El impacto del turismo sobre lademanda de energa elctrica: El caso de las islas Baleares[1]pgs. 7 a 23El aumento continuado del trnsito internacionalde pasajeros a nivel mundial est provocando uncreciente inters para evaluar los impactosasociados al turismo. Sin embargo, la ausencia deun sector turstico como tal en las clasificacioneseconmicas tradicionales dificulta la asignacin desus diferentes costes ambientales. En este artculo sepresenta una propuesta para evaluar el casoconcreto de la contribucin turstica al consumoelctrico analizando el caso de las Islas Baleares.Tomando como referencia un modelo tradicional dedeterminacin de la demanda de energa elctrica yutilizando el stock diario de poblacin en las islas esposible determinar el impacto que el volumen deturistas revierte sobre el consumo elctrico en elarchipilago.Palabras claveDemanda elctrica / Impacto del turismo /Stock de poblacin / Turismo sostenible.Fecha de Recepcin: Septiembre 2009Fecha de Aceptacin: Marzo 2010Mohcine BakhatJaume RossellCentre de Recerca EconmicaUniversitat de les Illes BalearsResumenEnvironmental impacts of tourism and relatedsectors have become perceptible in many regionsof the word and have been quantied by a largenumber of studies. However, because of the nopresence of the tourist sector in traditional economicclassications, the environmental costs that can beascribed to the tourist industry have been neglectedin the literature. In this paper the contribution of thetourism activity to the electricity consumption isinvestigated using the case study of the BalearicIslands. On the basis of a daily traditional model,and using the daily stocks of the population(residents and non-residents), it is shown how touristload inuence the electricity consumption in theBalearic Islands.KeywordsElectricity demand / Tourism impact /Population stock / Sustainable tourism.AbstractPapers 47-48 - 20102010 7Cdigos JEL:L83, O13, Q411.-IntroduccinLa creciente importancia de las llegadas tursticasinternacionales est generando un aumento en lapreocupacin por los impactos ambientales que lasactividades tursticas conllevan. De esta manera, sibien las cuentas satlites del turismo han contribuidoa la concienciacin sobre el impacto econmicogenerado por el turismo, existen enormesdificultades para poder atribuir determinadosconsumos de recursos e impactos ambientales alsector, circunstancia que dificulta una gestinpblica integral. En este sentido, se ha reconocidoque para poder evaluar y mejorar el desarrollosostenible del turismo, los esfuerzos no debendirigirse nicamente hacia la contribucineconmica, sino tambin tomar en consideracin lasdimensiones social (Rubio y Mazn, 2009) yambiental del turismo (Gray y Bebbington, 1993). Enrespuesta a este reconocimiento, durante los ltimosaos han ido desarrollndose nuevas metodologas einstrumentos para auditar el rendimiento del sector,destacando la evaluacin del ciclo de vida(Hernndez y Len, 2007; Becken y Simmons,2008), la huella ecolgica (Gssling et al., 2002;Patterson et al., 2007) y la segmentacin de mercado(Flores, 2008) as como el planteamiento de mejorasen la calidad ambiental. Ms all de las apuestas porla calidad ligada a mejoras en el entorno natural ocultural (Foronda y Garca, 2009; Marrero y Santana,2008; Pulido, 2009)Aunque la contribucin del turismo al deterioroambiental ha sido reconocida como potencialmenteconsiderable desde diferentes perspectivas (Gsslinget al., 2002), la reciente preocupacin por elcalentamiento global del planeta ha derivado buenaparte de la preocupacin hacia el anlisis y laevaluacin del consumo energtico por parte de lasactividades tursticas (Crdenas y Rossell, 2008)con la intencin de poder derivar implicacionessobre la cantidad de emisiones de gases de efectoinvernadero (GHG) que pudieran contribuir a lacomponente antropognica de dicho calentamiento.En este sentido, diferentes estudios ya han apuntadoa la industria turstica como uno de los mayoresconsumidores de energa y combustibles fsiles,particularmente para facilitar el transporte deviajeros, al igual que para suministrar bienes yservicios en los destinos visitados (Becken, 2002;Becken & Simmons, 2002, Becken et al, 2001, 2003;Gossling, 2000; Gossling et al., 2002; Tabatchnaia-Tamirisa et al., 1997). El uso de energa y la contribucin a las emisionesde GHG ha sido objeto de una especial atencin enel caso del transporte. As, Price y Probert (1995)discuten los impactos ambientales del trfico areodesde una perspectiva general pero sin hacer unareferencia particular al turismo. Penner et al., (1999)apunta a la enorme dificultad de cuantificar lacontribucin de los gases de efecto invernadero alcalentamiento global. Sin embargo, algunos trabajosrecientes han tratado de sobreponerse a esasdificultades evaluando diferentes impactosambientales centrndose en transporte areo. Enparticular el uso de energa y emisiones de GHG hasido discutido por Gssling (2000), Gossling et al.,(2005) y Peeters y Schouten (2006), imputando altransporte areo entre un 60 y un 95% lacontribucin de un viaje al calentamiento global. Porsu parte Becken (2002) revela que el trfico areointernacional a Nueva Zelanda consume ms de27,8 PJ de energa.Desde esta perspectiva sectorial, el sector hotelero yotras industrias complementarias han sido tambinanalizados en el contexto de uso de energa. Algunostrabajos pioneros han centrado su atencin en larelacin entre la intensidad de energa y lascaractersticas de los edificios incidiendo en lavariedad de consumo atribuible a diferentesestablecimientos, as como el impacto ambiental desu produccin (Becken et al., 2001; Deng y Burnett,2000; Simmons y Lewis, 2001). En este sentido,Becken et al., (2001) muestran como los hotelespresentan, en general, una alta intensidad energticaalcanzando los 130 MJ por cama y noche en el casode Nueva Zelanda. Se constata as como la literatura de referencia hacentrado su atencin en alguno de los subsectoresde la industria turstica a la hora de evaluar elimpacto energtico del turismo, siendo difcilobtener una visin del sector en su conjunto. La2010 8El impacto del turismo sobre la demanda de energa elctrica: El caso de las islas Balearesrazn de este enfoque encuentra una primerajustificacin en la circunstancia de que el turismo noest considerado como un sector econmico en lascuentas tradicionales y su consideracin como talsupone la implicacin de diferentes subsectores quepueden ser incluidos con diferente tipo deimplicacin. (1)A pesar de todo, es necesario atribuirresponsabilidades ambientales a las actividadestursticas en el sentido de que estas pueden serrelevantes a nivel regional a la hora de promocionaro evitar polticas de desarrollo turstico. Por estemotivo parece relevante obtener una estimacin deesa contribuciny con ello el desarrollo demetodologas que permitan una evaluacin conjuntade la contribucin del turismo a diferentes impactosambientales.El objetivo principal de este artculo es evaluar lacontribucin del turismo al consumo de energaelctrica tomando el caso de estudio de las IslasBaleares, planteando para ello un modelo tradicionalde determinacin de demanda elctrica queintroduce la presin que ejercen los turistas sobreesta demanda. El caso de estudio de las IslasBaleares es considerado por una doble razn. Enprimer lugar, la elevada especializacin y el elevadonmero de turistas per cpita que recibe la reginafianzan la posibilidad de identificar al turismocomo una actividad claramente diferenciada delresto de actividades econmicas. Por otra parte, lascaractersticas geogrficas de aislamiento de las islas,facilitan la posibilidad de identificar diariamente,con un elevado grado de precisin, el volumen (ostock) de turistas presentes en el territorio,circunstancia que no sera factible para otras muchasregiones.El trabajo se estructura de la siguiente manera. En elapartado 2 se revisan los principales modelos dedeterminacin de demanda elctrica presentes el laliteratura, as como cuales han sido las variables dereferencia utilizadas. En el apartado 3 se aportan losdetalles sobre los datos que se toman comoreferencia para plantear y desarrollar la aplicacinemprica, poniendo una especial atencin al clculodel stock de poblacin diario. En el apartado 4 sepresentan los resultados del caso de estudio y ladiscusin. Finalmente, en el apartado 5 se detallanlas principales conclusiones del trabajo.2.- La modelizacin del consumo de energa elctricaDesde mediados del siglo veinte la modelizacin delconsumo de energa elctrica ha recibido unaatencin creciente. As, en un estudio pionero,Houthakker (1951) analiz la demanda elctrica enlas tarifas domsticas para 42 ciudades provincialesen el Reino Unido observando que la media anualdel consumo elctrico por habitante podarelacionarse con la renta media del hogar, el preciomarginal de elasticidad y el precio marginal de otrasformas de competencia de energa, tales como elgas. Houthakker observadems que el consumoelctrico de las familias tena una fuerte variacinestacional, pudindose relacionar con la temperaturamedia y las horas de luz medias por da para cadames. Posteriormente Foss (1963) estudi lautilizacin de equipamiento capital sugiriendo queel consumo elctrico poda relacionarse tambin conel equipamiento de capital.Con referencia a los segmentos de usuarios Mount etal., (1973) analizaron la demanda de electricidad acorto y largo plazo para tres clases de consumo:residencial, comercial e industrial. Mount et al.,(1973) mostraron como la demanda elctrica a largoplazo es generalmente elstica, aunque a mayoresprecios se obtenan tambin elasticidades mselevadas. Por contra, la demandaera inelstica conrespeto a la renta, especialmente para los consumosindustriales y residenciales, aproximndose a cero amedida que la renta se incrementaba. Lapreocupacin por el crecimiento econmicocondujo a Kraft y Kraft (1978) a evaluar la relacinentre consumo elctrico y crecimiento econmicoen los Estados Unidos utilizando datos del periodo1947-1974. En este estudio se encontr evidencia dela existencia de una causalidad unidireccional deproducto bruto nacional a consumo elctrico.Durante los ochenta, se empezaron a realizarmodelos de series temporales ms sofisticados que2010 9Mohcine Bakhat, Jaume Rossellfueron la base de trabajos de modelizacin deenerga elctrica. Por otra parte, la liberalizacin delmercado elctrico en los noventa, aument el intersen la prediccin de la demanda y el desarrollo denuevas aproximaciones al pronstico del precio dela energa. En este sentido, cabe apuntar como lamodelizacin del consumo de energa elctricapuede enmarcarse dentro de diferentes horizontestemporales, desde una perspectiva estratgica y msa largo plazo (datos anuales) hasta una perspectivams operativa y a corto plazo (datos diarios, porhoras, o minutos). As,el contexto elegido, marcar,no slo la metodologa aplicable, sino tambin lasvariables susceptibles de ser utilizadas en losejercicios de determinacin y prediccin dedemanda.A largo plazo, uno de los mayores intereses de laliteratura se ha ceido en tratar de relacionar elconsumo energtico con la actividad econmica.Kraft y Kraft (1978), Glasure y Lee (1997) y Shiu yLam (2004) analizan la existencia de relaciones decausalidad bidireccional entre consumo energtico yPIB para diversos pases asiticos basndose en unmodelo de correccin del error. En la misma lnea,Soytas y Sari (2003) examinan la relacin causalentre PIB y consumo energtico en los 10 mercadosms emergentes y los pases del G-7 encontrandoresultados similares. Por otra parte Yang (2000)encuentra causalidad bidireccional entre consumoelctrico y PIB para Taiwan mientras que Murry yNan (1996), Wolde-Rufael (2006) y Yoo (2006)encuentran diversas causalidades entre consumoelctrico y crecimiento econmico para diferentespases. Cuando el anlisis toma en consideracin datos demayor frecuencia (diarios, horarios o minutos), lacausalidad se orienta a otro tipo de factores ms acorto plazo entre los que destacan loscondicionantes meteorolgicos. Asimismo, eshabitual la utilizacin de tendencias, cuyo objetivoes el de recoger los cambios sistemticos de algunosfactores estructurales como puede ser la poblacin oel incremento de la propensin al consumo;variables ficticias para recoger movimientossistemticos de la variable de referencia (meses delao, das de la semana, hora del da,...); y otro tipode variables ficticias para controlar el efecto dedeterminadas fechas como periodos vacacionales yotros das festivos.Por este motivo, la revisin de la literatura muestracomo la relacin entre las variables meteorolgicas(y ms concretamente, la temperatura) y la demandade energa elctrica han centrado buena parte de laatencin (Yan, 1998; Ranjan y Jain, 1999; Egeliogluet al, 2001; Nasr et al., 2002; Valor et al., 2001). Eneste sentido cabe apuntar la particularidad de larelacin esperada entre temperatura y demandaelctrica que, adems de no ser lineal (tanto a mayorcomo a menor temperatura, mayor consumo), puedepresentar una elasticidad creciente y, enconsecuencia, cabe prever que la sensibilidad de lapoblacin a cambios de temperatura sea mayor atemperaturas extremas. Finalmente, en el contexto de la modelizacin de lademanda de energa elctrica cabe apuntar adiferentes trabajos llevados a cabo recientementecuyo principal objetivo ha sido, sin embargo, larealizacin de predicciones. Aunque existe laposibilidad de tratar de obtener predicciones a partirde los modelos estadsticos tradicionales (Bodger yMohamed, 2005), se evidencia una progresivamejora del poder predictivo a travs de la utilizacinde trminos autorregresivos (Saab et al., 2001; Fataiet al., 2003), autorregresivos de transicin suaves(Amaral et al., 2008), la modelizacin ARIMA(Cancelo et al., 2008) y, especialmente mediante laaplicacin de tcnicas ms complejas basadas enmetodologas no paramtricas como por ejemplo lasredes neuronales artificiales (Dabellay y Slama,2000). Sin embargo cabe reconocer que elprogresivo incremento en la mejora de laspredicciones suele ir acompaado de la dispersinde los modelos tericos que sostienen lasaplicaciones y con ello la dificultad en establecerrelaciones causales entre variables independientes yla demanda de energa elctrica. Es por ello que eneste trabajo se opta por un modelo estadsticotradicional de series temporales dejando de lado laaplicacin de modelos computacionales tipo neuralnetworks.2010 10El impacto del turismo sobre la demanda de energa elctrica: El caso de las islas Baleares3.-Datos para la aplicacin empricaTeniendo en cuenta el objetivo de este trabajo, losmodelos de determinacin de la demanda deenerga elctrica desarrollados en este artculo sebasan en datos de produccin diaria de las IslasBaleares (Espaa), sistema que se encuentra aisladodel resto de territorio nacional. El sistema elctricobalear suministra anualmente electricidad a 1 millnde residentes al que hay que sumar la presinejercida por la visita de 13 millones de turistasconcentrados principalmente durante la pocaveraniega, que es tambin la de mayor consumoelctrico debido a las condiciones climticas quesuelen caracterizar el archipilago durante elperiodo estival.3.1. Datos de electricidadLos datos de consumo elctrico tanto para el conjuntode las Islas Baleares (BAL), como para cada una de lasislas en particular, Mallorca (MALL), Menorca (MEN) eIbiza y Formentera (IBI), fueron facilitados por RedElctrica de Espaa. La serie temporal de datosfacilitada comprende la produccin elctrica diaria (E)en MW h desde Enero de 1995 a Septiembre de 2007.En los estudios de modelizacin de energa elctricacon datos de alta frecuencia, es habitual considerarque produccin es igual a demanda debido a que losoperadores se encargan de ajustar al mximo ambasmedidas por la dificultad de almacenamiento que seencuentra asociada a dicha energa. De esta manera,los datos de produccin elctrica total referidos alperiodo de estudio se muestran en la Figura 1.Figura 1. Consumo elctrico diario en las Islas Baleares 2010 11Mohcine Bakhat, Jaume RossellUna primera observacin de la serie permitecomprobar la existencia de una clara tendencia quesuele ser habitual en otro tipo de estudios desimilares caractersticas (Cancelo y Espasa, 1996) yque puede asociarse a factores como el incrementode poblacin o a la mayor propensin al consumoper cpita. Por otra parte, el carcter fuertementeestacional mostrado en la Figura 1, permiteevidenciar la importancia tanto de los factoresclimticos extremos (Valor et al., 2001) que, en elcaso del verano, se complementara con la presinpoblacional asociada a la llegada masiva de turistas.De esta manera, con el fin de poder capturar estasvariaciones sistemticas de la variable de referencia,existe la posibilidad de introducir diferentes patronesa travs de variables artificiales o ficticias. 3.2. Datos meteorolgicosLos datos meteorolgicos requeridos para laconstruccin de los modelos de determinacin delconsumo de energa elctrica fueron recapituladospor el Centre de Recerca Econmica y provienen delcentro meteorolgico de las Islas Baleares.Concretamente, los datos meteorolgicos procedende las estaciones situados en los aeropuertos de cadauna de las islas. Para el caso de Baleares se haconsiderado una media ponderada tomando comopeso relativo la poblacin en cada una de las islas. En cuanto a las variables consideradas, aunque losresultados de la revisin de la literatura sugieren quelas condiciones meteorolgicas con posible efectosobre el consumo de energa elctrica pueden serdiversas (temperatura, humedad, viento yprecipitacin), lo ms habitual es centrarseexclusivamente en la temperatura debido a laelevada correlacin que suele existir con el resto devariables (Engle et al., 1992) si bien, para le caso deEspaa, Cancelo y Espasa (1996) consideran tambinla humedad relativa. En este trabajo, debido a las condiciones especialesde alta humedad que caracterizan las Baleares,aparte de considerar las diferentes condicionesclimticas por separado, se ha introducido latemperatura de sensacin o heat index (HI) comoalternativa al uso de variables de temperatura yhumedad. De esta manera el HI combina los datosde temperatura externa media diaria y la humedadrelativa diaria con el fin de obtener una medida quese ajusta ms a las sensaciones humanas de calor yfro(2). De esta manera, cuando la temperatura y lahumedad relativa son medias el HI coincide con latemperatura mientras que cuando temperatura yhumedad son elevadas el HI se incrementa conmayor proporcin que la temperatura. De la mismamanera, a temperaturas bajas y humedad relativaaltas, el HI vuelve a recoger la mayor sensacin defro que la gente suele percibir. Aunque existendiversas alternativas para la elaboracin del HI, lafrmula ms utilizada, es la propuesta por Steadman(1979) y es por ello que es la adoptada en esteestudio(3).Sea como sea, es habitual que la relacin entre elconsumo elctrico y la temperatura (ya sea medidadirectamente o con el HI) se caracterice por la nolinealidad, tal y como se obtiene para el caso deestudio considerado (Figura 2). La relacin no-linealentre temperatura y demanda elctrica suele tratarsemediante la utilizacin de dos variables derivadas.De esta manera, los grados clidos (HDD) recogenla temperatura diaria que ha sobrepasado undeterminado umbral y los grados fros (CDD)recogera los grados que faltan para alcanzar otrodeterminado umbral. Analticamente: HDDt= Max (THref - Tt,0) [1]CDDt= Max (Tt-TCref, 0) [2]Donde Tt es la temperatura media obtenida comomedia de la mxima y mnima registradas en undeterminado da t y THref y TCref son lastemperaturas umbrales de referencia que deben serseleccionadas adecuadamente para separar lascondiciones clidas y fras. Estas funciones reflejanen conjunto el nmero de das en cuales latemperatura est por debajo o por encima de loslmites de fro y calor, recogiendo adems laintensidad del ese fro o calor. Debido a que no hayuna cuantificacin estricta de los valores de2010 12El impacto del turismo sobre la demanda de energa elctrica: El caso de las islas Balearestemperaturas lmite, puede haber muchas versionesdiferentes de las funciones HDD y CDD. En esteestudio, las temperaturas lmite de referenciaseleccionadas han sido de 17C para las altastemperaturas y de 12C para bajas temperaturas, queconcuerdan con representacin que se observa en laFigura 2. Tomando como referencia el HI en sustitucin de latemperatura, en la Figura 3 se presenta el consumodiario de electricidad en Baleares versus HDD yCDD partiendo de la base del HI (HTHI y LTHI,respectivamente). De esta forma se consigue separarel consumo debido a altas temperaturas del consumodebido a bajas temperaturas. 3.3. El stock diario de poblacin La observacin de la evolucin del consumoelctrico en Baleares (Figura 1) pone de manifiestocomo, en consonancia con lo que sucede en otrasregiones de similar latitud, se producen dos periodosde gran consumo a lo largo del ao coincidentes conel verano y el invierno. Sin embargo, cabe destacarque, en comparacin con otros destinos, lastemperaturas estivales no parecen ser suficientes paraexplicar los incrementos de consumo experimentadoy de ah la necesidad de desarrollar algn tipo deindicador que recoja la actividad turstica. Aunqueuna primera aproximacin podra pasar por laconsideracin de las llegadas de turistas, los datossobre el nmero de turistas se recogen de manera2010 13Mohcine Bakhat, Jaume RossellFigura 2 Carga diaria y temperatura mediaNota: POB_BAL, POB_MALL, POB_MEN y POB_PIT se refiere al IDPH correspondiente a las Islas Baleares, Mallorca,Menorca y Pitiusas (Ibiza y Formentera). El IDPH de las Islas Baleares se obtiene a partir de la suma del resto de casos. 2010 14El impacto del turismo sobre la demanda de energa elctrica: El caso de las islas BalearesFigura 3. Consumo diario de electricidad y HI en BalearesFigura 4. IDPH en las Islas Balearesmensual por los que supondra slo unaaproximacin que no tendra en cuenta lasvariaciones que se producen durante un mismo mes. Con el fin de obtener un indicador diario de presinhumana, Riera y Mateu (2007) desarrollaron unamedida para controlar el stock de poblacin que seencuentra en cada una de las Islas Baleares (IDPH)basndose en los datos diarios de llegadas y salidasde puertos y aeropuertos, poblacin residente ycrecimiento natural de la poblacin. Analticamenteel indicador puede representarse como:[3]Donde PR0 es la poblacin residente en el primerda de cada ao basada en las estadsticas oficiales;Ed-Sd es la diferencia entre la cantidad de entradas ysalidas de individuos obtenida de los registros depuertos y aeropuertos; y Vd es el crecimiento naturalde la poblacin como consecuencia de nacimientosy fallecimientos, linealizada para cada da del aoen funcin de la evolucin anual. La variable IDPHpara cada una de las tres islas y para la totalidad delarchipilago se muestra en la Figura 4. Tal y como se observa en la representacin delIDPH, el stock de poblacin de las Islas Baleares seha caracterizado durante el periodo de estudio porun incremento constante la poblacin (de estamanera, los datos presentan una clara tendenciapositiva) y por un elevado incremento durante latemporada alta, lo que se puede atribuir alincremento de la actividad turstica, caracterizadapor una elevada estacionalidad. En cualquier caso, ydebido a la disponibilidad de datos slo para el casode las Islas Baleares consideradas conjuntamente, eneste trabajo el IDPH se divide entre poblacinresidente (IDPH_RES) y poblacin turista(IDPH_NORES). Para ello se toman los datos deFamilitur correspondientes a los viajes realizados porlos residentes en las Islas Baleares obtenindose unaestimacin mensual de los residentes que viajanfuera del archipilago. Los resultados aparecen en laFigura 5. 4.- Resultados y discusinSiguiendo las consideraciones mencionadasanteriormente la ecuacin general utilizada para ladeterminacin de la demanda de energa elctricapara el caso de las islas Baleares puede expresarsede la siguiente manera: [4]2010 15Mohcine Bakhat, Jaume RossellFigura 5. IDPH para residentes y turistas en las Baleares Donde Et se refiere a la demanda de energaelctrica durante el da t, tomada en logaritmos; Trepresenta un tendencia lineal incluida al objeto derecoger el incremento de la propensin al consumodurante los ltimos aos; METp se refiere a las ivariables meteorolgicas consideradas inicialmente;Dn y Ml es un conjunto de variables ficticias quetratan de recoger las diferencias de consumoelctrico entre los diferentes das de la semana y losdiferentes meses del ao, respectivamente; SDk sonvariables ficticias que tratan de recoger igualmente elmenor consumo que suele caracterizar determinadosfestivos; IDPH es la variable de stock de poblacinde referencia que en el caso de las Islas Balearesconsideradas conjuntamente puede desagregarse enpoblacin residente y no residente; c, , wp, dn, ml,sk y son parmetros a estimar. Finalmente se hanincluido diferentes trminos autorregresivos (AR),Medias mviles (MA) y autorregresivos estacionales(SAR) para la correcta especificacin del trmino deerror ut al que se le supone distribuido normalmentee independiente. Tras la estimacin de modelos generales para cadauno de los casos de estudio y utilizando diferentesopciones para las variables meteorolgicas y festivos,los modelos fueron simplificndose de acuerdo a loscriterios de Akaike (AIC) Schwarz (SC) y al R2ajustado hasta obtener su versin ms simple (Tabla1). Tanto la significacin de los estadsticos F comolos elevados valores de los R2confirman la bondadde los modelos. De esta manera, se comprueba como la significacinestadstica del parmetro positivo que acompaa a lavariable de tendencia (T) confirma el crecimientocontinuo del consumo per cpita que podrarelacionarse con un incremento del nivel de vida delos residentes durante el periodo de anlisis. Por otraparte, las variables ficticias correspondientes al dade la semana (D1 hasta D6, esto es de lunes asbado) confirman los resultados esperados queapuntan a un mayor consumo durante los daslaborables. De la misma manera, todas las variablesficticias de das festivos finalmente consideradasaparecen con signo negativo(5). En cuanto a variablesmeteorolgicas, tras diferentes alternativas, la opcinutilizada finalmente fue la de separar entre gradosclidos y grados fros en base al HI (HTHI y LTHI,respectivamente). En ambos casos se han incluido lavariable al cuadrado con el fin de recoger el efectono lineal de la temperatura. Por lo que se refiere alas variables que recogen el efecto del stock depoblacin en todos los casos se obtiene un valorsignificativo, tanto para los casos de las islas demanera separada con el stock total de poblacin(IDPH) como para el caso de las Islas Balearesconjuntamente, donde es posible separar el efecto dela poblacin residente (IDPH_RES) de la turstica(IDPH_NORES). De esta manera, en todos los casosel test de Breusch-Godfrey LM permite descartar laexistencia de correlacin serial en los residuos.Con el fin de profundizar en el entendimiento de larelacin entre consumo elctrico y temperatura, yobtener una medida ms estndar comparable conestudios de naturaliza similar (Valor et al., 2001), larelacin entre ambas variables se analiza a travs delconcepto de elasticidad, que para el caso de estudiose puede definir como: [6][7]Donde HTy LTson las elasticidades para lastemperaturas altas y bajas, respectivamente,utilizando el HI, y E es el consumo de electricidad.La obtencin de las elasticidades promedio anualarroja como resultado la Figura 6 en donde seobserva como se obtienen elasticidades mximaspara los aos 2003 y 2005. Por otra parte se obtienecomo el promedio de la elasticidad anual para elndice de calor de temperaturas altas es mayor quepara el ndice de calor de temperaturas bajas, exceptopara el ao 2005 cuando se registraron temperaturasextraordinariamente bajas que explican as el mximoobtenido para el 2005. De la misma manera elmximo obtenido para el 2003 se explica por las2010 16El impacto del turismo sobre la demanda de energa elctrica: El caso de las islas BalearesMallorca Menorca Ibiza&Formentera BalearicsC 8.377854*** 6.206358*** 6.315489*** 8.517105***T 0.000127*** 0.000125*** 0.000140*** 0.000114***D1 0.042425*** 0.047237*** 0.027387*** 0.027720***D2 0.046779*** 0.054295*** 0.031244*** 0.031856***D3 0.045265*** 0.053663*** 0.030053*** 0.030430***D4 0.043453*** 0.047657*** 0.031357*** 0.027474***D5 -0.011258*** -0.022833*** -0.000403*** -0.030499***D6 -0.090734*** -0.100512*** -0.062799*** -0.108144***SD05_1 -0.076723*** -0.095125*** -0.057764*** -0.083048***SD06_1 -0.036072*** -0.059847*** -0.026095*** -0.012430***SD16_1 -0.027895** -0.129853*** -0.018185*** -0.034712***SD20_1 -0.026708*** -0.020483*** -0.013443*** -0.010738***SD28_2 -0.082609*** -0.104930*** -0.061835*** -0.077039***SD01_3 0.016707*** 0.013454*** 0.027538*** 0.005518***SD30_4 -0.066744*** -0.041665*** -0.024361** -0.075704***SD14_8 -0.085388*** -0.067909*** -0.034241*** -0.092727***SD11_10 -0.095909*** -0.106350*** -0.060427*** -0.092418***SD12_10 -0.048981*** -0.042958*** -0.024142*** -0.036303***SD31_10 -0.154986*** -0.214011*** -0.143260*** -0.161427***SD01_11 -0.032170*** -0.034211*** -0.010672*** -0.028799***SD05_12 -0.108571*** -0.108174*** -0.068659*** -0.109893***SD06_12 -0.033791*** -0.060961*** -0.007871*** -0.038005***SD07_12 -0.077002*** -0.103857*** -0.056988*** -0.082641***SD09_12 0.030635*** 0.041310*** 0.023659*** 0.026806***SD24_12 -0.087559*** -0.103498*** -0.067069*** -0.111942***SD25_12 -0.086052*** -0.095840*** -0.072400*** -0.092887***SD31_12 -0.062317*** -0.062618*** -0.035327*** -0.083378***SDJVS_ST -0.072885*** -0.089499*** -0.044039*** -0.068900***HTHI 0.004349*** 0.012144*** 0.005787*** 0.008323***HTHI^2 0.000169* -0.000274*** -0.000154*** 0.000328***LTHI 0.004185*** 0.009175*** 0.008591*** 0.006418***LTHI^2 0.000342*** 0.000445*** 0.000153*** 0.000440***IDPH 5.34E-07*** 4.00E-06*** 3.89E-06***IDPH_RES 3.91E-07***IDPH_NORES 5.30E-07***AR(1) 0.530690*** 0.115984*** 0.154752*** 0.541813***AR(2) 0.154423*** 0.255337*** 0.452363*** 0.158834***AR(3) 0.112449*** 0.113222***AR(4) 0.073514*** 0.090661*** 0.046110***AR(5) 0.036850*** 0.077944***AR(6) 0.081193*** 0.041144***AR(7) -0.376951*** -0.285236*** -0.064486***SAR(7) 0.780214*** 0.737110*** 0.327289***MA(1) 0.380937*** 0.554515***Equation StatisticsAdjusted R-Squared 0.965037 0.974229 0.990275 0.974032Log likelihood 6496.388 6300.673 7152.167 6286.692Durbin-Watson stat 1.905528 2.030151 1.946272 1.996396AIC -3.639711 -3.529293 -4.009685 -3.940424SC -3.561348 -3.450930 -3.931322 -3.846631F-statistic 2224.184 3045.862 8202.725 2474.218Proba(F-Statistic) 0.000000 0.000000 0.000000 0.000000Note: *** significant at 1%, ** significant at 5%, * significant at 10%2010 17Mohcine Bakhat, Jaume RossellTabla 1. Modelos estimados para el consumo elctrico en Balearestemperaturas mximas obtenidas, muy por encimade la media histrica. Estos resultados evidencianuna mayor sensibilidad relativa de la funcin dedemanda elctrica en verano que en invierno.Por lo que se refiere a las variables poblacionales,para evaluar su efecto sobre el consumo elctrico sehan analizado diferentes escenarios que se muestranen la Tabla 2. Dado el incremento continuo de lapoblacin observado durante el periodo de estudio,los escenarios analizados toman como referencia1999 y 2006 para evaluar sobre ellos el mismoefecto poblacional, tanto en promedio, como para elpico mximo de demanda de electricidad observado. Los resultados de las simulaciones muestran comoun incremento en el stock de poblacin para losresidentes y no residentes por separado se asociacon un incremento del consumo elctrico, con tasasanuales relativamente elevadas para los residentespara los tres escenarios definidos. Juntamente con elhecho de que el consumo mximo de electricidadde no residentes est representado para el periodoestival de 1999 y 2006 respectivamente, ladeferencia entre los mximos de los dos (residentes;no residentes) en la Tabla 2 se incrementa cuandopasamos del ao 1999 al ao 2006 (0,4% para elao 1999 y 0,7% para el ao 2006). Estacaracterstica puede explicarse por el hecho de quela proporcin entre residentes y no residentes se estincrementando. Con el fin de explotar los modelos de las islas demanera separada en la Tabla 3 aparecenrepresentados diferentes escenarios de incrementopoblacional para diferentes meses del ao. Tomandocomo referencia los aos 1999 y 2006, losresultados muestran que las tasas ms altas seregistran durante el mes de agosto para los dos aosde referencia y para cada isla, con uncomportamiento casi similar de las poblaciones deMenorca e Ibiza y Formentera. Como ejemplo lasTabla 2: Simulacin desde el incremento del consumo elctrico en Islas Baleares 5% incremento 8% incremento 10% incrementoresidente No residente residente No residente residente No residenteMax 1999 1.8% 1.4% 2.9% 2.3% 3.6% 2.9%Mean1999 1.7% 0.6% 2.8% 1.0% 3.5% 1.2%Max 2006 2.2% 1.5% 3.6% 2.4% 4.5% 3.0%Mean2006 2.1% 0.5% 3.4% 0.8% 4.3% 1.0%2010 18El impacto del turismo sobre la demanda de energa elctrica: El caso de las islas BalearesFigura 6. Estimacin de la elasticidad anual de la funcin de la demanda elctricatasas anuales por un incremento poblacional de 10%en el ao 2006 le corresponde 6,5%, 7,8% y 7.7%para Mallorca, Menorca e Ibiza y Formenterarespectivamente, mostrando que en verano laspoblaciones de Menorca e Ibiza y Formentera sonms sensibles que la poblacin de Mallorca. De lamisma manera las tasas mnimas se registran en losmeses de diciembre y enero para cada isla y para lostres escenarios. Tal y como era de esperar, unincremento de la poblacin en temporada media esla que resulta ser de mas ventajosa desde el puntode vista estacional, mientras que los peoresresultados se obtienen para el incremento de lapoblacin en temporada alta, dada su coincidenciacon el mximo consumo elctrico en cada una delas islas.2010 19Mohcine Bakhat, Jaume RossellTabla 3: Simulacin desde el incremento del consumo elctrico mensual en Islas Baleares Mallorca Menorca Ibiza y FormenteraAo Mes 5% 8% 10% 5% 8% 10% 5% 8% 10%Ene 1.8% 3.0% 3.7% 1.4% 2.3% 2.9% 1.4% 2.3% 2.9%Feb 2.0% 3.2% 4.0% 1.5% 2.3% 2.9% 1.5% 2.3% 2.9%Mar 2.1% 3.3% 4.2% 1.5% 2.4% 3.0% 1.5% 2.4% 3.0%Abr 2.2% 3.6% 4.5% 1.6% 2.6% 3.2% 1.6% 2.6% 3.2%May 2.6% 4.1% 5.2% 2.4% 3.9% 4.9% 2.4% 3.9% 4.9%1999 Jun Media 2.8% 4.5% 5.6% 2.9% 4.7% 5.9% 2.9% 4.6% 5.8%Jul 2.9% 4.7% 5.8% 3.2% 5.2% 6.6% 3.2% 5.2% 6.6%Ago 2.9% 4.7% 6.0% 3.6% 5.8% 7.3% 3.6% 5.8% 7.3%Sep 2.7% 4.4% 5.5% 2.9% 4.6% 5.8% 2.9% 4.6% 5.8%Oct 2.5% 4.0% 5.0% 2.2% 3.6% 4.5% 2.2% 3.6% 4.5%Nov 1.9% 3.0% 3.8% 1.5% 2.4% 3.0% 1.5% 2.4% 3.0%Dic 1.8% 2.9% 3.6% 1.5% 2.4% 3.0% 1.5% 2.4% 3.0%Ene 2.1% 3.3% 4.2% 1.7% 2.8% 3.5% 1.7% 2.8% 3.5%Feb 2.1% 3.4% 4.2% 1.7% 2.8% 3.5% 1.7% 2.8% 3.5%Mar 2.1% 3.4% 4.3% 1.7% 2.8% 3.5% 1.7% 2.8% 3.5%Abr 2.3% 3.6% 4.6% 1.9% 3.0% 3.7% 1.8% 3.0% 3.7%May 2.5% 4.1% 5.1% 2.4% 3.9% 4.8% 2.4% 3.8% 4.8%2006 Jun Media 2.8% 4.5% 5.7% 2.9% 4.7% 5.9% 2.9% 4.7% 5.9%Jul 3.0% 4.9% 6.2% 3.4% 5.5% 6.9% 3.4% 5.5% 6.9%Ago 3.2% 5.2% 6.5% 3.8% 6.2% 7.8% 3.8% 6.1% 7.7%Sep 3.0% 4.8% 6.1% 2.8% 4.6% 5.8% 2.8% 4.6% 5.7%Oct 2.8% 4.4% 5.6% 2.2% 3.6% 4.5% 2.2% 3.6% 4.5%Nov 2.3% 3.7% 4.7% 1.9% 3.0% 3.8% 1.9% 3.0% 3.8%Dic 2.2% 3.5% 4.4% 1.8% 2.8% 3.5% 1.7% 2.8% 3.5%a5. ConclusionesTradicionalmente el turismo ha sido consideradocomo una actividad que aporta mltiplesbeneficios econmicos en los pases de destino.No obstante, es importante evaluar sus beneficiosnetos considerando tambin los costes asociados.En esta lnea, las actividades tursticas deben seranalizadas considerando no slo el nivel deingresos tursticos y los costes directos de laprestacin de dichos servicios, sino tambin suscostes ambientales asociados. La bibliografa dereferencia revela cmo el no reconocimiento delsector turstico como tal en las cuentaseconmicas nacionales tradicionales ha derivadoen estudios sectoriales cuando se han tratado deevaluar dichos costes. Este trabajo considera un procedimientoalternativo de estimacin una parte de estoscostes, los ligados al consumo elctrico, a travsde la consideracin del stock de poblacinturstica con el fin de incrementar la eficiencia delos modelos aplicados hasta el momento. Laaplicacin de este tipo de modelos podra ser deuna gran utilidad para la estimacin de los efectosrelativos al uso de energa y sus emisiones degases de efecto invernadero en las destinacionestursticas. Utilizando el caso de estudio de las IslasBaleares la relacin entre demanda de energaelctrica y el stock de poblacin ha sido estimadamostrando un alto nivel de significacin en lasdiferentes alternativas de medicin de lapoblacin incluidas.El anlisis ha revelado que la sensibilidad de lacarga elctrica a la variable stock de poblacin seha incrementado con el tiempo para los residentesy no residentes, con una mayor sensibilidad en elcaso de la poblacin residente. Adems, se hallevado a cabo un estudio de simulacin basadoen tres hipotticos incrementos del 3%, 5% y 10%de la poblacin media de residentes y noresidentes respectivamente. Los principalesresultados de la simulacin muestran altas tasas decrecimiento de la demanda de electricidad paraambas poblaciones en verano, adems de unaintensidad relativa de demanda elctrica entreresidentes y no residentes durante el periodoestival.El hecho que una simulacin de un incremento dela poblacin no residente en febrero o noviembrese asocie con una relativa baja tasa decrecimiento del consumo elctrico puede ser degran ayuda a los planificadores en el contexto demonitorizar de manera sostenible y reduciendo elimpacto del turismo en el medio ambiente. Para futuras investigaciones se deber tratar laposibilidad de evaluar la responsabilidad delturismo en la determinacin de la carga elctricapara cada una de las Islas Baleares considerandola variabilidad interanual del stock de poblacintotal asumiendo que la principal fluctuacin de lavariable es causada por la poblacin turista. Estosresultados deberan ser comparados con losobtenidos en este trabajo con el objeto devalidarlos.El impacto del turismo sobre la demanda de energa elctrica: El caso de las islas Baleares20 2010Mohcine Bakhat, Jaume Rossell21 2010Amaral,LF,.Souza,RCyStevenson,M.(2008)Asmoothtransitionperiodicautoregressive(STPAR)modelforshort-termloadforecastingInternationalJournalofForecasting,04:603-615.Becken, S. (2002) Analysing international tourist flows toestimate energy use associated with air travel Journal ofSustainable Tourism, 10 (2):114131.Becken, S. y D. Simmons (2008) Using the concept ofyield to assess the sustainability of different tourist typesEcological Economics, 67(3):420-429Becken, S. y Simmons, D. (2002) Understanding energyconsumption patterns of tourist attractions and activities inNew Zealand Tourism Management, 23:343354.Becken, S., Frampton, C. y Simmons, D. (2001) Energyconsumption patterns in the accommodation sector theNew Zealand case Ecological Economics, 39:371386Becken, S., Simmons, D. y Frampton, C. (2003) Energy useassociated with different travel choices TourismManagement, 24:267277Cancelo,JR., y Espasa, A. (1996).Modelling and forecastingdailyseriesofelectricitydemandInvestigacionesEconmicas, 20:359-376. Cancelo,JR.,Espasa,AyGrafe,R.(2008)ForecastingtheelectricityloadfromonedaytooneweekaheadfortheSpanish system operator International Journal of Forecasting,24:588-602.Crdenas, V. y J. Rossell (2008) Anlisis econmico de losimpactos del cambio climtico en el turismo: estado de lacuestin Ekonomiaz, 67: 262-283.Darbellay GA y Slama M. (2000) Forecasting the short-termdemandforelectricity:doneuralnetworksstandabetterchance International Journal of Forecasting, 16:7183.Deng, S. y Burnett, J. (2000) A study of energy performanceofhotelbuildingsinHong-KongEnergyandBuildings,31:712.EgeliogluF.,Mohamad AA,yGuvenH.,(2001)EconomicvariablesandelectricityconsumptioninNorthernCyprusEnergy, 26: 35562.Engle,R.F.,C.Mustafa,yJ.Rice,(1992)Modelingpeakelectricity demand Journal ofForecasting, 11:241-251.FataiK,OxleyLyScrimgeourFG.(2003)ModelingandforecastingthedemandforelectricityinNewZealand:acomparisonofalternativeapproaches.EnergyJournal,24(1):75102.FloresD.(2008)SegmentacindelTurismoenParquesNaturales. Un Anlisis Comparado en Andaluca Papers deTurisme 43-44:169-190.Foronda, C. yGarca A.M. (2009) La Apuesta por la CalidadcomoElementoDiferenciadorenlosDestinosTursticos:Planes Renovados Cuadernos de Turismo 23: 89-110FossMR.(1963)Theutilizationofcapitalequipment:postwar compared with prewar Survey of Current Business,pp. 8-616.Glasure Y y Lee A.R., (1997) Cointegration, error-correction,andtherelationshipbetweenGDPandelectricity:thecaseofSouthKoreaandSingaporeResourceElectricityEconomics, 20: 1725.Gssling, S., (2000) Sustainable tourism development indeveloping countries: Some aspects of energy use. Journalof Sustainable Tourism, 8(5): 41025.Gossling, S. and Hall, M. (2005) An introduction totourism and global environmental change In S. Gosslingand C.M. Hall (editors). Tourism and Global EnvironmentChange. Routledge.Gssling, S., C. Borgstrm Hanssonb, O. Hrstmeierc y S.Saggeld (2002) Ecological footprint analysis as a tool toassess tourism sustainability Ecological Economics, 43(2-3):199-211.Gray,R.yBebbington,J.(1993)AccountingfortheEnvironment. London: Sage.Hernndez, J.M. y C. Len (2007) The interactionsbetween natural and physical capitals in the tourist lifecyclemodel Ecological Economics, 62(1): 184-193.Houthakker,HS.(1951)Somecalculationsonelectricityconsumption in Great Britain Journal of the Royal StatisticalSociety Series A-G 114(3):35971.JorgensenDWyGrilichesZ.(1967)TheexplanationofproductivitychangeReviewofEconomicStudies;34:24983.Kraft,J.yKraft,A.(1978)OntherelationshipbetweenenergyandGNPJournalofEnergyandDevelopment,3:4013.Marrero,J.R.ySantanaM.A.(2008)CompetitividadyCalidad en los Destinos Tursticos e Sol y Playa. El caso de lasIslas Canarias Cuadernos de Turismo 22: 123143.Mount,TD.Chapman,LD.yTyrrellTJ.(1973)Electricitydemand in the US: an econometric analysis Oak Ridge, TN:Oak Ridge National Laboratory.MurryDA.,NanGD.(1996)Adenitionofthegrossdomestic product electrication interrelationship Journal ofEnergy and Development 19(2):27583.Nasr, GE. Badr, EA. y Younes MR. (2002)Neural networks inforecastingelectricalenergyconsumption:univariateandmultivariateapproachesInternationalJournalofEnergyResearch, 26:6778.Bibliografa:El impacto del turismo sobre la demanda de energa elctrica: El caso de las islas Baleares22 2010Patterson, T.M., V. Niccoluccib y S. Bastianoni (2007)Beyond more is better: Ecological footprint accountingfor tourism and consumption in Val di Merse, ItalyEcological Economics 62 (3-4): 747-756.Peeters,P.ySchouten,F.(2006)Reducingtheecologicalfootprint of inbound tourism andtransport to AmsterdamJournal of Sustainable Tourism 14 (2): 157171.Penner, J., Lister, D., Griggs, D., Dokken, D. y McFarland,M.(eds)(1999)AviationandtheGlobalAtmosphere.InASpecialReportofIPCCWorkingGroupsIandIII.PublishedfortheIntergovernmentalPanelonClimateChange.Cambridge: Cambridge University Press.Price,T,yProbert,S.D. (1995)Anenergyandenvironmental strategy for the Rhymney Valley, South WalesApplied Energy, 51: 139-195.Pulido,J.I.(2009)Modelosparalagestintursticadeparquesnaturales:UnapropuestaparaEspaaPapersdeTurisme, 45: 21-40.Ranjan M, y Jain, VK. (1999) Modeling of electrical energyconsumption in Delhi Energy, 24:35161.Riera,A.yMateu,J.(2007)Aproximacinalvolumendeturismo residencial en la Comunidad Autnoma de las IllesBalearsapartirdelcmputodelacargademogrficarealEstudios Turstic, 174: 59-71.Rubio,M.A.yMazn, T.M.(2009)Elcapitalsocialcomofactor coadyuvante de los procesos de desarrollo turstico ysocioeconmicodelosdestinosdeinteriorPapersdeTurisme 45: 41-56.Saab, S., Badr, E. y Nasr G. (2001) Univariate modeling andforecasting of energy consumption: the case of electricity inLebanon Energy, 26:114.Shiu,A.yLam,PL.(2004)Electricityconsumptionandeconomic growth in China Energy Policy, 32: 4754.Simmons,C. yLewis,K.,(2001). Takeonlymemories...leave nothing but footprints. An Ecological footprint analysisoftwopackageholidays.RoughDraftReport.BestFootForward Limited. Oxford.Soytas, U. y Sari, R. (2003) Energy consumption and GDP:causalityrelationshipinG-7countriesandemergingmarkets Energy Economy, 25:337.Steadman, R.G. (1979) The Assessment of Sultriness, Part II:Effects of Wind Extra Radiation and Barometric Pressure onApparentTemperatureJournalofAppliedMeteorolgy,l18(7):874-885.Tabatchnaia-Tamirisa, N., Loke, M.K., Leung, P. y Tucker,K.A. (1997) Energy and tourism in Hawaii Annals ofTourism Research, 24(2): 390401.Valor,E.,Meneu,V.yCaselles,V.,(2001)Dailyairtemperature and electricity load in Spain Journal of appliedMeteorology, 40: 1413-1421.Wolde-Rufael,Y.(2006)Electricityconsumptionandeconomicgrowth:atimeseriesexperiencefor17Africancountries Energy Policy, 34:110614.Yan,YY.(1998)Climateandresidentialelectricityconsumption in Hong-Kong Energy, 23(1):1720.Yang, HY (2000) A note on the causal relationship betweenelectricityandGDPinTaiwanEnergyEconomics, 22:30917.Yoo, SH. (2006) The causal relationship between electricityconsumption and economic growth in the ASEAN countriesEnergy Policy, 34: 357382Decisions: AnMethods. California, Sage Publications.Mohcine Bakhat, Jaume Rossell23 2010NOTAS(1) Por ejemplo, restaurantes y algunas actividades comercialesespecficas pueden tener a la vez un componente local y tursticoque suelen ser difciles de separar y que pueden, adems, serdiferentes para diversas regiones.(2) La explicacin de esta distorsin se encuentra en el hecho deque el cuerpo humano normalmente se enfra a si mismo por larespiracin o por el sudor, el cual evapora y elimina calor delcuerpo. No obstante, cuando la humedad relativa es alta la tasa deevaporacin se reduce, por lo que el calor es eliminado del cuerpoms lentamente, causando una mayor retencin de calor que la quehabra en condiciones de baja humedad.(3) HI = -42.379 + 2.04901523T + 10.14333127R - 0.22475541TR- 6.8378310-3T2-5.48171710-2R2 + 1.2287410-3T 2R +8.528210-4TR2 - 1.9910-6T2R2, siendo T la temperatura engrados Fahrenheit y R la humedad relativa.(4) Las variables ficticias de festivos seinterpretan de la siguientemanera. SDxx_zz toma el valor 1 el da zz del mes xx y 0 el restode das. En referencia a los festivos de Semana Santa, la nicavariable incluida que finalmente fue significativa fue el jueves santo(SDJVS_ST).