Chapter

Capítulo 3. efectos de los shocks meteorológicos en la actividad económica: ßcómo pueden hacerles frente los paýses de bajo ingreso?

Author(s):
International Monetary Fund. Research Dept.
Published Date:
October 2017
Share
  • ShareShare
Show Summary Details

En los últimos 40 años la temperatura del planeta ha aumentado a un ritmo sin precedente, y podría aumentar significativamente, dependiendo de nuestra capacidad para limitar la emisión de gases de efecto invernadero. En este capítulo se observa que los efectos macroeconómicos del aumento de la temperatura son desiguales, y que los efectos adversos se concentran en países donde el clima es relativamente cálido, como lo es en la mayoría de los países de bajo ingreso. En ellos, un aumento de la temperatura reduce el producto per cápita en el corto y mediano plazo pues debilita la producción agrícola, deprime la productividad de los trabajadores debido al calor, reduce el ritmo de inversión y crea problemas de salud. En cierta medida, la adopción de políticas adecuadas, el desarrollo y la inversión en estrategias específicas de adaptación pueden ayudar a reducir los efectos perjudiciales de los shocks relacionados con factores meteorológicos. Sin embargo, dadas las limitaciones que afrontan los países de bajo ingreso, es esencial que la comunidad internacional respalde sus gestiones para abordar el cambio climático, un problema de alcance global al cual esos países han contribuido poco. Si bien en este capítulo el análisis se concentra en el impacto de esos shocks en los países de bajo ingreso, la mayoría de los países sentirán en medida creciente los efectos perjudiciales directos del cambio climático si no se mitiga, por medio de un aumento de la temperatura por sobre su nivel óptimo en países con clima más frío, una mayor frecuencia de los desastres, la subida del nivel del mar, la pérdida de biodiversidad, y los efectos de contagio desde países vulnerables. Solo una colaboración internacional continua y un esfuerzo concertado para mitigar las causas del calentamiento global debidas a la actividad humana podrán limitar los riesgos a largo plazo del cambio climático.

Introducción

La temperatura promedio en la superficie del planeta ha aumentado considerablemente desde fines del siglo pasado. Las fluctuaciones importantes de la temperatura mundial se producían antes en el curso de períodos prolongados, por ejemplo, entre eras glaciales. No obstante, la celeridad del cambio climático en los últimos 30 o 40 años parece no tener precedente en los últimos 20.000 (gráfico 3.1)1. La mayoría de los científicos coinciden en que la temperatura del planeta seguirá aumentando, a un ritmo y escala que en gran parte dependerán de nuestra capacidad para limitar la emisión de gases de efecto invernadero, que es la causa fundamental del calentamiento mundial (Grupo Intergubernamental de Expertos sobre el Cambio Climático [IPCC, por sus siglas en inglés], 2013). Los fenómenos meteorológicos extremos, como las olas de calor, las sequías y las inundaciones probablemente serán más frecuentes, y también aumentará el nivel del mar. Si bien los pronósticos de temperatura son objeto de gran incertidumbre, el consenso es que, si no se adoptan otras medidas para contener el cambio climático, la temperatura promedio podría aumentar en 4°C o más para fines del siglo XXI. Para limitar el calentamiento a menos de 2°C será necesario reducir las emisiones actuales de manera muy considerable. ¿Tendrá consecuencias macroeconómicas importantes el cambio climático, sobre todo en países en desarrollo de bajo ingreso que en general están más expuestos a las fluctuaciones atmosféricas? ¿Cómo pueden afrontar estos países el aumento de la temperatura que probablemente experimentarán en las próximas décadas?

Gráfico 3.1.Temperatura mundial promedio

(grados centígrados)

Fuentes: Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC), subconjunto Atlas de la Fase 5 del Proyecto de Intercomparación de Modelos Acoplados AR5; Marcott et al. (2013); Matsuura y Willmott (2007); Instituto Goddard de Estudios Espaciales de la Administración Nacional de Aeronáutica y del Espacio (NASA); atlas de cambio climático del Real Instituto de Meteorología de los Países Bajos; Shakun et al. (2012), y cálculos del personal técnico del FMI.

Nota: En el panel 2, las líneas delgadas representan cada uno de los 40 modelos del atlas del anexo 1 del IPCC WG1 AR5, que trata un modelo con una parametrización diferente como un modelo separado. Las líneas gruesas representan la media multimodal. Las trayectorias de concentración representativas (TCR) son escenarios de concentración de gases de efecto invernadero elaborados por el IPCC. La TCR 4.5 es un escenario intermedio que supone que la situación ambiental recibe más atención y que las emisiones tocan máximos alrededor de 2050 y luego disminuyen. La TCR 8.5 es un escenario sin mitigación en el cual las emisiones continúan aumentando durante el siglo XXI.

Es difícil determinar con precisión las consecuencias económicas del cambio climático. Los aumentos de temperatura de la magnitud que podrían ocurrir en los próximos 100 años —y muchos otros aspectos del cambio climático, tales como un aumento acelerado del nivel del mar y la acidificación de los océanos, entre otros— no tienen un precedente histórico reciente ni relevante y podrían afectar a un gran número de países. Una extrapolación en base a la relación observada en el pasado entre la actividad humana y los patrones meteorológicos también puede presentar problemas puesto que las poblaciones se adaptan a los cambios persistentes del clima. No obstante, el estudio de los efectos macroeconómicos de las fluctuaciones atmosféricas anuales puede dar frutos valiosos2. En un estudio influyente, Dell, Jones y Olken (2012) observan que un incremento de la temperatura reduce apreciablemente el crecimiento económico en los países de bajo ingreso. Los datos provistos por Burke, Hsiang y Miguel (2015a) indican que la productividad alcanza su punto máximo cuando la temperatura es de 13°C, reduciéndose fuertemente cuando es más alta. Puesto que los países de bajo ingreso están concentrados en zonas geográficas de clima más cálido, las conclusiones de Burke, Hsiang Miguel (2015a) parecen indicar que un aumento de la temperatura sería especialmente perjudicial para esas economías.

Los países donde el cambio climático tiene efectos perjudiciales deberán aumentar su capacidad para adaptarse al aumento de la temperatura y los fenómenos meteorológicos extremos. Para esto, deben afianzar su capacidad para reducir el impacto de los shocks, que podrían hacerse más frecuentes, e invertir en estrategias de adaptación que reducen el daño que causan, como la diversificación de actividades, el mejoramiento de la infraestructura y la innovación tecnológica. El cambio climático podría incentivar también la reubicación geográfica de la población, lo cual puede tener importantes ramificaciones transfronterizas. Sin embargo, existe poca información sobre qué políticas pueden ayudar a los países e individuos a afrontar los shocks meteorológicos.

Una comprensión cabal de los efectos macroeconómicos de los shocks meteorológicos y de las posibilidades existentes para mitigarlos con medidas adecuadas de política será esencial para que los países en desarrollo de bajo ingreso puedan lograr un crecimiento sostenible en el largo plazo, lo cual es una condición para la convergencia e implementación de los Objetivos de Desarrollo Sostenible de las Naciones Unidas.

En base a publicaciones especializadas, en este capítulo se contribuye al debate sobre políticas mediante un análisis de los siguientes aspectos:

  • ¿Qué relación ha existido entre los shocks asociados con factores de temperatura y precipitaciones y la actividad económica, tanto en el corto como el mediano plazo? ¿Son los países de bajo ingreso particularmente vulnerables? ¿Por qué cauces afectan a la economía las fluctuaciones climáticas? ¿Se ha hecho el crecimiento más o menos susceptible a variar frente a los shocks meteorológicos?

  • ¿Cómo pueden afrontar estos shocks los países, especialmente los de bajo ingreso? ¿Pueden las políticas y características de un país mitigar los efectos macroeconómicos de las fluctuaciones atmosféricas?

  • Dada la prevista evolución de las temperaturas durante el presente siglo, ¿qué impacto podría tener el cambio climático en los países de bajo ingreso?

Para responder estas interrogantes, se describen primero la evolución histórica y los cambios previstos en la temperatura y las precipitaciones en amplios grupos de países de acuerdo con los principales modelos de cambio climático, así como las contribuciones de estos grupos de países a la emisión de gases de efecto invernadero. Seguidamente, se examinan datos históricos sobre los efectos macroeconómicos de las variaciones anuales de temperatura y precipitaciones en el pasado en una amplia muestra de economías, destacándose los mecanismos a través de los cuales las condiciones climáticas afectan a la macroeconomía. Se documenta también la forma en que las distintas políticas y características del país afectan a la susceptibilidad del crecimiento frente a las fluctuaciones meteorológicas, usando análisis empíricos y modelos de simulación, y se presentan estudios de casos de diversas estrategias de adaptación frente al cambio climático. Finalmente, las estimaciones empíricas de las pérdidas económicas debidas a los shocks meteorológicos y los cambios de temperatura previstos se incorporan en un modelo de equilibrio general dinámico a fin de identificar los posibles efectos a largo plazo del cambio climático.

Las siguientes son las principales conclusiones del capítulo:

  • El aumento de la temperatura durante el último siglo ha tenido carácter global. El calentamiento de la superficie ha tenido efectos en todos los países, y se prevé que el futuro aumento de la temperatura los siga afectando a todos, en tanto que los aumentos más fuertes tendrán lugar en países con clima relativamente más frío. La contribución de los países en desarrollo de bajo ingreso (que en general están situados en las zonas más cálidas del planeta) a la concentración de gases de efecto invernadero es insignificante, tanto en términos absolutos como per cápita.

  • El efecto macroeconómico de los shocks de temperatura no es igual en todos los países. El análisis empírico confirma la relación no lineal mundial que existe entre la temperatura anual y el crecimiento descubierta por Burke, Hsiang y Miguel (2015a) usando una serie de datos ampliados, lo cual parece indicar que el progresivo aumento de la temperatura reduce el producto per cápita en países con temperatura promedio anual relativamente alta, o sea, en la mayoría de los países de bajo ingreso. En esas economías, el efecto adverso es de larga duración y se produce por varios cauces: menor producción agrícola, menor productividad del trabajo en sectores más expuestos a las condiciones climáticas, reducción del capital acumulado y niveles más bajos de salud. Los datos indican también que en los últimos años la vulnerabilidad de los resultados macroeconómicos frente a los shocks de temperatura no se ha reducido, lo cual indica que existen problemas importantes de adaptación.

  • En cierta medida, la adopción de políticas y marcos institucionales adecuados, la inversión en infraestructura y otras estrategias de adaptación pueden reducir los efectos perjudiciales de los shocks de temperatura en países con clima cálido. Si bien es difícil hacer una interpretación causal, los datos empíricos indican que los países con mercados de capital mejor regulados, mayor disponibilidad de infraestructura, tipo de cambio flexible e instituciones más democráticas se recuperan ligeramente más rápido de los efectos de estos shocks. El aumento de la temperatura dificulta el crecimiento significativamente más en las regiones de clima cálido de las economías de mercados emergentes y en desarrollo que en las regiones cálidas de las economías avanzadas, lo cual confirma la importancia del desarrollo para reducir la vulnerabilidad.

  • El aumento de temperatura previsto para 2100 en un escenario en que el cambio climático no se mitiga conlleva pérdidas económicas en la mayoría de los países de bajo ingreso. Bajo un supuesto prudente, en que los shocks meteorológicos tienen efectos permanentes en el nivel —más que en la tasa de crecimiento— del producto per cápita, las simulaciones indican que en 2100 el PIB per cápita de un país de bajo ingreso representativo sería un 9% más bajo de lo que sería sin un aumento de la temperatura, en tanto que el valor presente de las pérdidas de productividad ascienden a más del 100% del PIB corriente cuando se descuenta a una tasa ajustada al crecimiento del 1,4%.

Estas conclusiones presentan un panorama inquietante. El aumento de la temperatura tendría efectos sumamente desiguales en todo el mundo, y los más perjudicados serían los que tienen menos recursos para afrontarlos. Lo más probable es que, si no se mitiga, la mayoría de los países sentirán en medida creciente el impacto directo del cambio climático por la vía de un calentamiento por sobre la temperatura óptima, desastres naturales más frecuentes y dañinos, el aumento del nivel del mar, la pérdida de biodiversidad y muchos otros efectos que son difíciles de cuantificar. Por añadidura, el cambio climático probablemente producirá ganadores y perdedores tanto a nivel individual como sectorial, incluso en países donde en promedio el efecto podría ser moderado o beneficioso. No obstante, los países de bajo ingreso sufrirán desproporcionadamente los efectos de un incremento continuo de la temperatura, un problema de alcance mundial al cual han contribuido poco. En esos países, los pobres serán probablemente los más afectados por el cambio climático (Hallegatte y Rozenberg, 2017). ¿Cómo pueden esos países afrontar las dificultades creadas por el aumento de la temperatura si su capacidad para influir en la futura evolución del clima es tan limitada?

De las conclusiones de este capítulo se desprende que las políticas nacionales pueden atenuar en parte los efectos de los shocks meteorológicos. El mejoramiento de los mecanismos de amortiguación y el fortalecimiento de redes bien focalizadas de protección social que pueden proveer respaldo cuando se necesita ayudarían a los países a moderar algunos de los efectos inmediatos de estos shocks, en tanto que las políticas e instituciones que dan más flexibilidad a los mercados de capital y trabajo y propician una transformación económica estructural pueden agilizar su recuperación y reducir su vulnerabilidad frente a los shocks del futuro. Las estrategias de adaptación que reducen efectos y riesgos específicos del cambio climático, como los proyectos de infraestructura focalizados, la adopción de tecnologías apropiadas y mecanismos para transferir y compartir estos riesgos por medio de los mercados financieros también pueden servir para reducir el daño económico causado por el cambio climático.

La implementación de políticas apropiadas será especialmente difícil en los países de bajo ingreso, donde las necesidades de financiamiento son enormes y la capacidad para movilizar los recursos necesarios para adaptarse es limitada. En ciertos casos, la incertidumbre política y los problemas de seguridad exacerban esos obstáculos. Por lo demás, las políticas internas, incluso cuando existen, no bastan por sí solas para aislar plenamente a los países de bajo ingreso de los efectos adversos del cambio climático cuando el aumento de la temperatura supera los límites biofísicos del ecosistema en estos países, lo que puede aumentar la frecuencia de epidemias, hambrunas y otros desastres naturales, además de los conflictos armados y los flujos de refugiados. Los efectos de contagio internacional de estos problemas, que son difíciles de predecir, pueden ser muy considerables.

El cambio climático es una externalidad mundial negativa que puede tener proporciones catastróficas, y sus causas y consecuencias solo pueden abordarse eficazmente con medidas colectivas y una labor multilateral. Para mitigar el cambio climático se requiere una transformación radical del sistema de energía mundial, incluido el uso de instrumentos fiscales, para que el precio de la energía refleje mejor el costo ambiental y para promover el uso de tecnologías más limpias, como se señala en el recuadro 3.6. Para adaptarse a los efectos del cambio climático se necesitan cuantiosas inversiones, entre otras cosas para mejorar la infraestructura, fortalecer las zonas costeras y apuntalar los sistemas de suministro de agua y protección contra inundaciones (Margulis y Narain, 2010; PNUMA, 2016). La comunidad internacional deberá desempeñar un papel crucial en la promoción y coordinación del respaldo —financiero y de otro tipo— para los países de bajo ingreso afectados. Puesto que las economías avanzadas y de mercados emergentes han contribuido más que el resto al cambio climático, el suministro de ayuda a los países de bajo ingreso para hacer frente a las consecuencias es una exigencia humanitaria y una política económica mundial acertada. Para limitar los riesgos a largo plazo del cambio climático serán necesarias una cooperación internacional constante y una labor concertada a fin de contener los factores creados por el hombre que causan el calentamiento mundial (IPCC, 2014; FMI, 2015; Stern, 2015; Farid et al., 2016; Hallegatte et al., 2016).

Es importante destacar desde el comienzo la dificultad inherente de cuantificar las posibles consecuencias macroeconómicas del cambio climático. Por varios motivos, es difícil extrapolar las reacciones del PIB frente a las condiciones meteorológicas observadas en el pasado a los efectos a largo plazo del cambio climático3. Por un lado, esa extrapolación podría sobrestimar el impacto, dado que los gobiernos y otros agentes económicos adoptan medidas de mitigación, hacen inversiones o crean nuevas tecnologías que ayudan a la población a adaptarse a los cambios persistentes en el clima. Por otro lado, el impacto real podría ser mayor si existen no linealidades en la reacción a medida que surgen condiciones climáticas sin un precedente reciente4. Además, en este capítulo no se cuantifican por separado los efectos de los desastres naturales, cuya mayor frecuencia prevista podría amplificar el daño que causan; no se analizan los efectos de distribución entre distintos sectores y hogares en el país, que podrían ser bastante considerables; tampoco se examinan las consecuencias de muchos aspectos del cambio climático, tales como el rápido aumento del nivel del mar y la acidificación de los océanos, entre otros, que no tienen un precedente histórico, aunque podrían tener consecuencias macroeconómicas muy importantes5. No obstante, teniendo entendido que durante el resto del siglo XXI el calentamiento global seguirá el curso de los últimos 50 años —una serie estocástica de shocks anuales con tendencia ascendente—, este capítulo puede proveer pautas útiles para comprender las vulnerabilidades creadas por el cambio climático y las necesidades de adaptación en el marco de las tecnologías de producción y distribución geográfica actuales de la población mundial (Dell, Jones y Olken, 2012).

Temperatura y precipitaciones: Tendencias históricas y proyecciones

En esta sección se establece un marco contextual para el resto del capítulo con un resumen de las conclusiones que son actualmente objeto de consenso en lo que respecta a la evolución del clima y las emisiones de gases de efecto invernadero —un factor crucial del clima creado por el hombre— en el curso del último siglo. Seguidamente se describen los cambios previstos para el resto del siglo XXI y se examinan los vínculos que existen entre la temperatura, las precipitaciones y los desastres de índole meteorológica.

Tendencias históricas

En la actualidad las temperaturas mundiales son alrededor de 1°C más altas que el promedio registrado entre 1880 y 1910 (gráfico 3.2). El aumento de la temperatura comenzó con fuerza en la década de 1970, tras un marcado incremento de las emisiones de dióxido de carbono (CO2)6. Si bien los factores naturales explican en parte el calentamiento producido durante el último siglo, según el IPCC, más de la mitad del incremento de la temperatura registrado desde 1950 puede atribuirse a la actividad humana (IPCC, 2014).

Gráfico 3.2.Aumento de la temperatura mundial promedio y contribuciones de factores críticos

(desviaciones respecto del promedio de 1880–1910, grados centígrados)

Fuentes: Carbon Dioxide Information Analysis Center, Instituto Goddard de Estudios Espaciales de la Administración Nacional de Aeronáutica y del Espacio (NASA), Roston y Migliozzi (2015), y cálculos del personal técnico del FMI.

Nota: Las líneas representan el aumento efectivo de la temperatura del aire en la superficie de las tierras y los mares en relación con 1880–1910 y el aumento previsto por diferentes factores. Los factores humanos son el uso de las tierras, las emisiones de ozono, las emisiones de aerosoles y las emisiones de gases de efecto invernadero. Los factores naturales son cambios orbitales, emisiones solares y actividad volcánica. La contribución de cada factor se estima con el modelo “ModelE2” del Instituto Goddard de Estudios Espaciales de la NASA. GEI = gases de efecto invernadero.

En todas las regiones el aumento de la temperatura se ha ido acelerando desde la década de 1970 (gráfico 3.3)7. En comparación con los primeros 15 años del siglo pasado, la temperatura mediana registrada durante los primeros 15 años del presente siglo fue 1,4°C, 1,3°C y 0,7°C más alta en las economías avanzadas, las economías de mercados emergentes y los países en desarrollo de bajo ingreso, respectivamente. Si bien la mayor parte del calentamiento se produjo en economías avanzadas, en 2015 la temperatura en un país en desarrollo de bajo ingreso en la mediana (25°C) fue más del doble que la temperatura en una economía avanzada en la mediana (11°C).

Gráfico 3.3.Temperaturas y precipitaciones en amplios grupos de países

Fuentes: Unidad de Investigación Climática (v. 3.24) y cálculos del personal técnico del FMI.

Nota: Los datos sobre las temperaturas y las precipitaciones anuales medianas terrestres a nivel de las cuadrículas están agregados a nivel de país usando las ponderaciones de la población de 1950. Véanse en el anexo 3.1 las fuentes de datos y los grupos de países. mm = milímetro.

Otros aspectos del clima también han cambiado apreciablemente. Desde 1990, el nivel promedio del mar ha aumentado entre 17 y 21 centímetros. Como en el caso de la temperatura, el ritmo al que sube el nivel del mar también aumenta: de 0,17 centímetros al año durante la mayor parte del siglo XX a 0,32 centímetros al año durante los últimos 20 años (IPCC, 2014).

Las emisiones de CO2 han aumentado rápidamente desde la década de 1950 en todos los grupos de ingreso, paralelamente con el incremento de los ingresos y la población (gráfico 3.4). Sin embargo, las emisiones de los países de bajo ingreso son solo una fracción de las emisiones de las economías avanzadas y los mercados emergentes, tanto en términos agregados como per cápita. Las economías avanzadas han logrado contener sus emisiones globales durante la última década, pero en términos per cápita siguen siendo mucho mayores que las del resto del mundo.

Gráfico 3.4.Emisiones anuales de CO2 en amplios grupos de países

(miles de millones de toneladas métricas, salvo indicación en contrario)

Fuentes: Carbon Dioxide Information Analysis Center y cálculos del personal técnico del FMI.

Nota: EA = economías avanzadas; CO2 = dióxido de carbono; ME = mercados emergentes; PDBI = países en desarrollo de bajo ingreso.

Proyecciones

En su gran mayoría, los científicos coinciden en que los futuros cambios del clima dependerán principalmente de la evolución de las emisiones de CO2, que a su vez dependen de los cambios demográficos, el desarrollo económico, los avances tecnológicos y la implementación de medidas de mitigación8. No obstante, se prevé que, dada la fuerte acumulación de gases de efecto invernadero en la atmósfera, y su persistencia, incluso una reducción inmediata y considerable de las emisiones no impida que la temperatura siga aumentando por algún tiempo, si bien a un ritmo menor. El IPCC elaboró cuatro escenarios posibles, que denominó “trayectorias de concentración representativas” (TCR), usando hipótesis alternativas de concentración de gases para hacer un pronóstico de los posibles márgenes de temperatura en el siglo XXI. El resto de este capítulo gira en torno a dos de estos escenarios: la trayectoria intermedia (TCR 4.5) y la trayectoria no mitigada (TCR 8.5), como se indica en el panel 2 del gráfico 3.19.

En el escenario TCR 8.5 de cambio climático no mitigado, la temperatura mundial promedio durante el período de 2081–2100 podría aumentar en 3,7°C (con un margen previsto de 2,6°C a 4,8°C)10. El calentamiento ocurriría en todo el planeta, con incrementos más fuertes en el Hemisferio Norte, donde en algunas regiones la temperatura podría ser casi 12°C más alta que en 2005 (gráfico 3.5). En la mediana de la muestra, el aumento previsto para el período de 2005–2100 en una economía avanzada es de 4,4°C, y de 4,5°C en las de mercados emergentes y en desarrollo de bajo ingreso. Se prevé que en términos absolutos los incrementos sean menores en las zonas más cercanas al ecuador, aunque muy apreciables si se toma en cuenta la variabilidad histórica interanual y anual de la temperatura en esas zonas. Los cambios en las precipitaciones variarán por región, pero se prevé que en general en las zonas secas aumente la sequedad, mientras que en las zonas húmedas aumentará la lluvia.

Gráfico 3.5.Proyecciones de las temperaturas y las precipitaciones en el escenario TCR 8.5

Fuentes: Proyecciones diarias mundiales a escala reducida del foro de la Administración Nacional de Aeronáutica y del Espacio (NASA) sobre información terrestre (NEX-GDDP), Unidad de Cartografía del Grupo Banco Mundial, y cálculos del personal técnico del FMI.

Nota: Los datos de NEX-GDDP son escenarios climáticos a escala reducida derivados del modelo de circulación general (GCM) en conjunción con la Fase 5 del Proyecto de Intercomparación de Modelos Acoplados (CMIP5) y dos (4.5 y 8.5) de las trayectorias de concentración representativas (TCR) de gases de efecto invernadero. El quinto informe de evaluación del Grupo Intergubernamental de Expertos sobre el Cambio Climático contiene dos simulaciones realizadas con el GCM-CMIP5. El conjunto de datos contiene proyecciones a escala reducida derivadas de los 21 modelos y escenarios de temperatura máxima, temperatura mínima y precipitaciones diarias durante el período 1950–2100. La resolución espacial del conjunto de datos es de 0,25 grados (~25 km x 25 km). mm = milímetros.

En este escenario, el nivel medio del mar a nivel mundial probablemente aumente casi 0,8 metros para fines del siglo XXI, exponiendo zonas costeras (incluidos importantes centros de población) a un mayor riesgo de inundación y erosión. El aumento del nivel del mar no será uniforme en todas las regiones; se prevé que sea mayor que el promedio mundial en las cercanías del ecuador y menor en las latitudes altas (IPCC, 2014; Banco Mundial, 2013).

Es importante destacar nuevamente que los pronósticos de cambio climático son objeto de gran incertidumbre. El futuro de las emisiones dependerá de muchos factores que son difíciles de predecir, y los modelos del clima difieren ampliamente en sus pronósticos de temperatura y precipitaciones, incluso si se usa el mismo escenario de emisiones (gráfico 3.1, panel 2). Esta incertidumbre y la probabilidad de que ocurran cambios climáticos catastróficos son lo que motiva los llamamientos para que se adopten medidas decididas de mitigación y adaptación (Weitzman, 2011).

Desastres de índole meteorológica

El riesgo de que ocurran fenómenos climáticos extremos, como inundaciones, sequías y olas de calor, aumentará a medida que aumenta la temperatura (IPCC, 2014). Según análisis estadísticos recientes, los cambios climáticos previstos probablemente aumenten la frecuencia de los desastres de índole meteorológica, que pueden causar grandes daños o pérdida de vidas11. Esto reviste especial importancia en los países en desarrollo de bajo ingreso y los Estados pequeños, que, en relación con su superficie geográfica, han estado mucho más expuestos a los desastres naturales que las economías avanzadas y de mercados emergentes (gráfico 3.6, panel 1)12.

Gráfico 3.6.Desastres naturales: Probabilidad mensual de incidencia histórica y proyectada

Fuentes: Base de datos de Desastres Internacionales (EM-DAT) y cálculos del personal técnico del FMI.

Nota: En el panel 1, los colores indican los diferentes tipos de desastres naturales; el sombreado más claro de cada color especifica la parte que ocurrió en países en desarrollo de bajo ingreso (PDBI). Los paneles 2–6 muestran la probabilidad mensual prevista de un desastre en 2050 y 2100, según el escenario de la trayectoria de concentración representativa 8.5. La mayoría de las probabilidades previstas en distintos meses no son estadísticamente significativas; por lo tanto, los resultados deben interpretarse únicamente como resultados indicativos de un posible aumento de la frecuencia de los desastres por efecto del cambio climático. EA = economías avanzadas; ME = mercados emergentes; PDBI = países en desarrollo de bajo ingreso.

Mediante un análisis estadístico se descubre la relación histórica entre un desastre y la temperatura y las precipitaciones, con datos mensuales de 1990 a 2014 sobre 8.000 desastres de índole meteorológica13. Seguidamente, se combinan las elasticidades estimadas y las temperaturas y precipitaciones mensuales previstas en 2050 y 2100 en el escenario TCR 8.5 a fin de pronosticar la probabilidad de un desastre natural. Los resultados indican que la mayoría de los tipos de catástrofe será más frecuente a fines de siglo, independientemente del nivel de ingreso del país. Como se indica en el gráfico 3.6, la frecuencia de los desastres causados por olas de calor o ciclones tropicales aumentará considerablemente (véase el recuadro 3.1, en que se examina el efecto de los ciclones tropicales en la actividad económica)14. Las inundaciones y epidemias, que principalmente afectan a países en desarrollo de bajo ingreso, también serán más frecuentes. La mayor frecuencia de los desastres de índole meteorológica, sin un incremento correlativo de la capacidad para reconstruir, podría amplificar los daños que causan, pues las economías podrían no tener el tiempo necesario para recuperarse (Hallegatte, Hourcade y Dumas, 2007).

Impacto macroeconómico de los shocks meteorológicos

Para formular políticas apropiadas para afrontar el cambio climático es necesario comprender sus posibles consecuencias macroeconómicas. Puesto que hoy en día no contamos con un historial de cambio climático relevante para los países, esta sección está basada en la bibliografía sobre el tema, y en ella se describe la forma en que las fluctuaciones anuales de temperatura y precipitaciones afectan los resultados macroeconómicos en el corto y mediano plazo. Se examinan los mecanismos a través de los cuales se producen los efectos macroeconómicos, y los cambios en el nivel de vulnerabilidad del crecimiento frente a los shocks meteorológicos. Ese análisis es motivado por datos que indican que las temperaturas más altas limitan el crecimiento del PIB per cápita en países con clima cálido.

Efectos a corto y mediano plazo

Para calcular el impacto de los shocks meteorológicos se examina aquí la relación histórica entre la evolución del clima y la actividad económica, usando el enfoque de Dell, Jones y Olken (2012) y Burke, Hsiang y Miguel (2015a). Como en esos estudios, en este análisis se usan las fluctuaciones interanuales de temperatura y precipitaciones en el país y entre países para identificar los efectos causales de las condiciones meteorológicas en los resultados globales, tanto inmediatos como a mediano plazo. Se toman como base esos estudios, ampliando la cobertura geográfica y temporal del análisis, examinando los efectos de los shocks meteorológicos en un conjunto más amplio de variables de resultado y estableciendo la solidez de las conclusiones con distintas fuentes de datos sobre el clima y especificaciones empíricas alternativas más flexibles.

En el análisis de referencia se usa el método de pronóstico local de Jordá (2005) para descubrir la función impulso-respuesta del PIB per cápita real frente a un shock climático en una muestra de más de 180 economías durante el período de 1950–2015. El tiempo se mide como temperatura y precipitaciones promedios del país, junto con los valores al cuadrado de temperatura y precipitaciones a fin de explicar la relación global no lineal entre temperatura y crecimiento, como lo demuestran Burke, Hsiang y Miguel (2015a)15.

El análisis confirma la existencia de un efecto no lineal estadísticamente significativo de la temperatura en el crecimiento económico per cápita (primero observado por Burke, Hsiang y Miguel [2015a]) en la muestra usada en este capítulo, que es considerablemente más amplia. En países donde la temperatura promedio es elevada, su aumento reduce el ritmo de actividad económica, pero en países con clima mucho más frío esto tiene el efecto contrario. Se estima que la temperatura umbral es de entre 13°C y 15°C (véase el cuadro del anexo 3.3.1)16. Estos resultados parecen indicar que los efectos del calentamiento son sumamente desiguales en todo el mundo (gráficos 3.7 y 3.8).

Gráfico 3.7.Efecto de un aumento de la temperatura en el producto per cápita real

(porcentaje)

Fuente: Cálculos del personal técnico del FMI.

Nota: Los paneles de la izquierda superponen el efecto contemporáneo de un aumento de 1°C de la temperatura al producto per cápita a diferentes niveles de temperatura calculados con la ecuación (3.3) en toda la distribución de temperaturas anuales promedio registradas en 2015 en las economías avanzadas (panel 1), los mercados emergentes (panel 3) y los países en desarrollo de bajo ingreso (panel 5). Las líneas azules muestran las estimaciones puntuales y los intervalos de confianza de 90%; las barras celestes denotan el porcentaje de países en cada nivel de temperatura. La línea vertical roja es la temperatura mediana del grupo de países. Los paneles de la derecha muestran la respuesta del producto per cápita frente al impulso de un aumento de 1°C de la temperatura estimada a la temperatura mediana de las economías avanzadas (panel 2), los mercados emergentes (panel 4) y los países en desarrollo de bajo ingreso (panel 6). El horizonte 0 es el año del shock. T = temperatura.

Gráfico 3.8.Efecto de un aumento de la temperatura en el producto per cápita real a nivel mundial

(porcentaje)

Fuentes: Natural Earth; ScapeToad; Naciones Unidas, base de datos de Perspectivas de la Población Mundial, revisión de 2015; Unidad de Cartografía del Grupo Banco Mundial, y cálculos del personal técnico del FMI.

Nota: Los mapas presentan el efecto contemporáneo de un aumento de la temperatura de 1°C en el producto per cápita real calculado con la ecuación (3.3). El panel 1 utiliza las temperaturas de 2005 a nivel de cuadrícula, y el 2, las temperaturas a nivel de país sobre la base de un promedio reciente de 10 años, junto con los coeficientes estimados del cuadro 3.3.1 del anexo, columna (5). En el cartograma del panel 2, la escala de cada país está modificada en proporción a la población de 2015. Las zonas grises indican que el impacto estimado no es estadísticamente significativo.

Puesto que en su mayoría las economías avanzadas están situadas en regiones más frías, donde la temperatura media anual es parecida a la temperatura umbral, un incremento marginal de la temperatura no tiene un efecto importante inmediato en el crecimiento (gráfico 3.7, panel 1)17. En las economías de mercados emergentes, pero especialmente en los países en desarrollo de bajo ingreso, el clima es generalmente mucho más cálido, y un aumento de la temperatura reduce apreciablemente el crecimiento del PIB per cápita. En una economía de mercado emergente en la mediana, un incremento de 1°C por sobre una temperatura de 22°C reduce el crecimiento en 0,9 puntos porcentuales el mismo año. En un país en desarrollo de bajo ingreso mediano donde la temperatura es de 25°C, un incremento de 1°C reduce en 1,2 puntos porcentuales el crecimiento (gráfico 3.7, paneles 3 y 5)18. Los países donde el efecto previsto de un aumento de la temperatura es considerable solo produjeron alrededor de la quinta parte del PIB mundial en 2016, pero contienen cerca del 60% de la población mundial, y se estima que a fines de siglo contendrán más del 75% de la población mundial (gráfico 3.8 y gráfico 3.3.1 del anexo).

¿Se recupera rápido la actividad económica en países con clima más cálido tras un aumento de la temperatura? El análisis parece indicar que no. Incluso a siete años de haberse producido un shock, el producto per cápita en una economía de mercado emergente en la mediana es 1% más bajo y en un país de bajo ingreso en la mediana es 1,5% más bajo (gráfico 3.7, paneles 2, 4 y 6)19. Una intensificación en la configuración de la respuesta-impulso estimada del producto frente a un shock de temperatura plantea la posibilidad de un efecto de crecimiento (y, por consiguiente, pérdidas económicas mucho mayores debido al aumento de la temperatura). No obstante, desde el punto de vista estadístico no se puede rechazar la hipótesis de que los efectos contemporáneos y los efectos a mediano plazo de un shock de temperatura en el producto per cápita pueden ser idénticos20.

Mecanismos de transmisión del impacto

Las condiciones meteorológicas pueden afectar a la actividad económica por varios cauces. El más evidente es la producción agrícola, dado que la temperatura y las precipitaciones son insumos directos para el cultivo. Sin embargo, los estudios demuestran que el impacto es más amplio, e incluye la productividad de la mano de obra, la mortalidad, la salud y los conflictos21. En las publicaciones sobre el tema frecuentemente se han examinado estos efectos en un país específico o mediante experimentos de laboratorio. En este capítulo se trata de determinar si esos cauces funcionan también en un contexto multinacional. En el recuadro 3.1 el análisis se amplía mediante un examen de los efectos macroeconómicos de los ciclones tropicales.

En el análisis principal se determina primero si los shocks afectan solo a la producción agrícola o también a otros sectores de la economía. Como se señala en el gráfico 3.9, con las temperaturas existentes en un país en desarrollo de bajo ingreso en la mediana, el valor agregado agrícola y la producción de cultivos disminuyen al aumentar la temperatura, posteriormente se recuperan en cierta medida, y en general se mantienen bajos en el mediano plazo, como se ha indicado en numerosos estudios del tema22.

Gráfico 3.9.Efecto de un aumento de la temperatura en el producto sectorial estimado sobre la base de las temperaturas del país en desarrollo de bajo ingreso mediano

(porcentaje; años en el eje de la abscisa)

Fuente: Cálculos del personal técnico del FMI.

Nota: Los paneles presentan el efecto de un aumento de la temperatura de 1°C estimado sobre la base de las temperaturas del país en desarrollo de bajo ingreso mediano (25°C). El horizonte 0 es el año del shock. La producción de cultivos es un índice, elaborado por la Organización para la Alimentación y la Agricultura, de las cantidades de materias primas agrícolas producidas, ponderadas según el precio y exceptuando la producción de semillas y forraje.

No obstante, el análisis confirma también que un aumento de la temperatura en países con clima cálido tiene un efecto perjudicial en la producción industrial, si bien en este caso los cálculos son menos precisos (véase también Dell, Jones y Olken, 2012; Burke, Hsiang y Miguel, 2015a). El único sector que parece no ser afectado por la meteorología es el de los servicios.

Para explicar por qué los shocks meteorológicos afectan a otros sectores además del agrícola, el análisis se centra en la forma en que los componentes clave de la función de producción agregada —productividad e insumos de trabajo y capital— reaccionan frente a esos shocks. Como en otros estudios, el análisis tiene por finalidad determinar los efectos netos en forma reducida de las condiciones meteorológicas en varias situaciones, más que descubrir las relaciones estructurales potencialmente complejas que podría haber entre estas variables.

Productividad

Los datos obtenidos mediante encuestas y otras fuentes indican que la exposición al calor, cuando este supera un cierto nivel, reduce el rendimiento cognitivo y físico de la persona23. Por consiguiente, se examina si un aumento de la temperatura en regiones cálidas reduce la productividad de la mano de obra. Si la productividad es uno de los mecanismos mediante los cuales los shocks afectan al PIB agregado, el efecto deberá ser considerablemente mayor en los sectores en que el trabajador está directamente expuesto a las condiciones meteorológicas24.

El análisis de datos sectoriales sobre el valor agregado por trabajador revela que, con las temperaturas existentes en un país en desarrollo de bajo ingreso en la mediana, la productividad de los trabajadores en las industrias en que están expuestos al calor se reduce apreciablemente tras un incremento de la temperatura (gráfico 3.10, paneles 1 y 2). No obstante, la productividad no es afectada en las industrias en que el trabajo se realiza principalmente bajo techo.

La productividad global también podría disminuir si los shocks provocan inestabilidad política, inducen conflictos o menoscaban las instituciones de gobierno. Si bien un análisis más detallado está fuera del alcance de este capítulo, numerosos estudios muestran un fuerte vínculo entre los shocks meteorológicos y esos problemas25. Puesto que el conflicto es uno de los impulsores fundamentales de los flujos de refugiados, como se explica en el capítulo 1 de la edición de abril de 2017 del informe WEO, los shocks meteorológicos podrían tener importantes efectos de contagio en los países vecinos y, en última instancia, en las economías avanzadas.

Acumulación de capital

En gran parte, los aumentos de temperatura son shocks por el lado de la oferta, aunque podrían traducirse en pérdidas persistentes del producto y afectar el crecimiento si influencian la tasa de acumulación de factores26. Se usan datos de contabilidad nacional para examinar la reacción de los principales componentes de la demanda agregada —formación bruta de capital, consumo, exportaciones e importaciones— frente a los shocks en el marco empírico descrito anteriormente. En vista de la temperatura imperante en un país de bajo ingreso en la mediana, los cuatro componentes son afectados negativamente por un incremento de 1°C de la temperatura. Sin embargo, en el mediano plazo el efecto más pronunciado es en la inversión, que según los cálculos es 6% más baja siete años después del shock (gráfico 3.10, panel 3). Las importaciones, que en general están estrechamente vinculadas con la inversión, también registran una caída marcada y duradera al aumentar las temperaturas (capítulo 2 de la edición de octubre de 2016 del informe WEO)27.

Disponibilidad de mano de obra

El análisis demuestra, además, que en los climas cálidos un aumento de la temperatura podría reducir la (futura) disponibilidad de mano de obra debido a su efecto en las tasas de mortalidad (gráfico 3.10, panel 5). Un incremento de 1°C de la temperatura aumenta en 0,12 puntos porcentuales la mortalidad infantil el año del shock. El efecto aumenta durante el período estimado pues la caída del ingreso debido a las condiciones meteorológicas (y la posible inseguridad alimentaria) refuerza el impacto fisiológico directo del aumento de la temperatura en los climas cálidos. Estos datos de panel multinacionales corroboran las conclusiones de numerosos estudios sobre los vínculos entre las condiciones meteorológicas y la mortalidad, la salud prenatal, y otras cuestiones de salud en varios países28. Las consecuencias perjudiciales para la salud y el progreso escolar de los niños pueden ser uno de los principales factores que explican el prolongado efecto que tienen las condiciones meteorológicas.

Gráfico 3.10.Efecto de un aumento de la temperatura en la productividad, el capital y la mano de obra como insumos estimado sobre la base de las temperaturas del país en desarrollo de bajo ingreso mediano

(porcentaje; años en el eje de la abscisa)

Fuente: Cálculos del personal técnico del FMI.

Nota: Los paneles presentan el efecto de un aumento de la temperatura de 1°C estimado sobre la base de las temperaturas del país en desarrollo de bajo ingreso mediano (25°C). El horizonte 0 es el año del shock. Las industrias expuestas al calor son agricultura, silvicultura, pesca y caza, construcción, minería, transporte, servicios públicos y manufactura, según Graff Zivin y Neidell (2014).

Efectos a lo largo del tiempo

Puesto que los países afrontan continuamente fluctuaciones meteorológicas, es lógico pensar que adoptarán medidas destinadas a aminorar el impacto de los shocks de temperatura en la economía. Sin embargo, del análisis se desprende que en el curso de los últimos 60 años no se ha hecho ningún esfuerzo patente de adaptación. Las estimaciones de la reacción del producto per cápita frente a los shocks de temperatura en períodos móviles de 20 años parecen indicar que la relación entre ambas variables se ha mantenido constante (gráfico 3.11)29. Los motivos de esta aparente falta de adaptación no se comprenden bien, aunque los probables factores limitantes son el costo elevado, la escasez de crédito para financiar las medidas, la falta de suficiente información sobre los beneficios de la adaptación, una labor inadecuada de planificación frente al riesgo y la falta de acceso a la tecnología, como lo señalan Carleton y Hsiang (2016).

Gráfico 3.11.Efecto de un aumento de la temperatura en el producto per cápita real a lo largo del tiempo estimado sobre la base de las temperaturas del país en desarrollo de bajo ingreso mediano

(porcentaje; años en el eje de la abscisa)

Fuente: Cálculos del personal técnico del FMI.

Nota: El gráfico presenta el efecto de un aumento de la temperatura de 1°C en el horizonte 0 estimado sobre la base de las temperaturas del país en desarrollo de bajo ingreso mediano (25°C), a lo largo de un período móvil de 20 años. Cada estimación puntual corresponde a un período (t, t + 20).

Cómo afrontar los shocks meteorológicos y el cambio climático

En esta sección se examina de qué manera las políticas, las instituciones, y otros factores en un país pueden mitigar los efectos adversos de los shocks de temperatura y el cambio climático. Primero se consideran los instrumentos que los responsables de la política económica y los particulares pueden usar para afrontar los shocks. Seguidamente, se explica con ejemplos la medida en que algunas políticas (conjuntamente con el nivel general de desarrollo) han configurado el vínculo existente entre los resultados macroeconómicos y los shocks de temperatura en el pasado. En el recuadro 3.2, los datos empíricos se complementan con modelos hipotéticos de equilibrio general dinámico de la reacción de los agregados macroeconómicos frente a los shocks usando valores sustitutivos para las políticas pertinentes. En los recuadros 3.3 y 3.4 se presentan estudios de casos de estrategias específicas de adaptación. En esta sección se examina también la migración como un efecto de los cambios persistentes del clima cuando las estrategias de adaptación ya no funcionan. Finalmente, se explica la importancia de la colaboración internacional para respaldar las gestiones de los países para afrontar los shocks meteorológicos y el cambio climático.

Un conjunto de instrumentos

Para dar estructura al análisis, en esta sección se presenta un conjunto de posibles medidas de política interna y opciones personales que podrían ayudar a resguardar la actividad económica frente a los shocks y riesgos vinculados con el cambio climático (gráfico 3.12).

Gráfico 3.12.Herramientas para abordar los shocks meteorológicos y el cambio climático

Fuente: Compilación del personal técnico del FMI.

Las fluctuaciones meteorológicas pueden considerarse como uno entre muchos shocks que afectan a los resultados económicos. Por tanto, sus consecuencias podrían atenuarse mediante políticas e instituciones macroeconómicas y estructurales que potencian la capacidad de adaptación ex ante y ex post de los países frente a los shocks. Si bien las prioridades serán distintas de acuerdo con las circunstancias específicas y los riesgos meteorológicos existentes en el país, podrían incluirse políticas destinadas a limitar el impacto a corto plazo de los shocks, facilitar una recuperación económica más rápida y reducir la vulnerabilidad en el futuro. Estas políticas se fortalecen entre sí. Por ejemplo, los países con sistemas de amortiguación (margen de maniobra fiscal y monetario, cuantiosas reservas internacionales, acceso a la ayuda externa) y redes bien focalizadas de protección social podrían estar en mejores condiciones de suministrar respaldo a los afectados por los shocks, suavizando el consumo en el corto plazo. Esta adaptación probablemente hará necesario reubicar personas y capital en otros sectores y regiones a medida que evolucionan los modelos de producción y comercio. Las políticas e instituciones que facilitan esta reubicación —por ejemplo, las que aseguran el acceso al financiamiento, la flexibilidad del mercado de trabajo, y la inversión en capital humano e infraestructura— pueden facilitar la recuperación y transformación estructural necesarias para reducir la vulnerabilidad30.

Para mitigar los riesgos asociados con el cambio climático será necesario también adoptar ciertas políticas de adaptación sumamente específicas para ayudar a los países a reducir su exposición y vulnerabilidad frente a los fenómenos climáticos. Una vez identificados los principales riesgos para una localidad determinada, pueden aplicarse medidas de adaptación de “intangibles” o “tangibles” (Hallegatte, 2009). Las primeras pueden incluir un mejoramiento del suministro de información pública, los códigos de construcción y los reglamentos de zonificación y uso de la tierra, la formulación de sistemas de alerta y evacuación, y la creación de incentivos focalizados para crear tecnologías útiles (como el aire acondicionado) y transferir y compartir los riesgos relacionados con las condiciones meteorológicas (por ejemplo, los desastres naturales, cuya frecuencia puede aumentar) a través de los mercados financieros. Las medidas tangibles pueden incluir inversiones en infraestructura “inteligente” adecuada a las condiciones climáticas, por ejemplo, mediante una reconversión de propiedades y la construcción (o modernización) de sistemas de riego y drenaje, la construcción de diques marítimos, etc.31. Los riesgos y circunstancias existentes en cada lugar o país hacen necesario adoptar medidas de adaptación muy específicas; los requisitos de infraestructura en un área con riesgo de inundación serán totalmente distintos a los de un área con sequías frecuentes. Esta especificidad, junto con la falta de datos comparables sobre medidas de adaptación, impide hacer un análisis empírico entre países. No obstante, los estudios de casos de estrategias de adaptación descritos en el recuadro 3.3 pueden ser útiles. En el recuadro 3.4 se examina la importancia de los mercados financieros para compartir y transferir los riesgos relacionados con el clima.

Existen importantes sinergias entre las políticas macroeconómicas y estructurales en general y las estrategias específicas de adaptación: el desarrollo económico e institucional mejorará probablemente la capacidad de un país para afrontar el cambio climático e invertir en estrategias específicas de adaptación. Por ejemplo, la existencia de instituciones sólidas y espacio fiscal facilitará la aplicación de medidas intangibles y permitirá invertir en infraestructura. Por su parte, ciertas estrategias de adaptación, como un uso eficiente del agua, la construcción de vivienda adaptada al clima, o la diversificación de actividades, pueden fomentar el desarrollo, incluso si no son necesarias en términos del cambio climático (Farid et al., 2016).

Finalmente, si un cambio climático persistente y la pérdida de ingresos que produce superan la capacidad de estas estrategias para afrontarlos, los agentes económicos pueden trasladarse a otro lugar.

El papel de las políticas e instituciones nacionales: Datos empíricos

En este análisis se amplía el enfoque empírico descrito anteriormente a fin de determinar en qué medida las políticas macroeconómicas y estructurales y las características del país mitigan los efectos de un shock relacionado con factores climáticos. Para esto, se permite que la reacción del producto per cápita frente a los shocks meteorológicos varíe con diversos sustitutos de estos marcos institucionales y de política, que se describen individualmente32. Es importante destacar que, mientras que las fluctuaciones de temperatura y precipitaciones son auténticamente endógenas, lo cual permite determinar su impacto causal, las diferencias en las políticas e instituciones entre países y en el tiempo no lo son. Por tanto, las correlaciones estimadas solo deberán interpretarse como posibles impactos causales.

Los resultados parecen indicar que, en cierta medida, la existencia de políticas e instituciones adecuadas puede contribuir a atenuar los efectos de los shocks de temperatura. El efecto inmediato de esos shocks es ligeramente menor en países con un nivel más bajo de deuda pública, mayores flujos de ayuda externa y más flexibilidad cambiaria. La existencia de fondos de estabilización monetaria (representados por una inflación de menos de dos dígitos) o reservas internacionales no ofrece ventajas apreciables (gráfico 3.13). Sin embargo, se estima que la mitigación provista por los mecanismos de amortiguación es poca y de corta duración.

Gráfico 3.13.Papel de las políticas amortiguadoras

(porcentaje; años en el eje de la abscisa)

Fuente: Cálculos del personal técnico del FMI.

Nota: Los paneles muestran en qué medida la variable empírica que representa una política amortiguadora hace variar el efecto de un aumento de la temperatura de 1°C en el producto per cápita de la muestra de países con temperaturas promedio superiores a 15°C. El horizonte 0 es el año del shock. Las zonas grises denotan que las líneas azules y rojas son significativamente diferentes al nivel de 15%. Véase en el anexo 3.3 la definición exacta de las políticas utilizadas como variables.

La situación es distinta en el caso de las políticas estructurales y características del país que normalmente se consideran importantes para facilitar la reubicación de los factores de producción y la transformación estructural en general. Si bien las estimaciones empíricas son, en muchos casos, objeto de gran incertidumbre, el efecto adverso a mediano plazo de un aumento de temperatura parece desvanecerse cuando los mercados financieros nacionales e internacionales están bien regulados, el tipo de cambio es flexible, se cuenta con abundante infraestructura, las instituciones democráticas son dinámicas, y la distribución del ingreso es más bien equitativa; o sea, en las economías más desarrolladas (gráfico 3.14).

Gráfico 3.14.Papel de las políticas estructurales y las instituciones

(porcentaje; años en el eje de la abscisa)

Fuente: Cálculos del personal técnico del FMI.

Nota: Los paneles muestran en qué medida las variables empíricas que representan políticas estructurales y condiciones institucionales hacen variar el efecto de un aumento de la temperatura de 1°C en el producto per cápita de la muestra de países con temperaturas promedio superiores a 15°C. El horizonte 0 es el año del shock. Las zonas grises denotan que las líneas azules y rojas son significativamente diferentes al nivel de 15%. Véase en el anexo 3.3 la definición exacta de las políticas utilizadas como variables.

Los datos ponen de manifiesto tendencias que son casi un reflejo exacto de las simulaciones de un modelo de equilibrio general dinámico de tipo estructural, que permite aislar los efectos causales de la disponibilidad de amortiguadores, los costos del ajuste de capital, la calidad de las instituciones y la inversión en estrategias de adaptación (recuadro 3.2). También coinciden con resultados empíricos que indican que en países con un tipo de cambio flexible, amplia disponibilidad de servicios financieros e instituciones sólidas, el daño provocado por fenómenos meteorológicos extremos y desastres naturales es menor33, 34.

Un enfoque alternativo para determinar si el desarrollo en general reduce la vulnerabilidad frente a los shocks meteorológicos consiste en usar datos subnacionales de países. Es difícil establecer definitivamente si en las economías avanzadas el calor tiene un efecto marginal menor en los resultados macroeconómicos, dado que muy pocas tienen un clima cálido. No obstante, algunas de las economías avanzadas más grandes, como Estados Unidos, ocupan varias zonas climáticas35. Esta heterogeneidad geográfica dentro del país hace posible determinar si la actividad económica en los estados o provincias con clima “cálido” de las economías avanzadas es afectada por un aumento de la temperatura de la misma manera que la actividad económica en los estados y provincias de las economías de mercados emergentes y en desarrollo que tienen una temperatura promedio similar. De hecho, el análisis indica que el efecto adverso de los shocks de temperatura en las zonas cálidas es mucho mayor en las economías de mercados emergentes y en desarrollo que en las economías avanzadas (gráfico 3.15). Por consiguiente, parece que el desarrollo económico en cierta medida protege a los países de las fluctuaciones meteorológicas36.

Gráfico 3.15.Papel del desarrollo: Datos subnacionales

(porcentaje; años en el eje de ¡a abscisa)

Fuente: Cálculos del personal técnico del FMI.

Nota: El gráfico muestra en qué medida el efecto de un aumento de la temperatura de 1°C en la muestra de países con temperaturas promedio superiores a 15°C varía con un indicador que muestra si un estado o provincia pertenece a una economía avanzada. El horizonte 0 es el año del shock. Las zonas grises denotan que las líneas azules y rojas son significativamente diferentes al nivel de 15%.

El papel de la migración

La migración es otra estrategia posible de adaptación para los hogares afectados por los shocks meteorológicos y los cambios constantes de las condiciones climáticas, que además tiene importantes efectos de contagio entre países. En teoría, el impacto de los shocks meteorológicos en la migración es ambiguo (véase Dell, Jones y Olken, 2014). Si bien un ingreso más bajo, las inquietudes sobre seguridad y la incomodidad fisiológica son buenos incentivos para migrar, el efecto de los shocks meteorológicos en el ingreso podría menoscabar la capacidad de los hogares para cubrir los costos de transporte y otros gastos de reinstalación (Bryan, Chowdhury y Mobarak, 2014; Carleton y Hsiang, 2016)37. En varios estudios empíricos se ha descrito una adaptación a los shocks meteorológicos y desastres naturales por medio de la migración interna38. La información disponible sobre los efectos en la migración internacional es más escasa, y en general se centra en los flujos de países específicos39.

El análisis se basa en Cattaneo y Peri (2016). En él se trata de determinar si los shocks meteorológicos y desastres naturales son factores de la emigración40. Los resultados indican que un aumento de la temperatura y los desastres de índole meteorológica inducen la emigración, aunque solo en países donde la gente cuenta con los medios necesarios, lo cual confirma las conclusiones de Cattaneo y Peri (2016) (gráfico 3.16; cuadro del anexo 3.4.1). En los países en desarrollo de bajo ingreso, los hogares, que generalmente tienen escaso acceso al ahorro y al crédito, están a la merced de los impactos en el ingreso producidos por fenómenos meteorológicos (véase Black et al., 2011; Chen et al., 2017). Esta interpretación concuerda con la conclusión de Hallegatte et al. (2016) en el sentido de que los hogares más pobres en los países de bajo ingreso son generalmente los más expuestos y vulnerables al cambio climático. Por lo demás, estos hogares son los que tienen menos recursos para financiar su reubicación.

Gráfico 3.16.Efecto de la temperatura y de los desastres naturales en la migración internacional

(puntos porcentuales de la población total del país de origen)

Fuente: Cálculos del personal técnico del FMI.

Nota: Estimaciones con una regresión de panel de los efectos de un aumento de 1°C de la temperatura promedio de 10 años y del número de desastres naturales en la proporción de emigrantes. Véanse en el anexo 3.4 más detalles sobre los datos, la especificación y la estimación. Las líneas verticales denotan intervalos de confianza de 90%.

Un aumento apreciable del nivel del mar podría dar lugar a importantes flujos migratorios, posiblemente entre países. En las tierras bajas, las inundaciones podrían poner en peligro a cientos de millones, obligándolos a abandonar sus hogares y reubicarse (Usery, Choi y Finn 2007, 2009). En Estados Unidos, más de 4 millones de personas que habitan zonas costeras podrían ser afectadas si el nivel de los océanos sube 80 centímetros para 2100, como lo prevé el IPCC en el marco del escenario de cambio climático no mitigado. Si ese aumento es del doble, la población afectada podría superar los 13 millones (Hauer, Evans y Mishra, 2016).

Respaldo internacional

El cambio climático es una externalidad de alcance mundial, y los países no podrán afrontar por cuenta propia sus causas ni sus consecuencias. Los argumentos en pro de la equidad, pero también los que favorecen la eficiencia, propugnan un respaldo decidido de la comunidad internacional para ayudar a los países de bajo ingreso a planificar, financiar e implementar medidas de adaptación para abordar los efectos del cambio climático sin poner en riesgo los objetivos de desarrollo. En lo que respecta a la equidad, cabe señalar que los países de bajo ingreso han contribuido muy poco a la emisión de gases de efecto invernadero, pero son los más expuestos a sufrir sus consecuencias, como se demuestra en este capítulo. Por el lado de la eficiencia, al exigir que los países que han contribuido mucho o contribuyen actualmente a producir esos gases sufraguen una parte de los costos de adaptación de los países de bajo ingreso, ayudará a compensar el hecho de que los contaminadores no han asumido plenamente el costo de las emisiones. Principalmente, la adaptación rinde beneficios para el país, pero el éxito de las medidas frente al cambio climático podría evitar los amplios efectos del contagio transfronterizo, por ejemplo, frenando las migraciones inducidas por las condiciones climáticas.

El respaldo de la comunidad internacional, mediante el suministro de financiamiento concesionario, será crucial para movilizar los recursos necesarios para promover la adaptación de los países de bajo ingreso frente al cambio climático (véase el recuadro 3.6). El compromiso de las economías avanzadas para suministrar conjuntamente USD 100.000 millones al año para el año 2020, a fin de facilitar la mitigación y adaptación en las economías en desarrollo, fortalecido mediante el Acuerdo de París de 2015, es un paso importante41. Junto con la asistencia financiera, la transferencia de tecnologías limpias y de adaptación apropiadas a los países de bajo ingreso puede facilitar su lucha contra el cambio climático al mejorar su acceso a tecnologías y conocimientos de punta. En el marco de la Convención Marco de las Naciones Unidas sobre el Cambio Climático se han adoptado varias iniciativas para promover el intercambio de prácticas óptimas de adaptación (como el mecanismo de aprendizaje para la adaptación), que pueden integrarse en los planes nacionales o locales. Los mecanismos multilaterales de distribución de riesgos, como el Fondo de seguro contra riesgos de catástrofes para el Caribe (Caribbean Catastrophic Risk Insurance Facility) y el Mecanismo africano para riesgo de catástrofes (African Risk Capacity), también pueden ayudar a los países en situaciones de emergencia inmediatamente después de producirse un desastre, como se explica en los recuadros 3.3 y 3.4.

Consciente de los retos que plantea el cambio climático, el FMI, entre otras instituciones financieras internacionales, ofrece asistencia técnica y financiera directa a los Estados pequeños y a países que son vulnerables a las condiciones meteorológicas. Para facilitar la adaptación, el FMI provee asesoramiento sobre políticas y actividades de fortalecimiento de las capacidades para mejorar los marcos macroeconómico y de gestión de riesgos, establecer un equilibrio adecuado entre el autoseguro y la transferencia de riesgos, y robustecer la inversión y el crecimiento a fin de adaptarse mejor al cambio climático42. El FMI ha aumentado también los límites anuales de acceso a sus recursos para países vulnerables en el marco del Servicio de Crédito Rápido y el Instrumento de Financiamiento Rápido a fin de proveer asistencia expedita a países con necesidades urgentes de pago, incluidos los casos de desastre natural (FMI, 2016b).

Efectos a largo plazo del aumento de la temperatura: Enfoque basado en modelos

En este capítulo se han estimado los efectos macroeconómicos de los shocks meteorológicos en el corto y mediano plazo. En esta sección, esas estimaciones se incorporan en un modelo de equilibrio general dinámico para explicar los posibles efectos a largo plazo de los incrementos de temperatura en el PIB, la inversión y la deuda pública en una pequeña economía abierta de bajo ingreso representativa. El modelo también pone de relieve la importancia que puede tener una transformación estructural en los países de bajo ingreso (es decir, la transición de una economía agrícola a una economía más basada en los servicios) para atenuar el impacto del cambio climático. En el recuadro 3.5 el modelo se complementa mediante un análisis de los datos históricos sobre los efectos a largo plazo del clima en los resultados económicos.

Las simulaciones están basadas en el modelo de deuda, inversión y crecimiento (DIG, por sus siglas en inglés) de Buffie et al. (2012), que captura aspectos característicos de los países de bajo ingreso —como el bajo nivel de eficiencia en la inversión pública y el alto costo de los ajustes de capital— y puede ampliarse fácilmente para incorporar el proceso de transformación estructural43. En vista de esto, el modelo DIG es más adecuado para estudiar los efectos del cambio climático en países de bajo ingreso que los modelos de análisis integrado (IAM, por sus siglas en inglés), que se usan con más frecuencia para estudiar esos efectos44.

En el modelo DIG, las empresas combinan trabajo, capital privado e infraestructura para crear productos. Los consumidores proveen mano de obra y obtienen utilidades mediante el consumo de bienes comerciados y no comerciados, en tanto que el gobierno recauda rentas, redistribuye el ingreso e invierte en infraestructura, que financia con endeudamiento interno y externo, subvenciones y remesas. En base a los resultados empíricos, los cambios en los niveles de productividad total de los factores (PTF) en sectores específicos determinados exógenamente se modelan como funciones cuadráticas de la temperatura, en tanto que el resto de los parámetros se calibra en términos generales, como en Buffie et al. (2012)45.

Los efectos del cambio climático se examinan mediante simulaciones de la reacción macroeconómica del producto, la razón deuda pública/PIB y la inversión privada frente a los aumentos de temperatura previstos en dos de los escenarios preparados por el IPCC, como se indica en la subsección “Proyecciones” de este capítulo. Las simulaciones indican que en ambos escenarios el país de bajo ingreso representativo sufrirá pérdidas económicas de magnitud en relación con un escenario de referencia sin cambios de temperatura, con un riesgo a la baja considerable (gráfico 3.17).

Gráfico 3.17.Impacto a largo plazo del aumento de la temperatura en un país en desarrollo de bajo ingreso representativo: Simulaciones de modelo

Fuente: Cálculos del personal técnico del FMI.

Nota: TCR = trayectoria de concentración representativa.

En un escenario más benigno, el aumento de temperatura reduce en 4% el producto para 2100 y en 5% la inversión privada, pues las empresas reducen el gasto en capital como reacción frente a la menor productividad causada por el progresivo aumento de la temperatura. La contracción relativa del producto conlleva un ascenso de dos puntos porcentuales de la razón deuda pública/PIB para 2100. En el escenario de cambio climático no mitigado el efecto macroeconómico es mucho mayor. La producción es casi un 9% menor de lo que sería sin cambio climático, la inversión privada cae un 11% y la razón deuda pública/PIB aumenta cinco puntos porcentuales para 210046.

En cambio, el efecto adverso sería mucho menor si se contiene el incremento de la temperatura a un nivel inferior a 2°C, como se estipula en el Acuerdo de París de 2015, lo cual pone de relieve la importancia crucial de las medidas de mitigación para limitar los efectos del cambio climático. En el recuadro 3.6 se examinan los avances recientes en materia de mitigación.

Estas proyecciones fundamentales son objeto de gran incertidumbre porque las estimaciones empíricas del efecto de los shocks de temperatura son imprecisas y las proyecciones de temperatura son inciertas. Debido a esto, las proyecciones fundamentales de este capítulo tienen amplios intervalos de confianza47. En el escenario más benigno la posibilidad de que el producto se contraiga más del 8% por debajo de la tendencia es de 2,5%, mientras que en el escenario de cambio climático no mitigado la posibilidad es del 16%. Dado un producto más bajo, la deuda pública aumenta considerablemente en relación con este (alrededor del 10% del PIB en el escenario pesimista) y la razón inversión privada/PIB puede caer en hasta un 20% por debajo de la tendencia.

Otro método para cuantificar el daño causado por el cambio climático en un país de bajo ingreso representativo consiste en computar el valor presente de la diferencia en el producto económico en relación con un escenario base sin cambio climático y expresar ese valor presente como proporción del producto corriente48. Si se usa una tasa de descuento moderada ajustada al crecimiento de 1,4%, el valor presente de la pérdida de producto es ingente, a saber, 48% en el escenario TCR 4.5 y 100% en el TCR 8.5.

En estas simulaciones se usa una estructura económica estática. Sin embargo, como se explicó en la subsección “Mecanismos de transmisión del impacto”, en algunos sectores el efecto de las crecientes temperaturas es mayor que en otros. Por ejemplo, en comparación con el sector agrícola, el de servicios está relativamente protegido de los efectos de un aumento de temperatura. Por tanto, una transformación económica estructural, desde una economía principalmente agraria hacia una más basada en los servicios, podría reducir el costo económico del cambio climático. En el análisis, el modelo DIG básico se amplía para incluir un proceso exógeno de reubicación del trabajo, desde la agricultura y manufacturas hacia los servicios. Se da por supuesto que el ritmo de transformación estructural es moderado y sigue la tendencia pasada en los países de bajo ingreso: sin shocks, el empleo en el sector de servicios aumenta 2,5 puntos porcentuales. En este modelo ampliado las simulaciones indican que, en el largo plazo, la transformación estructural en un país de bajo ingreso situado en la mediana puede reducir en alrededor de 25% el costo del cambio climático en el escenario TCR 4.5 y 30% en el TCR 8.5.

En lo que respecta al impacto potencial del cambio climático cuantificado en esta sección cabe advertir lo siguiente. Primero, al extrapolar los efectos causales de corto a mediano plazo de los shocks meteorológicos estimados en base a datos históricos al impacto a largo plazo del posible calentamiento global se podrían sobrestimar las consecuencias si los cambios persistentes del clima inducen a los agentes económicos a adaptar sus actividades económicas a las nuevas condiciones. Por otro lado, los cambios permanentes del clima podrían tener consecuencias que las fluctuaciones meteorológicas anuales no tienen. Por lo demás, el modelo no captura los efectos de fenómenos climáticos extremos, que ocasionan daños macroeconómicos de acción prolongada (como se demuestra en el recuadro 3.1, con el caso de los ciclones tropicales) y cuya frecuencia podría aumentar, amplificando esos daños. Ciertos fenómenos previstos o posibles (como la subida del nivel del mar) no tienen un antecedente histórico del cual puedan sacarse conclusiones, pero podrían tener consecuencias económicas muy significativas en muchos países de bajo ingreso, que tampoco se cuantifican en las simulaciones. Además, en las proyecciones a largo plazo no se incluyen varios de los mecanismos a través de los cuales el aumento de la temperatura y el cambio climático en general pueden afectar la actividad económica, como una contracción de la oferta de mano de obra debido al incremento de la mortalidad y la migración.

Incluso si pasamos por alto estas dificultades, existe gran incertidumbre en cuanto a cómo incorporar las estimaciones empíricas de las pérdidas económicas en el modelo de equilibrio general dinámico. En este análisis se ha aplicado un enfoque sumamente prudente y se da por supuesto que los shocks meteorológicos tienen un efecto permanente en el nivel del producto. Sin embargo, en varios estudios se ha sostenido que los datos empíricos no son incompatibles con un efecto persistente en la tasa de crecimiento del producto (Dell, Jones y Olken, 2012; Burke, Hsiang y Miguel, 2015a). Dado que, en definitiva, hasta un efecto exiguo en el crecimiento sería muy superior a un efecto de nivel, la consecuencia negativa para un país de bajo ingreso en la mediana será muchas veces mayor si el aumento progresivo de la temperatura se incorpora en el modelo como factor que afecta a la trayectoria de crecimiento del producto49.

Resumen y repercusiones en materia de política

El cambio climático es uno de los problemas fundamentales del siglo XXI, sobre todo en los países en desarrollo de bajo ingreso. En este capítulo se describe el aumento extraordinariamente rápido de la temperatura en las economías avanzadas, de mercados emergentes y de bajo ingreso, y el considerable nivel de calentamiento que aún podría ocurrir para fines del siglo, lo cual depende de la capacidad de la comunidad internacional para contener las emisiones de gases de efecto invernadero. Los países en desarrollo de bajo ingreso, que generalmente están situados en algunas de las regiones más cálidas del planeta y probablemente registrarán apreciables aumentos de temperatura, han contribuido muy poco a la concentración de estos gases en la atmósfera.

No obstante, el análisis parece indicar que los efectos macroeconómicos de este aumento de la temperatura son sumamente desiguales, y que los países donde el clima es cálido, como en la mayoría de los países en desarrollo de bajo ingreso, sufren desproporcionadamente los efectos negativos. En este capítulo se observa que un aumento de la temperatura reduce el producto per cápita en países con temperatura promedio elevada, tanto en el corto como mediano plazo, por medio de numerosos cauces. En zonas con clima cálido, el aumento de la temperatura reduce la producción agrícola, la productividad de los trabajadores expuestos al calor y el ritmo de acumulación de capital, y daña la salud. En estas conclusiones se refleja el impacto de los shocks meteorológicos en los resultados promedio de un país. No obstante, esos shocks también pueden tener importantes efectos desfavorables sobre la distribución del ingreso en un país. En general, los hogares pobres son más vulnerables a las fluctuaciones del clima porque dependen en gran medida del ingreso agrícola, destinan una proporción más alta de su ingreso a comprar alimentos, y tienen un acceso limitado al ahorro y crédito (Hallegatte et al., 2016; Hallegatte y Rozenberg, 2017; FMI, 2016b). A pesar del considerable calentamiento ocurrido durante el último siglo, la sensibilidad del producto per cápita frente a los shocks de temperatura no ha variado significativamente, lo cual parece indicar que existen importantes limitaciones en materia de adaptación.

Los efectos negativos de los cambios climáticos previstos en los países de bajo ingreso pueden ser ingentes. Las simulaciones —donde la atención se centra en un aspecto concreto del cambio climático; a saber, el previsto aumento de temperatura—, bajo el supuesto moderado de que el aumento de temperatura afecta al nivel del producto, más que su trayectoria de crecimiento, parecen indicar que, si no se adoptan medidas para reducir las emisiones globales, el producto de un país de bajo ingreso representativo podría ser un 9% más bajo que sin un aumento de temperatura, y el riesgo de que esos resultados sean incluso peores que lo previsto es considerable50. Dada la gran incertidumbre que existe sobre los efectos y la magnitud del cambio climático —no solo respecto del nivel de aumento de temperatura, sino también sobre la reacción del medio ambiente—, ese riesgo deberá considerarse con cautela.

¿Cómo pueden afrontar los países de bajo ingreso los aumentos de temperatura que probablemente experimentarán en las próximas décadas? Si bien es difícil hacer una interpretación causal, en este capítulo se observa que el nivel de vulnerabilidad del producto per cápita frente a los shocks de temperatura depende de varios factores, que son fundamentales para comprender las repercusiones en materia de políticas descritas en este capítulo. La creación de políticas e instituciones eficaces, y el desarrollo en general, pueden contribuir a reducir parcialmente algunos de los efectos perjudiciales de los shocks meteorológicos. Las políticas de amortiguación pueden contribuir a aminorar algunos de los efectos de los shocks si ayudan a mantener un nivel adecuado de inversión pública. En cierta medida, un marco institucional y de política que facilita la reubicación de los factores de producción entre sectores económicos y regiones geográficas y propicia el desarrollo —por ejemplo, con un mejor acceso a los mercados financieros nacionales e internacionales, una infraestructura de alta calidad e instituciones más sólidas— puede aumentar la resistencia frente a los shocks meteorológicos. Esas condiciones permiten a los países recuperarse más rápido de los efectos negativos del aumento de temperatura y reducir su vulnerabilidad en el futuro. La inversión en estrategias y proyectos de adaptación —por ejemplo, redes de protección bien focalizadas que pueden suministrar asistencia rápida, infraestructura “climáticamente inteligente” y tecnología apropiada— también puede contribuir a reducir el daño, como se explica en los estudios de casos seleccionados.

No obstante, los países de bajo ingreso tienen ingentes necesidades de financiamiento y escasos recursos para efectuar las inversiones necesarias para afrontar el cambio climático. De acuerdo con estimaciones de las Naciones Unidas, para cumplir los Objetivos de Desarrollo Sostenible los países de bajo ingreso tendrían que aumentar el gasto público en un nivel de hasta el 30% del PIB, monto que con toda probabilidad supera el espacio fiscal en la mayoría de ellos (Baum et al., 2017; Schmidt-Traub, 2015). En muchos casos, los países de bajo ingreso no tienen tampoco la capacidad institucional, administrativa ni política para implementar políticas macroeconómicas o estrategias de adaptación adecuadas (gráfico 3.18). Por lo demás, las políticas internas, por sí solas, no bastan para aislar totalmente a los países de bajo ingreso de los efectos del cambio climático, en la medida en que los aumentos de temperatura rebasan los límites biofísicos del ecosistema en estos países, lo que puede aumentar la frecuencia de las epidemias, hambrunas y otros desastres naturales, y fomentar las presiones migratorias y el riesgo de conflicto. Los efectos de contagio internacionales de estos impactos del cambio climático en países vulnerables pueden ser muy fuertes.

Gráfico 3.18.Vulnerabilidad al aumento de la temperatura y perspectivas de adaptación

Fuentes: Índice de adaptación mundial de Notre Dame y cálculos del personal técnico del FMI.

Nota: El gráfico presenta el efecto estimado de un aumento de la temperatura de 1°C en el producto per cápita en el horizonte 0 en relación con la calificación de los países en términos de su capacidad de adaptación y su preparación para la adaptación. Una calificación más alta denota mejor capacidad de adaptación y más preparación.

Puesto que la capacidad de los países de bajo ingreso para abordar por sí solos los problemas del cambio climático es limitada, es crucial que la comunidad internacional suministre y coordine el respaldo financiero y no financiero para esos países (véase el recuadro 3.6). Las economías avanzadas y de mercados emergentes han hecho la contribución más grande al cambio climático observado y previsto. Por tanto, el suministro de asistencia a países de bajo ingreso para hacer frente a las consecuencias del cambio climático es una exigencia humanitaria y una política racional, dado que en el pasado no se ha asumido plenamente el costo de las emisiones de gases de efecto invernadero.

En este capítulo el análisis se concentró en el impacto del calentamiento mundial en los países de bajo ingreso, aunque es importante señalar que los efectos negativos directos de un cambio climático no mitigado se harán sentir progresivamente en todo el mundo, por la vía de desastres naturales más frecuentes y dañinos (véase el recuadro 3.1), el aumento del nivel del mar, la pérdida de biodiversidad y muchas otras consecuencias que son difíciles de cuantificar. El calentamiento empezará a afectar también al crecimiento de muchas economías avanzadas en la medida en que sus temperaturas aumenten al cambio climático por sobre un nivel óptimo (véase el gráfico del anexo 3.6.1). Incluso en países donde el efecto podría ser en promedio moderado o positivo, el cambio climático producirá ganadores y perdedores tanto a nivel individual como sectorial. La contracción de la actividad económica y el posible aumento de los conflictos y flujos migratorios desde los países más vulnerables pueden tener grandes efectos de contagio internacionales. Para limitar los riesgos a largo plazo del cambio climático se requerirá como condición sine qua non un esfuerzo global destinado a limitar las emisiones de carbono a niveles compatibles con un incremento aceptable de la temperatura (Farid et al., 2016; Hallegatte et al., 2016; FMI, 2015; Stern, 2015; IPCC, 2014).

Recuadro 3.1.El impacto de los ciclones tropicales en el crecimiento

Los ciclones tropicales, comúnmente conocidos como huracanes en el Atlántico y tifones en el noroeste del Pacífico, son una de las fuerzas naturales más destructivas1. En 2000–14, provocaron daños por un valor de USD 548.000 millones (en dólares al valor constante de 2010) a nivel mundial (International Disasters Database [EM-DAT]; Guha-Sapir, Below y Hoyois, 2015), casi tres cuartas partes en economías avanzadas2. Este recuadro estima el efecto de los ciclones tropicales en la actividad económica y analiza las posibles consecuencias del cambio climático a través de los efectos de los ciclones tropicales en un escenario de emisiones ilimitadas de gases de efecto invernadero (trayectoria de concentración representativa 8.5).

Medición de los ciclones tropicales y estimación empírica

Varios estudios han examinado el impacto macroeconómico de los ciclones tropicales y, en general, observan que los daños económicos son significativos3. El análisis de este recuadro combina datos detallados sobre la velocidad sostenida máxima de los vientos y la población de asentamientos para construir una base de datos exhaustiva de tormentas tropicales que ocurrieron en las cercanías de centros de actividad económica4. Entre 1950 y 2016, 4.597 tormentas pasaron por un radio de 160 kilómetros de una ciudad y afectaron a 3.113 ciudades en 132 países o territorios.

Los ciclones tropicales golpean a países de diferente tamaño, desde islas pequeñas en el Caribe y el Pacífico hasta países extensos como China, México y Estados Unidos. Cuando una tormenta azota un país pequeño, suele afectar a gran parte del territorio y la población, en tanto que en un país más grande el impacto puede estar limitado a zonas relativamente más pequeñas. Para tener en cuenta esta diferencia, la variable vientos —los vientos máximos sostenidos medidos en nudos dentro de un radio de 160 kilómetros alrededor de un país y (Windi,t)— está ponderada por la proporción de la población expuesta a todos los ciclones tropicales en un año (Pi,t). Las tormentas también se mueven a distintas velocidades; las de avance lento pueden ser más destructivas. Por lo tanto, la variable vientos también está ponderada según la proporción del tiempo que un país está expuesto a todas las tormentas dentro de un plazo de un año (TEi,t), calculándose el tiempo como el producto del número de horas en un año y el número de ciudades de un país. El cuadro 3.1.1 resume los principales elementos de las variables de los ciclones.

Cuadro 3.1.1.Características del ciclón tropical promedio por grupo de países
VMS dentro de un radio de 160 kilómetros (nudos)Población expuestaTiempo de exposiciónDistancia (millas)
Mundo51,300,340,000577,05
Economías avanzadas58,560,280,000477,78
Economías de mercados emergentes49,840,280,000476,27
Países en desarrollo de bajo ingreso42,450,200,000379,66
Estados pequeños47,020,580,000971,26
Islas54,430,490,000775,69
Fuentes: CIESIN GRUMPv1 Settlement Points r01, Ibtracs v03r09, y cálculos del personal técnico del FMI.Nota: Promedio en un minuto en nudos por hora de los vientos máximos sostenidos (VMS). Población expuesta como proporción de la población total. Tiempo de duración como proporción del total de horas disponibles en cada país (24 horas × 365 días × ciudades). La distancia es la distancia promedio desde cada ciudad (dentro de un radio de 160 kilómetros alrededor de la tormenta) hasta la posición de la tormenta donde los vientos registran su máxima intensidad.

Para estimar el efecto de los ciclones tropicales en el producto per cápita, el análisis amplía el método empírico de proyecciones locales utilizado en el capítulo y lo hace extensivo a la variable vientos ponderada según la proporción de la población y el tiempo de exposición. La especificación estimada es la siguiente:

donde h indexa el horizonte de estimación, μih son los efectos fijos del país, θr,th son los efectos fijos de año-región, yi,t es el PIB per cápita en valores logarítmicos, y ci,t se refiere a la temperatura y la precipitación anual promedio y sus términos cuadráticos.

Los resultados presentados en el cuadro 3.1.2 indican que si la velocidad de los vientos aumenta un nudo en todo el país (es decir, si la totalidad de la población está expuesta) durante la totalidad de un año, el PIB real per cápita disminuye 26,7% el año en que ocurre la tormenta. Esto no es, obviamente, un indicador muy útil del efecto de una tormenta típica en un país; un indicador más idóneo es el efecto marginal del aumento de la velocidad de los vientos, tal como lo capta α Pi,tTEi,t.

Cuadro 3.1.2.Efecto de los shocks meteorológicos y de los vientos en la actividad económica
Crecimiento del PIB real per cápita(1)(2)(3)
Temperatura1,347***0,931***0,920***
(0,357)(0,222)(0,223)
Temperatura2−0,051***−0,038***−0,037***
(0,011)(0,010)(0,010)
Precipitación0,1100,0510,047
(0,104)(0,104)(0,106)
Precipitación2−0,003−0,002−0,001
(0,002)(0,002)(0,002)
Vientos × Población × Tiempo de exposición−26,750**
(12,912)
R2 ajustada0,140,180,18
Número de países1899696
Número de observaciones8.8154.6964.696
Fuente: Cálculos del personal técnico del FMI.Nota: Todas las regresiones neutralizan los efectos fijos de país y año-región; los valores rezagados y anticipados de la temperatura, la precipitación y sus valores cuadráticos; y el valor rezagado del crecimiento. La columna (3) también neutraliza la variable vientos contemporánea, así como sus valores rezagados y anticipados. La columna (1) reproduce la especificación de base del capítulo (columna (5) del cuadro 3.3.1 del anexo). Las columnas (2) y (3) incluyen únicamente los países expuestos a ciclones tropicales. Los errores estándar están aglomerados a nivel de país. * p < 0,1; ** p < 0,05; *** p < 0,01.

Observaciones

Los ciclones tropicales producen un efecto negativo significativo en el producto; el impacto más profundo lo experimentan las islas y los Estados pequeños que están generalmente más expuestos a este tipo de tormenta (gráfico 3.1.1)5. Por grupo de ingreso, las economías avanzadas son las más golpeadas por los ciclones tropicales, ya que suelen estar expuestas a vientos de mayor velocidad.

Gráfico 3.1.1.Efectos de la exposición a ciclones tropicales en el PIB real per cápita

(porcentaje; años en el eje de la abscisa)

Fuente: Cálculos del personal técnico del FMI.

Nota: Impacto acumulativo de un aumento de un nudo de los vientos generados por ciclones tropicales en el PIB real per cápita. El horizonte 0 es el año del shock.

Las estimaciones son significativas no solo estadística sino económicamente. Siete años después de una tormenta promedio, el producto per cápita es casi 1% más bajo que si la tormenta no hubiera golpeado, y los Estados pequeños sufren pérdidas 2,5 veces más profundas (gráfico 3.1.2)6. Los efectos de las tormentas son muy persistentes: incluso al cabo de 20 años, la economía no se recupera del todo7. Es importante señalar que el efecto de los ciclones tropicales en la actividad económica es un efecto separado y adicional a los de la temperatura (cuadro 3.1.2). La introducción de la variable vientos no altera sustancialmente los coeficientes de temperatura y precipitación de la misma muestra de países.

Gráfico 3.1.2.Efecto acumulativo del ciclón tropical promedio en el PIB real per cápita al cabo de siete años

(porcentaje)

Fuente: Cálculos del personal técnico del FMI.

Nota: Efecto acumulativo producido en el PIB real per cápita al cabo de siete años por el ciclón tropical promedio al que está expuesto cada país en términos de la velocidad máxima de los vientos, la población expuesta y el tiempo de exposición. TCR = trayectoria de concentración representativa.

El cambio climático y los ciclones tropicales

Los especialistas predicen que a raíz del cambio climático habrá menos ciclones tropicales, pero que los que se formen serán más intensos y destructivos (Knutson et al., 2010). En el escenario de cambio climático total (Trayectoria de Concentración Representativa 8.5), la temperatura de la superficie del mar aumenta 2,6°C en 2090–2100 respecto de 1995–2005, lo cual sugiere que la velocidad máxima de los vientos generados por ciclones tropicales podría aumentar 9%8. El análisis de este recuadro hace pensar que el país promedio sufriría una pérdida adicional de 0,1% del producto per cápita cada vez que lo golpea un ciclón tropical promedio, y que los Estados más pequeños sufrirían daños 0,2% mayores (gráfico 3.1.2).

El autor de este recuadro es Sebastián Acevedo.1Un ciclón tropical es un sistema rotatorio organizado de nubes y tormentas eléctricas que se origina en aguas tropicales o subtropicales y tiene una circulación cerrada de bajo nivel (NOAA, 2017b). Los vientos huracanados (de más de 64 nudos) pueden extenderse más de 320 kilómetros en las tormentas más grandes.2Las tormentas causan más daños absolutos en las economías avanzadas porque sus existencias de capital suelen ser más valiosas; sin embargo, como porcentaje del PIB, los daños generalmente son mayores en los Estados pequeños y los países en desarrollo de bajo ingreso. Según EM-DAT, hay daños en alrededor de la mitad de las catástrofes causadas por tormentas. Acevedo (2016) observa que en el Caribe los daños económicos causados por ciclones tropicales podrían ser entre 1,6 y 3,6 veces mayores que lo declarado oficialmente.3Raddatz (2009); Fomby, Ikeda y Loayza (2013), y Acevedo (2014) emplean datos de EM-DAT para estimar los efectos de distintos tipos de catástrofes naturales (incluidas las tormentas) en el crecimiento, en tanto que una serie paralela de estudios (Strobl, 2012; Bertinelli y Strobl, 2013; Hsiang y Jina, 2014) utilizan modelos de campos de viento para estimar los efectos de los vientos de las tormentas en el crecimiento. Bakkensen y Barrage (2016) utilizan la velocidad máxima de los vientos al tocar tierra, un criterio más parecido al empleado en este capítulo.4La base de datos International Best Track Archive for Climate Stewardship contiene información sobre 7.140 ciclones tropicales, con detalles sobre las velocidades máximas sostenidas de los vientos entre 1950 y 2016 (Knapp, Applequist et al., 2010; Knapp, Kruk et al., 2010). Estos datos se combinan con la población de asentamientos en 2000 tomada de CIESIN (2016), que contiene información sobre 67.682 ciudades que albergan entre una y 18,5 millones de personas.5La vulnerabilidad de los Estados pequeños a las catástrofes naturales y al cambio climático se analiza en FMI (2016b).6Se considera que una tormenta golpea cuando un ciclón tropical pasa dentro de un radio de 160 kilómetros alrededor de una ciudad.7Hsiang y Jina (2014) observan una respuesta parecida; en su caso, la caída del PIB es mucho más pronunciada, pero la recuperación parcial comienza a los 15 años.8La temperatura de la superficie del mar es un ingrediente crítico de la formación y la evolución de los ciclones tropicales (Landsea, 2004): un aumento de 1°C incrementa la velocidad máxima de los vientos 3,5% (Knutson y Tuleya, 2004).

Recuadro 3.2.El papel de las políticas ante los shocks meteorológicos: Un análisis en base a un modelo

Para ilustrar de qué manera las políticas pueden contribuir a moderar las consecuencias de los shocks meteorológicos en los países de bajos ingresos, este recuadro utiliza el modelo de deuda, inversión y crecimiento (DIG, por sus siglas en inglés) creado por Buffie et al. (2012) y simula los efectos macroeconómicos de los aumentos de las temperaturas según distintos supuestos en torno a las principales variables de las políticas en cuestión1. Como lo demuestra empíricamente el capítulo, en los países de clima cálido, un aumento de la temperatura reduce la productividad. Además, podría precipitar la pérdida de tierras productivas. En consecuencia, el análisis calibra los daños meteorológicos en función de la productividad total de los factores y el capital privado para reflejar en términos amplios la respuesta estimada del PIB frente a un aumento de la temperatura de 1°C en un país de bajo ingreso representativo con una temperatura de base de 25°C, y examina qué influencia pueden tener en esos daños las políticas macroeconómicas y estructurales (gráfico 3.2.1)2.

Gráfico 3.2.1.El papel de las políticas: Un análisis en base a un modelo

(PIB real, desviación respecto del estado estacionario; años en el eje de la abscisa)

Fuente: Cálculos del personal técnico del FMI.

Nota: El escenario de base supone que no hay donaciones adicionales en los paneles 2 y 3, que el costo del ajuste es bajo en el panel 4, que no hay histéresis en el panel 5 y que no hay adaptación en el panel 6. En el panel 2, las donaciones adicionales representan 0,5% del PIB en el escenario de donaciones escasas y 1% del PIB en el escenario de donaciones voluminosas. En el panel 3, todas las simulaciones suponen donaciones elevadas adicionales, excepto en el escenario de base.

El margen de influencia de las políticas y el papel de las instituciones

Los shocks meteorológicos pueden afectar significativamente a las arcas estatales de los países de bajos ingresos. El ingreso fiscal puede verse perjudicado por la reducción de la producción agrícola e industrial y, a la vez, puede plantearse la necesidad de incrementar el gasto para brindar respaldo a los hogares afectados si un shock meteorológico compromete la seguridad alimentaria, para reconstruir la infraestructura de transporte y comunicaciones si la daña una catástrofe natural, y posiblemente para brindar a la población reorientación laboral. Como el espacio fiscal suele ser reducido en los países de bajo ingreso, la ampliación de las transferencias originadas en las economías avanzadas —por ejemplo, las convenidas en el Acuerdo de París— podrían contribuir a suavizar el impacto de los shocks meteorológicos. Nuestras simulaciones hacen pensar que el aumento del número de transferencias y su canalización hacia la ampliación de la inversión pública durante tres años, comenzando un año después del shock meteorológico, podría limitar los daños provocados por los shocks meteorológicos en el producto (gráfico 3.2.1, panel 2). Una transferencia adicional equivalente a 1% del PIB del país receptor reduce la profundidad de la recesión en alrededor de 0,5% durante el período que abarca la simulación. Es alentador constatar que, dado que las transferencias engrosan la infraestructura pública y, por ende, estimulan la capacidad productiva de ambos sectores, estimulan el producto no solo a corto, sino también a largo plazo.

Las transferencias adicionales benefician al país receptor, pero la magnitud del beneficio depende más que nada de la eficiencia de la inversión en la infraestructura del sector público, en particular, y de la calidad de la gobernanza del sector público en general. En muchos países de bajos ingresos, la eficiencia de la inversión pública suele ser escasa, estimándose que la proporción del gasto en infraestructura pública que genuinamente incrementa el stock de capital público es de 20% a 60% (Hulten, 1996; Pritchett, 2000; Foster y Briceno-Garmendia, 2010). Los resultados de las simulaciones muestran que, en los países con una inversión pública muy eficiente, la llegada de transferencias adicionales puede suavizar las consecuencias adversas de un shock meteorológico (gráfico 3.2.1, panel 3). Por el contrario, en los países con una inversión pública poco eficiente, las transferencias adicionales no marcan gran diferencia. En suma, las simulaciones muestran fehacientemente que los países de bajos ingresos deben seguir mejorando la eficiencia de la inversión pública y reforzando sus marcos institucionales para aprovechar al máximo la existencia de amortiguadores que contrarresten los efectos de las cambiantes condiciones meteorológicas.

Políticas que facilitan la reasignación de los factores y la transformación estructural

Los shocks meteorológicos trastornan la producción, especialmente en ciertos sectores de la economía, y la adaptación a esos shocks requeriría reasignar trabajadores y capital entre sectores y dentro de ellos. La velocidad y el costo de esa reasignación determinará la celeridad con la que puede recuperarse la economía tras shocks adversos en la productividad total de los factores o el stock de capital.

En los países de bajos ingresos, la reasignación de capital (y de los factores de producción en general) puede verse dificultada por la rigidez del entorno económico y políticas subóptimas; por ejemplo, un acceso a los mercados financieros limitado, impedimentos burocráticos (como dificultades para obtener permisos de construcción) e incertidumbre jurídica3. Las simulaciones indican que si el costo de la reasignación del capital es mayor, la recuperación tras un shock meteorológico es más lenta (gráfico 3.2.1, panel 4)4.

La celeridad con la que se puede reasignar a los trabajadores afectados a otras actividades productivas también influye. El desempleo puede causar histéresis o una “cicatrización” permanente de la productividad, dado que los trabajadores pierden aptitudes durante largos episodios de desempleo o subempleo. Eso, a su vez, puede tener consecuencias duraderas para el desempeño económico. En el modelo DIG, este canal lo capta la sensibilidad de la productividad a brechas negativas del producto rezagadas5. Los resultados de las simulaciones que hacen variar esa sensibilidad sugieren que la histéresis podría prolongar y ahondar significativamente los efectos de los shocks meteorológicos. Por ende, las políticas deberían apuntar a preservar el capital humano, entre otras cosas instituyendo programas que incentiven la participación de las personas desempleadas en actividades con esas características, tales como proyectos de obras públicas al estilo del programa etíope para una red de protección productiva que se describe en el recuadro 3.3.

Inversión en estrategias de adaptación

Además de las políticas macroeconómicas y estructurales generales ya mencionadas, los gobiernos, los hogares y las empresas participan en inversiones directas en estrategias de adaptación frente a las cambiantes condiciones meteorológicas (por ejemplo, plantando variedades más resistentes al calor o invirtiendo en infraestructura verde). Sin embargo, muchas medidas de adaptación tienen el carácter de bienes públicos. El establecimiento de un sistema de alerta anticipada frente a máximos de calor extremos, la organización de campañas informativas sobre la conservación de agua, o la extensión de la vegetación en espacios públicos y otras inversiones en infraestructura verde son todas actividades con beneficios mutuamente compatibles y no excluyentes. Como los hogares y las empresas no pueden internalizar todos los beneficios sociales, podría resultar necesaria la intervención del gobierno para incentivar a los agentes privados a emprender una adaptación hacia niveles socialmente óptimos. En una extensión del modelo DIG, el gobierno instituye incentivos fiscales para la adopción de tecnologías que mejoran la resiliencia y financia el suministro de bienes públicos relacionados con riesgos meteorológicos, lo cual reduce la sensibilidad de la producción al aumento de las temperaturas. Suponiendo que el gasto privado en adaptación está 20% por debajo del óptimo social y que el gobierno busca restablecer la optimalidad, las simulaciones sugieren que en el curso de 20 años cada USD 1 gastado por el gobierno en adaptación reduce en USD 2 el daño meteorológico total. El mecanismo detrás de esta observación es la respuesta de la inversión privada a la disminución de las pérdidas de la productividad atribuibles a fenómenos meteorológicos, que incrementa el PIB a mediano y a largo plazo. La simulación ilustra el principio general de que mejorar la resiliencia a través del gasto público en adaptación puede moderar las desaceleraciones causadas por condiciones meteorológicas y acelerar la recuperación (gráfico 3.2.1, panel 6).

Los autores de este recuadro son Manoj Atolia, Claudio Baccianti, Ricardo Marto y Mico Mrkaic.1El modelo DIG es un marco real, neoclásico y dinámico de una economía abierta con dos sectores productivos que usan capital público y privado como insumo, y muchas características que son pertinentes para los países de bajos ingresos, inversión pública poco eficiente, espacio fiscal limitado y costos de ajuste del capital. El modelo también sirve para simular los efectos a largo plazo del cambio climático en la sección del capítulo titulada “Long-Term Effects of Temperature Increase—A Model-Based Approach”.2En aras de la simplicidad, se presume que los sectores de bienes negociables y no negociables reaccionan de la misma manera a los shocks meteorológicos. Esa suposición no hace variar los resultados. La mayor parte de los demás parámetros están calibrados como en Buffie et al. (2012), excepto la tasa de interés real de la deuda pública, que es más baja que en el estudio original debido a la caída de las tasas de interés mundiales. Para más detalles, véase el anexo 3.5.3En el modelo DIG, la facilidad de reasignación de los factores está captada por el parámetro del costo de ajuste del capital privado. El costo de ajuste del capital es inversamente proporcional a la elasticidad de la inversión con respecto a la q de Tobin, según la cual una mayor elasticidad implica costos de ajuste del capital más bajos.4El impacto cuantitativo parece ser pequeño, pero la simulación debe tomarse solo como una guía cualitativa. La magnitud de la contracción del PIB depende del costo de ajuste del capital, así como de la forma del shock y el momento en que ocurre. Si el shock climático se traduce más que nada en la destrucción de capital privado y, en menor medida, en la disminución de la productividad total de los factores, la recuperación es más lenta, y el daño al PIB, más profundo, al ralentizarse la reconstrucción del capital.5La magnitud del efecto se calibra usando la elasticidad estimada de los salarios corrientes en función de las horas trabajadas rezagadas de Altuğ y Miller (1998). La elasticidad estimada de 0,2 representa el elevado grado de histéresis en la especificación del modelo.

Recuadro 3.3.Estrategias para enfrentar shocks meteorológicos y el cambio climático: Estudios de casos seleccionados

Los efectos adversos de los shocks meteorológicos y del cambio climático han llevado a las comunidades locales y a los países a adaptarse a las consecuencias desfavorables y a contrarrestarlas. Como lo demuestra el gráfico 3.12 una amplia variedad de estrategias podría amortiguar los impactos negativos de los shocks meteorológicos y de las catástrofes naturales al reducir la exposición y la vulnerabilidad o al transferir y esparcir los riesgos de carácter meteorológico. El propósito de este recuadro es destacar algunos ejemplos de estrategias que han dado buenos resultados.

Redes de protección social

Aproximadamente 85% de la población de Etiopía trabaja en el sector agrícola, mayormente en pequeñas granjas familiares. El cambio climático y sus consecuencias —sequía, precipitaciones retrasadas e inundaciones— perjudican la productividad agrícola y la seguridad alimentaria. Además, en algunas zonas, las tierras se han degradado debido a un uso excesivo. En consecuencia, aproximadamente 10% de la población rural sufre una inseguridad alimentaria crónica.

Para ayudar a la población en riesgo, el gobierno etíope y sus socios internacionales instituyeron el Programa productivo para redes de seguridad (Productive Safety Net Program, o PSNP) en 2006, que suministra dinero en efectivo o alimentos a los hogares que no pueden alimentarse durante la totalidad del año y particularmente durante la estación de escasez (junioagosto). La ayuda depende de la participación activa en programas locales ambientales o que estimulan la productividad; por ejemplo, la rehabilitación de tierras, la mejora de las fuentes de agua y la construcción de infraestructura como carreteras y hospitales. Un programa complementario dedicado al afianzamiento de los activos de los hogares (Household Asset Building Program), que pretende alcanzar a la misma población que el PSNP, ayuda a los hogares a diversificar sus fuentes de ingreso y multiplicar los activos productivos, entre otras cosas mediante asistencia técnica, con el objetivo de lograr una seguridad alimentaria duradera.

Con más de 7,6 millones de participantes (o prácticamente 8% de la población nacional) y 47.000 pequeños proyectos comunitarios cada año, el PSNP es el programa africano más extenso de adaptación al cambio climático. Los proyectos comunitarios, que están dedicados principalmente al restablecimiento ambiental, están dando resultados positivos mensurables. El PSNP ha reducido la pérdida de suelos en más de 40% y ha mejorado la calidad y cantidad de agua a disposición de la población. Los estudios sugieren que la productividad de los terrenos ha aumentado, en consecuencia, hasta 400%. Además, el programa ha reducido los daños causados por las inundaciones estacionales. Por añadidura, ha afianzado la seguridad alimentaria de los hogares vulnerables; tras sufrir sequías, los beneficiarios del PSNP experimentaron una contracción del consumo 25% menor que los hogares no participantes (Porter y White, 2016). El PSNP también ha reducido el número de personas que necesitan intervención humanitaria y el costo correspondiente. Por último, engrosó el ahorro de los hogares vulnerables y ha facilitado la ampliación del acceso a servicios educativos y sanitarios.

Adopción de tecnologías

Las temperaturas elevadas reducen significativamente la productividad de la mano de obra y podrían conducir a resultados sanitarios adversos —tales como una mayor incidencia de hipertermia y un empeoramiento de las enfermedades cardiovasculares o respiratorias crónicas— y a la mortalidad, como lo demuestran los numerosos trabajos realizados y el análisis presentado en este capítulo. Los gobiernos y los particulares disponen de diversas opciones para moderar este impacto económico y sanitario negativo, como la infraestructura verde (para aumentar la presencia de vegetación en las ciudades) y tecnologías de construcción específicas (por ejemplo, azoteas con un índice de reflectividad solar elevado). Entre todas las opciones, la climatización moderna, inventada en los albores del siglo XX, es la solución más comúnmente adoptada por los hogares y las empresas para protegerse del calor excesivo.

Los beneficios del control climático, tanto en el lugar de trabajo como para los resultados en términos de la salud, están bien documentados. En una encuesta llevada a cabo en 1957, 90% de las empresas estadounidenses identificaron la climatización como el estímulo más importante de la productividad (Cooper, 2002), y el fundador de Singapur, Lee Kuan Yew, reconoció que fue el factor que más contribuyó al desarrollo del país. La disminución drástica de la mortalidad relacionada con temperaturas elevadas durante el siglo XX en Estados Unidos también ha sido atribuida a la instalación de sistemas residenciales de climatización (Barreca et al., 2016).

Con todo, sus efectos negativos no pueden pasarse por alto. La creciente instalación de sistemas de climatización internos promueve el consumo de energía e incrementa las emisiones de gases de efecto invernadero. Las emisiones de los aparatos y las plantas de climatización pueden crear focos locales de aire caliente, que pueden presentar externalidades negativas significativas para las poblaciones circundantes. Debido a su elevado costo inicial y a la infraestructura que requiere, esta tecnología está fuera del alcance de las poblaciones pobres y vulnerables, especialmente en los países en desarrollo de bajos ingresos1.

La planificación y la implementación inteligentes de la climatización podrían reducir algunos de los efectos de contagio negativos de esta estrategia de adaptación al aumento de las temperaturas, que en todo otro sentido es eficaz. Un ejemplo es la refrigeración urbana —un sistema de climatización centralizado— adoptada en grandes ciudades de economías avanzadas y actualmente en construcción en Gujarat International Finance Tec-City, un nuevo barrio comercial de Gujarat, India. En un sistema de refrigeración urbana, una fuente central enfría agua y la distribuye a los consumidores finales a través de tuberías subterráneas.

Un sistema centralizado de refrigeración tiene ventajas ambientales y económicas claras comparado con la climatización descentralizada. La producción centralizada de agua refrigerada consume entre 35% y 50% menos energía que las unidades de climatización individuales, reduciendo tanto los costos como la contaminación. Esa mayor eficiencia energética, a su vez, alivia la presión que la difusión de aparatos de climatización genera para el sector eléctrico local, que muchas veces va a la zaga del rápido crecimiento de la demanda de energía en las economías de mercados emergentes y en desarrollo. Por último, la refrigeración urbana elimina el costo inicial para el usuario final, ofreciendo un control climático doméstico más asequible.

Tal como ocurre con el suministro de otros tipos de infraestructura, como la distribución de energía y agua, la participación del sector público podría acelerar el desarrollo y la expansión de sistemas de refrigeración urbana, frenados quizá por los bajos precios de la energía, una insuficiente densidad de la demanda, incertidumbre económica y otros riesgos relacionados con la sustancial inversión inicial requerida. El gobierno de Gujarat ha asumido el control directo de la construcción de la red de refrigeración distribuida, al igual que los gobiernos de la República de Corea, Qatar y Singapur.

Inversión en infraestructura pública climáticamente inteligente

En Kuala Lumpur, Malasia, las inundaciones repentinas han causado considerables daños a la propiedad, congestiones de tráfico impasables, contaminación de las aguas y pérdidas de vidas humanas. Para aliviar estos problemas, las autoridades emprendieron un ambicioso proyecto de infraestructura de doble propósito para facilitar la circulación del tráfico y evitar inundaciones.

El proyecto Stormwater Management and Road Tunnel, o SMART Tunnel, es una estructura con doble finalidad concebida para hacer frente a las inundaciones repentinas. Combina un túnel vial de doble nivel construido encima de un sistema de desagüe para tormentas. En condiciones normales, el nivel de drenaje está cerrado y el túnel se utiliza para el tráfico normal. Sin embargo, el túnel está diseñado de manera que uno de los niveles dedicados al tráfico, o ambos, pueden inundarse provisionalmente para drenar el agua de las tormentas.

Durante una tormenta moderada, el sistema reasigna el nivel de tráfico inferior para transportar aguas, y los vehículos pueden seguir utilizando el nivel superior. Si se prevén precipitaciones extremas, ambos niveles pueden cerrarse al tráfico, evacuarse y utilizarse como desagües.

El análisis de costos y beneficios ha demostrado la eficacia del sistema. Con un costo de alrededor de USD 500 millones, se calcula que evitará más de USD 1500 millones en daños causados por inundaciones y reducirá los costos de la congestión del tráfico en más de USD 1.000 millones en los próximos 30 años.

Sistemas de alerta anticipada y programas de evacuación

Situado en el delta del Ganges, Bangladesh es uno de los países más vulnerables al cambio climático. Por lo general, una quinta parte del país se inunda anualmente, cobrando vidas y dañando propiedades2. En los 70 últimos años, las tormentas han causado miles de decesos y dañado millones de toneladas de cultivos; se prevé que estos problemas empeoren como consecuencia del cambio climático.

Tras la devastación extraordinaria causada por el ciclón Sidr, las autoridades y los socios internacionales emprendieron un proyecto de recuperación y restablecimiento de emergencia, denominado Emergency Cyclone Recovery and Restoration Project, o ECRRP3. Su finalidad consiste en mejorar la infraestructura agrícola y los preparativos a largo plazo para catástrofes; entre otras cosas, construyendo y reconstruyendo albergues para ciclones y reforzando terraplenes. El programa ha reducido significativamente el riesgo de exposición de las poblaciones vulnerables a los ciclones reconstruyendo alrededor de 240 albergues y reparando más de 100 kilómetros de terraplenes.

El ECRRP también ha contribuido a la resiliencia agrícola frente a los choques climáticos y a la subsistencia de las poblaciones afectadas. Además de brindar equipos a agricultores, así como semillas de arroz que toleran mejor la salinidad y capacitación para la diversificación de los cultivos a fin de mejorar la gestión de las operaciones, las inversiones en silos para granos y protección del ganado han reducido la exposición de la cadena de producción agrícola a los shocks meteorológicos.

Mecanismos multilaterales para la distribución de riesgos

Fondo de seguro contra riesgos de catástrofes para el Caribe

Los países del Caribe se ven afectados con regularidad por tormentas tropicales, precipitaciones extremas, sismos y erupciones volcánicas. Como estos shocks no guardan relación entre sí, al menos en parte, la distribución del riesgo en forma de un seguro regional puede ofrecer mejoras para el bienestar en comparación con el autoaseguramiento o la compra de reaseguro por parte de cada país individualmente. El Fondo de seguro contra riesgos de catástrofes para el Caribe (Caribbean Catastrophic Risk Insurance Facility, o CCRIF) es la primera institución financiera regional del mundo que mancomuna los riesgos, ofreciendo seguros para las catástrofes naturales que predominan en la región. El CCRIF fue creado en 2007 y actualmente cuenta con 17 miembros4.

El CCRIF asegura contra ciclones tropicales, precipitaciones extremas y sismos. Los 17 países participantes pueden contratar hasta USD 100 millones de cobertura para cada categoría de riesgo. El programa está concebido para financiar la respuesta en casos de emergencia durante las semanas y los meses siguientes a la catástrofe, y no para brindar un seguro integral contra pérdidas de activos o daños a la infraestructura. El segundo es paramétrico; es decir, la indemnización está basada en modelos parametrizados para cada categoría de siniestro asegurado: ciclones tropicales, precipitaciones excesivas y sismos. Por ejemplo, la indemnización tras un sismo es proporcional a su intensidad, ubicación, y las pérdidas estimadas. Las indemnizaciones fijadas de antemano, que están basadas en datos públicamente observables, evitan tener que llevar a cabo tasaciones prolongadas y costosas de los daños y reajustes del seguro. Una desventaja de los seguros paramétricos es la respuesta a los efectos del riesgo básico; es decir, puede que las indemnizaciones calculadas no sean proporcionales al daño sufrido5.

En 2007–15, el CCRIF efectuó 13 pagos a ocho miembros, por un total de USD 38 millones, principalmente en respuesta a los efectos de ciclones tropicales. Las indemnizaciones equivalieron de 0,1% a 0,3% del PIB del país receptor. Aunque no cubren todas las pérdidas, ofrecen un respaldo importante a los países asegurados, en parte gracias a la velocidad con la que se desembolsan los fondos; las indemnizaciones se hacen efectivas, a más tardar, dos semanas después del siniestro asegurado. Por añadidura, los miembros del CCRIF disponen de libertad absoluta para utilizar los fondos.

El CCRIF ha resultado un mecanismo eficaz de mancomunación del riesgo. Su eficacia está reconocida por los países asegurados, que pueden obtener cobertura a un costo más bajo que si la contrataran individualmente de aseguradores comerciales, y por los participantes en el mercado del reaseguro.

Mecanismo africano para riesgo de catástrofes

El Mecanismo africano para riesgo de catástrofes (African Risk Capacity, o ARC), de aseguramiento mutuo, tiene por finalidad afianzar la seguridad alimentaria. El ARC es un organismo especializado de la Unión Africana establecido en 2012 para ayudar a los miembros a asegurarse contra malas cosechas causadas por fenómenos meteorológicos extremos, como sequías e inundaciones, mancomunando los riesgos climáticos. Inicialmente, 18 miembros de la Unión Africana suscribieron el acuerdo de establecimiento; actualmente, el mecanismo nuclea más de 35 países.

El ARC brinda un seguro paramétrico. Cuando se produce un siniestro asegurado, la indemnización está basada en modelos y datos complementarios para predecir la magnitud de las pérdidas de la cosecha y los costos correspondientes. En comparación con los seguros de responsabilidad, el modelo paramétrico acelera los desembolsos, un factor de particular importancia para las poblaciones más vulnerables. Al mancomunar los riesgos, los países participantes reducen el costo del seguro aproximadamente a la mitad, dado que es muy poco probable que una sequía afecte a todos los asegurados del país.

La experiencia demuestra los beneficios del ARC, pero quedan obstáculos por superar. El mecanismo ha moderado la volatilidad del consumo de alimentos entre los hogares más vulnerables, y también ha contribuido a reducir la necesidad de ventas de activos a precios de liquidación en las regiones damnificadas. Sin embargo, el fondo común de riesgo aún es relativamente pequeño (por ejemplo, en comparación con el CCRIF) y podría ampliarse más para diversificar mejor el riesgo. Además, los problemas de asignación del seguro podrían disminuir a medida que se vaya adquiriendo experiencia.

Los autores de este recuadro son Claudio Baccianti y Mico Mrkaic.1En 2012, poco más de una tercera parte de los hogares tenían acceso a la electricidad en el país en desarrollo de bajo ingreso mediano.2Algunos años, las inundaciones extremas pueden afectar a hasta tres cuartas partes de la superficie del país.3El ciclón destruyó 1,5 millones de viviendas y dañó 1,3 millones de toneladas de cultivos.4Anguilla, Antigua y Barbuda, Bahamas, Barbados, Belice, Bermuda, Islas Caimán, Dominica, Granada, Haití, Jamaica, Saint Kitts y Nevis, Santa Lucía, San Vicente y las Granadinas, Trinidad y Tabago, y las Islas Turcas y Caicos son miembros originales; Nicaragua se adhirió en 2015. El CCRIF está contemplando la posibilidad de expandirse fuera del Caribe.5Los seguros de responsabilidad evitan este problema, pero las tasaciones y los ajustes son costosos.

Recuadro 3.4.El papel de los mercados financieros frente a los shocks meteorológicos

Los mercados financieros pueden reducir las consecuencias desfavorables de los shocks meteorológicos reasignando los costos y los riesgos de tales shocks a agentes que están más dispuestos y son más capaces de asumirlos. Hay productos como los derivados meteorológicos que pueden ayudar a las empresas y a los hogares vulnerables a las fluctuaciones a corto plazo de la temperatura y de la precipitación a protegerse de esa exposición meteorológica idiosincrática. Los bonos catastróficos pueden contribuir a dispersar el riesgo meteorológico catastrófico en los mercados de capital. Sin embargo, el grado en que los mercados financieros pueden mitigar el impacto de los shocks meteorológicos depende del nivel de penetración de los seguros y de la capacidad para valorar correctamente los riesgos de índole meteorológica. Este recuadro pasa revista a las novedades recientes del mercado de productos financieros relacionados con fenómenos meteorológicos y presenta nuevos datos que determinan en qué medida los mercados bursátiles valoran de manera eficiente esos riesgos.

Seguros

En estudios recientes se puso de relieve el destacado papel que desempeñan los mercados de los seguros a la hora de facilitar la recuperación económica tras una catástrofe natural de origen meteorológico. Un grado más alto de penetración de los seguros puede aliviar la carga fiscal de esas catástrofes (Lloyd’s, 2012) y reducir sus consecuencias macroeconómicas negativas (Von Peter, Dahlen y Saxena, 2012), sobre todo en los países con instituciones sólidas (Breckner et al., 2016). Los seguros paramétricos, creados a comienzos de la década de 2000, también son prometedores como protección de los hogares y las empresas de países de bajo ingreso frente a diversos riesgos meteorológicos1. Como superan importantes barreras a la provisión de seguros tradicionales a pequeños agricultores, estos productos reducen al mínimo los costos de transacción, son fáciles de implementar y limitan la posibilidad de problemas relacionados con la selección adversa y el riesgo moral.

Con todo, la penetración de los seguros, reflejada en las primas de los seguros no de vida como porcentaje del PIB, sigue siendo baja, sobre todo en las economías en desarrollo (gráfico 3.4.1). Y a pesar de sus ventajas, la contratación de seguros paramétricos ha sido decepcionante (Hallegatte et al., 2016). Es probable que numerosos factores hayan contribuido a la lenta adopción de instrumentos financieros novedosos; por ejemplo, limitada familiaridad con el mundo de las finanzas o limitada experiencia con productos financieros parecidos, comprensión insuficiente del producto, costos elevados y riesgo de base residual (véanse, entre otros, Cole et al., 2012, 2013; Karlan et al., 2014).

Gráfico 3.4.1.Penetración de los seguros: Prima de seguro no de vida

(porcentaje del PIB)

Fuentes: Haver Analytics; Swiss Re, base de datos Sigma, y cálculos del personal técnico del FMI.

Bonos catastróficos

El mercado de los bonos catastróficos, un instrumento financiero que transfiere el riesgo de catástrofe de los aseguradores primarios y las empresas de reaseguro a los mercados de capital, ha crecido con rapidez en los últimos años y movía casi USD 30.000 millones a fines de 2016 (gráfico 3.4.2)2. El producto atrae a los inversionistas porque ofrece una rentabilidad relativamente elevada y una baja correlación con los rendimientos de la mayoría de los demás activos financieros. El bajo nivel que mantienen las tasas de interés desde la crisis financiera internacional, sumado a nuevas regulaciones que reconocen el alivio de capital a través de la emisión de bonos catastróficos, puede haber contribuido al crecimiento de este mercado. Los bonos catastróficos atraen cada vez más a empresas privadas de seguros y reaseguros en Europa, Japón y Estados Unidos, como herramienta para transferir a terceros su exposición al riesgo de sismos, tormentas y huracanes.

Gráfico 3.4.2.Mercado de bonos catastróficos

(miles de millones de dólares de EE.UU.)

Fuente: Artemis Insurance-Linked Securities and Catastrophe Bond Market Report (www.artemis.bm).

Nota: Los años finalizan el 30 de junio.

Como explica el capítulo, los Estados pequeños y los países en desarrollo de bajo ingreso son especialmente vulnerables a los riesgos catastróficos. En 2006, México fue el primer país en emitir bonos catastróficos; desde entonces, varios países en desarrollo de bajo ingreso han hecho lo propio para protegerse de huracanes, sismos y otros fenómenos extremos. El Banco Mundial emitió su primer bono catastrófico en 2014 para suministrar reaseguro al Fondo de seguro contra riesgos de catástrofes para el Caribe, un mecanismo de mancomunación del riesgo concebido para limitar el impacto financiero de sismos y huracanes en los gobiernos de 16 países del Caribe (véase también el recuadro 3.3). El Mecanismo africano para riesgo de catástrofes (véase el recuadro 3.3) está formulando un instrumento parecido —denominado Mecanismo para condiciones meteorológicas extremas (Extreme Climate Facility)— para emitir bonos catastróficos y suavizar el impacto de condiciones meteorológicas extremas en los países miembros africanos.

¿Están correctamente valorados los riesgos meteorológicos en los mercados financieros?

El nivel óptimo de un seguro contra condiciones meteorológicas anormales requiere una evaluación precisa del riesgo. Los datos indican con creciente claridad que los inversionistas en los mercados financieros no comprenden del todo, al menos inmediatamente, el impacto de los shocks meteorológicos en el producto y la productividad. Hong, Li y Xu (2016) muestran que los índices accionarios de la industria alimenticia de Estados Unidos y otras economías avanzadas no responden de inmediato a las variaciones de los índices de sequías. Esta observación hace pensar que los mercados no incorporan a los precios la información meteorológica sino hasta pasados varios meses, quizás después de que las pérdidas sufridas se vean reflejadas en los informes anuales de las empresas de alimentación. Esta falta de reacción inicial a los shocks meteorológicos puede ser indicio de un posible déficit de aseguramiento, aun en presencia de seguros fácilmente accesibles.

El análisis de este recuadro aborda la respuesta de los inversionistas a las variaciones de las temperaturas. Como lo demuestra el capítulo, un aumento de la temperatura en países con climas relativamente cálidos produce un efecto negativo en el producto y la productividad, especialmente de ciertos sectores de la economía. Usando datos sobre la rentabilidad de los mercados de renta variable de 17 sectores de 42 países y la fluctuación anual de la temperatura, analizamos si los mercados financieros valoran correctamente los efectos desfavorables de las temperaturas. Si los mercados son eficientes, las fluctuaciones de las temperaturas no deberían tener poder predictivo en cuanto a la rentabilidad de las acciones porque su precio reflejaría instantáneamente el impacto de los shocks de la temperatura en el desempeño de la empresa. El análisis empírico sugiere que no es así. El aumento de las temperaturas puede predecir el rendimiento negativo futuro (a 12 meses) de las acciones del sector de los alimentos y las bebidas, lo cual sugiere que los inversionistas tardan en responder a los shocks de las temperaturas (gráfico 3.4.3)3. Estos efectos son particularmente marcados en los países ubicados en latitudes más bajas (por ejemplo, los que tienen temperaturas anuales promedio superiores a 15°C) y son insignificantes en el sector industrial, tecnológico, petrolero, gasífero y de los servicios públicos. La predictibilidad de los rendimientos de las acciones del sector de los alimentos y las bebidas hace pensar que los inversionistas no valoran correctamente el impacto de los shocks de las temperaturas en la productividad sino hasta varios meses después (posiblemente una vez que los informes sobre las utilidades reflejan dichas pérdidas), lo cual coincide con la hipótesis de una falta de reacción a estos shocks.

Gráfico 3.4.3.Shocks de temperaturas y predictibilidad de los precios de las acciones: Sectores de los alimentos y las bebidas

Fuentes: Datastream, Peng y Feng (de próxima publicación), y cálculos del personal técnico del FMI.

Nota: Los rendimientos a un año de los sectores de la alimentación y las bebidas se relacionan por regresión con la temperatura promedio anual (desviación respecto del promedio del país, en grados centígrados). La muestra está limitada a los países con una temperatura anual promedio superior a 15°C.

El autor de este recuadro es Alan Xiaochen Feng.1A diferencia de los seguros de responsabilidad tradicionales para riesgos naturales, los seguros paramétricos ofrecen pagos basados en un índice públicamente observable, tal como las precipitaciones o la temperatura. Aunque ofrecen numerosas ventajas respecto de los productos tradicionales, pueden dejar un volumen considerable de riesgo residual sin cobertura (“riesgo de base”), dado que las pérdidas efectivas no siempre coinciden con la indemnización que cobran los tenedores del contrato.2Los bonos catastróficos pagan intereses, principal o ambos durante épocas de normalidad, pero absorben las pérdidas si ocurren los siniestros contemplados en la póliza. Fueron creados a mediados de la década de 1990, tras el huracán Andrew.3La rentabilidad a un año de los sectores de los alimentos y las bebidas se relaciona por regresión con la temperatura promedio del país durante el año corriente, neutralizando los efectos fijos por año-país, así como el rendimiento del sector en términos de los dividendos. El rendimiento de las acciones se normaliza usando la desviación estándar de los rendimientos anuales del sector en cada país. Los resultados no varían si se neutraliza la temperatura promedio del país a un año. Se detectan efectos parecidos en los sectores minorista y de artículos personales (Peng y Feng, de próxima publicación).

Recuadro 3.5.Clima histórico, desarrollo económico y distribución del ingreso mundial

Como sostiene el capítulo, el cambio climático puede tener efectos muy prolongados en el desempeño económico, aunque las magnitudes exactas dependen de numerosos factores, como la adaptabilidad de los agentes económicos y la capacidad de la economía para adaptarse estructuralmente. En términos empíricos, es muy difícil decidir si los shocks meteorológicos producen efectos permanentes de nivel o de crecimiento en el producto basándose en datos recientes (desde 1950); si reflejan efectos de crecimiento permanentes o efectos de nivel, las consecuencias pueden ser muchísimo mayores que los efectos iniciales, pero este impacto se manifestaría solo durante un plazo muy largo.

Este recuadro pasa revista a un corpus relativamente nuevo y creciente de estudios que intentan evaluar directamente si el clima histórico puede tener un efecto profundo y permanente en el desempeño económico. Gracias a la creciente disponibilidad de datos históricos y a su granularidad, estos estudios examinan la relación entre los resultados modernos y el clima histórico, partiendo de la hipótesis de que los fenómenos históricos (quizá en un pasado muy distante) interactúan con el entorno físico y pueden producir efectos permanentes en el desarrollo y el desempeño económico1.

Aprovechando la exogeneidad del clima histórico, Bluedorn, Valentinyi y Vlassopoulos (2009) estiman la relación de forma reducida entre la temperatura de un país en diferentes períodos entre 1730 y 2000 y el ingreso per cápita moderno, y observan patrones llamativos. Una regresión bivariada sencilla confirma la marcada correlación negativa entre el ingreso en 2000 y la temperatura promedio en 1970–99 (cuadro 3.5.1, regresión 1). Ahora bien, si se neutraliza la temperatura promedio histórica de los siglos XVIII y XIX, queda expuesto un efecto no monotónico y temporalmente variable de las temperaturas en el ingreso corriente del país; las temperaturas del siglo XVIII exhiben un efecto positivo y profundo, en tanto que las del siglo XIX muestran un efecto negativo aún más profundo (cuadro 3.5.1, regresión 2). Cabe señalar que una vez que se introduce el clima histórico, las temperaturas del siglo XX dejan de mostrar una asociación marcada y negativa con el ingreso corriente, lo cual hace pensar que podrían ser representativas de los efectos combinados del clima histórico, en lugar de captar un impacto directo del nivel corriente de la temperatura en la regresión simple.

Cuadro 3.5.1.Efecto del clima histórico en el producto real corriente
Temperatura mediaTemperatura media
1970–99R21970–991830–591730–59R2N
Muestra(1)(2)
Muestra completa−0,061**0,160,177−2,100*1,864**0,27167
(0,011)(0,073)(0,315)(0,301)
Valores atípicos visuales excluidos−0,058**0,150,179−2,591**2,353**0,24162
(0,011)(0,180)(0,484)(0,446)
África subsahariana excluida−0,026*0,040,126**−1,660**1,505**0,16128
(0,011)(0,047)(0,262)(0,257)
Economías neoeuropeas excluidas−0,057**0,140,169*−2,652**2,423**0,25163
(0,011)(0,068)(0,461)(0,453)
Fuente: Cálculos del personal técnico del FMI.Nota: La variable dependiente es el PIB real per cápita de 2000 en valores logarítmicos, ajustado según la paridad del poder adquisitivo. Los errores estándar robustos aparecen debajo de los coeficientes estimados, entre paréntesis. Los valores atípicos visuales son Australia, Bolivia, Eritrea, Estados Unidos y Etiopía. Economías neoeuropeas = Australia, Canadá, Estados Unidos y Nueva Zelandia. N = número de países en la muestra transversal. Véase Bluedorn, Valentinyi y Vlassopoulos (2009).* p < 0,1; ** p < 0,05; *** p < 0,01.

¿Cuál podría ser la razón de esa relación no monotónica estimada entre las temperaturas y el ingreso? Bluedorn, Valentinyi y Vlassopoulos (2009) postulan que podría reflejar interacciones entre la temperatura y hechos históricos ocurridos a lo largo de los siglos. Por ejemplo, el profundo efecto negativo de las temperaturas del siglo XIX en el ingreso corriente podría estar relacionado con la ralentización de la difusión tecnológica desde el Reino Unido y Europa, que entonces se encontraban a la vanguardia de la tecnología y, en términos generales, hacia el extremo más frío de la distribución de las temperaturas mundiales. Si las tecnologías que creaban estos países eran más aptas para climas más fríos, la correlación negativa entre las temperaturas del siglo XIX y el ingreso corriente podría ser consecuencia de una adopción tecnológica históricamente más lenta. Existen otras interpretaciones posibles, como una relación negativa entre las temperaturas históricas y la calidad de las instituciones adoptadas en las colonias europeas en el siglo XIX (véase Acemoglu, Johnson y Robinson, 2001).

El efecto positivo de las temperaturas del siglo XVIII en el ingreso corriente es más difícil de interpretar. Fenske y Kala (2015) presentan una hipótesis convincente del caso de África, según la cual el nivel de participación de una región en el comercio de esclavos puede haber dependido de las condiciones climáticas. Dados los efectos negativos del aumento de la temperatura en la productividad agrícola y la mortalidad en los climas más calurosos, que el capítulo documenta, Fenske y Kala (2015) sostienen que el costo de la oferta de esclavos de una región disminuía cuando bajaban las temperaturas, lo cual condujo a una mayor exportación de esclavos y, por transición, está muy relacionado con los niveles más bajos de ingreso observados en la actualidad (Nunn, 2008).

El clima puede haber influido también en la fecha de las transiciones ocurridas a lo largo de la trayectoria del desarrollo económico. Según Ashraf y Michalopoulos (2015), la volatilidad climática imperante hace miles de años influyó en el interés de las sociedades humanas en experimentar con la agricultura como solución a la imprevisibilidad de la búsqueda diaria de alimentos. El estudio observa una relación sólida, estadísticamente significativa y en forma de campana entre la desviación estándar de las temperaturas históricamente experimentadas en una región y el momento en que se adoptó la agricultura; las zonas con un clima más volátil (suponiendo que la volatilidad no fue tan aguda como para precipitar un colapso social) tendieron a adoptar la agricultura antes, lo cual explicaría en parte las actuales diferencias del ingreso.

Andersen, Dalgaard y Selaya (2016) examinan otro aspecto del clima; a saber, la intensidad histórica de la radiación ultravioleta (RUV) experimentada en un lugar. Sostienen que una intensidad más elevada influye en la mortalidad y, por lo tanto, en el deseo de invertir en capital humano. Eso, a su vez, influye en el momento en que una sociedad experimenta una transición de la fecundidad (la disminución de la fecundidad asociada a un aumento del ingreso; véase Galor, 2011). Una transición más lenta está asociada a un ingreso más bajo a nivel de país en la actualidad. Combinando trabajo empírico y teórico, los autores observan una relación positiva entre la RUV y el momento de la transición, lo cual coincide con el vínculo contemplado en su hipótesis.

Como muestran estos estudios, el clima histórico puede tener efectos muy prolongados en el desarrollo económico a través de su interacción con hechos históricos.

El autor de este recuadro es John C. Bluedorn.1Nunn (2014) realiza una excelente exposición de la idea, que es fundamental para los recientes estudios empíricos sobre la evolución histórica.

Recuadro 3.6.La mitigación del cambio climático

Si bien este capítulo se centra en las consecuencias macroeconómicas del cambio climático y las posibilidades de adaptación de los países de bajo ingreso, un esfuerzo internacional concertado por reducir las emisiones de gases de efecto invernadero y la reducción del ritmo de aumento de las temperaturas es lo único que podrá poner límite a la amenaza a largo plazo del cambio climático. Este recuadro pasa revista a recientes novedades en los esfuerzos de mitigación y describe el papel crucial que podrían desempeñar las políticas fiscales para moderar el cambio climático y movilizar el financiamiento de la mitigación y la adaptación, partiendo de estudios recientes del FMI1.

El Acuerdo de París de 2015

En diciembre de 2015, las partes de la Convención Marco de las Naciones Unidas sobre el Cambio Climático dejaron acordada como meta la aspiración a contener el calentamiento atmosférico a 2°C por encima de los niveles preindustriales (y proseguir los esfuerzos para limitar ese aumento de la temperatura a 1,5°C), sentando así las bases de un avance significativo hacia la solución del cambio climático a nivel internacional. Fueron 195 los países que presentaron compromisos de mitigación mediante contribuciones determinadas a nivel nacional (CDN) en virtud del Acuerdo de París de 2015; muchos se comprometieron a reducir las emisiones en alrededor de 30% para 2030 en relación con los niveles de un año base. A partir de 2018, las partes tendrán que informar sobre el avance logrado en pos de sus compromisos de mitigación cada dos años, y presentar CDN actualizadas (y preferiblemente más estrictas) cada cinco años. Sin embargo, los compromisos no son jurídicamente vinculantes y existe cierto riesgo de que se dé marcha atrás dado que Estados Unidos se está retirando del acuerdo.

El Acuerdo de París afianza los compromisos asumidos por las economías desarrolladas para movilizar conjuntamente USD 100.000 millones al año para 2020 y dedicarlos a la adaptación y la mitigación en las economías en desarrollo. Para 2025, las partes del acuerdo previsiblemente fijarán un nuevo objetivo colectivo cuantificable con un mínimo de USD 100.000 millones al año; los compromisos de mitigación más ambiciosos de muchos países en desarrollo dependen del financiamiento externo.

El papel de los instrumentos fiscales en la mitigación del cambio climático

El hecho de que la tarifación de las emisiones de carbono —es decir, la idea de cobrar por las emisiones de carbono derivadas de combustibles fósiles— debería ser el elemento central de la implementación de los compromisos de mitigación tanto en las economías avanzadas como en las de mercados emergentes está ampliamente aceptado. Al cobrar por las emisiones de carbono se encarece la energía extraída de combustibles fósiles (especialmente el carbón, que tiene una elevada intensidad de carbono) y se incentiva la mitigación; mediante, entre otras cosas, el reemplazo de carbón por gas natural, con su intensidad de carbono más baja, así como con materiales renovables libres de carbono y energía nuclear. Por añadidura, la tarifación del carbono estimula la mejora de la eficiencia energética, reduce la demanda de productos que consumen energía y promueve la innovación (por ejemplo, en tecnologías de captación y almacenamiento de carbono).

La tarifación del carbono puede lograrse mediante la tributación o mediante sistemas de comercio de emisiones. Los impuestos sobre el carbono se establecen sobre los combustibles fósiles en proporción a su contenido de carbono. La implementación de esta tributación constituye una extensión sencilla de los impuestos que ya se aplican a los combustibles fósiles y puede administrarse con facilidad en la mayor parte de los países. Los sistemas de comercio de emisiones fijan un límite máximo a las emisiones mediante el otorgamiento de permisos. Las empresas tienen que obtener permisos que cubran sus emisiones y el comercio de permisos entre emisores establece el precio de las emisiones. Estos sistemas suelen implementarse a nivel de los generadores de electricidad y las grandes empresas industriales, y deben ir acompañados de otras medidas que abarquen las fuentes más pequeñas de emisiones, como los vehículos y los edificios.

China

China, el emisor más grande de dióxido de carbono (CO2), generó 29% de las emisiones mundiales en 2013. Según las estimaciones del FMI, la imposición gradual de un impuesto sobre las emisiones de USD 70 por tonelada de CO2 en China para 2030 haría subir los precios del carbón, la electricidad y los combustibles vehiculares alrededor de 70%, 15% y 7%, respectivamente, y reduciría las emisiones de 2030 en alrededor de 30%, en comparación con un escenario sin este gravamen (gráfico 3.6.1, panel 1). Una alternativa de una eficacia prácticamente idéntica sería la de añadir simplemente un cargo por carbono a los impuestos actuales sobre el carbón nacional e importado. Un sistema de comercio de emisiones sería aproximadamente 40% menos eficaz que un impuesto sobre el carbono. Dado que de todos modos China se encuentra en un proceso de transición hacia un sistema de comercio de emisiones, combinarlo con un cargo por el uso de carbón universal (quizá con reembolsos para las entidades que participen en el sistema de comercio de emisiones) produciría una tarifación más exhaustiva. A pesar de ser menos eficaz que la tributación del carbono, el sistema de comercio de emisiones es mucho más eficaz que una variedad de políticas de emisión como los incentivos para la eficiencia energética o las fuentes renovables y los impuestos sobre los combustibles vehiculares y la electricidad.

Si se la aplica gradualmente entre 2017 y 2030, la tributación de carbón y del carbono también reduciría sustancialmente la contaminación atmosférica en China y salvaría casi 4 millones de vidas. El sistema de comercio de emisiones ofrece aproximadamente la mitad de la eficacia desde este punto de vista, y salvaría aproximadamente 2 millones de vidas (gráfico 3.6.1, panel 2). El impuesto sobre el carbono también generaría una recaudación sustancial, de aproximadamente 3% del PIB en 2030. En otros países, que por lo general no utilizan el carbón con tanta intensidad como China, la reducción de las emisiones de CO2, la disminución de la contaminación atmosférica propia y el aumento del ingreso fiscal no serían tan marcados (en términos proporcionales). Con todo, las principales lecciones desde el punto de vista de las políticas serían las mismas: la tributación del carbono es el instrumento de mitigación más eficaz. Además, gracias a sus beneficios fiscales y medioambientales internos, puede promover hasta cierto punto los intereses propios de cada país.

Gráfico 3.6.1.Eficacia de las políticas de mitigación en China

Fuente: Parry et al (2016).

Nota: El precio es de USD 70 por tonelada de CO2 para el sistema de comercio de emisiones, impuesto al carbón e impuesto sobre el carbono. CO2 = dióxido de carbono.

Cómo facilitar la transición a la tarifación del carbono

A nivel interno, es necesario mitigar los efectos indeseables de la tarifación del carbono para facilitar su adopción. Algunas industrias intensivas que lo emiten en grandes cantidades podrían dejar de ser económicas, y sus empleados necesitarán ayuda para formarse en otras ocupaciones y trasladarse a otros sectores. Asimismo, la transición sería más fácil si se utilizara parte del ingreso fiscal generado por la tarifación del carbono para reforzar las redes de protección social y ofrecer otras formas de alivio fiscal a los hogares de bajo ingreso2.

A nivel internacional, las autoridades podrían plantearse la posibilidad de imponer una tarifación mínima a los grandes emisores para apuntalar el Acuerdo de París y brindar cierta tranquilidad en torno a la pérdida de competitividad. Los países podrían optar por fijar los precios del carbono por encima del mínimo por razones fiscales o ambientales internas y ubicarse así en la vanguardia de la protección del medio ambiente; un prototipo de este tipo de mecanismo es la obligación anunciada hace poco de que las provincias canadienses apliquen paulatinamente un precio de Can$50 la tonelada de CO2 para 2022.

Avance de la mitigación climática

Los mecanismos de tarifación del carbono proliferan: alrededor de 40 gobiernos nacionales y más de 20 gobiernos subnacionales la han implementado o la están implementando en alguna de sus variedades. Sin embargo, queda mucho por hacer. Solo 12% de los gases de efecto invernadero están sujetos a tarifación a nivel mundial en la actualidad (aunque el sistema de comercio de emisiones de China duplicará esa cifra). Además, los precios son demasiado bajos. En los sistemas de comercio de emisiones, los precios del CO2 son de menos de USD 15 la tonelada, y los impuestos sobre el carbono son mayoritariamente inferiores a USD 25 la tonelada, con la notable excepción de Canadá y los países escandinavos (Banco Mundial, Ecofys y Vivid Economics, 2016). Ahora bien, un precio mundial promedio de aproximadamente USD 40–USD 80 la tonelada para 2020 sería coherente con la proyección de limitación del crecimiento a 2°C (Stern y Stiglitz, 2017). Este déficit de tarifación podría producir un cambio climático a gran escala y pone de relieve la necesidad apremiante de la inversión en adaptación.

El papel de los instrumentos fiscales en el financiamiento climático

Las necesidades de financiamiento de las economías en desarrollo para la inversión en adaptación climática están estimadas en más de USD 80.000 millones al año hasta 2050 (Margulis y Narain, 2010), cifra que excede por lejos el financiamiento brindado actualmente por las economías avanzadas. El volumen de financiamiento climático público y privado movilizado por las economías desarrolladas para las economías en desarrollo alcanzó USD 62.000 millones en 2014 (del cual, apenas 15% se volcó a la adaptación), en relación con la meta de USD 100.000 millones fijada en 2009 y reiterada en el Acuerdo de París (OCDE, 2015b). Por razones de equidad, hay cierto atractivo en la idea de vincular las donaciones de las economías avanzadas para el financiamiento climático con su contribución al cambio climático. Si las economías del Grupo de los Veinte, con la excepción de las cinco con el ingreso per cápita más bajo, donaran USD 5 por cada tonelada de CO2 que previsiblemente emitirán, se podrían recaudar USD 70.000 millones más para el financiamiento climático en 20203. Los presupuestos nacionales serían una fuente más sólida de financiamiento de esas contribuciones que la afectación de una parte del ingreso fiscal generado por la tarifación futura (sumamente incierta) del carbono. Sin embargo, les corresponde a los países beneficiarios calcular y estructurar cuidadosamente los proyectos de adaptación y atraer financiamiento mediante marcos macrofiscales resilientes y una firme gobernabilidad.

El autor de este recuadro es Ian Parry.1Véanse, por ejemplo, el capítulo 4 de la edición de octubre de 2008 de Perspectivas de la economía mundial;Parry, de Mooij y Keen (2012); Parry, Morris y Williams (2015); Farid et al. (2016), y Parry et al. (2016).2Parry et al. (2016) y Parry, Mylonas y Vernon (2017), por ejemplo, muestran que, al menos en un principio, esta asistencia requerirá alrededor de 10% o menos de los ingresos fiscales generados por la tarifación del carbono.3Cálculos del personal técnico del FMI, suponiendo que las emisiones se reducen linealmente a lo largo del tiempo para cumplir con los compromisos de mitigación contemplados en el Acuerdo de París. Los cargos por emisión de carbono para los combustibles empleados en el transporte aéreo y marítimo internacional son otra fuente prometedora de financiamiento climático; un cargo de USD 30 la tonelada de CO2 podría producir un ingreso fiscal de USD 25.000 millones en 2020, aun con una compensación integral para las economías en desarrollo (Farid et al., 2016).
Anexo 3.1. Fuentes de datos y grupos de países

Fuentes de datos

Las fuentes de datos primarios de este capítulo son la base de datos de Perspectivas de la economía mundial (informe WEO) del FMI y la base de datos de los indicadores del desarrollo mundial del Banco Mundial. Las principales fuentes de datos de temperaturas y precipitaciones son la Unidad de Investigación Climática de la Universidad de East Anglia (datos históricos, 1901–2015) y el conjunto de datos de las proyecciones mundiales diarias reducidas de la central terrestre (pronóstico, presente–2100) de la Administración Nacional de Aeronáutica y del Espacio (NASA, por sus siglas en inglés). Todas las fuentes de datos empleadas en el análisis de este capítulo se encuentran listadas en el cuadro del anexo 3.1.1.

Cuadro del anexo 3.1.1.Fuentes de datos
IndicadorFuente
Temperatura, históricaSubconjunto Atlas de la Fase 5 del Proyecto de Intercomparación de Modelos Acoplados AR5 del Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC); Marcott et al. (2013); Matsuura y Willmott (2007); Instituto Goddard de Estudios Espaciales (GISS) de la Administración Nacional de Aeronáutica y del Espacio (NASA); atlas de cambio climático del Real Instituto de Meteorología de los Países Bajos (KNMI); Shakun et al. (2012)
Temperatura y precipitaciones, pronóstico (nivel de cuadrícula)Conjunto de datos de las proyecciones diarias mundiales a escala reducida del foro de la NASA sobre información terrestre (NEX-GDDP)
Temperatura y precipitaciones, histórica (nivel de cuadrícula)Unidad de Investigación Climática de la Universidad de East Anglia (CRU TS v.3.24); Universidad de Delaware (UDEL v.4.01)
Población 2010, 1990, 1950 (nivel de cuadrícula)Red Informativa del Centro de Geociencias (CIESIN v.3 y v.4); base de datos histórica del medio ambiente mundial (HYDE v3.2); Klein et al. (2016)
Población en 2015 y población proyectada en 2100Naciones Unidas, base de datos de Perspectivas de la Población Mundial, revisión de 2015
Emisiones de CO2Centro de Análisis de Información sobre Dióxido de Carbono
Forzamientos de temperaturasCentro de Análisis de Información sobre Dióxido de Carbono; GISS de la NASA; Roston y Migliozzi (2015)
Desastres naturalesCentro de Catástrofes Naturales para la Investigación Epidemiológica de Catástrofes, base de datos sobre catástrofes internacionales (EM-DAT)
Temperatura mundial de los océanosNOAA (2017a)
MigraciónBase de datos bilaterales sobre la migración mundial, Grupo Banco Mundial; Özden et al. (2011)
PIB per cápita realFMI, base de datos del informe WEO; Banco Mundial, base de datos de indicadores del desarrollo mundial
PIB per cápita subnacionalGennaioli et al. (2014)
Índice de producción de cultivosOrganización para la Alimentación y la Agricultura; Banco Mundial, base de datos de indicadores del desarrollo mundial
Valor agregado real sectorial (Agricultura, manufactura, servicios)Banco Mundial, base de datos de indicadores del desarrollo mundial
Productividad sectorial de la mano de obraBase de datos sobre 10 sectores del Centro Groningen sobre Crecimiento y Desarrollo; Timmer, de Vries y de Vries (2015)
Formación bruta de capital realFMI, base de datos del informe WEO; Banco Mundial, base de datos de indicadores del desarrollo mundial
Importación real de bienes y serviciosFMI, base de datos del informe WEO; Banco Mundial, base de datos de indicadores del desarrollo mundial
Tasa de mortalidad infantilBanco Mundial, base de datos de indicadores del desarrollo mundial
Índice de desarrollo humanoPrograma de las Naciones Unidas para el Desarrollo, base de datos del Informe de Desarrollo Humano
Índice de precios al consumidorFMI, base de datos del informe WEO
Coeficiente deuda/PIBFMI, base de datos sobre la deuda pública histórica
Reservas menos oroLane y Milesi-Ferretti (2017); base de datos de la riqueza externa de las naciones, actualización de 2015
Asistencia oficial para el desarrollo neta y asistencia oficial recibidaBanco Mundial, base de datos de indicadores del desarrollo mundial
Remesas personales recibidasBanco Mundial, base de datos de indicadores del desarrollo mundial
Indicador del régimen cambiarioReinhart y Rogoff (2004); Ilzetzki, Reinhart y Rogoff (2008), actualización de 2015
Capacidad y preparación para la adaptaciónIniciativa para la adaptación mundial de Notre Dame; Chen et al. (2015)
Índice de liberalización del sector financiero nacionalAbiad, Detragiache y Tressel (2008)
Índice Quinn-Toyoda de control de capitalesQuinn (1997); Quinn y Toyoda (2008)
Índice de capital humanoPenn World Tables 9.0
Kilómetros per cápita de carreteras pavimentadasCalderón, Moral-Benito y Servén (2015); Banco Mundial, base de datos de indicadores del desarrollo mundial; capítulo 3 de la edición de octubre de 2014 del informe WEO
Calificación combinada revisada del sistema gubernamental (Polity2)Polity IV Project
Coeficiente de GiniBase de datos sobre coeficientes de la desigualdad del ingreso estandarizada a nivel mundial
Fuente: Compilación del personal técnico del FMI.

Las fuentes de PIB real per cápita, inversión e importaciones se enumeran en el orden en que se empalman (lo que implica extender el nivel de una serie primaria empleando la tasa de crecimiento de una serie secundaria).

Definiciones de datos

Las principales series históricas de temperaturas y precipitaciones empleadas en el análisis de este capítulo se construyen agregando los datos de la cuadrícula con una resolución de 0,5 × 0,5 grados (aproximadamente 56 km × 56 km en el ecuador) al nivel de los distintos países o regiones subnacionales con frecuencia anual o mensual. Las estimaciones se ponderan por la población a nivel de la cuadrícula (explorando tres alternativas: la distribución poblacional a partir de 1950, 1990 y 2010) para tener en cuenta las diferencias de densidad de la población (Dell, Jones y Olken, 2014).

Las proyecciones de temperaturas y precipitaciones provienen de dos de los cuatros escenarios —denominados trayectorias de concentración representativas (TCR)— definidos por el Grupo Intergubernamental de Expertos sobre el Cambio Climático. El escenario TCR 4.5 supone una mayor atención al medio ambiente con un lento crecimiento de las emisiones de dióxido de carbono (CO2) hasta 2050 y una posterior disminución de las emisiones, así dando origen a un aumento de la temperatura media de 1,8°C para 2081–2100 en relación con 1986–2005 (en un rango de 1,1°C–2,6°C, con una probabilidad de más del 50% de un incremento que exceda 2°C para 2100). En el escenario TCR 8.5, las emisiones de CO2 siguen creciendo sin restricciones, y se prevé que la temperatura promedio de 2081–2100 sea 3,7°C más alta (en un rango de 2,6°C–4,8°C) en relación con 1986–2005. En el capítulo se emplea el promedio de las temperaturas diarias máximas y mínimas y los datos totales de precipitaciones diarias de 2005 y proyecciones para 2050 y 2100 con una resolución de 0,25 x 0,25 grados, promediados a través de los 21 modelos de la Fase 5 del Proyecto de Intercomparación de Modelos Acoplados respecto de cada escenario. Las temperaturas anuales se computan como el promedio de la temperatura diaria; las precipitaciones anuales son la sumatoria de las precipitaciones diarias.

Anexo 3.2. Shocks meteorológicos y desastres naturales

Si bien hay un claro vínculo entre las condiciones meteorológicas y la incidencia de fenómenos meteorológicos extremos, no se ha estudiado en detalle la relación entre shocks meteorológicos y desastres naturales (eventos extremos asociados con considerables perjuicios económicos y pérdida de vidas). En el análisis de esta sección se considera el modo en que las condiciones meteorológicas influyen en la frecuencia de distintos tipos de desastres naturales relacionados con ellas.

Se emplea una especificación de panel logit con efectos fijos de país para estimar el efecto de las variables meteorológicas ci,t (temperatura y precipitaciones) sobre la probabilidad de que ocurra un desastre natural en el país i en determinado mes t.

donde la función no lineal Φ(·) = exp(·)/(1+exp(·)) reproduce el efecto de los regresores sobre la probabilidad de un desastre natural. Los efectos fijos de país (μ i) expresan características de país invariables en el tiempo (como tamaño, ubicación geográfica y topología), que pueden influir sobre la exposición y vulnerabilidad de los países a distintos tipos de desastres51. La especificación neutraliza el nivel de PIB real per cápita y población, así como también las condiciones meteorológicas mundiales (específicamente, la desviación de la temperatura mundial de la superficie oceánica respecto del promedio de 1901–2000) que podrían afectar a la incidencia de desastres. La muestra incluye datos mensuales del período 1990–2014, de 228 países y territorios, en más de 8.000 desastres relacionados con las condiciones meteorológicas. La ecuación (3.1) se estima separadamente para cada tipo de desastre natural, mejorando la propuesta de Thomas y López (2015), que realizan un análisis similar con datos anuales, pero agrupan todos los desastres.

Grupo de países

Cuadro del anexo 3.1.2.Grupos de países y territorios
Economías avanzadasAlemania, Australia, Austria, Bélgica, Canadá, Corea, Chipre, Dinamarca, Eslovenia, España, Estados Unidos, Estonia, Finlandia, Francia, Grecia, Irlanda, Islandia, Israel, Italia, Japón, Letonia, Lituania, Luxemburgo, Malta, Noruega, Nueva Zelandia, Países Bajos, Portugal, provincia china de Taiwan*, Puerto Rico, RAE de Hong Kong*, RAE de Macao*, Reino Unido, República Checa, República Eslovaca, San Marino*, Singapur, Suecia, Suiza
Economías de mercados emergentesAlbania, Angola, Antigua y Barbuda, Arabia Saudita, Argelia, Argentina, Armenia, Azerbaiyán, Bahrein, Barbados, Belarús, Belice, Bosnia y Herzegovina, Botswana, Brasil, Brunei Darussalam, Bulgaria, Cabo Verde, Colombia, Costa Rica, Croacia, Chile, China, Dominica, Ecuador, Egipto, El Salvador, Emiratos Árabes Unidos, Fiji, Filipinas, Gabón, Georgia, Granada, Guatemala, Guinea Ecuatorial, Guyana, Hungría, India, Indonesia, Irán, Iraq, Islas Marshall*, Jamaica, Jordania, Kazajstán, Kosovo*, Kuwait, la ex República Yugoslava de Macedonia, Las Bahamas*, Líbano, Libia, Malasia, Maldivas*, Marruecos, Mauricio, México, Micronesia*, Montenegro, Namibia, Nauru*, Omán, Pakistán, Palau*, Panamá, Paraguay, Perú, Polonia, Qatar, República Dominicana, Rumania, Rusia, Samoa, San Vicente y las Granadinas, Santa Lucía, Serbia, Seychelles*, Siria, Sri Lanka, St. Kitts y Nevis, Sudáfrica, Suriname, Swazilandia, Tailandia, Timor-Leste, Tonga, Trinidad y Tabago, Túnez, Turkmenistán, Turquía, Tuvalu*, Ucrania, Uruguay, Vanuatu, Venezuela
Países en desarrollo de bajo ingresoAfganistán, Bangladesh, Benin, Bhután, Bolivia, Burkina Faso, Burundi, Camboya, Camerún, Comoras, Côte d’Ivoire, Chad, Djibouti, Eritrea, Etiopía, Gambia, Ghana, Guinea, Guinea-Bissau, Haití, Honduras, Islas Salomón, Kenya, Kiribati*, Lesotho, Liberia, Madagascar, Malawi, Malí, Mauritania, Moldova, Mongolia, Mozambique, Myanmar, Nepal, Nicaragua, Níger, Nigeria, Papua Nueva Guinea, República Centroafricana, República del Congo, República Democrática del Congo, República Democrática Popular Lao, República Kirguisa, Rwanda, Santo Tomé y Príncipe, Senegal, Sierra Leona, Somalia*, Sudán del Sur, Sudán, Tanzanía, Tayikistán, Togo, Uganda, Uzbekistán, Vietnam, Yemen, Zambia, Zimbabwe
Países y territorios con temperaturas anuales promedio superiores a 15°CAngola, Anguilla, Antigua y Barbuda, Arabia Saudita, Argelia, Argentina, Australia, Bahrein, Bangladesh, Barbados, Belice, Benin, Bhután, Botswana, Brasil, Brunei Darussalam, Burkina Faso, Burundi, Cabo Verde, Camboya, Camerún, Cisjordania y Gaza, Colombia, Comoras, Costa Rica, Côte d’Ivoire, Cuba, Curaçao*, Chad, Chipre, Djibouti, Dominica, Ecuador, Egipto, El Salvador, Emiratos Árabes Unidos, Eritrea, Etiopía, Fiji, Filipinas, Gabón, Gambia, Ghana, Granada, Guadalupe*, Guatemala, Guinea Ecuatorial, Guinea, Guinea-Bissau, Guyana Francesa*, Guyana, Haití, Honduras, India, Indonesia, Iraq, Islas Salomón, Islas Vírgenes (EE.UU.), Israel, Jamaica, Jordania, Kenya, Kuwait, Líbano, Liberia, Libia, Madagascar, Malasia, Malawi, Malí, Malta, Marruecos, Martinica*, Mauricio, Mauritania, México, Montserrat, Mozambique, Myanmar, Namibia, Nepal, Nicaragua, Níger, Nigeria, Nueva Caledonia, Omán, Pakistán, Panamá, Papua Nueva Guinea, Paraguay, Puerto Rico, Qatar, República Centroafricana, República del Congo, República Democrática del Congo, República Democrática Popular Lao, República Dominicana, Reunión*, Rwanda, Samoa Americana, Samoa, San Vicente y las Granadinas, Santa Lucía, Santo Tomé y Príncipe, Senegal, Sierra Leona, Singapur, Siria, Somalia, Sri Lanka, St. Kitts y Nevis, Sudáfrica, Sudán del Sur, Sudán, Suriname, Swazilandia, Tailandia, Tanzanía, Timor-Leste, Togo, Tonga, Trinidad y Tabago, Túnez, Turcas y Caicos*, Turkmenistán, Uganda, Uruguay, Vanuatu, Venezuela, Vietnam, Yemen, Zambia, Zimbabwe
Países con datos a nivel de provinciaAlbania, Alemania, Argentina, Australia, Austria, Bangladesh, Bélgica, Benin, Bolivia, Bosnia y Herzegovina, Brasil, Bulgaria, Canadá, Colombia, Corea, Croacia, Chile, China, Dinamarca, Ecuador, Egipto, El Salvador, Emiratos Árabes Unidos, Eslovenia, España, Estados Unidos, Estonia, Filipinas, Finlandia, Francia, Grecia, Guatemala, Honduras, Hungría, India, Indonesia, Irán, Irlanda, Italia, Japón, Jordania, Kazajstán, Kenya, la ex República Yugoslava de Macedonia, Lesotho, Letonia, Lituania, Malasia, Marruecos, México, Mongolia, Mozambique, Nepal, Nicaragua, Nigeria, Noruega, Países Bajos, Pakistán, Panamá, Paraguay, Perú, Polonia, Portugal, Reino Unido, República Checa, República Eslovaca, República Kirguisa, Rumania, Rusia, Serbia, Sri Lanka, Sudáfrica, Suecia, Suiza, Tailandia, Tanzanía, Turquía, Ucrania, Uruguay, Uzbekistán, Venezuela, Vietnam
Países con datos a nivel de sectoresAlemania, Argentina, Bolivia, Botswana, Brasil, Colombia, Corea, Costa Rica, Chile, China, Dinamarca, Egipto, España, Estados Unidos, Etiopía, Filipinas, Francia, Ghana, India, Indonesia, Italia, Japón, Kenya, Malasia, Malawi, Marruecos, Mauricio, México, Nigeria, Países Bajos, Perú, provincia china de Taiwan*, RAE de Hong Kong*, Reino Unido, Senegal, Singapur, Sudáfrica, Suecia, Tailandia, Tanzanía, Venezuela, Zambia
Fuente: Compilación del personal técnico del FMI.

No se incluyó en el análisis de regresión principal.

En el cuadro del anexo 3.2.1 se presentan los resultados de la estimación de cada tipo de desastre. Las condiciones meteorológicas tienen un impacto muy significativo sobre la incidencia de desastres. Un mayor nivel de precipitaciones reduce la incidencia de desastres causados por sequías, incendios forestales y olas de calor, pero aumenta la probabilidad de desastres desencadenados por inundaciones, desprendimientos de tierras, olas de frío, ciclones tropicales y otras tormentas. Los efectos de la temperatura también son los de prever: las temperaturas más altas dan origen a más desastres causados por sequías, incendios forestales, olas de calor, ciclones tropicales y otras tormentas, pero reducen la probabilidad de olas de frío. Según los resultados, las precipitaciones tienen efectos no lineales sobre la probabilidad de la mayoría de los desastres.

Cuadro del anexo 3.2.1.Efecto de los shocks meteorológicos en desastres naturales, 1990–2014
SequíaEpidemiaInundaciónDeslizamiento de tierrasIncendios forestalesOla de fríoOla de calorCiclón tropicalOtras tormentas
Variable dependiente(1)(2)(3)(4)(5)(6)(7)(8)(9)
Precipitaciones−0,002***0,0000,022***0,018***−0,023***0,014***−0,009***0,012***0,012***
(0,001)(0,001)(0,002)(0,003)(0,004)(0,005)(0,003)(0,003)(0,004)
Precipitaciones20,000***0,000−0,000***−0,000***0,000***−0,000**0,000***−0,000*−0,000**
(0,000)(0,000)(0,000)(0,000)(0,000)(0,000)(0,000)(0,000)(0,000)
Temperatura0,024*0,0090,051***−0,0100,109***−0,286***0,282*0,168***−0,063***
(0,013)(0,012)(0,020)(0,025)(0,012)(0,049)(0,144)(0,039)(0,014)
Temperatura2−0,0000,000−0,001−0,0000,001−0,007***0,005−0,0010,000
(0,000)(0,000)(0,001)(0,001)(0,001)(0,002)(0,005)(0,001)(0,001)
Desviaciones de precipitaciones (12 meses)−0,005***−0,0000,001***0,001−0,001*−0,001*−0,003***0,0000,000
(0,001)(0,000)(0,000)(0,000)(0,001)(0,000)(0,001)(0,000)(0,000)
Desviaciones de temperatura (12 meses)0,037*0,024**−0,008−0,0130,022−0,042***0,0260,0030,033***
(0,019)(0,012)(0,006)(0,013)(0,020)(0,015)(0,019)(0,009)(0,007)
Desviaciones de temperaturas oceánicas mundiales−0,1271,014**0,2740,0281,566*1,0980,861−1,441***0,395
(1,002)(0,486)(0,298)(0,578)(0,870)(0,781)(1,025)(0,549)(0,370)
PIB per cápita en logt − 12−0,975*−0,589**−0,0590,033−1,0292,486***0,045−0,076−0,303
(0,500)(0,267)(0,158)(0,383)(0,711)(0,627)(0,382)(0,302)(0,279)
Población en logt − 120,8692,361***2,575***0,6500,821−1,0260,2732,617***0,058
(0,878)(0,364)(0,318)(0,662)(1,211)(1,392)(1,267)(0,582)(0,575)
Constante10,481*5,529*1,646−5,0509,982−31,876***−9,242**0,5043,519
(6,145)(3,087)(1,896)(4,746)(8,525)(7,772)(4,416)(3,683)(3,352)
Número de observaciones29.97635.77243.63219.62018.73217.84412.92420.65233.684
Número de países1011201476663614469114
Fuente: Cálculos del personal técnico del FMI.Nota: La variable dependiente es un indicador que asume el valor 1 si se está produciendo un desastre natural de un tipo determinado. Todas las especificaciones neutralizan los efectos fijos de país. Los errores estándar están agrupados a nivel de país.* p < 0,1; ** p < 0,05; *** p < 0,01.

Lo interesante es que las estimaciones parecen indicar que las condiciones meteorológicas durante los 12 meses precedentes tienen un efecto considerable sobre la incidencia de la mayoría de los tipos de desastres. Las anomalías meteorológicas durante el año previo —captadas en la desviación acumulada de temperatura y precipitaciones en relación con su promedio mensual de 10 años— son importantes determinantes de todo tipo de desastres, excepto aquellos causados por desprendimientos de tierras o ciclones tropicales, que son por completo una función de patrones meteorológicos a corto plazo. Sin embargo, las epidemias no se ven afectadas por condiciones meteorológicas a corto plazo, sino que responden a desviaciones en la temperatura en el año previo al desencadenamiento del evento.

A fin de cuantificar el probable impacto del cambio climático, el análisis combina los resultados de la estimación con las proyecciones de temperaturas y precipitaciones en 2050 y 2100 conforme a la trayectoria de concentración representativa 8.5 para determinar la probabilidad de cada tipo de desastre natural. En el gráfico 3.6 se comparan las probabilidades previstas para 2050 y 2100 con la incidencia prevista de desastres naturales durante 2010–14.

Anexo 3.3. Análisis empírico de los efectos macroeconómicos de los shocks meteorológicos y el papel de las políticas

En este anexo se brindan detalles adicionales sobre el modelo empírico empleado para cuantificar los efectos del clima sobre la actividad económica a corto y mediano plazo, para identificar los canales mediante los que se ejercen estos efectos, investigar la presencia o falta de adaptación a través del tiempo y analizar el papel de distintas medidas de política económica para mitigar los efectos de los shocks de temperatura.

El análisis de referencia emplea el método de proyección local de Jordà (2005) para determinar las funciones impulso-respuesta de diversos resultados ante shocks meteorológicos con base en la siguiente ecuación:

donde i indexa países, t indexa años y h indexa el horizonte de la estimación (del horizonte 0, que representa la regresión contemporánea, hasta el horizonte 7). Las regresiones de cada horizonte se estiman por separado. La variable dependiente es la tasa de crecimiento acumulada del resultado de interés entre los horizontes t − 1 y t + h, medida como diferencia en los logaritmos naturales (yi,t). Siguiendo a Burke, Hsiang y Miguel (2015a), la regresión estimada tiene una especificación cuadrática en las variables meteorológicas ci,t, que comprenden la temperatura (T) y precipitaciones (P) anuales promedio. Las regresiones neutralizan un rezago de la variable dependiente y las meteorológicas, y adelantos de las variables meteorológicas, tal como recomiendan Teulings y Zubanov (2014). Los efectos fijos de país (μih) neutralizan todas las diferencias de los países invariables en el tiempo (tales como latitud, condiciones macroeconómicas iniciales y tasas de crecimiento promedio), en tanto que los efectos fijos de tiempo en interacción con variables ficticias regionales (θr,th) neutralizan el efecto común de todos los shocks anuales de los países de una región. El análisis también explora una estructura alternativa de efectos fijos propuesta por Burke, Hsiang y Miguel (2015a), que incluye efectos fijos de tiempo (τih) y tendencias temporales lineales y cuadráticas específicas del país (θiht+θiht2) para tener en cuenta variaciones en el tiempo dentro del país, tales como cambios demográficos, en lugar de los efectos fijos por año-región (θr,th) de la especificación de referencia. Los errores estándar se agrupan a nivel de país. Para evitar el sesgo asociado con “controles malos” (o control excesivo), la especificación se restringe deliberadamente: muchos de los determinantes del crecimiento, normalmente incluidos en regresiones de crecimiento estándar (por ejemplo, calidad institucional, nivel educativo alcanzado, políticas, y demás), pueden verse determinados en sí por los shocks meteorológicos, tal como se documenta a continuación, y por lo tanto no son parte de la estimación de referencia.

Con este marco de estimación, es posible obtener el efecto de un aumento de la temperatura de 1°C sobre el nivel de producto en el horizonte h diferenciando la ecuación (3.2) con respecto a la temperatura:

Al evaluar la ecuación (3.3) con cada horizonte separadamente y emplear la temperatura anual promedio de 2015 Ti, 2015 es posible obtener las funciones impulso-respuesta del PIB per cápita ante un shock de temperatura en cada país. El efecto marginal de un aumento en precipitaciones se computa de manera análoga. La temperatura umbral en que el efecto sobre la variable de resultado cambia de positivo a negativo puede obtenerse estableciendo la ecuación (3.3) en cero.

El efecto de los shocks meteorológicos en la actividad económica

En el cuadro del anexo 3.3.1 se presentan los resultados fundamentales del efecto de los shocks meteorológicos sobre el producto per cápita, conjuntamente con numerosas verificaciones de robustez. En el panel A se presentan los coeficientes estimados para las variables meteorológicas en el horizonte 0 (es decir, los efectos contemporáneos de los shocks meteorológicos); en el panel B se observa el efecto de un aumento de 1°C en la temperatura estimada en la temperatura mediana de 2015 en economías avanzadas (T mediana = 11°C), economías de mercados emergentes (T mediana = 22°C), y países en desarrollo de bajo ingreso (T mediana = 25°C) en el momento del impacto y tras siete años. Del mismo modo, en el panel C se presenta el efecto de un incremento de 100 milímetros en las precipitaciones estimadas en las precipitaciones medianas de 2015 en economías avanzadas, economías de mercados emergentes y países en desarrollo de bajo ingreso, en el momento del impacto y tras siete años.

En el comienzo del cuadro del anexo 3.3.1 se replica la especificación de Burke, Hsiang y Miguel (2015a), y se establece su robustez al uso de fuentes alternativas de datos meteorológicos; ponderaciones alternativas de la población que se emplean para agregar datos meteorológicos en cuadrícula a nivel de país; conjuntos alternativos de efectos fijos; y muestras, controles y enfoques de estimación alternativos. En la columna (1) se estima la especificación empleada en Burke, Hsiang y Miguel (2015a), y se incluyen tendencias temporales lineales y cuadráticas específicas de país, datos meteorológicos de la Universidad de Delaware y ponderaciones de la población de 1990 en la considerablemente mayor muestra del capítulo (el capítulo expande la muestra tanto geográfica como temporalmente en alrededor del 25%). En la columna (2) se emplea una fuente alternativa de datos meteorológicos, la Unidad de Investigación Climática de la Universidad de East Anglia en lugar de la Universidad de Delaware, y se obtienen coeficientes similares de las variables de temperatura y precipitaciones.

Cuadro del anexo 3.3.1.Efecto de los shocks meteorológicos en el producto
A. Crecimiento del producto per cápita real(1)(2)(3)(4)(5)(6)(7)(8)(9)
Temperatura1,399***1,443***1,428***1,343***1,347***1,248***1,342***1,249***−1,154***
(0,359)(0,367)(0,366)(0,355)(0,357)(0,339)(0,355)(0,380)(0,320)
Temperatura2−0,049***−0,049***−0,048***−0,052***–0,051***−0,044***−0,051***−0,044***
(0,012)(0,011)(0,011)(0,011)(0,011)(0,010)(0,011)(0,011)
Precipitación0,0560,103*0,163*0,0450,1100,1270,1190,0820,005
(0,097)(0,061)(0,085)(0,058)(0,104)(0,103)(0,104)(0,112)(0,034)
Precipitación2−0,002−0,002**−0,004**−0,001–0,003−0,003−0,003−0,002
(0,002)(0,001)(0,002)(0,001)(0,002)(0,002)(0,002)(0,002)
Cualquier desastre−0,406**
(0,180)
Temperatura umbral (°C)1415151313141314
Fuente meteorológicaUDELCRUCRUCRUCRUCRUCRUCRUCRU
Ponderación de la población201020101950201019501950195019501950
Efectos fijos de añoYYYNNNNNN
Efectos fijos de año-regiónNNNYYYYYY
Tendencias temporales de paísYYYNNNNNN
Al menos 20 años de datosNNNNNYNNN
R2 ajustada0,150,150,150,140,140,140,140,110,09
Número de países177198189198189184189189127
Número de observaciones8.1479.1148.8159.1148.8158.7568.8158.9176.135
B. Impacto de un aumento de 1°C de la temperatura en el nivel del producto per cápita real en el horizonte 0
EA (T=11°C)0,331*0,370*0,365*0,1970,2180,2800,2170,277
(0,196)(0,196)(0,195)(0,191)(0,196)(0,190)(0,195)(0,212)
ME (T=22°C)−0,736**−0,703***−0,697***−0,949***–0,911***−0,687***−0,907***−0,695***
(0,309)(0,223)(0,223)(0,266)(0,264)(0,228)(0,263)(0,243)
PDBI (T=25°C)−1,027***−0,996***−0,987***−1,261***–1,219***−0,951***−1,214***−0,960***
(0,370)(0,268)(0,267)(0,318)(0,315)(0,270)(0,313)(0,287)
Impacto de un aumento de 1°C de la temperatura en el nivel del producto per cápita real en el horizonte 7
EA (T=11°C)0,8980,8890,8220,4570,5580,5600,5520,023
(0,705)(0,701)(0,697)(0,744)(0,752)(0,744)(0,751)(0,478)
ME (T=22°C)−1,173−0,957−1,048−1,117*–1,115*−1,088*−1,138*−0,547
(0,852)(0,665)(0,651)(0,604)(0,591)(0,595)(0,589)(0,386)
PDBI (T=25°C)−1,738*−1,461*−1,558**−1,547**–1,571**−1,537**−1,599**−0,702
(1,002)(0,761)(0,745)(0,686)(0,667)(0,670)(0,664)(0,450)
C. Impacto de un aumento anual de 100 mm de las precipitaciones en el nivel del producto per cápita real en el horizonte 0
EA (P=800 mm por año)0,0180,0660,101*0,0280,0660,0760,0730,050
(0,067)(0,046)(0,059)(0,046)(0,071)(0,070)(0,071)(0,077)
ME (P=900 mm por año)0,0130,0610,093*0,0260,0600,0700,0670,046
(0,063)(0,045)(0,056)(0,045)(0,067)(0,066)(0,067)(0,072)
PDBI (P=1.100 mm por año)0,0040,0520,0780,0220,0490,0570,0560,038
(0,057)(0,041)(0,050)(0,042)(0,059)(0,058)(0,059)(0,064)
Impacto de un aumento anual de 100 mm de las precipitaciones en el nivel del producto per cápita real en el horizonte 7
EA (P=800 mm por año)0,3040,1710,179−0,173–0,187−0,207−0,209−0,287
(0,198)(0,216)(0,227)(0,214)(0,223)(0,225)(0,224)(0,229)
ME (P=900 mm por año)0,2950,1660,174−0,156–0,166−0,187−0,188−0,267
(0,188)(0,205)(0,215)(0,200)(0,209)(0,210)(0,210)(0,216)
PDBI (P=1.100 mm por año)0,2780,1550,164−0,121–0,126−0,148−0,146−0,227
(0,169)(0,185)(0,192)(0,174)(0,182)(0,182)(0,183)(0,191)
Fuente: Cálculos del personal técnico del FMI.Nota: El cuadro presenta los resultados de la estimación de la ecuación (3.2), con regresiones separadas para cada horizonte. El panel A presenta los coeficientes estimados correspondientes a las variables meteorológicas en el horizonte 0. Los paneles B y C muestran el impacto marginal de una variación de la temperatura y las precipitaciones calculado con la ecuación (3.3) en el nivel mediano de temperatura (T) y precipitaciones (P) de las economías avanzadas (EA), los mercados emergentes (ME) y los países en desarrollo de bajo ingreso (PDBI) contemporáneamente (horizonte 0) y acumulativamente a los siete años del shock. La especificación de las columnas (1)–(8) neutraliza los efectos fijos de país; rezagos y adelantos de temperatura, precipitaciones y sus términos cuadrados; y rezago del crecimiento. La columna (8) muestra los resultados de estimar un modelo de rezago distribuido autorregresivo con siete rezagos de las variables meteorológicas y sus términos cuadrados. La columna (9) presenta los coeficientes de temperatura y precipitaciones derivados de una especificación lineal estimada sobre la base de una muestra de países con temperaturas promedio superiores a 15°C, que también neutraliza los efectos fijos de país y un rezago del crecimiento. En todas las especificaciones, los errores estándar están agrupados a nivel de país. CRU = Unidad de Investigación Climática de la Universidad de East Anglia; mm = milímetro; UDEL = Universidad de Delaware.* p < 0,1; ** p < 0,05; *** p < 0,01.

La elección de las ponderaciones de población empleadas para agregar datos meteorológicos en cuadrícula a nivel de país podría desempeñar un papel importante, ya que la migración interna y transfronteriza es una de las posibles estrategias para afrontar condiciones meteorológicas adversas. Dado que los datos históricos presentan un incremento en temperaturas anuales promedio a partir de los años setenta (gráfico 3.3), en la columna (3) se presentan los resultados con ponderaciones de la población de 1950 para tener en cuenta respuestas migratorias que ya podrían haber ocurrido.

Siguiendo a Dell, Jones y Olken (2012), en las columnas (4) y (5) (principal especificación del capítulo) se presentan los resultados de la especificación de referencia con efectos fijos por año-región en lugar de las tendencias temporales específicas de país. En la columna (6) se limita la muestra a países que cuentan con al menos 20 años de datos.

En la columna (7) se neutraliza por separado la incidencia de desastres naturales, dado que las fluctuaciones en temperatura y precipitaciones pueden afectar a la actividad económica mediante su efecto sobre la incidencia de desastres naturales, tal como se explica en el anexo 3.2. Al neutralizar los desastres naturales no se alteran significativamente los coeficientes estimados de temperatura y precipitaciones52.

En las columnas (1)–(7), las respuestas de impulso se estimaron utilizando el método de proyección local de Jordà (2005). Este es el enfoque recomendado por Stock y Watson (2007), entre otros, como una alternativa flexible que no impone restricciones dinámicas incorporadas en especificaciones de autorregresiones vectoriales (rezago distribuido autorregresivo), y es particularmente adecuado para estimar no linealidades en la respuesta dinámica. No obstante, en la columna (8) se pone a prueba la robustez de las conclusiones al uso del modelo de rezagos autodis-tribuidos con siete rezagos de las variables meteorológicas y sus términos cuadrados, como en Dell, Jones y Olken (2012), que ponen a prueba distintos modelos que van de ausencia de rezagos hasta 10 rezagos y concluyen que, en las distintas especificaciones de rezagos, los resultados son en términos generales uniformes en cuanto a magnitud y significancia estadística.

En todas las especificaciones, el coeficiente estimado de la temperatura es positivo, y el coeficiente de la temperatura al cuadrado es negativo, lo que confirma la relación no lineal entre crecimiento y shocks de temperatura descubierta por Burke, Hsiang y Miguel (2015a). A bajas temperaturas, un incremento en la temperatura fomenta el crecimiento, en tanto que con temperaturas elevadas un aumento de la temperatura perjudica el crecimiento, y la temperatura anual promedio umbral se estima en alrededor de 13°C–15°C. Como prueba de robustez adicional, en la columna (9) se presentan los resultados de una regresión lineal sin los términos cuadrados de las variables meteorológicas, donde se limita la muestra a países con una temperatura anual promedio superior a 15°C. En realidad, dentro de la muestra de países relativamente calurosos, el coeficiente de temperatura es negativo y estadísticamente significativo. El efecto de un aumento de la temperatura en el mundo se presenta en el gráfico 3.8, panel 1 a nivel de cuadrícula; en el panel 2, donde se recalibra la escala de los países en proporción a su población en 2015; y en el gráfico 3.3.1 del anexo, donde se recalibra la escala de los países en proporción a la población proyectada para 2100.

Gráfico del anexo 3.3.1.Efecto de un aumento de la temperatura en el producto per cápita real a nivel mundial, con países a una escala proporcional a su población proyectada en 2100

(porcentaje)

Fuentes: Natural Earth; ScapeToad; Naciones Unidas, base de datos de Perspectivas de la Población Mundial, revisión de 2015, y cálculos del personal técnico del FMI.

Nota: El mapa presenta el efecto contemporáneo de un aumento de la temperatura de 1°C en el producto per cápita real calculado con la ecuación (3.3), usando las temperaturas a nivel de país sobre la base de un promedio reciente de 10 años, junto con los coeficientes estimados del cuadro 3.3.1 del anexo, columna (5). La escala de cada país está modificada en proporción a la población proyectada de 2100, de acuerdo con la cual 76% de la población mundial vivirá en países que sufren un efecto negativo ante un aumento de 1°C. Las zonas grises indican que el impacto estimado no es estadísticamente significativo.

No hay una relación uniformemente significativa entre precipitaciones y crecimiento del PIB per cápita en todas las especificaciones. La falta de una relación robusta podría deberse a un error de medición potencialmente mayor en la variable de precipitaciones, tal como se explica en Auffhammer et al. (2011), que podría ampliarse más por la agregación temporal. Por ejemplo, si el único canal mediante el cual las precipitaciones afectan a los resultados agregados es a través de su efecto en la agricultura, entonces solo serían relevantes las precipitaciones durante el período de crecimiento de los cultivos (inadecuadamente representadas por las precipitaciones anuales).

En el cuadro del anexo 3.3.1 también se pone de relieve la gran persistencia de los efectos de los shocks de temperatura. En la mitad inferior del panel B se presentan los efectos acumulados de un incremento de 1°C en la temperatura estimada en la temperatura mediana de países avanzados, de mercados emergentes y en desarrollo de bajo ingreso siete años tras el shock. En todas las especificaciones excepto una se observa el impacto adverso duradero y posiblemente creciente de los shocks de temperatura sobre el producto per cápita a las temperaturas experimentadas por el país en desarrollo de bajo ingreso mediano.

Para analizar el alcance que pueden tener los efectos de la temperatura, se estima la ecuación (3.2) empleando la producción agrícola y el valor agregado sectorial como resultados de interés. El valor agregado real de los sectores agrícola, manufacturero y de servicios de la base de datos de los indicadores del desarrollo mundial del Banco Mundial se complementa con un índice del volumen de producción de cultivos compilado por la Organización de las Naciones Unidas para la Alimentación y la Agricultura. Los resultados se presentan en el cuadro del anexo 3.3.2. Tanto en el sector agrícola como en el manufacturero la relación entre temperatura y producto es cóncava, en tanto que el valor agregado de servicios parece relativamente protegido de los efectos de una mayor temperatura. En otras palabras, a la temperatura mediana de los países de bajo ingreso, un aumento en la temperatura reduce considerablemente el valor agregado agrícola y la producción de los cultivos, y disminuye el producto manufacturero.

Cuadro del anexo 3.3.2.Efecto de los shocks meteorológicos en el producto sectorial
AgriculturaManufacturaServiciosProducción de cultivos
A. Variable dependiente(1)(2)(3)(4)
Temperatura0,2831,281−0,2683,860*
(0,871)(1,035)(0,585)(2,085)
Temperatura2−0,043*−0,051*−0,007−0,151***
(0,023)(0,027)(0,016)(0,050)
Precipitación0,705***0,108−0,0001,287***
(0,228)(0,149)(0,111)(0,332)
Precipitación2−0,015***−0,002−0,001−0,028***
(0,005)(0,003)(0,002)(0,007)
R2 ajustada0,100,130,120,09
Número de países174168174185
Número de observaciones5.8475.2255.7308.836
B. Impacto de un aumento de 1°C de la temperatura en el nivel de la variable dependiente en el horizonte 0
EA (T=11°C)−0,6640,152−0,4230,547
(0,464)(0,532)(0,303)(1,077)
ME (T=22°C)−1,610***−0,977**−0,578*−2,767***
(0,431)(0,439)(0,298)(0,664)
PDBI (T=25°C)−1,868***−1,285**−0,621*−3,671***
(0,517)(0,538)(0,362)(0,820)
Impacto de un aumento de 1°C de la temperatura en el nivel de la variable dependiente en el horizonte 7
EA (T=11°C)2,070***1,642−0,2201,177
(0,753)(1,798)(1,445)(0,889)
ME (T=22°C)−0,498−0,9260,054−0,509
(0,654)(0,939)(0,734)(0,812)
PDBI (T=25°C)−1,198−1,6260,129−0,969
(0,769)(1,117)(0,910)(0,985)
C. Impacto de un aumento anual de 100 mm de las precipitaciones en el nivel de la variable dependiente en el horizonte 0
EA (P=800 mm por año)0,458***0,076−0,0130,835***
(0,149)(0,105)(0,075)(0,223)
ME (P=900 mm por año)0,428***0,072−0,0150,778***
(0,139)(0,100)(0,071)(0,210)
PDBI (P=1.100 mm por año)0,366***0,065−0,0180,665***
(0,121)(0,090)(0,063)(0,185)
Impacto de un aumento anual de 100 mm de las precipitaciones en el nivel de la variable dependiente en el horizonte 7
EA (P=800 mm por año)−0,2280,024−0,141−0,237
(0,257)(0,390)(0,286)(0,284)
ME (P=900 mm por año)−0,2130,030−0,125−0,217
(0,243)(0,371)(0,269)(0,267)
PDBI (P=1.100 mm por año)−0,1840,041−0,094−0,177
(0,217)(0,332)(0,235)(0,235)
Fuente: Cálculos del personal técnico del FMI.Nota: El cuadro presenta los resultados de la estimación de la ecuación (3.2) con la especificación del cuadro 3.3.1 del anexo, columna (5), con diferentes variables dependientes y regresiones separadas para cada horizonte. En todas las especificaciones, los errores estándar están agrupados a nivel de país. El panel A presenta los coeficientes estimados correspondientes a las variables meteorológicas en el horizonte 0. Los paneles B y C muestran el impacto marginal de una variación de la temperatura y las precipitaciones calculado con la ecuación (3.3) en el nivel mediano de temperatura (T) y precipitaciones (P) de las economías avanzadas (EA), los mercados emergentes (ME) y los países en desarrollo de bajo ingreso (PDBI) contemporáneamente (horizonte 0) y acumulativamente a los siete años del shock. mm = milímetro.* p < 0,1; ** p < 0,05; *** p < 0,01.

Cabe destacar que, a diferencia del producto agregado, la producción agrícola se ve afectada de modo significativo por las precipitaciones además de los shocks de temperatura. Si bien los resultados parecen indicar una relación cóncava entre producto agrícola y precipitaciones, a los niveles normales de precipitaciones de los tres grupos de países, un incremento en las precipitaciones mejora inequívocamente la productividad agrícola. Los efectos de las precipitaciones también son breves; el producto agrícola no se ve afectado siete años más tarde por las precipitaciones de hoy, a diferencia del efecto de la temperatura.

Canales

En el capítulo se analizan los posibles canales mediante los que los shocks de temperatura afectan a la macroeconomía amplia y perdurablemente, estudiando la relación entre la temperatura y cada uno de los principales componentes de la función de producción agregada.

Inversión

Tal como conjeturan Fankhauser y Tol (2005), los shocks meteorológicos podrían tener efectos perdurables sobre el producto si influyen en decisiones relativas a las inversiones y así sobre el insumo de capital. La ecuación (3.2) se estima empleando la formación bruta de capital fijo real como resultado de interés. El análisis también considera el impacto de las condiciones meteorológicas sobre las importaciones, dado el estrecho vínculo entre importaciones e inversión. Los resultados, presentados en el cuadro del anexo 3.3.3, columnas (1)–(2), confirman la idea de que los shocks de temperatura sofocan la inversión. Si bien hay gran incertidumbre en torno a los efectos contemporáneos estimados, siete años después de un aumento en la temperatura, el nivel tanto de inversión como de importaciones es considerablemente más bajo en países con climas relativamente calurosos (véase también el gráfico 3.10).

Oferta de mano de obra

En el análisis también se considera si la oferta de mano de obra puede verse afectada por aumentos en la temperatura. Empleando la mortalidad infantil como resultado de interés, se estima la ecuación (3.2), que pone de manifiesto una relación convexa entre temperatura y oferta de mano de obra actual (o futura) (cuadro del anexo 3.3.3, columna [3]). En países calurosos, un incremento en la temperatura eleva la mortalidad infantil de forma instantánea, y este efecto crece a través del tiempo. En estos países, las mayores temperaturas también tienen un efecto negativo sobre una medida más amplia de bienestar humano (el índice de desarrollo humano, un promedio ponderado de ingreso per cápita, nivel educativo alcanzado y esperanza de vida (columna [4]).

Productividad

Debido a datos relativos a una disminución en el desempeño cognitivo y físico de los seres humanos a elevadas temperaturas en experimentos de laboratorio y estudios de determinados países, el análisis examina si la menor productividad laboral puede ser la base de la relación negativa entre temperatura y producto agregado en países con climas calurosos. De ser así, los sectores donde los trabajadores se encuentran más expuestos al calor deberían exhibir una mayor disminución en la productividad laboral cuando las temperaturas aumentan en países relativamente calurosos. El análisis emplea la base de datos de 10 sectores del Centro para el Crecimiento y el Desarrollo de Groninga (GGDC, por sus siglas en inglés), que provee datos de empleo y valor agregado real sectorial en 40 países durante 1950–2012, y la clasificación de Graff Zivin y Neidell (2014) de sectores como “expuestos al calor” y otros, para estimar la especificación a continuación53.

donde yi,s,t es el logaritmo de valor agregado real sectorial por trabajador, Hs es un indicador de sectores “expuestos al calor”, μi,sh son efectos fijos por país-sector y θr,th son efectos fijos por año-región. Los errores estándar se agrupan a nivel nacional.

En el cuadro del anexo 3.3.3, especificación (5), se resumen los resultados de esta estimación. A mayores temperaturas, un incremento de la temperatura disminuye considerablemente la productividad laboral en industrias expuestas al calor. Sin embargo, los aumentos de temperatura no tienen un efecto perceptible en la productividad de los trabajadores en sectores que no están expuestos al calor, incluso en países con climas calurosos.

Cuadro del anexo 3.3.3.Efecto de los shocks meteorológicos en la productividad, el capital y la mano de obra
Insumo capitalInsumo mano de obraInsumo productividad de la mano de obra
InversiónImportaciónMortalidad infantilIDHSin exposición al calorCon exposición al calor
A. Variable dependiente(1)(2)(3)(4)(5)
Temperatura0,8500,467−0,1470,269***0,2461,902*
(2,042)(0,943)(0,117)(0,078)(0,681)(1,002)
Temperatura2−0,045−0,068**0,005*−0,008***−0,010−0,087***
(0,059)(0,033)(0,003)(0,002)(0,018)(0,026)
Precipitación−0,377−0,654**−0,0010,0000,0470,272
(0,398)(0,271)(0,024)(0,018)(0,201)(0,195)
Precipitación20,0030,0060,001−0,000−0,003−0,008*
(0,009)(0,007)(0,001)(0,000)(0,005)(0,004)
R2 ajustada0,030,080,640,310,03
Número de países16917818218140
Número de observaciones6.0936.8668.6853.86417.848
B. Impacto de un aumento de 1°C de la temperatura en el nivel de la variable dependiente en el horizonte 0
EA (T=11°C)−0,138−1,029**−0,0280,094**0,030−0,003
(0,976)(0,455)(0,067)(0,043)(0,396)(0,502)
ME (T=22°C)−1,126−2,525***0,092*−0,082−0,185−1,909***
(1,064)(0,753)(0,055)(0,056)(0,412)(0,363)
PDBI (T=25°C)−1,395−2,934***0,124*−0,129*−0,244−2,428***
(1,331)(0,919)(0,063)(0,067)(0,478)(0,456)
Impacto de un aumento de 1°C de la temperatura en el nivel de la variable dependiente en el horizonte 7
EA (T=11°C)1,8122,361−0,3640,609**0,305−1,142
(2,029)(1,494)(0,427)(0,259)(1,183)(0,986)
ME (T=22°C)−4,225**−2,439*0,569−0,237−0,063−1,642
(1,803)(1,303)(0,375)(0,175)(1,114)(1,119)
PDBI (T=25°C)−5,871***−3,747**0,824*−0,467**−0,163−1,778
(2,074)(1,516)(0,426)(0,195)(1,306)(1,365)
C. Impacto de un aumento anual de 100 mm de las precipitaciones en el nivel de la variable dependiente en el horizonte 0
EA (P=800 mm por año)−0,329−0,558***0,008−0,007−0,0090,148
(0,262)(0,180)(0,015)(0,013)(0,133)(0,136)
ME (P=900 mm por año)−0,323−0,547***0,009−0,008−0,0160,132
(0,246)(0,170)(0,015)(0,012)(0,125)(0,130)
PDBI (P=1.100 mm por año)−0,311−0,523***0,011−0,010−0,0300,101
(0,216)(0,151)(0,013)(0,011)(0,109)(0,118)
Impacto de un aumento anual de 100 mm de las precipitaciones en el nivel de la variable dependiente en el horizonte 7
EA (P=800 mm por año)−0,478−0,984**0,071−0,102*−0,2950,072
(0,689)(0,498)(0,163)(0,061)(0,832)(0,554)
ME (P=900 mm por año)−0,423−0,961**0,074−0,097*−0,2650,041
(0,649)(0,472)(0,149)(0,057)(0,776)(0,524)
PDBI (P=1.100 mm por año)−0,313−0,914**0,080−0,087*−0,206−0,022
(0,573)(0,422)(0,123)(0,050)(0,666)(0,467)
Fuente: Cálculos del personal técnico del FMI.Nota: Las columnas (1–4) presentan los resultados de la estimación de la ecuación (3.2) con la misma especificación del cuadro 3.3.1 del anexo, columna (5), con diferentes variables dependientes. La especificación de la columna (5) presenta los resultados de la estimación de la ecuación (3.4), en la cual un indicador de los sectores expuestos al calor interactúa con la temperatura y las precipitaciones, sus términos cuadrados y sus rezagos y adelantos, neutralizándose también los efectos fijos de sector-país y año-región y el rezago del crecimiento. Se estiman regresiones separadas para cada horizonte. En todas las especificaciones, los errores estándar están agrupados a nivel de país. El panel A presenta los coeficientes estimados correspondientes a las variables meteorológicas en el horizonte 0. Los paneles B y C muestran el impacto marginal de una variación de la temperatura y las precipitaciones calculado con la ecuación (3.3) en el nivel mediano de temperatura (T) y precipitaciones (P) de las economías avanzadas (EA), los mercados emergentes (ME) y los países en desarrollo de bajo ingreso (PDBI) contemporáneamente (horizonte 0) y acumulativamente a los siete años del shock. IDH = índice de desarrollo humano. mm = milímetro.* p < 0,1; ** p < 0,05; *** p < 0,01.

El papel de las políticas y los contextos institucionales

Para estudiar en qué medida las políticas macroeconómicas y estructurales y las características nacionales median el efecto de los shocks meteorológicos, el análisis amplía el enfoque empírico antes descrito permitiendo la variación de la respuesta del producto per cápita ante los shocks meteorológicos con diversos valores de reemplazo para estas políticas. La especificación estimada amplía la ecuación (3.2) para incluir un término de interacción entre el shock meteorológico y la variable de política:

Se restringe la muestra a países con una temperatura anual promedio que supera los 15°C, en los que un aumento en temperatura tiene un impacto negativo lineal estadísticamente significativo sobre la actividad económica, como en el cuadro del anexo 3.3.1, columna (9). En consecuencia, el shock meteorológico ci,t hace referencia a temperaturas y precipitaciones anuales promedio. La mayoría de las variables de política pi,t se rezagan para minimizar las inquietudes de causalidad inversa y se incluyen una a una. Tal como se subraya en el capítulo, es difícil interpretar de modo causal los coeficientes de los términos de interacción, dado que la variación en políticas e instituciones a través de países y del tiempo no es aleatoria. Las políticas e instituciones también podrían correlacionarse con atributos nacionales relevantes que no se tienen en cuenta en la regresión. Aún más, la disponibilidad de datos relativos a políticas varía de manera considerable en cuanto a cobertura tanto temporal como nacional, lo que da lugar a notables diferencias en la muestra de la estimación.

Para facilitar la interpretación, en los resultados de referencia, cada variable de política se transforma en una variable de indicador dependiendo de si, en el año t, el país está por encima o debajo del valor mediano de esta política en particular en la muestra de la estimación54. Una excepción a este enfoque es la medición de amortiguadores. Se considera que un país posee: 1) amortiguadores fiscales, si la deuda pública como proporción del PIB es menor que el percentil 75; 2) amortiguadores monetarios, si la inflación anual es menos del 10%; 3) elevadas reservas internacionales, si las reservas internacionales menos el oro pueden cubrir al menos cuatro meses de importaciones; 4) elevada ayuda externa, si las entradas de ayuda externa como proporción del PIB se encuentran en el percentil 75; y 5) elevadas remesas, si las remesas percibidas per cápita en dólares reales son superiores al percentil 75. En cuanto a la politica cambiaría, el análisis emplea un indicador si el régimen cambiario de facto de un país no está vinculado a otra moneda, con base en la clasificación somera de Reinhart y Rogoff (2004).

Las principales conclusiones se presentan en los cuadros del anexo 3.3.4 y 3.3.5. En los cuadros se observa, respecto de cada política, el efecto estimado de un aumento de 1°C de la temperatura en el producto per cápita con los horizontes 0 a 7, cuando no se cuenta con la política y cuando esta sí está presente. En los cuadros también se presenta el valor p de una prueba estadística de la diferencia en el efecto de la temperatura en el marco de distintos escenarios de políticas.

Los efectos negativos a corto plazo de los shocks de temperatura tienden a ser mayores en países con menos amortiguadores, tal como demuestran las mayores respuestas estimadas en las columnas (2), (5) y (8) del cuadro del anexo 3.3.4. Sin embargo, por regla general las diferencias no son estadísticamente significativas y, en los pocos casos en que sí lo son (amortiguadores fiscales, ayuda externa y remesas), tienden a ser muy breves. No obstante, el régimen cambiario parece tener una vinculación significativa con el grado de daño causado por los shocks meteorológicos. Los países con tipos de cambio no vinculados a otra moneda tienden a recuperarse más rápidamente de estos shocks. Ramcharan (2009) documentó un patrón similar, en que la flexibilidad cambiaria ayuda a las economías a adaptarse mejor en el período posterior a vendavales y terremotos.

Cuadro del anexo 3.3.4.Papel de las políticas amortiguadoras
(1)(2)(3)(4)(5)(6)(7)(8)(9)
Deuda públicaInflaciónReservas internacionales
Impacto de un aumento de la temperatura de 1°C en el producto per cápitaAltaBajaValor pAltaBajaValor pAltaBajaValor p
Horizonte 0−1,460***−1,057***0,09−1,275***−1,183***0,40−1,015**−1,171***0,52
(0,352)(0,387)(0,322)(0,295)(0,414)(0,314)
Horizonte 1−1,627***−1,029**0,24−0,985**−0,952***0,87−0,556−0,782**0,36
(0,466)(0,471)(0,425)(0,362)(0,492)(0,395)
Horizonte 2−1,695**−0,914*0,24−0,907**−0,933**0,87−0,952**−1,030***0,58
(0,690)(0,492)(0,416)(0,375)(0,390)(0,382)
Horizonte 3−2,159***−1,597***0,34−1,333***−1,279***0,79−1,182***−1,140***0,78
(0,758)(0,525)(0,429)(0,419)(0,404)(0,411)
Horizonte 4−1,986**−1,512**0,46−1,487**−1,355**0,55−1,404***−1,440***0,85
(0,972)(0,704)(0,571)(0,560)(0,522)(0,522)
Horizonte 5−1,341−0,8990,42−1,181*−1,014*0,46−1,390**−1,270**0,66
(0,936)(0,758)(0,628)(0,583)(0,609)(0,603)
Horizonte 6−1,277−1,0750,68−1,572**−1,315**0,32−1,524**−1,362**0,55
(0,867)(0,844)(0,675)(0,626)(0,614)(0,597)
Horizonte 7−0,633−0,5520,87−1,032−0,8420,52−1,566**−1,353**0,49
(0,859)(0,819)(0,628)(0,610)(0,629)(0,611)
R2 ajustada0,150,120,09
Número de países119122127
Número de observaciones4.4925.3656.135
Ayuda externaRemesasFlexibilidad cambiaría
Impacto de un aumento de la temperatura de 1°C en el producto per cápitaAltaBajaValor pAltaBajaValor pSin vínculo cambiarioCon vínculo cambiarioValor p
Horizonte 0−0,840**−1,194***0,06−1,345***−1,449***0,34−1,183***−1,436***0,16
(0,380)(0,334)(0,337)(0,312)(0,321)(0,315)
Horizonte 1−0,996**−1,132***0,59−1,212***−1,472***0,13−0,792*−1,249***0,08
(0,448)(0,396)(0,389)(0,410)(0,426)(0,415)
Horizonte 2−0,958**−0,979**0,94−0,799*−1,030**0,31−0,575−1,191**0,08
(0,433)(0,401)(0,436)(0,456)(0,483)(0,503)
Horizonte 3−0,931*−1,020**0,74−1,271**−1,488***0,45−0,769−1,342**0,20
(0,551)(0,475)(0,530)(0,499)(0,574)(0,600)
Horizonte 4−0,724−1,061*0,32−1,260*−1,348**0,77−0,975−1,853**0,08
(0,672)(0,539)(0,678)(0,664)(0,781)(0,801)
Horizonte 5−0,772−0,913*0,70−1,182*−1,287**0,76−0,408−1,556*0,04
(0,635)(0,534)(0,691)(0,644)(0,830)(0,851)
Horizonte 6−0,753−1,108*0,36−1,571*−1,860**0,450,011−1,1090,06
(0,731)(0,598)(0,842)(0,751)(0,828)(0,780)
Horizonte 7−0,620−0,863*0,59−0,900−1,1790,49−0,220−1,418*0,05
(0,677)(0,499)(0,749)(0,731)(0,871)(0,852)
R2 ajustada0,160,140,10
Número de países120115115
Número de observaciones5.1753.4413.942
Fuente: Cálculos del personal técnico del FMI.Nota: El cuadro presenta los resultados de la estimación de la ecuación (3.5) con una muestra de países con temperaturas anuales promedio superiores a 15°C. En las regresiones, los indicadores de las medidas de política interactúan con la temperatura, las precipitaciones y sus rezagos, neutralizando los efectos fijos por país y año-región, los rezagos del crecimiento y de la medida de política, y los adelantos de la temperatura y las precipitaciones. Se estiman regresiones separadas para cada horizonte. Las estadísticas resumidas de la regresión corresponden al horizonte 0. En todas las especificaciones, los errores estándar están agrupados a nivel de país.* p < 0,1; ** p < 0,05; *** p < 0,01.

Los efectos negativos a mediano plazo de los shocks de temperatura tienden a ser menores en países con mejores políticas estructurales e instituciones (cuadro del anexo 3.3.5). Nuevamente, los errores estándar son bastante grandes y a menudo es difícil rechazar la hipótesis de que las políticas no tienen un efecto, pero las estimaciones puntuales del efecto de los shocks de temperatura en los horizontes externos son sustancialmente mayores en las columnas (2), (5) y (8). Estos datos son congruentes con las conclusiones en la bibliografía sobre el papel de las políticas en la mitigación de los efectos de los desastres naturales. Véanse, entre otros, Kahn (2005), Noy (2009), Cavallo et al. (2013), Felbermayr y Gröschl (2014), y Breckner et al. (2016), sobre el papel de la robustez institucional y la democracia; Noy (2009), Von Peter, Dahlen y Saxena (2012), McDermott, Barry y Tol (2013), Felbermayr y Gröschl (2014), y Breckner et al. (2016), sobre el papel de los mercados financieros; y Noy (2009), Raddatz (2009), y Von Peter, Dahlen y Saxena (2012), sobre el papel del nivel de desarrollo.

Cuadro del anexo 3.3.5.Papel de las políticas estructurales y las instituciones
(1)(2)(3)(4)(5)(6)(7)(8)(9)
Impacto de un aumento de la temperatura de 1°C en el producto per cápitaÍndice de reforma del sector financiero nacionalRestricciones financieras internacionalesCapital humano
AltaBajaValor pBajaAltaValor pAltaBajaValor p
Horizonte 0−1,540***−1,631***0,59−0,766**−1,139***0,07−1,039***−1,152***0,63
(0,437)(0,439)(0,293)(0,275)(0,291)(0,349)
Horizonte 1−1,539***−1,853***0,17−0,906**−1,054***0,50−0,891**−1,250***0,25
(0,518)(0,598)(0,391)(0,367)(0,411)(0,420)
Horizonte 2−0,413−0,9230,15−0,622−1,090**0,10−0,669−1,092**0,27
(0,538)(0,711)(0,434)(0,472)(0,437)(0,494)
Horizonte 3−0,964−1,724**0,06−1,089**−1,359***0,39−1,065**−1,250**0,64
(0,712)(0,854)(0,462)(0,487)(0,475)(0,491)
Horizonte 4−0,325−1,1180,10−1,601***−1,757***0,69−1,345**−1,686***0,49
(0,829)(0,855)(0,502)(0,529)(0,527)(0,576)
Horizonte 5−0,707−1,561*0,13−1,790**−2,180***0,41−1,161−1,590**0,46
(0,844)(0,868)(0,702)(0,761)(0,699)(0,704)
Horizonte 6−0,644−1,412*0,22−1,608***−1,868***0,59−1,009−1,689**0,34
(0,805)(0,807)(0,594)(0,615)(0,685)(0,724)
Horizonte 7−0,071−0,8470,27−1,525**−1,975***0,39−0,657−1,236*0,44
(0,888)(0,818)(0,682)(0,718)(0,736)(0,715)
R2 ajustada0,240,130,12
Número de países467489
Número de observaciones1.4553.4344.582
Impacto de un aumento de la temperatura de 1°C en el producto per cápitaCapital físicoÍndice de régimen políticoDesigualdad
AltaBajaValor pAltaBajaValor pBajaAltaValor p
Horizonte 0−0,773***−0,861***0,66−1,370***−1,452***0,73−1,336***−1,559***0,07
(0,294)(0,302)(0,328)(0,293)(0,431)(0,390)
Horizonte 1−0,782*−0,777*0,99−1,132***−1,392***0,27−1,034*−1,240**0,26
(0,405)(0,423)(0,393)(0,367)(0,580)(0,588)
Horizonte 2−0,550−0,6900,69−1,110***−1,729***0,01−0,814−1,024*0,35
(0,442)(0,459)(0,416)(0,433)(0,584)(0,591)
Horizonte 3−0,430−0,8200,30−1,374***−1,929***0,03−0,947−1,386*0,09
(0,411)(0,497)(0,466)(0,464)(0,714)(0,738)
Horizonte 4−0,543−1,175**0,15−1,599***−2,095***0,09−0,819−1,391*0,06
(0,464)(0,573)(0,566)(0,601)(0,827)(0,820)
Horizonte 5−0,953−1,677**0,17−1,587**−2,044***0,15−0,699−1,634*0,01
(0,625)(0,755)(0,671)(0,705)(0,899)(0,877)
Horizonte 6−0,381−1,546**0,09−1,416**−2,128***0,06−1,061−2,067**0,01
(0,586)(0,691)(0,679)(0,704)(0,930)(0,913)
Horizonte 7−0,548−1,610*0,14−1,325*−2,320***0,02−0,233−1,3200,01
(0,645)(0,815)(0,751)(0,788)(1,060)(0,998)
R2 ajustada0,130,100,28
Número de países11410695
Número de observaciones3.9055.0561.798
Fuente: Cálculos del personal técnico del FMI.Nota: El cuadro presenta los resultados de la estimación de la ecuación (3.5) con una muestra de países con temperaturas anuales promedio superiores a 15°C. En las regresiones, los indicadores de las medidas de política interactúan con la temperatura, las precipitaciones y sus rezagos, neutralizando los efectos fijos por país y año-región, los rezagos del crecimiento y de la medida de política, y los adelantos de la temperatura y las precipitaciones. Se estiman regresiones separadas para cada horizonte. Las estadísticas resumidas de la regresión corresponden al horizonte 0. En todas las especificaciones, los errores estándar están agrupados a nivel de país.* p < 0,1; ** p < 0,05; *** p < 0,01.

El papel del desarrollo

En el capítulo se analiza si el nivel global de desarrollo atenúa los efectos negativos de los shocks de temperatura en los países calurosos, empleando datos subnacionales de varios países. Mediante la combinación de datos sobre el crecimiento subnacional de aproximadamente 1.460 provincias y estados de 79 países de Gennaioli et al. (2014) y datos anuales de temperatura y precipitaciones al mismo nivel de agregación, el análisis confirma que existe una relación no lineal entre el crecimiento subnacional y la temperatura estimando la ecuación (3.2). Luego se centra la atención en el conjunto de provincias y estados con una temperatura promedio superior a 15°C, para determinar si la actividad económica en los estados o provincias “calurosos” de las economías avanzadas responde a un aumento en la temperatura de igual manera que en los estados o provincias de economías de mercados emergentes y en desarrollo con una temperatura promedio similar. La ecuación (3.5) se estima dando a pi,t el valor de 1 para estados o provincias de economías avanzadas. También se efectúa una interacción de pi,t con un rezago del crecimiento, μih denota efectos fijos de estado o provincia, y se permite que los efectos fijos por año-región, θr,th, varíen en las economías avanzadas y no avanzadas. Los errores estándar se agrupan a nivel de provincia.

En el cuadro del anexo 3.3.6 se presentan los efectos estimados de un incremento de la temperatura de 1°C en los horizontes 0 a 7 en todas las regiones subnacionales con una temperatura superior a 15°C en la columna (1). En las columnas subsiguientes se presentan los efectos estimados de las regiones subnacionales en economías avanzadas y no avanzadas, así como también el valor p de una prueba de su diferencia. Los efectos negativos de shocks de temperatura se sienten mucho más en economías no avanzadas.

Cuadro del anexo 3.3.6.Papel del desarrollo: Datos subnacionales
Impacto de un aumento de la temperatura de 1°C en el producto per cápitaMuestra completaEconomías avanzadasEconomías no avanzadasValor p
(1)(2)
Horizonte 0−0,705***−0,025−0,727***0,01
(0,174)(0,159)(0,210)
Horizonte 1−0,908***0,320−0,978***0,00
(0,263)(0,232)(0,315)
Horizonte 2−0,599**0,952***−0,768**0,00
(0,290)(0,350)(0,357)
Horizonte 3−0,5431,089***−0,875**0,00
(0,340)(0,339)(0,429)
Horizonte 4−0,752*0,736*−1,130**0,01
(0,386)(0,385)(0,499)
Horizonte 5−1,246***0,485−1,321**0,04
(0,460)(0,510)(0,588)
Horizonte 6−1,156**0,005−1,596**0,10
(0,478)(0,526)(0,646)
Horizonte 7−1,333**0,145−1,496**0,13
(0,527)(0,601)(0,714)
R2 ajustada0,180,20
Número de países44737
Número de provincias60751556
Número de observaciones16.14816.148
Fuente: Cálculos del personal técnico del FMI.Nota: La regresión (2) presenta los resultados de la estimación de la ecuación (3.5) con datos subnacionales tomados de una muestra de provincias con temperaturas anuales promedio superiores a 15°C. En la regresión, el indicador de que una provincia está o no ubicada en una economía avanzada interactúa con la temperatura, las precipitaciones, sus rezagos, el rezago del crecimiento y efectos fijos de año-región, neutralizando los efectos fijos de provincia y los adelantos de la temperatura y las precipitaciones. Se estiman regresiones separadas para cada horizonte. Las estadísticas resumidas de la regresión corresponden al horizonte 0. En todas las especificaciones, los errores estándar están agrupados a nivel de provincia.* p < 0,1; ** p < 0,05; *** p < 0,01.
Anexo 3.4. El impacto de los cambios meteorológicos y los desastres naturales en la migración internacional

En este anexo se brindan detalles adicionales sobre el análisis empírico del efecto de shocks de temperatura y desastres naturales sobre la migración internacional. El análisis emplea datos de Özden et al. (2011) sobre poblaciones de emigrantes de 117 economías con una temperatura promedio superior a 15°C entre 1980 y 2015. Las poblaciones de migrantes, que se encuentran disponibles con intervalos de 10 años, se diferencian para computar los flujos netos de emigrantes en cada década.

A partir de Cattaneo y Peri (2016), el análisis estima la siguiente especificación:

donde i indexa países, d indexa décadas55, Emigrant es el flujo neto de emigrantes durante la década como porcentaje de la población total del país de origen (fuente), T es la temperatura promedio y P las precipitaciones promedio de la década, y Disaster es el número promedio de desastres naturales de cada país-década. Se efectúa una interacción adicional entre las tres últimas variables y una variable ficticia que identifica a países en desarrollo de bajo ingreso (LIDC) para captar potenciales diferencias en la respuesta emigratoria ante fluctuaciones meteorológicas y desastres naturales. Al igual que en Cattaneo y Peri (2016), la regresión neutraliza además los efectos fijos de país (μi), los efectos fijos por región-década (θr,d), y los efectos fijos de la década que interactúan con la variable ficticia de LIDC. El término de error aleatorio ∈i,d se agrupa a nivel de país56. La especificación se restringe deliberadamente. Los controles normalmente incluidos como determinantes de migraciones, tales como tamaño de la población, contexto sociopolítico y demás, podrían verse afectados en sí por las fluctuaciones climáticas y los desastres naturales. En una verificación de robustez, el ejercicio tiene en cuenta la incidencia de la guerra, un importante factor que impulsa a emigrar, si bien es posible argumentar que este podría ser un canal adicional a través del que las fluctuaciones meteorológicas desencadenan movimientos de personas (véase Burke, Hsiang y Miguel, 2015b).

En el cuadro del anexo 3.4.1 se presentan las principales conclusiones de estimar la ecuación (3.6). Las mayores temperaturas promedio a lo largo de una década no tienen un efecto significativo sobre la emigración en la muestra total de países (columna [1]). No obstante, una vez que se permite la variación de la respuesta en grupos amplios de países, los resultados parecen indicar que en países no clasificados como de bajo ingreso, la mayor temperatura en realidad se encuentra asociada con mayores flujos emigratorios (columna [2]). Un aumento de 1°C en la temperatura promedio de la década da origen a un incremento en la proporción de emigrantes netos de aproximadamente 8 puntos porcentuales (lo que equivale a una desviación estándar en la muestra investigada)57. Del mismo modo, una mayor cantidad de desastres naturales a lo largo de una década también aumenta los flujos emigratorios netos, especialmente en países no clasificados como de bajo ingreso58.

Cuadro del anexo 3.4.1.Efecto de shocks meteorológicos y desastres naturales en la emigración, 1980–2015
Porcentaje de emigrantes en la población total(1)(2)(3)(4)(5)(6)
Temperatura3,9638,008*8,067*8,134*8,127*8,074*
(2,522)(4,477)(4,476)(4,357)(4,480)(4,287)
Precipitación−0,206−0,477−0,484−0,484−0,491−0,492
(0,710)(0,880)(0,878)(0,881)(0,878)(0,880)
Temperatura × PDBI−7,475*−7,672*−7,788*−7,571*−7,634*
(4,253)(4,255)(4,092)(4,249)(4,088)
Precipitación × PDBI0,9350,9180,9290,9720,992
(1,022)(1,018)(1,024)(1,039)(1,033)
Número de desastres naturales0,228*0,228*0,4580,465*
(0,138)(0,136)(0,281)(0,269)
Guerra0,409−0,418
(2,283)(3,771)
Número de desastres naturales × PDBI−0,358−0,359
(0,309)(0,296)
Guerra × PDBI1,216
(4,034)
R2 ajustada0,040,060,060,060,060,05
Número de observaciones337337337337337337
Fuente: Cálculos del personal técnico del FMI.Nota: Todas las especificaciones incluyen efectos fijos de país de origen, efectos fijos de región-década y efectos fijos de década que interactúan con una variable ficticia representativa de un país en desarrollo de bajo ingreso (PDBI). Los errores estándar están agrupados a nivel de país.* p < 0,1; ** p < 0,05; *** p < 0,01.
Anexo 3.5. Análisis basado en modelos

El modelo empleado para analizar el impacto a largo plazo del cambio climático y simular los efectos de las políticas en el recuadro 3.2 se desarrolla y presenta en Buffie et al. (2012). Usualmente se lo conoce como el modelo de deuda, inversión y crecimiento (DIG, por sus siglas en inglés), y ha sido eficaz para muchos estudios del FMI de países de bajo ingreso. El DIG es un modelo intertemporal optimizador con previsión perfecta. Describe un modelo de economía pequeña y abierta de dos sectores con capital privado y público, aprendizaje práctico y políticas fiscales endógenas. El capital público es productivo y se emplea en la función productiva en ambos sectores. El gasto público puede incrementar el producto de forma directa aumentando la oferta de capital público y puede atraer y desplazar la inversión privada.

Las empresas emplean las tecnologías de Cobb-Douglas para combinar trabajo, capital privado y capital público (infraestructura) en el producto en los sectores de comerciados y no comerciados. La evolución de la productividad total de los factores (PTF) es exógena en ambos sectores. Las empresas se encuentran ante distintos precios de exportación e importación, y se supone que maximizan sus utilidades.

Los consumidores proveen la mano de obra y obtienen utilidad del consumo de bienes nacionales comerciados, bienes extranjeros comerciados y bienes nacionales no comerciados. Estos bienes se combinan en una elasticidad constante de la cesta de sustitución, y los ahorristas maximizan el valor presente de su utilidad vitalicia. El modelo rompe la equivalencia ricardiana mediante la inclusión tanto de ahorristas como de consumidores que viven precariamente.

El gobierno gasta en transferencias, servicio de la deuda e inversión en infraestructura (parcialmente ineficiente). Recauda ingresos del impuesto al valor agregado del consumo y de las tasas que pagan los usuarios de los servicios de infraestructura. El déficit se financia mediante préstamos nacionales, préstamos externos en condiciones concesionarias o préstamos externos comerciales. Los formuladores de política económica aceptan todos los préstamos en condiciones concesionarias ofrecidos por acreedores oficiales. El cronograma de endeudamiento y amortización de estos préstamos se fija de modo exógeno. La sostenibilidad de la deuda requiere que el impuesto al valor agregado y las transferencias se ajusten en algún momento para cubrir la totalidad del déficit, dado el límite inferior a las transferencias y el límite superior a los impuestos de determinación exógena. El modelo incorpora shocks a la prima de riesgo de la deuda externa pública (o tasas de interés mundiales).

La mayoría de los parámetros del modelo se establecen con los mismos valores que los utilizados en Buffie et al. (2012), con pocas excepciones, principalmente para evidenciar la disminución de las tasas de interés mundiales, la proyección de crecimiento del PIB tendencial en países de bajo ingreso y la mediana de la muestra de relaciones deuda pública/PIB. Los parámetros que difieren de aquellos en Buffie et al. (2012) se presentan en el cuadro del anexo 3.5.1.

Cuadro del anexo 3.5.1.Parametrización del modelo de deuda, inversión y crecimiento
ParámetroValor (porcentaje)
Rendimiento inicial de la inversión en infraestructura30
Coeficiente deuda interna pública/PIB10
Coeficiente deuda concesionaria pública/PIB30
Coeficiente deuda comercial externa pública/PIB5
Coeficiente ingreso fiscal petrolero/PIB2
Tasa de interés real de la deuda interna pública7
Tasa de interés real de la deuda comercial externa pública4
Tasa tendencial del crecimiento per cápita2,8
Fuentes: Buffie et al. (2012) y cálculos del personal técnico del FMI.

Simulación del impacto del cambio climático a largo plazo

A fin de determinar el impacto a largo plazo del cambio climático, el modelo incorpora la relación estimada entre temperatura y producto per cápita considerada en el anexo 3.3 y presentada en el cuadro del anexo 3.3.1, columna (5). Se supone que el efecto ocurre mediante el efecto de la temperatura en la PTF; por lo tanto, se recalibran los parámetros estimados de modo que el modelo coincida con la disminución del PIB estimada empíricamente si la temperatura aumenta en 1°C59.

Se supone que la temperatura durante 2017–2100 sigue uno de dos escenarios alternativos: las trayectorias de concentración representativas (TCR) 4.5 u 8.5. Los aumentos de temperatura durante 2017–2100 se calculan respecto del país de bajo ingreso mediano de la muestra y son iguales a 2°C y 3,9°C para las TCR 4.5 y 8.5, respectivamente.

Hay dos fuentes de incertidumbre en la simulación: la incertidumbre relativa a las proyecciones de las TCR y la relativa al efecto de la temperatura sobre la PTF. Ambas fuentes de incertidumbre se combinan en el análisis como se explica a continuación. El escenario de cota superior se simula suponiendo que el aumento de temperatura es igual al más bajo percentil 5 de cada TCR60. Para tener en cuenta la incertidumbre de los parámetros estimados, los parámetros de la PTF se fijan en el valor condicional esperado del 50% superior de la distribución de la PTF. El peor escenario de límite inferior se simula de manera análoga.

Modelización de la transformación estructural

La transformación estructural se genera en el modelo DIG incorporando tendencias divergentes en el crecimiento sectorial de la PTF, según los conceptos de Ngai y Pissarides (2007). En su modelo, un mayor crecimiento de la productividad en el sector de los bienes comerciados va de la mano de una disminución en el precio relativo de los bienes comerciados en comparación con los no comerciados. Dada la complementariedad en la demanda final, la producción en el primer sector en relación con el último no aumenta en la misma proporción. La proporción del valor del sector de los bienes comerciados finalmente se contrae, incluso en presencia del comercio internacional. Si bien este enfoque se basa en solo un posible motor de transformación estructural, genera el aumento deseado en las proporciones de empleo y valor agregado nominal del sector de bienes no comerciados, que está compuesto principalmente por servicios. La brecha en las tasas de crecimiento de la PTF sectorial se fija para replicar el incremento promedio en la proporción de servicios del valor agregado en países en desarrollo de bajo ingreso en 1990–2015, que ha aumentado a una tasa de 2,5 puntos porcentuales por década. Dada esta calibración, en un escenario sin aumento de temperaturas la participación del empleo en los bienes no comerciados incrementa del valor de referencia de 42,27% a 65% a lo largo de 90 años.

Modelización de la adaptación óptima

En el recuadro 3.2 se amplía el modelo de DIG original para incorporar la inversión directa en estrategias de adaptación. El principal agregado es la inclusión de la adaptación privada y los subsidios públicos a la adaptación privada, en tanto que los daños se modelan del mismo modo que previamente. A falta de medidas de adaptación, la mayor temperatura causa daño bruto, denotado por GD jt, en el momento t, en el sector j. El daño bruto se expresa como una fracción del producto sectorial:

El daño bruto puede reducirse invirtiendo en adaptación. La capacidad de adaptación de la empresa i al cambio climático se denota mediante Oi,jt. Está aumentando en el gasto en protección A D¡,jt de la empresa de la i, así como en el gasto en protección sectorial total AD¯jt=01ADi,jtdi.61. El daño residual para la empresa i en el sector j es

donde disminuye la reducción del daño marginal del gasto en adaptación. El parámetro positivo ϕ es la elasticidad de la reducción del daño al nivel de adaptación.

Si el costo de una unidad de protección es igual a PAD,t y la forma funcional para adaptar la capacidad es Oi,jt(ADi,jt,AD¯jt;ζ)=ADi,jtAD¯jtζ (con 0 ≤ ς ≤ 1), entonces la minimización de costos de las empresas en el equilibrio simétrico ADi,jt=AD¯jt determina el nivel óptimo de gasto en adaptación de cada empresa

El nivel óptimo de daño residual específico de empresa es entonces

que puede demostrar ser socialmente subóptimo.

La función de costo del planificador social, TotDi,jt difiere de aquella de las empresas a nivel individual

Minimizar el costo social brinda un gasto en adaptación socialmente óptimo

Es posible demostrar que los agentes privados invierten menos que el monto socialmente óptimo. La brecha del gasto en adaptación (como una fracción del gasto en adaptación socialmente óptimo) es igual a

También puede demostrarse que es posible alcanzar el monto socialmente óptimo de gastos de adaptación si el gobierno paga a las empresas los subsidios de un monto de υς,jt por costo unitario de la protección

Anexo 3.6. Enfoque reducido para estimar los posibles efectos a largo plazo del cambio climático

También sería posible obtener datos indicativos del posible impacto del cambio climático y su distribución en el mundo mediante la combinación de la sensibilidad estimada del producto per cápita al aumento de temperatura (cuadro del anexo 3.3.1, columna [5]), las temperaturas anuales de referencia y las variaciones de temperatura previstas para cada ubicación geográfica. Al igual que en el de modelización, este análisis emplea el enfoque más conservador y supone que los aumentos de temperatura tienen un efecto de nivel permanente, en lugar de crecimiento, sobre el producto per cápita. El impacto acumulado estimado sobre el PIB per cápita de 2100 con los escenarios de las trayectorias de concentración representativas (TCR) 4.5 y 8.5 se presentan en el gráfico 3.6.1 del anexo. Cabe mencionar que este análisis capta el impacto de un aspecto en particular del cambio climático; a saber, los aumentos de temperatura. No se cuantifican los efectos macroeconómicos de muchos eventos esperados o posibles (tales como una mayor incidencia de desastres naturales, el aumento del nivel de los mares, la acidificación de los océanos, y demás). Es más, el análisis se abstrae de los efectos de contagio transfronterizos que pueden surgir si el cambio climático desencadena una mayor frecuencia de epidemias, hambrunas y otros desastres naturales, junto con malestar social, conflictos armados y los flujos de refugiados asociados.

Gráfico del anexo 3.6.1.Impacto a largo plazo de un aumento de la temperatura en el producto per cápita real a nivel mundial

(porcentaje)

Fuentes: Proyecciones diarias mundiales a escala reducida del foro de la Administración Nacional de Aeronáutica y del Espacio (NASA) sobre información terrestre (NEX-GDDP), Unidad de Cartografía del Grupo Banco Mundial y cálculos del personal técnico del FMI.

Nota: Los mapas presentan el efecto del aumento de la temperatura entre 2005 y 2100 proyectado en la TCR 4.5 y la TCR 8.5 en el producto per cápita de 2100. Las zonas grises indican que el impacto estimado no es estadísticamente significativo. TCR = trayectoria de concentración representativa.

El análisis parece indicar que el incremento previsto de la temperatura tendrá efectos dispares en el mundo. No obstante, el incremento de la temperatura, especialmente con arreglo al escenario de la TCR 8.5, llevará a muchas economías avanzadas más allá del nivel de temperatura umbral, dando lugar a pérdidas económicas directas también para estos países.

Referencias

    Abiad, Abdul, EnricaDetragiache, and ThierryTressel. 2008. “A New Database of Financial Reforms.”IMF Working Paper 08/266, International Monetary Fund, Washington, DC.

    Acemoglu, Daron, SimonJohnson, and James A.Robinson. 2001. “The Colonial Origins of Comparative Development: An Empirical Investigation.”American Economic Review91 (5): 1369401.

    Acevedo, Sebastian. 2014. “Debt, Growth, and Natural Disasters: A Caribbean Trilogy.”IMF Working Paper 14/125, International Monetary Fund, Washington, DC.

    Acevedo, Sebastian. 2016. “Gone with the Wind: Estimating Hurricane and Climate Change Costs in the Caribbean.”IMF Working Paper 16/199, International Monetary Fund, Washington, DC.

    Altug, Sumru, and Robert A.Miller. 1998. “The Effect of Work Experience on Female Wages and Labour Supply.”Review of Economic Studies65 (1): 4585.

    Andersen, Thomas Barnebeck, Carl-JohanDalgaard, and PabloSelaya. 2016. “Climate and the Emergence of Global Income Differences.”Review of Economic Studies83 (4): 133463.

    Anthoff, David, and RichardTol. 2010. “FUND–Climate Framework for Uncertainty, Negotiation and Distribution.”https://yosemite.epa.gov/ee/epa/eerm.nsf/vwAN/EE-0564-101.pdf/$file/EE-0564-101.pdf.

    Ashraf, Quamrul, and SteliosMichalopoulos. 2015. “Climatic Fluctuations and the Diffusion of Agriculture.”Review of Economics and Statistics97 (3): 589609.

    Auffhammer, Maximilian, Solomon M.Hsiang, WolframSchlenker, and AdamSobel. 2011. “Global Climate Models and Climate Data: A User Guide for Economists.” Unpublished.

    Baez, Javier, GermanCaruso, ValerieMueller, and ChiyuNiu. 2017. “Heat Exposure and Youth Migration in Central America and the Caribbean.”American Economic Review: Papers and Proceedings107 (5): 44650.

    Bakkensen, Laura, and LintBarrage. 2016. “Do Disasters Affect Growth? A Macro Model-Based Perspective on the Empirical Debate.”Working Paper, Department of Economics, Brown University, Providence, RI.

    Barreca, Alan I.2012. “Climate Change, Humidity, and Mortality in the United States.”Journal of Environmental Economics and Management63 (1): 1934.

    Barreca, Alan I., KarenClay, OlivierDeschênes, MichaelGreenstone, and JosephShapiro. 2016. “Adapting to Climate Change: The Remarkable Decline in the US Temperature-Mortality Relationship over the 20th Century.”Journal of Political Economy124 (1): 10559.

    Barrios, Salvador, LuisitoBertinelli, and EricStrobl. 2006. “Climatic Change and Rural-Urban Migration: The Case of Sub-Saharan Africa.”Journal of Urban Economics60 (3): 35771.

    Barrios, Salvador, LuisitoBertinelli, and EricStrobl, LuisitoBertinelli, and EricStrobl. 2010. “Trends in Rainfall and Economic Growth in Africa: A Neglected Cause of the African Growth Tragedy.”Review of Economics and Statistics32 (2): 35066.

    Barrios, Salvador, OuattaraBazoumana, and EricStrobl. 2008. “The Impact of Climatic Change on Agricultural Production: Is It Different for Africa?”Food Policy33: 28798.

    Baum, Anja, AndrewHodge, AikoMineshima, MarialuzMoreno Badia, and RenéTapsoba. 2017. “Can They Do It All? Fiscal Space in Low-Income Countries.”IMF Working Paper 17/110, International Monetary Fund, Washington, DC.

    Beaton, Kimberly, SvetlanaCerovic, MisaelGaldamez, MetodijHadzi-Vaskov, FranzLoyola, ZsókaKóczán, BogdanLissovolik, JanKees Martijn, YuliaUstyugova, and JoyceWong. 2017. “Migration and Remittances in Latin America and the Caribbean: Engines of Growth and Macroeconomic Stabilizers?”IMF Working Paper 17/144, International Monetary Fund, Washington, DC.

    Bertinelli, Luisito, and EricStrobl. 2013. “Quantifying the Local Economic Growth Impact of Hurricane Strikes: An Analysis from Outer Space for the Caribbean.”Journal of Applied Meteorology and Climatology52: 168897.

    Black, Richard, Stephen R. G.Bennett, Sandy M.Thomas, and John R.Beddington. 2011. “Migration as Adaptation.”Nature478: 44749.

    Bluedorn, John, AkosValentinyi, and MichaelVlassopoulos. 2009. “The Long-Lived Effects of Historic Climate on the Wealth of Nations.”CEPR Discussion Paper 7572, Centre for Economic Policy Research, London.

    Bohra-Mishra, Pratikshya, MichaelOppenheimer, and Solomon M.Hsiang. 2014. “Nonlinear Permanent Migration Response to Climatic Variations but Minimal Response to Disasters.”Proceedings of the National Academy of Sciences111 (27): 978085.

    Boustan, Leah P., Matthew E.Kahn, and Paul W.Rhode. 2012. “Moving to Higher Ground: Migration Response to Natural Disasters in the Early Twentieth Century.”American Economic Review: Papers and Proceedings102 (3): 23844.

    Breckner, Miriam, FlorianEnglmaier, TillStowasser, and UweSunde. 2016. “Economic Development and Resilience to Natural Catastrophes—Insurance Penetration and Institutions.” Unpublished.

    Bryan, Gharad, ShyamalChowdhury, and Ahmed M.Mobarak. 2014. “Underinvestment in a Profitable Technology: The Case of Seasonal Migration in Bangladesh.”Econometrica82 (5): 1671748.

    Buckley, Brendan M., Kevin J.Anchukaitis, DanielPenny, RolandFletcher, Edward R.Cook, MasakiSano, Le CanhNam, AroonrutWichienkeeo, Ton ThatMinh, and TruongMai Hong.2010. “Climate as a Contributing Factor in the Demise of Angkor, Cambodia.”Proceedings of the National Academy of Sciences107 (15): 674852.

    Buffie, Edward, AndrewBerg, CatherinePattillo, RafaelPortillo, and Luis-FelipeZanna. 2012. “Public Investment, Growth, and Debt Sustainability: Putting Together the Pieces.”IMF Working Paper 12/144, International Monetary Fund, Washington, DC.

    Büntgen, Ulf, WillyTegel, KurtNicolussi, MichaelMcCormick, DavidFrank, ValerieTrouet, Jed O.Kaplan, FranzHerzig, Karl-UweHeussner, HeinzWanner, JürgLuterbacher, and JanEsper. 2011. “2500 Years of European Climate Variability and Human Susceptibility.”Science331 (6017): 57882.

    Burgess, Robin, OlivierDeschênes, DaveDonaldson, and MichaelGreenstone. 2014. “The Unequal Effects of Weather and Climate Change: Evidence from Mortality in India.” Unpublished. www.lse.ac.uk/economics/people/facultyPersonalPages/facultyFiles/RobinBurgess/UnequalEffectsOfWeatherAndClimateChange140514.pdf.

    Burke, Marshall, and KyleEmerick. 2016. “Adaptation to Climate Change: Evidence from US Agriculture.”American Economic Journal: Economic Policy8 (3): 10640.

    Burke, Marshall, Solomon M.Hsiang, and EdwardMiguel. 2015a. “Global Non-Linear Effect of Temperature on Economic Production.”Nature527: 23539.

    Burke, Marshall, Solomon M.Hsiang, and EdwardMiguel. 2015b. “Climate and Conflict.”Annual Review of Economics7: 577617.

    Burke, Paul J., and AndrewLeigh. 2010. “Do Output Contractions Trigger Democratic Change?”American Economic Journal: Macroeconomics2 (4): 12457.

    Cabezon, Ezequiel, LeniHunter, PatriziaTumbarello, KazuakiWashimi, and YigunWu. 2015. “Enhancing Macroeconomic Resilience to Natural Disasters and Climate Change in the Small States of the Pacific.”IMF Working Paper 15/125, International Monetary Fund, Washington, DC.

    Calderón, César, EnriqueMoral-Benito, and LuisServén. 2015. “Is Infrastructure Capital Productive? A Dynamic Heterogeneous Approach.”Journal of Applied Econometrics30 (2): 17798.

    Carleton, Tamma A.2017. “Crop-Damaging Temperatures Increase Suicide Rates in India.”Proceedings of the National Academy of Sciences114 (33): 874651.

    Carleton, Tamma A., and Solomon M.Hsiang. 2016. “Social and Economic Impacts of Climate.”Science353 (6304).

    Cashin, Paul, KamiarMohaddes, and MehdiRaissi. 2017. “Fair Weather or Foul? The Macroeconomic Effects of El Niño.”Journal of International Economics106: 3754.

    Cattaneo, Cristina, and GiovanniPeri. 2016. “The Migration Response to Increasing Temperatures.”Journal of Development Economics122: 12746.

    Cavallo, Edurardo, SebastianGaliani, IlanNoy, and JuanPantano. 2013. “Catastrophic Natural Disasters and Economic Growth.”Review of Economics and Statistics95 (5): 154961.

    Center for International Earth Science Information Network (CIESIN) Columbia University. 2016. Gridded Population of the World, Version 4 (GPWv4): Population Count. NASA Socioeconomic Data and Applications Center (SEDAC), Palisades, NY. http://dx.doi.org/10.7927/H4X63JVC. Accessed March 15, 2017.

    Center for International Earth Science Information Network (CIESIN) Columbia University, United Nations Food and Agriculture Programme (FAO), and Centro Internacional de Agricultura Tropical (CIAT). 2005. Gridded Population of the World, Version 3 (GPWv3): Population Count Grid. NASA Socioeconomic Data and Applications Center (SEDAC), Palisades, NY. http://dx.doi.org/10.7927/H4639MPP. Accessed March 15, 2017.

    Chamberlain, Gary. 1980. “Analysis of Covariance with Qualitative Data.”Review of Economic Studies47: 22538.

    Chaney, Eric. 2013. “Revolt on the Nile: Economic Shocks, Religion, and Political Power.”Econometrica81: 203353.

    Chen, Chen, IanNoble, JessicaHellmann, JoyceCoffee, MartinMurillo, and NiteshChawla. 2015. University of Notre Dame Global Adaptation Index. Country Index Technical Report.

    Chen, Joyce J., ValerieMueller, YuanyuanJia, and StevenKuo-Hsin Tseng. 2017. “Validating Migration Responses to Flooding Using Satellite and Vital Registration Data.”American Economic Review: Papers and Proceedings107 (5): 44145.

    Cole, Shawn, GautamBastian, SangitaVyas, CarinaWendel, and DanielStein. 2012. “The Effectiveness of Index-Based Micro-Insurance in Helping Smallholders Manage Weather-Related Risks.”London: Evidence for Policy and Practice Information and Co-ordinating (EPPI) Centre, Social Science Research Unit, Institute of Education, University of London.

    Cole, Shawn, XavierGine, JeremyTobacman, PetiaTopalova, RobertTownsend, and JamesVickery. 2013. “Barriers to Household Risk Management: Evidence from India.”American Economic Journal: Applied Economics5: 10435.

    Colmer, Jonathan. 2016. “Weather Labor Reallocation and Industrial Production: Evidence from India.” Unpublished, Massachusetts Institute of Technology, Cambridge, MA.

    Cook, John, DanaNuccitelli, Sarah A.Green, MarkRichardson, BärbelWinkler, RobPainting, RobertWay, PeterJacobs, and AndrewSkuce. 2013. “Quantifying the Consensus on Anthropogenic Global Warming in the Scientific Literature.”Environmental Research Letters8 (2).

    Cook, John, NaomiOreskes, Peter T.Doran, WilliamAnderegg, BartVerheggen, Ed W.Maibach, J. StuartCarlton, StephanLewandowsky, Andrew G.Skuce, Sarah A.Green, DanaNuccitelli, PeterJacobs, MarkRichardson, BärbelWinkler, RobPainting, and KenRice. 2016. “Consensus on Consensus: A Synthesis of Consensus Estimates on Human-Caused Global Warming.”Environmental Research Letters11 (4).

    Cooper, Gail. 2002. “Air-Conditioning America: Engineers and the Controlled Environment, 1900–1960.”Johns Hopkins Studies in the History of Technology. Baltimore, MD: Johns Hopkins University Press.

    Costinot, Arnaud, DaveDonaldson, and CorySmith. 2016. “Evolving Comparative Advantage and the Impact of Climate Change in Agricultural Markets: Evidence from 1.7 Million Fields around the World.”Journal of Political Economy124 (1): 20548.

    Cullen, H., P. B.deMenocal, S.Hemming, G.Hemming, F. H.Brown, T.Guilderson, and F.Sirocko. 2000. “Climate Change and the Collapse of the Akkadian Empire: Evidence from the Deep Sea.”Geology28 (4): 37982.

    Dell, Melissa, Benjamin F.Jones, and Benjamin A.Olken. 2012. “Temperature Shocks and Economic Growth: Evidence from the Last Half Century.”American Economic Journal: Macroeconomics4 (3): 6695.

    Dell, Melissa, Benjamin F.Jones, and Benjamin A.Olken. 2014. “What Do We Learn from the Weather? The New Climate–Economy Literature.”Journal of Economic Literature52 (3): 74098.

    Deryugina, Tatyana. 2011. “The Role of Transfer Payments in Mitigating Shocks: Evidence from the Impact of Hurricanes.”Munich Personal RePEc Archive (MPRA) Paper 53307, Munich.

    Deryugina, Tatyana, and Solomon M.Hsiang. 2014. “Does the Environment Still Matter? Daily Temperature and Income in the United States.”NBER Working Paper 20750, National Bureau of Economic Research, Cambridge, MA.

    Deschênes, Olivier. 2012. “Temperature, Human Health and Adaptation: A Review of the Empirical Literature.”NBER Working Paper 18345, National Bureau of Economic Research, Cambridge, MA.

    Deschênes, Olivier, and MichaelGreenstone. 2011. “Climate Change, Mortality, and Adaptation: Evidence from Annual Fluctuations in Weather in the US.”American Economic Journal: Applied Economics3 (4): 15285.

    Fankhauser, Samuel, and RichardTol. 2005. “On Climate Change and Economic Growth.”Resource and Energy Economics27: 117.

    Farid, Mai, MichaelKeen, MichaelPapaioannou, IanParry, CatherinePattillo, and AnnaTer-Martirosyan. 2016. “After Paris: Fiscal, Macroeconomic, and Financial Implications of Climate Change.”IMF Staff Discussion Note 16/01, International Monetary Fund, Washington, DC.

    Felbermayr, Gabriel, and JasminGröschl. 2014. “Naturally Negative: The Growth Effects of Natural Disasters.”Journal of Development Economics111: 92106.

    Feng, Shuaizhang, Alan B.Krueger, and MichaelOppenheimer. 2010. “Linkages among Climate Change, Crop Yields, and Mexico–US Cross-Border Migration.”Proceedings of the National Academy of Sciences107 (32): 1425762.

    Feng, Shuaizhang, MichaelOppenheimer, and WolframSchlenker. 2012. “Climate Change, Crop Yields, and Internal Migration in the United States.”NBER Working Paper 17734, National Bureau of Economic Research, Cambridge, MA.

    Fenske, James, and NamrataKala. 2015. “Climate and the Slave Trade.”Journal of Development Economics112: 1932.

    Fomby, Thomas, YukiIkeda, and NormanLoayza. 2013. “The Growth Aftermath of Natural Disasters.”Journal of Applied Econometrics28 (3): 41234.

    Foster, Vivien, and CeciliaBriceno-Garmendia. 2010. Africa’s Infrastructure: A Time for Transformation. Africa Development Forum. Washington, DC: World Bank. https://openknowledge.worldbank.org/handle/10986/2692.

    Galor, Oded. 2011. Unified Growth Theory.Princeton, NJ: Princeton University Press.

    Garg, Teevrat, MaulikJagnani, and VizTaraz. 2017. “Human Capital Costs of Climate Change: Evidence from Test Scores in India.” Unpublished.

    Gennaioli, Nicola, RafaelLa Porta, Florencio LopezDe Silanes, and AndreiShleifer. 2014. “Growth in Regions.”Journal of Economic Growth19 (3): 259309.

    Gerling, Kerstin. Forthcoming. “The Macro-Fiscal Aftermath of Weather-Related Disasters in Developing Asia: Do Loss Dimensions Matter?”IMF Working Paper, International Monetary Fund, Washington, DC.

    Gerling, Kerstin, Maria MorenoBadia, and PriscillaToffano. Forthcoming. “A Primer on the Macro-Fiscal Impact of Natural Disasters.”IMF Working Paper, International Monetary Fund, Washington, DC.

    Graff Zivin, J. S., Solomon M.Hsiang, and Matthew J.Neidell. 2015. “Temperature and Human Capital in the Short- and Long-Run.”NBER Working Paper 21157, National Bureau of Economic Research, Cambridge, MA.

    Graff Zivin, J. S., and Matthew J.Neidell. 2014. “Temperature and the Allocation of Time: Implications for Climate Change.”Journal of Labor Economics32 (1): 126.

    Gray, Clark L., and ValerieMueller. 2012a. “Drought and Population Mobility in Rural Ethiopia.”World Development40 (1): 13445.

    Gray, Clark L., and ValerieMueller. 2012b. “Natural Disasters and Population Mobility in Bangladesh.”Proceedings of the National Academy of Sciences109 (16): 600005.

    Guha-Sapir, Debarati, ReginaBelow, and PhilippeHoyois. 2015. “EM-DAT: The CRED/OFDA International Disaster Database.”Université Catholique de Louvain, Brussels, Belgium. www.emdat.be.

    Guo, Y., A.Gasparrini, B.Armstrong, S.Li, B.Tawatsupa, A.Tobias, E.Lavigne, M. de Sousa ZanottiStagliorio Coelho, M.Leone, X.Pan, S.Tong, L.Tian, H.Kim, M.Hashizume, Y.Honda, YLGuo, CFWu, K.Punnasiri, SMYi, P.Michelozzi, PHSaldiva, and G.Williams. 2014. “Global Variation in the Effects of Ambient Temperature on Mortality: A Systematic Evaluation.”Epidemiology25 (6): 78189.

    Hallegatte, Stéphane. 2009. “Strategies to Adapt to an Uncertain Climate Change.”Global Environmental Change19 (2): 24047.

    Hallegatte, Stéphane, MookBangalore, LauraBonzanigo, MarianneFay, TamaroKane, UlfNarloch, JulieRozenberg, DavidTreguer, and AdrienVogt-Schilb. 2016. “Shock Waves: Managing the Impacts of Climate Change on Poverty.”Climate Change and Development Series. Washington, DC: World Bank.

    Hallegatte, Stéphane, Jean-CharlesHourcade, PatriceDumas. 2007. “Why Economic Dynamics Matter in Assessing Climate Change Damages: Illustration on Extreme Events.”Ecological Economics62: 33040.

    Hallegatte, Stéphane, FranckLecocq, and Christiande Perthuis. 2011. “Designing Climate Change Adaptation Policies: An Economic Framework.”Policy Research Working Paper 5568, World Bank, Washington, DC.

    Hallegatte, Stéphane, and JulieRozenberg. 2017. “Climate Change through a Poverty Lens.”Nature Climate Change4: 25056.

    Hauer, Mathew E., Jason M.Evans, and Deepak R.Mishra. 2016. “Millions Projected to Be at Risk from Sea-Level Rise in the Continental United States.”Nature Climate Change6: 69195.

    Haug, Gerald H., DetlefGünther, Larry C.Peterson, Daniel M.Sigman, Konrad A.Hughen, and BeatAeschlimann. 2003. “Climate and the Collapse of Maya Civilization.”Science299 (5613): 173135.

    Heal, Geoffrey, and JisungPark. 2016. “Temperature Stress and the Direct Impact of Climate Change: A Review of an Emerging Literature.”Review of Environmental Economics and Policy10 (2): 34762.

    Hong, Harrison, FrankLi, and JiangminXu. 2016. “Climate Risks and Market Efficiency.”NBER Working Paper 22890, National Bureau of Economic Research, Cambridge, MA.

    Hope, Chris. 2011. “The PAGE09 Integrated Assessment Model: A Technical Description.”Cambridge Judge Business School Working Papers 4/11.

    Hornbeck, Richard. 2012. “The Enduring Impact of the American Dust Bowl: Short- and Long-Run Adjustments to Environmental Catastrophe.”American Economic Review102 (4): 1477507.

    Hornbeck, Richard, and SureshNaidu. 2014. “When the Levee Breaks: Black Migration and Economic Development in the American South.”American Economic Review104 (3): 96390.

    Hsiang, Solomon M.2016. “Climate Econometrics.”Annual Review of Resource Economics8: 4375.

    Hsiang, Solomon M., and AmirJina. 2014. “The Causal Effect of Environmental Catastrophe on Long-Run Economic Growth: Evidence from 6,700 Cyclones.”NBER Working Paper 20352, National Bureau of Economic Research, Cambridge, MA.

    Hsiang, Solomon M., and DaijuNarita. 2012. “Adaptation to Cyclone Risk: Evidence from the Global Cross-Section.”Climate Change Economics3 (2).

    Hulten, Charles R.1996. “Infrastructure Capital and Economic Growth: How Well You Use It May Be More Important Than How Much You Have.”NBER Working Paper 5847, National Bureau of Economic Research, Cambridge, MA.

    Ilzetzki, Ethan, Carmen M.Reinhart, and Kenneth S.Rogoff. 2008. “Exchange Rate Arrangements Entering the 21st Century: Which Anchor Will Hold?”NBER Working Paper 23134, National Bureau of Economic Research, Cambridge, MA.

    Intergovernmental Panel on Climate Change (IPCC). 2013. “Climate Change 2013: The Physical Science Basis.”Summary for Policymakers. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY: Cambridge University Press.

    Intergovernmental Panel on Climate Change (IPCC). 2014. “Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects.”Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY: Cambridge University Press.

    International Monetary Fund (IMF). 2015. “Macroeconomic Developments and Prospects in Low-Income Developing Countries.”Policy Paper, Washington, DC.

    International Monetary Fund (IMF). 2016a. “Enhancing Resilience to Natural Disasters in Sub-Saharan Africa.” In Regional Economic Outlook: Sub-Saharan Africa.Washington DC, October.

    International Monetary Fund (IMF). 2016b. “Small States’ Resilience to Natural Disasters and Climate Change: Role for the IMF.”Board Paper, Washington, DC.

    International Monetary Fund (IMF). 2017. “Seychelles: Climate Change Policy Assessment.”IMF Country Report 17/162, Washington, DC.

    Jennings, Steve. 2011. “Time’s Bitter Flood: Trends in the Number of Reported Natural Disasters.”Oxfam Policy and Practice: Climate Change and Resilience7 (1): 11547.

    Jordà, Òscar. 2005. “Estimation and Inference of Impulse Responses by Local Projections.”American Economic Review95 (1): 16182.

    Kahn, Matthew. 2005. “The Death Toll from Natural Disasters: The Role of Income, Geography and Institutions.”Review of Economics and Statistics87 (2): 27184.

    Karlan, Dean S., RobertOsei, IsaacOsei-Akoto, and ChristopherUdry. 2014. “Agricultural Decisions after Relaxing Credit and Risk Constraints.”Quarterly Journal of Economics129 (2): 597652.

    Kelley, Colin P., ShahrzadMohtadi, Mark A.Cane, RichardSeager, and YochananKushnir. 2015. “Climate Change in the Fertile Crescent and Implications of the Recent Syrian Drought.”Proceedings of the National Academy of Sciences112 (11): 324146.

    Kim, Nam Kyu. 2014. “Revisiting Economic Shocks and Coups.”Journal of Conflict Resolution60: 331.

    Klein Goldewijk, Kees, ArthurBeusen, JonathanDoelman, and ElkeStehfest. 2016. “New Anthropogenic Land Use Estimates for the Holocene; HYDE 3.2.”Earth System Science Data.

    Knapp, Kenneth, ScottApplequist, HowardDiamond, JamesKossin, MichaelKruk, and CarlSchreck. 2010. NCDC International Best Track Archive for Climate Stewardship (IBTrACS) Project, Version 3. Revision 09. NOAA, National Centers for Environmental Information.

    Knapp, Kenneth, MichaelKruk, DavidLevinson, HowardDiamond, and CharlesNeumann. 2010. “The International Best Track Archive for Climate Stewardship (IBTrACS): Unifying Tropical Cyclone Best Track Data.”Bulletin of the American Meteorological Society91: 36376.

    Knutson, Thomas, JohnMcBride, JohnnyChan, KerryEmanuel, GregHolland, ChrisLandsea, IsaacHeld, JamesKossin, A.Srivastava, and MasatoSugi. 2010. “Tropical Cyclones and Climate Change.”Nature Geoscience3: 15763.

    Knutson, Thomas, and RobertTuleya. 2004. “Impact of CO2-Induced Warming on Simulated Hurricane Intensity and Precipitation: Sensitivity to the Choice of Climate Model and Convective Parameterization.”Journal of Climate17: 347795.

    Kudamatsu, Masayuki, TorstenPersson, and DavidStrömberg. 2012. “Weather and Infant Mortality in Africa.”CEPR Discussion Paper 9222, Centre for Economic Policy Research, London.

    Landsea, Christopher. 2004. “Hurricane FAQ: Why Do Tropical Cyclones Require 80°F (26.5°C) Ocean Temperatures to Form?”NOAA, Hurricane Research Division of the Atlantic Oceanographic and Meteorological Laboratory, Miami, FL. http://www.aoml.noaa.gov/hrd/tcfaq/A16.html.

    Lane, Philip R., and GianMaria Milesi-Ferretti. 2017. “International Financial Integration in the Aftermath of the Global Financial Crisis.”IMF Working Paper 17/115, International Monetary Fund, Washington, DC.

    Lanzafame, Matteo. 2014. “Temperature, Rainfall, and Economic Growth in Africa.”Empirical Economics46 (1): 118.

    Lee, Minsoo, Mai LinVillaruel, and RaymondGaspar. 2016. “Effects of Temperature Shocks on Economic Growth and Welfare in Asia.”ADB Economics Working Paper 501, Asian Development Bank, Mandaluyong City, Philippines.

    Lee, Tien Ming, Ezra M.Markowitz, Peter D.Howe, Chia-YingKo, and Anthony A.Leiserowitz. 2015. “Predictors of Public Climate Change Awareness and Risk Perception around the World.”Nature Climate Change5: 101420.

    Lemoine, Derek. 2017. “Expect above Average Temperatures: Identifying the Economic Impact of Climate Change.”NBER Working Paper 23549, National Bureau of Economic Research, Cambridge, MA.

    Lloyd’s. 2012. Global Underinsurance Report.London: October2012.

    Lobell, David B., WolframSchlenker, and JustinCosta-Roberts. 2011. “Climate Trends and Global Crop Production since 1980.”Science333 (6042): 61620.

    Marchiori, Luca, Jean-FrancoisMaystadt, and IngmarSchumacher. 2012. “The Impact of Weather Anomalies on Migration in Sub-Saharan Africa.”Journal of Environmental Economics and Management63 (3): 35574.

    Marcott, Shaun A., Jeremy D.Shakun, Peter U.Clark, and Alan C.Mix. 2013. “A Reconstruction of Regional and Global Temperature for the Past 11,300 Years.”Science339 (6124): 1198201.

    Margulis, Sergio, and UrvashiNarain. 2010. The Costs to Developing Countries of Adapting to Climate Change: New Methods and Estimates–The Global Report of the Economics of Adaptation to Climate Change Study.Washington: World Bank.

    Matsuura, Kenji, and Cort J.Willmott. 2007. “Terrestrial Air Temperature: 1900–2006 Gridded Monthly Time Series (Version 1.01) 2009.”http://climate.geog.udel.edu/~climate/html_pages/Global2_Ts_2009/README.global_t_ts_2009.html.

    McDermott, Thomas K. J., FrankBarry, and Richard S. J.Tol. 2013. “Disasters and Development: Natural Disasters, Credit Constraints, and Economic Growth.”Oxford Economic Papers66 (3): 75073.

    Mueller, Valerie, ClarkGray, and KatrinaKosec. 2014. “Heat Stress Increases Long-Term Human Migration in Rural Pakistan.”Nature Climate Change4: 18285.

    Munshi, Kaivan. 2003. “Networks in the Modern Economy: Mexican Migrants in the US Labor Market.”Quarterly Journal of Economics118 (2): 54999.

    National Oceanic and Atmospheric Administration (NOAA). 2017a. “Climate at a Glance: Global Time Series.”National Centers for Environmental Information, NOAA, Department of Commerce, Washington, DC. http://www.ncdc.noaa.gov/cag/.

    National Oceanic and Atmospheric Administration (NOAA). 2017b. “Tropical Cyclone Climatology.”National Hurricane Center, NOAA, Department of Commerce, Washington, DC. http://www.nhc.noaa.gov/climo/.

    Ngai, L. Rachel, and Christopher A.Pissarides. 2007. “Structural Change in a Multi-Sector Model of Growth.”American Economic Review97 (1): 42943.

    Nordhaus, William D.2010. “Economic Aspects of Global Warming in a Post-Copenhagen Environment.”Proceedings of the National Academy of Sciences107 (26): 1172126.

    Nordhaus, William D., and AndrewMoffat. 2017. “A Survey of Global Impacts of Climate Change: Replication, Survey Methods and a Statistical Analysis.”NBER Working Paper 23646, National Bureau of Economic Research, Cambridge, MA.

    Nordhaus, William D., and PaulSztorc. 2013. “DICE 2013R: Introduction and User’s Manual.”www.dicemodel.net.

    Noy, Ilan. 2009. “The Macroeconomic Consequences of Disasters.”Journal of Development Economics88 (2): 22131.

    Nunn, Nathan. 2008. “The Long-Term Effects of Africa’s Slave Trades.”Quarterly Journal of Economics123 (1): 13976.

    Nunn, Nathan. 2014. “Historical Development.” In Handbook of Economic Growth (2), edited by PhilippeAghion and StevenDurlauf (ed), 347402. Amsterdam: North-Holland.

    Organisation for Economic Co-operation and Development (OECD). 2015a. Climate Change Risks and Adaptation: Linking Policy and Economics.Paris: OECD Publishing.

    Organisation for Economic Co-operation and Development (OECD). 2015b. “Climate Finance in 2013–14 and the USD 100 Billion Goal.”A report by the OECD in collaboration with Climate Policy Initiative, Paris.

    Özden, Çaglar, ChristopherParsons, MauriceSchiff, and Terrie L.Walmsley. 2011. “Where on Earth Is Everybody? The Evolution of Global Bilateral Migration, 1960–2000.”World Bank Economic Review25 (1): 1256.

    Park, Jisung. 2016. “Will We Adapt? Temperature Shocks, Labor Productivity, and Adaptation to Climate Change in the United States.” Unpublished. Harvard University, Cambridge, MA.

    Park, Jisung. 2017. “Heat Stress and Human Capital Production.” Unpublished, Harvard University, Cambridge, MA.

    Parry, Ian W. H., Ruudde Mooij, and MichaelKeen. 2012. Fiscal Policy to Mitigate Climate Change: A Guide for Policymakers.Washington, DC: International Monetary Fund.

    Parry, Ian W. H., AdeleMorris, and RobertonWilliams, editors. 2015. Implementing a US Carbon Tax: Challenges and Debates.London: Routledge.

    Parry, Ian W. H., VictorMylonas, and NateVernon. 2017. “Reforming Energy Policy in India: Assessing the Options.”IMF Working Paper 17/103, International Monetary Fund, Washington, DC.

    Parry, Ian W. H., BaopingShang, PhilippeWingender, NateVernon, and TarunNarasimhan. 2016. “Climate Mitigation in China: Which Policies Are Most Effective?”IMF Working Paper 16/148, International Monetary Fund, Washington, DC.

    Peng, Wei, and AlanFeng. Forthcoming. “Underreacting to Climate Shocks: Evidence from Global Stock Markets.”

    Porter, Catherine, and EmilyWhite. 2016. “Potential for Application of a Probabilistic Catastrophe Risk Modelling Framework to Poverty Outcomes: General Form Vulnerability Functions Relating Household Poverty Outcomes to Hazard Intensity in Ethiopia.”Policy Research Working Paper 7717, World Bank, Washington, DC.

    Pritchett, Lant. 2000. “The Tyranny of Concepts: CUDIE (Cumulated, Depreciated, Investment Effort) Is Not Capital.”Journal of Economic Growth5 (4): 36184.

    Quinn, Dennis P.1997. “The Correlates of Change in International Financial Regulation.”American Political Science Review91 (3): 53151.

    Quinn, Dennis P., and A. MariaToyoda. 2008. “Does Capital Account Liberalization Lead to Growth?”Review of Financial Studies21 (3): 140349.

    Raddatz, Claudio. 2009. “The Wrath of God: Macroeconomic Costs of Natural Disasters.”Policy Research Working Paper 5039, World Bank, Washington, DC.

    Ramcharan, Rodney. 2009. “Does the Exchange Rate Regime Matter for Real Shocks? Evidence from Windstorms and Earthquakes.”Journal of International Economics73 (1): 3147.

    Reinhart, Carmen, and Kenneth S.Rogoff. 2004. “The Modern History of Exchange Rate Arrangements: A Reinterpretation.”Quarterly Journal of Economics119 (1): 148.

    Roston, Eric, and BlackiMigliozzi. 2015. “What’s Really Warming the World?”Bloomberg Business Week,June24.

    Schlenker, Wolfram, and David B.Lobell. 2010. “Robust Negative Impacts of Climate Change on African Agriculture.”Environmental Research Letters5 (1).

    Schlenker, Wolfram, and Michael J.Roberts. 2009. “Nonlinear Temperature Effects Indicate Severe Damages to US Crop Yields under Climate Change.”Proceedings of the National Academy of Sciences106 (37): 1559498.

    Schmidt-Traub, Guido. 2015. “Investment Needs to Achieve the Sustainable Development Goals.”SDSN Working Paper, United Nations, New York.

    Seppänen, Olli, William J.Fisk, and DavidFaulkner. 2003. “Cost Benefit Analysis of the Night-Time Ventilative Cooling in Office Building.”Lawrence Berkeley National Laboratory, Berkeley, CA.

    Seppänen, Olli, William J.Fisk, and Q. H.Lei. 2006. “Room Temperature and Productivity in Office Work.”LBNL-60952. Lawrence Berkeley National Laboratory, Berkeley, CA.

    Shakun, Jeremy D., Peter U.Clark, FengHe, Shaun A.Marcott, Alan C.Mix, ZhengyuLiu, BetteOtto-Bliesner, AndreasSchmittner, and EdouardBard. 2012. “Global Warming Preceded by Increasing Carbon Dioxide Concentrations during the Last Deglaciation.”Nature484: 4954.

    Somanathan, E., RohiniSomanathan, AnantSudarshan, and MeenuTewari. 2017. “The Impact of Temperature on Productivity and Labor Supply: Evidence from Indian Manufacturing.” Unpublished.

    Stern, Nicholas Herbert. 2007. The Economics of Climate Change: The Stern Review.Cambridge University Press.

    Stern, Nicholas Herbert. 2015. Why Are We Waiting? The Logic, Urgency, and Promise of Tackling Climate Change.Cambridge, MA: MIT Press.

    Stock, James H., and Mark W.Watson. 2007. “Why Has US Inflation Become Harder to Forecast?”Journal of Money, Credit and Banking39 (S1): 333.

    Strobl, Eric. 2012. “The Economic Growth Impact of Natural Disasters in Developing Countries: Evidence from Hurricane Strikes in the Central American and Caribbean Regions.”Journal of Development Economics97 (1): 13041.

    Teulings, Coen N., and NikolayZubanov. 2014. “Is Economic Recovery a Myth? Robust Estimation of Impulse Responses.”Journal of Applied Econometrics29 (3): 497514.

    Thomas, Vinod, and RamonLopez. 2015. “Global Increase in Climate-Related Disasters.”ADB Economics Working Paper 466, Asian Development Bank, Manila.

    Timmer, Marcel P., Gaaitzen deVries, and Klaasde Vries. 2015. “Patterns of Structural Change in Developing Countries.” In Routledge Handbook of Industry and Development, edited by John Weiss and Michael Tribe, 6583. London: Routledge.

    Tol, Richard S.2009. “The Economic Effects of Climate Change.”Journal of Economic Perspectives23 (2): 2951.

    Tol, Richard S.2014. “Correction and Update: The Economic Effects of Climate Change.”Journal of Economic Perspectives28 (November): 22126.

    United Nations Environment Programme (UNEP). 2016. The Adaptation Finance Gap Report 2016.United National Environment Programme (UNEP), Nairobi, Kenya.

    Usery, E. Lynn, JinmuChoi, and Michael P.Finn. 2007. “Modeling Sea-Level Rise Effects on Population Using Global Elevation and Land-Cover Data.”US Geological Survey, Center of Excellence for Geospatial Information Science (CEGIS) Working Paper.

    Usery, E. Lynn, JinmuChoi, and Michael P.Finn. 2009. “Modeling Sea-Level Rise and Surge in Low-Lying Urban Areas Using Spatial Data, Geographic Information Systems, and Animation Methods.” In Geospatial Techniques in Urban Hazard and Disaster Analysis, edited by PamelaShowalter and YongmeiLu (ed), 1130. Dordrecht: Springer.

    Von Peter, Goetz, Sebastian V.Dahlen, and SwetaSaxena. 2012. “Unmitigated Disasters? New Evidence on the Macroeconomic Cost of Natural Catastrophes.”BIS Working Paper 394, Bank for International Settlements, Basel.

    Wang, Sun Ling, EldonBall, RichardNehring, RyanWilliams, and TruongChau. 2017. “Impacts of Climate Change and Extreme Weather on US Agricultural Productivity.”NBER Working Paper 23533, National Bureau of Economic Research, Cambridge, MA.

    Wargocki, Pawel, and David P.Wyon. 2007. “The Effects of Moderately Raised Classroom Temperatures and Classroom Ventilation Rate on the Performance of Schoolwork by Children (RP-1257).”HVAC&R Research13 (2): 193220.

    Weitzman, Martin. 2011. “Fat-Tailed Uncertainty in the Economics of Catastrophic Climate Change.”Review of Environmental Economics and Policy5 (2): 27592.

    World Bank. 2013. Turn Down the Heat: Climate Extremes, Regional Impacts, and the Case for Resilience. A report for the World Bank by the Potsdam Institute for Climate Impact Research and Climate Analytics. Washington, DC: World Bank.

    World Bank, Ecofys, Vivid Economics. 2016. State and Trends of Carbon Pricing 2016.Washington, DC: World Bank.

Los principales autores de este capítulo son Sebastián Acevedo, Mico Mrkaic, Natalija Novta, Marcos Poplawski-Ribeiro, Evgenia Pugacheva y Petia Topalova (autora principal), quienes contaron con la colaboración de Manoj Atolia, Claudio Baccianti y Ricardo Marto, y la asistencia de Gavin Asdorian, Marina Klasnja, Olivia Ma, Fien Analbers Ribeiro, Jilun Xing y Yuan Zeng. Edward Miguel, Benjamin Olken y Stéphane Hallegatte aportaron sus comentarios y sugerencias.

El clima es la distribución de las condiciones meteorológicas en un lugar determinado, en tanto que las condiciones meteorológicas constituyen el resultado de esa distribución. El cambio climático normalmente denota cambios en la distribución, y posiblemente una probabilidad más alta de que ocurran fenómenos extremos. Como razona Weitzman (2011), una mayor probabilidad de que se produzcan daños potencialmente irreversibles y catastróficos justifica la adopción de medidas de política decididas para estabilizar la concentración de gases de efecto invernadero en la atmósfera (“mitigación del cambio climático”) y adaptarse al cambio.

Dell, Jones y Olken (2014), Carleton y Hsiang (2016) y Heal y Park (2016) pasan revista a las publicaciones más recientes sobre el clima, examinando el impacto de las fluctuaciones meteorológicas en una amplia gama de variables económicas.

Dell, Jones y Olken (2014), Carleton y Hsiang (2016), Hsiang (2016) y Lemoine (2017) examinan las condiciones bajo las cuales las estimaciones empíricas del efecto de los shocks meteorológicos basadas en datos históricos pueden contribuir a entender las consecuencias del cambio climático.

Por ejemplo, la variabilidad anual natural de la temperatura observada en el pasado en países situados en el trópico es alrededor de 0,5°C. El incremento previsto de la temperatura en esos países entre 2005 y 2100 en el marco hipotético de cambio climático extremo no mitigado es de 4,1°C, o sea, más de 8,5 veces mayor que la variabilidad natural actual, lo cual supone un régimen climático totalmente nuevo (véase también Banco Mundial, 2013).

Existen numerosos estudios sobre el impacto macroeconómico de los desastres naturales (por ejemplo, Noy, 2009; Cavallo et al., 2013; Acevedo, 2014; Felbermayr y Gröschl, 2014; Cabezón et al., 2015; FMI, 2016a; FMI, 2016b; Gerling, de próxima publicación, y Gerling, Moreno Badia y Toffano, de próxima publicación). El capítulo se centra en los indicadores directos de las condiciones meteorológicas pues los datos sobre desastres naturales podrían tener problemas de declaración y medición. Los errores de medición pueden presentar un problema especial en los países de bajo ingreso, que normalmente tienen menos capacidad para evaluar, registrar y notificar con precisión los daños (Jennings, 2011).

Los tres gases de efecto invernadero más importantes (que son gases regulados en el marco del Protocolo de Kioto) son el dióxido de carbono (CO2), el metano (CH4) y el óxido nitroso (N2O). De estos, el CO2 ha contribuido más que el resto al calentamiento global.

Las tendencias de las precipitaciones son menos patentes en general (gráfico 3.3, paneles 2, 4 y 6). En cierta medida, las precipitaciones han aumentado en el Hemisferio Norte desde la década de 1950. En los países en desarrollo de bajo ingreso se ha reducido, en promedio, desde la década de 1970.

En su análisis de 12.000 documentos científicos revisados por colegas, Cook et al. (2013) observan que el 97% de los estudios en que se adopta una posición sobre las causas del calentamiento global coinciden en que este es influido por factores de origen humano. Véase Cook et al. (2016).

El Acuerdo de París tiene por finalidad contener el aumento de la temperatura a menos de 2°C (idealmente, a menos de 1,5°C) en relación con el promedio del período preindustrial. Para lograr esto sería necesario adoptar otras medidas de política que no están contempladas en el escenario TCR 4.5. En ese escenario se presta creciente atención al medio ambiente. Las emisiones de CO2 alcanzan su punto máximo alrededor de 2050 y luego se reducen, con un consiguiente aumento de la temperatura de 1,8°C en el período de 2081–2100 en relación con el de 1986–2005 (un margen probable de 1,1°C a 2,6°C y una posibilidad mayor al 50% de un incremento superior a 2°C para 2100). En el escenario TCR 8.5 las emisiones de CO2 siguen aumentando durante el resto del siglo XXI.

En este escenario, el aumento promedio de la temperatura ponderado por la población entre 2005 y 2100 en los países incluidos en la muestra es de 4,4°C, en tanto que en un país situado en la mediana de la muestra el aumento es de 4,5°C.

En la Base de datos de Desastres Internacionales (EM-DAT) un desastre natural se describe como un fenómeno que cumple con al menos una de las siguientes condiciones: se declara la muerte de 10 o más personas, se declara que 100 o más personas han sido afectadas, se declara estado de emergencia o se formula un llamamiento para el suministro de asistencia internacional (Guha-Sapir, Below y Hoyois, 2015).

Si no se toma en cuenta el tamaño del país, los países en desarrollo de bajo ingreso y los Estados pequeños tienen, respectivamente, 5 y 200 veces más probabilidades que el resto del mundo de ser afectados por un desastre natural de índole meteorológica.

La probabilidad de cada tipo de desastre (inundación, ciclón tropical, etc.) se estima usando un modelo logit con datos de panel y efectos fijos de país, en que la temperatura y las precipitaciones son las principales variables explicativas. En el análisis se amplía Thomas y López (2015) modelando por separado cada tipo de desastre y usando datos mensuales en lugar de anuales. Para una descripción más detallada, véase el anexo 3.2.

Los científicos prevén que en un planeta con clima más cálido disminuirá la frecuencia de los ciclones tropicales, si bien aumentará su fuerza e intensidad (Knutson et al., 2010). Esto podría traducirse en más desastres naturales causados por ciclones tropicales más intensos, a pesar de la menor frecuencia de los temporales.

La temperatura y las precipitaciones anuales se obtienen agregando datos meteorológicos de nivel de cuadrícula a los datos de nivel de país, usando la población de cada cuadrícula como factores de ponderación para explicar las diferencias en la densidad de población en el país y registrar las condiciones meteorológicas promedio experimentadas por una persona en ese país (véanse los anexos 3.1 y 3.3). El enfoque empírico consiste en una regresión del crecimiento actual y futuro del producto en función de la temperatura y las precipitaciones, y los valores al cuadrado para estimar una función impulso-respuesta en diversos horizontes, tomando en cuenta los efectos fijos en el país, los efectos fijos año-región, los rezagos y adelantos de los shocks meteorológicos, y el crecimiento rezagado. Para un análisis más detallado, véase el anexo 3.3.

La conclusión es robusta, entre otras cosas, cuando 1) se usan otras fuentes de datos meteorológicos básicos de nivel de cuadrícula, 2) se agregan datos meteorológicos de nivel de cuadrícula a los promedios de países con ponderaciones de población de distintas décadas, 3) la estimación se realiza con una especificación distributiva autorregresiva rezagada, en lugar de un método de pronóstico local, 4) se usan tendencias temporales lineales y cuadráticas específicas de un país en lugar de los efectos fijos año-región, y 5) se neutraliza la posibilidad de un desastre natural. No se observa una relación constantemente significativa entre las precipitaciones y el crecimiento del PIB per cápita, si bien se muestra que las precipitaciones tienen un efecto en la producción agrícola (cuadros del anexo 3.3.1 y 3.3.2).

Incluso si los efectos en el PIB global en estos países son insignificantes, esto podría ocultar importantes beneficios o pérdidas, y algunos sectores podrían requerir fuertes inversiones para hacer frente al incremento de la temperatura, el aumento del nivel del mar u otros desastres más dañinos. Por lo demás, el análisis se centra en los efectos macroeconómicos de un conjunto limitado de características meteorológicas; a saber, la temperatura y las precipitaciones. El impacto negativo de otros aspectos del clima, como un aumento del nivel del mar o los fenómenos meteorológicos extremos, podría ser menos desigual entre los miembros de grupos generales de ingreso, como se demuestra en el recuadro 3.1, en que se documentan pérdidas similares del producto debido a los ciclones tropicales en economías avanzadas y economías de mercados emergentes. En las estimaciones no se consideran los posibles efectos de contagio en las economías avanzadas de los conflictos sociales, hambrunas, epidemias y otros efectos de los shocks meteorológicos difíciles de predecir en las economías vulnerables. Además, en el escenario de emisiones no mitigadas de CO2, la mayoría de las economías avanzadas cruzan el umbral de temperatura y comienzan a sufrir los efectos del aumento de la temperatura en el producto (gráfico del anexo 3.6.1).

Existen también importantes diferencias en los efectos estimados del aumento de la temperatura dentro de cada grupo general de países, debido a las amplias diferencias de la temperatura promedio entre los distintos países (gráfico 3.7, paneles 1, 3, y 5; gráfico 3.8).

La persistencia de los efectos estimados podría deberse a que los shocks de temperatura son relativamente persistentes. El análisis de regresión de series temporales univariadas demuestra que los shocks de temperatura decrecen con lentitud, sobre todo en localidades relativamente cálidas. Un incremento de 1°C de la temperatura anual produce temperaturas considerablemente más altas en el curso de los siguientes ocho años.

Dell, Jones y Olken (2012) y Burke, Hsiang y Miguel (2015a) sostienen que existe un efecto en el crecimiento, si bien es difícil determinar con precisión el mecanismo de transmisión mediante el cual los shocks meteorológicos afectan persistentemente al crecimiento económico.

Véase Dell, Jones y Olken (2014), Carleton y Hsiang (2016) y Heal y Park (2016) para un análisis de esos estudios. Los shocks meteorológicos también pueden afectar indirectamente a la actividad económica a través de su impacto en otros mercados. Véase Cashin, Mohaddes y Raissi (2017) para un análisis de la transmisión internacional de los efectos macroeconómicos de El Niño con un enfoque dinámico multinacional.

Véanse, entre otros, Barrios, Bazoumana y Strobl (2010), Barrios, Bertinelli y Strobl (2006), Feng, Krueger y Oppenheimer (2010), Schlenker y Lobell (2010), Lobell, Schlenker y Costa-Roberts (2011) y Lanzafame (2014), que proveen datos de mercados emergentes y economías en desarrollo. Schlenker y Roberts (2009), Burke y Emerick (2016) y Wang et al. (2017) proveen datos de Estados Unidos. A diferencia del producto per cápita, el valor agregado agrícola y la producción de cultivos son afectados por las precipitaciones, además de los shocks de temperatura, y un aumento de las precipitaciones generalmente da un impulso a la producción. Véase el cuadro del anexo 3.3.2.

Seppänen, Fisk y Faulkner (2003), en base a una encuesta de experimentos de laboratorio, notifican una pérdida de productividad de alrededor del 2% por cada incremento de 1°C cuando la temperatura supera los 25°C. Véase también Seppänen, Fisk y Lei (2006) para un metaanálisis de la bibliografía, Deryugina y Hsiang (2014) para datos de Estados Unidos, y Somanathan et al. (2017) para datos recientes sobre productividad de la mano de obra en India. El estrés térmico puede reducir también la función cognitiva, como se ha observado en el desempeño de estudiantes (Wargocki y Wyon, 2007; Graff Zivin, Hsiang y Neidell, 2015; Garg, Jagnani y Taraz, 2017; Park, 2017).

El análisis se basa en Graff Zivin y Neidell (2014) y en la identificación de industrias con exposición al calor del National Institute for Occupational Safety and Health. Estas industrias incluyen la agricultura, la silvicultura, la pesca y la caza, la construcción, la minería, el transporte y los servicios públicos, además de la manufactura en instalaciones sin climatización en países de bajo ingreso cuyos procedimientos de producción frecuentemente generan mucho calor.

Burke, Hsiang y Miguel (2015b) examinan publicaciones en que el clima se vincula con los conflictos. También se ha establecido una relación entre la deposición de gobernantes y las fluctuaciones climáticas (Burke y Leigh, 2010; Dell, Jones y Olken, 2012; Chaney, 2013; Kim, 2014), y varios casos históricos de colapso social han sido convincentemente atribuidos al cambio climático (Cullen et al., 2000; Haug et al., 2003; Buckley et al., 2010; Büntgen et al., 2011).

La inversión podría contraerse como efecto de los shocks de temperatura pues se reducen los recursos para inversión y la rentabilidad del capital; además, el shock negativo temporal en el ingreso aumenta el costo de financiar la inversión en un contexto de mercados de capital imperfectos (véase, por ejemplo, Fankhauser y Tol, 2005). Cuando el acceso a los sistemas oficiales de ahorro, crédito o seguros es limitado, los hogares podrían vender activos productivos para suavizar el consumo al producirse shocks meteorológicos.

El efecto negativo de los shocks de temperatura en la inversión agregada es coherente con los datos recopilados mediante estudios de los hogares, que indican que los shocks meteorológicos pueden contener o incluso invertir el ritmo de acumulación de capital si los hogares tratan de suavizar el consumo o estiman que la inversión es demasiado riesgosa (Hallegatte et al., 2016).

Deschênes (2012) y Guo et al. (2014) repasan exhaustivamente la bibliografía sobre el vínculo entre la temperatura, la salud y la mortalidad. Véanse, por ejemplo, Deschênes y Greenstone (2011), Barreca (2012) y Barreca et al. (2016) para datos de Estados Unidos; Kudamatsu, Persson y Strömberg (2012) para datos de un subgrupo de países africanos, y Burgess et al. (2014) para datos de India. Carleton (2017) describe un incremento significativo de las tasas de suicidio cuando el aumento de la temperatura pone en peligro la producción agrícola en India. Deryugina y Hsiang (2014), Graff Zivin y Neidell (2014), Park (2016) y Somanathan et al. (2017) observan un efecto directo del aumento de la temperatura en la oferta y la productividad de la mano de obra.

Los estudios demuestran que existen grandes diferencias en la capacidad de cada sector para adaptarse a un shock meteorológico determinado. Por ejemplo, Hsiang y Narita (2012) y Hsiang y Jina (2014) advierten que los países más frecuentemente expuestos a ciclones tropicales sufren menos daños, lo cual parece indicar que han aprendido cómo hacer frente a estos fenómenos extremos. La mortalidad causada por altas temperaturas se ha reducido considerablemente gracias a la introducción del aire acondicionado en Estados Unidos (Barreca et al., 2016). No obstante, existe poca constancia de una reducción en el nivel de vulnerabilidad de la producción agrícola (Burke y Emerick, 2016) o la producción total (Dell, Jones y Olken, 2012; Deryugina y Hsiang 2014; Burke, Hsiang y Miguel 2015a) frente a las fluctuaciones de temperatura.

La clasificación de políticas presentada en el gráfico 3.12 es bastante general. Un mayor acceso al financiamiento puede ayudar a los agricultores a cubrir sus necesidades de consumo cuando los aumentos de temperatura dañan los cultivos y a invertir en tecnologías necesarias para evitar futuros daños (por ejemplo, semilla resistente al calor).

Véanse Hallegatte (2009); Hallegatte, Lecocq y de Perthuis (2011); IPCC (2014); Cabezón et al. (2015); OCDE (2015a); Farid et al. (2016); Hallegatte et al. (2016); FMI (2016a), y FMI (2016b) para un análisis exhaustivo de diversas estrategias de adaptación al cambio climático.

Concretamente, la especificación estimada complementa la ecuación (3.2) al incorporar un término de interacción entre el shock climático y la variable de política. Para simplificar, la muestra se limita a países con una temperatura promedio superior a 15°C, en que un aumento de la temperatura tiene un impacto negativo lineal estadísticamente significativo en la actividad económica. Véase el anexo 3.3 para una descripción más detallada.

Véanse Kahn (2005); Noy (2009); McDermott, Barry y Tol (2013); Burgess et al. (2014), y Felbermayr y Gröshl (2014) para un análisis de la importancia del desarrollo financiero, y Von Peter, Dahlen y Saxena (2012); Breckner et al. (2016), y Lee, Villaruel y Gaspar (2016) para un análisis de la penetración de seguros. Kahn (2005); Noy (2009), y Felbermayr y Gröschl (2014) presentan datos sobre el papel que desempeñan las instituciones, y Ramcharan (2009) examina la importancia de los tipos de cambio para reducir el daño producido por fenómenos meteorológicos extremos y desastres naturales.

Dos estudios destacan de manera convincente la importancia de la reubicación sectorial como estrategia para aliviar las pérdidas de producción debidas al cambio climático. Costinot, Donaldson y Smith (2016), al cuantificar los efectos del cambio climático en los mercados agrícolas usando microdatos de 1,7 millones de terrenos en todo el mundo, advierten que las pérdidas de bienestar serían tres veces mayores si los agricultores no pudieran modificar la producción para adaptarse a las cambiantes condiciones climáticas o aprovechar las ventajas comparativas. En un estudio empírico, Colmer (2016) demuestra que el traspaso de los trabajadores agrícolas al sector de manufacturas en India puede contrarrestar apreciablemente las pérdidas económicas agregadas asociadas con los cambios en la productividad agrícola debidos al clima.

La temperatura promedio anual en los estados de Maine y Texas es de 7°C y 21°C, respectivamente.

La falta de datos impide identificar con exactitud los mecanismos a través de los cuales el desarrollo atenúa el vínculo entre las condiciones meteorológicas y los resultados económicos globales. En las economías avanzadas, la actividad económica en zonas cálidas podría estar más protegida frente a los shocks de temperatura dado que los hogares expuestos a esos shocks tienen mejor acceso a mecanismos de mitigación ex post (por ejemplo, la protección social) o han disminuido su vulnerabilidad frente a los shocks mediante estrategias de adaptación ex ante (por ejemplo, la diversificación de actividades, el uso de aire acondicionado, etc.).

La falta de comprensión y certidumbre sobre los riesgos causados por la lenta evolución de las condiciones climáticas (Lee et al., 2015) y el suministro de asistencia oficial en zonas expuestas a desastres naturales podrían explicar también por qué el comportamiento se modifica muy poco (Baez et al., 2017).

Véanse Gray y Mueller (2012b) para datos de Bangladesh; Boustan, Kahn y Rhode (2012); Feng, Oppenheimer y Schlenker (2012); Hornbeck (2012), y Hornbeck y Naidu (2014), entre otros, para datos de Estados Unidos. Por su parte, Deryugina (2011) no observa reacciones entre la población durante los 10 años siguientes a un huracán en Estados Unidos, pero describe un fuerte incremento de los pagos de transferencias del gobierno.

Por ejemplo, Munshi (2003) observa que el número de migrantes de México a Estados Unidos aumenta cuando las precipitaciones son menores en una determinada comunidad mexicana, una situación también confirmada por Feng, Krueger y Oppenheimer (2010). Entre otros países, se dispone de información específica sobre Etiopía (Gray y Mueller, 2012a), Indonesia (Bohra-Mishra, Oppenheimer y Hsiang, 2014), Pakistán (Mueller, Gray y Kosec, 2014) y Siria (Kelley et al., 2015). Barrios, Bertinelli y Strobl (2006) y Marchiori, Maystadt y Schumacher (2012) proveen información sobre varios países de África subsahariana.

En el análisis, que se centra en una muestra de países con temperatura promedio anual de al menos 15°C (como en la sección titulada “Importancia de las políticas e instituciones nacionales: Datos empíricos”), se establece una relación entre la proporción de emigrantes y la temperatura y las precipitaciones medias del país, además de la frecuencia de los desastres naturales en un período de 10 años, neutralizando las características del país que no varían en el tiempo y los shocks globales y regionales ocurridos en la década. Véase el anexo 3.4 para una descripción más detallada.

Si bien las estimaciones varían, el consenso general es que se necesitarán miles de millones de dólares al año para cubrir las necesidades de adaptación en las economías en desarrollo (Margulis y Narain, 2010; PNUMA, 2016). En el Acuerdo de París se reitera y amplía el compromiso de las economías desarrolladas de movilizar conjuntamente USD 100.000 millones al año para 2020. Se insta firmemente a las economías avanzadas a que amplíen su gestión mediante la formulación de un plan concreto para cumplir este objetivo y se espera que, para 2025, fijen una nueva meta colectiva y cuantificada con un nivel mínimo anual de USD 100.000 millones (Farid et al., 2016).

El FMI, en colaboración con el Banco Mundial, concluyó su primera evaluación de políticas sobre cambio climático (para las Seychelles) en junio de 2017 (FMI, 2017).

Para una descripción detallada del modelo, véanse Buffie et al. (2012) y el anexo 3.5.

Los tres IAM más conocidos son el modelo dinámico integrado de clima y economía (DICE, por su sigla en inglés), el modelo del marco climático de incertidumbre, negociación y distribución y el modelo de análisis de política del efecto invernadero. RICE es un modelo DICE que incluye regiones, y AD-DICE es una variante de DICE que incluye la adaptación. Anthoff y Tol (2010), Hope (2011) y Nordhaus y Sztorc (2013) describen este modelo. En general, los actuales IAM no ofrecen suficientes detalles geográficos, y no distinguen entre economías con diferentes niveles de ingreso y temperaturas promedio. Además, incluyen diversos ciclos de retroalimentación sobre emisiones, crecimiento y clima que son menos relevantes en el caso de los países de bajo ingreso y, en general, no son adecuados para analizar problemas sectoriales o la transformación económica estructural.

En particular, TFPt+1TFPt=β11(Tt+1Tt)+2β21(Tt+1Tt)Tt+ΔTFPt*, en que ΔTFPt* es la tasa de crecimiento de la PTF sin cambios climáticos, que hipotéticamente es del 2,8% de acuerdo con el pronóstico de crecimiento a mediano plazo de los países de bajo ingreso elaborado por el informe WEO. β11 y β21 son los coeficientes estimados de los valores de temperatura lineales y cuadrados en la ecuación (3.2), como se indica en la columna 5 del cuadro del anexo 3.3.1, modificado para igualarlo a la reducción del PIB usada en el modelo cuando la temperatura aumenta en 1°C, y Tt es la temperatura anual media en un país de bajo ingreso en la mediana en el momento t, cuando la temperatura inicial es de 25°C.

En general, estos resultados coinciden con otras estimaciones basadas en modelos del impacto del cambio climático, como lo muestra Tol (2009). Véanse Tol (2014) y Nordhaus y Moffat (2017) para una reseña de las estimaciones de los daños producidos por el cambio climático en todo el mundo.

La elaboración de intervalos de confianza se describe en el anexo 3.5. Estos intervalos no explican las variaciones estocásticas meteorológicas ni los fenómenos extremos.

Como en Nordhaus (2010), se da por supuesto que la tasa de interés real es de 4,25%, con una tasa de descuento ajustada al crecimiento de 1,4%. La tasa de descuento más extrema de 0,1%, propuesta por Stern (2007), aumentaría el valor presente del daño en un orden de magnitud.

Burke, Hsiang y Miguel (2015a) estiman que los daños causados por el cambio climático en los países de clima cálido serían mucho mayores. En su modelo el aumento de temperatura, más que en el nivel del producto, tiene un efecto persistente en la tasa de crecimiento. Si los shocks meteorológicos perjudican el avance de la productividad mediante sus efectos en las instituciones, la innovación o la acumulación de capital humano, pueden surgir efectos permanentes en el crecimiento. Varios estudios demuestran que ciertos efectos de los shocks meteorológicos podrían afectar al crecimiento de la productividad (por ejemplo, la relación entre las condiciones meteorológicas y los conflictos o las condiciones meteorológicas y el logro educativo), aunque es difícil establecer empíricamente cuánto tiempo dura el daño producido por esos shocks.

Por añadidura, los efectos negativos de las cambiantes condiciones climáticas en el bienestar probablemente superarán las pérdidas de producto. Una temperatura incómoda por lo elevada puede estimular la inversión en la medida que los hogares se adaptan, pero el aumento de la actividad económica podría no mejorar el bienestar.

Dada la gran dimensión temporal de la muestra (cada país cuenta con alrededor de 300 observaciones), se prefiere una especificación de modelo logit con datos de panel a los modelos logit condicionales, dado que permite estimar efectos previstos y marginales teniendo en cuenta efectos fijos de país. Los resultados son robustos al empleo de modelos de regresión de logit condicional desarrollados por Chamberlain (1980) para evitar el problema de parámetros incidentales que pueden surgir al estimar efectos fijos con una pequeña muestra temporal.

Para explorar en mayor grado la robustez de estos resultados, las variables meteorológicas fueron transformadas empleando logaritmos naturales o normalizadas restando la media del país y dividiendo por la desviación estándar del país. La disponibilidad de datos sobre PIB per cápita subnacional y temperatura y precipitaciones promedio anuales permite estimar la misma regresión a nivel subnacional empleando efectos fijos de provincia. Las principales conclusiones se mantienen con las tres especificaciones: hay una relación no lineal entre la temperatura y el desempeño económico (resultados disponibles a solicitud).

Según Graff Zivin y Neidell (2014), que utilizan las definiciones del Instituto Nacional de Seguridad y Salud Ocupacional, las industrias expuestas al calor incluyen la agricultura, silvicultura, pesca y caza, construcción, minería, transporte y servicios públicos, así como también la industria manufacturera, dado que las instalaciones pueden no contar con climatizadores en países de bajo ingreso y los procesos productivos a menudo generan considerable calor.

Si desea, puede solicitar los resultados de una especificación alternativa en la que las variables de política se utilizan en sus formas continuas en lugar de transformarse en indicadores.

La década de 2010 incluye datos hasta 2015.

Siguiendo a Dell, Jones y Olken (2012), la especificación solo incluye efectos fijos como controles, dado que otros posibles controles, tales como el tamaño de la población o el contexto sociopolítico, pueden verse afectados en sí por la productividad agrícola —un canal fundamental mediante el que los shocks meteorológicos pueden influir en la emigración— y potencialmente generar un sesgo en la estimación introduciendo un problema de control excesivo. La única excepción es una variable ficticia de guerras (véase Beaton et al., 2017), que se incluye en algunas de las especificaciones y confirma la robustez de las conclusiones.

El flujo de emigrantes como proporción de la población en países no clasificados como de bajo ingreso en esta muestra es 2,5%, en promedio, con una desviación estándar de 8,1 puntos porcentuales. En el caso de los países de bajo ingreso, estas estadísticas son 0,6% y 2,2 puntos porcentuales, respectivamente.

Los resultados (no presentados aquí, pero disponibles a solicitud) son robustos al empleo de otros valores de reemplazo de países de bajo ingreso, tales como variables ficticias que identifican a los países en el cuartil inferior de la distribución promedio del PIB per cápita de la muestra de países durante la totalidad del período analizado.

No es posible emplear de modo directo estimaciones del daño al PIB, dado que el PIB es endógeno.

Aquí, los intervalos de confianza de 5%–95% de los aumentos de temperatura son 1,2°C a 2,8°C y 2,8°C a 5,1°C para las TCR 4.5 y 8.5, respectivamente.

Muchas medidas de adaptación tienen índole de bienes públicos; por lo tanto, las empresas se benefician del gasto sectorial total en protección.

    Other Resources Citing This Publication