Manresa, A. y Sancho, F. 2004.

Machine Translated by Google
Vea discusiones, estadísticas y perfiles de autor para esta publicación en: https://www.researchgate.net/publication/228854492
Intensidades energéticas y emisiones de CO 2 en Cataluña: un análisis SAM

Artículo · Enero 2004
CITAS LEE
49 77
2 autores:
antonio manresa Ferrán Sancho

Universidad de Barcelona Universidad Autónoma de Barcelona
45 PUBLICACIONES 465 CITAS 55 PUBLICACIONES 819 CITAS
VER EL PERFIL VER EL PERFIL
Todo el contenido que sigue a esta página fue subido por Antonio Manresa el 09 de julio de 2014.
El usuario ha solicitado la mejora del archivo descargado.

En t. J. Medio ambiente, lugar de trabajo y empleo, vol. 1, núm. 1, 2004 91
Intensidades energéticas y emisiones de CO2 en Cataluña: una

análisis SAM
Antonio Manresa*
Departament de Teoría Econòmica y CREB,
Facultat de Ciencies Econòmiques, Universitat
de Barcelona, Avda. Diagonal 690 08034-
Barcelona, España
Correo electrónico: manresa@ub.edu
*Autor correspondiente
Ferrán Sancho
Departamento de Economía y CREA,
Universitat Autònoma de Barcelona,
08193-Bellaterra, España
Correo electrónico: ferran.sancho@uab.es
Resumen: En este trabajo estimamos intensidades energéticas sectoriales y emisiones de CO2

emisiones para la economía catalana. Para evaluar las intensidades de energía,
utilizamos el análisis multiplicador SAM (Social Accounting Matrix) aplicado a un
Matriz de Contabilidad Social de la economía. Las emisiones de CO2 se estiman mediante el submodelo
insumo-producto Leontief del SAM, junto con una tabla de coeficientes de emisiones por unidad de gasto
monetario. Esta nueva metodología nos permite prescindir de tablas de entrada-salida de energía para la
base
período. Nuestros resultados son del mismo orden de magnitud que otros obtenidos por
metodos de medicion fisica. También simulamos cómo los cambios en la demanda y
Los parámetros de eficiencia energética pueden afectar las emisiones de CO2 para la economía.
Palabras clave: multiplicadores SAM de energía; Matriz de Contabilidad Social; CO2

emisiones
La referencia a este trabajo debe hacerse de la siguiente manera: Manresa, A. y Sancho, F.

(2004) 'Intensidades energéticas y emisiones de CO2 en Cataluña: un análisis SAM', Int. J. Medio
ambiente, lugar de trabajo y empleo, vol. 1, núm. 1, págs. 91–106.
Notas biográficas: Antonio Manresa (1954) es Catedrático de Teoría Económica de la Universitat de

Barcelona (España) y Director del Centro de Investigación en Economía del Bienestar de la misma
Universidad. Obtuvo su Ph.D. en la Universidad de Minnesota. Está interesado en la microeconomía y la
economía pública.
Ferran Sancho (1953) es Catedrático de Economía en la Universitat Autónoma de Barcelona. Obtuvo su

Doctorado en la Universitat Autónoma de Barcelona. Sus campos de interés son la modelización CGE y
las finanzas públicas.
Copyright © 2004 Inderscience Enterprises Ltd.

92 A. Manresa y F. Sancho
1. Introducción
El proposito de este papel es en dos sentidos. En primer lugar, medimos las intensidades de energía totales
asociados a diferentes actividades productivas. En segundo lugar, evaluamos el impacto ambiental (emisiones
de CO2 ) de las actividades de producción y consumo de la región.
Economía de Cataluña, España. Para lograr estos objetivos, utilizamos el conocido SAM lineal
metodología para calcular multiplicadores de energía simples y extendidos y CO2 derivado
emisiones Desarrollamos la Matriz de Contabilidad Social (SAM) regional [1] comenzando con
un cuadro de insumo-producto regional para 1987 [2] y cuentas gubernamentales y regionales complementarias.
Desafortunadamente, esta tabla de insumo-producto es la última tabla oficial disponible. los
información estadística contenida en el SAM nos permite calcular la energía extendida
multiplicadores que abarcan un conjunto más amplio de interdependencias que los simples multiplicadores de
Leontief. El cómputo de las emisiones de CO2 , por su parte, sigue el estándar
procedimiento iniciado por Leontief [3] pero requiere una conversión a unidades monetarias para ser
Operacional. Los coeficientes de emisión generalmente se calculan en términos de unidades físicas que
no se pueden usar directamente en el modelo lineal estándar basado en la identificación del valor
unidades con unidades físicas ficticias. Se puede encontrar una excelente descripción general de los diferentes
enfoques y aplicaciones del modelo lineal a la economía ambiental y de recursos en Hawdon y Pearson [4]. Las
aplicaciones energéticas específicas a la economía española son
revelado en Alcantara y Roca [5], quienes emplean el análisis de entrada-salida para medir la energía
demanda y emisiones de CO2 ; y Antón y de Bustos [6] y Antón et al. [7] que utilizan la tabla input-output
energético de la economía española de 1985 para evaluar las emisiones de CO2
bajo escenarios alternativos de crecimiento [8]. Nuestra propuesta aquí es usar el SAM regional y una facilidad
de conversión para coeficientes de emisión que simplifica el cálculo numérico
implementación, evitando así la necesidad de utilizar una tabla de entrada-salida de energía completa para el
período en consideración.
La medición de las emisiones de CO2 por el uso de combustibles fósiles también se ha realizado mediante
procedimientos de seguimiento físico. Este es el planteamiento de Baldasano [9]
quien presenta una estimación temporal de las emisiones de CO2 del área metropolitana de Barcelona más las
estimaciones del Departamento de Medio Ambiente del gobierno regional
[10–11]. Vale la pena mencionar, en este punto, que nuestras estimaciones económicas (Tabla 7 a continuación)
de las emisiones totales, si no son iguales, son de un orden de magnitud bastante similar a las
obtenidos en los trabajos antes mencionados. Esto respalda y valida nuestro enfoque.
En la segunda sección del artículo presentamos, de manera unificada, el análisis multiplicador simple
(entrada-salida) y extendido (SAM) y calculamos las intensidades energéticas de la base de datos (Tablas 1–3).
El resultado más destacable es la disparidad en la medida de las intensidades energéticas en función de la
matriz multiplicadora seleccionada, especialmente
cuando el sector externo es endogenizado (Cuadro 4). Por lo tanto, omitir los vínculos industria-factores-ingresos
puede sesgar la medida estándar de Leontief. Un segundo resultado es que los sectores energéticos se
encuentran entre los de mayor intensidad energética (ver el ordenamiento en el Cuadro 3).
Los cinco sectores energéticos se encuentran dentro de los primeros ocho sectores dominantes en lo que a
intensidad energética se refiere.
En la Sección 3, describimos el modelo económico de emisiones de CO2 y procedemos a evaluar las
emisiones totales como subproductos de la actividad económica distinguiendo entre producción
y emisiones originadas por el consumo. Nuestras estimaciones muestran que, del estimado de 1987 de 27
millones de toneladas métricas de emisiones de CO2 , alrededor de 20 millones de toneladas corresponden a
actividades de producción y siete millones de toneladas a demanda final. A modo de comparación, no económico.
las estimaciones arrojan unas 24 millones de toneladas métricas para el ámbito geográfico catalán. Nosotros
Intensidades energéticas y emisiones de CO2 en Cataluña: un análisis SAM 93
también estiman una reducción del 12% en las emisiones que seguiría a un aumento del 10% en la
eficiencia energética. A modo de ejemplo, el sector de las refinerías de petróleo contribuiría a siete de estos
12 puntos porcentuales. Finalmente, estimamos una medida esquemática de la relación entre el
crecimiento económico y las emisiones. Calculamos que, de media, un aumento del 1% en la demanda
final supondrá un aumento de las emisiones del 0,634%. Concluimos el artículo con una discusión de
las limitaciones de los resultados y algunas posibles extensiones.
2 Intensidades energéticas para la economía de Cataluña
Es bien sabido que se pueden derivar simples multiplicadores contables a partir de la cantidad
ecuación del modelo de Leontief Y = A·Y + D, donde:
• Y representa la producción bruta total
• D es la demanda final
• A es una matriz de requisitos de insumos unitaria.
De aquí, y bajo los supuestos técnicos habituales, se obtiene la forma reducida

Y = (I – A)–1·D que muestra cómo la demanda final se traduce en producción total. el leontief
inversa (I – A)–1 comprende, por columnas, toda la información del multiplicador simple. Se denominan
multiplicadores 'simples' porque se omiten todos los efectos de retroalimentación entre la producción, el
ingreso de los factores, la distribución del ingreso y la demanda final. El llamado modelo SAM, en
por otro lado, extiende el modelo de Leontief para capturar estos extensos vínculos. un SAM
El modelo se construye a partir de una base de datos SAM. Considere una matriz cuadrada n x n donde
cada fila y columna representa una cuenta económica (sectores de producción, consumidores, gobierno,
cuenta de capital, etc.) que satisface una restricción presupuestaria (el ingreso total es igual a
gastos totales). Cada componente Yij de la matriz representa el flujo bilateral entre la cuenta i y la cuenta
j. Debido a la restricción presupuestaria, se cumple lo siguiente:
norte norte
yo = Y ;Yj Y
_
== ÿ iij 1,2,..., norte
ÿ=== ij j1,2,..., norte
j 1 i 1
La primera sumatoria indica los desembolsos totales por cuenta i recibidos por la cuenta j; la segunda
suma muestra el ingreso total de la cuenta j y su origen en la cuenta i. Definamos
el coeficiente de gasto medio aij = Yij / Yj , i, j = 1,2,…, n. Estos coeficientes muestran los pagos a la
cuenta i por unidad de ingreso de la cuenta j. A partir de esta definición podemos escribir:
norte metro mk+
yo
_ =
ÿ ÿyoY(j
/ AA j
j ) ÿ= =ÿ + ÿ
a Y ij j una ÿ
yo j Y (1)
j =1 j 1 jm= + 1
Donde n = m + k, ym y k denotan una clasificación de las cuentas SAM en cuentas endógenas y

exógenas. Los índices m y k particionan la SAM n x n en cuatro submatrices que denotaremos:
amm = = (aij), i 1,2,..., m Amk ; j = 1,2,...., metro
= a , =
i 1,2,..., mm ; j = +1, m + 2,...., m + k
( ) ij
Akm= ( a) ij , =
yo mm +1, + 2,...., m + k ; j = 1,2,...., m
Akk=(un) ij , i = mm 1,
+ +2,...., m + k ; j = milímetro +1,+2,...., metro + k
Si Ym e Yk denotan el ingreso total para las cuentas m endógenas y k exógenas, podemos resolver para Ym
y obtener:
Yamm= m Ym + Amk ÿYk

ÿ
YI 1
A m Amk
ÿ
metro
=ÿ
( ) Y
metro
ÿ ÿ
k (2)
YI
ÿ
1 Z
metro
=ÿ
( amm ) ÿ
–1 es la matriz de
Donde Z representa el vector de flujos exógenos y (I – Amm)
multiplicadores 'extendidos' o SAM. Tenga en cuenta que la selección de m , es decir, la decisión sobre qué
cuentas se toman como endógenas, depende de la naturaleza del problema en cuestión.
y/o el grado de endogeneidad deseada. Por ejemplo, es fácil verificar que
el modelo de Leontief se reduce a un caso particular del modelo SAM donde m es el número de sectores
productivos y Z en (2) coincide con el vector de demanda final D. Por lo tanto,
Y = Ym y A = Amm.
La diferencia entre multiplicadores simples y extendidos se deriva del hecho de que
La matriz Amm puede incluir vínculos adicionales más allá de los vínculos entre industrias. Cuando esto
es el caso, A será una submatriz adyacente de Amm. En nuestro caso, incorporaremos cuentas adicionales
extraídas de las cuentas de demanda final. El modelo SAM nos permite
para calcular las intensidades energéticas directas e indirectas mediante el uso de matrices multiplicadoras
simples y extendidas como requisitos de insumos totales por unidad de cada bien sectorial en
la economía.
Los resultados que aparecen en las Tablas 1–4 corresponden a un sector productivo de 23
clasificación (la descripción del nombre completo está en las tablas). De estos, cinco son sectores energéticos
[12]:
1 carbón (2)
2 petróleo crudo y gas natural (3)
3 petróleo refinado (4)
4 electricidad (5)
5 gas, vapor y agua de calefacción (6).
En cada tabla, las filas muestran la intensidad energética o el contenido energético de cada uno de los 23
sectores de producción (en orden de intensidad decreciente) y para cada uno de los cinco bienes energéticos.
La intensidad energética mide la entrada de energía neta total (directa e indirecta)
Requisitos para cada bien. Dado que la base de datos SAM se expresa en unidades monetarias
(pesetas españolas), la habitual identificación de unidades físicas ficticias con unidades que valen una unidad
monetaria nos permite utilizar los datos disponibles sin conocer las unidades físicas reales.
unidades de cada sector. Leyendo las filas en la Tabla 1 (donde mostramos las intensidades basadas en
simples multiplicadores), se puede ver, por ejemplo, que la producción de una unidad neta de bien
1 ('agricultura') requiere directa e indirectamente 0,0030 unidades (o pesetas, no
materia) de 'carbón (2)', 0,0049 unidades de 'petróleo crudo y gas natural (2)', y así sucesivamente.
La suma de todas las entradas de esta fila produce una intensidad energética compuesta de 0,0333 unidades.
Denotamos esta cifra, una medida agregada de la intensidad energética asociada a la
producción de una unidad neta de un bien, como efecto compuesto.
tabla 1 Multiplicadores de energía simples
2. Carbón 3. Petróleo y 4. Refinado 5. Electricidad 6. Gas, vapor, efecto

Bueno
gas natural agua de calefacción de petróleo compuesto
6. Gas, vapor, agua de calefacción 0,0013 0.2951 0.1773 0.0484 0.0265 0.5486
4. Petróleo refinado 0.0003 0.3231 0.0410 0.0152 0.0083 0.3879
5. Electricidad 0.0201 0.0097 0.0084 0.1392 0.0304 0.2078
8. Materiales de construcción 0.0166 0.0106 0.0196 0.0670 0.0192 0.1330
9. Productos químicos 0.0011 0.0166 0.0459 0.0422 0.0105 0.1163
2. Carbón 0.0502 0.0015 0.0037 0.0345 0.0015 0.0914
20. Transportes y 0.0005 0.0117 0.0341 0.0258 0.0051 0.0772

Comunicaciones
17. Otras manufacturas 0.0008 0.0050 0.0120 0.0386 0.0056 0.0620
22. Servicios comerciales 0.0005 0.0071 0.0077 0.0227 0.0201 0.0581
19. Comercio 0.0007 0.0050 0.0107 0.0306 0.0071 0.0541
10. Productos metálicos 0.0024 0.0036 0.0065 0.0316 0.0069 0.0510
15. Textil y cuero 0.0007 0.0042 0.0089 0.0295 0.0062 0.0495
7. Minería y siderurgia 0,0010 0.0033 0.0051 0.0276 0.0074 0.0444
18. Construcción 0.0027 0.0044 0.0105 0.0220 0.0047 0.0443
14. Productos alimenticios 0.0005 0.0041 0.0089 0.0196 0.0057 0.0388
23. Servicios no comerciales 0,0004 0.0044 0.0077 0.0170 0.0084 0.0379
16. Muebles 0.0006 0.0026 0.0069 0.0242 0.0020 0.0363
21. Otros servicios 0.0006 0.0028 0.0048 0.0211 0.0056 0.0349
1. Agricultura 0.0003 0.0049 0.0128 0.0113 0.0040 0.0333
12. Industria del automóvil 0.0007 0.0020 0.0042 0.0201 0.0028 0.0298
11. Maquinaria 0.0007 0.0019 0.0039 0.0158 0.0030 0.0253
13. Equipo de transporte 0,0004 0.0010 0.0022 0.0086 0.0013 0.0135
3. Petróleo y gas natural 0,0000 0.0006 0.0003 0.0005 0.0001 0.0015
Promedio
efecto 0.0011 0.0120 0.0130 0.0264 0.0068
Las columnas de la Tabla 1 ahora se pueden interpretar fácilmente. Para cada uno de los 23 bienes de
producción, revelamos el contenido energético de cada uno de los cinco bienes energéticos. Si observamos
la primera columna, la producción de una unidad neta de 'agricultura (1)' requiere, en total, 0,0003 unidades
de 'carbón (2)' mientras que una unidad de 'carbón (2)' requiere 0,0502 unidades de ' carbón (2)'
mismo, y así sucesivamente. Al final de la columna 1, calculamos un efecto promedio como un promedio del
contenido de energía ('carbón (2)' en este caso) ponderado por la composición de la demanda final.
Estos promedios nos permiten determinar que un incremento unitario en la demanda final requerirá la
producción de 'electricidad (5)' sea, en promedio, aproximadamente el doble de la
producción de «petróleo crudo y gas natural (3)» o «petróleo refinado (4)». El mismo aumento requiere una
producción de electricidad de unas cuatro veces la asociada con la producción de 'gas, vapor y agua de
calefacción (6)', o unas 20 veces la de 'carbón (2)'.
Finalmente, en cada una de las cinco columnas, mostramos en negrita los tres bienes con mayor
necesidades energéticas directas e indirectas. En la primera columna, por ejemplo, revelamos que la mayor
intensidad para 'carbón (2)' es el propio 'carbón (2)', con una intensidad de 0,0502 unidades, seguido de
'electricidad (5)' con 0,0201, y ' materiales de construcción (8)' con 0,0166.
La ordenación de los sectores usando su efecto compuesto muestra que 'gas, vapor y agua de calefacción
(6)' recibe el efecto más inducido. Un aumento unitario de la demanda final
para este bien se obtienen requerimientos energéticos agregados de 0.5468 unidades. Por otro lado, 'petróleo
crudo y gas natural (3)' induce el menor efecto. Una explicación para esto
El resultado es que el bien (3) se importa principalmente, por lo que no juega un papel importante dentro de
los vínculos internos entre industrias. El hecho de que los sectores energéticos, con la excepción del sector (3)
que acabamos de señalar, aparezcan en los primeros lugares del ranking revela sus vínculos de
interdependencia. Estos vínculos se perciben fácilmente cuando se observan los niveles agregados de
demanda de energía de los propios sectores energéticos que aparecen en la SAM. De hecho, la demanda
intermedia de energía asciende al 83% de todas las intermedias.
compras, mientras que los insumos ascienden al 25%, incluidas las importaciones. El pedido también revela
que los sectores relacionados con la producción de diversos tipos de equipos mecánicos (como "maquinaria
(11)", "industria del automóvil (12)" y "equipos de transporte (13)") se encuentran entre
aquellos con menores requerimientos energéticos.
La Tabla 2 muestra los multiplicadores de energía extendidos después de la adición de tres cuentas a
las 23 cuentas endógenas iniciales. Las tres nuevas cuentas endógenas incluyen:
1 ingreso laboral (24)
2 rentas de capital (25)
3 consumo privado (25).
Tabla 2 Multiplicadores de energía extendidos (con consumo final endógeno)

Bueno
gas natural agua de calefacción de petróleo compuesto
5. Electricidad 0.0212 0.0230 0.0428 0.1730 0.0419 0.3019
20. Transportes y 0.0015 0.0231 0.0635 0.0547 0.0149 0.1577

comunicaciones
2. Carbón 0.0508 0.0081 0.0209 0.0514 0.0072 0.1384
19. Comercio 0.0017 0.0162 0.0397 0.0591 0.0168 0.1335
18. Construcción 0.0037 0.0158 0.0402 0.0511 0.0146 0.1254

Tabla 2 Multiplicadores de energía extendidos (con consumo final endógeno) (continuación)

Bueno
gas natural petróleo calentando agua compuesto
21. Otros servicios 0.0017 0.0155 0.0377 0.0534 0.0165 0.1248
15. Textil y cuero 0.0015 0.0136 0.0333 0.0534 0.0143 0.1161
16. Muebles 0.0013 0.0101 0.0279 0.0448 0.0090 0.0931
1. Agricultura 0.0008 0.0112 0.0291 0.0273 0.0095 0.0779
11. Maquinaria 0.0012 0.0079 0.0195 0.0310 0.0082 0.0678
Efecto
promedio 0.0020 0.0213 0.0371 0.0500 0.0148
La Tabla 3, a su vez, muestra una extensión adicional de los multiplicadores. En este caso, el resto de los
las cuentas de demanda final, es decir, el consumo del gobierno, la formación bruta de capital y las
exportaciones, también se consideran endógenas. Como era de esperar, una mayor endogeneidad da
lugar a mayores valores multiplicadores. Si bien las mayores intensidades energéticas se mantienen en
los mismos sectores (por ejemplo (6), (4), (5), (8) y (9) en este orden en las Tablas 2 y 3, existen
cambios asociados al resto de sectores dignos de mención. Por ejemplo, 'servicios comerciales (22)' se
convierte en el sector más bajo en la clasificación de la Tabla 1, mientras que 'petróleo crudo y gas
natural (3)' pasa de ser el último en las Tablas 1 y 2 a ocupar la séptima posición en la Tabla 3. .
Tabla 3 Multiplicadores de energía extendidos (con demanda final endógena)
2. Carbón 3. Petróleo 4. Refinado 5. Electricidad 6. Gas, vapor, efecto

Bueno
y gas natural petróleo calentando agua compuesto
5. Electricidad 0.0301 0.0969 0.2266 0.3637 0.1030 0.8203
2. Carbón 0.0599 0.0853 0.2142 0.2483 0.0701 0.6778
20. Transportes y 0.0103 0.0964 0.2462 0.2435 0.0755 0.6719

comunicaciones
Tabla 3 Multiplicadores de energía extendidos (con demanda final endógena) (continuación)
2. Carbón 3. Petróleo 4. Refinado 5. Electricidad 6. Gas, vapor, efecto

Bueno
y gas natural agua de calefacción de petróleo compuesto
1. Agricultura 0.0108 0.0952 0.2389 0.2416 0.0781 0.6646
19. Comercio 0.0105 0.0896 0.2224 0.2480 0.0774 0.6479
15. Textil y cuero 0.0104 0.0888 0.2209 0.2461 0.0759 0.6421
11. Maquinaria 0.0106 0.0878 0.2199 0.2344 0.0729 0.6256
16. Muebles 0.0102 0.0861 0.2160 0.2379 0.0709 0.6211
18. Construcción 0.0119 0.0848 0.2122 0.2289 0.0715 0.6093
21. Otros servicios 0.0099 0.0845 0.2096 0.2316 0.0736 0.6092
Promedio
efecto 0.0108 0.0963 0.2242 0.2423 0.0763
La Tabla 3 presenta los resultados con mayor nivel de endogeneidad entre cuentas en relación
a las Tablas 1 y 2. Una forma alternativa, y posiblemente más simple, de ver los resultados es a través de
valores multiplicadores incrementales tomando la Tabla 1 como la tabla base. Dado que los datos en
La Tabla 1 detecta vínculos interindustriales exclusivamente, valores incrementales sobre interindustriales
los multiplicadores aíslan y cuantifican el papel de la endogeneidad agregada secuencialmente. Los cambios
son evidentes en la Tabla 4. Al final de cada columna, hay una estimación del cambio promedio ponderado
por la participación de la demanda final. Puede verse que el cambio promedio y los cambios sectoriales son
en general del mismo orden de magnitud. También podemos observar el efecto dramático de completar el
flujo circular de la renta con todos los componentes de la demanda final, en especial con los sectores
exteriores (las exportaciones suman el 56% del PIB de Cataluña mientras que las importaciones alcanzan el
51%). El impacto cuantitativo se puede atribuir a que los sectores energéticos compran alrededor del 32% de
sus insumos al sector externo y al considerable impacto que representan las exportaciones industriales (72%)
sobre el total de energía.
recursos.
Tabla 4 Comparaciones de multiplicadores diferenciales
variación incremental
en intensidades de energía
Bueno Tabla 2 - Tabla 1 Tabla 3 - Tabla 2
ÿ ÿ
1. Agricultura 0.0446 0.5867
2. Carbón 0.0470 0.5394
3. Petróleo y gas natural 0.0230 0.6538
4. Petróleo refinado 5. 0.0176 0.6025
Electricidad 6. Gas, 0.0941 0.5184
vapor, agua de calefacción 0.0636 0.5324
7. Minería y siderurgia 8. 0.0228 0.6275
Materiales de construcción 9. 0.0647 0.5486
Productos químicos 0.0564 0.5599
10. Productos metálicos 0.0659 0.5407
11. Maquinaria 12. Industria 0.0425 0.5578
del automóvil 0.0446 0.5322
13. Equipos de transporte 14. 0.0470 0.5460
Productos alimenticios 0.0470 0.5520
15. Textil y cuero 0.0666 0.5260
16. Muebles 0.0568 0.5280
17. Otras manufacturas 0.0634 0.5374
18. Construcción 0.0811 0.4839
19. Comercio 0.0794 0.5144
20. Transportes y comunicaciones 0.0805 0.5142
21. Otros servicios 0.0899 0.4844
22. Servicios comerciales 0.0831 0.4184
23. Servicios no comerciales 0.0970 0.4830
Promedio
variación 0.0650 0.5123
3 Emisiones de CO2 para la economía de Cataluña
El modelo que utilizamos para estimar las emisiones de CO2 soporta también la hipótesis de linealidad o
constancia de los coeficientes ambientales. Evaluaremos y distinguiremos las emisiones debidas a las
actividades de producción, KP, y las que tienen su origen en el consumo final, KD, por lo que
que las emisiones totales están dadas por K = KP + KD.
Denotamos por AE la submatriz de la matriz de coeficientes técnicos A compuesta únicamente por las
filas de los cinco sectores energéticos y las correspondientes columnas de toda la matriz de coeficientes
técnicos A. Por otro lado, llamaremos C al vector que
indica la emisión de contaminantes por cada unidad de bien energético utilizada, y por cada uno de
cinco bienes energéticos; en nuestro caso, C = (C2, …, C6). Las emisiones de las actividades productivas
asociadas a un vector de salida Y pueden por tanto obtenerse mediante la expresión KP = C·AE ·Y. Usando la
ecuación cuantitativa del modelo input-output tenemos:
AIAD
ÿ
1
=ÿ
KC pag
mi
(
ÿÿ
) ÿ
(3)
Es necesario aclarar aquí que si bien los coeficientes físicos de emisión, en

relación con el uso de energía, son los mismos para cualquier bien, estos coeficientes pueden cambiar cuando
expresarlos en unidades de valor. Esta transformación es necesaria para implementar el modelo y
dado que los precios de producción de referencia y los precios de consumo difieren, como es nuestro caso, terminamos
distinguiendo entre coeficientes de emisión en producción y consumo final.
Finalmente, las emisiones de CO2 que se derivan del consumo final de bienes y servicios
se calculan mediante la fórmula:
KCD= ÿÿ X
re ( ) mi (4)
donde XE representa la demanda final de exportaciones.

Podemos concluir de las expresiones (3) y (4) que las emisiones totales de CO2 dependerán, para un
vector dado de coeficientes de emisión C, y de la tecnología disponible para
la economía representada por la matriz A, y sobre el nivel y composición de la demanda final D, corregida por
el destino exterior de algunos bienes.
La implementación numérica del modelo y el cálculo de las emisiones de CO2
requiere, además de la matriz de coeficientes A y la demanda final de la economía, el conocimiento del vector
de coeficientes de emisión C. El aspecto clave para acometer nuestras estimaciones de emisión de
contaminantes radica en establecer una relación técnica entre el uso de bienes energéticos y la generación de
subproductos que pueden ser incorporados en la
contexto del modelo input-output. Este es nuestro enfoque aquí y el adoptado también en
otros trabajos (por ejemplo, Hawdon y Pearson [4] y Antón y de Bustos [6] para el
economía española).
Existen, afortunadamente, estudios que atienden a las propiedades fisicoquímicas de
combustión que ofrecen estimaciones de emisiones de subproductos nocivos para el medio ambiente. En
relación con las emisiones de CO2, Eurostat (Oficina de Estadística de las Comunidades Europeas) ha
estimado coeficientes homogéneos de emisión en toneladas métricas por terajulios (una medida de poder
calorífico) para diferentes bienes energéticos. En Cataluña, el Departamento de Medio Ambiente de la
Generalitat también ha estimado coeficientes de
emisión, específica de la economía catalana, expresada en toneladas métricas por tonelada de petróleo
equivalente, Tpe (otra medida del poder calorífico) para los bienes energéticos. tenemos primero
compararon ambas estimaciones reduciéndolas a una unidad común que nos permite comprobar el grado de
robustez de la información que se ha utilizado. La Tabla 5 presenta y
compara ambas estimaciones.
Tabla 5 Factores de emisiones de CO2 (unidades de energía)
CO2 CO2 CO2 CO2

Productos Energéticos Mt/ terajulio toneladas/ tpe Mt/ terajulio toneladas/ tpe
(Eurostat) (Eurostat) (Generalitat) (Generalitat)

Carbón 94 3.936 141.2 5.913
Lignito 106 4.438 112.4 4.708
Coca 108 4.522 93.8 3.928
Petróleo crudo 0 0 -- --
Refinado: -- -- -- --
- glp sesenta y cinco 2.721 63.8 2.672
- gasolina 72 3.015 68,9 2.885
- naftas 78 3.266 --- ---
- combustible-transporte - 74 3.098 71.2 2.983
combustible-calefacción 78 3.266 78.1 3.273
- otros 78 3.266 --- ---
Gas natural 56 2.345 48.7 2.04
Electricidad 0 0 0 0
Gas Manufacturado 56 2.345 48.7 2.04
0 0 0 ---
La energía nuclear
Nota: Unidad de conversión: 1 terajulio = 23,8846 tpe
Fuente: EUROSTAT, Departamento de Medi Ambient, Instituto Nacional de

Estadística y elaboración propia
La primera columna describe los bienes energéticos para los que existen estimaciones de Eurostat.
La segunda columna muestra los coeficientes de emisión en toneladas métricas (Mt) por terajulio
mientras que la tercera columna transforma los coeficientes en Mt por Tpe usando el
conversión entre ellos (1 terajulio = 23,8846 Tpe). Las columnas cuarta y quinta presentan las
estimaciones específicas para Cataluña, también expresadas en ambas unidades [13]. Los
coeficientes de la Tabla 5, sin embargo, no pueden incorporarse directamente al modelo de insumo-
producto debido a que la base de datos numérica que utiliza el modelo está expresada en unidades
monetarias corrientes, 1987 en nuestro caso. Es necesario, en consecuencia, transformar los
coeficientes de emisión de CO2 de la Tabla 5 en coeficientes de emisión por peseta de 1987. Estos
son los coeficientes que aparecen en la Tabla 6 [14]. Debemos resaltar que nuestro
metodología, a diferencia de la utilizada por Antón y de Bustos [6], no necesita una energía
tabla de insumo-producto para el año en consideración, pero una tabla de energía es, sin embargo,
necesaria como referencia inicial. Dado que las tablas de energía no se construyen con el mismo
frecuencia como tablas estándar, confiar en la existencia de una tabla de energía puede ser una
restricción importante para la aplicación de la metodología utilizada por los mencionados
autores Consideramos que, siempre que la estructura de la matriz de coeficientes técnicos
no ha cambiado demasiado con el tiempo, es mucho más sencillo elaborar coeficientes de emisión
por unidad de valor para un año determinado y luego proyectarlas en el tiempo que construir
o proyectar tablas de energía. Antón y de Bustos [6] desarrollan su input-output utilizando
la tabla de energía y obtienen, para un vector de demanda final dado, la energía sectorial
producción bruta expresada en terajulios. Utilizando los coeficientes de emisión por terajulio (como en
Tabla 5), se derivan las emisiones de CO2 para cada rama contaminante.
Tabla 6 Factores de emisiones de CO2 (por unidad monetaria de demanda intermedia y demanda final) sectores
energéticos de TIOC-87
CO2 CO2 CO2 CO2

Mt/ Millones de pts. Mt/ Millones de pts. Mt/ Millones de pts. Mt/ Millones de pts.
Producto Energético
demanda intermedia Demanda intermedia Demanda final Demanda final
(Eurostat) (Generalitat) (Eurostat) (Generalitat)
2.-Carbón 214.7 280.2 172.9 256.9
3.-Petróleo 0 0 0 0
4.-Refinado 115.8 114.5 42.7 42.7
5.-Electricidad 0 0 0 0
6.-Gas, vapor y 62.6 54.8 32.4 29,9

agua de calefacción
Fuente: EUROSTAT, Departamento de Medi Ambient, Instituto Nacional de

Estadística y elaboración propia
Bajo las suposiciones del modelo y los datos anteriores, estimamos que las emisiones totales de CO2 en
Cataluña han sido del orden de 27,4 millones de Tm en 1987. De ellas, 20,5 millones de Tm se pueden atribuir
a actividades productivas y el resto, 6,9 millones de Tm., al consumo.
El modelo también nos permite realizar dos tipos de ejercicios de simulación para estimar posibles
tendencias en el volumen de emisiones. Por un lado, examinamos el impacto de cambios razonables en la
estructura y nivel de la demanda final y, por otro lado,
explorar los efectos de una mejora en la eficiencia del uso de bienes energéticos como insumos productivos.
El primer ejercicio de simulación supone un aumento lineal del 5% en la demanda interna final.
En otras palabras, examinamos el impacto aproximado de un aumento del PIB, del que excluimos las
exportaciones, de la misma magnitud porcentual. El porcentaje elegido no debe
interpretarse literalmente como un cambio empírico efectivo, sino como una cifra tentativa que nos permite
detectar el orden de magnitud del impacto ambiental que seguiría en respuesta al crecimiento de la economía.
En la misma línea, y con objeto de estimar el impacto sobre las emisiones de la demanda de bienes del sector
exterior, ya sea del resto de España o del resto del mundo, realizamos un segundo ejercicio en el que se
la demanda aumenta un 5%, mientras que la demanda final interna se mantiene constante.
Las tablas 7 y 8 informan nuestros cálculos. En las emisiones estimadas, se distingue
entre emisiones que se explican, dada la tecnología productiva, por todos los ajustes necesarios en la producción
que se requieren para satisfacer la nueva demanda doméstica.
demanda, y las que responden directamente al nuevo nivel de uso final de los bienes. El primero
columna presenta el nivel de emisiones en la situación inicial o de línea de base. La segunda columna muestra
los nuevos niveles tras la correspondiente modificación de la demanda final. los
las columnas tercera y cuarta muestran los cambios en términos de cambios porcentuales y de elasticidad,
respectivamente. Los resultados de elasticidad son particularmente interesantes porque, independientemente de la
variación porcentual elegida, nos permiten determinar un valor proxy para la esperada
impacto del crecimiento observado o previsto de la economía.
Tabla 7 Evolución de las emisiones de CO2 . Escenario: incremento lineal de la demanda interna en 5% (en
millones de MT.)
Base Simulación Cambio porcentual Elasticidad
Emisiones de CO2
a través de la producción 20.517 21.042 2,56% 0.511
Emisiones de CO2
a través de la demanda 6.887 7.232 5,00% 1
Emisiones totales de
CO2 27.405 28.274 3,17% 0.634
Tabla 8 Evolución de las emisiones de CO2 . Escenario: aumento lineal de las exportaciones en un 5% (en millones de Tm.)
Emisiones de CO2 vía

producción 20.517 21.119 2,44% 0.489

demanda 6.887 6.887 0,00% 0.00
CO2 27.405 27.097 1.830% 0.366
De la información de la Tabla 7 podemos ver que el incremento en las emisiones totales de CO2
que seguiría el supuesto aumento de la demanda interna final sería del 3,17%,
mientras que el efecto inducido a través de la estructura productiva sería del 2,56%. Evidentemente, el
incremento vía la propia demanda sería también del 5%, dado el carácter lineal que
vincula la demanda final con las emisiones. En la última columna mostramos los cambios expresados como
elasticidades. Cada punto porcentual de aumento de la demanda interna final generaría,
aproximadamente, un aumento de las emisiones -después de ajustar la producción- del 0,51%, mientras que
el impacto sería del 0,63% cuando se contabilizan todas las emisiones. El Cuadro 8 presenta la información
relativa a la modificación de las exportaciones. Vemos que el impacto es menor debido a que no se
contabilizan las emisiones provocadas por la demanda final, ya que estas sí
no tener lugar, en este caso, dentro del territorio de Cataluña.
Centrando nuestra atención en las ganancias de eficiencia que podrían lograrse a partir del uso de
insumos energéticos en el proceso productivo, simulamos el impacto de un 10% homogéneo
mejora de los coeficientes técnicos de energía. Nuevamente, el número seleccionado solo intenta
para captar el orden de magnitud del impacto en las emisiones que se produciría. Los resultados aparecen
en las tablas 9 y 10.
Tabla 9 Evolución de las emisiones de CO2 . Escenario: 10% de ganancias de eficiencia en el uso de toda la energía
insumos (en millones de Tm.)

producción 20.517 18.082 –11,87% –1.187

demanda 6.887 6.887 0,00% 0
CO2 27.405 24.969 –8,89% –0.889
Tabla 10 Evolución de las emisiones de CO2 . Comparación de bienes energéticos a partir de ganancias de eficiencia del 10%
Emisiones en producción (%) Emisiones totales (%)

Carbón –1,54% –1,15%
Petróleo crudo –0,00% –0,00%
Petróleo refinado –7,11% –5,32%
Electricidad –0,98% –0,74%
Gas, Vapor y Calefacción –2,42% –1,81%

Agua
Agregar –11,87% –8,89%
Un vistazo a estas dos tablas revela que el 'petróleo refinado (4)' es la categoría que
produciría los beneficios más sustanciales en la reducción de las emisiones de CO2 (reducciones de alrededor del
7 % en las emisiones relacionadas con la producción y del 5,3 % en su conjunto). Por el contrario, el bien energético
con la menor reducción de emisiones inducidas sería la 'electricidad (5)', además del 'crudo
petróleo y gas natural (3)' que no genera efectos locales ya que este bien es
producido en el extranjero. Estos resultados sugieren varios comentarios. En primer lugar, sería importante
estimular las mejoras técnicas que favorezcan el uso eficiente de los bienes energéticos ya que, como muestran
nuestros resultados, supondrían reducciones sustanciales en el nivel de
emisiones generadas por la actividad económica. En segundo lugar, dado el carácter diferencial de
emisiones asociadas a usos alternativos de energía, se podrían diseñar políticas
(impuestos ambientales, por ejemplo) para promover la sustitución entre los insumos energéticos a favor de
aquellos con el menor impacto perjudicial. En tercer lugar, hay que destacar que el impacto
que la actividad económica (crecimiento) ejerce en el volumen de emisiones de CO2 puede ser compensado por
mejoras tecnológicas muy modestas. Esto podría ser el resultado de cualquiera de los
ganancias de eficiencia que promuevan el ahorro en el uso de bienes energéticos, o ser consecuencia de
cambios en el mix energético encaminados a rebajar el papel de aquellos bienes con mayores efectos
contaminantes. Si observamos los resultados mostrados en las Tablas 8 y 9, es claro que para
cada punto porcentual de aumento de la producción final para uso doméstico, la compensación
incremento (el que mantiene constante el nivel de emisiones) en la eficiencia energética es sólo del orden del
1,10%. Esta cifra no parece en absoluto inalcanzable ni utópica.
4. Conclusión
En este trabajo hemos estimado, para la economía regional de Cataluña, indicadores de su eficiencia energética,
desagregados a nivel sectorial, así como las emisiones totales de CO2 asociadas a la actividad económica. En
el análisis de energía, hemos calculado simples
Multiplicadores Leontief y multiplicadores SAM extendidos. Quizás la conclusión más importante que podemos
obtener de este ejercicio es que los multiplicadores extendidos son cuantitativamente, pero también
cualitativamente, muy diferentes a los que surgen del enfoque tradicional de Leontief. En cuanto al flujo de
emisiones de CO2 , nuestras estimaciones
indican una cantidad global de aproximadamente 27 millones de toneladas métricas. De esta cifra, 20 pueden
atribuirse a emisiones relacionadas con la producción y los siete restantes a emisiones domésticas.
demanda final. Es decir, en términos medios per cápita, cada habitante de Cataluña
durante 1987 emitió, por así decirlo, 4,5 Mt. de CO2. El orden de magnitud de estos números concuerda con los
de estimaciones alternativas calculadas por otros autores y
agencias gubernamentales que usaron metodologías muy diferentes a la nuestra, que en esencia, es una
metodología económica. Creemos que esto refuerza el valor de nuestras estimaciones y valida la metodología
utilizada en nuestros cálculos.
Dado que el uso de bienes energéticos es la principal causa de las emisiones de CO2 , tenemos
procedió a simular una mejora del 10% en la eficiencia en el uso de estos bienes en
para estimar la capacidad potencial de reducción de emisiones de CO2. Los resultados sugieren
que las emisiones totales se reducirían aproximadamente un 9%, mientras que las asociadas al proceso
productivo se reducirían alrededor de un 12%. Estos son importantes y relevantes.
cifras si tenemos en cuenta el objetivo de la Comunidad Europea de lograr reducciones globales
de emisiones de CO2 para los próximos años.
No cabe duda que frente a los resultados de estos ejercicios de simulación habría que plantearse qué
mecanismos, o políticas públicas, inducirían a los agentes económicos a adoptar tecnologías de ahorro energético
que redundarían en la consiguiente reducción de las emisiones de contaminantes. La respuesta a esta pregunta
va más allá de lo que hacemos aquí (ver Bovenberg y Cnossen [15]), pero las políticas fiscales podrían ser uno
de esos instrumentos.
Sin embargo, los impuestos ambientales crearían más distorsiones del bienestar y también podrían
afectar los niveles u oportunidades de empleo. La cuestión de si el medio ambiente
la tributación es perjudicial para el empleo no está del todo resuelta. Varios ejercicios de CGE de la tradición
Shoven-Whalley [16] muestran, por ejemplo, que las políticas fiscales neutras de ingresos adecuadamente
diseñadas podrían mejorar tanto el medio ambiente como el nivel de empleo.
dependiendo de los valores de algunas elasticidades críticas del mercado laboral.
Una limitación de nuestros ejercicios que debe señalarse es la antigüedad de la base de datos. Nuestro SAM
utiliza los últimos datos de insumo-producto regionales construidos oficialmente y, a pesar de no ser reciente, es
sin embargo, los únicos datos disponibles. El uso y utilidad de nuestro trabajo puede ser justificado,
sin embargo, desde una doble perspectiva. En primer lugar, nuestro ejercicio metodológico revela la viabilidad
práctica de realizar este tipo de cálculos. En segundo lugar, los resultados que
seguiría, si se dispusiera de una base de datos actualizada, podría diferir de la nuestra en términos de magnitud
absoluta, pero es probable que los efectos relativos sean
bastante similar como lo indican los valores de elasticidad. Dado que la estructura productiva y los patrones de
consumo agregados cambian con relativa lentitud a lo largo del tiempo, especialmente cuando consideramos una
economía desarrollada, debemos esperar que los resultados de las bases de datos más nuevas no sean
ser demasiado diferente de la nuestra.
Reconocimiento
Este trabajo ha sido posible gracias al interés y apoyo económico del Departamento de Medio Ambiente del
Ayuntamiento de Barcelona. Agradecemos a V. Molina por su ayuda en la obtención de algunos de los datos y a
F. Ortega por su excelente ayuda como investigador.
asistente. Apoyo de los proyectos SEC2003–06080 y SGR2001–29 (primer autor) y
SEC2003–5112 y SGR2001–164 (segundo autor) también se agradece.
referencias y notas
1 Manresa, A. y Sancho, F. (1997) 'El análisis medioambiental y la tabla input-output: cálculos energéticos y emisiones de
CO2', Regiduria de Medi Ambient de l´Ajuntament de Barcelona.
2 TIOC (1987) 'Taula input-output de catalunya', Cámara de Comercio Industria y Navegación

de Barcelona y Generalitat de Catalunya, Barcelona.
3 Leontief, W. (1970) 'Repercusiones ambientales y la estructura económica: un enfoque de insumo-producto', Review
of Economics and Statistics, vol. 52, págs. 262–271.
4 Hawdon, D. y Pearson, P. (1995) 'Simulaciones de entrada-salida de energía, medio ambiente, interacciones económicas
en el Reino Unido', Energy Economics, vol. 17, núm. 1, págs. 73–86.
5 Alcántára, V. y Roca, J. (1995) 'Energía y emisiones de CO2 en España: metodología de análisis y algunos resultados
para 1980–90', Energy Economics, vol. 17, núm. 3, págs. 221–230.
6 Antón, V. y de Bustos, A. (1995) 'La Emisión de CO2 y su problemática comunitária. Naciones Unidas
metodo de estimacion general. Dirección General de Planificación', Documento de Trabajo
SGPS-95005.
7 Antón, V., de Bustos, A., Herce, JA y Sosvilla, S. (1996) 'Consecuencias ambientales de la

el marco de apoyo comunitario 1994–99: consumo de energía y CO2 asociado
emisiones en España. Una simulación basada en el modelo HERMIN', FEDEA, Documento de Trabajo
96–06.
8 INE: Instituto Nacional de Estadística (1991) Tabla Input-Output de la Energía de España, 1985, Ministerio de Economía,
Madrid.
9 Baldasano, JM (1995) Valoración de las Emisiones de los Gases Causantes del Incremento
del Efecto Invernadero, Institut de Tecnología i Modelització Ambiental, Universitat
Politécnica de Catalunya.
10 Departament de Medi Ambient (1996a) 'Metodología para la evaluación de las emisiones a la atmósfera de origen
antropogénico, excepto las difusas, en Catalunya', Document de Treball.
11 Departament de Medi Ambient (1996b) 'Las emisiones a l'atmosfera a Catalunya. Una aproximación cuantitativa',
Quaderns de Medi Ambient, Octubre 96, No. 5.
12 Las restantes cuentas SAM, hasta un total de 34, incluyen 'ingresos del trabajo (24)', 'ingresos del capital (25)', 'consumo
privado (26)', 'cuenta de capital (27)', 'gobierno (28 )', 'social
contribuciones a la seguridad (29)', 'impuestos indirectos netos (30)', 'aranceles (31)', 'impuestos sobre el valor
añadido (32)', 'sector exterior-resto de España' (33)', 'sector exterior- resto del mundo (34)'.
13 En general, los coeficientes muestran magnitudes similares excepto en Carbón, donde la estimación local
es claramente mayor que la de Eurostat. La diferencia quizás podría explicarse por la peor calidad del carbón nacional
en comparación con la calidad media del carbón europeo.
14 La conversión se ha realizado utilizando precios unitarios de los bienes energéticos (en
pesetas/terajulios) en usos intermedios y finales calculados a partir de la tabla input-output energético de España de
1985. Hemos actualizado estos precios básicos unitarios a 1987 utilizando
Índices de precios de la energía y los combustibles elaborados por el Instituto Nacional de Estadística de España.
Finalmente, hemos utilizado la correspondencia entre sectores en el español y el catalán
tablas de entrada-salida para asignar las estimaciones de CO2 por unidad de valor a los sectores de nuestro modelo.
Los detalles sobre este procedimiento están a disposición del lector.
15 Bovenberg, L. and Cnossen, S. (Eds.) (1995) Public Economics and the Environment in an an
Mundo imperfecto, Kluwer Academic Publishers.
16 Shoven, J. y Whalley, J. (1984) 'Análisis de equilibrio general aplicado de impuestos y comercio', Journal of Economic
Literature, vol. 22
Ver estadísticas de publicación

Manresa, A. y Sancho, F. 2004.

Cargado por

Copyright:

Formatos disponibles

Manresa, A. y Sancho, F. 2004.

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Manresa, A. y Sancho, F. 2004.

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

Intensidades energéticas y emisiones de CO 2 en Cataluña: un análisis SAM

antonio manresa Ferrán Sancho

VER EL PERFIL VER EL PERFIL

El usuario ha solicitado la mejora del archivo descargado.

En t. J. Medio ambiente, lugar de trabajo y empleo, vol. 1, núm. 1, 2004 91

Intensidades energéticas y emisiones de CO2 en Cataluña: una

Resumen: En este trabajo estimamos intensidades energéticas sectoriales y emisiones de CO2

Palabras clave: multiplicadores SAM de energía; Matriz de Contabilidad Social; CO2

La referencia a este trabajo debe hacerse de la siguiente manera: Manresa, A. y Sancho, F.

Notas biográficas: Antonio Manresa (1954) es Catedrático de Teoría Económica de la Universitat de

Ferran Sancho (1953) es Catedrático de Economía en la Universitat Autónoma de Barcelona. Obtuvo su

Copyright © 2004 Inderscience Enterprises Ltd.

Intensidades energéticas y emisiones de CO2 en Cataluña: un análisis SAM 93

2 Intensidades energéticas para la economía de Cataluña

• Y representa la producción bruta total

• A es una matriz de requisitos de insumos unitaria.

De aquí, y bajo los supuestos técnicos habituales, se obtiene la forma reducida

Donde n = m + k, ym y k denotan una clasificación de las cuentas SAM en cuentas endógenas y

amm = = (aij), i 1,2,..., m Amk ; j = 1,2,...., metro

Yamm= m Ym + Amk ÿYk

2 petróleo crudo y gas natural (3)

3 petróleo refinado (4)

5 gas, vapor y agua de calefacción (6).

Intensidades energéticas y emisiones de CO2 en Cataluña: un análisis SAM 95

tabla 1 Multiplicadores de energía simples

2. Carbón 3. Petróleo y 4. Refinado 5. Electricidad 6. Gas, vapor, efecto

4. Petróleo refinado 0.0003 0.3231 0.0410 0.0152 0.0083 0.3879

5. Electricidad 0.0201 0.0097 0.0084 0.1392 0.0304 0.2078

8. Materiales de construcción 0.0166 0.0106 0.0196 0.0670 0.0192 0.1330

9. Productos químicos 0.0011 0.0166 0.0459 0.0422 0.0105 0.1163

2. Carbón 0.0502 0.0015 0.0037 0.0345 0.0015 0.0914

20. Transportes y 0.0005 0.0117 0.0341 0.0258 0.0051 0.0772

17. Otras manufacturas 0.0008 0.0050 0.0120 0.0386 0.0056 0.0620

22. Servicios comerciales 0.0005 0.0071 0.0077 0.0227 0.0201 0.0581

19. Comercio 0.0007 0.0050 0.0107 0.0306 0.0071 0.0541

10. Productos metálicos 0.0024 0.0036 0.0065 0.0316 0.0069 0.0510

15. Textil y cuero 0.0007 0.0042 0.0089 0.0295 0.0062 0.0495

7. Minería y siderurgia 0,0010 0.0033 0.0051 0.0276 0.0074 0.0444

18. Construcción 0.0027 0.0044 0.0105 0.0220 0.0047 0.0443

14. Productos alimenticios 0.0005 0.0041 0.0089 0.0196 0.0057 0.0388

23. Servicios no comerciales 0,0004 0.0044 0.0077 0.0170 0.0084 0.0379

16. Muebles 0.0006 0.0026 0.0069 0.0242 0.0020 0.0363

21. Otros servicios 0.0006 0.0028 0.0048 0.0211 0.0056 0.0349

1. Agricultura 0.0003 0.0049 0.0128 0.0113 0.0040 0.0333

11. Maquinaria 0.0007 0.0019 0.0039 0.0158 0.0030 0.0253

13. Equipo de transporte 0,0004 0.0010 0.0022 0.0086 0.0013 0.0135

3. Petróleo y gas natural 0,0000 0.0006 0.0003 0.0005 0.0001 0.0015

efecto 0.0011 0.0120 0.0130 0.0264 0.0068

1 ingreso laboral (24)

2 rentas de capital (25)

3 consumo privado (25).

Tabla 2 Multiplicadores de energía extendidos (con consumo final endógeno)

2. Carbón 3. Petróleo y 4. Refinado 5. Electricidad 6. Gas, vapor, efecto

4. Petróleo refinado 0.0005 0.3256 0.0474 0.0215 0.0105 0.4055

5. Electricidad 0.0212 0.0230 0.0428 0.1730 0.0419 0.3019

8. Materiales de construcción 0.0174 0.0197 0.0433 0.0902 0.0271 0.1977

9. Productos químicos 0.0018 0.0246 0.0665 0.0624 0.0174 0.1727

20. Transportes y 0.0015 0.0231 0.0635 0.0547 0.0149 0.1577