Esta es la segunda parte de la versión en español de mi artículo de febrero en Mapping Ignorance. Debe leerse la primera parte para entender esta.
Hay dos consecuencias importantes en el modelo de Acemoglu et al. (2016) [1]. Primero, se pueden estimar sus parámetros para la economía de EEUU. Segundo, la inercia tecnológica está presente en el modelo y es una causa de ineficiencia solo si las emisiones de carbono son una externalidad negativa. Esto significa que el modelo, si está sesgado, lo está en contra de encontrar razones para subsidiar la investigación en tecnologías limpias, puesto que hay una razón menos para hacerlo. El resultado es un modelo tratable, pero suficientemente rico, en el que estudiar la competencia entre tecnologías sucias y limpias, que desarrolla la literatura sobre competencia paso-a-paso tal y como se recoge en Harris y Vickers (1995) [2], Aghion et al. (2001) [3], y Acemoglu y Akcigit (2013) [4], y que desarrolla también la microeconomía de la innovación, empleo y dinámicas de producción en Klette and Kortum (2004) [5].
El modelo económico se combina con un modelo flexible del ciclo del carbono ( como en Golosov et al., 2014) [6], siguiendo la literatura creciente sobre modelos de equilibrio general con cambio climático, como Nordhaus (1994, 2008) [7], [8], Nordhaus y Boyer (2000) [9], Stern (2007) [10], y Hassler y Krusell (2012) [11].
La estimación de los parámetros usa datos micro de gastos en I+D, patentes, ventas, empleo, y entrada y salida de empresas tomados de una muestra de empresas estadounidenses en el sector de la energía durante el periodo 1975-2004. De especial importancia son los parámetros que definen la brecha entre las tecnologías sucia y limpia. El modelo se ajusta bien no solo a los datos que han servido para estimar los parámetros, sino también para un conjunto diverso de datos no usados en la estimación, lo que da cuenta de su robustez.
El modelo se usa para el análisis de los impuestos óptimos sobre las emisiones de carbono y de los subsidios a la tecnología limpia, además de otras posibles políticas. A pesar de que, intuitivamente, parece esperarse que los impuestos sobre las emisiones deberían tener el papel predominante en la asignación óptima, puesto que reduce las emisiones actuales e incentiva el dirigir la I+D hacia tecnología, los autores encuentran que los subsidios a la investigación también deben desempeñar un papel importante. En el modelo, la política óptima implica un subsidio a la investigación alto al principio, para después ir disminuyendo con el tiempo. Además, Los impuestos a las emisiones pueden tener un contra-efecto. Los subsidios a la investigación tienen un gran efecto para dirigir el cambio tecnológico, por lo que, en su presencia, no conviene distorsionar demasiado la producción inicial introduciendo un impuesto sobre las emisiones muy alto. La razón por la que el planificador social debería usar ampliamente los subsidios a la investigación es que son una manera muy efectiva de reducir la emisiones futuras.
Entre los escenarios alternativos posibles, los autores investigan los costes de bienestar si se usan solo los impuestos sobre las emisiones y si se retrasa la intervención de la política óptima. El retraso de la política óptima por 50 años tendría un coste en el bienestar equivalente a una disminución permanente del 1,7% en el consumo. El coste de usar solo los impuestos sobre las emisiones, sin añadir subsidios a la investigación, es similar (una disminución del 1,9%). Otra comparación de interés es frente a la política actual que realiza EEUU, con las ayudas a la investigación que realiza este país según los datos tomados de la muestra. Usando estas estimaciones y jugando con diferentes valores para el impuesto sobre las emisiones presentes y futuros, concluyen que la dinámica actual está lejos de la óptima, de manera que con las políticas actuales de EEUU, la dinámica del cambio climático será significativamente peor de lo que podría ser con la política óptima.
Referencias:
1. Acemoglu, D.; Akcigit, U.; Hanley, D., y Kerr, W. 2016. Transition to Clean Technology. Journal of Political Economy 124(1), 52-104.
2. Harris, C., y Vickers, J.. 1995. Innovation and Natural Resources: A Dynamic Game with Uncertainty. RAND Journal of Economics 26, 418–30.
3. Aghion, P.; Harris, C., Howitt, H, y Vickers, J. 2001. Competition, Imitation and Growth with Step-by-Step Innovation. Review of Economics Studies 68, 467–92.
4. Acemoglu, D.; Akcigit, U.; Bloom, N, y Kerr, W. 2013. Innovation, Reallocation, and Growth. Working Paper no. 18993, NBER, Cambridge, MA.
5. Klette, T.J., y Kortum S. 2004. Innovating Firms and Aggregate Innovation. Journal of Political Economy 112, 986–1018.
6. Golosov, M.; Hassler. J.; Krusell, P., y Tsyvinski, A. 2014. Optimal Taxes on Fossil Fuel in General Equilibrium. Econometrica 82 41–88.
7. Nordhaus, W. 1994. Managing the Global Commons: The Economics of Climate Change. Cambridge, MA: MIT Press.
8. ———. 2008. A Question of Balance: Weighing the Options on Global Warming Policies. New Haven, CT: Yale Univ. Press.
9. Nordhaus, W., y Boyer, J. 2000. Warming the World: Economic Modeling of Global Warming. Cambridge, MA: MIT Press.
10. Stern, N. 2007. The Economics of Climate Change: The Stern Review. Cambridge: Cambridge Univ. Press.
11. Hassler, J., y Krusell, P. 2012. Economics and Climate Change: Integrated Assessment in a Multi-region World. Journal of the European Economic Association 10(5), 974–1000.
----------------------------------------------------------------------------------------------------------
Hace cinco años en el blog: Qué no dice el teorema de Gödel.
Y también: Lo confieso: soy feminista.
Hace tres años en el blog: Algunos números de Venezuela.
-----------------------------------------------------------------------------------------------------------
Hace cinco años en el blog: Qué no dice el teorema de Gödel.
Y también: Lo confieso: soy feminista.
Hace tres años en el blog: Algunos números de Venezuela.
-----------------------------------------------------------------------------------------------------------
