Modelo Pobreza-Crecimiento-Cambio climático

PRIMER INFORME. ANÁLISIS ECONOMÉTRICO CAMBIO CLIMÁTICO, CRECIMIENTO Y POBREZA En este primer paso, se realizó un análisis basado en la metodología two stage least square regression (2sls)1 . Esta metodología básicamente se enfoca en obtener una variable instrumental con el fin de explicarla con un modelo OLS previo y después, con una una variable estimada, obtener la relación que interesa al estudio. Oosterbeek (2014) explica técnicamente en que consiste esta metodología. El caso concreto es con un instrumento y una variable endógena: y i = α + β1 x i + u i La variable xi es explicada, a su vez, por otro modelo: xi = η + Πzi + vi Como ya se dijo anteriormente, la variablexi es la primera etapa del modelo en el cual se obtiene una nueva variable ( xˆi ). Esta nueva estimación es la que se adhiere en la primera ecuación transformándola en: y i = α + β1 x ˆ i + ui Modelo aplicado con la data ecuatoriana Con la base de datos provista, se corrió el modelo 2sls haciendo varios cambios a la metodología de De la Fuente y Olivera (2012). Lo especifico aquí: • Se utilizaron las bases de datos con referencia a los años 2007 y 2008 puesto que eran los años seguidos que más información se proporcionaba. • Se omiten las variables geográficas del modelo original puesto a que solo se trabajó con datos de crecimiento, pobreza, cambio climático (medido con temperatura y precipitación). • se utiliza la producción de los diferentes cantones en lugar del PIB per capita con el fin de reducir variabilidad, pero aún se tiene que utilizar una función log • La variable pobreza es obtenida directamente del ECV 2006 y CPV 2001 bajo el rubro "incidencia pobreza extrema". – Se asume que la pobreza se mantiene en los dos años de estudio (2007, 2008) • Finalmente, se corre todo el análisis para 58 cantones debido a que estos son los que contaban con toda la información necesaria. • Se trabajó en el programa R. 1 método realizado en el paper de De la Fuente y Olivera (2012) sobre cambio climático, crecimiento y pobreza.

1

El modelo 2sls queda armado de la siguiente manera: Primera etapa: logGDPc,t = α + β1 tempc,t + β2 precc,t + ε Segunda etapa: logP obrezac = γ + θlogGDPc,t +  resultados ::::::::::: Primera etapa: Intercept Precipitación Temperatura Temperatura^2

Estimate 17.007064 -0.095435 -0.618380 0.018359

Std. Error 2.042464 0.072129 0.242592 0.006662

t value 8.327 -1.323 -2.549 2.756

Pr(>|t|) 2.29e-13 *** 0.18849 0.01215 * 0.00684 **

nota: la variable temperatura ^2 es incluída en el paper de mexico, aunque no sea parte del modelo teórico. p-value: 0.002125.

Segunda estapa: Estimate Intercepto 1.4848 logGDP -0.2331

Std. Error 1.2824 0.1069

t value 1.158 -2.181

Pr(>|t|) 0.2494 0.0312 *

nota: p-value: 0.03124

Después del análisis completo vemos que la logpobreza tiene una relación inversa con el crecimiento. Esta relación es significante con el 95% de confianza. Recordemos que los datos de pobreza que se utilizan son los de incidencia de pobreza extrema, es por esto que el modelo estima que por cada movimiento del 1% de aumento de logGDP (explicado en términos de cambio climática) reduciría la incidencia en pobreza EXTREMA en 23 puntos porcentuales. Para ver la diferencia, también se corrió un análisis OLS de la pobreza extrema y PIB: Estimate Std. Error t value Pr(>|t|) Intercepto 2.07663 0.33278 6.24 7.67e-09 *** LogPIB -0.28253 0.02748 -10.28 < 2e-16 *** nota: LogPIB es la variable bruta del PIB de los cantones en estudio. Esta regresión es analizada con OLS y se la realiza simplemente para ver que la metodología 2sls va por buen camino y, teóricamente, se la aplicó de correcta manera. p-value: < 2.2e-16

Conclusiones Vemos básicamente que las regresiones fueron significativas. Asimismo, vemos que existe una diferencia entre aplicar OLS y 2sls, no obtante van por el mismo camino (relación negativa pobreza y crecimiento) pero tienen una diferencia de aprox 0.04 en el estimador. Como vimos anteriormente, existen muchos supuestos en el modelo planteado, de igual forma aunque se aplica la misma metodología que la mexicana, existen variaciones como es el hecho de que se omiten las variables geográficas. El modelo aparece construído de buena manera por los estadisticos representativos y simplmente habría que ampliarlo con más variables geográficas y, 2

probablmente, cambiar la medición de pobreza que este caso por simplificación se utilizó incidencia en pobreza extrema.

3