Los científicos del clima y los economistas han demostrado un amplio consenso en que el cambio climático antropogénico puede causar daños económicos sustanciales y que tomar medidas para mitigar las emisiones de carbono es esencial para reducir el riesgo de efectos catastróficos. Por supuesto, existe incertidumbre científica sobre la magnitud de estos efectos y un debate activo sobre el curso de acción más apropiado. Algunos han sostenido que la incertidumbre de la ciencia climática es un argumento para retrasar cualquier respuesta hasta que sepamos lo suficiente para identificar el mejor curso de acción. Sin embargo, un metaanálisis reciente del Council of Economic Advisers muestra que alcanzar un objetivo climático es más costoso —o incluso imposible— si las políticas diseñadas para alcanzarlo comienzan más adelante. Como el retraso da lugar a una acumulación adicional de gases de efecto invernadero en la atmósfera a corto plazo, significa que, cuando se aplique, la política deberá ser más estricta para lograr el mismo objetivo climático a largo plazo. Esta mayor rigurosidad eleva los costos de mitigación en comparación con los que se producirían siguiendo desde hoy la trayectoria de menor costo.
El costo de retrasar la acción según un metaanálisis de 16 estudios
Revisamos 16 estudios que comparan 106 pares de simulaciones de políticas basadas en modelos integrados de mitigación climática.1 Las simulaciones de cada par aplican políticas similares que conducen al mismo objetivo climático (por lo general, un objetivo de concentración, aunque en algunos casos, de temperatura), pero difieren en el momento en que se aplica la política; en algunos casos, también varía el momento en que distintos países la adoptan. Como el objetivo climático es el mismo en cada escenario del par, los daños ambientales y económicos del cambio climático son aproximadamente iguales en ambos escenarios. Por tanto, el costo adicional de retrasar la aplicación equivale a la diferencia entre los costos de mitigación de los dos escenarios de cada comparación por pares. Los estudios abarcan una amplia variedad de objetivos climáticos, escenarios de retraso y supuestos de modelización, como se analiza a continuación. Nos centramos en estudios publicados en 2007 o después.
En cada caso, un modelo calcula la trayectoria de políticas de mitigación costoeficaces y sus costos, imponiendo restricciones a la trayectoria de emisiones para alcanzar el objetivo climático. Cada trayectoria pondera el avance tecnológico en las tecnologías de mitigación y otros factores que, al principio, suelen permitir una política menos estricta y menos costosa frente a los costos que surgen si la mitigación, tras un retraso excesivo, debe llevarse a cabo con rapidez. Como los modelos suelen expresar la política en términos del precio del carbono, la trayectoria del precio calculada por el modelo comienza relativamente baja y aumenta a lo largo de la política. Así, una política iniciada hoy suele tener un precio del carbono que aumenta de manera constante, mientras que una política retrasada suele tener un precio del carbono de cero hasta la fecha de inicio; entonces el precio salta a un nivel inicial más alto y luego aumenta más rápidamente que el de la política inmediata óptima. Los precios del carbono más altos tras un retraso suelen generar costos totales mayores que una política que impusiera hoy ese precio.2
Los costos del retraso en estos estudios dependen de diversos factores, entre ellos, la duración del retraso, el objetivo climático, los supuestos de modelización, las emisiones futuras de referencia, las futuras tecnologías de mitigación, los escenarios de retraso, los participantes que aplican la política y la ubicación geográfica. Los objetivos más ambiciosos son más costosos de alcanzar, y se prevé que cumplirlos será particularmente costoso, si no inviable, cuando se retrase la acción. De igual modo, la coordinación internacional de las medidas de política reduce los costos de mitigación, y el costo del retraso depende de qué países participen en la política, así como de la duración del retraso.
Elaboramos un conjunto de datos que describe cada estimación del costo del retraso e incluye información sobre la simulación. Los datos incluyen todas las estimaciones numéricas disponibles del costo promedio o total de retrasar la acción que encontramos en nuestra búsqueda bibliográfica. Cada estimación es una comparación por pares de un escenario con retraso y su escenario correspondiente sin retraso. Para que los resultados sean comparables entre estudios, convertimos las estimaciones del costo del retraso (presentadas en los estudios originales de distintas maneras, como valores actuales en dólares, porcentaje del consumo o porcentaje del PIB) en el cambio porcentual de los costos atribuible al retraso.3 Captamos la variación entre estudios y diseños experimentales mediante variables que codifican la duración del retraso en años; el objetivo de concentración equivalente de dióxido de carbono (CO2e); si solo actúan de inmediato los países relativamente más desarrollados (retraso parcial); la tasa de descuento utilizada para calcular los costos; y el modelo empleado en la simulación.4 Todas las comparaciones consideran políticas y resultados medidos aproximadamente hasta finales de siglo. Para reducir el efecto de los valores atípicos, el análisis de regresión principal solo utiliza resultados con un aumento de costos inferior al 400% (a continuación se analizan métodos alternativos para tratar los valores atípicos como pruebas de sensibilidad) e incluye únicamente comparaciones por pares en las que ambas políticas, la principal y la retrasada, son viables (es decir, el modelo pudo resolver ambos casos).5 El conjunto de datos contiene un total de 106 observaciones (comparaciones por pares), de las cuales 58 se incluyen en el análisis principal. Todas las observaciones del conjunto de datos tienen la misma ponderación.
El análisis de estos datos sugiere dos conclusiones principales, ambas coherentes con los resultados de estudios concretos de la bibliografía subyacente. La primera es que, al comparar los estudios, los costos aumentan con la duración del retraso. La Figura 1 muestra los costos del retraso en función de su duración. Aunque los costos varían considerablemente para una duración determinada debido a las diferencias entre modelos y experimentos, se observa un patrón general de aumento de los costos a medida que se prolonga el retraso.
Figura 1. Costos adicionales de mitigación por duración del retraso
Fuente: cálculos del Council of Economic Advisers.
Notas: Los puntos de datos representan el aumento porcentual de los costos de mitigación debido al retraso y la duración correspondiente del retraso para una simulación por pares determinada. El diagrama de dispersión presenta un total de 58 simulaciones de retraso por pares. La línea continua es el ajuste de regresión a estos datos, restringido para que pase por el origen.
Por ejemplo, de las 14 simulaciones por pares con diez años de retraso, el costo promedio del retraso es del 39%. La línea de regresión que se muestra en la Figura 1 estima el costo promedio del retraso por año utilizando los 58 experimentos por pares, bajo el supuesto de que el costo del retraso aumenta a una tasa constante por año (y, por definición, no hay costo si no hay retraso); la estimación es del 37% por década. Este análisis no tiene en cuenta posibles factores de confusión, como la asociación entre retrasos más prolongados y objetivos menos estrictos; el análisis de regresión múltiple que se presenta en el Anexo a continuación controla esos factores.
La segunda conclusión es que cuanto más ambicioso es el objetivo climático, mayores son los costos del retraso. Esto puede observarse en la Figura 2, donde los objetivos de concentración más bajos (y más estrictos) tienden a tener las estimaciones de costos más elevadas. De hecho, un examen más detenido de la Figura 1 revela un patrón relacionado: la relación entre la duración del retraso y los costos adicionales es más pronunciada para los puntos que representan objetivos de CO2e de 500 ppm o menos que para los de los otros dos rangos. Es decir, los costos del retraso son particularmente altos en los escenarios con el objetivo más estricto y los retrasos más prolongados.
Figura 2. Costos adicionales de mitigación por objetivo de concentración de CO2
Notas: Los puntos de datos representan el aumento porcentual de los costos de mitigación debido al retraso y el objetivo de concentración de CO2 correspondiente para una simulación por pares determinada. El diagrama de dispersión presenta un total de 58 simulaciones de retraso por pares. La línea continua es la recta de regresión ajustada a estos datos.
Conclusión
Este análisis abordó el costo de intentar alcanzar el mismo objetivo climático comenzando más tarde la aplicación de las políticas. Mostró que el costo de alcanzar un objetivo determinado aumentaría alrededor de un 40%. Sin embargo, este es solo un factor que debe considerarse al evaluar el momento y la magnitud de las medidas frente al cambio climático. Como el CO2 se acumula en la atmósfera, retrasar la acción aumenta las concentraciones de CO2. Por tanto, si el retraso de una política conduce a concentraciones finales más altas de CO2, genera daños económicos persistentes derivados del aumento de las temperaturas y de las concentraciones de CO2. Según el modelo DICE, tal como lo presenta William Nordhaus (2013), un retraso que dé lugar a un calentamiento de 3° Celsius por encima de los niveles preindustriales, en lugar de 2°, podría aumentar los daños económicos aproximadamente un 0.9% de la producción mundial.6 Para poner este porcentaje en perspectiva, el 0.9% del Producto Interno Bruto (PIB) estimado de Estados Unidos para 2014 equivale aproximadamente a $150 mil millones. El costo incremental de un grado adicional de calentamiento por encima de 3° Celsius sería aún mayor. Además, estos costos no se producen una sola vez, sino que se incurren año tras año debido al daño permanente causado por el aumento del cambio climático que resulta del retraso.
Además, existe una considerable incertidumbre en torno a todas estas estimaciones, incluida la posibilidad de daños significativamente mayores que los supuestos en estos cálculos, potencialmente como resultado de «puntos de inflexión» por encima de los cuales el cambio climático se convierte en un ciclo que se amplifica a sí mismo. La política climática puede concebirse como un «seguro climático» contratado frente a las posibles consecuencias más graves e irreversibles del cambio climático. Fenómenos como el rápido derretimiento de las capas de hielo y el consiguiente aumento del nivel del mar mundial, o los aumentos de temperatura en el extremo superior del rango de incertidumbre científica, podrían tener consecuencias económicas tan graves que razonablemente se considerarían catástrofes climáticas. Hacer frente a la posibilidad de catástrofes climáticas exige tomar ahora medidas prudentes para reducir la probabilidad futura de las consecuencias más graves del cambio climático. Cuanto más se pospongan las medidas, mayor será la concentración de CO2 en la atmósfera y mayor el riesgo. Así como las empresas y las personas se protegen contra riesgos financieros graves mediante la contratación de distintos tipos de seguros, los responsables de formular políticas pueden tomar ahora medidas que reduzcan las probabilidades de desencadenar los fenómenos climáticos más graves. Y, a diferencia de las pólizas de seguro convencionales, la política climática que sirve de seguro climático es una inversión que también permite tener aire más limpio, seguridad energética y beneficios difíciles de monetizar, como la diversidad biológica.
Referencias
Blanford, G J, R G Richels y T F Rutherford (2009), “Feasible Climate Targets: The Roles of Economic Growth, Coalition Development and Expectations”, Energy Economics 31(supplement 2): S82–S93.
Bosetti, V, C Carraro y M Tavoni (2009), “Climate Change Mitigation Strategies in Fast-Growing Countries: the Benefits of Early Action”, Energy Economics 31(supplement 2): S14–S151.
Bosetti, V, C Carraro, A Sgobbi y M Tavoni (2009), “Delayed Action and Uncertain Stabilisation Targets. How Much Will the Delay Cost?”, Climatic Change 96(3): 299–312.
Calvin, K, J Edmonds, B Bond-Lamberty, L Clarke, S H Kim, P Kyle, S J Smith, A Thomson y M Wise (2009a), “Limiting Climate Change to 450 ppm CO2 Equivalent in the 21st Century”, Energy Economics 31(supplement 2): S107–S120.
Calvin, K, P Patel, A Fawcett, L Clarke, K Fisher-Vanden, J Edmonds, S H Kim, R Sands y M Wise (2009b), “The Distribution and Magnitude of Emissions Mitigation Costs in Climate Stabilization under Less Than Perfect International Cooperation: SGM Results”, Energy Economics31(supplement 2): S187–S197.
Clarke, L, J Edmonds, V Krey, R Richels, S Rose y M Tavoni (2009), “International Climate Policy Architectures: Overview of the EMF 22 International Scenarios”, Energy Economics31(supplement 2): S64–S81.
Edmonds, J, L Clarke, J Lurz y J M Wise (2008), “Stabilizing CO2 Concentrations with Incomplete International Cooperation”, Climate Policy 8(4): 355–376.
Gurney, A, H Ahammad y M Ford (2009), “The Economics of Greenhouse Gas Mitigation: Insights from Illustrative Global Abatement Scenarios Modelling”, Energy Economics 31(supplement 2): S174–S186.
Intergovernmental Panel on Climate Change, contribución del Grupo de Trabajo III al Quinto Informe de Evaluación (IPCC WG III AR5) (2014), Climate Change 2014: Mitigation of Climate Change.
Jakob, M, G Luderer, J Steckel, M Tavoni y S Monjon (2012), “Time to Act Now? Assessing the Costs of Delaying Climate Measures and Benefits of Early Action”, Climatic Change 114(1): 79–99.
Krey, V y K Riahi (2009), “Implications of Delayed Participation and Technology Failure for the Feasibility, Costs, and Likelihood of Staying Below Temperature Targets – Greenhouse Gas Mitigation Scenarios for the 21st Century”, Energy Economics 31(supplement 2): S94–S106.
Loulou, R, M Labriet y A Kanudia (2009), “Deterministic and Stochastic Analysis of Alternative Climate Targets under Differentiated Cooperation Regimes”, Energy Economics 31(supplement 2): S131–S143.
Luderer, G, V Bosetti, M Jakob, M Leimbach, J Steckel, H Waisman y O Edenhofer (2012), “The Economics of Decarbonizing the Energy System – Results and Insights from the RECIPE Model Intercomparison”, Climatic Change 114(1): 9–37.
Luderer, G, R C Pietzcker, C Bertram, E Kriegler, M Meinshausen y O Edenhofer (2013), “Economic Mitigation Challenges: How Further Delay Closes the Door for Achieving Climate Targets”, Environmental Research Letters 8(3).
Nordhaus, W D (2013), The Climate Casino: Risk, Uncertainty, and Economics for a Warming World, New Haven: Yale University Press.
Richels, R G, T F Rutherford, G J Blanford y L Clarke (2007), “Managing the Transition to Climate Stabilization”, Climatic Policy 7(5): 409–428.
Tol, R S J (2009), “The Feasibility of Low Concentration Targets: An Application of FUND”, Energy Economics 31(supplement 2): S121–S130.
van Vliet, J, M G J den Elzen y D P van Vuuren (2009), “Meeting Radiative Forcing Targets under Delayed Participation”, Energy Economics 31(supplement 2): S152–S162.
Anexo
La Tabla 1 presenta los resultados del análisis de regresión múltiple, que resume cómo diversos factores afectan las predicciones de los estudios incluidos, manteniendo constantes las demás variables de la regresión. La variable dependiente es el costo del retraso, medido como el aumento porcentual en relación con el escenario comparable sin retraso; la duración del retraso se mide en décadas. Las especificaciones (1) y (2) corresponden a las Figuras 1 y 2, respectivamente. Cada especificación posterior incluye la duración del retraso en años, una variable indicadora de un escenario de retraso parcial y la concentración objetivo de CO2e. Además de los coeficientes mostrados, la especificación (4) incluye efectos fijos del modelo, que controlan las diferencias sistemáticas entre modelos, y todas las especificaciones salvo la columna (1) incluyen una constante.
Los resultados de la Tabla 1 cuantifican los dos hallazgos principales mencionados anteriormente. Los coeficientes de la columna (3) indican que, al comparar estos estudios, un aumento de una década en la duración del retraso se asocia en promedio con un incremento del 41% en el costo de mitigación con respecto al escenario sin retraso. Sin embargo, esta regresión no controla las posibles diferencias en los costos de referencia entre los distintos modelos, por lo que la columna (4) presenta una variante que incluye un conjunto de efectos fijos para el modelo utilizado. La inclusión de efectos fijos del modelo eleva el costo del retraso al 56% por década. Cuando el costo del retraso se estima por separado para distintos intervalos de concentración objetivo (columna (5)), el retraso es más costoso cuanto más ambicioso es el objetivo de concentración. Pero incluso para el objetivo menos ambicioso —una concentración de CO2e superior a 600 ppm—, se estima que el retraso aumenta los costos aproximadamente un 24% por década. Debido al número relativamente reducido de casos (58 comparaciones por pares), que disminuye aún más al estimar el retraso dentro de intervalos objetivo, los errores estándar son grandes, sobre todo para los escenarios menos ambiciosos; por ello, para obtener una estimación general del costo del retraso, no diferenciamos entre los distintos objetivos. Aunque la regresión de la columna (4) controla adecuadamente las diferencias entre modelos, otras especificaciones (no presentadas) que tratan los valores atípicos de distintas maneras e incluyen otras variables de control arrojan estimaciones del retraso por década tanto mayores como menores que la regresión de la columna (3).7 Por lo tanto, adoptamos la estimación de la regresión (3), del 41% por década, como estimación anual general de los costos del retraso.
Una salvedad de este análisis es que solo considera los casos en que existen soluciones del modelo. Los casos omitidos, que no son viables, tienden a ser aquellos con objetivos ambiciosos que no pueden alcanzarse cuando el retraso es prolongado, dadas las hipótesis tecnológicas del modelo. Por este motivo, la omisión de estos casos probablemente subestima los costos del retraso que se presentan en la Tabla 1.8 Además, señalamos que las estimaciones del efecto de un retraso parcial (cuando algunas naciones desarrolladas actúan ahora y otras retrasan la acción) son imprecisas, lo que quizá refleje la heterogeneidad de los escenarios de retraso parcial examinados en los estudios.
Tabla 1. Aumento de los costos de mitigación derivado de un retraso, dado un objetivo climático especificado: resultados de la regresión
Notas: La tabla presenta coeficientes de regresión por mínimos cuadrados ordinarios; cada columna corresponde a una regresión distinta. En cada caso, la variable dependiente es el aumento porcentual del costo al pasar de un escenario sin retraso a uno con retraso. Cada observación compara un par de escenarios con el mismo objetivo climático, para un total de 58 observaciones. Las variables de regresión representan algunas de las variables que caracterizan cada comparación por pares: el retraso simulado, el retraso interactuado con el objetivo de concentración (por intervalos), si solo algunos países retrasaron la acción (retraso parcial) y la concentración objetivo. El apéndice enumera todos los estudios de los que se extrajeron los datos. La especificación de la columna (1) no incluye una constante.
Significativo al nivel de significación del: *10% **5% ***1%.
Fuente: cálculos del CEA basados en los resultados de los estudios enumerados en el apéndice.
1 Los estudios incluyen una serie de artículos que describen un ejercicio del Energy Modeling Forum: Loulou et al. (2009), Tol (2009), Gurney et al. (2009), van Vliet et al. (2009), Blanford et al. (2009), Krey y Riahi (2009), Calvin et al. (2009a, 2009b), Russ y van Ierland (2009) y Bosetti et al. (2009); Clarke et al. (2009) ofrece una descripción general del proyecto. El metaanálisis incluye los siguientes estudios que no están asociados con este ejercicio: Jakob et al. (2012), Luderer et al. (2012, 2013), Edmonds et al. (2008), Richels et al. (2007) y Bosetti et al. (2009).
2 Algunos modelos identifican explícitamente la trayectoria del precio del carbono que minimiza los costos sociales totales. Estos modelos de optimización siempre encuentran costos iguales o mayores para los escenarios con una restricción de retraso. Otros modelos pronostican precios del carbono que permiten alcanzar el objetivo climático, pero no exigen que la trayectoria minimice los costos. Estos últimos modelos pueden predecir que el retraso reduce los costos, y un pequeño número de las comparaciones que revisamos informa costos negativos del retraso.
3 Por ejemplo, si en una comparación por pares el retraso aumentara los costos de mitigación del 0.20% del PIB al 0.30% del PIB, el aumento de costos sería del 50%. Se excluyen las comparaciones para las que los estudios no proporcionaron información suficiente para calcular el aumento porcentual de los costos. También se excluyen las comparaciones que informan únicamente el precio de mercado de las emisiones de carbono al final de la simulación, que no es necesariamente proporcional a los costos totales de mitigación.
4 Al medir la duración del retraso en políticas con múltiples etapas de aplicación, consideramos que el retraso termina al comenzar cualquier nueva participación en la mitigación por parte de cualquier actor después del inicio de la simulación. También excluimos los escenarios con retrasos superiores a 30 años. Cuando se proporcionaron otros objetivos climáticos (por ejemplo, la concentración de CO2 o el aumento de la temperatura media mundial), los niveles de concentración de CO2e correspondientes se estiman utilizando las conversiones del Intergovernmental Panel on Climate Change, Working Group III AR5 (2014).
5 Si un modelo estima un costo para un escenario óptimo de primer orden, pero determina que el escenario correspondiente con retraso no es viable, la comparación se codifica como un caso en que los costos superan el 400%. Además, se excluye una comparación de Clarke et al. (2009) porque un costo de referencia negativo impide calcular un aumento porcentual.
6 Nordhaus (2013) subraya que estas estimaciones «están sujetas a grandes incertidumbres… debido a la dificultad de estimar los impactos en ámbitos como el valor de las especies perdidas y los daños a los ecosistemas». (pp. 139–140).
7 En general, los resultados de la Tabla 1 son sólidos ante el uso de diversas especificaciones y métodos de regresión, entre ellos: utilizar como variable dependiente la disminución porcentual del escenario con retraso, en lugar del aumento porcentual del escenario sin retraso, como forma alternativa de tratar los valores atípicos; utilizar regresión mediana, también como forma alternativa de tratarlos; e incluir el factor de descuento como explicación adicional de la variación del costo del retraso, aunque este coeficiente nunca es estadísticamente significativo. Estas regresiones utilizan composición lineal, no exponencial, porque se centran en el costo del retraso por década, no en el costo anual del retraso. Un enfoque alternativo consiste en especificar la variable dependiente en logaritmos (aunque esto elimina las estimaciones negativas), y hacerlo produce resultados generalmente similares a los de la Tabla 1 una vez compuestos.
8 Un enfoque alternativo para omitir las observaciones de soluciones inviables consiste en tratar sus valores como censurados a cierto nivel. Por consiguiente, las regresiones de la Tabla 1 se volvieron a estimar mediante una regresión Tobit, en la que los valores superiores al 400 % (incluidos los casos sin solución) se tratan como censurados. Como era de esperar, los costes de la demora por año estimados mediante la regresión Tobit superan las estimaciones de mínimos cuadrados ordinarios. Un modelo lineal de probabilidad (no mostrado) indica que los escenarios con demoras más largas y objetivos más estrictos tienen más probabilidades de presentar aumentos del coste de la demora superiores al 400 % (incluidos los casos sin solución). El supuesto de que se utiliza tecnología de bio-CCS no presenta una correlación estadísticamente significativa con el aumento del coste de la demora en una regresión censurada, pero está asociado con una probabilidad significativamente menor de que los aumentos del coste de la demora superen el 400 %.
Este artículo se publica en colaboración con VoxEU. La publicación no implica que el Foro Económico Mundial respalde las opiniones expresadas.
Para mantenerse al día con la Agenda suscríbase a nuestro boletín semanal.
Autores: Jason Furman es el presidente del Consejo de Asesores Económicos. Ron Shadbegian es economista en la División de Evaluación de Beneficios y Desarrollo de Métodos, Centro Nacional de Economía Ambiental. Jim Stock es profesor Harold Hitchings Burbank de Economía Política en el Departamento de Economía de la Universidad de Harvard.
Imagen: Fragmentos de hielo se desprenden de uno de los lados del glaciar Perito Moreno en un proceso de ruptura inesperada durante los meses de invierno del hemisferio sur. REUTERS/Andres Forza.
