Universidad de San Andrés
Trabajo de Licenciatura
Cambio de Horario y Consumo Eléctrico:
Experimento Natural
Autor: Diego Actis Legajo: 13003
Índice:
Introducción………Página 2
Consumo Energético y Hora..……….…Página 5
El Problema de la Longitud y la Latitud……….……Página 6
El Experimento……….……….……..Página 8
Datos………...…….Página 10
Resultados………....Página 16
Análisis de Robustez………Página 20
Conclusión………..….Página 29
Bibliografía………..Página 30
Introducción
Cuando a mediados de 2004 nueve provincias decidieron adoptar un horario diferenciado al
del resto del país, la discusión sobre la hora correcta para Argentina volvió a formar parte
de la agenda política nacional. En un contexto de crisis energética como el que se estaba
viviendo, encontrar que la adopción de husos horarios diferenciados por región contribuía
al ahorro de energía, resultaba relevante. La motivación de este trabajo nace a partir de la
polémica que la medida generó en la prensa nacional y provincial, donde se descalificó su
efectividad y remarcó los trastornos que generaba en la actividad económica. Sin embargo,
en ninguna de las publicaciones se hallaba algún análisis en donde se estudiase
correctamente la causalidad. Es más, tanto la implementación de la política como su
posterior abandono, fue realizada sin una base científica testable. Es por eso que una
correcta identificación de los efectos de la política puede ser de gran utilidad práctica, dado
que a partir de ello se puede realizar un análisis de costo-beneficio.
Dentro de la historia Argentina este tema ha suscitado controversias desde la fundación de
la Nación, evidenciando una vez más de la baja calidad institucional y falta de
profesionalismo político que caracteriza al país. A pesar del aparente consenso que se vivió
durante los últimos diez años, cuando se mantuvo un horario uniforme en todo el período,
la historia del horario muestra ser mucho más colorida.
En un primer momento, dada la falta de comunicaciones que existía, la hora de cada
localidad difícilmente podía determinarse con verdadera exactitud por falta de instrumentos
de medición apropiados. Así, en muchos pueblos, la gente solía ajustar sus relojes según la
hora relojero más cercano, que a menudo discrepaba con el de su colega en otra parte del
pueblo.
Quienes vivían en lugares apartados se valían de la hora deducida ―a ojo‖ de la posición del
Sol, o bien ajustaban sus relojes con los de ocasionales viajeros que paseaban por el lugar.
Estos, a su vez, habían regulado el suyo de acuerdo con la hora del lugar de partida.
A partir del advenimiento de los ferrocarriles y telégrafos, y durante el gradual período de
su instauración, los pueblos que se encontraban cerca de las estaciones graduaban sus
regulaba por la de la estación de partida o la estación terminal, según cual fuese la más
cercana.
De este modo, en las principales ciudades hubo hasta tres horas distintas, todas en uso para
cierto sector de la población: la hora de Buenos Aires, que rigió en virtud de las vías férreas
que partían de aquella ciudad; la hora de Córdoba, vigente para todos los telégrafos de la
Nación y varias líneas férreas, y por último, la hora local.
Como, por ejemplo, la diferencia horaria entre Buenos Aires y Córdoba alcanza a 23m. 18s,
resultaba que en una reunión de varias personas con relojes que marchaban regularmente
podía haber diferencias de hasta media hora. Por otra parte, como hasta 1871 no existieron
observatorios astronómicos en nuestro suelo, era casi imposible tomar con exactitud el
tiempo medio.
El resultado era que todas las ciudades argentinas ponían la hora arbitrariamente.
Un principio de orden dentro de esta anarquía empezó a notarse recién en 1891 cuando por
primera vez el Concejo Deliberante del Municipio de Rosario, sancionó una ordenanza
declarando hora legal de esa ciudad el tiempo medio de Córdoba Capital. Siguió a esta
importante iniciativa la sanción de la ley provincial de fecha 9 de noviembre de 1892 que
fijó como hora legal para todo el territorio de la provincia de Santa Fe el tiempo medio del
meridiano del Observatorio de Córdoba.
Bajo la presidencia de Luis Sáenz Peña se sancionó un decreto que ordenaba a todas las
oficinas nacionales regirse, a partir del 1° de noviembre de 1894, por la hora del meridiano
del Observatorio Nacional de Córdoba. +4h 16m 48,2s.
Pero toda esta discusión cambió de foco, una vez que fue instrumentado el Sistema de
Horarios Internacionales. Con el objetivo de estandarizar la medición del tiempo en todo el
mundo, a principio del siglo pasado se resolvió dividir al planeta en 24 franjas horarias (o
husos) de 15° de longitud cada una. Por convención, se decidió asignarle el hh0 al
meridiano de Greenwich y, a partir de éste, se construyó el resto del sistema.
Nuestro país tiene una longitud aproximada de 18°, haciendo la misma superior a la de una
franja horaria. Esto no constituiría un problema serio si la mayor parte de Argentina
la división entre los husos +5 y +4 separa por el centro a nuestro país, generando
discusiones sobre el horario correcto a adoptar. Las alternativas son mantener dos husos
diferenciados entre el Este y el Oeste, ó forzar un mismo horario para todo el territorio.
[insertar mapa con usos]
Debido a que la zona más densamente poblada de Argentina se encuentra dentro del hh+4,
se tomo a esto como razón suficiente para justificar la implementación de este huso como
hora oficial para todo el territorio nacional. De hecho, la Ley 25.155 impulsada por el
oficial. Sin embargo, la adopción de un huso conlleva importantes implicaciones
económicas que no pueden ser ignoradas. Una de ellas es la variación en el consumo de
energía causada por esta decisión gubernamental. A continuación se explicará el
mecanismo por el cuál ocurre este fenómeno.
Consumo Energético y Hora
El siguiente esquema sirve para explicar como se afecta el consumo de energía eléctrica, a
partir del huso horario adoptado. El mismo está construido con datos para la Ciudad de
Bueno Aires en el mes de junio, y representa la exposición a la luz solar que hay en un día
de este mes. El huso horario utilizado es el +4.
Cre p úsculo m a tutino Cre p úsculo ve sp e rtino
Hora rio b a jo hh+ 4
0:00hs 24:00hs
Día lum ínic o
Día no lum ínico Día no lum ínico
06:30hs 17:15hs
En invierno (mes de junio) en Buenos Aires hay un promedio de 10 45’ horas de luz solar.
Adoptando el hh+4, el sol sale a las 06:30 de la mañana y se pone a las 17:15 de la tarde.
Sin embargo, el grueso de las actividades de la ciudad comienza un poco más tarde de las
06:30 y finaliza pasada la hora de la puesta del sol, 17:15. Es decir, si bien todo el
movimiento matutino se realiza con luz solar, la gran mayoría de las actividades de tarde
continúan una vez que el sol ya se puso, consumiendo más energía eléctrica. Ahora veamos
que sucede si en lugar de adoptar el hh+4, se adelantase una hora adoptando el
h+3.
Cre p úsculo m a tutino Cre p úsculo ve sp e rtino
Hora rio b a jo hh+ 4
0:00hs 24:00hs
Día lum ínic o
Día no lum ínico Día no lum ínico
06:30hs 17:15hs
07:30h 18:15hs
Bajo el hh+3 en el mes de junio en Buenos Aires, amanece a la hora 07:30 y oscurece a la
hora 18:15. Como el horario ―nominal‖ de las actividades de la población no varía, ahora
una parte de las actividades matutinas no contarán con luz solar y por ende consumirán más
energía eléctrica. Sin embargo, el nuevo horario brinda una hora más de luz solar a las
actividades vespertinas ahorrando energía. Estudios empíricos demostraron que el ahorro
que se logra por las tardes es mayor que el consumo extra que hay por la mañana bajo el
hh+3, y por lo tanto éste es el horario adoptado en nuestro país. (Tersoglio: 2002)
El Problema de la Longitud y la Latitud
Si bien es claro que para las ciudades que se encuentran en longitudes cercanas a la de
Buenos Aires, el huso horario más eficiente en cuanto ahorro de energía es el +3, ésta regla
pierde utilidad a medida que el observador se desplaza hacia el Oeste. Debido a la curvatura
natural de la Tierra, ocurre que cuando el sol se está ocultando en Buenos Aires, en
ciudades como Mendoza aún queda aproximadamente unos cincuenta minutos luz solar
disponible. Casi equivalentemente, cuando está amaneciendo en la capital, aún faltan
cuarenta minutos para poder ver amanecer en Mendoza. Este amanecer tardío brinda una
oportunidad para ahorrar energía retrazando una hora el horario para las provincias del
Oeste.
La diferencia en el horario del amanecer entre la región de Oeste y el Este del país, implica
que una parte importante de la actividad matutina en la primer región se realice sin luz
solar; consumiendo energía eléctrica. De retrasarse una hora en esta zona (es decir, de
adoptarse el hh+4) se obtendría iluminación solar gratuita por la mañana. La contrapartida
de ésta medida será que ahora en el Oeste oscurecerá una hora más temprano, relativo a su
horario anterior. Para tener alguna utilidad, la adopción del nuevo huso debe al menos
producir un ahorro neto de energía. Lo que por el momento parece claro es que de
producirse un ahorro, el mismo se derivará fundamentalmente de los consumos de
iluminación que realiza la población. A continuación, se presenta un esquema que ilustra la
situación actual y el cambio hipotético, tomando horarios del amanecer para el mes de junio
Cre p úsculo m a tutino Cre p úsculo ve sp e rtino
Bue no Aire s b a jo hh+ 3
0:00hs 24:00hs
Día lum ínic o
Día no lum ínico Día no lum ínico
07:30hs 18:15hs
08:10hs 19:05hs
Me nd oza b ajo hh+ 3
0:00hs 24:00hs
07:10hs 18:05hs
Me nd oza b ajo hh+ 4
24:00hs 0:00hs
Supongamos que en la región Oeste del país, la actividad matutina comienza alrededor de
las 07:00 hs. Dado que bajo el hh+3 para ciudades como Mendoza amanece a las 08:10 hs,
se consumen unos 50 minutos de energía eléctrica solamente en iluminación. A esto hay
que sumarle los consumos de otras actividades que requieren energía. Si en cambio se
adoptase el hh+4, el horario del amanecer pasaría a ser 07:10 hs. Como la población no
varía el horario nominal al que comienzan sus actividades, las mismas continuarían
iniciándose a las 7:00 hs. La diferencia crucial está entonces en que ahora sólo serán
necesarios 10 minutos de iluminación artificial, en contrapartida con la situación anterior en
que eran necesarios 50 minutos. Inversamente, el cambio de horario dejará menos
actividades vespertinas iluminadas con luz solar, cambiando la hora de puesta del sol de
19:05 hs a 18:05 hs. El cambio de consumo que genera la política proviene nuevamente del
neto de las variaciones de consumo,
consumo matutino +
consumo vespertino = Ahorro/Desahorro NetoContrariamente a al efecto que tiene la longitud, el cual puede permitir una disminución del
consumo de energía, la latitud en la que se encuentran ubicados los centros de consumo
elimina la posibilidad de ahorro. La razón por la cuál esto ocurre es porque a medida que
los nos desplazamos al sur, los horarios de exposición solar varían más drásticamente. Más
específicamente, en las provincias del sur durante el verano la exposición solar es muy
en el sur, durante el invierno las actividades comenzarán y terminarán en la oscuridad y a la
inversa en el verano. Esto hace que la medida no tenga utilidad alguna para esta región.
Sin embargo, para poder identificar correctamente un efecto causal, se debe contar con una
estrategia de identificación que pueda sortear los problemas de endogeneidad conocidos.
Afortunadamente, es posible estudiar los efectos del cambio de política dentro de un
Experimento Natural. El mismo es definido como ―…un evento exógeno—por lo general
un cambio en una política gubernamental—que cambia las condiciones bajo las cuales los
individuos, las familias, las firmas o las ciudades operan. Un experimento natural siempre
cuenta con un grupo control, que no es afectado por el cambio de política, y un grupo
tratamiento, que se piensa afectado por el cambio.‖ (Wooldrige: 1997).
El Experimento
Para la descripción del experimento, es necesario comenzar delineando los grupos control y
tratamiento. Las provincias que adoptaron el nuevo horario conforman el tratamiento de la
medida y son: Tucumán, La Rioja, Catamarca, San Juan, Mendoza, San Luis, Chubut,
Santa Cruz y Tierra del Fuego. Como grupo control actuarán aquellas provincias que no
realizaron cambio alguno. Debido a que la motivación de adoptar el nuevo horario surgió
de la iniciativa de las provincias en el grupo tratamiento, se puede decir que el cambio fue
exógeno por lo que se puede considerar al mismo como un experimento natural.
Adicionalmente, dado que se está estudiando el consumo de energía en distintas provincias
en períodos de tiempo sucesivos, se puede pensar a los datos como un panel. Simplemente
hay que corroborar que la política tuvo variabilidad en tiempo y espacio.
Ahora bien, al momento de analizar los determinantes del consumo de energía, es posible
identificar un número de variables que permanecen fijas durante períodos cortos de tiempo,
pero que tienen un impacto significativo en plazos más prolongados. Por nombrar algunas,
el porcentaje de población urbana, el tendido del alumbrado público, los hábitos nocturnos
de la población o incluso la cantidad de bienes de alto insumo energético en uso (heladeras,
estufas de cuarzo, etcétera) constituyen ejemplos de estas variables. Otro ejemplo
importante es el partido político que se encuentra en el gobierno, dado que su conducta en
lo que hace al gasto público puede afectar el consumo eléctrico. Teniendo en consideración
realizar un estudio con efectos fijos para la identificación. En la Tabla I que a continuación
se presenta, se indica la fecha y las provincias en que ocurrió el cambio, para corroborar
que existe variabilidad en tiempo y espacio de la política.
Tabla I: Cambios de Horario en 2004.
Fecha Cambios
23 de Mayo de 2004 Mendoza adopta el hh+4
01 de Junio de 2004 Tucumán, La Rioja, Catamarca, San Juan, San Luis, Chubut, Santa Cruz y Tierra del Fuego adoptan el hh+4
13 de Junio de 2004 Tucumán abandona el hh+4
20 de Junio de 2004 La Rioja, Chubut, Santa Cruz y Tierra del Fuego regresan al hh+3. Catamarca lo hace el seis días más tarde.
25 de Julio de 2004 San Juan regresa al hh+3
1° de Septiembre de 2004 San Luis regresa al hh+3
15 de Octubre de 2004 Mendoza regresa al hh+3
El modelo con efectos fijos que se plantea es entonces de la forma:
CONSUMO i t = 1 hh4 + s’ luminosidad i t + s’ clima i t + s’ otros controles + i + i t
en donde CONSUMO i t representa el consumo de energía en la provincia i en el período t y
hh4 es una dummy para indicar si la provincia adoptó el huso horario +4. 1 es parámetro
de interés del estudio y representa el ahorro / desahorro de energía atribuible a la medida.
Los controles por luminosidad en la región y tiempo, y clima por región y tiempo
(temperaturas en el período, etc.) se encuentran potencialmente correlacionados con la
decisión de adoptar el hh+4 y, por lo tanto, no pueden ser ignorados. El efecto fijo por
provincia representado por i desaparecerá una vez que se apliquen alguno de los métodos
de estimación en paneles. A continuación se presenta una tabla en la que se detallan todas
las variables control que se utilizarán más adelante en las regresiones.
Tabla II: Descripción de Variables
Variable Detalle
HH+4(i,t) Es la variable de interés del estudio; su valor es 1 si la provincia cambió el horario.
Pico(i,t) Indica el horario en el que se produjo el pico de demanda.
Puesta(i,t) Indica el horario en que se pone el sol.
Salida(i,t) Indica el horario en que sale el sol.
Viento(i,t) Velocidad Promedio Diaria del Viento Escalar.
Temperatura(i,t) Temperatura Promedio Diaria.
Lluvia(i,t) Toma el valor 1 si se registraron precipitaciones.
Milímetros(i,t) Milímetros cúbicos de precipitaciones.
D1(i,t) - D6(i,t) Variables Binarias para los días de la semana, siendo D1 Martes hasta D6 Domingo
Datos
Los datos de energía provienen de la Compañía Administradora del Mercado Mayorista
Eléctrico (CAMMESA), con una periodicidad diaria, para las demandas privadas y públicas
de pequeños y medianos usuarios. Así, en ellos se reflejan los consumos de la población en
general, el alumbrado público, los organismos estatales, las escuelas y hospitales, etcétera.
Por razones de seguridad y privacidad, los datos no contemplan los consumos de los
grandes usuarios de cada provincia. En esta categoría se encuentran empresas que por su
actividad insumen grandes cantidades de energía, como ser altos hornos de fundición,
automotrices y metalmecánicas o petroquímicas. Sin embargo, no es interesante buscar una
alteración en el consumo atribuible al cambio de horario en estas empresas, dado que sus
necesidades energéticas están regidas por las condiciones de mercado de sus productos. En
otras palabras, la producción es lo que insume gran cantidad de energía, y no la iluminación
como en el caso de la población en general. Difícilmente encontremos entonces un efecto
significativo en este tramo de la demanda, dado que los ahorros potenciales que puede tener
el cambio de horario provienen principalmente de la iluminación. (Tersoglio, 2002)
Por otra parte, los datos abarcan a todas las provincias argentinas a excepción de Santa
Cruz, Chubut y Tierra del Fuego. Para estas tres provincias no se hallan tabulados
correctamente los consumos de energía por no encontrarse conectadas al Sistema de
Despachos Nacional, y si bien existen registros de consumo, los mismos tienen solo
periodicidad mensual. Por otro lado, estos registros son muy parciales dado que no
contemplan muchos casos de autogeneración y generación aislada, dos prácticas muy
comunes en la zona. Es por eso que se tendrá que prescindir de estas provincias en el
estudio. Esto no necesariamente implica un inconveniente insalvable; como se comentó
anteriormente, la extrema latitud sur de estas provincias elimina virtualmente cualquier
posibilidad de ahorro.
La distribución del consumo eléctrico entre estas provincias se concentra en aquellas que
poseen grandes centros urbanos y económicos, como se puede apreciar en el Gráfico I.
Juntos, el Gran Buenos Aires, la provincia de Buenos Aires, Santa Fé y Córdoba agrupan el
Gráfico I: Promedio de Consumo Diarios (MWh)
0 10000 20000 30000 40000 50000 60000 70000 80000 90000 100000 J u ju y S a lt a C ó rd o b a S a n ti a g o C a ta m a rc a Tu c u m á n S a n J u a n L a R io ja S a n L u is M e n d o z a N e u q u é n L a P a m p a R N e g ro B s A s S a n ta Fé E R io s C o rr ie n te s C h a c o Fo rm o s a M is io n e s G B APor otro lado, en todas las provincias se encuentra un patrón de consumo por hora muy
similar en cuanto a los horarios de pico de consumo y valles. Como se aprecia en el Gráfico
II, en la mayoría de las provincias hay dos incrementos de demanda; uno por la mañana y
otro mucho mayor por la noche. Ya se ha explicado que la introducción del nuevo horario
debería reducir el incremento que ocurre en la mañana y aumentar el de la noche,
produciendo un ahorro/desahorro del neto de las variaciones.
Gráfico II: Esquema de Consumo Horario (Mwh)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hora
M
W
Del análisis de los datos surge otra particularidad. A medida que se desplaza el análisis de
las provincias del Este a las del Oeste, el horario promedio de pico de demanda se retraza.
Es decir, en las provincias con longitud similar a la de Buenos Aires el pico ocurre
alrededor de las 20:10 hs, mientras que para aquellas situadas en la cordillera ocurre más
cercano a las 21:00 hs. Los picos de demanda también tienen un comportamiento
estacional. En la mayoría de las provincias se observa que en los meses de invierno la
máxima potencia demandada ocurre más temprano que en los de verano. Estas dos
características dan indicios de que los picos de consumo de energía están correlacionados
positivamente con los horarios de puesta del sol, hecho que se constata en la Tabla I del
Anexo. En el Este el sol se pone más temprano que en el Oeste y, en promedio, el pico de
demanda ocurre más temprano en la primer región que en la segunda. Por otro lado, a
medida que avanzan las estaciones frías el horario de puesta del sol se adelanta, al igual que
el pico de demanda. A continuación se presentan dos gráficos para ejemplificar estos
comportamientos. En el gráfico III se ha omitido las provincias de La Rioja y Misiones,
dado que son outliers claros respecto al resto de la muestra. Cuando en todas las provincias
la mayoría de los picos de consumo se encuentran dentro de la franja horaria que va de las
20:00 hs a 21:10 hs, en La Rioja y Misiones ocurren a las 15:20 hs y 17:26 hs
respectivamente. Las provincias aparecen ordenadas en el eje de coordenadas según la
longitud de su capital.
Gáfico III: Horario de Pico Promedio de Demanda, por provincia.
Gráfico IV: Picos de Demanda Promedio por
Mes. (Datos Salta)
19:40 19:55 20:09 20:24 20:38 20:52 21:07 21:21
Enero
F
ebrero Marz
o
Abril May
o
J
unio Julio
Agos
to
Sept
iem
bre
Oc
tubre
N
ov
iem
bre
D
ic
iem
bre
En principio, la correlación de los picos de demanda con los horarios de puesta del sol
puede ser una característica negativa para el objetivo del ahorro de energía. Esto se debe a
que si toda la demanda horaria estuviese fuertemente correlacionada con la posición del sol,
entonces la población no variaría sus actividades frente a los cambios de horario. Es decir,
seguiría consumiendo la misma cantidad de energía, solo que una hora desfasada con
respecto a la situación anterior. Sin embargo, como la correlación no es perfecta, aún es
posible que se obtenga un pequeño ahorro por la medida.
Para salvar los problemas potenciales de falta de robustez que conlleva el hecho que la
demanda se concentre en las zonas más habitadas, se ha dividido los consumos por cada mil
(1000) habitantes de cada provincia. Esta estandarización hace que la magnitud de la
variable explicada sea comparable entre distintas regiones, y debería brindar robustez a los
coeficientes de los controles frente a cambios de la muestra. En el Gráfico V se verifica los
efectos de esta estandarización, la cuál reduce drásticamente la varianza de la demanda
Gráfico V: Demanda por cada 1000 habitantes
(MWh)
0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 Ju ju y S a lt a C ó rd o b a S a n ti a g o C a ta m a rca Tu cu m á n S a n Ju a n L a R io ja S a n L u is M e n d o za N e u q u é n L a P a m p a R ío N e g ro B u e n o s A ir e s S a n ta Fé E n tr e R ío s C o rr ie n te s C h a co Fo rm o sa M isi o n e s G B AExiste aún un problema más que debe verificarse en la data antes de proceder con las
estimaciones. El mismo refiere a la tendencia que hay entre los consumos del grupo control
y del grupo tratamiento, y es explicado a partir del siguiente gráfico.
A
B
Tiempo Tiempo C o n su m o C o n su m o Tenden cia Control Tendencia
Control
Tendencia Tratamiento
Tendencia Tratamiento
I ntroducción
Tratamiento I ntroducciónTratamiento
Gráfico VI: Problema de Tendencia
Para poder identificar correctamente el efecto causal de la medida, se debe verificar que la
sea igual. Esto es lo que sucede en la situación ―A‖ del Gráfico VI. De no ocurrir esto,
puede confundirse el efecto que se está estudiando con una cuestión de tendencia. Para
ejemplificar la última aseveración es conveniente pensar el siguiente escenario. Si uno
procediese con la estimación en una situación como la que aparece en el caso ―B‖, llegaría
a la conclusión que el nuevo de horario produjo una reducción en el consumo dentro del
grupo tratamiento. Sin embargo, esta aproximación sería errónea pues este grupo ya
mostraba una tendencia de ahorro previa a la introducción del cambio. Es decir, estaría
confundiendo un efecto causal con uno pertinente a la dinámica de la variable estudiada. Si
por el contrario, los grupos control y tratamiento compartiesen la misma tendencia previa a
la nueva política, los cambios que se sucedan posterior a la introducción el HH+4 podrán
sospecharse que son consecuencia de la nueva política.
Para verificar que no se está frente al problema recién descrito, es necesario testar si las
tendencias de los dos grupos resultan estadísticamente distintas. Mediante el uso de
variables binarias se plantea el siguiente modelo:
CONSUMO i t = 1 eneroT i t + 2 febreroT i t + 3 marzoT i t + 4 abrilT i t + 1 eneroC i t + 2
febreroC i t + 3 marzoC i t + 4 abrilC i t + i + i t
en donde las variables finalizas en ―T‖ valen 1 si la provincia pertenece al tratamiento y se
encuentra en el mes indicado y cero en el caso contrario. Similarmente, las terminadas en
―C‖ toman valor 1 si la provincia pertenece al grupo control y se encuentra en el mes
indicado. Las hipótesis a testarse son:
HO1:
HO2 :
HO3 :
HO4 :
HO5 :
La hipótesis alternativa en todos los casos es que la igualdad no se cumple. Al correr la
regresión y realizarse los test no se encuentra evidencia suficiente como para rechazar HO
en ninguno de los casos. En la Tabla III se especifican los niveles de los test que permiten
Tabla III: Niveles de Rechazo
Hipótesis P-Valor
HO1 0.3581
HO2 0.3395
HO3 0.9166
HO4 0.0790
HO5 0.2694
Resultados
Antes de proceder con las estimaciones es conveniente realizar el Test de Identificación de
Hausman para elegir entre los distintos métodos de panel existentes. La hipótesis nula de
dicho test es que la estimación por efectos aleatorios es preferible dado que sus
estimaciones son consistentes y eficientes. La alternativa es que la estimación por efectos
fijos es preferible dado que al menos es consistente. Al correr dicho test con las 21
provincias analizadas se encuentra que la hipótesis nula es rechazable a un nivel del
significatividad inferior al 1%, por lo que se procederá con estimaciones por efectos fijos.
En la Tabla IV se presentan los primeros resultados del estudio.
Tabla IV: Resultados Efectos Fijos 21 Provincias
Coeficiente Error Estándar Z P-Valor Intervalo de confianza del 95%
HH+4 -0.00344 0.031 -0.110 0.911 -0.063 0.057
Pico -0.02168 0.002 -11.670 0.000 -0.025 -0.018
Puesta -0.07786 0.072 -1.080 0.279 -0.219 0.063
Salida 0.41983 0.070 6.030 0.000 0.283 0.556
Martes 0.14830 0.019 7.680 0.000 0.110 0.186
Miércoles 0.14355 0.019 7.420 0.000 0.106 0.181
Jueves 0.13450 0.019 6.990 0.000 0.097 0.172
Viernes 0.10562 0.019 5.490 0.000 0.068 0.143
Sábado -0.26313 0.019 -13.520 0.000 -0.301 -0.225
Domingo -0.68440 0.019 -35.240 0.000 -0.722 -0.646
Viento -0.00537 0.001 -5.600 0.000 -0.007 -0.003
Temperatura 0.03607 0.002 23.270 0.000 0.033 0.039
Febrero -0.26734 0.030 -9.050 0.000 -0.325 -0.209
Marzo -0.41277 0.036 -11.350 0.000 -0.484 -0.341
Abril -0.76587 0.054 -14.310 0.000 -0.871 -0.661
Mayo -0.75318 0.067 -11.260 0.000 -0.884 -0.622
Junio -0.81534 0.068 -12.040 0.000 -0.948 -0.683
Julio -0.77158 0.062 -12.420 0.000 -0.893 -0.650
Agosto -0.69842 0.054 -13.000 0.000 -0.804 -0.593
Septiembre -0.57844 0.053 -10.940 0.000 -0.682 -0.475
Octubre -0.30742 0.062 -4.960 0.000 -0.429 -0.186
Noviembre 0.01377 0.060 0.230 0.819 -0.104 0.132
Diciembre 0.30805 0.039 7.930 0.000 0.232 0.384
Lluvia -0.02340 0.013 -1.760 0.079 -0.049 0.003
Milímetros3 0.00182 0.001 2.510 0.012 0.000 0.003
Como se puede observar, la variable de interés cuenta con el signo esperado aunque su
medida produciría un ahorro diario de 0.00344 MWh por cada mil habitantes para las
provincias que la adoptaron. Este valor implicaría un impacto casi nulo en los consumos de
las provincias que lo adoptaron. La Tabla V evidencia esto último, mostrando que el ahorro
que generaría en una región arbitraria no llega la 0.8 por mil. Sin embargo, no hay que
olvidar que a los fines estadísticos la medida tuvo un impacto nulo.
Tabla V: Comparación Porcentual
MWh de Ahorro MWh Consumo Promedio ‰
Tucumán 4.606 4510.06 1.02
San Luis 1.266 2776.03 0.46
San Juan 2.134 2866.53 0.74
Salta 3.713 2778.59 1.34
Mendoza 5.436 9104.91 0.60
La Rioja 0.998 2066.51 0.48
Jujuy 2.106 1387.66 1.52
Córdoba 10.554 16976.93 0.62
Catamarca 1.151 1550.06 0.74
Neuquén 1.632 2275.81 0.72
Región 33.597 46293.09 0.73
Esto se contradice con las afirmaciones que realizaron algunos gobernadores y funcionarios
de las provincias que realizaron el cambio. Por ejemplo, en el diario mendocino ―Los
Andes‖ del 20 de Mayo de 2004 se reporta a funcionarios del gobierno provincial
augurando un ahorro del 10% al 15% gracias a la medida. En otros casos, como el del
gobierno de San Luis, al momento de abandonar la medida no se reconoció su ineficacia.
En su lugar se afirmó que la medida ya había hecho su contribución al plan de ahorro y
podía ser descartada. Por otro lado, en Tucumán se declaró que la medida tenía un impacto,
pero era muy pequeño y por ello se la abandonaba. Es de sospechar que muchas de las
afirmaciones fueron realizadas a partir de meras de diferencias de medias. Por ejemplo,
cuando en San Juan se señalaba un ahorro de alrededor del 6% consumo proyectado (Diario
de Cuyo: 21/VI/2004), si se calcula la diferencia de las medias de consumos en esa
provincia pre y post tratamiento resulta un valor del 8,5%. Atribuir linealmente esa
reducción al nuevo horario constituye un grave error de identificación.
Salvo ciertas excepciones, el resto de las variables resultan significativas a niveles
inferiores al 5% y su signo es el esperado. Por ejemplo, se observa una notable disminución
de la semana. El coeficiente positivo para Temperatura indica que a medida que se
incrementa la misma en un grado aumenta la demanda eléctrica, probablemente con fines
de refrigeración. Este último efecto se deja entrever también en las variables de meses; a los
meses más cálidos le corresponden coeficientes mayores que los fríos. Los días de lluvia
hay un menor consumo debido quizás a la menor actividad general que se genera. Sin
embargo, esta reducción tiende a anularse a medida que la intensidad de las precipitaciones
aumenta, como indica el coeficiente de Milímetros3. El coeficiente de Salida indica que
mientras más tarde amanezca, mayor será el consumo, dado que más actividad matutina
ocurre sin iluminación solar. De igual manera, el coeficiente negativo para Puesta indica
que a medida que oscurece más tarde hay menor consumo eléctrico en iluminación, aunque
este último resultó no significativo. Sin embargo, se esperaba que para la variable Pico el
coeficiente tuviese signo positivo, dado que cuanto más tarde ocurre el pico de demanda
mayor debía ser el consumo por contarse con menor luz natural. Esta intuición no se
encuentra en los resultados y el coeficiente de la variable es significativo.
Ahora bien, cuando se comentó la estrategia de estimación se sugirió un posible sesgo de
selección entre las provincias que adoptaron el hh+4. Básicamente, existe un mecanismo de
auto selección entre las provincias al momento de cambiar de horario dado que solo lo
hicieron aquellas que encontraban algún beneficio potencial en la medida. Este beneficio se
deriva de la ubicación geográfica; aquellas provincias que se encuentran más al Oeste
tienen más posibilidades de concretar un ahorro de y por ello adoptaron la medida. Es
posible pensar entonces que no se encuentren resultados significativos para HH+4 dado que
la muestra con que se está trabajando no sea comparable entre sí. Esto se debe a que
podrían existir otros factores geográficos que no se encuentran correctamente capturados
por el efecto fijo ―i‖, ni controlados por otras variables. Una alternativa para resolver este
problema es realizar el mismo experimento, pero podando la muestra de modo tal que sólo
se incluyan provincias del Oeste. Esta alternativa serviría para homogeneizar los aspectos
heterogéneos no controlados subyacentes en las 21 regiones. Con este fin, adoptaremos una
definición operativa de ―Oeste‖ como aquellas provincias que se hallan a la izquierda del
meridiano 60º O, por donde pasa el HH+4. Así, esta nueva muestra está constituida por
Jujuy, Salta, Catamarca, Tucumán, Santiago del Estero, Córdoba, La Rioja, San Juan, San
Adicionalmente, sería de interés correr el experimento deshaciéndose de aquellas
provincias que puedan considerarse outliers en la muestra general y verificar la robustez de
los resultados. En este sentido, se ha mencionado que tanto La Rioja como Misiones
cuentan con patrones de consumo energético muy diferentes al del resto de la muestra,
sobre todo en lo que hace al horario de pico de demanda. También con el objetivo de probar
la robustez, es de interés realizar las estimaciones prescindiendo de la Provincia de Buenos
Aires y el Gran Buenos Aires, zonas en las que se concentra la demanda. En la Tabla VI se
sintetizan los resultados hallados mediante efectos fijos en las 21 provincias originales y las
del Oeste. También se muestran los resultados cuando no se incluyen en la muestra los
outliers y cuando se excluye el Gran Buenos Aires y el resto de la provincia. El p-valor de
las variables se encuentra entre paréntesis.
Tabla VI: Comparación de Resultados
General General (i) General (II) General (III) Oeste Oeste (IV)
Julio -0.7716 (0.000) -0.3822 (0.000) -0.7606 (0.000) -0.7240 (0.000) -0.6149 (0.000) -0.4314 (0.000) Agosto -0.6984 (0.000) -0.4279 (0.000) -0.7114 (0.000) -0.6793 (0.000) -0.5841 (0.000) -0.4437 (0.000) Septiembre -0.5784 (0.000) -0.3933 (0.000) -0.6001 (0.000) -0.5733 (0.000) -0.5178 (0.000) -0.4117 (0.000) Octubre -0.3074 (0.000) -0.2026 (0.013) -0.3357 (0.000) -0.3144 (0.000) -0.2566 (0.001) -0.1888 (0.009) Noviembre 0.0138 (0.819) 0.0258 (0.745) -0.0196 (0.735) -0.0236 (0.688) 0.0312 (0.685) 0.0435 (0.535) Diciembre 0.3081 (0.000) 0.2286 (0.000) 0.2619 (0.000) 0.2565 (0.000) 0.2791 (0.000) 0.2556 (0.000) Lluvia -0.0234 (0.079) -0.0024 (0.896) -0.0212 (0.096) -0.0199 (0.127) -0.0142 (0.431) -0.0052 (0.746) Milímetros 0.0018 (0.012) 0.0004 (0.744) 0.0021 (0.002) 0.0021 (0.003) -0.0006 (0.659) 0.0005 (0.666)
(I) No incluye Provincia de Buenos Aires ni Gran Buenos Aires. (II) No incluye La Rioja ni Misiones.
(III) No incluye La Rioja, Misiones, Provincia de Buenos Aires ni Gran Buenos Aires. (IV) No incluye La Rioja.
En lo que respecta a la variable de interés, se observa que la misma carece de
significatividad y robustez frente a cambios en la muestra. Por lo tanto, no es posible
afirmar que la medida haya tenido un impacto real.
Por otro lado, es posible observar que los coeficientes de los controles permanecen robustos
ante cambios de la muestra, sobre todos aquellos que resultaron significativos en la
regresión general. La interpretación de los mismos se sigue manteniendo como variaciones
por cada mil habitantes.
Análisis de Robustez:
A continuación se analizaran un número de factores que pudieron haber afectado al
tratamiento, produciendo una baja significatividad para el coeficiente de HH+4. Una vez
resueltos estos problemas potenciales, se realizará nuevamente el estudio para verificar la
robustez de los resultados hasta ahora conseguidos.
Una primera cuestión a analizar es si las regresiones anteriores no se encontraban influidas
por una cuestión dinámica. En este sentido, es posible pensar que la población en general
pudo llegar a tener cierta demora para asimilar el nuevo horario, por lo que no reaccionaron
inmediatamente al cambio sino que fueron asimilándolo en un tiempo más prolongado. Si
este fuera el caso, esta conducta podría afectar al coeficiente de HH+4 dado que para los
el objetivo de investigar esta hipótesis se modificó la variable de interés de modo tal que
contenga rezagos para los primeros días de la política, a fin de capturar el período de
adaptación de la población general. La tabla VII sintetiza los resultados de la variable de
interés modificada con hasta cinco rezagos. Los resultados para los controles se encuentran
en las Tablas II a VI del anexo, aunque vale mencionar que permanecen robustos a este
cambio y al cambio de región. El p-valor se encuentra entre paréntesis.
Tabla VII: Resultados Coeficiente HH+4 con Rezagos
General General (I) General (II) General (III) Oeste Oeste (IV)
HH+4 Lag (0)
-0.0034 (0.911) -0.0398 (0.222) 0.0092 (0.752) 0.0348 (0.217) -0.0137 (0.675) -0.0285 (0.333)
HH+4 Lag (1)
0.0005 (0.986) 0.0291 (0.340) 0.0113 (0.699) 0.0367 (0.195) -0.0094 (0.774) -0.0256 (0.387)
HH+4 Lag (2)
0.0051 (0.870) 0.0332 (0.278) 0.0144 (0.624) 0.0395 (0.166) -0.0043 (0.896) -0.0216 (0.466)
HH+4 Lag (3)
0.0140 (0.653) 0.0417 (0.175) 0.0217 (0.461) 0.0464 (0.105) 0.0056 (0.865) -0.0131 (0.660)
HH+4 Lag (4)
0.0161 (0.608) 0.0434 (0.161) 0.0239 (0.420) 0.0483 (0.094) 0.0076 (0.818) -0.0101 (0.735)
HH+4 Lag (5)
0.0272 (0.388) 0.0548 (0.078) 0.0294 (0.324) 0.0538 (0.063) 0.0205 (0.539) -0.0041 (0.892)
(I) No incluye Provincia de Buenos Aires ni Gran Buenos Aires. (II) No incluye La Rioja ni Misiones.
(III) No incluye La Rioja, Misiones, Provincia de Buenos Aires ni Gran Buenos Aires. (IV) No incluye La Rioja.
La Tabla VI muestra que existe alguna evidencia para considerar que existió en la
población una reacción aletargada frente al cambio de horario. Esto se refleja en cuatro de
las seis regiones analizadas (General, General (I), General (II) y General (III)), en donde
significatividad del coeficiente mejora a medida que se incrementa el número de rezagos.
Sumado a esto mejora, existe cierta robustez en el valor del coeficiente intra-rezagos de una misma región. Sin embargo, si se analiza los valores para HH+4 de un mismo rezago,
se sigue evidenciando falta de robustez y significatividad frente a cambios en las regiones.
Estos comportamientos no permiten realizar nuevas afirmaciones sobre el impacto de la
medida; la baja relevancia estadística y debilidad sigue presente en la mayoría de los casos.
Por ello no se puede contradecir los resultados iniciales y, en el mejor de los casos, se
puede llegar a pensar que la política generó desahorro de energía en las provincias tratadas.
Aún queda por indagar en una hipótesis más que puede estar afectando los resultados de la
variable de interés. Investigando en artículos de prensa de los diarios locales de la época, es
posible ver que existía gran incertidumbre en cuanto a la eventual aplicación y duración de
fuertes presiones por parte de grupos a los cuales la medida perjudicaba. Y estas presiones
no pasaban desoídas; en la mayoría de los casos llegaban a la prensa local profundizando
las especulaciones respecto a la continuidad de la política. Es posible que esta falta de
certeza haya puesto a los individuos frente a un juego en donde debían tomar decisiones sin
conocer el estado de la naturaleza en donde se encontraban. Más formalmente, la toma de la
decisión de adaptarse a la nueva política puede pensarse como un juego simultaneo con
información perfecta, realizando ciertos supuestos. Para simplificar el análisis, supongamos
que existen solo dos jugadores con pagos simétricos que tienen que decidir si adaptarse al
nuevo horario o no, en el mismo momento. Adaptarse conlleva un costo operativo que
valuaremos arbitrariamente en -2. Por otro lado, si ambos jugadores deciden adaptarse
reciben un beneficio de 5, resultando su pago neto 3 (neto del costo de adaptación).
Finalmente, supongamos que existe una penalidad por no adaptarse cuando el otro
individuo lo hizo, valuada en -3. En el siguiente esquema, se observa la representación
gráfica del juego y se indican los equilibrios en estrategias puras para el mismo.
Adaptarse No Adaptarse
A
d
a
p
ta
rs
e
N
o
A
d
a
p
ta
rs
e
3
3
-3
-2
0
0
-3
-2
En el juego planteado, existen dos equilibrios en estrategias puras: (Adaptarse, Adaptarse) y
(No Adaptarse, No Adaptarse). En la literatura de Juegos está probado que en un juego
simultáneo de dos jugadores con dos estrategias puras y dos equilibrios existe siempre un
tercer equilibrio con estrategias mixtas en el cuál los jugadores deciden entre sus
alternativas por medio de probabilidades. Es decir, un equilibrio en donde los jugadores
juegan adaptarse con probabilidad ―p‖ y no adaptarse con probabilidad ―1-p‖, estando ―p‖
Si bien el juego es una simplificación de la realidad, extrapolando la existencia de
equilibrios con estrategias mixtas que se dan en el mismo, podemos realizar una hipótesis
interesante para el estudio. Para empezar, vale decir que en la realidad existían mucho más
que dos individuos que tomaban la decisión adaptarse o no al cambio de horario. Por otro
lado, la simetría en los pagos tampoco puede mantenerse en una situación real, dado que
era posible encontrar grupos de interés a favor y en contra de la política. Sin embargo, al
analizar la decisión individual de cada jugador, se sigue manteniendo el hecho de que él no
cuenta con información perfecta sobre que es lo eligen los n-1 jugadores restantes. Más
aún, no es descabellado considerar que cada individuo realiza su elección en base a la
probabilidad que le asigna a las decisiones que ya tomaron los n-1 jugadores restantes. Es
decir, considera que la ―naturaleza‖ mueve primero y luego formándose expectativas sobre
esa elección, decide que mover. Bajo este esquema la decisión se reduce a comparar los
pagos esperados de una estrategia con otra. Así, utilizando los pagos del ejemplo anterior y
considerando a ―p ( i )‖ la probabilidad que el individuo asigna a que la naturaleza eligió
adaptarse, el mismo compara:
Pago (Adaptarse) = 3 p ( i ) – 2 (1 – p ( i )) = p ( i ) – 2
Pago (no Adaptarse) = – 3 p ( i )
Para cada jugador existe una p ( i ) a partir de la cuál elegirá siempre una alternativa o la
otra. Si el accionar de grupos de interés que combaten la medida puede interpretarse como
un elemento que afecta individualmente la percepción de ―p ( i )‖, puede llegarse a un caso
en que la mayoría de la población elige no adaptarse. Por ello, a pesar que corría la ley en
cada provincia que mandaba el huso horario +4, los individuos pudieron no modificar sus
actividades, dado que no deseban incurrir en el costo de adaptación cuando el resto no lo
hacía. Simplemente, si antes realizaban una actividad a las 12:00hs ahora pasaban a
realizarlas a las 11:00hs del nuevo horario, sin realizar realmente una modificación.
Si esta fuera la realidad, entonces la variable HH+4 estaría emulando un comportamiento
erróneo pues aunque nominalmente las provincias se encontraban bajo ese horario, en la
práctica la población actuaba como si se encontrase en el HH+3. Esto podría jugar en
contra de la significatividad y el valor de la variable de interés, como ya se ha dicho. Por
otro lado, en la realidad sucedió que tres provincias abandonaron rápidamente el nuevo
horario mientras que las otras permanecieron mucho más tiempo. Puede considerarse
elevado que en el resto del tratamiento, afectando a HH+4. Si bien este hecho no constituye
evidencia para remarcar la existencia del juego planteado, aún vale la pena realizar el
análisis para brindar robustez a los resultados hallados.
Aún resta justificar porque en estas provincias la incertidumbre puede ser mayor que en las
otras tres; pues esta no es una condición que se derive del planteo anterior. Es posible
pensar que dada la duración que la política tuvo para el grupo de Mendoza, San Luis y San
Juan, elegir ―no adaptarse‖ en ellas por un período muy prolongado sería muy costoso. De
esta forma podemos centrarnos en posibles problemas que afectaron a HH+4 en Tucumán,
Catamarca y La Rioja. A continuación se plantean escenarios bajos los cuáles la variable de
interés debe ser modificada.
Una primera alternativa es realizar el estudio prescindiendo de los datos de las tres
provincias que abandonan el tratamiento primero. Puede ocurrir que existan características
no controlables que afectaron especialmente a este grupo, las cuales llevaron a un rápido
abandono de la política. Por ejemplo, el descontento general resultante del cambio de
horario o la popularidad del gobierno. Si fuera el caso que HH+4 no resulta significativa
debido al accionar en estas provincias, su eliminación depuraría el grupo tratamiento de
este problema. En la Tabla VII se presentan los resultados para HH+4 de esta hipótesis y se
incluyen cinco rezagos para verificar algún efecto dinámico. El resto de los controles
resulta robusto aunque no se incluyen por conveniencia de espacio.
Tabla VIII: Resultados Sin Tucumán, Catamarca y La Rioja, con Rezagos
General General (I) General (II) General (III) Oeste
HH+4 Lag (0)
0.0118 (0.711)
0.0410 (0.185)
0.0040 (0.899)
0.0329 (0.285)
-0.0398 (0.222)
HH+4 Lag (1)
0.0130 (0.683)
0.0421 (0.175)
0.0051 (0.872)
0.0339 (0.273)
-0.0378 (0.248)
HH+4 Lag (2)
0.0148 (0.645)
0.0435 (0.163)
0.0069 (0.829)
0.0354 (0.254)
-0.0353 (0.281)
HH+4 Lag (3)
0.0203 (0.528)
0.0487 (0.119)
0.0126 (0.695)
0.0407 (0.191)
-0.0288 (0.381)
HH+4 Lag (4)
0.0213 (0.508)
0.0495 (0.114)
0.0135 (0.675)
0.0414 (0.185)
-0.0273 (0.408)
HH+4 Lag (5)
0.0280 (0.387)
0.0564 (0.073)
0.0199 (0.537)
0.0479 (0.126)
-0.0204 (0.537)
(I) No incluye Pro vincia de Buenos Aires ni Gran Buenos Aires. (II) No incluye La Rioja ni Misiones.
(III) No incluye La Rioja, Misiones, Provincia de Buenos Aires ni Gran Buenos Aires.
Analizando el coeficiente ―HH+4 Lag (0)‖ se observan los mismos problemas anteriores:
los resultados anteriores. Se sigue observando indicios de un período de adaptación en el
aumento de significatividad de los coeficientes rezagados. No se puede entonces descartar
los resultados iniciales.
Una segunda opción es incluir estas provincias pero forzar que la variable HH+4 tome
valor cero durante todo el año para ellas. La interpretación de esta modificación es que los
individuos de estas tres provincias decidieron no adaptarse nunca a la medida.. En la Tabla
IX se analiza esto.
Tabla IX: Resultados Modificando HH+4
General General (I) General (II) General (III) Oeste Oeste (IV)
HH+4 Lag (0)
0.0580 (0.084) 0.0888 (0.007) 0.0045 (0.884) 0.0306 (0.309) 0.0507 (0.150) -0.0285 (0.359)
HH+4 Lag (1)
0.0582 (0.085) 0.0888 (0.008) 0.0055 (0.858) 0.0315 (0.296) 0.0506 (0.152) -0.0268 (0.390)
HH+4 Lag (2)
0.0590 (0.081) 0.0893 (0.007) 0.0071 (0.821) 0.0327 (0.280) 0.0514 (0.147) -0.0249 (0.425)
HH+4 Lag (3)
0.0637 (0.060) 0.0937 (0.005) 0.0125 (0.690) 0.0378 (0.213) 0.0562 (0.113) -0.0190 (0.544)
HH+4 Lag (4)
0.0639 (0.061) 0.0935 (0.005) 0.0133 (0.671) 0.0384 (0.207) 0.0560 (0.116) -0.0178 (0.571)
HH+4 Lag (5)
0.0713 (0.037) 0.1011 (0.003) 0.0198 (0.530) 0.0450 (0.140) 0.0643 (0.072) -0.0111 (0.725)
(I) No incluye Provincia de Buenos Aires ni Gran Buenos Aires. (II) No incluye La Rioja ni Misiones.
(III) No incluye La Rioja, Misiones, Provincia de Buenos Aires ni Gran Buenos Aires. (IV) No incluye La Rioja.
La Tabla IX plantea algunos desafíos a los primeros resultados del estudio. En primer lugar,
se observa que HH+4 Lag (0) mejora notablemente su significatividad con respecto a los
valores anteriores. En segundo lugar, se encuentra mayor robustez entre los coeficientes
más significativos, aunque en la mayoría de los casos la significatividad continúe siendo
baja. Finalmente, se observa que el signo de la variable de interés ahora indicaría un
desahorro a raíz de la política. Ahora bien, ¿constituyen estas características evidencia
suficiente para descartar los primeros resultados? La respuesta más prudente es no, pues
descansan en un gran número de supuestos no verificables empíricamente, siendo el más
fuerte el que asume HH+4 igual a cero para todo el período. En última instancia, si llegaran
a ser correctos, al menos no cambian el sentido general de las conclusiones que se han
hallado. La política continúa sin cumplir el objetivo con que fue diseñada.
Finalmente, un tercer caso interesante sería estudiar si los individuos incorporan la
Releyendo el cronograma con el que se produjeron los cambios, se advierte que cinco de las
seis provincias ingresaron al nuevo huso simultáneamente: Tucumán, La Rioja, Catamarca,
San Luis y San Juan. Éste ingreso simultáneo pudo haber enviado una señal de continuidad
de la medida, llevando a más individuos a elegir ―adaptarse‖. Sin embargo, tan solo once
días después de haber adoptado el cambio, Tucumán anuncia que volverá al horario anterior
en un día. Esto desencadenó una ola de especulaciones en otras provincias que culminó con
anuncios similares para La Rioja y Catamarca el 15 y 23 de junio, respectivamente. ¿Puede
pensarse que los habitantes de La Rioja y Catamarca incorporaron el anuncio de Tucumán
antes que se abandone el horario oficialmente? ¿Reaccionaron los tucumanos
inmediatamente después del anuncio del abandono, anterior al abandono formal?
¿Reaccionaron los habitantes de las otras provincias a sus propios anuncios? Teniendo en
mente estos interrogantes, se plantean los siguientes escenarios para ser testados:
-A: a partir del anuncio de Tucumán, para esta provincia HH+4 vale cero. Las otras
provincias no incorporan el anuncio y mantienen su valor de HH+4. No se incluyen rezagos
en la reacción pues el anuncio es un día anterior al abandono formal del tratamiento.
-B: a partir del anuncio de Tucumán, para La Rioja y Catamarca HH+4 también vale cero.
Rezagos en la reacción.
-C: a partir del anuncio de Tucumán, La Rioja y Catamarca esperan sus propios anuncios
para hacer HH+4 cero. Rezagos en la reacción individual.
De resultar significativo y robusto el coeficiente para modificado HH+4 en estos
escenarios, se puede sospechar que la variable de interés contaba con errores de medición
pues ignoraba el comportamiento descrito. Adicionalmente, se puede hallar ciertos indicios
de cuál fue el mecanismo de contagio y reacción en otras provincias, gracias a los rezagos
en las reacciones. A continuación, se presentan las Tablas XI a XVIII, en donde se exploran
las últimas ideas desarrolladas.
Tabla XI: Caso A
General Oeste General (I) General (II)
HH+4
-0.0058 (0.848)
-0.0165 (0.614)
0.0228 (0.450)
0.0198 (0.512)
El caso A no difiere en gran medida de los hallazgos iniciales. El coeficiente indica un
ahorro no significativo y no robusto. Esto hace descartar el mecanismo que se propuso para
este caso. Las tablas para el Caso B que a continuación se presentan pueden suponer cierta
dificultad inicial para interpretarlas. Las mismas dan cuenta de dos efectos de rezago: el
primero es el de la reacción al tratamiento (i.e. retrazo en ajustar comportamiento una vez
que se introduce el nuevo horario). El segundo es el de la reacción al abandono del
tratamiento (i.e. retrazo en ajustar comportamiento una vez que se anuncia que se
abandonará el nuevo horario). Es importante diferenciar entre los dos, ya que uno ocurre
para los primeros días en que HH+4 vale uno, y el otro en medio del experimento. En las
tablas, el primer rezago está indicado como siempre por ―HH+4 Lag(x)‖, mientras que el
segundo lo señalan los superíndices de las regiones.
Tabla XII: Caso B, Región General
General (I) General (II) General (III) General (IV)
HH+4 Lag (0)
0.0298 (0.345) 0.0281 (0.373) 0.0254 (0.419) 0.0268 (0.393)
HH+4 Lag (1)
0.0013 (0.967) 0.0326 (0.303) 0.0299 (0.344) 0.0313 (0.321)
HH+4 Lag (2)
0.0058 (0.851) 0.0379 (0.235) 0.0351 (0.270) 0.0140 (0.653)
HH+4 Lag (3)
0.0148 (0.635) 0.0480 (0.136) 0.0451 (0.160) 0.0464 (0.147)
Tabla XIV: Caso B, Región General excluido el GBA y Provincia de BA
General* (I) General* (II) General* (III) General* (IV)
HH+4 Lag (0)
0.0596 (0.056) 0.0577 (0.064) 0.0545 (0.079) 0.0559 (0.071)
HH+4 Lag (1)
0.0298 (0.329) 0.0621 (0.047) 0.0589 (0.059) 0.0602 (0.053)
HH+4 Lag (2)
0.0339 (0.268) 0.0670 (0.034) 0.0637 (0.043) 0.0651 (0.038)
HH+4 Lag (3)
0.0425 (0.168) 0.0767 (0.016) 0.0733 (0.021) 0.0746 (0.018)
Tabla XV: Caso B, Región Oeste
Oeste (I) Oeste (II) Oeste (III) Oeste (IV)
HH+4 Lag (0)
0.0211 (0.528) 0.0190 (0.568) 0.0166 (0.617) 0.0185 (0.577)
HH+4 Lag (1)
0.0211 (0.528) 0.0190 (0.568) 0.0166 (0.617) 0.0185 (0.577)
HH+4 Lag (2)
-0.0088 (0.788) 0.0237 (0.478) 0.0213 (0.523) 0.0232 (0.486)
HH+4 Lag (3)
-0.0037 (0.911) 0.0294 (0.382) 0.0269 (0.422) 0.0288 (0.390)
Nuevamente estos resultados apuntan a la no significatividad de la medida. Si bien quizás
los coeficientes muestran un poco más de robustez que en los casos anteriores (en especial
HH+4 Lag(0) para la región General y la Oeste en todos los rezagos), esto no es suficiente
para avalar la descripción del Caso B. Es decir, no se halla evidencia que el coeficiente de
HH+4 hubiera estado afectado por un efecto contagio entre las provincias.
Las tablas para el Caso C tienen la misma estructura que las del B; dos rezagos indicados
por ―HH+4 Lag(x)‖ y por los superíndices de las regiones.
Tabla XVI: Caso C, Región General
General (I) General (I) General (I) General (I)
HH+4 Lag (0)
0.0207 (0.504) 0.0193 (0.531) 0.0155 (0.614) 0.0118 (0.701)
HH+4 Lag (1)
0.0251 (0.422) 0.0237 (0.446) 0.0198 (0.523) 0.0160 (0.606)
HH+4 Lag (2)
0.0300 (0.339) 0.0286 (0.361) 0.0246 (0.430) 0.0207 (0.505)
HH+4 Lag (3)
0.0396 (0.210) 0.0381 (0.227) 0.0340 (0.279) 0.0300 (0.338)
Tabla XVII: Caso C, Región General excluido el GBA y Provincia de BA
General* (I) General* (II) General* (III) General* (IV)
HH+4 Lag (0)
0.0498 (0.104) 0.0485 (0.112) 0.0448 (0.142) 0.0411 (0.177)
HH+4 Lag (1)
0.0539 (0.080) 0.0526 (0.087) 0.0488 (0.111) 0.0451 (0.141)
HH+4 Lag (2)
0.0585 (0.059) 0.0572 (0.064) 0.0533 (0.084) 0.0494 (0.108)
HH+4 Lag (3)
0.0676 (0.030) 0.0662 (0.033) 0.0622 (0.045) 0.0583 (0.060)
Tabla XVIII: Caso C, Región Oeste
Oeste (I) Oeste (II) Oeste (III) Oeste (IV)
HH+4 Lag (0)
0.0122 (0.710) 0.0109 (0.739) 0.0069 (0.834) 0.0029 (0.929)
HH+4 Lag (1)
0.0168 (0.611) 0.0154 (0.639) 0.0113 (0.730) 0.0074 (0.823)
HH+4 Lag (2)
0.0222 (0.503) 0.0208 (0.529) 0.0167 (0.614) 0.0126 (0.702)
HH+4 Lag (3)
0.0326 (0.328) 0.0311 (0.349) 0.0269 (0.418) 0.0227 (0.492)
(I) No hay rezagos frente al anuncio del abandono de la medida. (II) Hay un día de rezago frente al anuncio de la medida. (III) Hay dos días de rezago frente al anuncio de la medida. (IV) Hay tres días de rezago frente al anuncio de la medida.
Como se puede ver analizando las últimas tres tablas, tampoco se encuentra evidencia de
descrito en el Caso C. Los rezagos en la reacción al anuncio del abandono de la política no
permiten describir un comportamiento nuevo. Se mantiene entonces la afirmación que la
política tuvo un impacto nulo en el consumo energético.
Conclusión:
Luego de estudiar el efecto causal del cambio de horario sobre el consumo de energía se
concluye que el mismo es nulo. Este resultado es robusto a un gran número de estudios
complementarios que intentan encontrar errores de medición en la variable de tratamiento.
No se encontró evidencia de que la falta de significatividad estuviera relacionada a un
rezago en la reacción de la población a la introducción de la política. Sin embargo, se
encontraron indicios de que estos rezagos ocurrieron, dada la mejora paulatina de la
significatividad de los coeficientes de la variable rezagada. Por otro lado, tampoco se halló
indicios de que los resultados iniciales fueran afectados por cuestiones no controladas en
las provincias que abandonan el tratamiento primero. Esto testó suprimiendo a La Rioja,
Catamarca y Tucumán de la muestra.
El único desafío a las conclusiones del estudio se encontró cuando se incluyo a las
provincias anteriormente nombradas, pero se simuló su no adhesión al tratamiento. Sin
embargo, dado que los resultados de esta simulación no fueron robustos y descansaban en
fuertes suposiciones, se descartó su relevancia.
Finalmente, se platearon tres mecanismos de transmisión de información entre los
individuos de cada provincia que no se hallaban contemplados inicialmente. Estos
mecanismos descansan en una posible forma que los habitantes de cada provincia tienen
para tomar su decisión de adherir al cambio de horario. Ninguno de estos tres mecanismos
permitió refutar las conclusiones de las primeras regresiones, descartando a los mismos
como errores de medición de la variable tratamiento.
Los resultados hallados son no menores, sobre todo si se ponen a la luz de los trastornos
que el cambio de horario originó en el tratamiento. Desde problemas logísticos hasta
problemas fisiológicos de dificultades para dormir, el cambio de horario generó un gran
número de disrupciones en la sociedad sin un beneficio detectable de ahorro energético;
Bibliografía:
Tersoglio Jorge et al, Estudio de Consultoría Energética – Secretaría de Energía de La
Nación, 2002, Instituto Tecnológico de Buenos Aires.
Wooldrige
Gibbons
