Jtl v05n01p08

Palavras-Chave: demanda aeroportuária, crescimento orgânico, Rio de Janeiro, econometria, investimentos.

Key words: airport demand, organic growth, Rio de Janeiro, econometrics, investments.

Recommended Citation

Abstract

This paper involves carrying out an airport demand study for the city of Rio de Janeiro with the aim to predict the organic

growth of passenger traffic for the year 2014. For this, tools of econometrics were used to develop predictive domestic and

international demand models and generate forecasts by analyzing different scenarios. Therefore, part of the goal is to create a

technical foundation to enable an analysis of airport capacity in Rio de Janeiro and contribute to decision making in the

allocation of investments in the airport sector.

Condé, M. (2011) Estudo e previsão de demanda aeroportuária para a cidade do Rio de Janeiro. Journal of Transport Literature,

vol. 5, n. 1, pp. 161-183.

Mayara Condé

Resumo

Este trabalho consiste na realização de um estudo de demanda aeroportuária para a cidade do Rio de Janeiro com o objetivo

de prever o crescimento orgânico do movimento de passageiros para o ano de 2014. Para isso, foram utilizadas ferramentas da

econometria para desenvolver modelos de previsão de demanda doméstica e internacional e gerar as previsões, analisando-se

diversos cenários. Assim, pretende-se criar uma fundamentação técnica para viabilizar a análise de capacidade dos aeroportos

do Rio de Janeiro e contribuir para a tomada de decisões na alocação de investimentos no setor aeroportuário.

This paper is downloadable at www.transport-literature.org/open-access.

■ JTL|RELIT is a fully electronic, peer-reviewed, open access, international journal focused on emerging transport markets and

published by BPTS - Brazilian Transport Planning Society. Website www.transport-literature.org. ISSN 2238-1031.

* Email: [email protected].

Reviews & Essays

Journal of Transport Literature

Submitted 9 Dec 2010; received in revised form 26 Dec 2010; accepted 26 Dec 2010

Vol. 5, n. 1, pp. 161-183, Jan. 2011

Estudo e previsão de demanda aeroportuária

para a cidade do Rio de Janeiro

[Study and airport demand forecast to the city of Rio de Janeiro]

Instituto Tecnológico de Aeronáutica (ITA), Brazil

B T P SB T P SB T P SB T P S

Brazilian Transportation Planning Society

www.transport-literature.org

JTL|RELITJTL|RELITJTL|RELITJTL|RELIT

ISSN 2238-1031

1. Introdução

Este trabalho consiste na realização de um estudo de demanda aeroportuária para a cidade do

Rio de Janeiro com o objetivo de prever o crescimento orgânico do movimento de passageiros

para o ano de 2014. Para isso, serão desenvolvidos modelos de previsão de demanda, tanto

doméstica quanto internacional, a partir de uma base de dados e com o auxílio de ferramentas

da econometria.

Recentemente, uma das principais preocupações nacionais é a questão da infraestrutura

aeroportuária. A maioria dos grandes aeroportos já estão visivelmente saturados e o

crescimento a altas taxas da demanda por transporte aéreo devido à evolução da economia

brasileira e, consequentemente, do PIB, faz com que surjam questionamentos sobre como

absorver esse crescimento. Além disso, eventos como a Copa de 2014 e as Olimpíadas de

2016 no Brasil incrementam a movimentação da aviação comercial e executiva, exigindo

ainda mais capacidade.

Nesse sentido, faz-se necessário desenvolver estudos de demanda aeroportuária para prever o

crescimento do transporte aéreo ano a ano, incluindo-se as variáveis relevantes e analisando-

se os diversos cenários de evolução das mesmas. Assim, podem-se avaliar os possíveis

gargalos de capacidade de maneira mais fundamentada, a fim de balizar a alocação de

investimentos no setor.

Com relação à questão da infraestrutura aeroportuária no Brasil, a cidade do Rio de Janeiro é

uma das únicas que não está em situação crítica, visto que seu aeroporto principal ainda conta

com capacidade ociosa. No entanto, vários questionamentos surgem a partir desta situação:

Até quando esta capacidade atende à demanda da região? Será que investimentos podem ser

adiados em detrimento de casos mais críticos? Assim, é possível notar a relevância desse

estudo no sentido de responder a tais perguntas.

O trabalho em questão está assim dividido: na Seção 2, faz-se a análise dos aeroportos do Rio

de Janeiro, com o levantamento de dados quantitativos e de malha aérea. Na Seção 3,

apresenta-se o estudo de demanda aeroportuária propriamente dito, contendo informações

sobre a base de dados, modelagem econométrica e previsão de demanda. E por fim, nas

Revista de Literatura dos Transportes, vol. 5, n. 1 (2011)

162

Conclusões, são mostradas as taxas previstas de crescimento orgânico do movimento

doméstico e internacional de passageiros, as quais indicam que o crescimento do transporte

aéreo doméstico aproxima-se a um cenário de triplicação em 20 anos e que a demanda

internacional é influenciada por fatores exógenos diversos, com flutuações mais acentuadas.

2. Análise dos aeroportos do Rio de Janeiro

A cidade do Rio de Janeiro conta com dois aeroportos principais para compor a sua

infraestrutura de transportes: o Aeroporto Santos-Dumont e o Aeroporto Internacional

Antonio Carlos Jobim (Galeão). O aeroporto Santos-Dumont mantém sua vocação de

aeroporto central, direcionado para voos de curta distância no segmento doméstico. Por sua

vez, o Galeão, localizado na Ilha do Governador, possui fundamental importância para o

desenvolvimento dos negócios e do turismo, não só na cidade do Rio de Janeiro, como

também em todo o Brasil, já que representa um dos principais pontos de entrada no país.

2.1 Características dos aeroportos

Com o suporte da infraestrutura aeroportuária fluminense, eventos internacionais importantes,

tais como a ECO-92 e os Jogos Pan-Americanos, puderam se concretizar, revelando, assim, o

papel essencial que o Galeão desempenha na inserção do Brasil no mundo globalizado. Mais

recentemente, a escolha da cidade do Rio de Janeiro para sediar futuros eventos como a Copa

do Mundo de 2014 e as Olimpíadas de 2016 reforçam ainda mais a importância deste

aeroporto como condicionante para o sucesso dos mesmos. No entanto, a capacidade de

proporcionar a intensificação de relações internacionais e a auto-afirmação do Brasil no

cenário global não é a única função do Galeão. Ele também é o principal responsável por

acompanhar a evolução econômica nacional e ser capaz de absorver a crescente demanda por

transporte aéreo, no que diz respeito ao segmento doméstico, na cidade do Rio.

Apesar de não atuar no cenário internacional, o aeroporto Santos-Dumont também possui

elevada importância para a cidade do Rio. Operando 24 horas por dia, com capacidade para

processar até 8,5 milhões de passageiros por ano segundo a INFRAERO (2010) e voltado para

as operações de curta distância, ele é o principal responsável pelo desenvolvimento dos

negócios no Centro-Sul do país, sobretudo entre os pólos Rio e São Paulo. Além disso,


163

absorve boa parte do movimento doméstico e possui acesso facilitado por estar localizado no

coração da cidade.

Inaugurado em 1936 na área central do Rio de Janeiro, o então Distrito Federal, o aeroporto

Santos-Dumont foi o primeiro aeroporto civil do país. Para atender a demanda crescente e

propiciar conforto aos usuários, obras de infraestrutura foram realizadas nas décadas

subseqüentes. Apesar da restauração rápida após o incêndio ocorrido em 1998, percebeu-se

que a capacidade do aeroporto estava superada e, assim, foi realizada uma grande reforma das

instalações e dos sistemas de pátios e pistas. Ainda, em 2004, os voos de média e longa

distância foram remanejados do aeroporto Santos-Dumont para o Galeão.

Já o aeroporto internacional do Rio de Janeiro começou sua atuação em 1924, com a

instalação da Escola de Aviação. No entanto, somente a partir de 1945 o Galeão foi declarado

oficialmente como aeroporto internacional, uma vez que as rotas internacionais passaram a ser

servidas por aviões de maior porte que precisavam de pistas em terra para realizar o pouso e a

decolagem. Apesar de o Galeão ter servido como campo de pouso para aviões internacionais

nos anos da Segunda Guerra Mundial e integrado a Base Aérea da Força Aérea Brasileira, o

acesso era feito apenas por meio de lancha e não existia um terminal de passageiros. Com o

crescimento acelerado da aviação comercial no Brasil, o aeroporto passou a ganhar cada vez

mais importância. Em 1992, o terminal 1 teve suas instalações reformadas e o terminal 2

começou a ser construído, sendo finalizado em 1999. Com suas capacidades somadas, o

Galeão passou a ser capaz de atender 15 milhões de passageiros ao ano, segundo a

INFRAERO (2010). Além disso, foi desenvolvida uma infraestrutura terrestre de acesso ao

aeroporto por todas as diferentes partes da cidade. Hoje, vias expressas importantes como a

Linha Vermelha, a Linha Amarela e a Avenida Brasil fazem a conexão do aeroporto com toda

a cidade do Rio.

No cenário brasileiro atual de infraestrutura aeroportuária, o Aeroporto Internacional Antonio

Carlos Jobim é um dos poucos que não está em situação crítica. Atualmente, ainda há

capacidade ociosa e as obras em andamento nos terminais 1 e 2 devem livrar o aeroporto de

problemas de congestionamento, pelo menos no curto prazo. A questão de sua privatização

ainda vem sendo estudada pelo governo federal. Por outro lado, o aeroporto Santos-Dumont

opera próximo à sua capacidade e suas condições físicas de expansão são precárias, uma vez


164

que está imerso em área urbana densamente povoada e a geografia é desfavorável. Além

disso, discussões sobre a restrição de suas operações são frequentes.

2.2 Os aeroportos em números

Através da análise da ferramenta HOTRAN disponibilizada pela ANAC (2010), foi possível

obter uma série de informações no que diz respeito à atuação dos aeroportos do Rio de Janeiro

nos cenários nacional e global. Um importante aspecto analisado em cada aeroporto foi a

participação das companhias aéreas na composição das ligações. No mercado do transporte

aéreo internacional, verificou-se que não há grande concentração. A TAM vem em primeiro

lugar com 32,7% de market share, seguida pela Varig, com participação de 14,3%. Já no

mercado do transporte aéreo doméstico, verificou-se elevada concentração, sobretudo no

aeroporto do Galeão, onde a Gol concentra 52,6% das rotas, enquanto a TAM apresenta

35,4% de participação, evidenciando o duopólio dessas duas empresas nesse aeroporto com

um market share de 88%. Apesar de concentrar apenas 8,6% das rotas no aeroporto do

Galeão, a empresa Webjet apresenta uma participação mais expressiva no aeroporto Santos-

Dumont, equivalente a 18,2% do mercado, contra 31,5% da TAM, 16,4% da Gol e 18,2% da

Azul.

2.2 Análise das malhas

A análise das malhas aéreas dos aeroportos do Rio de Janeiro também pode ser feita graças

aos dados disponibilizados pela ANAC (2010). Assim, verificou-se que o aeroporto Santos-

Dumont possui atuação mais restrita, com destinos domésticos concentrados nas regiões

Sudeste e Nordeste e poucas rotas direcionadas às regiões Centro-oeste e Sul. Por outro lado,

o Galeão possui atuação ampla no cenário doméstico, com destinos espalhados por todo o

território nacional. Com relação ao cenário internacional, o Galeão apresenta como destinos

principais a América do Norte e a Europa, apesar de possuir também destinos na África,

América Central e América do Sul. Os mapas das Figuras 1 e 2 mostram todas as ligações dos

aeroportos do Rio de Janeiro.


165

Figura 1 – Mapa com as ligações do aeroporto Santos-Dumont

Figura 2 – Mapa com as ligações do aeroporto Antonio Carlos Jobim (Galeão)


166

3. Estudo de demanda aeroportuária para a cidade do Rio de Janeiro

O estudo de demanda aeroportuária engloba a análise qualitativa e quantitativa da base de

dados, o desenvolvimento de modelos econométricos de demanda e a realização de previsões

segundo cenários diversificados.

3.1 Descrição e análise da base de dados

A base de dados histórica utilizada para o estudo foi obtida em uma fonte secundária, o BTD

(Brazilian Transportation Database) do LACTE (2010), a qual reúne dados disponibilizados

por instituições públicas e privadas no Brasil (Ministério dos Transportes, Ministério da

Defesa, Infraero, ANAC, ANTT). As séries utilizadas foram: movimento de aeronaves e

movimento de passageiros nos aeroportos Santos-Dumont e Galeão para os segmentos

doméstico e internacional, yield médio doméstico nominal, PIB nominal em reais, taxa de

inflação (IPCA) e taxa de câmbio real-dólar nominal no período de janeiro de 2003 a

dezembro de 2009, com periodicidade mensal.

Com o auxílio do software Stata e da metodologia proposta por Oliveira (2010), foi possível

obter estatísticas descritivas e gráficos, viabilizando a discussão qualitativa da série.

Através da Tabela 1, pode-se notar que o movimento doméstico médio de passageiros no

aeroporto Santos-Dumont é de 39,2% contra 60,8% no Galeão, evidenciando a maior atuação

desse último no cenário nacional.

Tabela 1 – Resumo das variáveis analisadas

Variable | Obs Mean Std. Dev. Min Max paxdomsbgl | 84 538926.3 208635.7 189009 958629 paxdomsbrj | 84 349124 94966.71 210529 666224 paxintsbgl | 84 188380.7 27829.49 138056 259813 movdomsbgl | 84 6446.94 1812.283 3363 9074 movdomsbrj | 84 6354.345 1338.614 3530 10891 movintsbgl | 84 2057.095 201.3045 1545 2501 paxdom | 84 888050.3 183427.3 615541 1478285 paxint | 84 188380.7 27829.49 138056 259813 movdom | 84 8411.44 1321.825 5574 13146 movint | 84 2057.095 201.3045 1545 2501 abslfdom | 84 107.3877 23.46803 66.44643 161.2666 abslfint | 84 91.54243 9.445172 62.83912 115.2164 yield | 84 .6536916 .1361319 .3757261 .8419544 gdp | 84 235136.9 27970.28 185325.2 293592.7 usd | 84 2.84152 .893984 1.695421 5.194012


167

Na Tabela 2, verifica-se o efeito do apagão aéreo tanto na movimentação doméstica de

passageiros quanto na movimentação internacional. Observa-se que houve redução na

movimentação de passageiros internacionais, porém a movimentação doméstica de

passageiros sofreu ligeiro aumento, o que contradiz o efeito maléfico do apagão no mercado

do transporte aéreo. Apesar disso, pode-se observar a diminuição da movimentação doméstica

de aeronaves, o que condiz com a situação da época.

Tabela 2 – Efeito do apagão aéreo de 2006/2007 no movimento de passageiros e aeronaves e no yield

-> dapagao = 0

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------

paxdom | 74 887384.4 194952.7 615541 1478285

movdom | 74 8544 1330.081 6408 13146

paxint | 74 189853.7 28287.07 138056 259813

movint | 74 2040.892 199.135 1545 2501

yield | 74 .6768201 .1229505 .4186129 .8419544

-> dapagao = 1


-------------+--------------------------------------------------------

paxdom | 10 892977.6 44510.23 804225 944209

movdom | 10 7430.5 741.7084 5574 8208

paxint | 10 177481 22414.67 144907 208691

movint | 10 2177 184.2257 1850 2400

yield | 10 .4825406 .1065142 .3757261 .7281457

Na Tabela 3, é possível observar claramente o efeito do codeshare Varig-TAM no período de

2003 a 2005 tanto no yield quanto no paxdom. Com o fim do codeshare e o início da guerra

de preços, verifica-se a redução do yield, ou seja, os preços cobrados pelas companhias aéreas

são menores e, em conseqüência, há aumento na demanda, comprovada pelo aumento do

movimento doméstico de passageiros.


168

Tabela 3 – Efeito do codeshare Varig-TAM (2003 a 2005) no movimento doméstico e no yield

-> dcshare_2 = 0


-------------+--------------------------------------------------------

paxdom | 58 969362.4 161289.5 641707 1478285

yield | 58 .6031437 .1317807 .3757261 .8419544

-> dcshare_2 = 1


-------------+--------------------------------------------------------

paxdom | 26 706661.7 53233.12 615541 823083

yield | 26 .7664524 .0527222 .6625296 .8313295

Tabela 4 – Matriz de correlações para o cenário doméstico

| paxdom movdom yield gdp usd dcshar~2 dapagao -------------+---------------------------------------------------------------

paxdom | 1.0000

movdom | 0.2453 1.0000

yield | -0.6485 -0.1493 1.0000

gdp | 0.8589 0.0858 -0.6227 1.0000

usd | -0.8150 0.1605 0.5968 -0.8908 1.0000

dcshare_2 | -0.6661 0.1539 0.5579 -0.6871 0.7757 1.0000

dapagao | 0.0099 -0.2744 -0.4649 0.1458 -0.1970 -0.2461 1.0000

Tabela 5 – Matriz de correlações para o cenário internacional

| paxdom movdom paxint movint gdp usd dcshar~2 dapagao -------------+------------------------------------------------------------------------

paxdom | 1.0000

movdom | 0.2453 1.0000

paxint | 0.4313 0.0985 1.0000

movint | 0.3858 -0.0078 0.6932 1.0000

gdp | 0.8589 0.0858 0.1432 0.2988 1.0000

usd | -0.8150 0.1605 -0.2033 -0.2791 -0.8908 1.0000

dcshare_2 | -0.6661 0.1539 -0.1060 -0.0923 -0.6871 0.7757 1.0000

dapagao | 0.0099 -0.2744 -0.1448 0.2203 0.1458 -0.1970 -0.2461 1.0000


169

As Tabelas 4 e 5 mostram a matriz de correlações para as variáveis estudadas. Observa-se que

o movimento doméstico de passageiros é negativamente correlacionado com o yield, com a

taxa de câmbio e com o codeshare, porém positivamente correlacionado com o PIB. Um fato

interessante é que o movimento internacional de passageiros é negativamente correlacionado

com a taxa de câmbio, mas a intensidade desta correlação é bem mais baixa do que àquela

entre movimento doméstico de passageiros e taxa de câmbio. Talvez isso possa ser explicado

pelo fato de o yield possuir uma correlação forte com a taxa de câmbio devido ao aumento dos

custos das companhias aéreas, o qual é repassado ao consumidor. As Figuras 3 e 4 mostram

essas correlações em forma de diagramas de dispersão.

PAXDOM

MOVDOM

yield

abslfdom

gdp

usd

500000

1000000

1500000

500000 1000000 1500000

5000

10000

15000

5000 10000 15000

.4

.6

.8

.4 .6 .8

50

100

150

50 100 150

200000

250000

300000

200000 250000 300000

2

4

6

2 4 6

Figura 3 – Correlações em forma de diagrama de dispersão para cenário doméstico


170

PAXINT

MOVINT

gdp

usd

150000

200000

250000

150000 200000 250000

1500

2000

2500

1500 2000 2500

200000

250000

300000

200000 250000 300000

2

4

6

2 4 6

Figura 4 – Correlações em forma de diagrama de dispersão para cenário internacional

Os gráficos das Figuras 5, 6, 7, 8 e 9 mostram o comportamento das variáveis em estudo no

período analisado. Observa-se que o movimento doméstico de passageiros possui tendência

de crescimento acelerado ao longo do período, diferentemente do movimento passageiros

internacionais, o qual é bastante variável, sem nenhuma tendência específica.

600

000

800

000

100

0000

120

0000

140

0000

PA

XD

OM

2002m1 2004m1 2006m1 2008m1 2010m1periodo

Figura 5 – Evolução do movimento doméstico de passageiros no Rio de Janeiro


171

150

000

200

000

250

000

PA

XIN

T

2002m1 2004m1 2006m1 2008m1 2010m1periodo

Figura 6 – Evolução do movimento internacional de passageiros no Rio de Janeiro

.4.5

.6.7

.8yi

eld

2002m1 2004m1 2006m1 2008m1 2010m1periodo

yield yield

Figura 7 – Evolução do yield

Através da Figura 7, percebe-se claramente o efeito de fatos históricos relevantes: o fim do

codeshare Varig-TAM em meados de 2005, a entrada da Gol e o início das guerras de preço

reduziram drasticamente o yield, o qual atingiu seu valor mínimo no ano de 2007,

evidenciando a grande redução no preço das passagens e a conseqüente popularização do

transporte aéreo.


172

1500

002

0000

02

5000

030

0000

gdp

2002m1 2004m1 2006m1 2008m1 2010m1periodo

gdp gdp

Figura 8 – Evolução do PIB

23

45

usd

2002m1 2004m1 2006m1 2008m1 2010m1periodo

usd usd

Figura 9 – Evolução da taxa de câmbio

Com relação às variáveis macroeconômicas, observa-se o crescimento do PIB e a redução da

taxa de câmbio, fruto da política econômica vigente no período. Pode-se verificar também o

efeito da crise financeira global de 2009 através do decaimento do PIB e do aumento da taxa

de câmbio nesse período.

As Figuras 10 e 11 mostram que a evolução do movimento doméstico de passageiros é

fortemente relacionada à evolução do PIB brasileiro, dado que as séries possuem linhas de

tendência muito semelhantes, e que as maiores taxas de crescimento do movimento doméstico

de passageiros ocorreram após as maiores reduções de yield.


173

.4.5

.6.7

.8yi

eld

6000

0080

0000

1000

000

1200

000

1400

000

PA

XD

OM

2002m1 2004m1 2006m1 2008m1 2010m1periodo...

PAXDOM yield

Figura 10 – Gráfico de comparação entre as evoluções do movimento doméstico de passageiros e do yield

1500

0020

0000

2500

0030

0000

gdp

6000

0080

0000

1000

000

1200

000

1400

000

PA

XD

OM

2002m1 2004m1 2006m1 2008m1 2010m1periodo...

PAXDOM gdp

Figura 11 - Gráfico de comparação entre as evoluções do movimento doméstico de passageiros e do PIB

Os gráficos apresentados nas Figuras 12 e 13 mostram o efeito da transferência dos voos de

média e longa distância do aeroporto Santos-Dumont para o Galeão ocorrido em 2004 através

da redução do movimento de passageiros domésticos naquele e o aumento neste. Pode-se

verificar também o aumento do paxdom no aeroporto Santos-Dumont a partir de 2009, com o

fim da portaria 187, devido à liberalização do mesmo para atender quaisquer tipos de

aeronave ou destino.


174

2000

0040

0000

6000

0080

0000

1000

000

PA

XD

OM

SB

GL

2002m1 2004m1 2006m1 2008m1 2010m1periodo

PAXDOMSBGL PAXDOMSBGL

Figura 12 – Evolução do movimento doméstico de passageiros no Galeão

2000

0030

0000

4000

0050

0000

6000

0070

0000

PA

XD

OM

SB

RJ

2002m1 2004m1 2006m1 2008m1 2010m1periodo

PAXDOMSBRJ PAXDOMSBRJ

Figura 13 – Evolução do movimento doméstico de passageiros no aeroporto Santos-Dumont


175

3.2 Estudo econométrico

A modelagem econométrica para realizar a previsão de demanda doméstica e internacional

para 2014 foi realizada de maneira cautelosa de forma a especificar um modelo que

representasse bem o processo gerador de dados. Foram utilizados modelos de regressão

múltipla para ambos os casos. Na modelagem da demanda doméstica, o logaritmo do

movimento doméstico de passageiros (paxdom) foi especificado como variável dependente e

os logaritmos do PIB (gdp) e do yield (métrica para preço de passagens) foram especificados

como variáveis independentes. Ainda, foram introduzidas as variáveis binárias dcshare_2 e

dapagao para controlar os efeitos dos eventos de codeshare entre as empresas Varig e TAM

de 2003 a 2005 e do apagão aéreo em 2006 e 2007, respectivamente, bem como variáveis

temporais do tipo mês para controlar a sazonalidade. Já na modelagem da demanda

internacional, o movimento internacional de passageiros (paxint) foi especificado como

variável dependente e o PIB (gdp), a taxa de câmbio (usd) e as variáveis dummies

anteriormente citadas foram especificados como variáveis independentes. As Equações (1) e

(2) apresentam os modelos econométricos especificados. Através do método estatístico

utilizado para estimar os parâmetros da função a partir do software Stata, foi possível

controlar a heteroscedasticidade e a autocorrelação.

( ) ( ) ( )

12

1 2 3 41

ln paxdom ln gdp ln yield dcshare_2 dapagao m_iii

β β β β β=

= + + + +∑ (1)

12

1 2 3 41

paxint gdp usd dcshare_2 dapagao m_iii

β β β β β=

= + + + +∑ (2)

É válido observar que a escolha pelos modelos acima descritos, tanto o fato de ser linear ou

logaritmo quanto a decisão por quais variáveis incluir, só foi feita após especificações

diferentes de modelos e decisão por uma especificação campeã. Tal decisão foi tomada

através da análise da significância estatística dos parâmetros estimados. Assim, para a

demanda doméstica, foi especificado o modelo logaritmo completo e, para a demanda

internacional, foi especificado o modelo linear completo. Os resultados para o modelo de

demanda doméstica são apresentados na Tabela 6.


176

Tabela 6 – Resultados do modelo de regressão para demanda doméstica

Statistics robust to heteroskedasticity and autocorrelation kernel=Bartlett; bandwidth=2 time variable (t): trend Number of obs = 84 F( 15, 68) = 51.62 Prob > F = 0.0000 Total (centered) SS = 3.312003295 Centered R2 = 0.9006 Total (uncentered) SS = 15715.68642 Uncentered R2 = 1.0000 Residual SS = .3292293746 Root MSE = .06261 ------------------------------------------------------------------------------ | Robust lnpaxdom | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- lngdp | 1.067181 .1494801 7.14 0.000 .7742052 1.360156 lnyield | -.2717367 .0686344 -3.96 0.000 -.4062577 -.1372157 dcshare_2 | -.075713 .0216067 -3.50 0.000 -.1180614 -.0333646 dapagao | -.166251 .0280376 -5.93 0.000 -.2212036 -.1112984 m_1 | .1353911 .0382923 3.54 0.000 .0603396 .2104425 m_2 | .0450078 .0284627 1.58 0.114 -.010778 .1007936 m_3 | .0815352 .0304132 2.68 0.007 .0219265 .1411439 m_4 | .0950282 .0311216 3.05 0.002 .0340311 .1560253 m_5 | .0392736 .0357587 1.10 0.272 -.0308122 .1093593 m_6 | -.0049311 .0350377 -0.14 0.888 -.0736036 .0637415 m_7 | .1106301 .0348374 3.18 0.001 .04235 .1789102 m_8 | .0143559 .0304157 0.47 0.637 -.0452578 .0739696 m_10 | .0593077 .0396167 1.50 0.134 -.0183395 .1369549 m_11 | .0075375 .0395843 0.19 0.849 -.0700464 .0851213 m_12 | .118393 .0391564 3.02 0.002 .0416479 .1951381 _cons | .3482354 1.823326 0.19 0.849 -3.225418 3.921889 ------------------------------------------------------------------------------ Included instruments: lngdp lnyield dcshare_2 dapagao m_1 m_2 m_3 m_4 m_5 m_6 m_7 m_8 m_10 m_11 m_12 Dropped collinear: m_9

Pode-se verificar que os coeficientes de lngdp, lnyield, dcshare_2 e dapagao são

estatisticamente significantes a 1%, ou seja, existe evidência forte de efeito de causalidade

dessas variáveis na demanda doméstica. Verifica-se também que, para um aumento do PIB de

1%, a demanda doméstica aumenta em 1,07% e, para um aumento do yield de 1%, a demanda

doméstica reduz em 0,27%. Além disso, observa-se que os eventos do codeshare e do apagão

aéreo geram redução no movimento de passageiros domésticos, o que é coerente com a

realidade. Para verificar o efeito da introdução de variáveis no modelo, fez-se a comparação

entre diferentes especificações, como mostra a Tabela 7.


177

Tabela 7 – Comparação entre diferentes especificações para o cenário doméstico

Variable | simpl1 simpl2 simpl3 simpl4 final -------------+----------------------------------------------------------------- lngdp | 1.47*** 1.29*** 1.01*** 1.07*** lnyield | -.58*** -.154* -.262*** -.272*** dcshare_2 | -.0826** -.0757*** dapagao | -.15*** -.166*** m_1 | .135*** m_2 | .045 m_3 | .0815** m_4 | .095** m_5 | .0393 m_6 | -.00493 m_7 | .111** m_8 | .0144 m_10 | .0593 m_11 | .00754 m_12 | .118** _cons | -4.49** 13.4*** -2.36 1.14 .348 -------------+----------------------------------------------------------------- r2_a | .769 .414 .785 .838 .879 ------------------------------------------------------------------------------- legend: * p<0.05; ** p<0.01; *** p<0.001

Vê-se que o modelo logaritmo completo (final) apresenta o maior R² (0,879) e suas variáveis

são mais significantes estatisticamente do que nos outros modelos (valor-P menor). Nota-se

que o efeito do aumento do PIB no aumento do movimento doméstico de passageiros é

suavizado na medida em que se introduzem novas variáveis no modelo. O mesmo ocorre para

o yield, porém com o efeito inverso.

Os resultados para o modelo de demanda internacional são apresentados na Tabela 8.


178

Tabela 8 – Resultados do modelo de regressão para demanda internacional

Statistics robust to heteroskedasticity and autocorrelation kernel=Bartlett; bandwidth=2 time variable (t): trend Number of obs = 84 F( 15, 68) = 7.44 Prob > F = 0.0000 Total (centered) SS = 6.42819e+10 Centered R2 = 0.6154 Total (uncentered) SS = 3.04521e+12 Uncentered R2 = 0.9919 Residual SS = 2.47217e+10 Root MSE = 17155 ------------------------------------------------------------------------------ | Robust paxint | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- gdp | .0360227 .2035276 0.18 0.860 -.362884 .4349294 usd | -13897.14 5059.487 -2.75 0.006 -23813.55 -3980.728 dcshare_2 | 12254.69 6730.896 1.82 0.069 -937.6271 25447 dapagao | -19150.73 4921.349 -3.89 0.000 -28796.4 -9505.063 m_1 | 23407.29 7883.836 2.97 0.003 7955.255 38859.32 m_3 | -461.2785 6375.241 -0.07 0.942 -12956.52 12033.96 m_4 | -30577.38 9352.935 -3.27 0.001 -48908.8 -12245.97 m_5 | -45124.62 8409.715 -5.37 0.000 -61607.36 -28641.88 m_6 | -48893.28 8789.326 -5.56 0.000 -66120.04 -31666.52 m_7 | -10007.15 10564.67 -0.95 0.344 -30713.51 10699.22 m_8 | -24883.76 10491.34 -2.37 0.018 -45446.41 -4321.114 m_9 | -39206.55 8989.274 -4.36 0.000 -56825.2 -21587.9 m_10 | -24270.5 10483.88 -2.32 0.021 -44818.53 -3722.463 m_11 | -18362.5 9980.743 -1.84 0.066 -37924.4 1199.393 m_12 | -1301.406 10820.86 -0.12 0.904 -22509.91 19907.1 _cons | 236192.9 57460.77 4.11 0.000 123571.9 348814 ------------------------------------------------------------------------------ Included instruments: gdp usd dcshare_2 dapagao m_1 m_3 m_4 m_5 m_6 m_7 m_8 m_9 m_10 m_11 m_12 Dropped collinear: m_2

Verifica-se que os parâmetros usd e dcshare_2 são estatisticamente significantes a 10% e o

parâmetro dapagao é estatisticamente significante a 1%. Já o gdp é insignificante

estatisticamente, indicando que não se pode acreditar em uma relação de causalidade entre

PIB e movimento internacional de passageiros. Isso parece não condizer com observações da

realidade, mas talvez outras variáveis possam ter efeitos mais importantes ou até mesmo

possa existir viés causado por omissão de alguma variável relevante. O coeficiente positivo do

dcshare_2 também é duvidoso, estimulando a hipótese de viés, já que na própria matriz de

correlações verifica-se que paxint e dcshare_2 são correlacionados negativamente. Os sinais

dos outros coeficientes apresentam maior coerência. Para verificar o efeito da introdução de

variáveis no modelo, bem como o efeito da utilização de um modelo linear ou um logaritmo,

fez-se a comparação entre diferentes especificações, como mostra a Tabela 9.


179

Tabela 9 - Comparação entre diferentes especificações para o cenário internacional

Variable | simpl1 simpl2 simpl3 final final2 -------------+----------------------------------------------------------------- lngdp | .169 -.284 .176 lnusd | -.0903 -.194 -.13 dcshare_2 | .044 12255 dapagao | -.0949*** -19151*** m_1 | .312*** 23407** m_2 | .211*** m_3 | .207*** -461 m_4 | .0488 -30577** m_5 | -.044 -45125*** m_6 | -.0658 -48893*** m_7 | .156** -10007 m_8 | .0754* -24884* m_10 | .0748 -24270* m_11 | .109* -18363 m_12 | .192*** -1301 gdp | .036 usd | -13897** m_9 | -39207*** _cons | 10*** 12.2*** 15.8*** 9.98* 2.4e+05*** -------------+----------------------------------------------------------------- r2_a | .0071 .0231 .0192 .511 .531 ------------------------------------------------------------------------------- legend: * p<0.05; ** p<0.01; *** p<0.001

Pode-se perceber que o modelo linear completo (final2) é o que apresenta a maior qualidade

de ajuste entre as outras, apesar de baixa, e o maior número de parâmetros estatisticamente

significantes, razão de sua escolha. Nos modelos logaritmos, nota-se que nem lngdp nem

lnusd possuíam alguma significância estatística. Apenas no modelo linear foi possível

verificar significância estatística para a taxa de câmbio e em nenhum deles houve evidências

de relação significante estatisticamente entre PIB e movimento internacional de passageiros.

Em alguns casos, notou-se até correlação negativa entre os mesmos. Dessa forma, acredita-se

que a estimativa desse parâmetro está viesada, provavelmente por omissão de alguma variável

relevante não capturada.

3.3 Previsão de demanda aeroportuária

De posse dos modelos econométricos com os devidos parâmetros estimados, foi possível,

enfim, realizar a previsão de demanda doméstica e internacional para a cidade do Rio de

Janeiro no ano de 2014. Para estimar a taxa de crescimento do PIB, utilizou-se o estudo de

Barros (2010). Assim, para 2010, projetou-se uma taxa de 8% de crescimento e, para os anos

subseqüentes, uma taxa de 4,5%. Com relação ao yield e à taxa de câmbio, foram adotados

três diferentes cenários: permanecem constantes, crescem 5% ao ano ou decrescem 5% ao


180

ano. As Tabelas 10 e 11 apresentam as previsões de demanda doméstica e internacional, ano a

ano, levando-se em consideração cada cenário, até 2014.

Tabela 10 – Previsão de demanda doméstica

Ano

PIB

Paxdom Yield se mantém Yield aumenta 5% a.a. Yield reduz 5% a.a.

2010 317080,1 1315536 1298210 1333999 2011 331348,7 1378811 1342403 1417786 2012 346259,4 1445114 1388764 1506823 2013 361841,1 1514621 1436386 1601463 2014 378123,9 1587473 1485647 1702048

Tabela 11 – Previsão de demanda internacional

Ano

PIB

Paxint Taxa de câmbio

se mantém Taxa de câmbio aumenta 5% a.a.

Taxa de câmbio reduz 5% a.a.

2010 317080,1 223212 221992 224432 2011 331348,7 223726 221225 226105 2012 346259,4 224263 220417 227744 2013 361841,1 224824 219565 229351 2014 378123,9 225411 218669 230931

No fim do ano de 2009 (últimos quatro meses), a média da quantidade de passageiros

domésticos era de 1317412. Assim, observa-se que, para o cenário de manutenção do yield ao

longo dos anos, há um crescimento de 20,5% no movimento doméstico de passageiros no ano

de 2014 com relação ao ano de 2009. Para o cenário de aumento do yield, esse crescimento

chegou a 12,8% e para o cenário de redução do yield, a 29,2%. Analisando-se o crescimento

percentual ano a ano do movimento doméstico de passageiros, nota-se um crescimento de

4,8%, 3,4% e 6,3% ao ano para os cenários de manutenção, aumento e redução do yield,

respectivamente. Tais valores são inferiores aos benchmarks de crescimento chinês (8,2% ao

ano) e de duplicação a cada 10 anos (7,2% ao ano), aproximando-se do benchmark de

triplicação em 20 anos (5,6% ao ano).

Nos últimos 4 meses do ano de 2009, a média de passageiros internacionais era de 224123.

De acordo com os resultados obtidos, observa-se que, para o cenário de manutenção da taxa

de câmbio, o movimento aumenta em 0,6% no ano de 2014 com relação ao ano de 2009 e,

para o cenário de redução da mesma, esse aumento é de 3%. Por outro lado, um aumento da


181

taxa de câmbio de 5% ao ano, geraria um decréscimo de 2,4% no movimento de passageiros

internacionais no ano de 2014. É importante observar que esses resultados referem-se ao

movimento orgânico, ou seja, não está incluído na análise o efeito de eventos como a Copa de

2014, que indiscutivelmente irá aumentar a quantidade de passageiros internacionais e

domésticos nesse ano. Analisando-se a variação percentual ano a ano do movimento

internacional de passageiros, nota-se um crescimento de 0,3%, uma redução de 0,4% e um

aumento de 0,7% ao ano para os cenários de manutenção, aumento e redução da taxa de

câmbio, respectivamente. Consequentemente, se for escolhida para análise de capacidade a

previsão de 2014 segundo os cenários de redução de yield e de redução da taxa de câmbio,

obtém-se um total de 23195928 passageiros no ano de 2014 na cidade do Rio de Janeiro, valor

superior às capacidades dos aeroportos Santos-Dumont e Galeão.

Conclusões

Para realizar a previsão de demanda aeroportuária para a cidade do Rio de Janeiro no ano de

2014, foram criados modelos econométricos a partir de uma base de dados secundária. As

estimativas dos principais parâmetros no modelo de demanda doméstica resultaram

estatisticamente significantes a 1%, o que fornece maior confiabilidade aos valores obtidos na

previsão de demanda. Tais valores foram de 4,8%, 3,4% e 6,3% para os cenários de

manutenção, aumento e redução do yield, respectivamente. Realizando-se uma média dos

crescimentos para os cenários de manutenção e redução do yield, nota-se que há uma

aproximação à tendência de triplicação do movimento doméstico de passageiros em 20 anos.

Por outro lado, no modelo de demanda internacional, algumas estimativas de parâmetros

principais resultaram estatisticamente insignificantes, gerando resultados incoerentes. Isso

pode ter ocorrido por omissão de alguma variável relevante, o que introduz viés na estimativa.

Assim, os valores obtidos para as previsões de demanda internacional são menos confiáveis,

já que as flutuações acentuadas nessa variável indicam a influência de fatores exógenos

diversos e que podem não ter sido capturados no modelo. De qualquer forma, foram

verificadas variações de menos de 1% ao ano no movimento internacional de passageiros para

todos os cenários de evolução da taxa de câmbio.


182

Por fim, somando-se as previsões de demanda doméstica e internacional para o ano de 2014

segundo os cenários de redução do yield e da taxa de câmbio, obtém-se um total de 23195928

passageiros neste ano, valor que confirma a necessidade de investimentos para ampliação de

capacidade.

Referências

ANAC (2010) HOTRAN. Agência Nacional de Aviação Civil, Ministério da Defesa, Brasília, DF.

Barros, O. (2010) Compilação Sistemática do Bradesco Referente às Projeções do Mercado de Curto,

Médio e Longo Prazos Colhidas pelo Boletim Focus Banco Central do Brasil. Bradesco, São

Paulo, SP.

Infraero (2010) Aeroportos do Estado do Rio de Janeiro. Empresa Brasileira de Infraestrutura

Aeroportuária, Ministério da Defesa, Brasília, DF.

Rocha, G. C. (2010) Ensaios sobre a Demanda do Transporte Aéreo Regional. Revista de Literatura

dos Transportes, vol. 4, n. 1, pp. 114-133.

Vassallo, M. D. e Oliveira, A. V. M. (2009) Modelagem dos Determinantes da Escolha por Tipo de

Viagem e por Destinos de Viagens Turísticas no Brasil. Revista de Literatura dos Transportes,

vol. 3, n. 1, pp. 40-67.


183

Jtl v05n01p08

Documents

Transcript of Jtl v05n01p08