INNOVA Research Journal, ISSN 2477-9024  
Mayo-Agosto, 2019). Vol. 4, No.2 pp. 102-119  
(
DOI: https://doi.org/10.33890/innova.v4.n2.2019.948  
URL: http://revistas.uide.edu.ec/index.php/innova/index  
Correo: innova@uide.edu.ec  
Efecto de la segregación de energías en la hipótesis de la curva ambiental de  
kuznets. Un estudio para el caso Ecuatoriano.  
Effect of energy segregation in the kuznets environmental curve hypothesis. A  
study for the ecuadorian Case.  
Gabriela Cristina Andrade Rojas  
Diana Verónica Ramón Tacuri  
Diego Fernando Roldán Monsalve  
Juan Pablo Sarmiento Jara  
Universidad de Cuenca, Ecuador  
Autor para correspondencia: gaby12andrade@gmail.com; dveronica.ramont@ucuenca.edu.ec;  
roldandie@yahoo.com; juan.sarmiento@ucuenca.edu.ec  
Fecha de recepción: 29 de enero del 2019 - Fecha de aceptación: 1 de abril del 2019  
Resumen: El presente estudio examina el impacto de variables económicas relacionadas con la  
energía, sobre la degradación ambiental en Ecuador, bajo el enfoque de la Curva Medioambiental  
de Kuznets (EKC). Se utilizó información temporal correspondiente al periodo 1980-2014 y se  
estimó una ecuación de corto plazo y una de largo plazo utilizando la metodología propuesta por  
Pesaran y Shin (1998), basada en el modelo autorregresivo de rezagos distribuidos (ARDL). Se  
analizó el impacto del consumo de electricidad de fuentes renovables, del gas natural seco y del  
de petróleo en términos per cápita, en relación con las emisiones de CO2 por consumo de energía.  
Los resultados no verifican la hipótesis EKC, y se constató que el consumo de energía de fuentes  
renovables no es significativo para explicar las emisiones. Los pronósticos bajo la metodología  
ARIMA para el 2025 indican un aumento de las emisiones de CO2 por el consumo de energía en  
el Ecuador.  
Palabras clave: curva medioambiental de kuznets; degradación ambiental; rezagos  
autorregresivos distribuidos  
Abstract: This study examines the impact of energy-related economic variables on environmental  
degradation in Ecuador under the Kuznets Environmental Curve (EKC) approach. Information  
corresponding to the period 1980-2014 was used and a short term equation and a long term  
equation were estimated using the methodology proposed by Pesaran and Shin (1998), based on  
the autoregressive model of distributed lags (ARDL). The impact of electricity consumption from  
renewable sources, dry natural gas and oil consumption in per capita terms were analysed in  
relation to CO2 emissions from energy consumption. The results do not verify the EKC hypothesis,  
and it was found that energy consumption from renewable sources is not significant to explain  
emissions. Forecasts under the ARIMA methodology for 2025 indicate an increase in CO2  
emissions from energy consumption in Ecuador.  
Key Words: environmental kuznets curve; environmental degradation; autoregressive distributed  
lag model  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
102  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
Introducción  
La degradación medioambiental es un problema global que ha tomado fuerza durante las  
últimas décadas como consecuencia de un inadecuado crecimiento y desarrollo económico,  
motivando muchas investigaciones que buscan determinar los antecedentes y efectos de esta  
problemática.  
Este escenario ambiental no presenta la misma intensidad en todos los países. Según  
Zambrano-Monserrate et al. (2018), las economías desarrolladas son las más afectadas por la  
contaminación debido a su alto grado de industrialización; sin embargo, las economías en  
desarrollo son más vulnerables a los efectos del cambio climático, el mismo que encuentra  
muchas de sus causas en las actividades humanas que generan gases de efecto invernadero  
(GEI), los que, de acuerdo con Ozturk y Acaravci (2010), están constituidos en un 60% por  
dióxido de carbono.  
Uno de los conceptos más usados para entender la relación entre la degradación  
ambiental y el desarrollo económico es la Curva Medioambiental de Kuznets (EKC por sus  
siglas en inglés). La hipótesis de esta curva sostiene que, en una primera etapa de desarrollo  
industrial, la calidad del medioambiente empeora hasta llegar a un pico, luego del cual, a un  
mayor desarrollo le corresponde una mejora en esa calidad.  
Por otra parte, muchas investigaciones académicas se han desarrollado bajo la hipótesis  
EKC, debiendo determinar previamente cómo medir la calidad del medioambiente desde  
diferentes perspectivas incluyendo el bienestar humano (Streimikiene, 2015). Aunque son  
muchos los factores que afectan, numerosos estudios utilizan básicamente el dióxido de carbono  
(
CO2) como su variable proxy para medir la degradación medioambiental (Kılıç & Balan, 2018;  
Zambrano-Monserrate, Silva-Zambrano, Davalos-Penafiel, Zambrano-Monserrate, & Ruano,  
018; Rodríguez-Méndez, Pena-Boquete, & Pardo-Fernández, 2016). Esta estrategia  
2
metodológica se aplica debido a su relevancia en los gases de efecto invernadero, además de que  
el CO2 está relacionado en buena medida con las formas de vida y producción de cada economía.  
Como en todas las regiones, también en América Latina existe un vínculo entre su  
crecimiento económico y el deterioro ambiental resultante. En la década pasada, esta región ha  
presentado una bonanza económica vinculada al auge de las commodities. Este tipo de  
economías, basadas en la extracción de recursos naturales, repercuten significativamente en la  
degradación medioambiental (CEPAL, 2018).  
A nivel nacional, en Ecuador también se evidencia un vínculo entre su crecimiento  
económico, las repercusiones ambientales y sus políticas energéticas y ambientales. Así, a partir  
del año 1972, con el boom petrolero nacional, la estructura económica del país y su dinámica se  
anclaron en el sector petrolero, siendo éste el recurso primordial en la matriz de energía primaria  
(Ministerio Coordinador de Sectores Estratégicos, 2013).  
Según el Banco Mundial (2017), Ecuador ha experimentado un crecimiento promedio del  
PIB de 4,3% durante el periodo del 2006 al 2014, impulsado por los altos precios del petróleo.  
Mientras que, las emisiones de GEI tuvieron un incremento duplicado del 8.77% desde 2006 al  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
103  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
2
012. Como referencia, en el año 2012, el sector Energía emitió el 44,92% del CO2 por quema  
de combustible (Ministerio del Ambiente del Ecuador, 2017).  
Según Ministerio Coordinador de Sectores Estratégicos (2013), el consumo de energía ha  
crecido durante el periodo de 1970 al 2012, específicamente de fuentes como el petróleo  
y del gas natural, mientras que, de fuentes tradicionales como la leña, han disminuido  
notablemente.  
Esfuerzos Iniciales para Mitigar el Problema Ambiental  
Motivados por razones económicas más que por ambientales, en el periodo 1964-1976, se  
desarrolló el primer Plan Maestro de Electrificación con el proyecto Central Paute entrando en  
operación parcial en 1983, disminuyendo la costosa y contaminante generación térmica desde el  
6
4% al 32%. La fase final funcionó en 1991. Muy posteriormente vendrían nuevos proyectos  
hidroeléctricos como la Central Paute Mazar y la Central Paute Sopladora cuyas construcciones  
se iniciaron en el año 2005 y en el 2010 respectivamente (Corporación Eléctrica del Ecuador  
CELEC, s.f.).  
En Ecuador, en el Plan Nacional de Desarrollo 2007-2010 consideró la sustentabilidad  
del patrimonio natural a través del desarrollo de sistemas de energías renovables o alternativas,  
bajo el enfoque de sostenibilidad social (Secretaría Nacional de Planificación y Desarrollo,  
2
007).  
En el Título II de la Constitución de la República del Ecuador del año 2008, el Capítulo  
VII se considera los Derechos de la Naturaleza, siendo uno de los primeros países de América  
Latina en incluirla en su marco normativo. Además, en el art. 395 de la Constitución de la  
República del Ecuador del 2008 se reconocen los principios ambientales, donde el Estado  
garantizará un desarrollo sustentable que mantenga la biodiversidad y la capacidad de  
regeneración natural de los ecosistemas, aplicando también políticas de gestión ambiental y  
fomentando una participación de la sociedad.  
Una de las políticas del Objetivo 7 del Plan Nacional para el Buen Vivir del año 2013-  
2
017 se enfocó en promover de manera eficiente y en mayor medida, una participación de  
energías renovables sostenibles, para prevenir la contaminación ambiental (Secretaría Nacional  
de Planificación y Desarrollo, 2013).  
En el Plan Nacional de Desarrollo se promueve la gobernanza sostenible de los recursos  
naturales no renovables y renovables, e incentiva a la reducción de la contaminación, mitigación  
de los efectos del cambio climático, entre otros (Secretaría Nacional de Planificación y  
Desarrollo, 2017).  
En la última década, Ecuador se ha interesado mucho en la generación de energía  
renovable que le permita reducir las emisiones de dióxido de carbono y aprovechar sus recursos  
naturales eficientemente, a través de un cambio de matriz energética que contempla proyectos  
referentes a generación hidráulica, eólica y solar. En 2014 la generación térmica fue el 49,13%,  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
104  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
la hidráulica de 45,57%, la de biomasa el 1,59%, la eólica el 0,32% y la solar el 0,7%  
(Constante, 2016).  
Para el cambio de la matriz energética en el Ecuador, se han realizado obras  
emblemáticas con el fin de reemplazar el consumo de combustibles fósiles por un 51,78% por la  
producción de energía renovable, disminuyendo la emisión de dióxido de carbono, como lo  
indica la Agencia de Regulación y Control de Electricidad, ARCONET (2016).  
Diferenciar energías de fuentes renovables y no renovables  
Entre los autores que en estudios recientes de EKC han considerado a la energía  
renovable y al consumo de energía son Bölük y Mert (2015) en un estudio en Turquía, mientras  
que Zambrano-Monserrate et al. (2018) Lo hacen en un estudio para el caso peruano. Ambos  
estudios verifican la hipótesis de EKC. Sin embargo, replicando otros estudios, Zambrano-  
Monserrate et al. (2016) Para el caso ecuatoriano, no incluyen el consumo de energías renovables  
sino el consumo de energía en general verificando igualmente la hipótesis EKC.  
Consideramos que no discriminar el consumo de energía renovable de la no renovable es  
un limitante para estudios medioambientales. La energía proveniente de las generadoras  
hidroeléctricas o eólicas son mucho más limpias que las producidas mediante derivados del  
petróleo. De hecho, como verificaremos más adelante, esta distinción de energías incluida en  
nuestro modelo es una de las causas para obtener resultados diferentes de la hipótesis EKC para  
el caso ecuatoriano.  
Cabe señalar que, en 2017, la producción eléctrica nacional superó los 28.000 GWh  
según la ARCONEL, de los cuales un 72% tuvieron fuente hidráulica, un 26% fuente térmica y  
un 2% corresponden a otras fuentes como biomasa, eólica, solar, etc. En el período 1999-2017, la  
generación nacional de fuente hidráulica se incrementó un 179%. Por otra parte, el consumo per  
cápita de electricidad en 2016 fue de 1.143 kWh/habitante, frente a los 638 kWh/habitante de  
1
999, según el Instituto Nacional de Estadísticas y Censos del Ecuador. En el caso de los  
hogares, los esfuerzos del gobierno para estimular la sustitución de cocinas a gas por eléctricas  
han sido poco efectivos. Todo esto se refleja en un incremento notorio de las emisiones per  
cápita de dióxido de carbono en los cuatro últimos años de la serie estudiada, como se puede  
observar en el Gráfico 1, y que justifica preguntarnos si, con estos ajustes de modelo y escenario,  
¿
es posible pronosticar el cumplimiento de la hipótesis EKC para el caso ecuatoriano?  
Revisión De Literatura  
La EKC es una variante del estudio propuesto por Kuznets (1955) sobre la relación entre  
crecimiento y desigualdad en los Estados Unidos. La hipótesis original sostenía que, en una  
primera etapa de crecimiento, la desigualdad aumenta, pero de manera desacelerada hasta  
alcanzar un punto máximo desde el cual, a mayor crecimiento le corresponde una menor  
desigualdad en términos de Gini.  
Grossman y Krueger (1991) sostienen que la relación entre el deterioro medioambiental y  
el crecimiento económico presentan el mismo comportamiento de U invertida. Estos autores, en  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
105  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
su estudio inicial (1991) examinaron la relación entre la calidad del aire, medida a través del  
dióxido de azufre y el esmog, y el crecimiento económico. Sus resultados evidenciaron la  
relación de U invertida planteada por Kuznets. Posteriormente, estos mismos autores (1995)  
estudiaron la relacionaron de cuatro indicadores de impacto ambiental con el crecimiento  
económico encontrando el mismo comportamiento de U invertida, cumpliéndose la hipótesis de  
Kuznets.  
Estudios más recientes han dedicado mayores esfuerzos en los recursos estadísticos,  
siendo uno de ellos la metodología de rezagos autorregresivos distribuidos (ARDL). Así, por  
ejemplo, Bölük y Mert (2015) en el caso de Turquía, examinan el potencial de las fuentes  
energéticas renovables para reducir el impacto de las emisiones de GEI durante el periodo de  
1
961 al 2010, recurriendo a la metodología ARDL. La hipótesis de la EKC se verifica entre las  
emisiones de GEI con el ingreso y la generación de electricidad de fuentes renovables.  
Ahmad et al. (2017) Investigaron la existencia de la curva de Kuznets en Croacia para el  
periodo trimestral de 1992 al 2011, utilizando el enfoque ARDL y el modelo de vectores de  
corrección de error (VECM). Los resultados confirmaron Curva Medioambiental de Kuznets  
entre las emisiones de dióxido de carbono y el crecimiento económico.  
Zambrano-Monserrate et al. (2016) Analizan en Ecuador el período 1971-2011 la relación  
entre PIB, emisión de CO2 y consumo de energía encontrando que las elasticidades de largo  
plazo revelan la existencia de un EKC para Ecuador, estableciendo que el país aún se encuentra  
en la zona de deterioro creciente de la curva. Estos resultados discrepan de los encontrados en el  
presente estudio.  
Zambrano-Monserrate et al. (2018) analizaron en Perú durante el período 1980-2011 la  
relación entre el PIB, las emisiones de dióxido de carbono del consumo de energía, el total de  
consumo de electricidad renovable, el consumo del gas natural seco y el consumo total del  
petróleo, todas las variables en términos per cápita. Al igual que Narayan y Narayan (2010)  
aplicaron la metodología ARDL y el modelo VECM. En este caso, los resultados no siguieron la  
relación de forma de U invertida.  
Datos y modelo  
El presente estudio busca conocer el impacto que genera el uso de energías renovables y  
no renovables en la degradación ambiental.  
Basado en este contexto, se busca determinar el impacto de variables económicas  
relacionadas con el uso de energías renovable y no renovables, sobre la degradación ambiental  
medida en función de las emisiones de dióxido de carbono del consumo de energía en el Ecuador  
durante el periodo de 1980 al 2014; periodo en el cual verificaremos si se cumple la hipótesis de  
EKC, además de determinar la fase en la que se encuentra el Ecuador. Adicionalmente  
emitiremos proyecciones hasta el año 2025 con respecto a su calidad medioambiental.  
Las series temporales que fueron utilizadas son: las emisiones de dióxido de carbono del  
consumo de energía per cápita (toneladas métricas), el consumo total de electricidad renovable  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
106  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
(miles de kilovatios hora), el consumo de gas natural seco (miles de pies cúbicos), consumo total  
de petróleo (barriles por año) y la población total, que no se incluye directamente en el modelo,  
fue obtenida para la transformación de las mencionadas variables, a términos per cápita. Estas  
series fueron tomadas de la Administración de Información Energética de Estados Unidos (EIA)  
(
2018), el producto interno bruto per cápita (en dólares a precios constantes del 2010) y la  
1
densidad poblacional (personas por kilómetro cuadrado) del Banco Mundial (2018).  
Gráfico 1: Indicador de Degradación Ambiental para Ecuador: Emisiones de Dióxido de Carbono del  
Consumo de Energía per cápita 1980-2014 (medido en logaritmos).  
Fuente: EIA (2018). Elaboración propia  
El Gráfico 1 permite visualizar el comportamiento de las emisiones de dióxido de  
carbono del consumo de energía en el Ecuador. En la década de 1980 se puede apreciar una  
tendencia decreciente, sobre todo hasta 1989. A partir de este año, se muestra una tendencia  
creciente que responde al énfasis puesto sobre el sector energético. La tasa de crecimiento anual  
promedio de esta variable durante todo el periodo de estudio fue de 1,57%. Cabe resaltar el  
significativo incremento en las emisiones observado fundamentalmente desde el año 2009.  
Especificación del modelo  
La siguiente especificación del modelo y desarrollo de la metodología se basa en el  
trabajo presentado por Zambrano-Monserrate et al. (2018).  
Para esta investigación se considera el logaritmo natural (ln) de las variables en el modelo  
planteado. La ecuación (1) expresa la especificación de largo plazo (excluida la densidad  
poblacional 푳푫푷푶푩 por no significativa):  
풕
ퟐ
풕
푳푪푶ퟐ푪푬 = 휷 + 휷 푳푷푰푩푬푪 + 휷 푳푷푰푩푬푪 + 휷 푳푪푬푹 + 휷 푳푮푨푺 + 휷 푳푪푷푬푻  
풕
ퟎ
ퟏ
풕
ퟐ
ퟑ
풕
ퟒ
풕
ퟓ
풕
+
풆풕  
(ퟏ)  
Dónde: LCO2CE es las emisiones de dióxido de carbono per cápita por consumo de  
energía; LPIBECt es el PIB per cápita; LCERt es el consumo de electricidad de fuentes  
1
Esta variable resulto no significativa por lo que no consta en el modelo final.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
107  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
renovables per cápita; LCGASt es el consumo de gas natural seco per cápita; LCPETt es el  
2
consumo de petróleo per cápita. En el modelo inicial se utilizó LPIBECt (PIB per cápita al  
cuadrado), variable que busca capturar el comportamiento curvo (no lineal) de la EKC, sin  
embargo, esta resultó no significativa y con alta colinealidad por lo que, la prueba de dicha  
curvatura, para la hipótesis EKC, se resolvió por métodos alternos que se explican  
posteriormente en este mismo apartado. Así, la ecuación (1) se reduce a:  
푳푪푶ퟐ푪푬 = 휷 + 휷 푳푷푰푩푬푪 + 휷 푳푪푬푹 + 휷 푳푮푨푺 + 휷 푳푪푷푬푻 + 풆  
풕
(ퟏ풃)  
풕
ퟎ
ퟏ
풕
ퟐ
풕
ퟑ
풕
ퟒ
풕
Los parámetros o elasticidades por estimar son 휷 , 휷 , 휷 풚 휷 , mientras que, 휷 es el  
ퟏ
ퟐ
ퟑ
ퟒ
ퟎ
término de intercepto y 풆 es el término de error con el supuesto de ser ruido blanco.  
풕
La especificación de este modelo (1b) se basa en la planteada por Narayan y Narayan  
(2010). Estos autores indican que, con este tipo de especificación, se evita caer en problemas de  
multicolinealidad. Además, para testear la existencia de la hipótesis de Kuznets, se comparan las  
elasticidades de los periodos de corto y largo plazo de la variable del PIB; de esta manera, si la  
elasticidad de largo plazo es mayor a la de corto plazo, no será posible asegurar la existencia de  
una relación de forma de U invertida, debido a que, en un largo plazo, el crecimiento del PIB  
indicará un incremento en las emisiones de dióxido de carbono (Zambrano-Monserrate, Silva-  
Zambrano, Davalos-Penafiel, Zambrano-Monserrate, & Ruano, 2018).  
Métodos  
Cointegración y Rezagos Autorregresivos Distribuidos (ARDL)  
Coincidiendo con Ben Salha (2013), se deben distinguir los efectos de corto y largo plazo  
para lo que es adecuado el procedimiento ARDL propuesto inicialmente por Pesaran y Shin  
(1998) y desarrollado por Pesaran, Shin, y Smith (2001). Este enfoque para la cointegración  
tiene varias ventajas: en primer lugar, la relación a largo plazo entre dos variables se puede  
estimar incluso si las series tienen diferentes órdenes de integración, I(0), I(1) o incluso  
integradas fraccionalmente (valores no enteros). En segundo lugar, ARDL no es sensible al  
tamaño de la muestra y puede ser aplicable incluso si es relativamente pequeña.  
La presencia de estacionariedad en las series es testeada con las pruebas de raíz unitaria de  
Dickey-Fuller Aumentado (ADF) y Phillips-Perron.  
La ecuación ARDL se especifica a continuación:  
흅ퟏ  
흅ퟐ  
흅ퟑ  
횫푳푪푶ퟐ푪푬 = 휶 + ∑ 휶 횫푳푪푶ퟐ푪푬  
+ ∑ 휶 횫푳푷푰푩푬푪  
+ ∑ 휶 횫푳푪푬푹  
풕−풌  
풕
ퟎ
ퟏ풌  
풕−풌  
흅ퟓ  
ퟐ풌  
풕−풌  
ퟑ풌  
풌ꢀퟏ  
풌ꢀퟎ  
풌ꢀퟎ  
흅ퟒ  
+
∑ 휶 횫푳푪푮푨푺  
+ ∑ 휶 횫푳푪푷푬푻  
+ ∅ 푳푪푶ퟐ푪푬  
풕−풌 ퟏ 풕−ퟏ  
ퟒ풌  
풕−풌  
ퟓ풌  
풌ꢀퟎ  
풌ꢀퟎ  
+
+
∅ 푳푷푰푩푬푪 + ∅ 푳푪푬푹 + ∅ 푳푪푮푨푺 + ∅ 푳푪푷푬푻  
ퟐ 풕−ퟏ ퟑ 풕−ퟏ ퟒ 풕−ퟏ ퟓ 풕−ퟏ  
휺풕  
(ퟐ)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
108  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
Para determinar el orden óptimo de rezagos, se puede utilizar el criterio de información  
Bayesiano de Schwarz (BIC). El número de rezagos óptimos para cada variable (푳푪푶ퟐ푪푬풕,  
푳푷푰푩푬푪 , 푳푪푬푹 , 푳푪푮푨푺 y 푳푪푷푬푻 ) se indica como 흅 , 흅 , 흅 , 흅 y 흅 , respectivamente.  
풕
풕
풕
풕
ퟏ
ퟐ
ퟑ
ퟒ
ퟓ
Pesaran, Shin y Smith (2001) utilizan un enfoque de cointegración basado en el modelo ARDL,  
denominado ARDL Bound Test. De esta manera, se plantea la prueba de cointegración en la que  
se deberá testear:  
푯 : ∅ = ∅ = ∅ = ∅ = ∅ = ퟎ (no cointegra)  
ퟎ
ퟏ
ퟐ
ퟑ
ퟒ
ퟓ
H1: al menos un ∅ es diferente de 0 (cointegra)  
Para contrastar esta prueba se utiliza el estadístico F-Wald para compararlo con los  
valores críticos tabulados por Narayan (2005). En la tabla presentada por este autor, se muestran  
valores críticos 푰(ퟎ) e 푰(ퟏ) que representan los límites inferior y superior, obteniéndose tres  
regiones posibles con la siguiente interpretación del estadístico F:  
F<límite inferior I(0) ⟹ No se rechaza H0, no hay cointegración  
F>límite superior I(1) ⟹ Se rechaza H0, hay cointegración límite inferior I(0) < F< límite  
superior I(1) ⟹ no se obtienen una conclusión  
La ecuación (3) de corto plazo se deriva de (1):  
흅
흅ퟐ  
흅ퟑ  
ퟏ
횫푳푪푶ퟐ푪푬 = 휶 + ∑ 휶 횫푳푪푶ퟐ푪푬 + ∑ 휶 횫푳푷푰푩푬푪 + ∑ 휶 횫푳푪푬푹  
풕
ퟎ
ퟏ풌  
풕−풌  
ퟐ풌  
풕−풌  
ퟑ풌  
풕−풌  
풌ꢀퟏ  
풌ꢀퟎ  
풌ꢀퟎ  
흅ퟒ  
흅ퟓ  
+
∑ 휶 횫푳푪푮푨푺  
+ ∑ 휶 횫푳푪푷푬푻 + 훉퐄퐂퐓풕−ퟏ + 풖풕  
풕−풌  
(ퟑ)  
ퟒ풌  
풕−풌  
ퟓ풌  
풌ꢀퟎ  
풌ꢀퟎ  
Donde:  
퐄퐂퐓풕−ퟏ = es el término de corrección de error rezagado un período.  
Para obtener 퐄퐂퐓풕−ퟏ se debe calcular los residuos de (1), de tal forma que 퐄퐂퐓 = 풆̂ .  
풕
풕
Dada la existencia de una relación de largo plazo, 퐄퐂퐓풕−ퟏ indicará qué tan rápido las  
variables vuelven a sus niveles de equilibrio de largo plazo, a partir de variaciones de corto  
plazo. En este sentido, 훉 deberá ser negativo y altamente significativo. Esta especificación de  
corto plazo es conocida también como el modelo de corrección de errores (ECM).  
Pesaran y Shin (1998) demuestran que, cuando existe cointegración, los parámetros de  
MCO de corto plazo (que en este caso son los 휶 de la ecuación 3) son consistentes, inclusive con  
muestras pequeñas. Por otra parte, los estimadores de largo plazo (que son los 휷 en la ecuación  
1
) son súper consistentes.  
Zambrano-Monserrate et al. (2018) Apuntan que se puede testear también la estabilidad  
de los parámetros mediante la estimación recursiva de las pruebas de CUSUM y CUSUM  
cuadrado. Además, se podrá realizar las pruebas de diagnóstico referentes a la  
heterocedasticidad, la autocorrelación, la normalidad de los residuos y la especificación de  
Ramsey.  
Prueba de Causalidad de Granger  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
109  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
En este caso, la prueba de causalidad de Granger es utilizada para conocer la dirección de  
la causalidad entre las variables de interés, teniendo en cuenta que el enfoque ARDL descrito  
previamente no la obtiene. A continuación, se muestra la estructura matricial del modelo de  
vector de corrección de error (VECM)훑:  
(
ퟏ ꢁ 퐋) 풙 = 풃 + ∑(ퟏ ꢁ 퐋) 푫 풙 + 훈 [퐄퐂퐓퐭−ퟏ] + 훜풕  
(ퟒ)  
풕
풊 풕−풊  
퐢ꢀퟏ  
Donde:  
풙풕  
Vector de variables del modelo  
풃
푫풊  
훈
Vector de términos independientes  
′
Matriz de los coeficientes 풅 풔, asociados a los términos en diferencia con rezago i  
Es el vector de coeficientes asociados al término 퐄퐂퐓퐭−ퟏ  
Operador de rezagos  
퐋
(
ퟏ ꢁ 퐋) = 횫 Es el operador de primera diferencia.  
Nuevamente, se puede determinar los rezagos óptimos mediante el criterio de  
información Bayesiano de Schwarz (BIC) o también, por el criterio de Akaike. Para testear la  
causalidad de Granger en el corto plazo, se estimarán los coeficientes 풅, para posteriormente  
probar la siguiente hipótesis global:  
′
푯 : 풅 풔 = ퟎ (No existe causalidad de Granger)  
ퟎ
Esta hipótesis nula podrá ser rechazada o no, dependiendo del valor de significación de  
las estadísticas F o del estadístico chi-cuadrado. En el caso de la causalidad de Granger en el  
largo plazo, se deberá estimar los coeficientes훈, interpretándose de manera similar a la de la  
estimación del modelo de corrección de errores (ECM), tal que, los coeficientes de 훈 deberán ser  
negativos y altamente significativos para considerarse la existencia de una causalidad de Granger  
entre variables independientes y dependientes en el largo plazo (Zambrano-Monserrate et al.,  
2
018).  
Pronóstico  
Con base en la metodología de un modelo autorregresivo, se estima el pronóstico de las  
variables independientes en el periodo de 2015-2025. Estas series permitirán proyectar las  
emisiones de dióxido de carbono por el consumo de energía para el Ecuador, mediante el  
pronóstico de modelos econométricos dinámicos realizado en STATA 15 (comando forecast  
solve), en la estimación del método ARDL.  
Resultados  
En primer lugar, se testeó la estacionariedad de las variables considerando que las series  
mantienen una tendencia determinística, donde los resultados de las pruebas de Dickey-Fuller  
Aumentada y Phillips-Perron, indicaron que todas las variables son integradas de orden 1, 푰(ퟏ),  
como se indica en la Tabla 1.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
110  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
Tabla 1: Resultados de la Prueba de Raíz Unitaria de Dickey-Fuller Aumentado y Phillip  
Perron  
Nivel  
Intercepto  
Primera Diferencia  
Intercepto y Intercepto Intercepto y Orden de  
Variable  
tendencia  
tendencia  
Integración  
Dickey-Fuller  
Aumentada  
퐿퐶푂2퐶퐸푡  
-0,383  
1,972  
-2,315  
-0,351  
-2,487  
-2,855  
-2,11  
-9,527***  
-4,710***  
-4,029***  
-7,226***  
-5,848***  
-10,253***  
-5,965***  
-4,464***  
-7,244***  
-6,472***  
I(1)  
I(1)  
I(1)  
I(1)  
I(1)  
퐿푃퐼퐵퐸퐶푡  
퐿퐶퐸푅푡  
-3,030**  
-0,894  
0,614  
퐿퐶퐺퐴푆푡  
퐿퐶푃퐸푇푡  
Phillips-Perron  
퐿퐶푂2퐶퐸푡  
0,442  
-1,965  
-0,167  
-2,486  
-2,815  
-1,928  
-9,394***  
-4,769***  
-4,055***  
-7,884***  
-5,879***  
-11,648***  
-6,006***  
-4,464***  
-8,138***  
-6,961***  
I(1)  
I(1)  
I(1)  
I(1)  
I(1)  
퐿푃퐼퐵퐸퐶푡  
퐿퐶퐸푅푡  
2,298  
-3,219**  
-0,388  
1,101  
퐿퐶퐺퐴푆푡  
퐿퐶푃퐸푇푡  
Notas:  
Nivel de Significancia: 1% (***), 5% (**) y 10% (*).  
El número de rezagos óptimo para Dickey-Fuller Aumentado se basa en el Criterio de  
Información de Schwarz (SIC).  
El número de rezagos óptimo para Phillips-Perron se basa en Newey- West.  
Elaboración propia  
Por lo tanto, se cumple el supuesto básico para la aplicación de la metodología ARDL, que se  
presenta a continuación.  
Equilibrio de Largo Plazo  
El enfoque del ARDL Bound Test permite encontrar una relación de largo plazo entre las  
emisiones de dióxido de carbono del consumo de energía y las variables planteadas. La Tabla 2  
presenta los resultados de esta metodología en la cual los rezagos óptimos en el modelo son de  
(1, 4, 2, 4, 2) según el criterio de Información bayesiano (BIC).  
El estadístico F calculado (12,79) se contrastó con los valores críticos de Narayan (2005), siendo  
este mayor que el límite superior en todos sus niveles de significancia. Se consideraron los casos  
IV (con constante sin restricción y con tendencia restringida) y el caso V (con constante y  
tendencia, sin restricciones), debido al supuesto de tendencia determinística en las series  
(Pesaran, Shin, & Smith, 2001). Este resultado confirmó la existencia de una relación de largo  
plazo en ambos casos.  
Tabla 2: Resultados del ARDL Bound Test  
Mod  
elo  
푳푪푶ퟐ푪푬풕  
= 풇(푳푷푰푩푬푪 , 푳푪푬푹 , 푳푪푮푨푺  
풕
풕
풕
Rezagos ARDL: (1,4,2,4,2)  
Valores Críticos (k=4, n=35)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
111  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
CASO V  
CASO IV  
Límite  
Inferior  
I(0)  
Límite  
Superior  
I(1)  
Límite  
Inferior  
I(0)  
Límite  
Superior  
I(1)  
1
5
1
%
5,604  
4,036  
3,374  
7,172  
5,304  
4,512  
5,147  
3,578  
3,035  
6,617  
4,668  
3,997  
%
0%  
Estadístico F = 12,799  
Nota  
s:  
Valores críticos están basados en  
Narayan (2005)  
k= número de regresores no  
determinísticos en la relación de  
largo plazo  
Elaboración propia.  
En la Tabla 3 se presenta las estimaciones de largo plazo, en la cual, los coeficientes  
asociados a las variables representan las elasticidades de largo plazo. En este caso, el logaritmo  
del PIB, del consumo del gas y del consumo de petróleo en términos per cápita es  
estadísticamente significativos al menos al 5% y 10%. Con respecto a las variables logarítmicas  
del PIB y consumo de petróleo per cápita, presentan una relación positiva como se esperaba, de  
manera que, dado un aumento del 1% en el PIB y consumo petróleo per cápita, se generará un  
aumento del 2,43% y 2,52% en las emisiones de dióxido de carbono del consumo de energía,  
respectivamente. Mientras que, un aumento de 1% en el consumo de gas per cápita, disminuirá  
las emisiones de dióxido de carbono del consumo de energía en un 0,71%; lo que en otros  
términos indica que un aumento de mil pies cúbicos en el consumo de gas per cápita generará  
una disminución de 0,71 toneladas métricas en las emisiones per cápita. En todo caso, este signo  
es contrario a lo esperado lo que podemos encontrar una posible explicación en que esta fuente  
sustituye a otras más contaminantes como carbón, leña o el mismo petróleo, lo cual requiere más  
evidencia.  
La variable logarítmica del consumo per cápita de electricidad de fuentes renovables  
resultó no significativa en el modelo (p-value=0,589). Sin embargo, se ha considerado  
importante incluirla en el modelo dado su relevancia en el estudio.  
La estimación de corto plazo (Tabla 3) mostró que solo los coeficientes asociados al PIB  
y consumo de gas per cápita son significativos al 99% de confianza, siendo este último positivo.  
El término de corrección de error es negativo y significativo, lo que confirmó la hipótesis de  
cointegración. Este coeficiente implica que la velocidad de convergencia hacia el equilibrio de  
largo plazo es de 64,91%.  
Las elasticidades del PIB per cápita de largo plazo (2,43%) y corto plazo (-1,58%)  
indicaron que no se cumple la hipótesis de la curva medioambiental de Kuznets. Con este  
resultado, y bajo el enfoque planteado, no es posible determinar el punto de inflexión de la curva  
de medioambiental de Kuznets, y, por tanto, tampoco la fase en la que se encuentra el Ecuador.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
112  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
Se realizaron pruebas [véase Tabla 3] de diagnóstico para la validación del modelo, las cuales  
presentaron resultados favorables.  
Tabla 3: Resultados de la Estimación ARDL de Corto y Largo Plazo  
Estimación de Largo plazo  
Estimación de corto plazo  
푫(푳푪푶ퟐ푪푬풕)  
-1,583294***  
(0,3784069)  
Variable dependiente:  
푳푪푶ퟐ푪푬풕  
푳푷푰푩푬푪풕  
2,430197***  
푫(푳푷푰푩푬푪풕)  
푫(푳푪푬푹풕)  
푫(푳푪푮푨푺풕)  
푫(푳푪푷푬푻풕)  
푬푪푻(ꢁퟏ)  
(
0,4084631)  
0,1005342  
0,1809412)  
-0,7097718**  
0,2344002)  
2,518285**  
0,9918368)  
푳푪푬푹풕  
푳푪푮푨푺풕  
푳푪푷푬푻풕  
-0,0667695  
(
(0,0897694)  
0,3890213***  
(0,1141608)  
(
-0,1734683  
(
(0,3669515)  
-0,6491074***  
(
0,1327807)  
36,27608*  
17,62773)  
Constante  
(
R-cuadrado  
0,9571  
0,8927  
R-cuadrado ajustado  
Pruebas de Diagnóstico  
Estadístico  
8,103  
31  
P-value  
0,0879  
0,4154  
0,1341  
0,7242  
0,6617  
Autocorrelación (Breusch-Godfrey)  
Heterocedasticidad (White)  
Heterocedasticidad (ARCH)  
Especificación (Ramsey)  
Normalidad (Skewness/Kurtosis)  
Notas:  
2,245  
0,45  
0,83  
Nivel de Significancia: 1% (***), 5% (**) y 10% (*)...Entre paréntesis se presentan los errores estándar.  
Los estadísticos corresponden al chi-cuadrado, a excepción del Test de Ramsey, que considera el F estadístico.  
Elaboración propia.  
Gráfico 2: CUSUM y CUSUM Cuadrado.  
Fuente: Elaboración propia  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
113  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
Las pruebas CUSUM y CUSUM cuadrado mostraron que los coeficientes estimados son  
estables para considerando el largo plazo, lo cual evidencia un modelo confiable (Gráfico 2).  
Relación de Causalidad  
Una vez que se determinó la presencia de integración entre LCO2CE y LPIBEC, LCER,  
LCGAS y LCPET se testeó la dirección de la causalidad entre las variables a través del VECM  
con la prueba de causalidad de Granger. Se seleccionaron 4 rezagos óptimos según varios  
criterios, entre los que se presenta el criterio de información de Akaike (AIC), a través de la  
aplicación de un modelo VAR. Además, se determinaron 3 ecuaciones cointegrantes, según la  
prueba de cointegración de Johansen. Con estos resultados, se estimó el VECM para determinar  
la causalidad de largo plazo (Tabla 4). El coeficiente del término de corrección de error de la  
ecuación cointegrante 1 (푳푪푶ퟐ푪푬) es negativo y significativo al 99% de confianza, lo que  
confirma la relación de cointegración (Ver Tabla 5). Esta prueba de causalidad indica también  
que no existe evidencia de relación causal de largo plazo de las emisiones de CO2 hacia el PIB  
(0,06994).  
Tabla 4: Resultados de la Prueba de Causalidad de Largo Plazo Basado en el VECM.  
Término de Corrección de Error [퐄퐂퐓  
]
퐭−ퟏ  
푫(푳푪푶ퟐ푪푬풕)  
-0,9777211***  
0,5991674  
Eq. Coint. 1  
Eq. Coint. 2  
Eq. Coint. 3  
-0,0823625  
Nota: Nivel de Significancia: 1% (***), 5% (**) y 10% (*)  
Elaboración propia.  
En la Tabla 5 se presenta la prueba de causalidad de Granger la que indicó cuatro  
relaciones causales de corto plazo unidireccionales: de las emisiones de dióxido de carbono del  
consumo de energía, del consumo de electricidad de fuentes renovables, del consumo de gas  
natural y del consumo de petróleo, hacia el PIB real (todas en términos per cápita).  
Tabla 5: Resultados de la Prueba de Causalidad de Granger en el VECM (corto plazo) (Chi-  
cuadrados).  
푫(푳푪푶ퟐ푪푬풕)  
푫(푳푷푰푩푬푪풕) 푫(푳푪푬푹풕) 푫(푳푪푮푨푺풕) 푫(푳푪푷푬푻풕)  
푫(푳푪푶ퟐ푪푬풕)  
-
4,84  
-
2,96  
10,09**  
-
2,98  
8,86**  
0,58  
-
3,84  
8,82**  
0,83  
3,81  
-
푫(푳푷푰푩푬푪풕) 6,82*  
푫(푳푪푬푹풕)  
푫(푳푪푮푨푺풕)  
푫(푳푪푷푬푻풕)  
2,29  
1,42  
2,56  
0,82  
1,17  
1,24  
0,79  
2,57  
1,16  
Nota: Se presenta el estadístico chi-cuadrado, con 3gl. Nivel de Significancia: 1% (***), 5%  
**) y 10% (*).  
(
Elaboración propia.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
114  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
Pronóstico  
El pronóstico de las variables independientes 푳푷푰푩푪푬, 푳푪푬푹, 푳푪푮푨푺, 푳푪푷푬푻 para el  
periodo 2015-2025 se basa en la metodología del modelo autorregresivo, donde se asume un  
escenario de crecimiento promedio anual de 0,13%; 0,71%; 0,52% y 0,88% respectivamente. La  
Tabla 6 muestra los valores proyectados de las variables independientes.  
Tabla 1: Tabla de proyecciones de las variables independientes  
푨Ñ푶 푳푷푰푩푬푪 푳푪푬푹 푳푪푮푨푺 푳푪푷푬푻 푷푰푩푬푪  
푪푬푹  
푮푨푺  
푷푬푻  
(
dólares) (miles Kwh)  
(miles  
pies  
(barriles  
por año)  
cúbicos)  
835,097  
2
2
2
2
2
2
2
2
2
2
2
015  
016  
017  
018  
019  
020  
021  
022  
023  
024  
025  
8,551  
8,562  
8,573  
8,584  
8,595  
8,607  
8,618  
8,629  
8,640  
8,651  
8,662  
6,896  
6,947  
6,997  
7,048  
7,099  
7,149  
7,200  
7,251  
7,301  
7,352  
7,403  
6,728 1,801  
6,763 1,818  
6,799 1,834  
6,834 1,851  
6,870 1,867  
6,905 1,883  
6,941 1,900  
6,976 1,916  
7,012 1,932  
7,048 1,949  
7,083 1,965  
5171,754 988,519  
5229,554 1039,869  
5287,995 1093,886  
5347,095 1150,709  
5406,854 1210,484  
5467,282 1273,364  
5528,380 1339,510  
5590,165 1409,092  
5652,642 1482,289  
5715,816 1559,289  
5779,691 1640,288  
6,058  
6,158  
6,260  
6,363  
6,468  
6,575  
6,684  
6,794  
6,907  
7,021  
7,137  
865,320  
896,637  
929,087  
962,712  
997,554  
1033,657  
1071,066  
1109,829  
1149,995  
1191,615  
Elaboración propia  
Gráfico 1: Pronóstico LCO2CE.  
Fuente: Elaboración propia  
Bajo este escenario, el Gráfico 3 muestra los resultados del pronóstico de las emisiones  
de dióxido de carbono del consumo de energía en el Ecuador durante el periodo 2015-2025  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
115  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
(lco2ce ardl1 f_), los valores predichos del modelo ARDL en el periodo 1980-2014 (lco2_pred)  
y la serie original de las emisiones de CO2 del consumo de energía; todas estas presentadas en  
logaritmos y términos per cápita.  
Discusión  
En esta investigación se consideraron variables económicas relacionadas con las energías  
renovables y no renovables, además del PIB per cápita, sobre las emisiones de dióxido de  
carbono del consumo de energía en el Ecuador durante el periodo 1980-2014, bajo el enfoque de  
la Curva Medioambiental de Kuznets.  
Se planteó el supuesto del cumplimiento de la curva EKC, de tal manera que, a medida  
que el país va creciendo económicamente, el factor medioambiental empeorará hasta que los  
ingresos lleguen a un punto de inflexión, a partir del cual, por la propia dinámica de la teoría de  
la EKC, la calidad ambiental mejorará.  
Sin embargo, los resultados no permitieron verificar el cumplimiento de la hipótesis  
EKC, debido a que la elasticidad de largo plazo es mayor que la del corto plazo. Esto implica que  
las emisiones de dióxido de carbono del consumo de energía per cápita se incrementan con el  
tiempo a medida que existen mayores niveles de PIB per cápita. Además, el no cumplimiento de  
la hipótesis EKC impide predecir una futura disminución de la degradación ambiental frente a un  
mayor crecimiento económico, por lo tanto, en este caso el gobierno como ente legislativo,  
debería esforzarse en implementar instrumentos normativos y de regulación para que todos los  
sectores (público y privado) se orienten hacia un crecimiento económico con un manejo  
ambiental responsable ya que los datos analizados advierten que el deterioro ambiental no se  
corregirá por sí solo.  
Por otra parte, estos resultados indican que el consumo per cápita de energías de fuentes  
no renovables como el gas natural seco y el petróleo muestra un impacto directo sobre las  
emisiones de CO2, mientras que el consumo de electricidad de fuentes renovables per cápita no  
presentó una incidencia significativa estadísticamente. Es posible que este escenario haya  
cambiado con la inauguración en 2016 de Coca Codo Sinclair, la mayor central hidroeléctrica del  
país, y que cubre el 30% del consumo nacional.  
La relación atípica correspondiente al consumo de gas natural seco podría deberse a un  
efecto distorsionante de los subsidios relativos al gas que impiden una captura del  
comportamiento real de esta variable; así también, a un posible efecto sustitución entre el  
consumo de gas natural y leña como fuentes de energía, puesto que, esta última emite mayor  
contaminación que el consumo de gas. Se consideró también que, esta relación atípica podría  
estar afectada por una posible correlación negativa entre el consumo de gas y de petróleo, para lo  
cual se probó el modelo con la inclusión de una interacción entre estas dos variables, sin  
embargo, este coeficiente estimado tampoco fue significativo.  
Los resultados también muestran que, siendo la elasticidad del consumo de petróleo  
mayor que la elasticidad de consumo de gas natural seco, en relación con las emisiones,  
reemplazar el consumo de petróleo por el de gas disminuiría las emisiones del CO2; sin embargo,  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
116  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
una mejor alternativa ambiental y económica siempre será el uso de energías provenientes de  
centrales hidroeléctricas, campos eólicos y fotovoltaicos, conforme los objetivos del Plan  
Nacional de Desarrollo.  
Nuestro estudio en Ecuador coincide parcialmente con los resultados de Zambrano-  
Monserrate et al. (2018) en Perú, no verificándose la hipótesis EKC. Sin embargo, diferimos en  
que, en nuestro estudio, la variable del consumo de electricidad de fuentes renovables (LCER) no  
fue significativa y la del consumo de gas natural seco (LCGAS) mantiene una relación inversa  
con el deterioro ambiental en Ecuador.  
Por otra parte, estos resultados también difieren de los de Zambrano-Monserrate (2016)  
para el caso ecuatoriano como consecuencia de desagregar en nuestro modelo las energías  
renovables de las no renovables y considerar adicionalmente el incremento per cápita de las  
emisiones de CO2 que traen como consecuencia el no cumplimiento de la EKC.  
Los pronósticos realizados indican que, para el 2025 las emisiones de dióxido de carbono  
del consumo de energía aumentarán en el Ecuador posiblemente como consecuencia de una  
mayor tasa promedio anual de consumo de petróleo (0,88%) en comparación con la tasa de  
crecimiento promedio anual del consumo de electricidad de fuentes renovables (0,71%). Por lo  
tanto, los hacedores de políticas públicas en el Ecuador deberían enfocarse en la formulación de  
proyectos que faciliten el consumo de energías limpias lo cual es viable únicamente con el  
compromiso de la sociedad civil.  
Bibliografía  
Ahmad, N., Du, L., Lu, J., Wang, J., Li, H.-Z., & Hashmi, M. Z. (2017). Modelling the CO2  
emissions and economic growth in Croatia: Is there any environmental Kuznets curve?  
Energy, 123, 164-172.  
Banco Mundial. (2017). Ecuador: Panorama General. Recuperado el 11 de abril de 2018, de Banco  
Mundial: http://www.bancomundial.org/es/country/ecuador/overview  
Banco Mundial. (2018). Indicadores de Desarrollo Mundial. Recuperado el 15 de abril de 2018,  
de  
Banco  
de  
Datos  
del  
Banco  
Mundial:  
http://databank.bancomundial.org/data/reports.aspx?source=2&series=NY.GDP.PCAP.C  
D&country=#  
Ben Salha, O. (2013). Economic Globalization, Wages and Wage Inequality in Tunisia: An ARDL  
Bounds Testing Approach. Review of Middle East Economics and Finance, 9(3), 321-356.  
Doi: 10.1515/rmeef-2012-0037  
Bölük, G., & Mert, M. (2015). The renewable energy, growth and environmental Kuznets curve  
in Turkey: an ARDL approach. Renewable and Sustainable Energy Reviews, 52, 587–95.  
CEPAL. (4 de marzo de 2018). América Latina y el Caribe adoptan su primer acuerdo regional  
vinculante para la protección de los derechos de acceso en asuntos ambientales.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
117  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
Recuperado el 25 de abril de 2018, de Comunicado de Prensa de la CEPAL:  
https://www.cepal.org/es/comunicados/america-latina-caribe-adopta-su-primer-acuerdo-  
regional-vinculante-la-proteccion  
Constante, J. (10 de septiembre de 2016). Importancia de la energía eléctrica en el cambio de la  
matriz energética en Ecuador. El Telégrafo. Recuperado el 27 de abril de 2018, de  
https://www.eltelegrafo.com.ec/noticias/408/1/importancia-de-la-energia-electrica-en-el-  
cambio-de-la-matriz-energetica-en-ecuador  
Constitución de la República del Ecuador. (2008). Constitución de la República del Ecuador.  
Constitución de la República del Ecuador. Quito, Ecuador.  
Corporación Eléctrica del Ecuador CELEC. (s.f.). Cronología Paute Integral. Obtenido de  
https://www.celec.gob.ec/hidropaute/perfil-corporativo/cronologia.html  
Grossman, G. M., & Krueger, A. B. (1991). Environmental impacts of a North American free trade  
agreement. National Bureau of Economic Research.  
Grossman, G. M., & Krueger, A. B. (Mayo de 1995). Economic Growth and the Environment. The  
Quarterly Journal of Economics, 110(2), 353-377.  
Kılıç, C., & Balan, F. (2018). Is There an Environmental Kuznets Inverted-U Shaped Curve?  
PANOECONOMICUS, 65(1), 79-94. doi:https://doi.org/10.2298/PAN150215006K  
Kuznets, S. (1955). Economic growth and income inequality. The American economic review,  
4
5(1), 1-28.  
Ministerio Coordinador de Sectores Estratégicos. (2013). Balance Energético Nacional 2013. Año  
base 2012. Quito: MCSE.  
Ministerio del Ambiente del Ecuador. (2017). Tercera Comunicación Nacional del Ecuador sobre  
Cambio Climático. Quito, Ecuador.  
Narayan, P. K. (2005). The saving and investment nexus for China: evidence from cointegration  
tests. Applied Economics, 37(17), 1979-1990.  
Narayan, P. K., & Narayan, S. (2010). Carbon dioxide emissions and economic growth: Panel data  
evidence  
from  
developing  
countries.  
Energy  
Policy,  
38,  
661-666.  
doi:10.1016/j.enpol.2009.09.005  
Ozturk, I., & Acaravci, A. (2010). CO2 emissions, energy consumption and economic growth in  
Turkey. Renewable and Sustainable Energy Reviews, 14(9), 3220-3225.  
Pesaran, M. H., & Shin, Y. (1998). An Autoregressive Distributed Lag Modelling Approach to  
Cointegration Analysis. Econometric Society Monographs, 31, 371–413.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
118  
INNOVA Research Journal 2019, Vol 4, No. 2, pp. 102-119  
Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level  
relationships. Journal of Applied Cconometrics, 16(3), 289-326. doi:10.1002/jae.616  
Rodríguez-Méndez, M., Pena-Boquete, Y., & Pardo-Fernández, J. C. (2016). Revisiting  
Environmental Kuznets Curves through the Energy Price Lenses. Energy Policy, 95, 32-  
4
1. doi:https://doi.org/10.1016/j.enpol.2016.04.038  
Secretaría Nacional de Planificación y Desarrollo. (2007). Plan Nacional de Desarrollo 2007-2010.  
Planificación para la Revolución Ciudadana.  
Secretaría Nacional de Planificación y Desarrollo. (2013). Plan Nacional para el Buen Vivir 2013-  
2
017. Todo el Mundo Mejor. Ecuador.  
Secretaría Nacional de Planificación y Desarrollo. (2017). Plan Nacional de Desarrollo 2017-2021.  
Toda una Vida. Ecuador.  
Streimikiene, D. (2015). Environmental indicators for the assessment of quality of life. Intellectual  
Economics, 9, 67–79. doi:https://doi.org/10.1016/j.intele.2015.10.001  
Zambrano-Monserrate, M. A., García-Albán, F. F., & Henk-Vera, K. A. (2016). Bounds Testing  
Approach to Analyze the Existence of an Environmental Kuznets Curve in Ecuador.  
International Journal of Energy Economics and Policy, 6(2), 159-166.  
Zambrano-Monserrate, M. A., Silva-Zambrano, C. A., Davalos-Penafiel, J. L., Zambrano-  
Monserrate, A., & Ruano, M. A. (2018). Testing environmental Kuznets curve hypothesis  
in Peru: The role of renewable electricity, petroleum and dry natural gas. Renewable and  
Sustainable  
Energy  
Reviews,  
82(3),  
4170-4178.  
doi:https://doi.org/10.1016/j.rser.2017.11.005  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
119