un análisis empírico contribuye en la detección de patrones de consumo ya que, mediante técnicas cuantitativas, se pueden identificar los determinantes del consumo de electricidad y sus efectos sobre esta (magnitud y dirección). En este estudio se ha realizado un análisis exhaustivo sobre la función de demanda de electricidad residencial, este incluye un esfuerzo por estimar la cantidad consumida de kwh de los hogares considerando su nivel de gasto y precio kwh, es decir que se hace un estudio riguroso de la dinámica de precios de electricidad en el sector residencial mediante la revisión de contratos de suministro de energía eléctrica, permitiendo así identificar la estructura tarifaria que enfrentan los hogares. Se utiliza la información de la Encuesta Nacional de Ingresos y Gastos de los Hogares partiendo del gasto en electricidad, declarado por los hogares en la encuesta, para obtener el consumo de kwh y a su vez un precio medio por kwh. Con lo anterior, es posible construir una función de demanda de electricidad residencial que considera las variaciones en ingreso, precio y otros factores económicos y sociales que determinan el consumo de electricidad. Esto resulta útil para los tomadores de decisiones en la implementación de políticas públicas del sector energético, los cuales formulan dichas políticas en función de objetivos, en ocasiones olvidando que los instrumentos de políticas públicas son medios y no fines².

El objetivo de este trabajo es analizar los determinantes de la demanda de electricidad residencial de México. La Encuesta Nacional de Ingresos y Gastos de los Hogares (ENIGH) únicamente captura el gasto en electricidad así que se realiza una conversión del gasto en electricidad a cantidad consumida de electricidad. Por primera ocasión se utiliza información de la Comisión Reguladora de Energía (CRE) que permite identificar la tarifa de electricidad residencial a nivel municipio y proporciona el periodo de temporada de verano para cada municipio. La demanda de electricidad residencial se estima mediante un enfoque de regresión cuantílica por ser más robusta en la estimación de modelos multivariantes cuando se trabaja con información proveniente de encuestas con tamaños muestrales grandes y ante la presencia de heteroscedasticidad, observaciones atípicas o cambio estructural (^{Vicéns y Sánchez, 2012}). Adicionalmente se incorpora al análisis información de los precios medios de electricidad, precios máximos de gas licuado de petróleo y una aproximación de la temperatura a nivel municipal.

El presente artículo se organiza de la siguiente manera: en la primera sección se realiza una revisión de la literatura; en la segunda se expone la metodología y en la tercera se presentan resultados y conclusiones.

A continuación, se hace mención de algunos trabajos en los que estiman la demanda de electricidad de los hogares, se comienza haciendo una revisión general de los estudios previos y se termina con una breve mención de aquellos que utilizan un enfoque de regresión cuantílica.

1. Antecedentes

Los trabajos que se exponen en esta sección tienen como principal objetivo la estimación de las elasticidades ingreso, precio y precio de la demanda de electricidad. Un ejemplo es el trabajo de ^{Branch (1993)}, en el que se estima una función de demanda de electricidad con datos de panel para Estados Unidos, utilizando la información de la de la encuesta “Consumer Expenditure Survey” (CE). La unidad de observación de la encuesta son los hogares y la población objetivo del estudio son los hogares en que residen los propietarios, ya que los servicios públicos están incluidos en el pago de la renta. Branch utiliza el método de Mínimos Cuadrados Generalizados (MCG) ya que el estimador de Mínimos Cuadrados Ordinarios (MCO) resultaría ineficiente debido a la correlación del error a lo largo de los meses dentro de cada hogar en la muestra. El autor estima la elasticidad ingreso y precio de la demanda en 0.23 y -0.20, respectivamente.

Por otro lado, ^{Filippini y Pachauri (2004)} estiman tres ecuaciones de demanda de electricidad residencial mediante MCO, con información de la encuesta “National Sample Survey Organization” (NSSO), para las temporadas de invierno, verano y monzón en zonas urbanas de la India. Los autores obtienen elasticidades ingreso de la demanda similares entre temporadas, en un rango de 0.60 a 0.64, mientras que la elasticidad precio de la demanda resulta ser más inelástica durante el verano, con -0.29, que en invierno y monzón donde obtuvieron -0.42 y -0.51, respectivamente. También estiman la elasticidad precio cruzada de la demanda con el precio del gas LP y obtienen que esta es menos inelástica durante la temporada de monzón, con -0.65, que en las temporadas de invierno y verano que resultaron en -0.27 y 0.26, respectivamente.

Asimismo, ^{Fernández (2006)} estima la demanda de electricidad de los consumidores domésticos en España durante 1999 estudiando las variaciones de la cantidad consumida de electricidad, la cual obtiene a partir de la conversión del gasto en electricidad reportado por los hogares en la Encuesta Continua de Presupuesto Familiares (ECPF)³. La autora utiliza un enfoque de MCO recurriendo a la técnica de variables instrumentales para controlar la endogeneidad entre el precio y cantidad consumida de kwh. El problema de endogeneidad surge por un sistema de bloques de consumo el cual consiste en un incremento de precio por bloque de consumo. Finalmente, estima una elasticidad ingreso de la demanda de entre 0.14 y 0.58, mientras que para la elasticidad precio de la demanda obtiene -0.59⁴.

Igualmente, ^{Agostini, Plottier y Saavedra (2012)} estiman la demanda de electricidad residencial en Chile con información de la Encuesta de Caracterización Socioeconómica Nacional (CASEN), durante 2006, con un enfoque de MCO. Los autores obtienen elasticidades ingreso, precio y precio cruzada de la demanda de entre [0.11, 0.12], [-0.38, -0.40] y [0.14, 0.16], respectivamente⁵. Finalmente, señalan que si bien la elasticidad ingreso es inelástica, la elasticidad precio resulta menos inelástica de forma que un cambio en precio tiene mayor impacto en el consumo de electricidad que un cambio en ingreso.

^{He y Reiner (2016)} a través de datos panel provenientes de una encuesta dirigida por la Universidad de Pekín, la cual es representativa para Beijing, Shanghai, y Guangdong, estiman la demanda de electricidad para hogares de Beijing con el objetivo de identificar un rango de necesidades básicas en el consumo de electricidad. Al igual que ^{Branch (1993)} los autores estiman el modelo mediante MCG, para las zonas urbana y rural, y encuentran un umbral de consumo eléctrico con respecto a los ingresos de cada zona la cual estiman en 90 kwh para zonas rurales y 150 kwh para zonas urbanas. Los autores incorporan variables ficticias por decil de ingreso, pero solo resultan significativas a partir del séptimo decil para zonas rurales con valores entre 0.34 y 0.39, y a partir del quinto decil de ingreso para zonas urbanas con un rango de entre 0.33 y 0.46. Por otro lado, las elasticidades precio resultaron en -3.59 para zonas rurales y -2.91 para zonas urbanas, mientras que las elasticidades precio cruzada de la demanda resultaron en -2.03 para zonas rurales y -1.36 para zonas urbanas. De esta forma, las elasticidades precio y precio cruzada de la demanda, a diferencia de otros estudios, resultaron ser elásticas.

La distribución del consumo de electricidad es asimétrica por la presencia de observaciones extremas. Al igual que la media aritmética no es siempre el estimador de tendencia central más representativo, el efecto marginal medio que ofrece el estimador de MCO no es siempre el más representativo ante la presencia de observaciones atípicas, heteroscedasticidad o cambio estructural (^{Vicéns y Sánchez, 2012}). Una alternativa al enfoque de MCO es el enfoque de regresión cuantílica el cual ha sido utilizado recurrentemente en otros trabajos para la estimación de la demanda de electricidad ya que permite obtener líneas de regresión por cuantil aprovechando todas las observaciones de la muestra. Entre los artículos que utilizan esta técnica de regresión se encuentra el trabajo de ^{Medina y Vicéns (2011)} en el que se estima la demanda de electricidad residencial en España a través del gasto en electricidad de la ECPF. Los autores realizan la estimación para el primer, segundo y tercer cuartil, al igual que la estimación de MCO, obteniendo elasticidades ingreso de la demanda entre 0.12 y 0.15 en las estimaciones por cuartiles y 0.16 con el estimador de MCO. Adicionalmente, los autores presentan una segunda estimación en la cual utilizan variables ficticias por nivel de ingreso para estimar las elasticidades ingreso de la demanda. Finalmente concluyen que las variaciones en el ingreso disponible tienen un bajo impacto en las variaciones del consumo de electricidad.

Igualmente, con el objetivo de identificar características socioeconómicas, geográficas o del equipamiento del hogar, relacionadas con altos niveles de ineficiencia en el consumo de electricidad, ^{Hancevik y Navajas (2015)} realizan una estimación de la demanda de electricidad residencial, para el área metropolitana de Buenos Aires, mediante un enfoque de regresión cuantílica. Los autores obtienen el consumo de kwh a partir del gasto en consumo de electricidad de la Encuesta Nacional de Gastos de los Hogares (ENGH) y del cálculo de la factura de electricidad residencial. La estimación de la elasticidad ingreso de la demanda resulta entre 0.23 y 0.26, mientras que la elasticidad precio cruzada de la demanda resulta tener poca relevancia, obteniendo estimaciones entre -0.18 y 0.26. Los autores no estiman la elasticidad precio de la demanda ya que argumentan escasa variación en el precio. Entre los resultados de este estudio se encuentra que los hogares que no tienen acceso al servicio de gas natural en promedio consumen más electricidad que los que sí tienen, que los hogares con equipos de aire acondicionado tienen en promedio mayores niveles de consumo que los que no tienen y que los hogares que habitan en departamentos en promedio consumen menos electricidad que los que habitan en casas.

Para el caso de México se encuentra el trabajo de ^{Gutiérrez (2016)} que estima la demanda de electricidad con un enfoque de regresión cuantílica utilizando los datos de la Encuesta Nacional de Ingresos y Gastos de los Hogares ^{(ENIGH) 2014}. Las conclusiones principales del estudio son que las características socioeconómicas no resultan ser relevantes en la determinación del consumo de electricidad y, como en otros estudios, la elasticidad ingreso de la demanda tampoco resulta ser importante. También encuentra que los hogares que están equipados con aire acondicionado tienen un consumo promedio mayor a los que no lo tienen y que la temperatura de las entidades federativas influía de manera importante en el consumo de electricidad.

A pesar de que en este trabajo, al igual que el de ^{Gutiérrez (2016)}, se utiliza información de la ^{ENIGH 2014}, se consideran ciertos aspectos que proporcionan un valor agregado a la investigación, entre los cuales se encuentran: 1. Se cuenta con información de la clasificación tarifaria a nivel municipal, por lo anterior no es necesario realizar asignaciones, que podrían ser distintas, a la de la metodología de clasificación tarifaria de ^CFE6 ; 2. Se cuenta con variabilidad por clasificación tarifaria a nivel municipal y por bloque de consumo de electricidad; 3. Se considera que el impuesto de derecho de alumbrado público (DAP) no se cobra en todo el país y no se determina de la misma forma para todas las localidades (^{Nuño, 2014}), por lo que a falta de información se evita descontar dicho impuesto en el gasto de electricidad de los hogares asumiendo el costo de esta limitación, ya que se considera que un ajuste arbitrario podría introducir un sesgo mayor en la determinación del consumo de kwh de los hogares que el asumido al no hacerlo; 4. Se aprovecha otra información contenida en la encuesta para identificar consumos realizados dentro y fuera de la temporada de verano (fecha en que se realizó el pago y frecuencia de pago) así como la identificación de usuarios de ^CFE7 ; 5. Se considera la variable precio de electricidad en el modelo de forma que se evita la subespecificación del modelo de demanda por omisión de esta variable relevante.

Dado las observaciones anteriores, y al hecho de que el presente trabajo cuenta con información que permite asociar las tarifas y temporadas de verano con los hogares de la ^{ENIGH 2014} (información que no se encuentra disponible para cruzar con la ENIGH 2016), se justifican la realización de la estimación de la demanda de electricidad para México con información de esta encuesta⁸.

2. Metodología

Esta sección se divide en cuatro partes: En la primera se expone el modelo teórico; en la segunda se presenta el modelo empírico; en la tercera se describe el modelo econométrico a utilizar; y en la cuarta se muestra la estimación del modelo.

3. Resultados

En este apartado se hace referencia a la significancia estadística a partir de un nivel de α=0.05 . En el anexo 7 se exhiben las estimaciones con su respectivo nivel de significancia y en el anexo 8 se presentan las estimaciones mediante gráficas, mismas a las que se hace alusión en los siguientes párrafos. Las gráficas incluyen las estimaciones de la regresión cuantílica para cada decil de consumo, cada estimación cuenta con su intervalo de confianza y en cada gráfica se incluye el intervalo de confianza de MCO que permite determinar si las estimaciones de la regresión cuantílica son estadísticamente diferentes a las de MCO.

El intercepto corresponde a un hogar cuyo jefe de familia es un hombre menor de 65 años que no ha concluido secundaria y habita en una casa con medidor de luz, con accesos a gas natural, sin calefacción o aire acondicionado, dentro de una población urbana de estrato económico medio, particularmente en la Ciudad de México. El consumo promedio de este hogar se estima en 73 kwh de acuerdo con el estimador de MCO, mientras que para las estimaciones por deciles de la regresión cuantílica resultan entre 15 kwh y 170 kwh. La estimación para el intercepto del primer decil de consumo de electricidad no resultó significativa, por lo que no se consideró en el rango anterior. Este resultado se debe tomar con cautela ya que es posible que en la muestra se tengan pocas observaciones, o ninguna, que representen a este hogar hipotético.

Las elasticidades ingreso, precio y precio cruzada de la demanda resultaron en 0.27, -1.73 y -1.61, respectivamente, mientras que en las estimaciones por deciles de consumo resultaron entre [0.25, 0.28], [-1.93, -1.42] y [-1.81, -1.04], respectivamente²⁵.

En general, la estimación obtenida de la elasticidad ingreso de la demanda es parecida a la de trabajos previos, de forma que los cambios en el ingreso tienen una magnitud pequeña sobre las variaciones en consumo de electricidad. Dado lo anterior, la implementación de una política pública vía ingreso (un incremento en impuestos, por ejemplo), cuyo objetivo sea una mejor racionalización del consumo de electricidad no sería factible. Sin embargo, también supone que cambios en la política fiscal no perturbarían en gran medida la demanda de electricidad residencial. Algo a destacar es que la elasticidad ingreso estimada por ^{Gutiérrez (2016)} indica que los hogares con mayor nivel de consumo de electricidad son más sensibles a cambios en ingreso lo cual se atribuye a cuestiones de lujos, mientras que en este trabajo los deciles ocho y nueve de consumo en electricidad resultan ser los menos sensibles ante cambios en ingreso, estas a su vez son las únicas que son estadísticamente distintas a la elasticidad ingreso obtenida por el estimador de MCO (ver gráfica 1). Es importante señalar que existen diferencias metodológicas importantes, entre el estudio de ^{Gutiérrez (2016)} y el presente estudio, en la determinación de consumo de kwh de los hogares. Además, la elasticidad ingreso de la demanda estimada en este estudio representa a la del hogar, mientras que la de ^{Gutiérrez (2016)} representa a la elasticidad ingreso per cápita del hogar.

La elasticidad precio (ver gráfica 2) es mayor en los deciles de consumo altos, además de que algunas estimaciones resultan estadísticamente distintas a la obtenida por el estimador MCO. Es importante destacar que la elasticidad precio de la demanda obtenida es más elástica que la de estudios previos, a excepción de las obtenidas por ^{He y Reiner (2016)} que resultan ser más elásticas que las de este trabajo. Las estimaciones sugieren que los hogares son más sensibles ante cambios en precios de electricidad, en comparación a los cambios en ingreso, dicha relación es negativa y en particular mientras mayor es el consumo del hogar en electricidad mayor es su respuesta de disminución de consumo de electricidad ante incrementos en precios. En México el precio medio de kwh pagado por el hogar depende del subsidio que es otorgado en función de la temperatura, es decir que el subsidio no se focaliza por nivel de ingreso y por tanto los hogares que podrían pagar el precio de la electricidad en verano también reciben el subsidio incentivándolos a hacer un mal uso del recurso. Convendría explorar las implicaciones de la determinación de tarifas en México ya que estas podrían estar provocando el uso irracional de electricidad por parte de los hogares.

Por otro lado, la elasticidad precio cruzada de la demanda (ver gráfica 3), al igual que la elasticidad precio, resulta ser más elástica que en otros trabajos, salvo las obtenidas por ^{He y Reiner (2016)}. Sin embargo, no resultan estadísticamente distintas a la obtenida por el estimador de MCO. Resulta interesante que el consumo de electricidad se reduce ante un aumento en el precio del gas LP, de forma que las estimaciones sugieren que la electricidad y el gas LP son bienes complementarios. El resultado es contrario a lo esperado ya que se pensaría que haya un grado de sustitución entre energéticos, relación encontrada en el trabajo de ^{Agostini, Plottier y Saavedra (2012)}. Por otro lado, Flippini y ^{Pachauri (2004)}, utilizando el precio del queroseno, obtuvieron un signo negativo para la elasticidad precio cruzada de la demanda dentro de la temporada de invierno y monzón. Los autores comentan que no esperaban dicho resultado y que para futuras investigaciones se requiere explorar si hay un error en sus estimaciones. En el caso de este estudio, los datos en su mayoría corresponden a la temporada de verano por lo que se podría comparar las estimaciones con las de ^{Flippini y Pachauri (2004)26}. Sin embargo, el signo obtenido por los autores para la temporada de verano, contrario al obtenido en este trabajo, resulta positivo.

La sustitución o complementariedad de los energéticos analizados deben estar en función de su uso. Los hogares utilizan estos energéticos para obtener servicios como lo son cocción de alimentos, iluminación, climatización o acondicionamiento del aire (ventilación, calefacción y refrigeración), lavado, secado, planchado, etc. La flexibilidad con la que los hogares pueden sustituir energéticos dependerá del equipamiento de la vivienda. La cuestión es si los hogares están racionalizando las asignaciones del equipamiento de su vivienda. Los componentes que integran el equipamiento se consideran bienes duraderos y por tanto podrían ser reemplazados hasta que pierdan su funcionalidad o hasta que haya un cambio en los precios de los energéticos tal que incentive a su reemplazo por otros de mayor eficiencia. Se requiere un análisis profundo que explore vertientes como los determinantes de las inversiones de los hogares en el equipamiento de su vivienda, la capacidad de respuesta de los hogares ante cambios en precios de energéticos en sus asignaciones de equipamiento de vivienda, etc. Lo anterior escapa al alcance del estudio por lo que se considera para futuras investigaciones. También, al igual que ^{Flippini y Pachauri (2004)}, se considera los posibles errores de medición y de muestra, por lo que se sugiere ser cauto con el resultado obtenido.

El tamaño del hogar influye de manera positiva en el consumo de electricidad, aunque los incrementos disminuyen conforme aumenta el número de integrantes en el hogar, de acuerdo con los resultados, en promedio se obtendrían decrementos en el consumo de electricidad a partir del noveno integrante. Esto último no es lógico ya que en todo caso no habría incrementos en el consumo de electricidad cuando la capacidad de consumo de electricidad se sature, ya que en las viviendas existe un número limitado de conectores y estos no pueden variar a menos que se realice una instalación. También consideremos que los hogares con mayor número de integrantes pueden corresponder con los de menores ingresos, por su bajo costo de oportunidad en ingreso ante un hijo adicional, y por tanto con los de menor consumo de electricidad al contar con menor poder adquisitivo y equipamiento de vivienda. Los signos de los coeficientes, que sugieren una tasa de crecimiento en consumo constante y una tasa de decremento variable al cambiar el número de integrantes del hogar, se deben a que existen costos de electricidad que se distribuyen entre los integrantes del hogar, como el servicio del refrigerador, de una bombilla de luz, el hecho de que una persona adicional mire la televisión no incrementa el consumo de electricidad, o que una persona entre a una habitación donde se hace uso de una bombilla eléctrica no incrementa el consumo de electricidad, se podría decir que algunos servicios de electricidad no son excluibles ni rivales en su uso. Otro aspecto por destacar es que la relevancia de estas variables cambia a lo largo de los deciles de consumo (ver gráficas 5 y 6) difiriendo así a las obtenidas por el estimador de MCO. En los deciles más altos al agregar un integrante se obtiene un crecimiento promedio menor y una tasa decreciente menor en el consumo de electricidad en comparación a los deciles bajos. Lo anterior podría estar relacionado con la base de consumo de estos hogares, ya que al contar con un mayor equipamiento en la vivienda como podría ser una caldera para la piscina, entonces el efecto de un integrante adicional no incrementaría tanto el consumo como la de los hogares con menor base de consumo de electricidad.

La proporción de bombillas sobre número de cuartos es una variable proxy para el tamaño de vivienda. De acuerdo con lo esperado los coeficientes estimados por MCO resulta con signo positivo indicando que a mayor tamaño de hogar mayor consumo de electricidad, mientras que las estimaciones por deciles de consumo resultan no ser estadísticamente distintas a la de MCO. Para el tipo de vivienda solo resultan significativas las variables ficticias de departamento y vecindad, las cuales de acuerdo con el estimador de MCO tienen una diferencia media de consumo de -16.42 % y -21.24 %, respectivamente, en comparación con los hogares de familias que habitan en casas, mientras que las diferencias medias por decil de consumo resultaron no ser estadísticamente distintas a las de MCO²⁷.

Además, los hogares con aire acondicionado en promedio consumen 60.22 % más que los hogares que no tienen aire acondicionado, mientras que en las estimaciones por deciles resultaron entre 48.89 % y 69.29 %, exhibiendo mayor magnitud para los deciles de alto consumo (gráfica 11). Se estima que los hogares con calefacción tienen un consumo promedio mayor en 18.86 % respecto a los que no tienen calefacción, de acuerdo con el estimador de MCO, mientras que las estimaciones por deciles de consumo resultaron en un consumo promedio mayor de entre [13.89 %, 24.40 %], aunque estas no son estadísticamente distintas a las de MCO. Al igual que ^{Gutiérrez (2016)}, se encuentra que los hogares que hacen uso del aire acondicionado tienen un incremento en el consumo de electricidad considerable por lo que hacer un uso más eficiente de estos equipos puede contribuir de manera importante en el uso racional de la electricidad. En general, se podría buscar alternativas para hacer un uso más eficiente de estos equipos si se siguen las especificaciones del producto, ya que los quipos de enfriamiento están diseñados para trabajar bajo ciertas condiciones y estas se señalan en los manuales de usuario. Por ejemplo, la capacidad de enfriamiento de estos equipos está relacionada con su tamaño, entonces utilizar un aparato de aire acondicionado para tratar de enfriar una superficie superior para la cual fue diseñada provocará que el quipo opere en condiciones no óptimas y por tanto consuma mayor electricidad y reduzca su vida útil. Lo anterior también ocurre cuando la temperatura dentro de la vivienda es suficientemente alta como para que el equipo de enfriamiento logre alcanzar la temperatura solicitada, ya que esto haría que el equipo trabaje a su máxima capacidad durante su tiempo de uso. Por tanto, si los hogares complementaran con otras acciones el control de la temperatura de su vivienda y siguieran las especificaciones del producto podrían reducir el consumo en electricidad derivado del uso de equipos de enfriamiento. Sin embargo, los hogares podrían no estar tomando medidas para hacer un uso más eficiente de sus equipos de enfriamiento ya sea por asimetría de la información, falta de presupuesto, por la presencia del subsidio al consumo de electricidad durante la temporada de verano (que desincentiva el uso racional del recurso), etc.

Para los hogares que no cuentan con medidor de luz, se estima mediante MCO, que en promedio consumen 8.99 % menos respecto a los hogares que sí cuentan con medidor de luz. Esto resulta contraintuitivo ya que se esperaría que al no medir su consumo de electricidad estos harían un uso irracional del recurso. Se debe considerar que el consumo de electricidad fue estimado de acuerdo con el gasto declarado por el hogar, es posible que los hogares que no tienen medidor de electricidad no estén pagando lo correspondiente a su consumo real y por tanto estemos subestimando su consumo. Las estimaciones obtenidas de la regresión cuantílica son únicamente significativas para los deciles de consumo de electricidad que van del primero al sexto, los cuales varían entre -5.81 % y -1.38 %. Se debe considerar que un hogar que declara altos niveles de gasto en electricidad debería contar con un medidor en su vivienda. Dado lo anterior, lo único razonable sería pensar que los hogares sin medidor de luz no están pagando lo que deberían por el servicio. Convendría estudiar el problema de falta de medición de consumo de electricidad en los hogares. Dado que los hogares incluidos en la muestra son aquellos que reportaron gasto en electricidad y que declararon que la luz eléctrica se obtiene del servicio público, estos usuarios sin medidor tendrían que ser usuarios de CFE.

De acuerdo con el estimador de MCO, los hogares con acceso a gas LP tienen una diferencia promedio en consumo de electricidad de -3.38 % respecto a los hogares con gas natural, mientras que las estimaciones de la regresión cuantílica no son estadísticamente distintas a las de MCO. Para los hogares que no tienen acceso a gas hay una diferencia promedio de consumo de -28.99 % respecto a los hogares que tienen acceso a gas natural, mientras que las estimaciones para cada decil de consumo oscilan entre -38.53 % y -23.91 %. El resultado obtenido es contrario al esperado y se opone al conseguido por ^{Hancevic y Navajas (2015)} en el cual exponen que la falta de acceso a gas natural produce un mayor consumo de electricidad, aunque su análisis se limita al área metropolitana de Buenos Aires donde, de acuerdo con los autores, el 77.70 % de los hogares están conectados a la red de gas natural. Dado que se esperaría que los hogares sin acceso a gas hagan uso de la electricidad para satisfacer su demanda de energía, y ya que la estimación sugiere que, como en la situación anterior, más bien disminuye el consumo de electricidad, entonces podría ser indicativo de que los hogares sin acceso a gas sean los más marginados y por tanto aquellos con menor equipamiento en su vivienda y menor consumo de electricidad. También existe la posibilidad de que su pago declarado de electricidad no refleje su consumo real, caso similar al de los hogares sin medidor de consumo. Según la encuesta nacional sobre consumo de energéticos en las viviendas particulares (ENCEVI) 2018, los combustibles más utilizados en las viviendas mexicanas son el gas LP, leña y gas natural con 79 %, 11 % y 7 %, respectivamente.

Contrario a lo esperado, el coeficiente para la variable “proporción de bombillas ahorradoras” resulta positivo tanto para la estimación de MCO como las estimaciones por deciles en la regresión cuantílica. Lo anterior puede justificarse como un “rebound effect” el cual consiste en un aumento en el consumo ante una mejora en eficiencia, en este caso los hogares que están ahorrando en iluminación destinan ese ahorro a otros servicios que requieren el uso de electricidad e inclusive incrementan su consumo. La relevancia de esta variable disminuye en los deciles más altos de consumo (gráfica 16). Esto indica que los programas públicos de renovación de equipos, como el de “Luz sustentable” y “Cambia tu viejo por uno nuevo” durante la gestión de Felipe Calderón (2006-2012), pueden incrementar el consumo de electricidad de los hogares a los que van dirigidos, por lo que dichos programas cumplen con un objetivo social, a través de un incremento de eficiencia en el uso de la electricidad de los hogares²⁸.

Los coeficientes para las variables edad y edad al cuadrado de las estimaciones por deciles de consumo no resultaron ser estadísticamente distintas a las de MCO. Además, la magnitud de los coeficientes se aproxima a cero por lo que no resultan relevantes para fines de interpretación. Por otro lado, no se encuentra una diferencia media significativa de consumo entre hombre y mujer ni entre personas menores de 65 años y las de mayor o igual edad.

Se encuentra una diferencia media significativa entre los jefes de familia que concluyeron la secundaria, el bachillerato o la universidad en comparación con aquellos que no concluyeron secundaria. Para el estimador de MCO los jefes de familia que concluyeron sus estudios de secundaria, bachillerato y universidad tienen una diferencia media de consumo de electricidad de 3.68 %, 6.88 % y 15.14 %, respectivamente, en comparación a los que no concluyeron la secundaria. En las estimaciones por deciles de consumo, las diferencias medias varían entre [2.26 %, 7.25 %], [5.45 %, 8.91 %] y [13.55 %, 16.16 %], respectivamente, comparados con los jefes de familia que no concluyeron la secundaria. Para las estimaciones por deciles de consumo, únicamente la de la variable jefes de familia que concluyeron secundaria tiene diferencias promedio significativas respecto al estimador de MCO (gráfica 21). En particular la diferencia de consumo medio de electricidad de los jefes de familia con secundaria concluida respecto a los que no la concluyeron resulta ser no significativa en los deciles de consumo de electricidad más altos, contrario a los que concluyeron preparatoria y universidad que siguen teniendo diferencias cercanas al 5 % y 14 %, respectivamente, respecto a los que no concluyeron secundaria.

Para las interacciones de estrato económico y población se observa que a mayor estrato económico mayor consumo de electricidad, así las diferencias medias estimadas por MCO para los estratos bajo en población rural, medio en población rural, bajo en población urbana, medio alto en población urbana y alto en población urbana resultaron en -19.10 %, -3.47 %, -10.55 %, 5.40 % y 13.08 %, respecto al estrato medio en población urbana, mientras que para las estimaciones por decil de consumo estas oscilan entre [-26.56 %, -13.19 %], [-4.91 %, -1.23 %], [-19.42 %, -7.58 %], [1.69 %, 9.61 %] y [9.45 %, 14.96 %], respectivamente. En general, estos resultados son intuitivos ya que se esperaría que las viviendas de los estratos más alto tengan mayor equipamiento del hogar.

Para considerar la influencia del clima en el consumo de electricidad se ha incorporado la temperatura promedio mensual en el modelo. De acuerdo con el estimador de MCO, se estima un incremento en el consumo de electricidad de 1.11 % por grado centígrado adicional, mientras que las estimaciones por deciles de consumo fluctúan entre 0.78 % y 1.28 %, aunque solo la correspondiente al cuarto decil de consumo resulta estadísticamente distinta a la obtenida en MCO, aunque solo excede ligeramente el límite inferior del intervalo de confianza de la estimación de MCO. Este resultado debe tomarse con reserva considerando las limitaciones expuestas anteriormente sobre esta variable. Las estimaciones de las diferencias promedio para el consumo de electricidad entre la Ciudad de México y el resto de las entidades federativas pueden consultarse en el anexo 7 y anexo 8 (gráficas 30-60).

Para el modelo estimado por MCO se obtiene una bondad del ajuste de 0.59. Debido a que la regresión cuantílica no tiene las propiedades del estimador MCO, no es posible calcular la R2 . Sin embargo, se presenta el estadístico de Pseudo-R2 el cual se calcula como

y mide la bondad de ajuste para la regresión cuantílica (^{Vicéns y Sánchez, 2012}).

La bondad de ajuste es mayor para las estimaciones en los deciles más altos de consumo de electricidad. Estas son superiores a las obtenidas en el trabajo de ^{Hancevic y Navajas (2015)} las cuales no alcanzan el valor de 0.20. Otro trabajo que expone los cálculos de este estadístico es el trabajo de ^{Medina y Vicéns (2011)} cuyos valores resultan entre 0.41 y 0.43.

Conclusiones

El objetivo de este trabajo es estimar la demanda de electricidad residencial en México mediante una regresión cuantílica. Por primera ocasión se utiliza información que permite identificar la tarifa de electricidad residencial a nivel municipal facilitando la conversión del gasto en electricidad a kilowatts-hora. Sin embargo, se incurre en una sobreestimación en el consumo de electricidad para los hogares que pagan derecho de alumbrado público ya que no se dispone de esta información.

El método de regresión cuantílica permite estimar rectas de regresión por cuantiles de la variable dependiente sin el inconveniente de ser considerablemente afectada por la presencia de heteroscedasticidad, datos atípicos o cambios estructurales ya que penaliza los errores de manera lineal y no de manera cuadrática como sucede con el estimador de MCO. De esta forma es posible analizar diferentes segmentos de la distribución como los hogares con consumo de electricidad más alto en donde se esperaría encontrar niveles elevados de ineficiencia energética.

Respecto a los resultados más relevantes, se encontró que la elasticidad ingreso de la demanda es inelástica, a través de los deciles de consumo, con un rango estimado de [0.25, 0.28], mientras que la elasticidad precio y precio cruzada de la demanda resultaron ser elásticas con rangos de [-1.93, -1.42] y [-1.81, -1.04], respectivamente.

Los resultados sugieren que los precios de los energéticos tienen mayor efecto en el consumo de la electricidad que el ingreso del hogar, y al igual que otros estudios, se encuentra que los cambios en los niveles de ingreso no tienen efectos importantes en el consumo de electricidad. Por otro lado, las estimaciones sugieren que los hogares son más sensibles ante cambios en precios de electricidad, en comparación a los cambios en ingreso, y que dicha relación es negativa y en particular de mayor magnitud para los hogares con mayores niveles de consumo de electricidad. Dado que en México no se focalizan los subsidios de electricidad por nivel de ingreso sino en función de la temperatura, el subsidio podría estar incentivando a los hogares a hacer un uso excesivo del recurso, por lo que convendría hacer un análisis más detallado sobre la determinación de tarifas residenciales y sus implicaciones en los patrones de consumo de los hogares, ya que podría ser una alternativa de política pública para corregir posibles fallos de mercado introducidos por medio de precios que no reflejen el costo marginal del servicio de electricidad.

Igualmente se recomienda tener cautela con el resultado obtenido para la elasticidad precio-cruzada de la demanda ya que se pensaría que hay un grado de sustitución entre energéticos, mientras que la estimación sugiere que se tratan de bienes complementarios.

Se recomienda, para futuras investigaciones, un análisis profundo que explore vertientes como los determinantes de las inversiones de los hogares en el equipamiento de su vivienda, la capacidad de respuesta de los hogares ante cambios en precios de energéticos en sus asignaciones de equipamiento de vivienda, etc. Igualmente se considera que este resultado podría derivarse de errores de medición o de muestra.

También se observa que los hogares, equipados con aire acondicionado, consumen en promedio entre 69 % y 49 % más que el resto de los hogares, por lo que hacer un uso más eficiente de estos equipos puede contribuir de manera importante en el uso racional de la electricidad. Existe la posibilidad de que los hogares no estén haciendo un uso eficiente de sus equipos de enfriamiento ya sea por asimetría de la información, falta de presupuesto, por la presencia del subsidio al consumo de electricidad durante la temporada de verano (que desincentiva el uso racional del recurso), etc.

Además, contrario a lo esperado, se encuentra que los hogares sin medidor consumen menos electricidad que los hogares con medidor. Lo anterior levanta la sospecha de que el gasto de los hogares sin medidor no refleje el consumo de kwh y por tanto se haya subestimado el consumo de estos hogares, ya que este se calculó a partir del gasto en electricidad declarado por los hogares. Es por esto por lo que se considera que se debería estudiar el problema de la falta de medición de consumo de electricidad en los hogares.

Otro resultado contraintuitivo fue el obtenido para los hogares sin acceso a gas, ya que se encuentra que estos consumen menor electricidad cuando se esperaría que estos hogares hagan uso de la electricidad para satisfacer su demanda de energía. Lo anterior levanta dos sospechas: 1) que los hogares sin acceso a gas sean los más marginados y por tanto aquellos con menor equipamiento en su vivienda y menor consumo de electricidad, y 2) que su pago declarado de electricidad no refleje su consumo real.

Los resultados expuestos en este artículo no deben ser generalizados para todo el año ya que por el periodo de levantamiento de la ENIGH estos representan el consumo de electricidad durante el tercer trimestre del año, y coincide con la temporada de verano, que es la de mayor consumo.