Revista de Ciencias Sociales (RCS)
Vol. XXXII, Número Especial 13, Enero-Junio 2026. pp. 556-569
FCES - LUZ ● ISSN: 1315-9518 ● ISSN-E: 2477-9431
Como citar: Guzmán, L., y Ortíz,
K. H. (2026). Productividad y presión ambiental en América Latina: Desafíos
para el desarrollo sostenible. Revista De Ciencias Sociales, XXXII(Número
Especial 13), 556-569.
Productividad y
presión ambiental en América Latina: Desafíos para el desarrollo sostenible
Guzmán Anaya, Leo*
Ortíz Palafox, Karla Haydeé**
Resumen
El presente estudio analiza la relación entre productividad
y sostenibilidad ambiental en las principales economías de América Latina
(Brasil, México, Argentina, Colombia y Chile) durante el periodo 1990–2021. A
partir de un enfoque cuantitativo con datos panel, se estiman modelos
econométricos que incorporan variables de productividad material, huella
material, intensidad material, crecimiento económico e inversión extranjera
directa, bajo el marco teórico de la Curva Ambiental de Kuznets. Los resultados
evidencian que el crecimiento económico mantiene una relación positiva con las
emisiones de CO₂, lo que sugiere que los países
analizados aún no han alcanzado el punto de inflexión de la Curva Ambiental de Kuznets. En contraste, las emisiones de gases de
efecto invernadero muestran dinámicas diferenciadas que apuntan hacia procesos
incipientes de desacoplamiento relativo. Asimismo, la intensidad material
incrementa significativamente la presión ambiental; mientras que la eficiencia
en el uso de recursos presenta efectos heterogéneos, lo que sugiere la
presencia de posibles efectos rebote. El estudio aporta evidencia empírica
sobre la compleja interacción entre desarrollo económico, uso de recursos y
sostenibilidad ambiental en América Latina, destacando la necesidad de
políticas orientadas a la desmaterialización productiva y a la transición hacia
economías bajas en carbono.
Palabras clave: Productividad;
sostenibilidad ambiental; emisiones; América Latina; datos panel.
Productivity and environmental pressure in Latin America: Challenges for
sustainable development
Abstract
This study analyzes the
relationship between productivity and environmental sustainability in the main
economies of Latin America (Brazil, Mexico, Argentina, Colombia, and Chile)
during the period 1990–2021. Using a quantitative approach with panel data,
econometric models are estimated that incorporate variables of material
productivity, material footprint, material intensity, economic growth, and
foreign direct investment, within the theoretical framework of the
Environmental Kuznets Curve. The results show that economic growth maintains a
positive relationship with CO₂ emissions, suggesting
that the countries analyzed have not yet reached the inflection point of the
Environmental Kuznets Curve. In contrast, greenhouse gas emissions show
differentiated dynamics that point toward incipient processes of relative
decoupling. Likewise, material intensity significantly increases environmental
pressure; while resource efficiency shows heterogeneous effects, suggesting the
presence of possible rebound effects. The study provides empirical evidence on
the complex interaction between economic development, resource use, and
environmental sustainability in Latin America, highlighting the need for
policies aimed at productive dematerialization and the transition to low-carbon
economies.
Keywords: Productivity; environmental
sustainability; emissions; Latin America; panel data.
Introducción
La productividad constituye uno de los
principales desafíos estructurales en América Latina, limitando la capacidad de
la región para sostener procesos de crecimiento económico inclusivo y
sostenible. A diferencia de economías avanzadas, donde la productividad ha sido
un motor del desarrollo, en América Latina persisten brechas significativas
asociadas a la baja innovación, la informalidad laboral y la limitada adopción
tecnológica (Crespi et al., 2016; Organisation for Economic Co-operation
and Development [OECD] et al., 2025).
En este contexto, la discusión contemporánea ha incorporado una dimensión
clave: la sostenibilidad ambiental.
En este contexto, comprender la relación entre
productividad y sostenibilidad no solo es relevante desde una perspectiva
económica, sino también como un problema central para la gobernanza ambiental
en la región (Cruel y Vernaza, 2022). El
incremento de las emisiones de gases de efecto invernadero y el deterioro de
los ecosistemas han puesto en evidencia la necesidad de replantear los modelos
productivos (Stern, 2004). La evidencia reciente muestra que los patrones de
consumo y producción intensivos en recursos naturales, constituyen uno de los
principales determinantes de la degradación ambiental (Celik et al., 2024). En
este sentido, surge el concepto de productividad sostenible, entendido como la
capacidad de generar valor económico minimizando externalidades negativas
(Porter y Kramer, 2011).
Desde el punto de vista teórico, la Curva
Ambiental de Kuznets (EKC) ha sido ampliamente utilizada para explicar la
relación entre crecimiento económico y contaminación. Esta hipótesis plantea
que la degradación ambiental aumenta en las primeras etapas del desarrollo
económico y disminuye posteriormente al alcanzarse ciertos niveles de ingreso
(Grossman y Krueger, 1991; 1995). No obstante, su aplicabilidad en América
Latina sigue siendo debatida debido a la persistencia de estructuras
productivas intensivas en recursos (Dinda, 2004).
Diversos estudios recientes han señalado que
variables como la productividad material y la intensidad material, desempeñan
un papel central en la dinámica ambiental, pudiendo tanto mitigar como agravar
las emisiones dependiendo del contexto institucional, comunicacional y
tecnológico (Usman et al., 2020; Álvarez y Cadenas, 2022; Chen et al., 2023; Li
et al., 2023). En el caso latinoamericano, esta relación es especialmente
relevante dada la dependencia estructural de sectores extractivos.
De manera complementaria, se ha destacado que
la sostenibilidad en la región requiere enfoques integrales que articulen
crecimiento económico, equidad social y protección ambiental (Lalama y Bravo,
2019; Paredes-Chacín et al., 2019; Manzanares, 2020; Guillén et al., 2020; Paniagua y Vélez, 2022). En
este marco, el presente trabajo tiene como objetivo analizar la relación entre
productividad material y sostenibilidad ambiental en América Latina bajo el
enfoque de la EKC, aportando evidencia empírica mediante modelos de datos
panel.
El presente estudio contribuye a la literatura
en tres dimensiones principales. En primer lugar, integra variables de
productividad y huella material en el análisis de la sostenibilidad ambiental
en América Latina, un enfoque aún incipiente en la región. En segundo lugar,
aporta evidencia empírica mediante modelos de datos panel que permiten capturar
la heterogeneidad estructural entre economías latinoamericanas. Finalmente,
evalúa la validez de la Curva Ambiental de Kuznets en contextos emergentes, contribuyendo
al debate sobre crecimiento económico y sostenibilidad.
1. Fundamentación teórica
La teoría de la Curva de Kuznets Ambiental (Environmental Kuznets Curve, EKC) constituye
uno de los enfoques más influyentes para analizar la relación entre crecimiento
económico y degradación ambiental. Su origen se encuentra en la hipótesis
planteada por Kuznets (1955), quien propuso que la desigualdad económica sigue
una trayectoria en forma de “U invertida” a lo largo del desarrollo de los
países.
Posteriormente, esta lógica fue extendida al
ámbito ambiental por Grossman y Krueger (1991; 1995), quienes sugirieron que
los niveles de contaminación también siguen una relación no lineal con el
ingreso per cápita. En las primeras etapas del desarrollo económico, el
crecimiento suele estar acompañado de un incremento en la degradación ambiental
debido a la industrialización intensiva, el uso extensivo de recursos naturales
y la débil regulación ambiental. Sin embargo, a partir de cierto umbral de
ingreso, las sociedades tienden a demandar mejores condiciones ambientales, lo
que impulsa la adopción de tecnologías más limpias, regulaciones más estrictas
y prácticas productivas más sostenibles.
No obstante, la validez empírica de la EKC ha
sido ampliamente debatida. Diversos estudios críticos señalan que la aparente
reducción de la contaminación en economías avanzadas no necesariamente responde
a mejoras estructurales internas, sino a la relocalización de actividades
intensivas en contaminación hacia países en desarrollo. Este fenómeno, conocido
como “fuga de carbono” o “externalización ambiental”, implica que la presión
ambiental se desplaza geográficamente sin reducirse globalmente.
En el contexto latinoamericano, la aplicación
de la EKC resulta particularmente relevante debido a la coexistencia de
economías en distintas fases de desarrollo, así como a la persistencia de
estructuras productivas dependientes de recursos naturales. En este sentido,
analizar la relación entre productividad, crecimiento económico y
sostenibilidad ambiental, permite no solo evaluar la pertinencia de la EKC en
la región, sino también identificar oportunidades para transitar hacia modelos
de desarrollo más equilibrados y sostenibles.
A partir de este marco teórico, se plantea la
necesidad de contrastar empíricamente la relación entre productividad, uso de
recursos y degradación ambiental en América Latina. En particular, resulta
relevante evaluar si los países de la región han comenzado a transitar hacia
fases de desacoplamiento entre crecimiento económico y presión ambiental, o si
persisten patrones intensivos en recursos naturales.
A partir del marco teórico planteado, se
proponen las siguientes hipótesis de investigación:
H1: El crecimiento económico incrementa las
emisiones contaminantes en las economías latinoamericanas.
H2: La intensidad material se asocia
positivamente con la degradación ambiental.
H3: La productividad material contribuye a la
reducción de emisiones bajo condiciones de eficiencia en el uso de recursos.
H4: La inversión extranjera directa tiene
efectos diferenciados sobre las emisiones, dependiendo de la estructura
productiva.
2. Metodología
2.1. Descripción
de los datos: Un análisis integral
Los países de Brasil,
México, Argentina, Colombia y Chile, fueron incluidos en la base de datos
final. Los datos se recopilaron del periodo de 1990 a 2021. La razón por la que
se tomaron estos 5 países es que representan alrededor del 80% de la producción
total de Latinoamérica y son los principales emisores de CO2 o gases de efecto
invernadero de la región. Solamente Brasil y México representan alrededor del
60% del Producto Interno Bruto (PIB) en Latinoamérica (International Monetary Fund [IMF],
2026).
Los modelos econométricos
se estimaron usando el software estadístico RStudio
2023.06.0 Build 421. En el primer modelo,
la variable de emisiones de dióxido de carbono (CO2) per cápita totales anuales
relacionadas con la producción se usó como variable dependiente. En el segundo
modelo, la variable de emisiones de gases de efecto invernadero per cápita
(EGEI) se empleó como variable dependiente. El modelo incluyó otra serie de
variables independientes; su descripción se presenta en el Cuadro 1.
Cuadro 1
Definición
de variables
|
Variables |
Siglas |
Unidad |
Fuente |
|
Emisiones de dióxido de carbono per
cápita |
CO2 |
Toneladas métricas |
|
|
Emisiones de gases de efecto invernadero per cápita |
EGEI |
Toneladas métricas |
|
|
Producto interno bruto per cápita |
PIBPC |
Dólares a precios constantes del
2021 |
|
|
Productividad material (PIB/CMD) |
PM |
Tasa |
https://www.resourcepanel.org/global-material-flows-database |
|
Productividad de la huella material
(PIB/HM) |
PHM |
Tasa |
https://www.resourcepanel.org/global-material-flows-database |
|
Intensidad material (CMD/PIB) |
IM |
Tasa |
https://www.resourcepanel.org/global-material-flows-database |
|
Inversión extranjera directa como %
del PIB |
IED |
Tasa |
https://databank.worldbank.org/source/world-development-indicators |
Nota: La
variable CMD (Consumo Material Doméstico) mide la cantidad de recursos
naturales utilizados directamente por una economía dentro de su territorio. En
contraste, la HM (Huella Material) refleja el total de recursos requeridos para
sostener el consumo de un país, incluyendo los materiales incorporados en
importaciones. Ambas variables permiten distinguir entre el uso directo de
recursos y el impacto material total del consumo.
Fuente: Elaboración propia, 2026 con base en datos de Our
World in Data, Resource Panel y World
Bank.
2.2. Modelos
econométricos
El estudio adopta un
enfoque cuantitativo basado en modelos de datos panel para analizar la relación
entre productividad y sostenibilidad ambiental en cinco economías
latinoamericanas: Brasil, México, Argentina, Colombia y Chile, durante el
periodo 1990–2021.
Siguiendo el marco teórico de la Curva
Ambiental de Kuznets (EKC), se estiman dos modelos econométricos con diferentes
variables dependientes: emisiones de dióxido de carbono per cápita (CO₂) y emisiones de gases
de efecto invernadero per cápita (EGEI). Este enfoque permite capturar
distintas dimensiones de la degradación ambiental y es consistente con la
literatura reciente que recomienda el uso de múltiples indicadores para
robustecer los resultados (Celik et al., 2024).
Las variables independientes incluidas en el
modelo son el Producto Interno Bruto per cápita (PIBPC), la Productividad
Material (PM), la Productividad de la Huella Material (PHM), la Intensidad
Material (IM) y la Inversión Extranjera Directa (IED). Estas variables permiten
evaluar tanto el efecto del crecimiento económico como la eficiencia en el uso
de los recursos sobre la sostenibilidad ambiental.
Los modelos econométricos se especifican de la
siguiente forma:
CO₂ = f(PIBPC, PM, PHM, IM, IED) (I)
EGEI = f(PIBPC,
PM, PHM, IM, IED) (II)
Las representaciones econométricas se expresan
de la siguiente forma:
CO₂_it
= α₀ + α₁PIBPC_it + α₂PM_it + α₃PHM_it + α₄IM_it + α₅IED_it + u_it (III)
EGEI_it = β₀ + β₁PIBPC_it + β₂PM_it + β₃PHM_it + β₄IM_it + β₅IED_it + u_it (IV)
Donde: i representa los países (i = 1,…,5) y t el periodo temporal (t = 1990,…,2021).
El análisis se desarrolla en tres etapas. En
primer lugar, se calcularon estadísticas descriptivas y se analizaron las
correlaciones entre variables con el fin de identificar patrones iniciales en
los datos. En segundo lugar, se estiman modelos Pooled
OLS como aproximación inicial, asumiendo la ausencia de efectos individuales no
observados. Posteriormente, se aplica la prueba de Breusch-Pagan
(LM) para determinar la existencia de efectos de panel.
Finalmente, con base en los resultados de la
prueba, se estiman modelos de efectos fijos para controlar la heterogeneidad no
observada entre países. Este enfoque es adecuado dado el tamaño reducido de la
muestra transversal y permite capturar características estructurales
específicas de cada economía. En conjunto, esta estrategia metodológica permite
evaluar de manera robusta la relación entre productividad, uso de recursos y
sostenibilidad ambiental en América Latina, controlando tanto la heterogeneidad
no observada como las diferencias estructurales entre países.
3.
Resultados y discusión
3.1.
Evidencia empírica sobre productividad y sostenibilidad en América Latina
El análisis empírico permite identificar
patrones relevantes en la relación entre productividad y sostenibilidad
ambiental en América Latina. En línea con la literatura reciente, los hallazgos
muestran que el crecimiento económico sigue asociado a mayores niveles de
emisiones en etapas iniciales del desarrollo, lo que sugiere que la región aún
no ha alcanzado el punto de inflexión de la Curva Ambiental de Kuznets (Celik
et al., 2024). La Tabla 1, presenta la
estadística descriptiva de los datos, los resultados muestran asimetría
positiva, es decir, con la cola de la distribución hacia valores altos en los
datos para las variables de EGEI, PIBPC, PHM, IM e IED.
Tabla 1
Estadística
descriptiva
|
Variables |
CO2 |
EGEI |
PIBPC |
PM |
PHM |
IM |
IED |
|
Media |
3.1 |
8.6 |
18832.5 |
0.6 |
0.7 |
2.0 |
3.2 |
|
Mediana |
3.5 |
7.0 |
18326.3 |
0.6 |
0.7 |
1.5 |
2.6 |
|
Máximo |
4.7 |
21.3 |
29425.7 |
0.9 |
1.1 |
5.2 |
11.9 |
|
Mínimo |
1.3 |
4.0 |
9996.1 |
0.1 |
0.4 |
1.1 |
0.2 |
|
Desviación estándar |
1.1 |
3.6 |
5202.8 |
0.2 |
0.1 |
1.1 |
2.1 |
|
Asimetría |
-0.2 |
1.0 |
0.2 |
-0.3 |
0.2 |
1.3 |
1.7 |
|
Curtosis |
-1.5 |
0.2 |
-0.7 |
-1.3 |
-0.9 |
0.6 |
4.0 |
|
Jarque-Bera |
18.0 |
30.0 |
6.0 |
15.0 |
6.0 |
51.0 |
197.0 |
|
Probabilidad |
0.000 |
0.000 |
0.060 |
0.000 |
0.040 |
0.000 |
0.000 |
|
N |
160 |
160 |
160 |
160 |
160 |
160 |
160 |
Fuente: Elaboración propia, 2026.
La asimetría negativa solamente se observó para
las variables de CO2 y PM. En estos casos, la distribución se estira hacia la
izquierda con la cola de la distribución hacia valores bajos. En términos de
curtosis, se tiene curtosis platicúrtica en CO2,
PIBPC, PM y PHM. La curtosis platicúrtica señala que
los datos tienen colas delgadas, con casos atípicos raros, y los datos se
distribuyen alrededor del rango. Por otra parte, una curtosis leptocúrtica en
EGEI, IM e IED. La curtosis leptocúrtica sugiere que existe alta probabilidad
de valores atípicos. El estadístico Jarque-Bera indica que solamente la
variable de PIBPC tiene una distribución normal, por lo que las demás variables
no siguen una distribución normal. Esto era de esperarse puesto que los valores
reportados de asimetría y curtosis se alejan de cero.
La Tabla 2, muestra las correlaciones entre las
variables del estudio. La variable dependiente de CO2 muestra una correlación
positiva fuerte con la variable de PIBPC y PHM.
Tabla 2
Matriz de
correlaciones
|
Variables |
CO2 |
EGEI |
PIBPC |
IM |
PM |
PHM |
IED |
|
CO2 |
1.00 |
-0.20 |
0.87 |
0.10 |
0.18 |
0.82 |
0.18 |
|
EGEI |
-0.20 |
1.00 |
-0.01 |
-0.06 |
-0.12 |
-0.30 |
-0.20 |
|
PIBPC |
0.87 |
-0.01 |
1.00 |
0.07 |
0.16 |
0.83 |
0.19 |
|
IM |
0.10 |
-0.06 |
0.07 |
1.00 |
-0.93 |
0.04 |
0.59 |
|
PM |
0.18 |
-0.12 |
0.16 |
-0.93 |
1.00 |
0.24 |
-0.48 |
|
PHM |
0.82 |
-0.30 |
0.83 |
0.04 |
0.24 |
1.00 |
0.17 |
|
IED |
0.18 |
-0.20 |
0.19 |
0.59 |
-0.48 |
0.17 |
1.00 |
Fuente: Elaboración propia, 2026.
La Figura I, muestra las correlaciones entre
las variables del estudio. Es decir, los niveles de producción y la
productividad de la huella material se correlacionan con los niveles de emisión
de CO2 per cápita en las economías latinoamericanas. Por otra parte, las
emisiones de gases de efecto invernadero per cápita (EGEI) no están fuertemente
relacionadas con las variables independientes. La correlación más fuerte es
negativa con la variable de PHM con un valor de -0.3.
Fuente: Elaboración propia, 2026.
Figura I: Correlograma
Una vez revisadas las correlaciones, se
estimaron los modelos panel. En una primera etapa se corrieron modelos “pooled OLS”. El modelo pooled
OLS asume que no existen efectos específicos no observados en los cortes
transversales y temporales de los datos, o bien que estos no están
correlacionados con las variables independientes. Es decir, el modelo pooled OLS asume que no existe un efecto
panel en los datos. Sin embargo, este modelo puede presentar problemas de sesgo
por variables omitidas si existe heterogeneidad no observada y controlada entre
las unidades de análisis.
En el análisis de datos panel, se sugiere
iniciar las estimaciones con el modelo Pooled
OLS como punto de partida. Una vez estimado, se pueden correr pruebas como la
de Breusch-Pagan (LM) para verificar la
existencia de varianza en los efectos individuales, es decir, un efecto panel.
Los resultados del modelo pooled OLS para
la variable dependiente CO2 se muestran en la Tabla 3.
Tabla 3
Modelo pooled
CO2
|
Variable |
Coeficiente |
Error estándar |
||
|
PIBPC |
0.0001*** |
(0.0001) |
||
|
IM |
0.847*** |
(0.129) |
||
|
PM |
3.980*** |
(0.619) |
||
|
PHM |
0.563 |
(0.455) |
||
|
IED |
-0.032 |
(0.022) |
||
|
Constante |
-3.830*** |
(0.481) |
||
|
Indicador |
Valor |
|
||
|
Observaciones |
160 |
|
||
|
R² |
0.832 |
|
||
|
R² ajustado |
0.826 |
|
||
|
F estadístico |
152.000*** (df = 5; 154) |
|
||
Fuente: Elaboración propia, 2026.
Los resultados del modelo pooled
OLS sugieren que el modelo cuenta con un alto nivel de ajuste, con un R2
ajustado de 0.826, lo que indica que las variables independientes incluidas en
el modelo explican aproximadamente el 82,6% de la variabilidad en las emisiones
de CO2. Asimismo, el estadístico F confirma la significancia global del
modelo.
Se observa que el PIB per cápita (PIBPC), la
Intensidad Material (IM) y la Producción Material (PM), tienen un efecto
positivo y estadísticamente significativo al nivel del 1% (p < 0.01) sobre
las emisiones de CO2. Específicamente, por cada incremento de 1 unidad en el
PIB per cápita de los países latinoamericanos, las emisiones de CO2 per cápita
aumentan en 0.0001 unidades. A pesar de un coeficiente con baja magnitud, la
alta significancia confirma un vínculo entre el crecimiento económico y la
presión ambiental en países en vías de desarrollo.
Por otra parte, la intensidad material muestra
que un incremento unitario se asocia con un incremento de 0.847 unidades en el
CO2 per cápita. El resultado es positivo y estadísticamente significativo: Los
resultados señalan que un aumento en la intensidad material (mayor consumo de
materiales por unidad de PIB) correlaciona directamente con mayores niveles de
contaminación atmosférica, validando la necesidad de reducir la dependencia de
insumos físicos para mitigar el cambio climático.
La variable de Productividad Material (PM)
presenta un coeficiente positivo y estadísticamente significativo, lo que
indica que, bajo la estructura productiva actual, el incremento en la
eficiencia en el uso de recursos no ha logrado generar un desacoplamiento
ambiental. Por el contrario, se observa que mayores niveles de eficiencia están
asociados con incrementos en las emisiones de CO₂, lo que sugiere la
persistencia de patrones productivos intensivos en recursos y energía.
Este resultado contrasta con la evidencia
reportada en economías desarrolladas, donde las mejoras en la productividad
material suelen asociarse con reducciones en las emisiones debido a la adopción
de tecnologías más limpias y marcos regulatorios más estrictos (Chen et al.,
2023). En el caso de América Latina, los hallazgos sugieren que la eficiencia
productiva aún no se traduce en beneficios ambientales, aun adolece de procesos
de formación ambiental, lo que puede explicarse por la persistencia de
estructuras productivas intensivas en recursos naturales y energía (Vernaza, 2025). Este comportamiento
coincide con estudios recientes que destacan que la productividad material
puede generar efectos diferenciados dependiendo del nivel de desarrollo y del
contexto institucional (Usman et al., 2020).
Los resultados señalan que dos variables no
muestran una relación estadísticamente significativa con las emisiones de CO2: La
Productividad de la Huella Material (PHM) y la Inversión Extranjera Directa
(IED). A diferencia de la productividad material doméstica (PM), la
productividad basada en la huella material (PIB/HM) no resultó significativa.
Esto podría sugerir que las emisiones están más vinculadas a los procesos de
transformación y consumo de materiales dentro de las fronteras nacionales que
al ciclo de vida global de los materiales consumidos.
Para la IED, no se encuentra evidencia de que
los flujos de capital extranjero influyan directamente en las emisiones de esta
muestra de países latinoamericanos, lo que descarta, preliminarmente, la idea
de “paraíso de contaminación” por parte de multinacionales para este conjunto
de datos específico.
El segundo modelo utiliza las emisiones de
gases de efecto invernadero per cápita (EGEI) como variable dependiente (ver Tabla
4). El modelo se estima por Mínimos Cuadrados Ordinarios (MCO) bajo la
estimación pooled OLS. Los resultados señalan
que el modelo explica el 39,6% de la varianza de la variable EGEI. La prueba
estadística F señala que el modelo cuenta con una significancia
estadística robusta.
Tabla 4
Modelo pooled EGEI
|
Variable |
Coeficiente |
Error
estándar |
|
PIBPC |
0.001*** |
(0.0001) |
|
IM |
-3.850*** |
(0.802) |
|
PM |
-20.400*** |
(3.860) |
|
PHM |
-12.200*** |
(2.840) |
|
IED |
-0.300** |
(0.138) |
|
Constante |
28.500*** |
(3.000) |
|
Indicador |
Valor |
|
|
Observaciones |
160 |
|
|
R² |
0.415 |
|
|
R² ajustado |
0.396 |
|
|
F estadístico |
21.800*** (df = 5; 154) |
|
Fuente: Elaboración propia, 2026.
A diferencia de los resultados del modelo
anterior, las variables de productividad e intensidad muestran una relación
inversa y significativa con respecto a las emisiones. Lo anterior sugiere una
relación de mitigación, es decir, que las mejoras en la eficiencia de los
recursos reducen la presión climática. El efecto mitigador mayor se reporta en
la Productividad Material (PM), donde un incremento en una unidad de PM se
asocia con una reducción de 20.4 unidades de EGEI.
La variable de PHM muestra también una relación
inversa con la variable EGEI. Específicamente, un aumento en la productividad
de la huella material reduce las emisiones en 12.2 unidades. Esto sugiere que
la eficiencia, no solo en recursos domésticos sino en toda la cadena de
suministro global, es clave para la descarbonización. De manera similar, la Intensidad
Material (IM) también muestra una relación negativa y significativa con las
emisiones. Incrementos unitarios de IM se asocian con reducciones en EGEI de
3.8 unidades. Lo anterior podría indicar que los cambios en la estructura de
intensidad material están desplazando las emisiones hacia otros sectores o
procesos más eficientes.
La Inversión Extranjera Directa (IED) también
exhibe un coeficiente negativo y significativo al 5% con un coeficiente de
-0.3. Este resultado aporta evidencia a favor de la “hipótesis del halo de
contaminación”. Esta hipótesis señala que la IED de países desarrollados reduce
la contaminación ambiental en países receptores. Sugiere que las empresas
multinacionales transfieren tecnologías limpias y energéticamente eficientes
junto con prácticas de gestión ambiental avanzadas que pueden mejorar los
estándares ecológicos locales (Duan y Jiang, 2021; Li
et al., 2023).
Los resultados de los modelos pooled OLS muestran resultados interesantes. Sin
embargo, al analizar la información se sugiere un efecto panel en los datos
estadísticos. Para confirmar un efecto no observable y hacer uso de
herramientas econométricas de estimación de tipo panel, se estimó la prueba de Breusch-Pagan (LM) para verificar la
existencia de varianza en los efectos individuales, es decir, un efecto de
panel. Los resultados se muestran en la Tabla 5. La Ho de la prueba de Breusch-Pagan establece que no existe un
efecto panel en los datos.
Tabla 5
Prueba Breusch-Pagan
|
Modelo |
χ² |
df |
p-value |
|
OLS CO2 |
308 |
1 |
0.00 |
|
OLS EGEI |
219 |
1 |
0.00 |
Fuente:
Elaboración propia, 2026
Para los dos modelos pooled
OLS, el resultado de la prueba Breusch-Pagan
rechaza la hipótesis nula y se concluye que existe una heterogeneidad no
observada entre las unidades, en este caso entre los países analizados. Los
resultados también indican que el uso del modelo pooled
OLS produciría estimaciones sesgadas o ineficientes porque ignora las
características únicas de cada país.
Se sugiere entonces el uso de un modelo de
datos panel, de efectos aleatorios o de efectos fijos. Para el caso de estos
datos, se optó por el uso de la estimación por efectos fijos, puesto que se
cuenta con una muestra de solamente 5 países, es decir, un corte transversal de
5 individuos. El modelo de efectos fijos es apropiado cuando se tiene un
conjunto pequeño y específico de individuos (como el caso de la muestra de 5
países latinoamericanos) y se tiene interés en el comportamiento específico de
esas entidades a lo largo del tiempo. Además, el modelo de efectos aleatorios
bajo el método de estimación Swamy-Arora no es estimable al tener 5
países y 6 coeficientes a estimar (N < K).
Los resultados del modelo de efectos fijos para
la variable dependiente CO2 se muestran en la Tabla 6. El modelo analiza los
determinantes de las emisiones de CO2 per cápita. El R2 ajustado de
0.826 señala un modelo robusto, el cual explica el 82,6% de la variabilidad del
CO2. La prueba F indica la significancia estadística global del modelo. Los
resultados determinan variables significativas. El coeficiente PIB per cápita
(PIBPC) señala que, al aumentar la riqueza por habitante, las emisiones de CO2
también aumentan. El coeficiente de regresión es bajo (0.0001); sin embargo, el
impacto depende de la unidad monetaria utilizada. La importancia del resultado
es la relación directa, positiva y estadísticamente significativa.
Tabla 6
Modelo Efectos Fijos CO2
|
Variable |
Coeficiente |
Error
estándar |
|
PIBPC |
0.0001*** |
(0.00001) |
|
IM |
0.118* |
(0.069) |
|
PM |
-0.907** |
(-0.372) |
|
PHM |
-0.547** |
(-0.262) |
|
IED |
0.029*** |
(-0.001) |
|
Indicador |
Valor |
|
|
Observaciones |
160 |
|
|
R² |
0.808 |
|
|
R² ajustado |
0.797 |
|
|
F estadístico |
127.000***
(df = 5; 150) |
|
Fuente: Elaboración propia, 2026.
La variable de IED muestra un coeficiente de
0.029 y es significativa al 99% de confianza. Un aumento de una unidad de la
IED como porcentaje del PIB incrementa las emisiones de CO2 en 0.029 unidades.
Los resultados señalan posibles “paraísos de contaminación”, donde la inversión
extranjera se concentra en industrias intensivas en el uso de la energía dentro
de países latinoamericanos.
La Intensidad Material (IM) también muestra un
coeficiente positivo y es significativo al 90% de confianza. El coeficiente
sugiere que, al incrementarse el uso de materiales en los procesos de
producción, es decir, para incrementar una unidad adicional del PIB, esto se
traduce en menor eficiencia y mayores emisiones de CO2.
El modelo también muestra dos coeficientes con
impacto negativo en las emisiones de CO2. La Productividad Material (PM) tiene
un coeficiente de -0.907 y es estadísticamente significativo al 95% de
confianza. La variable de PM es el inverso de IM, es decir, que las mejoras en
la eficiencia del consumo de material doméstico (CMD) son claves para la
reducción de la huella de carbono en los países de la muestra.
De manera similar la variable de Productividad de
la Huella Material (PHM) reporta un coeficiente de -0.47 (p < 0.05). Un
aumento de una unidad en la PHM, reduce las emisiones de CO2 per cápita en 0.47
unidades. La variable de PHM, al igual que la de PM refleja que una mayor
eficiencia en el uso de los recursos se correlaciona con reducciones del CO2.
Los resultados del modelo de efectos fijos para
la variable EGEI (emisiones de gases de efecto invernadero) se muestran en la
Tabla 7. El modelo analiza los determinantes de las emisiones de gases de
efecto invernadero per cápita (EGEI). El R2 ajustado de 0.178 señala
un modelo con baja bondad de ajuste, el cual explica el 17,8% de la
variabilidad de las EGEI. La prueba F confirma la significancia global
del modelo.
Tabla 7
Modelo Efectos Fijos EGEI
|
Variable |
Coeficiente |
Error estándar |
||
|
PIBPC |
-0.0002*** |
(0.0001) |
||
|
IM |
1.020** |
(0.467) |
||
|
PM |
0.348 |
(2.510) |
||
|
PHM |
11.100*** |
(1.770) |
||
|
IED |
0.069 |
(0.068) |
||
|
Indicador |
Valor |
|
||
|
Observaciones |
160 |
|
||
|
R² |
0.225 |
|
||
|
R² ajustado |
0.178 |
|
||
|
F estadístico |
8.700*** (df = 5; 150) |
|
||
Fuente: Elaboración propia, 2026.
El modelo arroja variables significativas
PIBPC, IM y PHM. El coeficiente de la variable PIB per cápita es negativo y
altamente significativo. A diferencia del modelo anterior, un mayor nivel de
ingresos en países latinoamericanos resulta en una disminución de las emisiones
de gases de efecto invernadero per cápita. Estos resultados parecen respaldar
la hipótesis de la Curva Ambiental de Kuznets.
Otras variables indican efectos positivos en
las EGEI. Uno de los casos es la variable de PHM (Productividad de la Huella
Material). El coeficiente señala que al incrementarse la PHM en una unidad, las
EGEI aumentan en 11.1 unidades. Lo anterior se puede deber a que la eficiencia
material impulsa un efecto rebote al incentivar un mayor volumen de actividad
económica.
La variable IM (Intensidad Material) resulta
positiva y estadísticamente significativa. Al igual que el modelo de efectos
fijos de CO2, si la economía requiere consumir una gran cantidad de materiales
por cada unidad de PIBPC, las EGEI per cápita aumentan de manera significativa.
El modelo también presenta dos variables que no
resultan estadísticamente significativas: PM e IED. Los coeficientes no
significativos, a diferencia del modelo de CO2, se pueden originar porque el
CO2 suele venir de la quema de combustibles fósiles en la industria. Por otra
parte, las EGEI incluyen elementos que se relacionan con actividades económicas
como la agricultura, ganadería y vertederos. Por ejemplo, por un lado, la IED
podría estar concentrándose en sectores industriales que queman energía
(afectando los niveles de CO2) pero, por otro lado, no tiene un peso relevante
en los sectores que generan otros gases de efecto invernadero (como el sector
agropecuario o el ganadero).
En conjunto, la evidencia sugiere que la
eficiencia en el uso de recursos desempeña un papel determinante en la
sostenibilidad ambiental. Sin embargo, la persistencia de relaciones positivas
entre crecimiento económico y emisiones sugiere que América Latina aún se
encuentra en una fase intermedia de la EKC. Estos hallazgos coinciden con
estudios recientes que destacan la necesidad de políticas públicas orientadas a
la desmaterialización, la innovación tecnológica y la transición hacia
economías bajas en carbono (Usman et al., 2020; Chen et al., 2023).
Estos resultados son consistentes con la
literatura internacional que señala que las economías en desarrollo tienden a
experimentar una relación positiva entre crecimiento y emisiones en etapas
iniciales (Celik et al., 2024). Asimismo, coinciden con estudios que destacan
que la eficiencia material puede generar efectos contradictorios dependiendo
del contexto productivo (Usman et al., 2020). Estos resultados sugieren que la
región enfrenta un proceso incompleto de transición hacia modelos sostenibles,
caracterizado por avances parciales en eficiencia, pero sin un desacoplamiento
estructural consolidado.
Conclusiones
El presente estudio analizó la relación entre
actividades económicas y degradación ambiental en las principales economías de
América Latina durante el periodo 1990–2021, empleando modelos econométricos de
datos panel. Los resultados evidencian una relación compleja entre crecimiento
económico y emisiones, mostrando que el incremento en el PIB per cápita
continúa asociado a mayores niveles de CO₂, lo que indica que la región aún no ha
alcanzado el punto de inflexión de la Curva Ambiental de Kuznets.
En contraste, las emisiones de gases de efecto
invernadero presentan una dinámica diferenciada, mostrando indicios de
desacoplamiento relativo. Esta divergencia sugiere que distintos tipos de
emisiones responden de manera heterogénea a los cambios en la estructura
económica.
El uso y la eficiencia de los recursos
materiales emergen como factores determinantes en la presión ambiental.
Mientras que la intensidad material incrementa significativamente las
emisiones, las mejoras en eficiencia muestran efectos ambiguos, evidenciando la
posible presencia de efectos rebote.
En términos de hipótesis, los resultados
permiten aceptar parcialmente la H1 y H2; mientras que la H3 presenta
resultados mixtos y la H4 evidencia efectos diferenciados según el tipo de
emisiones analizadas. En términos de política pública, los hallazgos subrayan
la necesidad de transitar hacia modelos productivos basados en la eficiencia
material, la innovación tecnológica y marcos regulatorios efectivos. Sin estos
elementos, el crecimiento económico en América Latina continuará asociado a
procesos de degradación ambiental. En este sentido, el desafío para la región
no radica únicamente en crecer, sino en redefinir la forma en que se produce,
consume y se interactúa con el entorno ambiental.
Entre las limitaciones del estudio se encuentra
el número reducido de países analizados, lo cual puede restringir la
generalización de los resultados. Asimismo, el enfoque econométrico no permite
capturar completamente las dinámicas institucionales y estructurales que
inciden en la relación entre productividad y sostenibilidad. Futuras
investigaciones podrían incorporar análisis comparativos más amplios y
variables institucionales para profundizar en estos hallazgos.
Referencias bibliográficas
Álvarez, D., y Cadenas, R. (2022). Podcasts como
herramienta para la educación ambiental en Ecuador. Revista de Ciencias
Sociales (Ve), XXVIII(3),
189-203. https://doi.org/10.31876/rcs.v28i3.38468
Celik, A., Usman, O., y Alola, A. A. (2024). Material
productivity and material intensity as drivers of environmental sustainability
in G-7 economies. International Journal of Sustainable Development &
World Ecology, 31(1), 43-56. https://doi.org/10.1080/13504509.2023.2253757
Chen, F., Ali, S., Ma, J., Arshad, S., y Ahmad, S. (2023).
Material productivity and environmental degradation: Moderating role of
environment-related technologies in achieving carbon neutrality. Gondwana
Research, 117, 155-168. https://doi.org/10.1016/j.gr.2023.01.010
Crespi, G., Tacsir, E., y Vargas, F. (2016). Innovation Dynamics and
Productivity: Evidence for Latin America. In M. Grazzi
y C. Pietrobelli (Eds.), Firm Innovation and
Productivity in Latin America and the Caribbean: The Engine of Economic
Development (pp. 37-72). Inter-American Development Bank.
http://dx.doi.org/10.18235/0006462
Cruel, M., y Vernaza, G. D. (2022). Uso de biocombustibles en Ecuador: Una mirada desde la
protección de los derechos de la naturaleza. Revista Venezolana de
Gerencia, 27(E-7), 477-491. https://doi.org/10.52080/rvgluz.27.7.31
Dinda, S. (2004). Environmental
Kuznets curve hypothesis: A survey.
Ecological Economics,
49(4), 431-455. https://doi.org/10.1016/j.ecolecon.2004.02.011
Duan, Y., y Jiang, X.
(2021). Pollution haven or
pollution halo? A re-evaluation on the role of multinational enterprises in
global CO₂
emissions. Energy Economics, 97, 105181. https://doi.org/10.1016/j.eneco.2021.105181
Grossman, G. M., y Krueger, A. B. (1991). Environmental
impacts of a North American Free Trade Agreement (Working Paper No. 3914).
National Bureau of Economic Research. https://doi.org/10.3386/w3914
Grossman, G. M., y Krueger, A. B. (1995). Economic
growth and the environment. The Quarterly Journal of Economics, 110(2),
353-377. https://doi.org/10.2307/2118443
Guillén, J., Calle, J., Gavidia, A. M., y Vélez, A. G.
(2020). Desarrollo sostenible:
Desde la mirada de preservación del medio ambiente colombiano. Revista de Ciencias Sociales (Ve), XXVI(4),
293-307. https://doi.org/10.31876/rcs.v26i4.34664
International Monetary Fund - IMF (2026). World
economic outlook update. Global Economy: Steady amid Divergent Forces. IMF. https://www.imf.org/-/media/files/publications/weo/2026/january/english/text.pdf
Kuznets, S. (1955). Economic growth and income
inequality. The American Economic Review, XLV(1), 1-28. https://assets.aeaweb.org/asset-server/files/9438.pdf
Lalama, R., y Bravo, A. (2019). América Latina y los
objetivos de desarrollo sostenible: Análisis de su viabilidad. Revista de
Ciencias Sociales (Ve), XXV(E-1), 12-24. https://doi.org/10.31876/rcs.v25i1.29591
Li, X., Huang, Y., Li, X., y Liu, X. (2023). Mechanism of smart city policy on the carbon emissions
of construction enterprises in the Yangtze River Economic Belt: A perspective
of the PESTEL model and the pollution halo hypothesis. Humanities and Social
Sciences Communications, 10, 580. https://doi.org/10.1057/s41599-023-02111-0
Manzanares, G. (2020). Desarrollo sostenible y políticas públicas: enfoque de la
ONU y ecología política. Revista Ciencia
Jurídica y Política, 6(12), 73-87. https://www.camjol.info/index.php/rcijupo/article/view/11174
Organisation for Economic Co-operation and Development (OECD), Economic
Commission for Latin America and the Caribbean (ECLAC), Development Bank of
Latin America (CAF), y European Commission (2025). Latin American economic
outlook 2025: Promoting and financing production transformation. OECD
Publishing. https://doi.org/10.1787/80e48de5-en
Paniagua,
J. y Vélez, F. (2022). Sostenibilidad y gobernanza ambiental. Análisis crítico
del discurso de desarrollo sostenible planteado en la política pública sobre
calidad del aire en Bogotá (2010-2020). Trabajo Social, 24(2),
181-214. https://doi.org/10.15446/ts.v24n2.98790
Paredes-Chacín, A. J., López-Orozco, G. M., y
Cajigas-Romero, M. (2019). Prácticas de sostenibilidad:
Retos de la cooperación entre regiones latinoamericanas. Revista de Ciencias
Sociales (Ve), XXV(E-1), 25-41. https://doi.org/10.31876/rcs.v25i1.29594
Porter, M. E., y Kramer, M. R. (2011). Creating shared value. Harvard Business Review, 89(1–2),
62-77. https://hbr.org/2011/01/the-big-idea-creating-shared-value
Stern, D. I. (2004). The rise and fall of the
environmental Kuznets curve. World Development, 32(8), 1419-1439. https://doi.org/10.1016/j.worlddev.2004.03.004
Usman, O., Alola, A. A., y Sarkodie, S. A. (2020). Assessment
of the role of renewable energy consumption and trade policy on environmental
degradation using innovation accounting: Evidence from the US. Renewable Energy, 150,
266-277. https://doi.org/10.1016/j.renene.2019.12.151
Vernaza, G. D. (2025). Formación ambiental para la
sustentabilidad en Instituciones de Educación Superior: Entre el Estado y la
Empresa. Revista de Ciencias Sociales (Ve), XXXI(1), 208-215. https://doi.org/10.31876/rcs.v31i1.43502