Energías renovables y analytics

Abstract

El propósito de este trabajo es estudiar la relación existente entre la inversión en energías renovables y el desempleo partiendo de una premisa inicial según la cual, como apuntan diversos trabajos como el de Khobai et al (2020: 170), “renewable energy consumption has a negative and significant effect on unemployment in the long-run”. Para ello, se ha recurrido a la aplicación de las técnicas de clustering de series temporales, una técnica con un amplio campo de aplicación pero que no se estudia a lo largo del grado en Analytics. Se procede al estudio de la viabilidad de las inversiones en energías renovables como posible solución efectiva y sostenible ante la elevada tasa de desempleo mundial. Tras realizar la extracción y limpieza del dataset, mediante el uso de las técnicas de aprendizaje no supervisado, se ha procedido al tratamiento de los datos en dos fases diferenciadas. La primera consistió en el estudio del mix eléctrico de un total de 124 países, considerando el porcentaje del mismo que corresponde a energías renovables, en el periodo 2000 – 2017. Mediante un análisis clúster de series temporales, se identificaron grupos homogéneos de países. A continuación, estos grupos se han puesto en relación con las tasas de desempleo en cada área geográfica en cuestión, y los resultados obtenidos indican que no existen diferencias significativas entre los distintos clústeres. La principal limitación de este trabajo es el hecho de no haber controlado todos los numerosos factores de confusión que pueden incidir en los niveles de desempleo de un país. No obstante, se trata de un estudio exploratorio: el objetivo último no es demostrar una relación causal, algo que requeriría un análisis mucho más complejo, sino, simplemente, evaluar la posible relación entre el peso de las energías renovables en el mix eléctrico y la tasa de desempleo.

The purpose of this paper is to study the relationship between investment in renewable energy and unemployment based on an initial premise according to which, as pointed out by various works such as that of Khobai et al (2020, 170), "renewable energy consumption has a negative and significant effect on unemployment in the long-run". In order to do this, time series clustering techniques, which is a technique with a wide field of application, but which is not studied throughout the degree in Analytics, has been used. The feasibility of investments in renewable energy is studied as a possible effective and sustainable solution to the high rate of global unemployment. After the extraction and cleaning of the dataset, using unsupervised learning techniques, the data has been processed in two distinct phases. The first of these consisted of the study of the electricity mix of a total of 124 countries, considering the percentage of it that corresponds to renewable energies, in the period 2000 - 2017. Using a time series cluster analysis, homogeneous groups of countries were identified. These groups have been linked to the unemployment rates in each corresponding geographical area, and the results show that there are no significant differences between the different clusters. According to this, all clusters have, on average, the same unemployment rate. The main limitation of this study is the fact that it does not control all the factors of confusion that have an impact on unemployment levels. However, it is an exploratory study: the ultimate objective is not to demonstrate a causal relationship, which would require a much more complex analysis, but to evaluate the possible relationship between the weight of renewable energies in the electricity mix and the unemployment rate, without considering other factors that undoubtedly affect the latter variable.