Revista Científica Apuntes de Economía y Sociedad N.° 2 (1) julio 2021/ 46-53/ ISSN: 2709 - 7005
DETERMINANTES DEL CONSUMO DE ENERGÍA EN NICARAGUA.
DETERMINANTS OF NICARAGUA ENERGY CONSUMPTION.
Espinoza Hernández; Víctor
Universidad Nacional Autónoma de Nicaragua, León, Facultad de Ciencias Económicas y Empresariales
Email: victor.espinoza@ce.unanleon.edu.ni, ORCID: https://orcid.org/0000-0002-7160-5993
Recibido 11/05/21 – Aceptado 14/06/21
__________________________________________________________________________________________________________________________
Autor por correspondencia: victor.espinoza@ce.unanleon.edu.ni (Espinoza Hernández, Víctor)
Forma sugerida de citación: Espinoza, V. (2021). “Determinantes del consumo de energía en Nicaragua.”. Revista Científica Apuntes
de Economía y Sociedad, UNAN - León, Vol. N.º 2 (1) (julio 2021). pp. 46-53.
Copyright 2021 © Universidad Nacional Autónoma de Nicaragua, León (UNAN-León), Facultad de Ciencias Económicas y
Empresariales.
Resumen
El consumo de energía eléctrica es considerado como parte
de una demanda derivada, ya que depende de los bienes
utilizados. El análisis del consumo de energía y las
variables que lo afectan permite determinar el resultado de
los cambios en el consumo y el impacto individual de las
variables. Se analizó el comportamiento del consumo de
energía eléctrica y su precio, además del número de
usuarios y el ingreso a nivel nacional durante el período
2014-2019, se aplicó un modelo log-log para medir los
efectos relativos sobre consumo. La descripción de las
variables se lleva a cabo a través de la tendencia, sobre las
variables desestacionalizadas. El consumo de energía y la
cantidad de usuarios presentan tendencia positiva, mientras
que el precio y el ingreso cambian de tendencia a lo largo
del tiempo. Tanto el consumo como el ingreso, medido a
través del IMAE, presentan una caída en el año 2018,
aunque es esta última variable la que presenta la mayor
disminución. El consumo presentó la mayor volatilidad
relativa en el año 2018, mientras que la variable con mayor
estabilidad en su crecimiento fue la cantidad de usuarios.
El consumo de energía eléctrica se ve afectado
significativamente por la cantidad de usuarios, el precio y
el ingreso, siendo el precio la única variable en estudio que
tiene una relación negativa con el consumo.
Palabras Claves:
energía, consumo, series de tiempo,
tendencias
Abstract
Electrical energy consumption is considered as part of a
derived demand, since it depends on the goods used.
Energy consumption analysis and the variables that affect
it, allow us to determinate the result of changes in
consumption and the individual impact of the variables.
The behavior of electricity consumption and its price, in
addition to the number of users and income, were analyzed
at national level during the 2014-2019 period, a log-log
model was applied to measure relative effects over
consume. The description of the variables is carried out
through the trend, on the seasonally adjusted variables.
Energy consumption and the number of users show a
positive trend, while price and income change trend over
time. Both, consumption and income, measured through
the IMAE, show a fall in 2018, although it is this last
variable that shows the greatest decrease. Consumption
presented the highest relative volatility in 2018, while the
variable with the greatest stability in its growth was the
number of users. Electric power consumption is
significantly affected by the number of users, price and
income, with price being the only variable under study that
has a negative relationship with consumption.
Keywords: energy, consumption, time series, trends
46
I- Introducción
En estudio previos sobre el consumo de energía eléctrica, se han encontrado resultados mixtos, Morales Ramírez y Alvarado
Lagunas (2014) determinaron que la principal variable que explica las variaciones del consumo es la cantidad de consumidores
del servicio, mientras que Sineviciene, Sotnyk y Kubatko (2017) señalan que el crecimiento económico es la variable principal,
esto contrasta con los resultados de Osorio Duque y Serna Gómes (2020) y Agostini, Plottier y Saavedra (2009) quienes
concluyen que el consumo de energía eléctrica presentan un alto nivel de asociación con los precios, mientras que Benavente,
Galetovic, Sanhueza y Serra (2005) establece que el consumo de energía no es inelástica al precio. Khan y Qayyum (2009)
determinó que el precio puede provocar efectos mixtos en el corto plazo. Por otra parte Morales Ramírez, Luyando Cuevas y
Flores Curiel (2012) identificó que el precio de la energía eléctrica no ha mostrado ser de relativa importancia para la
determinación del consumo de energía. Samuel, Manu y Wereko (2013) determinaron inconsistencias en los signos esperados
y la significancia de las variables en algunos estudios analizados.
El conocimiento sobre el consumo de energía y sus determinantes permiten establecer la efectividad que tiene sobre el consumo
los movimientos de los precios y de otras variables, además que estos resultados son la base para el desarrollo de la docencia
ya que permite llevar a cabo análisis empírico de las teorías económicas. La aplicación de técnicas de análisis sobre el consumo
de energía ayuda a profundizar en la importancia del análisis de series de tiempo y nos permiten conocer de forma exhaustiva
el comportamiento de una variable. Esta investigación se enfoca en el consumo de energía eléctrica y sus determinantes para
Nicaragua, tomando en consideración el precio de la energía eléctrica, el ingreso del país y la cantidad de clientes que posee el
mercado considerando el período 2014-2019a partir de datos mensuales.
En Nicaragua han existido esfuerzos para mejorar la situación del sector eléctrico desde el año 2006 enfocados en la generación,
transmisión y distribución (Baldivieso, Detta, Martin y Quintanilla, 2012). Se han sugerido cambios en la matriz energética
debido a su dependencia histórica en los combustibles fósiles y se han recomendado el uso de energías renovables para tomar
en cuenta la sostenibilidad a largo plazo y tomando en cuenta los límites ecológicos (Blanco Orozco y Arce-Díaz, 2013). Todo
esto tomando en cuenta las grandes fortalezas que tiene Nicaragua en lo que se refiere a recursos naturales (Herrera, 2016). En
la actualidad la ley No 842 Ley de protección de los derechos de las personas consumidoras y usuarias regula la prestación de
los servicios de energía eléctrica, aunque existe un limitado acceso a sucursales o agencias del ente regulador en el país (Quiroz,
2018). Los niveles de consumo en el año 2019 alcanzaron un valor de 3,499 millones de Kilovatios hora, lo cual demuestra un
aumento en comparación al año anterior en el cual se registró un consumo de 3,455 Kilovatios horas (Instituto Nicaragüense
de Energía [INE], s.f.).
Tomando en cuenta esto se plantea la pregunta: ¿Cuáles son los determinantes del consumo de energía eléctrica en Nicaragua
durante el período 2014-2019?, por lo que se establece como objetivo: Analizar los determinantes del consumo de energía
eléctrica en Nicaragua durante el período 2014-2019; para llevar a cabo este objetivo general se establecen los objetivos
específicos: describir el comportamiento del consumo de la energía eléctrica, así como del precio de la energía eléctrica, el
ingreso y la cantidad de clientes del servicio; además se propone determinar la relación que existen entre cada una de estas
variables y establecer el efecto que tienen el precio de la energía eléctrica, el ingreso y la cantidad de clientes del servicio sobre
el consumo de energía eléctrica en Nicaragua.
II- Planteamiento Teórico
La demanda de energía eléctrica es considerada como una demanda derivada, ya que depende de los bienes utilizados para
satisfacer las necesidades de los individuos. Las políticas aplicadas sobre la demanda de energía eléctrica pueden clasificarse
de corto plazo y de largo plazo. En el corto plazo se desarrolla como comportamientos específicos orientados a la utilización
del capital instalado de forma conservadora, mientras que en el largo plazo se enfoca a la mejora del stock de capital y la
tecnología, los cuales se consideran variables (Hartman, 1979).
A partir de la teoría microeconómica, se establece que las variaciones del ingreso y el precio tienen efectos sobre la demanda.
En el caso particular de la energía eléctrica, al aumentar el precio o disminuir el ingreso, los hogares optarán por reducir las
horas de uso de los aparatos electrónicos en el corto plazo, mientras que en el largo plazo, optará por comprar aparatos con la
tecnología suficiente para llevar a cabo una disminución del consumo de energía (Morales Ramírez y Alvarado Lagunas, 2014).
47
Revista Científica Apuntes de Economía y Sociedad N.º 2 (1) julio 2021/ 46-53/ ISSN: 2709 - 7005
III- Metodología
La investigación desarrollada es aplicada, posee un enfoque cuantitativo, de alcance correlacional, longitudinal. La fuente de
los datos es secundaria, se utilizaron los datos del INE (s.f.) sobre consumo, precio y usuarios del mercado de energía eléctrica,
además se utilizaron los informes del Banco Central de Nicaragua (BCN, 2017, 2021) para extraer los datos sobre el índice
mensual de actividad económica (IMAE), la cual se utiliza como variable proxy del ingreso (Morales Ramírez et al., 2012).
Los datos poseen una frecuencia mensual y se recopilaron para el territorio de Nicaragua durante el período 2014-2019.
Se emplea estadística descriptiva para mostrar el comportamiento de cada una de las variables, determinando la tendencia con
regresión lineal sobre las variables en términos absolutos y relativos (logaritmo natural) con el objetivo de medir el cambio
promedio mensual, el comportamiento estacional a través del modelo multiplicativo y la volatilidad de las series a partir de las
diferencias de los logaritmos con el objetivo de reflejar la desviación estándar en términos porcentuales (Cryer y Chan, 2008;
Montgomery, Jennings y Kulahci, 2015). Se llevaron a cabo las pruebas de correlación de Pearson para establecer la relación
lineal entre las variables (Revelle, 2019).
Partiendo de la forma funcional propuesta por Khan y Qayyum (2009) y Osorio Duque y Serna Gómes (2020):
(1)
Se plante un modelo de regresión múltiple de la forma log-log.
(2)
Donde “log” significa una transformación en logaritmo natural sobre las variables; ct representa el consumo de energía total en
Gigavatios por hora (GWh), ut es la cantidad de usuarios del servicio eléctrico (cantidad de clientes), el pt precio promedio de
la energía eléctrica (C$/kWh), la variable it es el índice mensual de actividad económica (IMAE), mientras que µt representa el
residuo, el subíndice t represente el período de tiempo. Se espera que el consumo de energía eléctrica posea una relación
positiva con las variables: ingreso y cantidad de clientes del servicio, mientras que con respeto al precio se espera una relación
negativa con el consumo (Khan y Qayyum, 2009).
Los cálculos estadísticos se llevaron a cabo a través del lenguaje de programación estadístico R (R Core Team, 2020) utilizando
el entorno Rstudio (RStudio Team, 2019), para la transformación de los datos se utilizaron las funciones desarrolladas por
Wickham et. al. (2019), se llevó a cabo el ajuste estacional de la serie con propósitos de describir el comportamiento de las
series a través del método X-13ARIMA-SEATS a partir de las funciones desarrolladas por Sax y Eddelbuettel (2018) del cual
se extrae la variable ajustada (Hyndman y Khandakar, 2008).
IV- Resultados
En el análisis de las series de tiempo ajustadas a los cambios estacionales (Figura 1), el consumo de energía eléctrica hasta
inicios del año 2018 se encuentra con una tendencia positiva, alcanzado en 2015 un crecimiento promedio de 2.28 GWh (Tabla
1) lo que representa un crecimiento promedio de 0.84% mensual, a lo largo del año 2018 se presenta una tendencia con
bpendiente negativa, presentando una disminución de 0.40% en promedio cada mes (Tabla 2) al año siguiente se recuperó la
tendencia positiva con un aumento de 0.23%.
En lo referente al precio de la energía eléctrica, a inicios del 2014 posee una tendencia positiva con un crecimiento 0.44%
mensual en promedio sin embargo a lo largo del 2015 la tendencia cambia de dirección, con una disminución en promedio de
0.71% mensual, a pesar de esto, la tendencia del precio a partir del 2016 se ha mantenido positiva, alcanzando en el año 2019
un crecimiento de 1.09% en promedio cada mes.
48
Revista Científica Apuntes de Economía y Sociedad N.º 2 (1) julio 2021/ 46-53/ ISSN: 2709 - 7005
El número de usuarios ha mantenido una tendencia positiva, aunque se ha desacelerado el crecimiento a partir del año 2016,
en el cual el crecimiento era de 0.41% promedio mensual y disminuyó en el año 2019 a un crecimiento de 0.24 % promedio
mensual, la menor tasa de crecimiento en todo el período en estudio.
El ingreso, medido a través del índice mensual de actividad económica, durante el período 2014-2017 presentaba una tendencia
positiva, mientras que en el período 2018 y 2019 la tendencia cambia a una tendencia negativa, alcanza una disminución
promedio de 0.18% mensual.
Figura 1: Comportamiento de las series. Serie original (negro) y series desestacionalizas (rojo) a través del método X-
13ARIMA-SEATS.
Fuente: elaboración propia
Tabla 1
Variación promedio mensual absoluta (GWh)
Año
Consumo (c)
IMAE (i)
Precio (p)
Usuarios (u)
2014
0.44
0.19
0.03
3,524.91
2015
2.28
0.71
-0.04
3,586.02
2016
0.24
0.73
0.003
4,431.81
2017
0.38
0.31
0.04
4,577.14
2018
-1.17
-1.12
0.01
3,030.67
2019
0.67
-0.27
0.08
2,884.44
Fuente: Elaboración propia a partir de las series desestacionalizadas a través del método X-13ARIMA-SEATS, basado en los
datos del INE (s.f.) y BCN (2017, 2021).
Consumo ( c )
( a )
Año
GWh
2014 2016 2018 2020
240 260 280 300
Usuarios ( u )
( b )
Año
Usuarios
2014 2016 2018 2020
1000000 1150000
Precios ( p )
( c )
Año
IPC
2014 2016 2018 2020
6.0 6.5 7.0 7.5
Ingreso: IMAE ( i )
( d )
Año
imae
2014 2016 2018 2020
130 150 170
49
Revista Científica Apuntes de Economía y Sociedad N.º 2 (1) julio 2021/ 46-53/ ISSN: 2709 - 7005
Tabla 2
Variación promedio mensual relativa (%)
Año
Consumo (c)
IMAE (i)
Precio (p)
Usuarios (u)
2014
0.17
0.14
0.44
0.36
2015
0.84
0.50
-0.71
0.35
2016
0.08
0.49
0.05
0.41
2017
0.13
0.20
0.68
0.40
2018
-0.40
-0.73
0.22
0.26
2019
0.23
-0.18
1.09
0.24
Fuente: Elaboración propia a partir de los datos del INE (s.f.) y BCN (2017, 2021).
Desviación estándar de las diferencias del logaritmo calculada a partir de las series
Desestacionalizada (X-13ARIMA-SEATS).
Al analizar la volatilidad de las series es posible determinar, removiendo la tendencia, que el consumo de energía eléctrica y el
índice mensual de actividad económica son las series que poseen mayor nivel de volatilidad a lo largo del tiempo, en el caso
del consumo llegó a alcanzar una volatilidad del 2.45 % en el año 2018, mientras que el IMAE alcanzó el 3.36 % en el mismo
año. La volatilidad del número de usuarios y el precio de la energía eléctrica no alcanza los niveles de las variables antes
mencionadas, siendo el precio la que alcanza mayor nivel con un 2.34 % en el año 2015 (Tabla 3).
Tabla 3
Volatilidad de las variables en estudio (%)
Año
Consumo (c)
IMAE (i)
Precio (p)
Usuarios (u)
2014
0.91
0.07
0.29
0.71
2015
0.91
0.09
2.34
0.99
2016
1.30
0.12
1.28
1.14
2017
1.62
0.09
0.36
0.89
2018
2.45
0.17
0.43
3.36
2019
1.37
0.12
0.51
1.72
Fuente: Elaboración propia a partir de los datos del INE (s.f.) y BCN (2017, 2021).
Desviación estándar de las series a partir de los datos de desestacionalizados
(X-13ARIMA-SEATS)
Al tomar en cuenta el efecto estacional de las series en estudio es posible identificar que el consumo aumenta en los meses de
marzo, abril y mayo, alcanzando un máximo de 4.83 % mayor a la tendencia en el mes de mayo, mientras que en febrero se
alcanza el punto más bajo de consumo, con 6 % por debajo de la tendencia. El índice mensual de actividad económica muestra
un aumento en el ingreso a finales del año con un índice de 15.85 % por encima de la tendencia en promedio. En el caso de los
usuarios (variable de stock) y el precio, no poseen índices estacionales que superen el 1%. Estos resultados se complementan
con el análisis de autocorrelación simple, la cual en primeras diferencias, demuestra coeficientes de autocorrelación
significativos en rezagos estacionales (12 y 24) para las series consumo e ingreso, lo cual se encuentra presente en las series
usuarios y precios (Figura 2).
Al analizar la correlación lineal entre las variables es posible determinar que el consumo tiene un alto grado de correlación
positiva con la cantidad de usuarios del servicio y con el índice mensual de actividad económica. En el caso de la relación entre
el consumo y el precio es la menos significativa y muestra una relación positiva, contrario a lo que se espera según la teoría
(Figura 3).
50
Revista Científica Apuntes de Economía y Sociedad N.º 2 (1) julio 2021/ 46-53/ ISSN: 2709 - 7005
Figura 2: Comportamiento estacional de las series analizadas. Índices estacionales (ie) multiplicativos (izquierda) y
agrupación por año de cada serie (centro) y función de autocorrelación simple de las series en primera diferencia
(derecha).
Fuente: elaboración propia
Figura 3: Prueba de correlación lineal de Pearson, niveles de significancia: ≤ 0.001,  ≤ 0.01, ≤ 0.05.
Fuente: elaboración propia
Consumo ( c )
ie -1
-0.06 0.02
240 300
Consumo ( c )
Month
GWh
Jan Apr Jul Sep Dec 0 5 10 15 20
-0.5 0.5
Lag
ACF
Consumo ( c )
Usuarios ( u )
ie -1
-1e-03
1000000
Usuarios ( u )
Month
Usuarios
Jan Apr Jul Sep Dec 0 5 10 15 20
-0.2 0.6
Lag
ACF
Usuarios ( u )
Precios ( p )
ie -1
-0.005
6.0 7.0
Precios ( p )
Month
IPC
Jan Apr Jul Sep Dec 0 5 10 15 20
-0.2 0.6
Lag
ACF
Precios ( p )
Ingreso-IMAE ( i )
ie -1
-0.05 0.15
130 170
Ingreso-IMAE ( i )
Month
imae
Jan Apr Jul Sep Dec 0 5 10 15 20
-0.5 0.5
Lag
ACF
Ingreso-IMAE ( i )
c
1000000
240 280
130 170
1000000 1150000
0.68***
u
0.27*
0.72***
p
6.0 6.5 7.0 7.5
130 150 170
240 300
0.51***
0.40***
6.0 7.0
0.06
i
51
Revista Científica Apuntes de Economía y Sociedad N.º 2 (1) julio 2021/ 46-53/ ISSN: 2709 - 7005
Para establecer el efecto que tienen las variables precio, cantidad de usuarios y el ingreso; se desarrolló el modelo propuesto
(Tabla 4), los resultados muestran que las variables independientes de precio, usuarios y el ingreso son significativas, ya sea
de forma individual como de forma conjunta. Se utilizó como variable de ajuste estacional el mes (variable mi), en la cual el
intercepto es representado por el mes de enero. La variación del consumo se explica en 86 % por la variación de las variables
independientes (Tabla 5), las variables presentan los signos esperados y los coeficientes presentan las variaciones en términos
porcentuales, donde: al aumentar el precio en 1 % el consumo de energía eléctrica disminuye en 0.23 %, al aumentar el ingreso
en 1 % el consumo de energía eléctrica aumenta en 0.31 % mientras que el aumentar la cantidad de usuarios en 1 % el consumo
de energía eléctrica aumenta en 0.56 %.
Tabla 4
Modelo de regresión (Variable dependiente Consumo, c)
Term
Estimate
Std.Error
Statistic
p.value
(Intercept)
-3.32
0.73
-4.53
0.00
log(p)
-0.23
0.09
-2.61
0.01
Log(i)
0.31
0.10
3.08
0.00
Log(u)
0.56
0.09
6.32
0.00
m2
-0.05
0.01
-3.62
0.00
m3
0.05
0.01
3.76
0.00
m4
0.04
0.01
3.03
0.00
m5
0.06
0.01
4.39
0.00
m6
0.01
0.01
0.74
0.46
m7
0.01
0.01
0.48
0.63
m8
0.05
0.01
3.52
0.00
m9
-0.001
0.01
-0.09
0.93
m10
-0.005
0.01
-0.35
0.73
m11
-0.03
0.01
-2.03
0.05
m12
-0.03
0.02
-1.42
0.16
Fuente: Elaboración propia a partir de los datos del INE (s.f.) y BCN (2017, 2021). El factor “mi” es la variable mes, donde
cada i desde i = 2 hasta 12 representa los meses del año.
󰇛󰇜   󰇛󰇜  󰇛󰇜 󰇛󰇜     
     
Tabla 5
Bondad del ajuste del modelo
R.Squared
Adj.R.Squared
Statistic
P.value
df
LogLik
AIC
Df.Residual
N.Obs
0.89
0.86
31.83
0
14
179.21
-326.42
57
72
Fuente: Elaboración propia a partir de los datos del INE (s.f.) y BCN (2017, 2021).
V- Conclusiones
Las variables en estudio poseen una tendencia positiva en la mayor parte del período de estudio, la única variable que en los
últimos años posee tendencia negativa es el ingreso, medido a través del índice mensual de actividad económica a partir de
2018. El mayor crecimiento promedio del consumo de energía fue en el año 2015, mientras que en el año 2018 fue el único
año en el cual se registró una disminución de esta variable, año en el cual también existe un descenso del ingreso, aunque esta
última registra una caída en términos porcentuales mayor al registrado por parte del consumo de energía. El ingreso y el
consumo son las variables que muestran una mayor fuerza estacional en su comportamiento.
La variable consumo presenta una alta correlación lineal positiva con el número de usuarios y el ingreso, mientras que una
relación más débil con el precio de la energía eléctrica, la dirección de esta última relación cambia al momento de desarrollar
52
Revista Científica Apuntes de Economía y Sociedad N.º 2 (1) julio 2021/ 46-53/ ISSN: 2709 - 7005
el modelo con las demás variables en estudio; este modelo presente al consumo con una relación negativa con el precio, mientras
que la cantidad de usuarios y el ingreso presentan relaciones positivas. El efecto que genera la variación en uno por ciento de
los usuarios es mayor al efecto provocado por el ingreso o los precios, lo cual refleja resultados similares a los obtenidos por
Sineviciene et al. (2017).
VI- Referencia
Agostini, C., Plottier, C. y Saavedra, E. (2009). La demanda residencial por energía eléctrica en Chile.
Baldivieso, H., Detta, E., Martin, D. y Quintanilla, G. (2012). ¿Es el sector eléctrico una restricción activa al crecimiento
económico de Nicaragua? Nota Técnica IDB-TN-553. Washington, DC: BID.
Banco Central de Nicaragua. (2017). Índice Mensual de Actividad Económica 2006 - Diciembre 2016.
Banco Central de Nicaragua. (2021). IMAE DICIEMBRE 2020.
Benavente, J. M., Galetovic, A., Sanhueza, R. y Serra, P. (2005). Estimando la demanda residencial por electricidad en Chile:
el consumo es sensible al precio. Cuadernos de economía, 42 (125), 31-61.
Blanco-Orozco, N. V. y Arce-Díaz, E. (2013). El uso eficiente de la energía eléctrica en los ingenios azucareros como
contribución al desarrollo sostenible de Nicaragua. Revista Tecnología en Marcha, 26 (3), 83.
doi:10.18845/tm.v26i3.1520
Cryer, J. D. y Chan, K.-S. (2008). Time series analysis: with applications in R. Springer Science y Business Media.
Hartman, R. S. (1979). Frontiers in energy demand modeling. Annual Review of Energy, 4 (1), 433-466.
Herrera, E. L. (2016). Nicaragua y las energías limpias. Revista Científica de FAREM-Estelí, (14), 106-106.
doi:10.5377/farem.v0i14.2587
Hyndman, R. J. y Khandakar, Y. (2008). Automatic time series forecasting: the forecast package for R. Journal of Statistical
Software, 26 (3), 1-22. Recuperado desde https://www.jstatsoft.org/article/view/v027i03
Instituto Nicaragüense de Enería. (s.f.). Estadísticas anuales. Recuperado el 31 de marzo de 2020, desde
https://www.ine.gob.ni/index.php/electricidad/estadisticas-anuales/
Khan, M. A. y Qayyum, A. (2009). The demand for electricity in Pakistan. OPEC Energy Review, 33 (1), 70-96.
Montgomery, D. C., Jennings, C. L. y Kulahci, M. (2015). Introduction to time series analysis and forecasting. John Wiley y
Sons. Morales Ramírez, D. y Alvarado Lagunas, E. (2014). Análisis del consumo de energía eléctrica domiciliaria en
Tampico, Tamaulipas. Ciencia UAT, 8 (2), 62-67.
Morales Ramírez, D., Luyando Cuevas, J. R. y Flores Curiel, D. (2012). Determinantes del consumo de energía eléctrica
residencial de la Zona Metropolitana de Monterrey, Nuevo León, en México. Universidad y empresa, 14 (22), 79-98.
Recuperado a partir de https://revistas.urosario.edu.co/index.php/empresa/article/view/2041
Osorio Duque, C. A. y Serna Gómes, H. (2020). Caractersticas y determinantes de la demanda residencial de energa eléctrica
en los Municipios del Eje cafetero.
Quiroz, K. M. B. (2018). Análisis sobre asimetrías jurídicas entre las normas relativas a los derechos de consumidores, las que
regulan el sector energético y las facultades del ente regulador en Nicaragua. Revista de derecho (Valdivia), (23), 51-
82. doi:10.5377/derecho.v0i23.5656
R Core Team. (2020). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing.
Vienna, Austria. Recuperado desde https://www.R-project.org/
Revelle, W. (2019). psych: Procedures for Psychological, Psychometric, and Personality Research. R package version 1.9.12.
Northwestern University. Evanston, Illinois. Recuperado desde https://CRAN.R-project.org/package= psych
RStudio Team. (2019). RStudio: Integrated Development Environment for R. RStudio, Inc. Boston, MA. Recuperado desde
http://www.rstudio.com/
Samuel, Y. A., Manu, O. y Wereko, T. B. W. (2013). Determinants of energy consumption: a review. International Journal of
Management Sciences, 1 (12), 482-487.
Sax, C. y Eddelbuettel, D. (2018). Seasonal Adjustment by X-13ARIMA-SEATS in R. Journal of Statistical Software, 87 (11),
1-17. doi:10.18637/jss.v087. i11
Sineviciene, L., Sotnyk, I. y Kubatko, O. (2017). Determinants of energy efficiency and energy consumption of Eastern Europe
post-communist economies. Energy y Environment, 28 (8), 870-884.
Wickham, H., Averick, M., Bryan, J., Chang, W., McGowan, L. D., François, R., . . . Yutani, H. (2019). Welcome to the
tidyverse. Journal of Open Source Software, 4 (43), 1686. doi:10.21105/joss.01686
53