ESTIMATIVA DA OFERTA E DEMANDA DE TRANSPORTE AÉREO …monografias.poli.ufrj.br › monografias ›...
Transcript of ESTIMATIVA DA OFERTA E DEMANDA DE TRANSPORTE AÉREO …monografias.poli.ufrj.br › monografias ›...
ESTIMATIVA DA OFERTA E DEMANDA DE
TRANSPORTE AÉREO NO BRASIL
Lívia Maria Tagliari
Matheus Farias Fonseca
Projeto de Graduação apresentado ao Curso
de Engenharia de Produção da Escola
Politécnica, Universidade Federal do Rio de
Janeiro, como parte dos requisitos necessários
à obtenção do título de Engenheiro.
Orientador: Roberto Ivo da Rocha Lima Filho
Rio de Janeiro
Agosto de 2017
ii
Tagliari, Lívia Maria
Fonseca, Matheus Farias
Estimativa da Oferta e Demanda de Transporte Aéreo no
Brasil / Lívia Maria Tagliari e Matheus Farias Fonseca – Rio de
Janeiro: UFRJ/ Escola Politécnica, 2017.
XII, 132 p.: il.; 29,7 cm.
Orientador: Roberto Ivo da Rocha Lima Filho
Projeto de Graduação – UFRJ/ Escola Politécnica/ Curso de
Engenharia de Produção, 2017.
Referências Bibliográficas: p. 109-112
1. Estimativa 2. Oferta 3. Demanda 4. Transporte Aéreo 5.
Econometria
I. Filho, Roberto Ivo da Rocha Lima II. Universidade
Federal do Rio de Janeiro, Escola Politécnica, Curso de Engenharia
de Produção. III. Estimativa da Oferta e Demanda de Transporte
Aéreo no Brasil
iii
Agradecimentos
Agradecimentos da Lívia:
Primeiramente, agradeço a Deus por ter me iluminado nesta caminhada e em toda a
minha vida. Agradeço, enormemente, aos meus pais Yone e Olívio, que são os meus maiores
exemplos de vida. Agradeço por sempre estarem ao meu lado, me incentivando e apoiando
em todas as decisões, e por sempre terem investido em minha educação, permitindo que eu
chegasse até aqui. Amo vocês.
Também gostaria de agradecer a todos os professores que fizeram parte da minha
trajetória educacional. Aos professores do Colégio Santo Amaro, que foram tão importantes
e que tiveram um papel marcante na minha vida. Agradeço aos professores do curso de
Engenharia de Produção da UFRJ, que foram fundamentais para a minha formação,
transmitindo seus conhecimentos. Em especial, agradeço ao nosso professor e orientador
Roberto Ivo, pelo grande auxílio e apoio na execução deste trabalho.
Agradeço, também, a todos os meus familiares e amigos, bem como como meu
parceiro de trabalho Matheus, que, de uma forma ou de outra, estiveram ao meu lado,
tornando esta etapa mais leve e agradável.
Agradecimentos do Matheus:
Dedico este trabalho, primeiramente, a Deus, por me dar saúde e força para vencer
meus desafios e por sempre ter colocado pessoas de boa-fé no meu caminho. Dentre essas
pessoas, estão meus pais, Isabel Cristina e José Ribamar, aos quais agradeço por todos os
esforços e incentivos dados para que eu pudesse ter uma trajetória como estudante digna e
vitoriosa.
Agradeço ainda a todos os colegas de classe e professores com que convivi desde o
início de minha vida estudantil porque, inegavelmente, contribuíram para a minha formação
como homem. Entre tantos colegas e professores, agradeço, em especial, àqueles que
estiveram diretamente relacionados com a elaboração deste trabalho, que são o professor e
iv
orientador Roberto Ivo, por seu apoio e crença neste projeto, e também a minha colega e
amiga Lívia Maria Tagliari que, não só aqui, como em toda a minha graduação em
Engenharia de Produção, contribuiu para o meu desempenho acadêmico, com seu
companheirismo e sua inteligência.
A Deus, a meus pais e a colegas e professores, o meu muito obrigado!
v
Resumo do Projeto de Graduação apresentado à Escola Politécnica/ UFRJ como parte dos
requisitos necessários para a obtenção do grau de Engenheiro de Produção.
ESTIMATIVA DA OFERTA E DEMANDA DE TRANSPORTE
AÉREO NO BRASIL
Lívia Maria Tagliari
Matheus Farias Fonseca
Agosto/2017
Orientador: Roberto Ivo da Rocha Lima Filho
Curso: Engenharia de Produção
Este projeto de conclusão do curso de graduação objetiva estimar as curvas de Oferta e
Demanda de transporte aéreo no Brasil. Inicialmente, será feita uma caracterização do setor
em estudo, bem como dos conceitos microeconômicos importantes para o trabalho. Será
então realizada uma análise quantitativa do histórico da relação de certas variáveis
explicativas com a oferta e a demanda. Esta análise será estruturada a partir de um modelo
econométrico de Mínimos Quadrados Ordinários, que será devidamente refinado, além de
modelos de Vetores Auto Regressivos (VAR). A partir dos modelos encontrados, serão feitas
considerações a respeito do comportamento das variáveis em estudo.
Palavras-chave: Estimativa, Oferta, Demanda, Transporte Aéreo, Econometria.
vi
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of the
requirements for the degree of Industrial Engineer.
ESTIMATION OF AIR TRANSPORT SUPPLY AND DEMAND IN
BRAZIL
Lívia Maria Tagliari
Matheus Farias Fonseca
August/2017
Advisor: Roberto Ivo
Course: Industrial Engineering
This graduation project aims to estimate the Supply and Demand curves of air transportation
in Brazil. Initially, it will be made a characterization of the sector under study, as well as of
the microeconomic concepts important for the work. A quantitative analysis of the history
of the relation of certain explanatory variables to supply and demand will be carried out.
This analysis will be structured from an econometric model of Ordinary Least Squares,
which will be properly refined, in addition to Auto Regressive Vector (VAR) models. From
the models found, considerations will be made regarding the behavior of the variables under
study.
Keywords: Estimating, Supply, Demand, Air Transport, Econometrics.
vii
Sumário
1. INTRODUÇÃO ............................................................................................................. 1
1.1. Objetivos ................................................................................................................. 1
1.2. Justificativa do tema ............................................................................................... 1
1.3. Limitação ................................................................................................................ 1
2. REVISÃO DE LITERATURA ...................................................................................... 3
2.1. Bases Microeconômicas ......................................................................................... 3
Oferta e Demanda ................................................................................................ 3
2.2. Preço de Equilíbrio e Ponto de Sela ........................................................................ 7
2.3. Elasticidade ........................................................................................................... 11
2.4. Setor aéreo - Transporte Aéreo no Brasil ............................................................. 13
Agência Nacional de Aviação Civil - ANAC .................................................... 13
Mercado Doméstico – Oferta e Demanda ......................................................... 15
2.5. Mercado Internacional – Oferta e Demanda ......................................................... 25
2.6. Painel de Resultados do Setor Aéreo em 2016 ..................................................... 31
3. METODOLOGIA ........................................................................................................ 34
3.1. Base de Dados de Informações ............................................................................. 34
Variáveis Dependentes ...................................................................................... 34
Demanda Doméstica (RPK) .............................................................................. 34
Oferta Doméstica (ASK) ................................................................................... 35
Demanda Internacional (RPK) .......................................................................... 36
Variáveis Explicativas ....................................................................................... 38
3.2. Modelos Estatísticos ............................................................................................. 52
Mínimos Quadrados Ordinários (MQO) ........................................................... 52
3.3. Modelos de Vetores Auto Regressivos (VAR) ..................................................... 59
viii
4. ANÁLISE DOS RESULTADOS ................................................................................. 61
4.1. Estimação e Refinamento do Modelo de MQO .................................................... 62
Modelo Demanda Doméstica (RPK) ................................................................. 64
Modelo Oferta Doméstica .................................................................................. 71
Modelo Demanda Internacional ........................................................................ 77
Modelo Oferta Internacional .............................................................................. 82
4.2. Principais Críticas e Modelo VAR ....................................................................... 87
Testes de Estacionariedade ................................................................................ 87
Modelos VAR .................................................................................................... 90
5. CONCLUSÃO ........................................................................................................... 105
6. REFERÊNCIAS BIBLIOGRÁFICAS ....................................................................... 109
7. APÊNDICE 1 – MODELOS INICIAIS DE MÍNIMOS QUADRADOS ORDINÁRIOS
NO SOFTWARE “R” ........................................................................................................ 113
8. APÊNDICE 2 – TESTES DE ESTACIONARIEDADE DAS VARIÁVEIS ............ 121
9. APÊNDICE 3 – MODELOS INICIAIS DE VETORES AUTO REGRESSIVOS NO
SOFTWARE “R” .............................................................................................................. 129
ix
Lista de Figuras
Figura 1 – Linha do Tempo do Transporte Aéreo no Brasil. .............................................. 16
Figura 2 – Linha do tempo do transporte aéreo internacional. ............................................ 25
Figura 3 – Ranking de companhias aéreas no mercado internacional. ................................ 29
Figura 4 – Ranking de companhias aéreas com maior frota................................................ 30
Figura 5 – Painel de indicadores do setor aéreo no Brasil – Parte 1 ................................... 32
Figura 6 – Painel de indicadores do setor aéreo no Brasil – Parte 2 ................................... 33
Figura 7 – Resultados do quarto modelo de regressão para Demanda Doméstica (RPK). . 68
Figura 8 – Resultados do quarto modelo de regressão para Oferta Doméstica (ASK). ...... 74
Figura 9 – Resultados do segundo modelo de regressão para Demanda Internacional. ...... 80
Figura 10 – Resultados do segundo modelo de regressão para Oferta Internacional. ......... 84
Figura 11 – Seleção do número de defasagens (lags) para o modelo de Demanda Doméstica
(RPK). .................................................................................................................................. 91
Figura 12 – Resultados do segundo modelo VAR para Demanda Doméstica (RPK). ........ 92
Figura 13 – Seleção do número de defasagens (lags) para o modelo de Oferta Doméstica
(ASK). ................................................................................................................................. 95
Figura 14 – Resultados do segundo modelo VAR para Oferta Doméstica (ASK). ............. 96
Figura 15 – Seleção do número de defasagens (lags) para o modelo de Demanda
Internacional (RPK). ............................................................................................................ 98
Figura 16 – Resultados do segundo modelo VAR para Demanda Internacional (RPK). .... 99
Figura 17 – Seleção do número de defasagens (lags) para o modelo de Oferta Internacional
(ASK). ............................................................................................................................... 101
Figura 18 – Seleção do número de defasagens (lags) para o segundo modelo de Oferta
Internacional (ASK). ......................................................................................................... 102
Figura 19 – Resultados do segundo modelo VAR para Oferta Internacional (ASK)........ 103
x
Lista de Tabelas
Tabela 1 – Participação de Mercado Empresas Brasileiras Transporte Aéreo Doméstico. 21
Tabela 2 – Resumo das informações das companhias aéreas em 2016 ............................... 25
Tabela 3 – Hipóteses do Método dos Mínimos Quadrados ................................................. 57
Tabela 4 – Relações esperadas entre as variáveis no modelo de regressão da Demanda
Doméstica (RPK). ................................................................................................................ 65
Tabela 5 – Parâmetros estatísticos para os quatro modelos de regressão para Demanda
Doméstica (RPK). ................................................................................................................ 68
Tabela 6 – Relações esperadas entre as variáveis no modelo de regressão da Oferta
Doméstica (ASK). ............................................................................................................... 72
Tabela 7 – Parâmetros estatísticos para os quatro modelos de regressão para Oferta
Doméstica (ASK). ............................................................................................................... 75
Tabela 8 – Relações esperadas entre as variáveis no modelo de regressão da Demanda
Internacional (RPK). ............................................................................................................ 78
Tabela 9 – Parâmetros estatísticos para os dois modelos de regressão para Demanda
Internacional (RPK). ............................................................................................................ 80
Tabela 10 – Relações esperadas entre as variáveis no modelo de regressão da Oferta
Internacional (ASK). ........................................................................................................... 83
Tabela 11 –Parâmetros estatísticos para os dois modelos de Oferta Internacional (ASK). 85
Tabela 12 – Resultados do teste de estacionariedade para as séries temporais em nível. ... 88
Tabela 13 - Resultados do teste de estacionariedade para as primeiras diferenças das séries
temporais. ............................................................................................................................ 89
xi
Lista de Gráficos
Gráfico 1 - Curva da Oferta Fonte: Elaboração própria ........................................................ 4
Gráfico 2 - Curva da Demanda Fonte: Elaboração própria ................................................... 6
Gráfico 3 - Curva de Oferta e Demanda com Ponto de Equilíbrio em P* e Q*.................... 8
Gráfico 4 - Deslocamento da Curva da Demanda com Novo Ponto de Equilíbrio em P2* e
Q2* ........................................................................................................................................ 9
Gráfico 5 - Deslocamento da Curva da Oferta com Novo Ponto de Equilíbrio em P2* e Q2*
............................................................................................................................................. 10
Gráfico 6 - Número de passageiros pagos transportados no mercado doméstico ............... 20
Gráfico 7 - Participação de Mercado Empresas Brasileiras Transporte Aéreo Doméstico:
comparação dez/2015 com dez/2016. .................................................................................. 22
Gráfico 8 - Taxa de aproveitamento das empresas aéreas brasileiras no mercado
doméstico ............................................................................................................................. 23
Gráfico 9 - Percentual dos passageiros transportados por empresa aérea em 2016 ............ 24
Gráfico 10 - Número de passageiros pagos transportados no mercado internacional por
empresas brasileiras ............................................................................................................. 28
Gráfico 11 - Taxa de aproveitamento das empresas aéreas brasileiras no mercado
internacional ........................................................................................................................ 30
Gráfico 12 - Evolução Histórica da Demanda Doméstica (RPK) ....................................... 35
Gráfico 13 - Evolução Histórica da Oferta Doméstica (ASK) ............................................ 36
Gráfico 14 - Evolução Histórica da Demanda Internacional (RPK) ................................... 37
Gráfico 15 - Evolução Histórica da Oferta Internacional (ASK) ........................................ 38
Gráfico 16 - Evolução Histórica do Imposto sobre a Importação ....................................... 39
Gráfico 17 - Evolução Histórica da Produção Industrial ..................................................... 40
xii
Gráfico 18 - Evolução Histórica do Yield de Tarifa Aérea Real ......................................... 41
Gráfico 19 - Evolução Histórica da Taxa de Câmbio .......................................................... 42
Gráfico 20 - Evolução Histórica das Taxa de Juros Selic ................................................... 43
Gráfico 21 - Evolução Histórica da Utilização da Capacidade Instalada – Indústria Geral 44
Gráfico 22 - Evolução Histórica do Rendimento Médio Real Efetivo ................................ 46
Gráfico 23 - Evolução Histórica da Taxa de Desemprego .................................................. 47
Gráfico 24 - Evolução Histórica do Consumo de Querosene .............................................. 48
Gráfico 25 - Evolução Histórica do Preço do Barril de Petróleo ........................................ 49
Gráfico 26 - Evolução Histórica do IPCA Índice - Transportes.......................................... 51
Gráfico 27 - Evolução Histórica do Número de Passageiros Transportados Modal Rodoviário
............................................................................................................................................. 52
1
1. INTRODUÇÃO
1.1. Objetivos
O presente trabalho pretende fazer uma análise da oferta e demanda de transporte
aéreo no Brasil nos últimos anos. Busca-se verificar, através de um estudo econométrico,
quais variáveis mais influenciam na oferta e demanda por assentos em voos domésticos
e internacionais. Essa análise se dará por meio do desenvolvimento de modelos de
regressão baseados nos métodos de Mínimos Quadrados Ordinários (MQO) e de Vetores
Auto Regressivos (VAR). Assim, em cada método, objetiva-se chegar a quatro equações
finais, uma para cada variável de interesse: Demanda Doméstica (RPK), Oferta
Doméstica (ASK), Demanda Internacional (RPK) e Oferta Internacional (ASK). Através
delas, será possível verificar a elasticidade das variáveis explicativas.
1.2. Justificativa do tema
O tema do transporte aéreo no Brasil foi escolhido, primeiramente, pela grande
disponibilidade de dados confiáveis para análise, visto que a Agência Nacional de
Aviação Civil (ANAC) regula o setor e faz a coleta dos dados relevantes, como de oferta
e demanda. Além disso, os autores tinham interesse em entender como o mercado da
aviação no Brasil se comportou nos últimos anos, período que envolveu mudanças
políticas, melhoria na distribuição de renda da população brasileira e também crises
econômicas.
1.3. Limitação
Este estudo se limita a estudar os dados de oferta e demanda referentes ao período
de março do ano 2002 até novembro de 2016, quando se deu início às análises. Vale
ressaltar que nem todas as outras variáveis explicativas que serão utilizadas no trabalho
possuem registro em todo esse período de tempo, havendo, então, algumas séries
históricas mais curtas.
O trabalho se limita a estimar modelos que representem as variáveis RPK (que é
o número de passageiros pagantes transportados por quilômetro voado, sendo uma
medida da Demanda) e ASK (que é o número de assentos oferecidos/disponíveis a cada
2
quilômetro voado, sendo uma medida da Oferta), e não fazer a previsão dessas variáveis
no futuro (embora tais modelos possam ser utilizados para este fim). Assim sendo, estas
variáveis serão descritas por meio de funções de regressão amostral, contendo as variáveis
explicativas.
Além disso, os dados de oferta e demanda em análise neste trabalho se referem
apenas às empresas aéreas brasileiras, as quais passam por regulação da ANAC. Essas
empresas oferecem tanto voos domésticos quanto internacionais. Por isso, a Demanda
(RPK) e a Oferta (ASK) neste trabalho podem ser entendidas como demanda e oferta por
assentos em aviões de empresas aéreas brasileiras, seja em voos domésticos quanto em
voos internacionais, com origem no Brasil.
Outra limitação do trabalho está nos dados referentes aos preços das passagens
aéreas, variável importante para a estimação dos modelos. Os valores registrados pela
ANAC do Yield de Tarifa Aérea (variável correspondente ao preço) são relativos aos voos
domésticos. Apenas no ano de 2011 a ANAC passa a registrar, também, os preços de voos
internacionais das empresas aéreas brasileiras, os quais tem como país de origem o Brasil.
Por isso, os modelos referentes ao setor internacional enfrentaram certa restrição com
relação a esses dados.
3
2. REVISÃO DE LITERATURA
2.1. Bases Microeconômicas
Oferta e Demanda
Este trabalho apresentará uma análise da oferta e da demanda de passageiros por
assentos em aviões no Brasil. Por este motivo, é válido relembrar conceitos importantes
para o completo entendimento do estudo. Estas variáveis serão apresentadas e descritas
com maiores detalhes no tópico 3.1, sendo a demanda representada pela variável RPK –
Passageiros Quilômetros Transportados Pagos – e a oferta pela variável ASK – Assentos
Quilômetros Oferecidos. Essas variáveis foram escolhidas pois são padrões internacionais
de medição de oferta e demanda de passageiros. A análise da oferta e da demanda por
determinado produto é uma ferramenta poderosa que pode ser aplicada a uma grande
variedade de questões, como o setor da aviação civil, auxiliando na compreensão do
funcionamento de determinado mercado.
A economia faz uso de modelos para ajudar a explicar fenômenos sociais
complexos. Por modelo, entendemos uma representação simplificada da realidade.
(VARIAN, 2000) A oferta e a demanda são forças fundamentais do mercado, sendo o
modelo básico de oferta e demanda um instrumento-chave em microeconomia. Ele auxilia
na compreensão de como os preços mudam e do que acontece quando existem
intervenções nesse mercado. Neste modelo, são combinados dois conceitos fundamentais:
a curva da oferta (representando o lado do produtor) e a curva da demanda
(representando o lado do consumidor). A seguir, serão explicadas estas duas teorias.
2.1.1.1. Oferta
A oferta pode ser conceituada como a quantidade de determinado bem ou serviço
que os produtores desejam oferecer ao mercado em determinado período, ou seja, a
quantidade de bens ou serviços que se dispõem a vender aos interessados em adquiri-los.
A Teoria da Oferta considera o modo como os produtores respondem às mudanças no
preço do bem ou serviço que ofertam, ou a outras variáveis relevantes. Estas mudanças
provocarão um aumento ou diminuição na quantidade ofertada por eles.
4
“A curva da oferta informa a quantidade de mercadoria que os produtores estão
dispostos a vender a determinado preço, mantendo-se constantes quaisquer fatores que
possam afetar a quantidade ofertada.” (PINDYCK, 2006) O eixo vertical do gráfico
mostra o preço da mercadoria, P, em unidades monetárias. O eixo horizontal do gráfico
exibe a quantidade total ofertada, 𝑄𝑆, em unidades por período. Portanto, a curva da oferta
é uma relação entre quantidade ofertada e preço, podendo ser representada pela seguinte
função: 𝑄𝑆= 𝑄𝑆 (P).
Gráfico 1 - Curva da Oferta
Fonte: Elaboração própria
Sabe-se que quanto maior for o preço do bem, maior será a vontade das empresas
produtoras em fabricá-lo e vendê-lo, e assim obter maiores lucros. Desta forma, pode-se
dizer que a quantidade ofertada varia positivamente com o preço. A relação entre preço e
quantidade ofertada é chamada Lei da Oferta: tudo o mais mantido constante, quando o
preço de um bem ou serviço aumenta, a quantidade oferecida também aumenta; já quando
há diminuição no preço, a quantidade ofertada também diminui. Por isso, a curva da oferta
é ascendente, como pode ser visto no Gráfico 1. A taxa de variação será, então: Δ 𝑄𝑆Δ 𝑃
>
0.
5
O movimento ao longo da curva de oferta à medida que o preço do bem ou serviço
se altera é chamado de mudança na quantidade ofertada. É importante ressaltar que a
oferta de mercado é a soma de todas as ofertas individuais, ou seja, das ofertas de todas
as empresas atuantes.
Outros fatores também podem ser relevantes na determinação da quantidade
ofertada de um bem ou serviço, devendo então, ser incluídos na equação da oferta. A
quantidade que os produtores desejam vender depende não apenas do preço que recebem,
mas também de seus custos de produção, incluindo-se aí salários, taxas de juros e o custo
dos insumos. (PINDYCK, 2006) Também podem ser incluídas variáveis como a
tecnologia empregada para a produção e as expectativas do produtor com relação ao preço
futuro do bem ofertado por ele. Neste caso, a oferta poderia ser expressa por: 𝑄𝑆 = 𝑄𝑆
(Preço, Custo de Produção, Tecnologia, Expectativa). Outras variáveis relevantes
também podem ser incluídas na equação da oferta, dependendo do mercado em estudo.
2.1.1.2. Demanda
A demanda está relacionada aos consumidores e pode ser definida como a
quantidade de certo bem ou serviço que estes consumidores desejam adquirir em
determinado período de tempo. A demanda depende de variáveis que influenciam a
escolha do consumidor, como: o preço do bem ou serviço, o preço de outros bens, a renda
do consumidor, a preferência do indivíduo. A Teoria da Demanda considera como a
demanda do consumidor por bens e serviços muda de acordo com alterações no preço e
também nas outras variáveis relevantes.
“A curva da demanda informa a quantidade que os consumidores desejam
comprar à medida em que muda o preço unitário”. (PINDYCK, 2006) Essa relação entre
preço e quantidade demandada pode ser expressa pela seguinte função: 𝑄𝐷 = 𝑄𝐷 (P). O
lado esquerdo da equação representa a quantidade demandada e o lado direito, relaciona
o preço com essa quantidade. No gráfico, o eixo vertical mostra o preço da mercadoria,
P, em unidades monetárias e o eixo horizontal do gráfico mostra a quantidade total
demandada, 𝑄𝐷, em unidades por período.
6
Gráfico 2 - Curva da Demanda
Fonte: Elaboração própria
Neste caso, ao contrário da curva da oferta, vê-se no Gráfico 2 que a curva da
demanda é descendente, já que os consumidores estarão dispostos a comprar maiores
quantidades se o preço estiver mais baixo, com todo o resto mantido constante. A Lei da
Demanda estabelece que à medida que o preço de um bem ou serviço aumenta, os
consumidores demandarão menos dele, ou expressando de outra maneira, os
consumidores demandam mais de um bem ou serviço quando seu preço cai. “Portanto, o
preço e a quantidade demandada de um bem irão mover-se em direções opostas, o que
significa que a curva de demanda tipicamente terá inclinação negativa.” (VARIAN, 2000)
A taxa de variação será, então: Δ 𝑄𝐷Δ 𝑃
< 0.
O movimento ao longo da curva de demanda para preços diferentes é chamado de
mudança na quantidade demandada. A demanda de mercado do bem, também chamada
de demanda agregada, será a soma das demandas individuais de todos os consumidores.
Como mencionado anteriormente, a quantidade de determinado bem que os
consumidores estão dispostos a comprar depende de outros fatores, além do seu preço. A
renda é especialmente importante. (PINDYCK, 2006) Normalmente, a demanda por um
7
bem aumenta quando há crescimento na renda. Os economistas chamam esses bens de
normais. (VARIAN, 2000). Para um bem normal, a quantidade demandada sempre varia
do mesmo modo que a renda:Δ Preço
Δ 𝑅𝑒𝑛𝑑𝑎 > 0.
Outras variáveis relevantes são: o preço de outros bens, tanto substitutos como
complementares, e as preferências do indivíduo. No caso do mercado de transporte aéreo,
um produto substituto importante ao assento do avião seria a opção pelo transporte
rodoviário. Considerando também essas outras variáveis, a equação da demanda poderia
ser representada por: 𝑄𝐷= 𝑄𝐷 (Preço, Renda, Preço do Substituto, Preço do
Complementar, Preferências). Assim como ocorre na curva da oferta, outras variáveis
importantes podem ser incluídas na equação da demanda, de acordo com o mercado em
estudo.
2.2. Preço de Equilíbrio e Ponto de Sela
Para basear as análises de oferta e demanda, a economia se fundamenta em dois
princípios simples. O princípio da otimização diz que as pessoas procuram escolher o
melhor padrão de consumo ao seu alcance. E o princípio de equilíbrio diz que os preços
se ajustam até que o total que as pessoas demandam seja igual ao total ofertado.
(VARIAN, 2000) “Supõe-se que os demandantes e ofertantes considerem os preços como
dados – isto é, fora de seu controle – e apenas determinem sua melhor resposta em vista
desses preços de mercado”. (VARIAN, 2000) Esse tipo de mercado, onde o preço do bem
está fora do controle dos compradores e produtores, é chamado mercado competitivo, já
que cada um deles é considerado muito “pequeno” perante o mercado como um todo.
O ponto de equilíbrio de mercado determinará tanto o preço quanto a quantidade
de equilíbrio para o bem ou serviço. “O preço de equilíbrio de um bem é aquele em que
a oferta e a demanda são iguais. Do ponto de vista geométrico, é o preço em que as curvas
de oferta e de demanda se cruzam”. (VARIAN, 2000) Representando a curva de oferta
de mercado por 𝑄𝑆(P) e a de demanda de mercado por 𝑄𝐷(P), o preço de equilíbrio, P *,
será aquele que resolve a equação: 𝑄𝑆(P *) = 𝑄𝐷(P *). A quantidade de equilíbrio, 𝑄 *
(𝑄 ∗ = 𝑄𝑆 = 𝑄𝐷), será aquela correspondente a esse preço.
8
Gráfico 3 - Curva de Oferta e Demanda com Ponto de Equilíbrio em P* e Q*
Fonte: Adaptado de (PINDYCK, 2006)
A ação dos compradores e vendedores conduz naturalmente o mercado em direção
ao equilíbrio. Isso ocorre porque esta é a melhor ação possível para todos agentes de
acordo com seus interesses. Em qualquer preço diferente do de equilíbrio, o
comportamento de alguns agentes não seria viável, dando motivo para mudanças nesse
comportamento. Logo, um preço diferente do preço de equilíbrio não permaneceria, pois
pelo menos alguns agentes teriam motivação para alterar seus comportamentos.
(VARIAN, 2000)
Caso o preço vigente fosse menor que P *, a demanda seria maior que a oferta,
gerando uma escassez de oferta, como pode ser visto no Gráfico 3. Os ofertantes
perceberão que poderão vender o produto por um valor mais alto, puxando o preço de
mercado para cima. Da mesma maneira, se o preço vigente fosse maior que P *, a oferta
seria maior que a demanda, causando um excesso de oferta, como pode ser notado no
Gráfico 3. Assim, os ofertantes teriam que abaixar o preço dos seus produtos para
conseguir vendê-los. O mercado entrará em equilíbrio quando a quantidade ofertada e a
quantidade demandada forem exatamente iguais, não havendo nem excesso nem escassez
de oferta.
9
Esse equilíbrio de mercado permanecerá, a menos que haja uma mudança na
oferta ou na demanda, que pode ser ocasionada por variações nas demais variáveis
relevantes. Nesse caso, uma ou ambas as curvas de demanda ou de oferta poderão ser
deslocadas no gráfico. Por exemplo, se a renda dos consumidores aumentar, espera-se
que a demanda pelo bem ou serviço também aumente para qualquer que seja o preço de
mercado. Isso resultará um deslocamento para a direita de toda a curva da demanda,
representando uma mudança na demanda. Essa nova curva de demanda encontrará a
curva da oferta em outro ponto, o qual será o novo ponto de equilíbrio, com um novo
preço de equilíbrio, 𝑃2*, e uma nova quantidade de equilíbrio, 𝑄2*, como pode ser visto
no Gráfico 4.
Gráfico 4 - Deslocamento da Curva da Demanda com Novo Ponto de Equilíbrio em 𝑷𝟐* e 𝑸𝟐*
Fonte: Adaptado de (PINDYCK, 2006) pelos autores
Outra situação exemplifica uma mudança na oferta. Caso o preço das matérias-
primas caia, a produção se torna mais lucrativa, estimulando as atuais empresas a
expandirem a produção e possibilita a entrada de novas empresas. Assim, a produção
geral aumenta, deslocando toda a curva da oferta para a direita. Desse modo, um novo
10
ponto de equilíbrio de mercado existirá em 𝑃2* e 𝑄2*, resultado do encontro das novas
curvas de demanda e de oferta, como pode ser visualizado no Gráfico 5. Essa formação
de um novo ponto de equilíbrio resultante dos deslocamentos das curvas de demanda e
de oferta é chamada de ponto de sela.
Gráfico 5 - Deslocamento da Curva da Oferta com Novo Ponto de Equilíbrio em 𝑷𝟐* e 𝑸𝟐*
Fonte: Adaptado de (PINDYCK, 2006) pelos autores.
Neste trabalho, o preço de equilíbrio será dado pela variável Tarifas Aéreas
Médias, que será explicada com mais detalhes no tópico 3.1. Ela representa o valor médio
das passagens de avião em todo o Brasil, considerando, portanto, diferentes trechos e
pontos de origem e destino. Este preço é resultante da oferta e da demanda pelos voos,
além de fatores externos, embora ainda possa existir certo desequilíbrio. De acordo com
o Anuário do Transporte Aéreo divulgado pela ANAC em outubro de 2016, as tarifas
aéreas oscilam de acordo com as condições de mercado (oferta, demanda, custos e
concorrência, entre outros fatores).
Segundo OLIVEIRA (2009), os preços nos mercados aéreos costumam ser mais
sensíveis a variáveis macroeconômicas, como taxa de câmbio, do que a mudanças na
11
composição da estrutura de mercado, como a entrada de novas companhias. Porém, essa
inserção de novos players tende a produzir importantes resultados de bem-estar ao
consumidor. Sabe-se, também, que a infraestrutura aeroportuária de algumas localidades
do Brasil não acompanhou o crescimento na demanda por transporte aéreo, o que pode
ocasionar um nível inferior de qualidade do serviço nesses locais (ocasionando atrasos e
cancelamentos, dentre outros problemas).
2.3. Elasticidade
Por meio do processo produtivo, as empresas transformam fatores de produção
em produtos finais. A relação matemática que expressa essa transformação é conhecida
como função de produção, a saber:
Q = f (L,K)
Onde:
Q: quantidade total de produto resultante em função dos insumos,
K: quantidade de capital utilizado e
L: quantidade de mão-de-obra utilizada.
Um modelo de função de produção amplamente utilizado foi introduzido, em
1928, pelo matemático Charles Cobb e pelo economista Paul Douglas, ambos norte-
americanos, em seus estudos sobre a divisão da renda entre capital e trabalho no início do
século XX. A referida função chama-se função de Cobb-Douglas e apresenta a seguinte
forma, considerando dois fatores:
𝑌𝑡 = 𝛼𝑥1𝑡𝛽1𝑥2𝑡𝛽2
(1)
Onde:
𝑌𝑡 : quantidade produzida,
12
𝑥1𝑡: quantidade de trabalho envolvido,
𝑥2𝑡: capital empregado,
𝛽1, 𝛽2: parâmetros que variam de 0 a 1 e que somam 1 e
𝛼: constante que depende da tecnologia empregada.
A fim de linearizar essa função, aplicamos o logaritmo natural (ln, logaritmo na
base e) em ambos os lados da igualdade acima 1. Assim, temos:
ln(𝑌𝑡) = ln(𝛼𝑥1𝑡𝛽1𝑥2𝑡𝛽2) (2)
Aplicando a propriedade dos logaritmos denominada logaritmo do produto,
temos:
ln(𝑌𝑡) = ln(𝛼) + ln(𝑥1𝑡𝛽1) + ln(𝑥2𝑡
𝛽2) (3)
Aplicando mais uma propriedade, logaritmo de uma potência, temos:
ln(𝑌𝑡) = ln(𝛼) + 𝛽1 ln(𝑥1𝑡) + 𝛽2 ln( 𝑥2𝑡) (4)
Agora, olhando novamente para a função de produção de Cobb-Douglas em (1),
temos que a elasticidade da produção, em relação ao fator 𝑥1𝑡 é dada, por definição, por:
(𝜕𝑌
𝑌)
(𝜕𝑥1𝑡𝑥1𝑡
) ou rearranjando os termos
(𝜕𝑌
𝜕𝑥1𝑡)
(𝑌
𝑥1𝑡)
(5)
Resolvendo a derivada no numerador da fração em (5) e substituindo Y (no
denominador em 5) pela expressão em (1), tem-se:
𝛽1𝛼𝑥1𝑡𝛽1−1𝑥2𝑡
𝛽2𝑥1𝑡
𝛼𝑥1𝑡𝛽1𝑥2𝑡𝛽2 = 𝛽1= ELASTICIDADE
13
Assim, a elasticidade da produção, definida como a variação percentual na
produção quando há uma variação percentual em algum dos fatores de produção, no caso
da função de Cobb-Douglas, é constante. A elasticidade da produção do fator trabalho é
𝛽1 e a elasticidade do fator capital é 𝛽2.
Neste trabalho, será medido o comportamento das variáveis de interesse Oferta e
Demanda através da sua elasticidade com relação às variáveis explicativas de cada
modelo estimado. Portanto, os coeficientes dos modelos nos revelarão a elasticidade,
conforme apresentado acima. Quando utilizado um modelo log-log (ou seja, tanto a
variável independente quanto as variáveis explicativas estão em forma de logaritmo), a
elasticidade será o próprio 𝛽.
2.4. Setor aéreo - Transporte Aéreo no Brasil
Agência Nacional de Aviação Civil - ANAC
Em 2005, foi sancionada pelo então Presidente da República Luís Inácio Lula da
Silva a lei número 11.182, que discorre sobre a criação da Agência Nacional de Aviação
Civil - ANAC. Esta entidade, que começou a atuar efetivamente em 2006, foi criada para
regular e fiscalizar as atividades da aviação civil e a infraestrutura aeronáutica e
aeroportuária no Brasil. A ANAC veio para substituir o antigo Departamento de Aviação
Civil (DAC). Trata-se de uma autarquia federal de regime especial, ou seja, órgão possui
mais autonomia administrativa e financeira do que um órgão diretamente vinculado ao
Governo Federal, estando menos sujeita a intervenções políticas. Está ligada vinculada à
Secretaria de Aviação Civil da Presidência da República (SAC-PR), ao Ministério dos
Transportes, Portos e Aviação Civil e segue as orientações, diretrizes e políticas
estabelecidas pelo Governo Federal, mas possui autonomia para executar suas
atribuições.
A ANAC tem como missão: “Garantir a todos os brasileiros a segurança e a
excelência da aviação civil”. Sua visão é descrita pela seguinte sentença: “Ser uma
autoridade de referência internacional na promoção da segurança e do desenvolvimento
da aviação civil”. Os valores da instituição passam por retornar o investimento da
14
sociedade, rejeitar interesses que não o fim público, atuar com ética, incentivar a
inovação, e a paixão pela aviação.
Logo, trata-se de uma entidade reguladora que garante o cumprimento da
legislação do sistema aéreo brasileiro, resguardando os interesses dos usuários, tanto no
que diz respeito ao aspecto econômico quanto à segurança técnica do setor. As ações da
ANAC se enquadram nas atividades de certificação, fiscalização, normatização e
representação institucional. De acordo com o site da ANAC, “o trabalho da Agência
consiste em elaborar normas, certificar empresas, oficinas, escolas, profissionais da
aviação civil, aeródromos e aeroportos e fiscalizar as operações de aeronaves, de
empresas aéreas, de aeroportos e de profissionais do setor e de aeroportos, com foco na
segurança e na qualidade do transporte aéreo”.
Nas atividades de certificação, busca-se atestar a confiança e o atendimento a
requisitos estabelecidos em regulamentos internacionais de aviação. A fiscalização do
funcionamento da aviação civil no país, assegurando níveis aceitáveis de segurança e de
qualidade é realizada por meio de atividades de vigilância continuada e ações fiscais. No
trabalho de normatização, a ANAC estabelece regras para o funcionamento da aviação
civil no Brasil por meio de revisão e atualização de regulamentos técnicos e relacionados
a aspectos econômicos.
No que tange o aspecto econômico do setor, a ANAC desempenha atividades
como a concessão da exploração de rotas e de infraestrutura
aeroportuária, estabelecimento de acordos com outros países, coibição de práticas de
concorrência desleal. Já no aspecto de regulação técnica, cabe à ANAC garantir os
padrões mínimos de segurança no transporte aéreo brasileiro. A palavra segurança se
refere tanto à segurança de voo, quanto à proteção contra atos ilícitos (principalmente o
terrorismo). Para garantir a segurança de voo, a ANAC emite autorizações e licenças para
as companhias aéreas, pilotos, aeroportos, escolas de formação e demais serviços
relacionados à aviação civil funcionarem, e também para os profissionais do setor. Para
isso, cada uma dessas categorias deve seguir as normas e requisitos estabelecidos pela
instituição.
Ressalta-se que duas atividades importantes do sistema de aviação civil não estão
dentro do escopo de atuação da ANAC: o controle do tráfego aéreo, realizado pelo
15
Departamento de Controle do Espaço Aéreo (DECEA), e a investigação de acidentes
aéreos, cuja responsabilidade é do Centro de Investigação e Prevenção de Acidentes
Aeronáuticos (CENIPA).
A ANAC está organizada estruturalmente a partir de uma Diretoria Colegiada com
quatro Diretores e um Diretor-Presidente. Ligadas à Diretoria estão os Órgãos de
assistência direta e imediata: as assessorias e superintendências, que regulam as
atividades-meio, fundamentais para o funcionamento da instituição. A ANAC ampliou o
acesso à informação sobre o setor aéreo brasileiro, divulgando diversos relatórios e
estatísticas que servirão de base para este trabalho.
Mercado Doméstico – Oferta e Demanda
O setor de transporte aéreo brasileiro contribui de forma significativa para o
crescimento do país. As viagens aéreas possuem importante papel na integração nacional,
no turismo, no transporte de pessoas e cargas, no incentivo aos negócios entre regiões.
Além disso, o setor promove uma maior inclusão internacional do Brasil no que diz
respeito a fluxos comerciais e culturais. A aviação civil passou por diversas
transformações desde 1927, ano do primeiro voo comercial no Brasil. Na sequência, serão
mencionadas as principais fases e marcos regulatórios do mercado de transporte aéreo no
país, as quais estão resumidas na linha do tempo abaixo.
16
Figura 1 – Linha do Tempo do Transporte Aéreo no Brasil.
Fonte: Elaboração própria.
O setor de transporte aéreo no Brasil surgiu na segunda metade da década de 1920,
dominado por duas subsidiárias de empresas estrangeiras: a Compagnie Générale
Aéropostale e a Condor Syndikat. (BIELSCHOWSKY, 2011) A Compagnie Générale
Aéropostale encerrou suas atividades no país em 1931, mas mesmo nesse curto espaço de
tempo, montou uma infraestrutura aeronáutica importante para o desenvolvimento do
setor. Entre 1920 e 1930, havia fortes barreiras à entrada, devido ao acesso privilegiado
que companhias estrangeiras tinham à tecnologia. Depois disso, foram surgindo novas
empresas de transporte aéreo, dentre elas, a Viação Aérea Rio Grandense S/A (VARIG),
Panair do Brasil - que fez a ligação com Buenos Aires e Nova York -, a Viação Aérea
São Paulo (VASP) - criada por um grupo de empresários nacionais -, dentre outras.
O período de 1940 a 1950 foi marcado pela expansão da quantidade de empresas
aéreas nacionais, devido ao processo de difusão tecnológica e a um ciclo de inovações. A
partir da Segunda Guerra Mundial, o setor de transporte aéreo foi marcado principalmente
pela tecnologia e capital norte-americanos. No período pós-guerra, a partir de 1943, foram
criadas diversas empresas de transporte aéreo no Brasil, além da expansão das já
existentes. Segundo SONINO (1995), isto só foi possível pela facilidade de aquisição de
aviões de transporte de tropas usados na Segunda Guerra Mundial.
No final da década de 1950 houve uma revolução tecnológica no transporte aéreo,
com o início da operação de jatos comerciais, influenciando na velocidade operacional
17
média das frotas e alavancando a capacidade de transporte de passageiros e de carga,
aumentando fortemente a produtividade das empresas aéreas. (BIELSCHOWSKY, 2011)
Após esse período de ampla expansão, a década de 1960 foi marcada pela crise e
estagnação da economia brasileira, o que refletiu no baixo crescimento das empresas
aéreas. Elas enfrentavam a instabilidade política e econômica, elevados custos de
manutenção e forte concorrência no mercado de transporte aéreo.
Objetivando sistematizar as negociações entre o Estado e as empresas aéreas,
foram realizados importantes eventos do setor, contando também com a presença do
regulador, o Departamento de Aviação Civil (DAC). As reuniões foram denominadas
Conferências Nacionais de Aviação Comercial (CONAC), sendo a primeira em 1968.
Começava o período chamado de “Regulação Estrita” do Governo, marcado por barreiras
legais à entrada e regulação dos preços. As políticas governamentais incentivaram a fusão
de empresas, além de controlar os preços e as frequências dos voos. As empresas foram
divididas em dois grupos: nacionais, apenas em ligações tronco, e regionais, que faziam
as rotas alimentadoras. Desse modo, buscava-se reduzir a “concorrência predatória”.
Fortalecendo esta política controladora, em 1975 criou-se o Sistema Integrado de
Transporte Aéreo Regional (SITAR), visando estabelecer uma Política Industrial para o
setor de Transporte Aéreo Regional. Entre 1967 e 1980 houve uma forte expansão da
economia, que ocasionou um grande crescimento da demanda por transporte aéreo. Este
crescimento, juntamente com o regime de “Regulação Estrita”, resultou na recuperação
da capacidade de investimentos do setor de aviação civil. Novos aviões Boeing e Airbus
foram adquiridos pelas companhias nacionais. Foi nessa década que surgiu uma
importante companhia aérea brasileira, a TAM, uma das maiores em atuação no país.
Porém, a partir do início da década de 1980, a economia brasileira ingressou em
um longo período de estagnação. O Brasil enfrentava uma hiperinflação, causada pelo
aumento da dívida externa, 2° choque do petróleo e aumento dos juros nos Estados
Unidos. Diversas tentativas de controlar a inflação foram feitas pelo governo, mas a ela
continuava alta. As empresas do setor aéreo se endividaram, principalmente devido às
expectativas de receitas que não se confirmaram, pois haviam realizado expansões de
capacidade anteriormente. Além disso, a elevação dos custos operacionais e financeiros,
o rígido controle das tarifas para tentar conter a inflação, o aumento do preço do petróleo
e a desvalorização cambial provocaram um grave desequilíbrio econômico nas empresas.
18
Com a situação financeira crítica, as empresas aéreas deram início a uma guerra
de preços, que provocou o colapso do modelo de “Regulação Estrita”. Praticamente todas
as empresas nacionais faliram nesse período. A crise financeira das empresas do setor
motivou a desregulamentação progressiva do mercado de transportes aéreos no Brasil a
partir de 1992, causando profundas mudanças na estrutura deste mercado. Ressalta-se que
o controle da inflação e a retomada do crescimento do PIB brasileiro só ocorreram em
1994, com as medidas do Plano Real.
Assim, não existia mais a divisão entre empresas “nacionais” e “regionais,
substituíram-se as barreiras à entrada por uma política de incentivo à novas empresas, e
não havia mais a regulação rígida de preços, apenas um limite mínimo e máximo para as
tarifas. Mais à frente, em 1997, o limite superior de preços foi eliminado. A terceira
rodada de liberalização veio a ocorrer em 2001, quando foram removidos todos os
controles de preços. (BIELSCHOWSKY, 2011) A partir de 2003 houve uma nova
regulação do mercado, buscando-se evitar excesso de capacidade. A partir desse ano,
devido à gradual melhora da situação econômica do país, houve um grande crescimento
da demanda por transporte aéreo e uma maior concorrência entre as companhias aéreas.
Entre 2003 e 2010 o setor de transporte aéreo apresentou um expressivo crescimento.
O transporte aéreo está sob o regime de livre concorrência, permitindo a liberdade
tarifária, desde 2001 para voos domésticos e desde 2010 para voos internacionais com
origem no Brasil, e a liberdade de oferta, instituída em 2005. Estes preceitos foram
assegurados pela Lei nº 11.182/2005, a mesma lei que criou a Agência Nacional de
Aviação Civil – ANAC, que é reconhecida como Autoridade de Aviação Civil. Como foi
descrito no tópico 2.1.1, esta instituição foi criada com o objetivo de regular e fiscalizar
o setor, cabendo a ela, dentre outras atribuições, conceder, permitir ou autorizar a
exploração de serviços aéreos, regular a infraestrutura aeronáutica e aeroportuária. A
criação da ANAC foi um marco importante para o setor, uma vez que a agência veio para
garantir a segurança e a qualidade do transporte aéreo brasileiro.
Com a desregulamentação e liberalização do setor, em janeiro de 2001, começou
a operar a empresa Gol Linhas Aéreas, primeira empresa brasileira de voos regulares a
operar com estratégia de baixo custo e tarifa, devido à otimização da regularidade das
aeronaves, uso de tecnologia da informação (TI) e simplificação dos serviços de bordo.
19
(SOUZA, 2006) Nos anos seguintes, entravam em operação as empresas Avianca Brasil
(a qual herdou aeronaves da falida VARIG) e a Azul Linhas Aéreas. Com isso, o número
de rotas aéreas foi ampliado no Brasil, mas também o mercado veio se tornando mais
concentrado devido às fusões e aquisições.
Como mencionado anteriormente, a demanda doméstica por transporte aéreo de
passageiros veio aumentando significativamente desde 2001. Essa demanda mais do que
duplicou de 2005 a 2015, em termos de passageiros-quilômetros pagos transportados
(RPK), com impressionante alta de 133% entre os anos de 2006 e 2015 e com crescimento
médio de 9,8% ao ano. Segundo o Relatório Anual da ANAC, desde 2010, o avião tem
sido o principal meio de transporte utilizado pelos passageiros nas viagens interestaduais
com distâncias superiores a 75 km, quando considerados os modais aéreo e rodoviário.
Segundo OLIVEIRA (2009), o número de passageiros no mercado doméstico
brasileiro experimentou taxas de crescimento superiores ao dobro da taxa de crescimento
da renda nacional neste período. A mudança da elasticidade renda da demanda do setor
indica a existência de outros fatores que também contribuíram para o crescimento do
mercado da aviação civil. Alguns fatores que podem ser relevantes são: a melhoria na
distribuição de renda da população e a redução dos preços do setor, tornando o transporte
aéreo acessível e com a inclusão de passageiros das classes B e C. De 2005 a 2015, a
quantidade de voos domésticos registrou um crescimento acumulado de 59,9%. No tópico
3.0 serão estudadas as variáveis que causam mudanças na oferta e na demanda por
transporte aéreo no Brasil.
O Brasil começou a enfrentar uma forte crise política e econômica principalmente
a partir do ano de 2013, que fez aumentar a inflação, o número de desempregados,
diminuição da renda e levou à queda no crescimento do país. Com isso, a demanda e
oferta por transporte aéreo acabou sofrendo as consequências. Segundo a Associação
Brasileira de Empresas Aéreas (ABEAR), a aviação doméstica registrou retração na
demanda de 5,47% e diminuição da oferta de 5,74% entre janeiro e dezembro de 2016,
quando comparado ao mesmo período de 2015. Além disso, o total de viagens realizadas
foi 7,45% menor. Vale ressaltar que esta associação conta com a participação de 4
empresas brasileiras para fazer o cálculo: Avianca, Azul, Gol e Latam, não considerando
os dados das demais empresas brasileiras. No tópico 3.1 é possível visualizar os gráficos
da demanda e da oferta por transporte aéreo no Brasil ao longo de 16 anos.
20
O número de passageiros pagos transportados no mercado doméstico em
dezembro de 2016 atingiu 8,0 milhões, caindo 5,9% em relação a dezembro de 2015, que
já havia registrado queda neste número. A demanda doméstica acumulou queda de 5,7%
no ano de 2016 e a oferta acumulou redução de 5,9% no mesmo período. O Gráfico 6 a
seguir apresenta o histórico de passageiros transportados no mercado doméstico desde
janeiro de 2000 até novembro de 2016.
Gráfico 6 - Número de passageiros pagos transportados no mercado doméstico
Fonte: Elaboração própria a partir de dados da ANAC (2016)
Ao longo dos anos, com a progressiva evolução do transporte aéreo no Brasil e
redução das barreiras à entrada, mais empresas começaram a operar. Ocorreram muitas
fusões e aquisições de empresas. Segundo BARBOSA (2011), a empresa brasileira
“TAM” já adquiriu várias companhias menores: “Votec” (1986), a paraguaia “Lapsa”
(1996), “Pantanal Linhas Aéreas” (2009). No ano de 2012, a empresa se fundiu com a
chilena “LAN”, passando a se chamar “Latam” e formando uma gigante latino-americana.
Antes disso, no final de 2011, o setor aéreo brasileiro viu a compra da “Webjet” pela
“Gol” (que é a maior em market-share atualmente), e em 2012, as empresas “Azul” e
“Trip” anunciaram uma fusão, formando a 3ª maior empresa aérea brasileira. Portanto,
0
1000000
2000000
3000000
4000000
5000000
6000000
7000000
8000000
9000000
10000000
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Passageiros Pagos Doméstico - PAX (pessoas)
21
essas fusões e aquisições influenciam na oferta de assentos em aviões, e também
influenciam no preço das passagens aéreas, pois acaba havendo menos concorrência.
2.4.2.1. Principais Companhias Aéreas Nacionais
Dados da ANAC (2016) mostram que nove empresas brasileiras prestaram serviço
de transporte aéreo doméstico de passageiros em 2016. Algumas delas têm uma
participação de mercado muito pequena. Pode-se dizer que o mercado brasileiro de
aviação civil se concentra em quatro empresas principais que representam 98,9% de
participação no transporte de passageiros: Gol, Latam Airlines Brasil, Azul e Avianca
Brasil. Estas quatro empresas também realizam o transporte aéreo internacional de
passageiros, com voos partindo do Brasil. A tabela e o gráfico a seguir apresentam a
participação de mercado (market-share) de cada uma das companhias aéreas,
comparando com o mesmo período (dezembro) de 2015.
Tabela 1 – Participação de Mercado Empresas Brasileiras Transporte Aéreo Doméstico.
Fonte: ANAC (2016)
2015 2016 Variação %
GOL 37.70% 37.44% -0.69%
LATAM AIRLINES BRASIL 34.39% 32.71% -4.87%
AZUL 16.69% 17.48% 4.77%
AVIANCA BRASIL 10.13% 11.80% 16.52%
PASSAREDO 0.95% 0.47% -50.82%
MAP LINHAS AEREAS 0.06% 0.06% -9.79%
TOTAL 0.05% 0.04% -34.61%
SETE 0.03% 0.00% -100.00%
FLYWAYS LINHAS 0.00% 0.00% -100.00%
EMPRESAPARTICIPAÇÃO DE MERCADO (RPK)
22
Gráfico 7 - Participação de Mercado Empresas Brasileiras Transporte Aéreo Doméstico:
comparação dez/2015 com dez/2016.
Fonte: Elaboração própria a partir de dados da ANAC (2016)
Na Tabela 1 e no Gráfico 7, vê-se que a Gol e a Latam Brasil lideram o mercado,
apesar de terem sofrido redução na participação de mercado de 2015 para 2016. A
Avianca registrou um significativo crescimento de um ano para outro, com sua
participação de mercado crescendo 16,52% de dezembro de 2015 a dezembro de 2016.
No mesmo período, a Azul registrou alta de 4,8% em seu percentual de participação.
Em dezembro de 2016, a demanda (em RPK) e a oferta (em ASK) por transporte
aéreo doméstico de passageiros registraram queda de 2,8% e 4,6%, respectivamente, em
relação ao mesmo mês de 2015. Com mais essa queda, a demanda e a oferta domésticas
apresentaram o décimo sétimo mês consecutivo de redução. Entre as principais empresas
aéreas brasileiras, as únicas que apresentaram crescimento na demanda no mês de
dezembro de 2016 em comparação com o mesmo mês de 2015 foram a Avianca e Azul.
A Avianca registrou aumento de 13,2% e a Azul de 1,8%. A Gol e a Latam Brasil
registraram retração de 3,5% e 7,6%, respectivamente.
Em dezembro de 2016, a taxa de aproveitamento das aeronaves (RPK/ASK) em
voos domésticos operados por empresas brasileiras foi da ordem de 81,3%, o que
37.70%
34.39%
16.69%
10.13%
1.10%
37.44%
32.71%
17.48%
11.80%
0.09%0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%
35.00%
40.00%
GOL LATAMAIRLINESBRASIL
AZUL AVIANCABRASIL
OUTRAS
Participação de Mercado
dez/15
dez/16
23
representou aumento de 1,8% em comparação com o mesmo mês de 2015. Este resultado
representa o maior valor do indicador para o mês de dezembro desde o início da série
histórica no ano de 2000. A empresa aérea que registrou a maior taxa de aproveitamento
neste mês foi a Avianca, com 84,6%. A Latam Brasil, a Gol e a Azul registraram
aproveitamento de 83,6%, 79,5% e 79,5%, respectivamente. O Gráfico 8 apresentado a
seguir ilustra a evolução da taxa de aproveitamento das companhias aéreas brasileiras
atuando no mercado doméstico,
Gráfico 8 - Taxa de aproveitamento das empresas aéreas brasileiras no mercado doméstico
Fonte: Elaboração própria a partir de dados da ANAC (2016)
A empresa que mais transportou passageiros no mercado doméstico no acumulado
de 2016 foi a Gol, com 30,2 milhões de pessoas, seguida pela Latam Brasil, com 28,7
milhões, pela Azul, com 19,4 milhões, e pela Avianca, com 9,2 milhões. O total de
passageiros em voos domésticos foi de 88,6 milhões no ano de 2016. Segundo a ABEAR,
o número de pessoas embarcadas foi o menor registrado desde 2012. O Gráfico 9 mostra
o percentual de passageiros transportados por companhia aérea neste ano.
0.00
10.00
20.00
30.00
40.00
50.00
60.00
70.00
80.00
90.00
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Aproveitamento Doméstico(%)
24
Gráfico 9 - Percentual dos passageiros transportados por empresa aérea em 2016
Fonte: Elaboração própria a partir de dados da ANAC (2016)
O desempenho econômico das duas companhias aéreas com maior participação
de mercado mostrou certa melhora, quando comparado ao ano de 2015. No quarto
trimestre de 2016, A Gol registrou um prejuízo líquido de 30,2 milhões de reais, bem
menor que o resultado negativo de 1,13 bilhão de reais no último trimestre de 2015, o
que, segundo a empresa, foi possível graças a reestruturação da malha aérea realizada em
maio de 2016. O Grupo Latam Airlines, controlador da Latam Airlines Brasil e também
das companhias Latam Airlines Chile, Peru, Argentina, Colômbia e Equador, teve lucro
líquido de US$ 4,7 milhões no terceiro trimestre deste ano, revertendo prejuízo de US$
113,3 milhões no mesmo período de 2015. Ressalta-se que esse lucro não é somente da
Latam Brasil e sim do Grupo Latam Airlines como um todo, mas indica melhora nos
resultados.
Na Tabela 2, que está a seguir, foram reunidas as principais informações sobre as
companhias aéreas em 2016.
25
Tabela 2 – Resumo das informações das companhias aéreas em 2016
Fonte: Elaboração própria a partir de dados da ANAC (2016)
2.5. Mercado Internacional – Oferta e Demanda
A imagem, a seguir, resume alguns acontecimentos importantes do transporte
aéreo internacional.
Figura 2 – Linha do tempo do transporte aéreo internacional.
Fonte: Elaboração própria.
26
A origem da aviação civil remonta ao início do século XX. A primeira companhia
aérea criada foi a alemã DELAG (que, em alemão, quer dizer Companhia Alemã de
Transportes Aéreos) em 16 de novembro de 1909. Consta que, entre 1910 e 1913, essa
empresa transportou cerca de 34.000 passageiros em voos que ligavam apenas algumas
cidades dentro da própria Alemanha. Como exemplo, um voo entre as cidades de Berlim
e Friedrichshafen, que costumava durar entre 4 e 9 horas, chegava a durar 24 horas em
uma viagem de trem. Esse fato mostrava para a sociedade o quão vantajoso viajar pelo ar
poderia ser e sinalizava que isso viria a ser uma tendência. Cabe ainda esclarecer que
essas primeiras viagens ocorridas na Alemanha eram encaradas como passeios e eram
realizadas apenas por membros da realeza alemã, como oficiais militares, aristocratas e
funcionários do governo.
Em 1914, registra-se a primeira viagem comercial da história da aviação. Esse
evento ocorreu nos Estados Unidos quando o prefeito de São Petersburgo, Abram Phell,
pagou a quantia de US$ 400 para ser levado de São Petersburgo até a cidade de Tampa
em um hidroavião, da marca e modelo Benoist XIV, com capacidade para apenas 2
lugares. A partir desses primeiros eventos, a aviação viveu anos de prosperidade, mais
precisamente durante as décadas de 1920 e 1930. Durante esse período, várias
companhias aéreas foram criadas em diferentes países como Reino Unido, França,
Finlândia e Rússia, e também, nessa época, ocorreram os primeiros voos
intercontinentais.
Apesar de muitos avanços no setor da aviação, somente após a Segunda Guerra
Mundial o transporte internacional aéreo deu um grande salto e passou a ser utilizado em
larga escala. Intensificou-se a busca por parte dos fabricantes em produzir aviões cada
vez maiores e mais velozes de modo a atender uma demanda em crescimento. Um
importante progresso na década de 1950 fora a introdução de motores a jato em aviões
comerciais. Em 1960, nos Estados Unidos, começavam a entrar em serviço os jatos
Boeing 720 e 707 e dois anos depois o Douglas DC-8 e o Convair 880. Ao final dessa
década, já existiam modelos capazes de transportar até 400 pessoas, como o Boeing 747.
Em seguida, ganharam destaque os aviões turbo-hélices (mais econômicos e potentes) e,
posteriormente, os chamados “supersônicos”, que apresentavam velocidades duas ou até
três vezes maiores que a do som.
27
Ao final do século XX, Boeig (americana) e Airbus (europeia) passaram a dominar
a fabricação de grandes jatos. Em 1994, o Boeing 777 decolou pela primeira vez e este
fato significou um marco na história da aviação civil uma vez que a aeronave foi a
primeira a ser totalmente planejada e desenhada por computadores. Com início do século
XXI, a aviação buscou (e busca) focalizar seus esforços na construção de aeronaves
controladas a distância ou mesmo por computadores, sem a necessidade de um piloto.
Internacionalmente, o mercado aéreo é regulamentado por duas instituições, a
saber: a OACI (Organização Internacional da Aviação Civil) e a IATA, International Air
Transport Association (Associação Internacional de Transporte Aéreo).
A OACI é uma agência da ONU, criada em 1944 e que possui 191 países
membros. É considerada a maior instituição reguladora da aviação mundial e que
estabelece as diretrizes gerais desse segmento. Entre suas principais atribuições, está a
organização e contribuição para o progresso dos transportes aéreos, preocupando-se com
a segurança, a economia, a eficiência e o desenvolvimento de serviços e transportes
aéreos. Nos países em desenvolvimento, a agência procura organizar e prover maior
eficiência aos serviços de infraestrutura da aeronáutica fornecendo equipes de
especialistas para ajudas na operação de serviços técnicos primordiais para a aviação civil
e fornecendo também bolsas de estudo para cursos de especialização.
Outra importante função da OACI é o seu sistema de códigos, o qual associa quaro
letras a aeroportos e três letras para a identificação de companhias. Também cria códigos
alfanuméricos para aviões facilitando a identificação em planos de voo.
A IATA é uma associação internacional que representa as empresas aéreas em
questões relacionadas à aviação. Foi fundada em 1945 e tem como objetivo geral
promover o tráfego aéreo comercial. Em 2016, representava 264 companhias aéreas, o
que correspondia a 83% do tráfego global. Entre seus objetivos mais específicos estão:
contribuir com as companhias aéreas na simplificação de processos, melhorar a
comodidade de passageiros, minimizar custos, aumentar a eficiência de serviços e,
especialmente, tomar conta da segurança da aviação.
O código aeroportuário IATA é um código composto por três letras que
identificam os nomes dos aeroportos em todo o mundo. Têm o objetivo de facilitar
28
processos e são utilizados, por exemplo, em adesivos de bagagens e passagens aéreas.
Esses códigos são diferentes dos usados pela ICAO que, por sua vez, são os mais aderidos
pelos países em suas publicações aeronáuticas. Exemplos de códigos da IATA: GRU
(Aeroporto de Guarulhos de São Paulo), LHR (Heathrow, em Londres).
É de extrema importância salientar que os dados e informações posteriormente
analisados no presente trabalho referem-se a voos internacionais com origem no Brasil e
apenas de empresas aéreas brasileiras que oferecem tal serviço. Não serão analisados
dados e informações de companhias aéreas de fora do Brasil.
A evolução do número de passageiros transportados para fora do Brasil por
companhias aéreas brasileiras é apresentada no Gráfico 10, logo na sequência.
Gráfico 10 - Número de passageiros pagos transportados no mercado internacional por empresas
brasileiras
Fonte: Elaboração própria a partir de dados da ANAC (2016)
2.5.1.1. Principais Companhias Aéreas
A seguir, estão dispostos, na forma de rankings, alguns dados de companhias
aéreas do ano de 2015, apenas como forma de apresentar brevemente o setor
internacional. Foram classificadas as 15 maiores empresas do setor aéreo segundo:
0
100000
200000
300000
400000
500000
600000
700000
800000
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Passageiros Pagos Internacional - PAX (pessoas)
29
Receita (em bilhões de dólares); Passageiros (em milhões de passageiros transportados)
e Passageiros RPK (em milhões de passageiros transportados por km percorrido). A única
empresa brasileira que aparece nesta lista é a Latam (em destaque na imagem), a qual está
sob análise neste trabalho, juntamente com outras empresas brasileiras.
Figura 3 – Ranking de companhias aéreas no mercado internacional.
Fonte: http://www.aviacaocomercial.net/rankings.htm - Acessado em 21/05/2017.
Também estão ranqueadas, a seguir, as 20 companhias de maior frota no ano de
2016. Nesta lista não aparece nenhuma companhia aérea brasileira.
30
Figura 4 – Ranking de companhias aéreas com maior frota.
Fonte: http://www.aviacaocomercial.net/rankings.htm Acessado em 21/05/2017.
Quando se olha apenas para as companhias aéreas brasileiras que atuam no
mercado internacional (as quais são o foco do presente trabalho, já que os dados coletados
da ANAC incluem apenas estas), tem-se o aproveitamento ilustrado no Gráfico 11 a
seguir.
Gráfico 11 - Taxa de aproveitamento das empresas aéreas brasileiras no mercado internacional
Fonte: Elaboração própria a partir de dados da ANAC (2016)
0.00
10.00
20.00
30.00
40.00
50.00
60.00
70.00
80.00
90.00
100.00
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Aproveitamento Internacional(%)
31
2.6. Painel de Resultados do Setor Aéreo em 2016
A seguir, é apresentado um Painel de Indicadores do Transporte Aéreo que contém
um resumo de algumas informações importantes para o setor aéreo no ano de 2016 (está
dividido em duas figuras). Esse painel, que é divulgado pela ANAC, tem o objetivo de
ampliar o conhecimento da sociedade sobre o setor através da apresentação de alguns dos
principais indicadores relacionados aos seguintes aspectos dos mercados doméstico e
internacional: demanda, oferta, participação de mercado, tarifas aéreas domésticas
comercializadas e desempenho econômico-financeiro.
A sua elaboração se baseia em dados estatísticos de voos, no registro de tarifas
aéreas domésticas comercializadas e nas demonstrações contábeis, que são fornecidos
pelas empresas brasileiras e estrangeiras de transporte aéreo público. Além disso, foram
utilizados dados do Instituto Brasileiro de Geografia e Estatística (IBGE) para a
composição do indicador denominado “Passageiros para cada 100 habitantes” e pela
Agência Nacional de Transportes Terrestres (ANTT) para a elaboração do indicador
relacionado ao Transporte Regular Interestadual de Passageiros.
32
Figura 5 – Painel de indicadores do setor aéreo no Brasil – Parte 1
Fonte: ANAC (2016)
33
Figura 6 – Painel de indicadores do setor aéreo no Brasil – Parte 2
Fonte: ANAC (2016)
34
3. METODOLOGIA
3.1. Base de Dados de Informações
Neste tópico 3.1, serão apresentadas todas as variáveis selecionadas para realizar
o estudo de oferta e demanda de transporte aéreo das companhias brasileiras. Estas
variáveis foram escolhidas para fazer parte da análise visto que existe a expectativa de
que elas se relacionem de alguma forma com as variáveis de interesse. As fontes dos
dados são confiáveis, de modo a garantir que os registros encontrados para cada uma das
variáveis sejam verídicos. Na sequência, está a explicação de cada uma das variáveis,
sejam elas dependentes ou explicativas. Também é apresentada uma evolução histórica
das variáveis, de modo a permitir a visualização de seu comportamento ao longo dos anos.
Variáveis Dependentes
Demanda Doméstica (RPK)
RPK é a sigla para a expressão em inglês Revenue Passenger Kilometers que é
um padrão internacional para a medida de demanda de passageiros. O indicador reflete o
somatório do produto entre o número de passageiros e a distância dos voos (número de
passageiros pagantes por quilômetro voado). No presente trabalho, a demanda doméstica
detém-se a estudar apenas a demanda de passageiros para voos em empresas brasileiras
dentro do território nacional.
A Demanda Doméstica (RPK) apresentou um grande crescimento desde janeiro
de 2000, o qual começou a se acentuar entre 2003 e 2004, quando se percebe uma
mudança de inclinação da curva. Comparando o número registrado no início da medição
com o registrado em novembro de 2016, tem-se um importante crescimento de 193%. O
gráfico da evolução da Demanda Doméstica (RPK) no tempo está na sequência.
35
Gráfico 12 - Evolução Histórica da Demanda Doméstica (RPK)
Fonte: Elaboração própria a partir de dados da ANAC
Oferta Doméstica (ASK)
ASK é a sigla para a expressão em inglês Available Seat Kilometers que é um
padrão internacional para a medida de oferta de assentos. O indicador reflete o somatório
do produto entre o número de assentos oferecido e a distância dos voos (assentos
oferecidos por quilômetro voado). Neste estudo, a oferta doméstica detém-se apenas a
estudar a oferta de assentos por empresas brasileiras para voos dentro do território
nacional.
A Oferta Doméstica (ASK) também registrou um expressivo crescimento, como
era de se esperar, já que a demanda aumentou. Porém este aumento da oferta se deu a
partir de 2005, quando há uma mudança de inclinação da curva, assumindo uma tendência
de crescimento. Esse aumento da oferta retardado, quando comparado ao aumento da
demanda, ocorre pelo fato de haver uma maior capacidade ociosa nas aeronaves até este
ano de 2005 (com uma média de 59,6% de aproveitamento de janeiro de 2000 a dezembro
de 2004). O aumento da oferta em todo o período de estudo foi de aproximadamente
127%, podendo ser observado no Gráfico 13 a seguir.
0
2,000,000
4,000,000
6,000,000
8,000,000
10,000,000
12,000,000
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Demanda Doméstica (RPK)
36
Gráfico 13 - Evolução Histórica da Oferta Doméstica (ASK)
Fonte: Elaboração própria a partir de dados da ANAC
Demanda Internacional (RPK)
A variável de medição da demanda internacional por passageiros que utilizam a
aviação como meio de transporte. Segue o mesmo cálculo apresentado no tópico 3.1.2
referente à demanda doméstica. Porém, no presente trabalho, a demanda internacional
refere-se à demanda de passageiros para voos oferecidos por companhias aéreas
brasileiras entre o Brasil e outros países, tendo como país de origem o Brasil.
No geral, a Demanda Internacional (RPK) por transporte aéreo em empresas
aéreas brasileiras teve crescimento no período observado. Entre janeiro de 2000 e
dezembro de 2005, essa demanda estava em um patamar inicial, girando em torno de 1,8
milhão de passageiros transportados por quilômetro voado. No ano de 2006, registra-se
uma forte queda na demanda. Isso pode ser explicado pelo fato da representativa
companhia aérea VARIG enfrentar uma grave crise financeira neste período, entrando em
estado de recuperação judicial. Sem o pagamento das verbas rescisórias, muitos dos seus
aviões ficaram retidos nos aeroportos, sem poder voar. Posteriormente a empresa foi
vendida e acabou indo à falência em 2009. No mesmo ano de 2006, a TAF (empresa
0
2,000,000
4,000,000
6,000,000
8,000,000
10,000,000
12,000,000
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Oferta Doméstica (ASK)
37
brasileira de táxi aéreo) registrou forte queda no número de aeronaves, repercutindo na
diminuição de sua demanda.
Em dezembro de 2006, a demanda internacional volta a assumir uma tendência de
crescimento. Houve uma queda entre janeiro e junho de 2016, que pode ser um reflexo
da crise econômica vivida no Brasil, fazendo os consumidores a reduzirem as viagens
internacionais. No geral, esta variável cresceu aproximadamente 38% no período. O
gráfico desta evolução está a seguir.
Gráfico 14 - Evolução Histórica da Demanda Internacional (RPK)
Fonte: Elaboração própria a partir de dados da ANAC
3.1.4.1. Oferta Internacional (ASK)
A variável de medição da oferta internacional de assentos na aviação segue o
mesmo cálculo apresentado no tópico 3.1.3 referente à oferta doméstica. A oferta
internacional, no presente trabalho, refere-se à oferta de assentos por companhias aéreas
brasileiras para voos entre Brasil e um outro país.
Assim como a Demanda Internacional, a Oferta Internacional (ASK) também
registrou aumento no período de janeiro de 2000 a novembro de 2016, embora um pouco
menor (de aproximadamente 14%). O gráfico possui padrão semelhante ao precedente.
No mesmo ano de 2006, como comentado anteriormente, a VARIG passava por grave
0
500000
1000000
1500000
2000000
2500000
3000000
3500000
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Demanda Internacional (RPK)
38
crise financeira que a fez ficar com dezenas de aviões parados, sem poder ofertar assentos
aos passageiros. Com isso, registrou-se uma queda acentuada entre dezembro de 2005 e
setembro de 2006. Depois, a oferta assumiu uma tendência de crescimento até o fim do
período em estudo.
Gráfico 15 - Evolução Histórica da Oferta Internacional (ASK)
Fonte: Elaboração própria a partir de dados da ANAC
Variáveis Explicativas
3.1.5.1. Imposto sobre a Importação
Incide sobre a importação de mercadorias estrangeiras e sobre a bagagem de
viajantes vindo do exterior. Esse imposto é gerado a partir do momento em que esses
produtos estrangeiros entram em território nacional seja qual for a via de acesso. A série
de dados é informada em R$ (milhões).
Esta variável veio crescendo no período estudado, principalmente a partir do ano
de 2007, quando a curva se inclina mais fortemente para cima. Os maiores níveis
atingidos pelo imposto sobre a importação ocorreram entre 2013 e 2015, registrando uma
queda de aproximadamente 26% de outubro de 2015 para outubro de 2016. Entre os anos
0
500000
1000000
1500000
2000000
2500000
3000000
3500000
4000000
4500000
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Oferta Internacional (ASK)
39
de 2000 e 2016, o aumento foi de 369%. O Gráfico16, com a evolução histórica do
imposto sobre a importação, está a seguir.
Gráfico 16 - Evolução Histórica do Imposto sobre a Importação
Fonte: Elaboração própria a partir de dados do Ministério da Fazenda
3.1.5.2. Produção industrial – Indústria Geral
A produção industrial é mensurada pelo índice de quantum que utiliza os dados
da Pesquisa Industrial Mensal de Produção Física (PIM-PF). A pesquisa fornece
mensalmente dados do produto real da indústria no Brasil, tendo como unidade de coleta
estabelecimentos industriais selecionados. O indicador permite acompanhar o que é
produzido dentro do Brasil pelas indústrias de transformação e extrativa. O seu aumento
corresponde ao aumento da produção industrial, bem como sua diminuição está atrelada
à redução da atividade industrial no país.
A produção industrial medida através do índice quantum apresenta padrão cíclico
e mantém-se aproximadamente constante dentro de uma faixa de valores, registrando um
pequeno aumento nos anos de 2007, 2008, 2010, 2011, 2012, 2013 e 2014. Nesses
períodos, o Brasil encontrava-se bem economicamente. A partir do fim de 2014, apresenta
leve queda. O gráfico a seguir ilustra esse comportamento da variável.
0.0000E+00
5.0000E+02
1.0000E+03
1.5000E+03
2.0000E+03
2.5000E+03
3.0000E+03
3.5000E+03
4.0000E+03
4.5000E+03
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Imposto sobre a importação
40
Gráfico 17 - Evolução Histórica da Produção Industrial
Fonte: Elaboração própria a partir de dados do IBGE
3.1.5.3. Yield de Tarifa Aérea Real
O Yield Tarifa Aérea Médio Doméstico é um indicador econômico que
representa o valor médio pago pelo passageiro por quilômetro voado. Consequentemente,
em voos mais longos, custos referentes ao atendimento aos passageiros, processamento
de bilhetes, decolagem e aterrissagem são diluídos por uma quantidade maior de
quilômetros em comparação a viagens mais curtas. Assim, o indicador tende a ter um
valor menor quanto mais longos forem os voos. Ele é muito útil para comparar os preços
entre linhas aéreas com diferentes distâncias.
Em agosto de 2001, início do regime de liberdade tarifária para voos domésticos
no Brasil, as empresas aéreas ficaram obrigadas a registrar junto à autoridade aeronáutica
todas as bases tarifárias praticadas, englobando todos os voos domésticos. A metodologia
atual considera a origem e o destino do passageiro constantes no bilhete de passagem,
independentemente de escalas e conexões. Porém, os dados das tarifas aéreas
internacionais, para voos com origem no Brasil, comercializadas no país só passaram a
ser registrados a partir de 2011, e não foi possível localizar a sua série histórica
separadamente (o site da ANAC informa que sua publicação está prevista para 2017).
Portanto, esta é uma limitação do trabalho, utilizar o Yield de Tarifa Aérea disponibilizado
pela ANAC, que engloba as empresas brasileiras e os voos domésticos (com a
0
20
40
60
80
100
120ja
n/2
00
2
ago
/20
02
mar
/20
03
ou
t/2
00
3
mai
/20
04
de
z/2
00
4
jul/
20
05
fev/
20
06
set/
20
06
abr/
20
07
no
v/2
00
7
jun
/20
08
jan
/20
09
ago
/20
09
mar
/20
10
ou
t/2
01
0
mai
/20
11
de
z/2
01
1
jul/
20
12
fev/
20
13
set/
20
13
abr/
20
14
no
v/2
01
4
jun
/20
15
jan
/20
16
ago
/20
16
Produção industrial - indústria geral - quantum -índice (média 2012 = 100)
41
possibilidade de os dados internacionais estarem registrados a partir de 2011, junto com
os demais).
A variável Yield de Tarifa Aérea Real será utilizada como forma de analisar a
variação dos preços das passagens aéreas no Brasil. Esta é uma forma mais eficaz de fazer
essa análise, do que usar apenas a série histórica da Tarifa Aérea Média. Isto ocorre
porque o Yield de Tarifa aérea mede o valor pago por quilômetro voado, enquanto a Tarifa
Média faz uma média do valor pago em todas as viagens realizadas por empresas aéreas
brasileiras no mercado doméstico (sendo que as distâncias entre os pontos de origem e
destino variam muito).
De janeiro de 2002 até janeiro de 2009, o valor das tarifas aéreas oscilou muito.
A partir deste ponto, a tendência assumida pelo gráfico é de queda nos preços e menos
variação (a curva não apresenta tantas oscilações). Essa evolução histórica pode ser
observada no Gráfico 18 a seguir.
Gráfico 18 - Evolução Histórica do Yield de Tarifa Aérea Real
Fonte: Elaboração própria a partir de dados da ANAC
3.1.5.4. Taxa de Câmbio (R$)/(US$)
De acordo com o site do Banco Central do Brasil, a taxa de câmbio refere-se ao
preço de uma moeda estrangeira medido em unidades ou frações (centavos) da moeda
0.0000
0.2000
0.4000
0.6000
0.8000
1.0000
1.2000
1.4000
jan
/20
02
ago
/20
02
mar
/20
03
ou
t/2
00
3
mai
/20
04
de
z/2
00
4
jul/
20
05
fev/
20
06
set/
20
06
abr/
20
07
no
v/2
00
7
jun
/20
08
jan
/20
09
ago
/20
09
mar
/20
10
ou
t/2
01
0
mai
/20
11
de
z/2
01
1
jul/
20
12
fev/
20
13
set/
20
13
abr/
20
14
no
v/2
01
4
jun
/20
15
jan
/20
16
ago
/20
16
Yield de Tarifa Aérea Real
42
nacional. No Brasil, a moeda estrangeira mais negociada é o dólar dos Estados Unidos,
fazendo com que a cotação comumente utilizada seja a dessa moeda. Assim, quando
dizemos, por exemplo, que a taxa de câmbio é 1,80, significa que um dólar dos Estados
Unidos custa R$ 1,80. A taxa de câmbio reflete, assim, o custo de uma moeda em relação
à outra. As cotações apresentam taxas para a compra e para a venda da moeda, as quais
são referenciadas do ponto de vista do agente autorizado a operar no mercado de câmbio
pelo Banco Central.
A variável Taxa de Câmbio oscilou bastante no período observado. Entre 2000 e
2002, percebe-se uma forte elevação de 114% nessa taxa, a qual é seguida por uma
gradual desvalorização do dólar frente ao real, até o ano de 2011. Entre esses anos, mais
especificamente em 2008, houve um salto na taxa de câmbio, que pode ter sido
ocasionada pela crise econômica mundial. A taxa de câmbio volta a crescer a partir de
setembro de 2011 até fevereiro de 2016, o que pode ser observado no Gráfico 19 pela
elevação da inclinação da curva da variável. Depois desta data, a moeda americana volta
a desvalorizar-se lentamente.
Gráfico 19 - Evolução Histórica da Taxa de Câmbio
Fonte: Elaboração própria a partir de dados do Banco Central do Brasil
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Taxa de câmbio (R$) / (US$) - comercial - compra -fim período - R$
43
3.1.5.5. Taxa de Juros – Selic
A taxa Selic, também conhecida como taxa básica de juros da economia brasileira,
é a média de juros que o governo brasileiro paga aos bancos por tomar empréstimos. Selic
é uma abreviação de Sistema Especial de Liquidação e Custódia que nada mais é do que
um sistema computadorizado utilizado pelo governo para o controle da emissão, compra
e venda de títulos.
Quando a Selic aumenta, os bancos preferem conceder empréstimos ao governo,
pois paga-se bem. Em contrapartida, quando a taxa diminui, para os bancos torna-se mais
conveniente emprestar aos consumidores, porque se obtém um lucro maior. Logo, quanto
maior a Selic, mais “caro” fica o crédito dos consumidores junto aos bancos uma vez que
há menos dinheiro disponível. A Selic também é importante para a política monetária
brasileira pois funciona como um indicador das condições econômicas do país, refletindo
a expectativa de inflação e os juros real, que é a quantidade mínima de juros acima da
inflação a qual investidores concordariam de investir no país.
A Taxa de Juros – Selic apresenta comportamento oscilante no período analisado,
mas no geral registrou queda até fevereiro de 2013. Depois disso, a inclinação da curva
aumenta, demonstrando o aumento dos juros ocasionado pela crise econômica enfrentada
pelo Brasil. O comportamento da variável pode ser visto no Gráfico 20 a seguir.
Gráfico 20 - Evolução Histórica das Taxa de Juros Selic
Fonte: Elaboração própria a partir de dados do Banco Central do Brasil
0.0000
0.5000
1.0000
1.5000
2.0000
2.5000
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Taxa de juros - Over / Selic - (% a.m.)
44
3.1.5.6. Utilização da Capacidade Instalada – Indústria Geral
Segundo o site do IPEA (Instituto de Pesquisa Econômica Aplicada), a Utilização
da Capacidade Instalada “é um índice que mede o nível de atividade da indústria
mostrando a porcentagem do parque industrial que está trabalhando”. Ele é calculado
mensalmente pela Confederação Nacional da Indústria e também pela Fundação Getúlio
Vargas, por meio de questionários enviados às empresas, que respondem se estão
produzindo a todo vapor ou se parte das máquinas está parada. O índice é apresentado
sob forma percentual.
A utilização da capacidade instalada na indústria geral brasileira demonstrou
muita oscilação nos anos selecionados para estudo. Apresentou crescimento gradual e
oscilante até setembro de 2008, quando atingiu seu ponto máximo, com utilização de
85,1% da capacidade instalada. Logo após essa data, teve um súbito decréscimo de 9,5%,
atingindo a utilização de 77% da capacidade em janeiro de 2009. Depois disso, a variável
apresentou recuperação, mas logo em seguida voltou a assumir tendência de queda, que
ficou mais evidente a partir do final de 2013, com o agravamento da crise econômica
vivida pelo país. Esses comportamentos podem ser observados no Gráfico 21 a seguir.
Gráfico 21 - Evolução Histórica da Utilização da Capacidade Instalada – Indústria Geral
Fonte: Elaboração própria a partir de dados da Confederação Nacional da Indústria
70.0000
72.0000
74.0000
76.0000
78.0000
80.0000
82.0000
84.0000
86.0000
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Utilização da capacidade instalada - indústria - (%)
45
3.1.5.7. Rendimento Médio Real Efetivo – Pessoas Ocupadas (R$)
O Rendimento Médio Real Efetivo – Pessoas Ocupadas era um dos indicadores
calculados a partir da Pesquisa Mensal de Emprego (PME) realizada pelo Instituto
Brasileiro de Geografia e Estatística. A PME encerrou-se em 2016 e foi substituída pela
Pesquisa Nacional por Amostra de Domicílios Contínua (Pnad Contínua).
Segundo site do IBGE, o indicador refere-se ao rendimento bruto real médio
efetivamente recebido no mês de referência em todos os trabalhos que as pessoas
ocupadas com rendimento tinham na semana referência a preços do mês do meio do
trimestre mais recente que está sendo divulgado. O deflator utilizado para isso é o Índice
de Preços ao Consumidor Amplo – IPCA.
A variável rendimento médio real efetivo apresenta claro comportamento cíclico.
Isso se deve ao fato da mesma ser corrigida pela inflação e também pelo rendimento das
pessoas ocupadas apresentar caráter sazonal. Entre os meses de dezembro e janeiro,
verifica-se um aumento considerável no rendimento, demonstrado pelos picos no Gráfico
22. Isso pode ser explicado por alguns fatores, como o pagamento do 13º salário aos
trabalhadores e a contratação de grande quantidade de trabalhadores temporários para os
meses de festas e férias, aumentando sua renda. Nos outros meses do ano, o rendimento
tende a permanecer constante. Observando todo o período estudado, vê-se um
crescimento de aproximadamente 42% no rendimento dos brasileiros.
46
Gráfico 22 - Evolução Histórica do Rendimento Médio Real Efetivo
Fonte: Elaboração própria a partir de dados do IBGE
3.1.5.8. Taxa de Desemprego
A taxa de desemprego representa a proporção da População Economicamente
Ativa (PEA) que se encontra na situação de desemprego, ou seja, quanto de
representatividade o grupo de indivíduos que se encontram em uma situação involuntária
de não trabalho ou que exercem trabalhos irregulares almejando mudanças
(desempregados) tem sobre a parcela da população com idade ativa para o trabalho que
se encontra ocupada ou desempregada. A sua fórmula de cálculo está na sequência.
Taxa de desemprego = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑒𝑠𝑒𝑚𝑝𝑟𝑒𝑔𝑎𝑑𝑜𝑠
𝑃𝐸𝐴 x 100
A taxa de desemprego apresentou tendência de queda desde o começo das
observações até dezembro de 2014, quando estava em apenas 4,3% de pessoas
desempregadas. No geral, essa taxa reduziu 66,7% neste período. A partir desta data, a
taxa voltou a crescer, muito em função da crise econômica brasileira. O último registro
disponível no momento da execução do presente trabalho é de uma taxa de desemprego
de 8,2%, registrando um aumento significativo, o qual pode ser visto pela mudança na
inclinação da curva no gráfico a seguir.
0
500
1000
1500
2000
2500
3000
3500
fev/
20
02
ago
/20
02
fev/
20
03
ago
/20
03
fev/
20
04
ago
/20
04
fev/
20
05
ago
/20
05
fev/
20
06
ago
/20
06
fev/
20
07
ago
/20
07
fev/
20
08
ago
/20
08
fev/
20
09
ago
/20
09
fev/
20
10
ago
/20
10
fev/
20
11
ago
/20
11
fev/
20
12
ago
/20
12
fev/
20
13
ago
/20
13
fev/
20
14
ago
/20
14
fev/
20
15
ago
/20
15
Rendimento médio real efetivo - pessoas ocupadas - RMs -(R$)
47
Gráfico 23 - Evolução Histórica da Taxa de Desemprego
Fonte: Elaboração própria a partir de dados do IBGE
3.1.5.9. Volume Consumido de Querosene de Aviação
O querosene de aviação (QAV) é um combustível derivado do petróleo alcançado
através de destilação direta com faixa de temperatura de 150º a 300ºC. No Brasil, são
produzidos dois tipos de querosene de aviação: o de uso militar, conhecido pela sigla
QAV-5, e o utilizado pela aviação civil, conhecido pela sigla QAV-1. Este último (QAV-
1) é comumente empregado em aviões e helicópteros que possuem motores à turbina,
como jato-puro, turboélices e turbo-fans. A Agência Nacional do Petróleo, Gás Natural e
Biocombustíveis (ANP) é o órgão regulador no Brasil responsável pelas especificações
do QAV-1 e de outros combustíveis. Essa variável contempla as vendas de querosene de
aviação pelas distribuidoras de combustível em todo o país.
O volume consumido de querosene de aviação está diretamente ligado ao número
de voos no Brasil. Até o final do ano de 2006, a variável oscilou entre 300 mil e 430 mil
metros cúbicos. A partir de 2007, vê-se que a curva começa a inclinar-se mais fortemente
para cima, atingindo um novo patamar em 2012, ficando oscilando em torno de 600 mil
metros cúbicos até janeiro de 2016, quando o consumo de querosene apresentou queda.
O Gráfico 24 a seguir mostra o comportamento da variável.
0
2
4
6
8
10
12
14
mar
/20
02
set/
20
02
mar
/20
03
set/
20
03
mar
/20
04
set/
20
04
mar
/20
05
set/
20
05
mar
/20
06
set/
20
06
mar
/20
07
set/
20
07
mar
/20
08
set/
20
08
mar
/20
09
set/
20
09
mar
/20
10
set/
20
10
mar
/20
11
set/
20
11
mar
/20
12
set/
20
12
mar
/20
13
set/
20
13
mar
/20
14
set/
20
14
mar
/20
15
set/
20
15
mar
/20
16
Taxa de desemprego - referência: 30 dias - RMs -(%)
48
Gráfico 24 - Evolução Histórica do Consumo de Querosene
Fonte: Elaboração própria a partir de dados da ANP
3.1.5.10. Preço do Barril de Petróleo ($)
O preço do Barril de Petróleo é de fundamental importância para a economia
mundial, uma vez que seu valor influencia diretamente na precificação de combustíveis
derivados do petróleo, como é o caso do querosene de aviação utilizado no setor de
mesmo nome. O barril é uma unidade de medida de volume e um barril de petróleo
equivale a aproximadamente 159 litros.
Em função de sua origem e destino final, o preço do petróleo está sujeito a
variações. As diferenças na cotação do barril de petróleo também se devem a qualidade
que diferentes tipos de petróleo podem apresentar. A série histórica do preço do barril de
petróleo usada neste trabalho é referente ao petróleo cru, sendo a média de três preços:
Petróleo Brent, West Texas Intermediate e Dubai Fateh. A cotação do barril de petróleo
ocorre no mercado internacional 24h por dia, sendo cotado em dólares.
O preço do barril de petróleo teve seus altos e baixos no período em estudo. Nos
anos iniciais, apresentou um incrível crescimento de aproximadamente 431%, passando
0
100000
200000
300000
400000
500000
600000
700000
800000
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Consumo de Querosene de Aviação (m³)
49
do valor de $25,22 em janeiro de 2000 para o valor de $133,90 em julho de 2008. Com a
crise econômica mundial desse ano, o valor do barril caiu fortemente, passando para o
valor de $41,58 em dezembro de 2008 (uma redução de 69% em apenas 5 meses), o que
pode ser visto pelo pico seguido de um vale no Gráfico 25. Depois disso, o preço do barril
de petróleo recuperou-se, atingindo novamente o patamar de $100, variando em torno
deste valor até 2014, quando houve uma nova grande queda no preço. Em dezembro de
2016, o valor estava em $54,07.
Gráfico 25 - Evolução Histórica do Preço do Barril de Petróleo
Fonte: Elaboração própria a partir de dados do World Bank
3.1.5.11. IPCA – Transportes
A sigla IPCA refere-se a Índice de Preços ao Consumidor Amplo, índice este
calculado pelo Instituto Brasileiro de Geografia e Estatística (IBGE) e que serve para
medir a variação de preços de uma cesta de produtos e serviços (Ex. de cesta: arroz, feijão,
passagem de ônibus, material escolar, dentista, etc.) consumida pela população (a
composição da cesta é definida através de pesquisa feita pelo IBGE). O seu resultado, em
forma percentual, mostra se os preços aumentaram ou diminuíram de um mês para o
0.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
160.00
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
Preço Barril de Petróleo ($)
50
outro, uma vez que seu período de coleta (pesquisa de preços) é realizado do primeiro ao
último dia de cada mês.
A expressão Consumidor Amplo contida na sigla IPCA significa que este
indicador engloba uma parcela maior da população do que o INPC (Índice Nacional de
Preços ao Consumidor), um outro indicador apurado pelo IBGE para medir a variação do
custo de vida médio das famílias. O IPCA reflete o custo de vida de famílias com renda
mensal entre 1 e 40 salários mínimos, enquanto o INPC abrange famílias com renda entre
1 e 5 salários mínimos.
O IPCA é calculado segundo levantamentos mensais realizados pelo IBGE em
treze áreas urbanas do país (regiões metropolitanas de São Paulo, Rio de Janeiro, Belo
Horizonte, Porto Alegre, Curitiba, Salvador, Recife, Fortaleza, Belém, Vitória, Campo
Grande, além do Distrito Federal e do município de Goiânia). Em média, são levantados
430.000 preços de 30.000 locais; esses preços são então comparados com os mesmos
preços do mês anterior. Essas comparações resultam em um único valor que reflete a
variação de preços ao consumidor, o IPCA. A pesquisa é feita pelo IBGE é realizada em
estabelecimentos comerciais, prestadores de serviços, domicílios (para verificar valores
de aluguel) e concessionárias de serviços públicos. Para o levantamento, são considerados
nove grupos de produtos e serviços, a saber: alimentação e bebidas; artigos de residência;
comunicação; despesas pessoais; educação; habitação; saúde e cuidados pessoais;
transportes e vestuário. O Governo Federal utiliza o IPCA como índice oficial de inflação
no Brasil. Assim, ele serve de referência para a meta de inflação e para as alterações nas
taxas de juros.
O IPCA (variação no mês) apresenta uma característica extremamente oscilante
no período estudado, variando entre valores positivos e negativos. O maior valor
registrado foi em novembro de 2012, com um índice de 4,68% de variação no mês. A
grande maioria dos dados costuma encontrar-se entre -1% e 2% de variação. O último
valor registrado, no momento de execução deste trabalho, foi de 1,1%, em dezembro de
2016.
Como forma de facilitar a visualização do comportamento do IPCA e permitir
uma análise de regressão eficaz, os dados do IPCA – transportes serão utilizados na forma
de um índice (e não com seus valores originais). Assume-se que em janeiro de 2000 este
51
índice é igual a 100, assim, os valores subsequentes são obtidos através da soma do valor
do mês anterior com a multiplicação da variação no mês pelo mesmo valor anterior. Os
dados transformados, os quais serão utilizados nas análises posteriores, encontram-se no
Gráfico 26 a seguir.
Gráfico 26 - Evolução Histórica do IPCA Índice - Transportes
Fonte: Elaboração própria a partir de dados do IBGE
3.1.5.12. Passageiros Transportados (Longa Distância) – Modal
Rodoviário
De acordo com a Agência Nacional de Transportes Terrestres (ANTT), a variável
em questão contabiliza a quantidade de passageiros que utilizam o transporte rodoviário
interestadual de longa distância, o que significa incluir percursos utilizando ônibus
rodoviário com distância superior a 75 km nos quais a unidade de federação de destino
seja diferente da de origem.
Esta variável comportou-se com tendência geral de queda desde janeiro de 2012
até dezembro de 2015, apresentando oscilações. O período de análise foi reduzido para
0.00
50.00
100.00
150.00
200.00
250.00
300.00
jan
/20
00
set/
20
00
mai
/20
01
jan
/20
02
set/
20
02
mai
/20
03
jan
/20
04
set/
20
04
mai
/20
05
jan
/20
06
set/
20
06
mai
/20
07
jan
/20
08
set/
20
08
mai
/20
09
jan
/20
10
set/
20
10
mai
/20
11
jan
/20
12
set/
20
12
mai
/20
13
jan
/20
14
set/
20
14
mai
/20
15
jan
/20
16
set/
20
16
IPCA índice - transportes (jan/2000 = 100)
52
esta variável por motivo de limitação da fonte de dados, já que só foram disponibilizados
os dados neste período. O Gráfico 27 apresenta o comportamento desta variável.
Gráfico 27 - Evolução Histórica do Número de Passageiros Transportados Modal Rodoviário
Fonte: Elaboração própria a partir de dados do IBGE
3.2. Modelos Estatísticos
Neste tópico 3.2, serão apresentados os modelos estatísticos selecionados para
fazer a estimativa da curva de oferta e demanda de transporte aéreo. Uma breve base
teórica de cada modelo é descrita na sequência.
Mínimos Quadrados Ordinários (MQO)
Antes de abordar, de fato, a ferramenta dos Mínimos Quadrados Ordinários
(MQO), é de grande importância para o entendimento do assunto a explicação da
metodologia econométrica, mesmo que brevemente, a qual precederá os cálculos dos
MQO. Este trabalho propõe-se a utilizar a econometria para estudar o comportamento da
oferta e da demanda por transporte aéreo no Brasil. Segundo TINTNER (1968), a
econometria consiste na aplicação da estatística matemática aos dados econômicos para
dar suporte aos modelos construídos e para obter resultados numéricos.
0
1000000
2000000
3000000
4000000
5000000
6000000
7000000
jan
/20
12
mar
/20
12
mai
/20
12
jul/
20
12
set/
20
12
no
v/2
01
2
jan
/20
13
mar
/20
13
mai
/20
13
jul/
20
13
set/
20
13
no
v/2
01
3
jan
/20
14
mar
/20
14
mai
/20
14
jul/
20
14
set/
20
14
no
v/2
01
4
jan
/20
15
mar
/20
15
mai
/20
15
jul/
20
15
set/
20
15
no
v/2
01
5
jan
/20
16
Passageiros Transportados (Longa Distância) -Modal Rodoviário
53
Para se chegar a uma curva que represente determinada variável dependente,
como a Oferta (ASK) e a Demanda (RPK), a partir de outras variáveis explicativas (que
foram apresentadas no tópico 3.1), é necessário seguir uma série de etapas, as quais
levarão a uma curva de regressão. A análise de regressão estuda a dependência de uma
variável, a variável dependente (chamaremos de y), a uma ou mais variáveis, as variáveis
explicativas (chamaremos de 𝒙𝟏, 𝒙𝟐, ..., 𝒙𝒏), objetivando-se chegar a uma equação que
possa estimar y. (GUJARATI, 2000) Nesses modelos de regressão de equação única, as
variáveis explicativas são consideradas exógenas e independentes das demais.
Para que a análise de regressão chegue a uma estimativa adequada da realidade, é
fundamental que a amostra utilizada possua uma grande quantidade de dados confiáveis.
Para estimar a curva da oferta e da demanda, serão utilizados dados coletados de fontes
confiáveis, conforme mencionado no tópico 3.1. Os dados das variáveis dependentes
ASK e RPK, as quais desejamos estimar, foram retirados de séries temporais, começando
no mês de janeiro do ano 2000 e indo até novembro de 2016, permitindo uma análise
adequada com grande quantidade de pontos observáveis. As demais variáveis também
possuem grande quantidade de dados coletados de outras séries temporais, viabilizando a
realização da análise de regressão. Os dados coletados são quantitativos e com frequência
mensal.
Para explicar as variáveis dependentes Oferta (ASK) e Demanda (RPK) serão
utilizadas e testadas, a princípio, doze variáveis explicativas transformadas em logaritmo
natural (ln), tratando-se então de uma regressão múltipla (quando existe mais de uma
variável explicativa). São elas: Imposto sobre a Importação - 𝒙𝟏; Produção Industrial
Geral - 𝒙𝟐; Yied de Tarifa Aérea Real (Preço) - 𝒙𝟑; Taxa de Câmbio - 𝒙𝟒; Taxa de Juros
Selic - 𝒙𝟓; Utilização da Capacidade Instalada Indústria - 𝒙𝟔; Rendimento Médio - 𝒙𝟕;
Taxa de Desemprego - 𝒙𝟖; Consumo de Querosene - 𝒙𝟗; Preço Barril de Petróleo - 𝒙𝟏𝟎;
índice IPCA Transportes - 𝒙𝟏𝟏; Passageiros Transportados (longa distância) Modal
Rodoviário - 𝒙𝟏𝟐.
As funções de regressão serão estimadas através de equações que utilizam o valor
assumido das variáveis em cada momento “t” das séries temporais. Essas equações foram
obtidas através da linearização da equação explicitada no tópico 2.4 através da
transformação do modelo linear nas variáveis em modelo logaritmo nas variáveis. Optou-
54
se por utilizar o modelo funcional de regressão conhecido por “log-log”, no qual tanto a
variável dependente como as explicativas são expressas em logaritmo natural. As
equações de regressão estão descritas a seguir:
Nas funções de regressão linear amostral de oferta e demanda apresentadas acima,
os betas são os parâmetros desconhecidos, porém fixos, os quais são chamados de
coeficientes de regressão. Os modelos de regressão são lineares nesses parâmetros e no
logaritmo das variáveis, podendo ser estimados pela regressão por MQO. O termo que
aparece ao final de cada função, 𝑢𝑡, representa o desvio que a variável dependente que
está sendo estimada pode ter (pois como se trata de uma estimação do valor esperado de
uma variável, ou seja, seu valor médio, a realidade pode apresentar diferenças com
relação à média). O desvio é uma variável aleatória não-observável que pode assumir
valores positivos ou negativos, sendo tecnicamente conhecido como termo de erro ou
perturbação estocástica. (GUJARATI, 2000)
Nas funções de regressão expostas acima, β0 e β0’ são chamados de interceptos,
pois representam o valor que a variável estimada teria caso todas as outras variáveis
explicativas fossem zero, mas têm importância secundária na maioria dos modelos. Já os
outros betas são conhecidos por coeficientes parciais de inclinação, pois representam a
influência percentual que cada variável explicativa exerce na variável dependente.
𝑦𝑡𝑂 = ln Oferta (ASK)𝑡 = β0 + β1 ln 𝒙𝟏𝑡 + β2 ln 𝒙𝟐𝑡 + β3 ln 𝒙𝟑𝑡 β4 ln 𝒙𝟒𝑡 + β5 ln 𝒙𝟓𝑡
+ β6 ln 𝒙𝟔𝑡 + β7 ln 𝒙𝟕𝑡 + β8 ln 𝒙𝟖𝑡 + β9 ln 𝒙𝟗𝑡 + β10 ln 𝒙𝟏𝟎𝑡 + β11 ln 𝒙𝟏𝟏𝑡 +β12 ln 𝒙𝟏𝟐𝑡 + 𝑢𝑡
𝑦𝑡𝐷 = ln Demanda (RPK)𝑡 = β0’+ β1’ ln 𝒙𝟏𝑡 + β2’ ln 𝒙𝟐𝑡 + β3’ ln 𝒙𝟑𝑡 + β4’ ln 𝒙𝟒𝑡 +
β5’ ln 𝒙𝟓𝑡 + β6’ ln 𝒙𝟔𝑡+ β7’ ln 𝒙𝟕𝑡 + β8’ ln 𝒙𝟖𝑡 + β8’ ln 𝒙𝟗𝑡 + β10’ ln 𝒙𝟏𝟎𝑡 + β11’ ln 𝒙𝟏𝟏𝑡 +
β12’ ln 𝒙𝟏𝟐𝑡 + 𝑢𝑡
Onde, t = 1, 2, 3, ..., 167 (número de observações das variáveis dependentes)
𝑦𝑡𝑂 = Oferta (ASK)𝑡 = Variável dependente representando a Oferta em logaritmo (ln)
𝑦𝑡𝐷 = Demanda (RPK)𝑡 = Variável dependente representando a Demanda em logaritmo
(ln)
55
O coeficiente β1, por exemplo, tem a seguinte interpretação: um incremento de
1% em 𝒙𝟏𝑡(tarifa aérea ou preço) causa uma variação de β1% na oferta, mantendo tudo
mais constante. Com isso, é possível encontrar a elasticidade-preço da oferta, a qual é
constante em um modelo de demanda log-log, sendo esta uma das razões por este modelo
ser bastante útil para estimação de oferta e demanda. Uma característica atraente desta
forma de modelo log-log é que os coeficientes de inclinação, os betas, já representam a
elasticidade de y em relação a 𝒙𝟏, 𝒙𝟐, ..., 𝒙𝒏, ou seja, a variação percentual de y para uma
dada variação percentual de x. (GUJARATI, 2000)
Na análise de regressão, o objetivo é estimar as funções de regressão, e para isso,
deve-se estimar os valores desconhecidos dos betas com base nas observações da variável
dependente (no caso, Oferta ou Demanda) e das variáveis explicativas (no caso, 𝒙𝟏, 𝒙𝟐,
..., 𝒙𝟏𝟐), todas elas transformadas em formato logaritmo natural. Existem vários métodos
para a construção da função de regressão, sendo o mais utilizado o Método dos Mínimos
Quadrados Ordinários (MQO). Ele pode ser usado tanto para regressão simples (com
apenas uma variável explicativa), como para regressão múltipla (quando existe mais de
uma variável explicativa), como é o caso deste trabalho. Este método permite a estimação
dos coeficientes de regressão, os betas, que também serão chamados de estimadores de
mínimos quadrados, pois se trata de uma amostra. Este será o primeiro método usado
neste trabalho para estimar as funções de regressão amostral para a oferta e demanda por
transporte aéreo no Brasil.
O método dos MQO recebe tal nome porque, para que uma função de regressão
amostral seja o mais próximo possível da realidade, é adotado o critério dos mínimos
quadrados para os resíduos, 𝑢𝑡, de modo que a seguinte relação seja a menor possível:
∑ 𝑢𝑡2 = ∑(𝑦𝑟𝑒𝑎𝑙𝑡 − 𝑦𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑡)2
Onde ∑ 𝑢𝑡2 é a soma dos quadrados dos resíduos, 𝑦𝑟𝑒𝑎𝑙𝑡 é o valor real da variável
dependente no tempo “t” e 𝑦𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑡 é o valor estimado para esta variável através da
função de regressão. Minimizando a soma do quadrado dos resíduos, é obtida a função
de regressão que melhor descreve os dados.
56
Segundo GUJARATI (2000), o modelo clássico de regressão linear, pautado no
método dos MQO, formula dez hipóteses para que seja válido. Estas hipóteses serão
apresentadas resumidamente na tabela a seguir. Para maiores detalhes sobre elas,
consultar bibliografia base (GUJARATI, 2000).
Hipótese 1 O modelo de regressão é linear nos
parâmetros.
Hipótese 2 Supõe-se que a variável explicativa seja não-
estocástica (ou seja, não aleatória).
Hipótese 3 O valor médio ou esperado do termo de
perturbação aleatória 𝑢𝑡 é zero.
Hipótese 4
Homoscedasticidade de 𝑢𝑡, ou seja, dado o
valor de x, a variância de 𝑢𝑡 é a mesma para todas as
observações .
Hipótese 5 Não existe autocorrelação entre as
perturbações.
Hipótese 6 A covariância entre 𝑢𝑡 e 𝑥𝑡 é zero.
Hipótese 7 O número de observações (t) deve ser maior
que o número de parâmetros a serem estimados.
Hipótese 8
Os valores de x em uma dada amostra não
podem ser todos iguais, ou seja, var(x) deve ser um
número positivo.
Hipótese 9
O modelo de regressão está corretamente
especificado, sem nenhum viés ou erro de
especificação.
57
Hipótese 10
Não existe multicolinearidade perfeita, ou
seja, não há relações lineares perfeitas entre as
variáveis explicativas.
Tabela 3 – Hipóteses do Método dos Mínimos Quadrados
Fonte: Adaptado de GUJARATI (2000) pelos autores
Como o modelo proposto neste trabalho envolve mais de uma variável explicativa,
será usada a abordagem matricial para o modelo de regressão linear, a qual permite
calcular com maior simplicidade os parâmetros betas. Será mostrado o como utilizar a
abordagem matricial, tomando como exemplo a função da oferta (para a demanda, é feito
o mesmo procedimento). A equação resultante é uma expressão abreviada de um conjunto
de 167 observações temporais.
O sistema de equações (uma para cada observação temporal) será escrito por meio
de matrizes, tornando o entendimento mais claro. A fórmula abreviada para o modelo
matricial de regressão múltipla está escrita abaixo das matrizes (para o exemplo da Oferta
(ASK)):
O mesmo procedimento pode ser aplicado para determinar a equação referente à
Demanda (RPK). Com essa notação, é possível obter a estimativa de MQO para a função
de regressão amostral da oferta. A representação matricial para a soma dos quadrados dos
resíduos descrita anteriormente (∑ 𝑢𝑡2 = ∑(𝑦𝑟𝑒𝑎𝑙𝑡 − 𝑦𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑡)
2) é a seguinte:
[
ln Oferta (ASK)1
ln Oferta (ASK)2
⋮ln Oferta (ASK)
167
]=
[ 1 ln 𝒙𝟏11 ln 𝒙𝟏2
ln 𝒙𝟐1 … ln 𝒙𝟏𝟐1
ln 𝒙𝟐2 … ln 𝒙𝟏𝟐2
⋮ ⋮ 1 ln 𝒙𝟏𝟏𝟔𝟕
⋮ ⋱ ⋮ln 𝒙𝟐𝟏𝟔𝟕
… ln 𝒙𝟏𝟐𝟏𝟔𝟕]
. [
β0
β1
⋮β12
] + [
𝑢1𝑢2⋮
𝑢167
]
y = X . 𝛃 + 𝒖
58
Segundo GUJARATI (2000), o método dos MQO consiste em estimar os betas de
tal modo que ∑ 𝑢𝑡2 seja a menor possível, e isto é feito diferenciando as equações
simultâneas apresentadas na fórmula anterior parcialmente em relação a β0, β1, ..., β167 e
igualando a zero as expressões resultantes. Este processo produzirá 13 equações
simultâneas com 13 incógnitas (os betas), que são as equações da teoria dos mínimos
quadrados. Essas equações serão apresentadas simplificadamente através da sua forma
matricial:
A equação encontrada acima é um resultado fundamental da teoria dos MQO na
notação matricial, mostrando como o vetor 𝛃 pode ser estimado a partir dos dados
fornecidos. (GUJARATI, 2000) Essa equação será aplicada neste trabalho (mais
especificamente no tópico 4.0 – ANÁLISE DOS RESULTADOS) para estimar as curvas
de interesse: Oferta Doméstica (ASK), Demanda Doméstica (RPK), Oferta Internacional
(ASK) e Demanda Internacional (RPK).
∑ 𝑢𝑡2 = ∑ (lnOferta (ASK)
1 - β0 - β1 ln 𝒙𝟏1 - ... - β12 ln 𝒙𝟏𝟐167)
∑ 𝑢𝑡2 = 𝒖 . 𝒖 =[𝑢1 𝑢2 … 𝑢167] . [
𝑢1𝑢2
⋮𝑢167
]
∑ 𝑢𝑡2 = 𝒖 . 𝒖 = (y – X 𝛃) . (y – X 𝛃)
∑ 𝑢𝑡2 = 𝒖 . 𝒖 = y.y - 2 𝛃.X.y + 𝛃.X. X.𝛃
(X.X) . 𝛃 = X.y
𝛃 =(𝐗. 𝐗)−𝟏. X . y
59
3.3. Modelos de Vetores Auto Regressivos (VAR)
Além dos modelos tradicionais de MQO, este trabalho apresentará modelos
baseados em Vetores Auto Regressivos, de modo a tentar estimar melhor a variáveis de
interesse, permitindo a análise da autocorrelação das variáveis. Alguns fatores nos levam
a crer que hajam defasagens no comportamento da oferta e demanda. Seus valores podem
estar associados aos seus próprios valores passados e também aos valores passados do
preço das tarifas aéreas (o Yield de Tarifa Aérea). Podem haver razões psicológicas,
tecnológicas ou institucionais que expliquem essas defasagens. (GUJARATI, 2000). Por
exemplo, os consumidores de passagens aéreas demoram a mudar seus hábitos frente a
um aumento ou diminuição do preço. Ou mesmo as companhias aéreas demoram a
aumentar a sua capacidade para ofertar mais voos, pois é necessário um investimento de
capital.
O modelo VAR (Vetores Auto Regressivos) é destinado à previsão de variáveis
temporais baseado na construção de um sistema de equações, em que as variáveis
dependentes têm como variáveis explicativas tanto seus próprios valores anteriores
quanto os valores contemporâneos e anteriores das outras variáveis do modelo.
(PORTELA, 2016) O VAR será utilizado neste trabalho devido à sua capacidade de
analisar tanto as inter-relações entre as variáveis estudadas quanto as consequências de
mudanças nos preços das passagens.
Portanto, um VAR é um modelo no qual as variáveis de interesse são especificadas
como funções lineares de seus próprios valores defasados (em diferentes lags), dos
valores defasados de outras variáveis endógenas e, possivelmente, de outras variáveis
exógenas que não estão defasadas. Neste trabalho, as variáveis endógenas serão duas em
cada modelo: Demanda Doméstica (RPK), Oferta Doméstica (ASK), Demanda
Internacional (RPK) ou Oferta Internacional (ASK), juntamente com o Yield de Tarifa
Aérea. As outras séries temporais selecionadas entrarão como variáveis exógenas.
Uma etapa importante no uso de modelos VAR, é a escolha do número de
defasagens (ou lags) que será utilizado. É preciso ressaltar que o uso de muitos lags
acarretam em menos graus de liberdade, tornando a inferência estatística um tanto
instável. (GUJARATI, 2000) Por isso, existem critérios quantitativos que auxiliam nessa
determinação do melhor número de lags para o modelo, os quais serão utilizados neste
60
trabalho: AIC (Akaike nformation criterion), HQ (Hannan-Quinn criterion), SC (Shwarz
information criterion) e FPE (Final Predicton Error).
A seguir, será apresentado um exemplo de equação de Vetores Auto Regressivos
aplicada ao tema, sendo um modelo ajustado para o vetor da Demanda (RPK) -, com 3
lags:
𝐷𝑒𝑚𝑎𝑛𝑑𝑎𝑡 = α + A1 𝐷𝑒𝑚𝑎𝑛𝑑𝑎𝑡−1 + A2𝐷𝑒𝑚𝑎𝑛𝑑𝑎𝑡−2 + A3𝐷𝑒𝑚𝑎𝑛𝑑𝑎𝑡−3 +
𝐵1𝑌𝑖𝑒𝑙𝑑𝑡−1 + 𝐵2𝑌𝑖𝑒𝑙𝑑𝑡−2 + 𝐵3𝑌𝑖𝑒𝑙𝑑𝑡−3 + 𝐶1𝑥1 + 𝐶2𝑥2 + 𝐶3𝑥3 + 𝐶4𝑥4 + 𝐶5𝑥5 + 𝐶6𝑥6 +
𝐶7𝑥7 + 𝐶8𝑥8 + 𝐶9𝑥9 + 𝑢𝑡
Onde, α é uma constante; A𝑝 são os coeficientes da Demanda (RPK) no lag “p”;
𝐵𝑝 são os coeficientes do Yield de Tarifa Aérea no lag “p”; e 𝐶𝑖 são os coeficientes das
variáveis exógenas i; e 𝑢𝑡 são os termos de erros estocásticos, chamados de impulsos na
linguagem VAR. Essas equações podem ser solucionadas por MQO, sendo que o
resultado das mesmas deve ser interpretado de maneira usual. (GUJARATI, 2000)
61
4. ANÁLISE DOS RESULTADOS
Após a descrição da teoria por trás da aplicação do Método dos Mínimos
Quadrados Ordinários (MQO) para encontrar as funções de regressão da oferta e da
demanda, passa-se à etapa de estimar efetivamente cada uma dessas funções. Neste
tópico, serão estimadas as seguintes funções de regressão para o transporte aéreo
brasileiro: Oferta Doméstica (ASK), Demanda Doméstica (RPK), Oferta Internacional
(ASK) e Demanda Internacional (RPK), todas na forma funcional log-log.
Com o objetivo de agilizar os cálculos do modelo de regressão, será feito o uso de
recursos computacionais disponíveis no software estatístico R. Ele consiste em um
ambiente de programação destinado a cálculos estatísticos e elaboração de gráficos,
possuindo diferentes funções que realizam os cálculos necessários à execução deste
trabalho. Este software foi escolhido pelo fato de ser livre para download e ser
amplamente utilizado por estatísticos e analistas de dados, pois permite a análise de uma
grande quantidade de dados.
A base do software R para o cálculo dos coeficientes da regressão é o Método dos
Mínimos Quadrados Ordinários (MQO), assim como apresentado anteriormente. As
fórmulas que foram descritas são internalizadas no software, permitindo uma estimação
mais rápida das funções de regressão desejadas. A princípio, serão utilizadas todas as
doze variáveis explicativas no modelo. São elas: Imposto sobre a Importação - 𝒙𝟏;
Produção Industrial Geral - 𝒙𝟐; Yied de Tarifa Aérea Real (Preço) - 𝒙𝟑; Taxa de Câmbio
- 𝒙𝟒; Taxa de Juros Selic - 𝒙𝟓; Utilização da Capacidade Instalada Indústria - 𝒙𝟔;
Rendimento Médio - 𝒙𝟕; Taxa de Desemprego - 𝒙𝟖; Consumo de Querosene - 𝒙𝟗; Preço
Barril de Petróleo - 𝒙𝟏𝟎; IPCA Transportes - 𝒙𝟏𝟏; Passageiros Transportados (longa
distância) Modal Rodoviário - 𝒙𝟏𝟐.
Os cálculos utilizando todas as variáveis selecionadas para estudo, em logaritmo,
servem para a formação dos modelos preliminares. A partir deles, o modelo será refinado:
a relevância de cada variável será avaliada e outras correções necessárias nos dados serão
feitas. O resultado das regressões executadas no software R serão apresentados nos
tópicos a seguir (4.1, 4.2, 4.3 e 4.4), apresentando as funções de demanda ou oferta
resultantes e evidenciando os betas encontrados e os valores t-student (que estão entre
62
parênteses abaixo dos coeficientes). As telas mostradas pelo software R permitem
verificar, também, o erro-padrão de cada uma das variáveis e da função, os valores t-
student dos coeficientes, o p-valor dos coeficientes e da função (valor-p = Pr>|t|), a sua
estatística F e o coeficiente de determinação (𝑅2 ajustado).
Como será visto no decorrer deste tópico, novos modelos de oferta e demanda
serão desenvolvidos, nesse caso utilizando o conceito de Vetores Auto Regressivos
(VAR). Essa metodologia foi apresentada no tópico 3.3 e será utilizada como meio de
tentar trazer modelos mais confiáveis e que englobem a relação das variáveis endógenas
(Oferta (ASK), Demanda (RPK) e Yield de Tarifa Aérea) com seus valores passados.
4.1. Estimação e Refinamento do Modelo de MQO
Os modelos de oferta e demanda apresentados no tópico anteriormente são a base
teórica para estimar as essas curvas de oferta e demanda. No primeiro modelo que será
estimado, serão incluídas todas as variáveis explicativas apresentadas no tópico 3.1;
sendo chamado de modelo original. Além de estimar esse modelo irrestrito, é preciso
verificar quais das variáveis explicativas presentes no modelo original efetivamente
contribuem para a estimação da variável dependente, ou seja, se estas são
significativamente relevantes para o modelo. Sendo assim, algumas das variáveis dos
modelos originais poderão não ter relação com a variável estimada, e serão retiradas do
modelo. Isso pode ser avaliado por um teste de significância estatística a partir da
estatística t ou p-valor de cada variável.
O processo para retirar ou não as variáveis não relevantes do modelo consistirá
em observar o p-valor. Primeiramente, calcula-se a estatística t referente a cada variável
explicativa, a qual consiste na razão entre o coeficiente estimado (o beta) e seu erro-
padrão. A estatística t é uma estatística de teste que mede a diferença entre uma estatística
observada - os betas estimados - e seu parâmetro de população - os betas verdadeiros-,
em unidades de erro-padrão. A partir dela, obtém-se o p-valor referente à cada variável
explicativa. O p-valor está relacionado à hipótese de as variáveis seguirem a distribuição
Normal de probabilidade.
Este parâmetro indica a probabilidade de a variável explicativa realmente ter
influência na estimação da variável dependente. Nesse trabalho, será utilizado um nível
63
de significância de 10%, ou seja, serão consideradas como relevantes para o modelo as
variáveis que obtiverem um p-valor menor do que 10%. Ou seja, a probabilidade de tais
variáveis terem influenciado o modelo de forma aleatória, isto é, por acaso, é de menos
de 10%. Logo, sabe-se que existe 90% de probabilidade daquela variável explicativa
efetivamente ser significante para a estimação da variável dependente.
Uma complementação ao teste com p-valor é o teste F, que parte da análise da
variância do modelo, ajudando a determinar se há uma relação linear entre a variável
dependente e as variáveis explicativas. Existem duas hipóteses que serão testadas. A
hipótese nula (𝐻0) é que os coeficientes parciais de inclinação são simultaneamente iguais
a zero (𝛽1= 𝛽2 = 𝛽𝑛 =0), resultando em um modelo insignificante. A hipótese alternativa
(𝐻1) é que os coeficientes são diferentes de zero. Espera-se rejeitar 𝐻0 de forma a provar
que pelo menos uma variável explicativa contribui para o modelo, que é estatisticamente
significante. Existe uma fórmula para o cálculo da estatística F (a qual será omitida neste
trabalho, mas que pode ser encontrada em GUJARATI, 2000, p.289) e este valor
calculado será comparado com o valor de F na distribuição de probabilidade Fisher-
Snedecor. Se o valor calculado for maior que o valor encontrado na tabela de distribuição
de probabilidade Fisher-Snedecor, rejeita-se 𝐻0.
Outros parâmetros serão considerados para comparar os modelos refinados com
os modelos originais. Por exemplo, será verificada a consistência nos sinais dos
coeficientes com os sinais esperados para eles (se a relação entre as variáveis é positiva
ou negativa). Além disso, serão comparados os Coeficientes Múltiplos de Determinação
Ajustados (𝑅2 ajustado). O 𝑅2 ajustado fornece a porcentagem da variação total na
variável dependente Y que é explicada conjuntamente por todas as variáveis explicativas
do modelo (𝑋1, 𝑋2, ..., 𝑋𝑛). É válido fazer uma alerta: nem sempre é melhor fazer o jogo
de maximizar o 𝑅2 ajustado, isto é, escolher o modelo com maior 𝑅2 ajustado. Na análise
de regressão, o objetivo não é propriamente obter um 𝑅2 ajustado alto, mas sim obter
estimativas confiáveis dos verdadeiros coeficientes de regressão. (GUJARATI, 2000)
Também é válido observar o valor do erro-padrão para os modelos de regressão,
já que as estimativas por mínimos quadrados são uma função dos dados de uma amostra,
por isso elas variam. Então, é preciso ter alguma medida da precisão dos estimadores
(betas). Na estatística, essa precisão de uma estimativa é medida por seu erro-padrão.
64
(GUJARATI, 2000) No caso de uma regressão múltipla, o erro-padrão do modelo da
regressão é medido nas unidades da variável de resposta, e representa os valores de
distância padrão dos dados até a linha de regressão. É usado para avaliar até que ponto a
equação de regressão prediz a resposta e, quanto menor o valor do erro-padrão, mais
ajustado está o modelo.
Todos esses parâmetros estatísticos descritos anteriormente serão obtidos no
software R, que foi o programa selecionado para fazer as estimativas dos modelos de
regressão da Oferta Doméstica (ASK), Demanda Doméstica (RPK), Oferta Internacional
(ASK) e Demanda Internacional (RPK). Ressalta-se que a base de dados utilizada para
fazer a estimativa dos modelos de regressão está balanceada, isto é, as lacunas foram
retiradas a fim de que todas as variáveis comecem e terminem no mesmo período
(iniciando em março de 2002 e terminando em janeiro de 2016). Apenas no Modelo 1
(modelo irrestrito) do mercado doméstico que existem lacunas na série “Passageiros
Transportados no Modal Rodoviário – Longa Distância”, pois se trata de uma série curta.
Modelo Demanda Doméstica (RPK)
Primeiramente, é apresentada a seguir uma tabela com a relação esperada entre
cada uma das variáveis independentes analisadas e a demanda doméstica, a fim de
posteriormente verificar a coerência do modelo estimado.
65
Tabela 4 – Relações esperadas entre as variáveis no modelo de regressão da Demanda Doméstica
(RPK).
Fonte: Elaboração própria
O primeiro modelo (modelo original) obtido para a Demanda Doméstica (RPK)
inclui todas as doze variáveis explicativas selecionadas, sendo todas as elas na forma de
SÉRIE MOTIVO DA SELEÇÃO RELAÇÃO ESPERADA
Imposto sobre a
Importação -
Incide sobre a importação de produtos estrangeiros, como a parte do querosene de
aviação que é importada, peças/equipamentos e novas aeronaves, podendo elevar
custos das empresas aéreas e os preços das tarifas.
Negativa
Produção Industrial
Geral -
A produção industrial representa o índice de atividade econômica do país. Quanto
maior esse índice, espera-se que a economia esteja mais favorável.Positiva
Yield de Tarifa Aérea
Real (Preço) -
Representa o preço médio pago pelos passageiros por quilômetro voado. Pela Lei da
Oferta e da Demanda , espera-se que, quanto maior o preço, menor seja a demanda.Negativa
Taxa de Câmbio - A taxa de câmbio influenciaria no preços dos equipamentos e combustíveis importados
pelas companhias aéreas, elevando os custos de operação, podendo elevar tarifas.Negativa
Taxa de Juros Selic - A taxa SELIC serve de base para todas as outras taxas praticadas na economia
brasileira. Quando aumenta, desestimula a economia como um todo.Negativa
Utilização da Capacidade
Instalada Indústria -
Essa variável também indica o nível de atividade econômica do país. Quando ela
aumenta, significa que a economia está melhorando, refletindo também no setor aéreo.Positiva
Rendimento Médio - Indica o valor médio mensal recebido pelos trabalhadores no Brasil. Quando recebem
mais, têm maiores condições de fazer uso do transporte aéreo.Positiva
Taxa de Desemprego - O desemprego, além de indicativo da situação econômica, irá afetar no poder de
compra da população, refletindo na demanda por transporte aéreo.Negativa
Consumo de Querosene -As aeronaves utilizam querosene de aviação como combustível. Quanto mais
quilômetros voados, maior o consumo de querosene de aviação.Positiva
Preço Barril de Petróleo -
O preço do barril de petróleo é um indicativo do preço do querosene de aviação (que é
feito a partir do petróleo). Quando o preço aumenta, os custos das empresas aéreas
aumentam, causando aumento das tarifas.
Negativa
IPCA Transportes -
Usado para medir o índice de variação de preços do grupo dos transportes, indicando
reajustes no preço das passagens aéreas. Quando os preços aumentam, a demanda por
assentos diminui.
Negativa
Passageiros
Transportados Modal
Rodoviário -
Reflete o aumento na procura por transportes de longa distância no país. Avião e
õnibus podem ser considerados transportes complementares. Mas há a possibilidade de
passageiros trocarem um modal pelo outro, dependendo do preço.
Positiva
𝒙𝟏
𝒙𝟐
𝒙𝟑
𝒙𝟒
𝒙𝟓
𝒙𝟔
𝒙𝟕
𝒙𝟖
𝒙𝟗
𝒙𝟏𝟎
𝒙𝟏𝟏
𝒙𝟏𝟐
66
logaritmo. Porém, nem todas as variáveis explicativas são efetivamente relevantes para
estimar a demanda doméstica por assentos em avião, devendo, portanto, ser retiradas do
modelo a fim de obter uma nova estimativa mais confiável. Observando os resultados
encontrados no modelo original, nota-se que poucas delas se mostraram significativas,
isto é, apresentaram p-valor menor que 10% (0,10). No Apêndice 1 (Figura A), é possível
ver o resultado do modelo original no software R, em que as variáveis relevantes
aparecem com um ou mais asteriscos após a última coluna e foram marcadas por um
ponto vermelho.
O fato de tão poucas variáveis terem se mostrado relevantes levantou uma
suspeita: a de que a variável “Passageiros Transportados no Modal Rodoviário – Longa
Distância” (ou “Passageiros_onibus”, na tela do R) estaria perturbando o modelo,
alterando as reais influências das variáveis. Isso porque esta variável possui uma série
muito pequena, com apenas 48 observações, contrastando com as 167 observações da
Demanda Doméstica (RPK). E justamente esta variável foi a que teve o menor p-valor,
como se fosse a mais importante dentre as demais para a estimação da variável
dependente. Por isso, optou-se por retirar essa variável do modelo e fazer uma nova
regressão com as demais variáveis.
Nesse segundo modelo, muitas variáveis se tornaram relevantes, confirmando a
hipótese levantada. No novo modelo para Demanda Doméstica (RPK), menos pontos de
observação foram retirados na hora de fazer os cálculos, ou seja, existem menos lacunas
no banco de dados (onde não foi possível encontrar registros confiáveis para certas
variáveis em determinados períodos), já que a série mais curta (“Passageiros
Transportados no Modal Rodoviário – Longa Distância”) foi retirada. Esse a tela
resultante do software R também está no Apêndice 1 (Figura B).
Porém, vê-se que duas variáveis ainda possuem p-valor maior que 10%, e,
portanto, devem ser retiradas do modelo. Além disso, outro fato intrigante é percebido: a
variável “Utilização da Capacidade Instalada” apresentou um Beta negativo,
contrariando a relação esperada, e com valor muito alto de -1,76, visto que os dados estão
sendo tratados em logaritmo. Isso significaria que 1% de aumento nesta variável
provocaria um aumento de 1,76% na variável estimada Demanda Doméstica (RPK).
67
Portanto, é provável que tal variável esteja perturbando o modelo, e embora tenha
apresentado em um p-valor significativo, ela será retirada do modelo.
Com isso, será obtido um novo modelo com apenas as variáveis relevantes. São
elas: Imposto sobre Importação - 𝒙𝟏; Produção Industrial Geral - 𝒙𝟐; Yied de Tarifa
Aérea Real (Preço) - 𝒙𝟑; Taxa de Juros Selic - 𝒙𝟓; Rendimento Médio - 𝒙𝟕; Taxa de
Desemprego - 𝒙𝟖; Consumo de Querosene - 𝒙𝟗; e IPCA Transportes - 𝒙𝟏𝟏. Esse terceiro
modelo será o modelo final de Mínimos Quadrados Ordinários (MQO) para a estimativa
da Demanda Doméstica (RPK), e foi obtido no software R. O mesmo é apresentado no
Apêndice 1 (Figura C).
No Modelo 3, apesar de todas as variáveis serem estatisticamente relevantes, o
coeficiente de inclinação da variável explicativa IPCA Transportes (índice) aparece com
sinal contrário ao esperado, além de ter valor maior que 1, sendo considerado um
comportamento elástico, o que pode indicar alguma perturbação no modelo, como
colinearidade entre variáveis. Por esses dois motivos, tal variável será retirada do modelo
de MQO. O novo modelo pode ser visto logo a seguir.
68
Figura 7 – Resultados do quarto modelo de regressão para Demanda Doméstica (RPK).
Fonte: Elaboração própria através do software R.
A tabela a seguir apresenta os valores dos parâmetros estatísticos relevantes para
os quatro modelos calculados: modelo original, segundo modelo, terceiro modelo e quarto
modelo (o definitivo para MQO).
Tabela 5 – Parâmetros estatísticos para os quatro modelos de regressão para Demanda Doméstica
(RPK).
Critério Modelo 1 Modelo 2 Modelo 3 Modelo 4*
ajustado 88.95% 98.50% 98.41% 96.13%
Erro-padrão 0.02845 0.0576 0.0593 0.09242
Estatística F32.53 (com 12 e 35 graus
de l iberdade)
990.7 (com 11 e 155
graus de l iberdade)
1284 (com 8 e 158 graus
de l iberdade)
590.7 (com7 e 159 graus
de l iberdade)
p - Valor 2.068 e-15 < 2.2 e-16 < 2.2 e-16 < 2.2 e-16
Percentual de
correspondências de sinal
dos coeficientes
83.33% 81.82% 87.50% 85.71%
𝟐
69
Fonte: Elaboração própria
Como se pode notar na tabela anterior, os valores obtidos para os parâmetros
estatísticos no quarto modelo são satisfatórios. Desse modo, ele pode ser considerado um
modelo confiável para estimar a demanda doméstica por assentos em aviões - RPK. O
Coeficiente Múltiplo de Determinação Ajustado (𝑅2ajustado) para o Modelo 4 foi de
96,13%, o que significa que aquelas variáveis explicativas conseguem estimar 96,13% da
variável dependente, sendo este um valor bastante elevado. O erro-padrão do Modelo 4,
é de apenas 0,09242, sendo este um valor muito baixo quando comparado à ordem de
grandeza da variável estimada. O p-valor é menor que 2,2 x 10−16, portanto o modelo é
considerado confiável (pois rejeita-se 𝐻0). A estatística F supera o valor tabelado para α
= 5% (F tabelado = 1,767, aproximadamente), por isso o modelo é considerado relevante,
já que os Betas podem ser considerados diferentes de zero.
Portanto, a função de regressão definitiva de MQO, resultante do Modelo 4, para
a Demanda Doméstica (RPK) será:
𝑦𝑡𝐷= ln Demanda Doméstica(RPK)𝑡 =
0,5191 + 0,0865 𝒙𝟏𝑡 + 0,2129 𝒙𝟐𝑡– 0,2229 𝒙𝟑𝑡 – 0,0942𝒙𝟓𝑡 + 0,4913𝒙𝟕𝑡 – 0,1779 𝒙8𝑡
(0,270) (1,814) (1,912) (-5,040) (-2,381) (3,410) (-2,373)
+ 0,7426 𝒙𝟗𝑡 + 𝑢𝑡
(4,498)
Os coeficientes da função de regressão para a Demanda Doméstica (RPK) são:
β0’ = 0,5191 β5’ = - 0,0942
β1’ = 0,0865 β7’ = 0,4913
β2’ = 0,2129 β8’ = – 0,1779
β3’ = – 0,2229 β9’ = 0,7426
70
No Modelo 4, pode-se ver quais as variáveis independentes que mais influenciam
na Demanda Doméstica (RPK), através dos coeficientes de inclinação Betas, já que se
trata de um modelo log-log. Neste caso, os Betas medem a elasticidade da variável Y com
relação a X, ou seja, a variação percentual de Y para uma dada variação percentual de X.
(GUJARATI, 2000) Elas podem influenciar tanto positivamente, quanto negativamente
a variável dependente. Dentre as variáveis, percebe-se uma influência mais forte de 𝒙𝟕 -
Rendimento Médio - e 𝒙𝟗 - Consumo de Querosene -, embora o comportamento de ambas
seja inelástico (com coeficientes menores do que 1).
Um fato que merece destaque na presente análise é a elasticidade preço da
demanda, ou seja, aquela que está relacionada à variação na demanda decorrente de
variações percentuais no preço das passagens aéreas. No Modelo 4, o coeficiente de
inclinação da variável correspondente ao preço (Yield de Tarifa Aérea - 𝒙𝟑) foi de –
0,2229, o que representa que uma variação de 1% no preço vai ocasionar uma diminuição
de apenas 0,22% na demanda doméstica. O que demonstra um comportamento inelástico
da demanda com relação ao preço da passagem no mercado de transporte aéreo. Embora
o sinal do coeficiente revele a relação esperada da Teoria da Oferta e Demanda, em que
um aumento de preço reduz a demanda, tal redução é muito pequena.
Esta possibilidade de haver um comportamento inelástico da demanda com
relação ao preço no setor aéreo é confirmada por outros trabalhos realizados sobre o setor
de transporte aéreo no Brasil, como BENDINELLI (2014), LAPLANE (2005), NETO
(2014), COUTINHO (2007) e ABEAR (2012). Alguns fatores podem contribuir para
isso: o mercado de transporte aéreo doméstico é marcado fortemente pelo segmento de
viagens de negócio, mais insensível a preços, pois essas viagens costumam ser planejadas
com pouca antecedência e financiadas pelas empresas; existem diversas rotas com
diferentes distâncias, sendo que para rotas mais longas costuma-se ter comportamento
mais inelástico; a pode haver um certo atraso na resposta da demanda às variações no
preço das passagens.
Portanto, o Modelo 4 apresentou parâmetros estatísticos relevantes, e pode ser
considerado um modelo confiável para a Demanda Doméstica (RPK). Um fato observado
foi a questão de a maioria das variáveis apresentar baixos valores dos betas. Contudo,
existe a expectativa de que a demanda seja influenciada com um certo atraso às variações
71
nos preços das passagens. Por isso, no tópico seguinte (Tópico 4.2 – Principais Críticas e
Modelo VAR), será feita uma análise da estacionariedade das variáveis e da possibilidade
dos valores passados (tempos “t-1”, “t-2”, etc.) das variáveis influenciarem na demanda
no tempo “t”. Esse modelo VAR pode vir a tornar a análise da demanda ainda mais
robusta.
Modelo Oferta Doméstica
O primeiro modelo estimado para a Oferta Doméstica (ASK) é irrestrito, isto é,
inclui todas as variáveis explicativas que haviam sido escolhidas previamente para
análise, todas transformadas em logaritmo. Assim como foi feito para a demanda
doméstica, será apresentada a seguir uma tabela com a relação esperada entre cada uma
das variáveis analisadas e a oferta doméstica, ou seja, se os coeficientes deveriam
apresentar sinal positivo ou negativo, auxiliando na verificação da coerência do modelo
estimado.
72
Tabela 6 – Relações esperadas entre as variáveis no modelo de regressão da Oferta Doméstica
(ASK).
Fonte: Elaboração própria
Estimando o Modelo 1, com todas as variáveis incluídas, foi possível perceber que
nem todas elas influenciavam significativamente a oferta doméstica por assentos em
aviões. Um fato que se notou foi a pouca quantidade de variáveis classificadas como
significantes, ou seja, com p-valor menor que 10% (0,10). Na imagem que está no
Apêndice 1 (Figura D), está o resultado encontrado para o Modelo 1, com o auxílio do
SÉRIE MOTIVO DA SELEÇÃO RELAÇÃO ESPERADA
Imposto sobre a
Importação - x 1
Incide sobre a importação de produtos estrangeiros, como a parte do querosene de aviação
que é importada, peças/equipamentos e novas aeronaves, podendo elevar custos das
empresas aéreas.
Negativa
Produção Industrial Geral -
x 2
A produção industrial representa o índice de atividade econômica do país. Quanto maior
esse índice, espera-se que a economia esteja mais favorável.Positiva
Yield de Tarifa Aérea Real
(Preço) - x 3
Representa o preço médio pago pelos passageiros por quilômetro voado. Pela Lei da
Oferta e da Demanda , espera-se que, quanto maior o preço, maior seja a oferta.Positiva
Taxa de Câmbio - x 4A taxa de câmbio influenciaria no preços dos equipamentos e combustíveis importados
pelas companhias aéreas, elevando os custos de operação.Negativa
Taxa de Juros Selic - x 5A taxa SELIC serve de base para todas as outras taxas praticadas na economia brasileira.
Quando aumenta, desestimula a economia como um todo.Negativa
Utilização da Capacidade
Instalada Indústria - x 6
Essa variável também indica o nível de atividade econômica do país. Quando ela aumenta,
significa que a economia está melhorando, refletindo também no setor aéreo.Positiva
Rendimento Médio - x 7Indica o valor médio mensal recebido pelos trabalhadores no Brasil. Quando recebem
mais, têm maiores condições de fazer uso do transporte aéreo.Positiva
Taxa de Desemprego - x 8O desemprego, além de indicativo da situação econômica, irá afetar no poder de compra
da população.Negativa
Consumo de Querosene -
x 9
As aeronaves utilizam querosene de aviação como combustível. Quanto mais quilômetros
voados, maior o consumo de querosene de aviação.Positiva
Preço Barril de Petróleo -
x 10
O preço do barril de petróleo é um indicativo do preço do querosene de aviação (que é
feito a partir do petróleo). Quando o preço aumenta, os custos das empresas aéreas
aumentam.
Negativa
IPCA Transportes - x 11
Usado para medir o índice de variação de preços do grupo dos transportes, indicando
reajustes no preço das passagens aéreas. Quando os preços aumentam, as empresas
tendem a ofertar mais assentos.
Positiva
Passageiros Transportados
Modal Rodoviário - x 12
Reflete o aumento na procura por transportes de longa distância no país. Avião e õnibus
podem ser considerados transportes complementares. Mas há a possibilidade de
passageiros trocarem um modal pelo outro, dependendo do preço.
Positiva
73
software R. As variáveis relevantes são aquelas com asteriscos após a última coluna (e
que também foram destacadas com um ponto vermelho para facilitar a visualização).
Como algumas variáveis consideradas previamente importantes para estimar a
oferta não se mostraram relevantes, acredita-se que neste modelo incidiu o mesmo
problema ocorrido com a demanda doméstica: a suspeita de que a variável “Passageiros
Transportados no Modal Rodoviário – Longa Distância” (ou “Passageiros_onibus”, na
tela do R) estaria perturbando o modelo, alterando as reais influências das variáveis. Esta
variável possui uma série muito pequena, com somente 48 observações, contrastando com
as 167 observações da variável de interesse Oferta Doméstica (ASK). Por isso, optou-se
por retirar essa variável do modelo e fazer uma nova regressão com as demais variáveis.
A nova regressão é apresentada no Modelo 2, que pode ser visto na Figura E do Apêndice
1.
Contudo, ainda existe uma variável que apresenta p-valor maior que 10%, a Taxa
de Desemprego e que, portanto, deve ser retirada do modelo. Além disso, a variável
Utilização da Capacidade Instalada na Indústria apresentou um coeficiente de inclinação
muito elástico e com sinal contrário ao esperado, podendo estar absorvendo perturbações
no modelo e por isso também será retirada do modelo. Desse modo, será obtido um
terceiro modelo, que também está no Apêndice 1 (Figura F).
Verificou-se que a variável Produção Industrial acabou se tornando
estatisticamente irrelevante neste novo modelo, além de estar com sinal inconsistente com
o esperado. Por isso, mais uma regressão foi feita sem esta variável e um quarto modelo
foi obtido, o qual será o definitivo de MQO. O Modelo 4 pode ser visto logo a seguir, na
Figura 5.
74
Figura 8 – Resultados do quarto modelo de regressão para Oferta Doméstica (ASK).
Fonte: Elaboração própria através do software R.
No Modelo 4, apresentado logo acima, restaram apenas as variáveis relevantes
para estimar a oferta por assentos em avião nos voos domésticos. São elas: Imposto sobre
Importação - 𝒙𝟏; Yied de Tarifa Aérea Real (Preço) - 𝒙𝟑; Taxa de Câmbio - 𝒙𝟒; Taxa de
Juros Selic - 𝒙𝟓; Rendimento Médio - 𝒙𝟕; Volume Consumido de Querosene - 𝒙𝟗; Preço
do Barril de Petróleo - 𝒙𝟏𝟎; e Índice IPCA Transportes - 𝒙𝟏𝟏. O quarto modelo será o
modelo final de Mínimos Quadrados Ordinários (MQO) para a estimativa da Oferta
Doméstica (ASK), tendo sido obtido no software R. O mesmo é apresentado logo a seguir.
Como forma de comparar os quatro modelos elaborados para estimar a Oferta
Doméstica (ASK), na tabela a seguir se encontram os valores dos parâmetros estatísticos
75
relevantes para a análise de modelos de regressão. São comparados o modelo original, o
segundo modelo, o terceiro modelo e o quarto modelo (o definitivo para MQO).
Tabela 7 – Parâmetros estatísticos para os quatro modelos de regressão para Oferta Doméstica
(ASK).
Fonte: Elaboração própria
Vê-se na tabela apresentada que os valores obtidos para os parâmetros estatísticos
do Modelo 4 são satisfatórios, sendo assim, ele pode ser considerado um modelo confiável
para estimar a oferta doméstica por assentos em aviões - ASK. O Coeficiente Múltiplo de
Determinação Ajustado (𝑅2ajustado) para o Modelo 4 foi de 98,57%, significando que
as variáveis explicativas do modelo conseguem estimar 98,57% da variável dependente,
o que é um valor consideravelmente alto. O erro-padrão do quarto modelo é de 0,04669,
sendo este um valor muito baixo quando comparado à ordem de grandeza da variável
estimada, mesmo em logaritmo. O p-valor é menor que 2,2 x 10−16, logo o modelo pode
ser considerado confiável (pois rejeita-se 𝐻0) A estatística F superou o valor tabelado
para α = 5% (F tabelado = 1,910), por isso o modelo é considerado relevante, pois os
coeficientes podem ser considerados diferentes de zero.
Então, resulta do Modelo 4 a função de regressão definitiva de MQO para a Oferta
Doméstica (ASK), a qual está a seguir:
Critério Modelo 1 Modelo 2 Modelo 3 Modelo 4 *
ajustado 92.36% 98.64% 98.56% 98.57%
Erro-padrão 0.01594 0.04544 0.04683 0.04669
Estatística F48.33 (com 12 e 35 graus
de l iberdade)
1099 (com 11 e 155
graus de l iberdade)
1263 (com 9 e 157 graus
de l iberdade)
1429 (com 8 e 158
graus de l iberdade)
p - Valor < 2.2 e-16 < 2.2 e-16 < 2.2 e-16 < 2.2 e-16
Percentual de
correspondências de sinal
dos coeficientes
66.67% 63.64% 66.67% 75.00%
𝟐
76
𝑦𝑡𝑂= ln Oferta Doméstica(ASK)𝑡 =
- 0,3281 + 0,1222𝒙𝟏𝑡 – 0,0450 𝒙𝟑𝑡– 0,3436 𝒙𝟒𝑡 – 0,0707𝒙𝟓𝑡 + 0,3495𝒙𝟕𝑡 + 0,8498 𝒙𝟗𝑡
(- 0,387) (4,097) (-1,777) (-9,764) (-3,206) (5,753) (10,489)
– 0,1353𝒙𝟏𝟎𝑡 + 0,4215𝒙𝟏𝟏𝑡 + 𝑢𝑡
(-5,906) (6,962)
Os coeficientes da função de regressão para a Oferta Doméstica (ASK) são:
β0 = - 0,3281 β5 = – 0,0707 β11 = 0,4215
β1 = 0,1222 β7 = 0,3495
β3 = – 0,0450 β9 = 0,8498
β4 = – 0,3436 β10 = – 0,1353
É possível verificar, através dos coeficientes do Modelo 4, quais as variáveis
independentes que mais influenciam na Oferta Doméstica (ASK), sendo aquelas que
apresentam os maiores coeficientes de inclinação (os Betas), pois a oferta doméstica sofre
maior variação com o aumento de 1% dessas variáveis do que das demais. Elas podem
influenciar tanto positivamente, quanto negativamente a oferta. Embora todas o
comportamento da Oferta Doméstica (ASK) tenha se mostrado inelástico à todas elas, já
que os coeficientes são menores que 1 em módulo, vê-se uma influência mais forte de 𝒙𝟗
- Volume Consumido de Querosene. Uma variação de 1% nesta variável causa um
aumento de 0,85% na Oferta Doméstica (ASK), o que é uma relação um tanto intuitiva,
já que o volume de querosene consumido está diretamente ligado ao número de voos que
a companhia aérea realiza. Segundo o modelo, o aumento nas variáveis Taxa de Câmbio
e Preço do Barril de Petróleo ocasiona a redução da oferta, devido ao aumento dos custos
operacionais das companhias aéreas.
Apesar do Modelo 4 ter resultado em parâmetros estatísticos relevantes, no caso
da Oferta Doméstica alguns fatores sugerem que ele não seja tão confiável quanto se
esperava. Primeiramente porque a variável Yield de Tarifa Aérea (𝒙𝟑) apresentou
coeficiente com sinal negativo, contrariando totalmente a Teoria da Oferta e da Demanda
77
que diz que quanto maior o preço, maior a oferta do produto. Além do Yield de Tarifa
Aérea, outra variável também não apresentou o sinal esperado previamente, o Imposto
sobre a Importação. Por isso, assim como no modelo da demanda doméstica, no tópico
seguinte (Tópico 4.2 – Principais Críticas e Modelo VAR), será feita uma análise da
estacionariedade das variáveis e da possibilidade dos valores anteriores das variáveis
influenciarem o modelo.
Modelo Demanda Internacional
Similarmente ao que foi feito no tópico 4.1.1., referente à demanda doméstica,
aqui será apresentada uma tabela relacionando cada uma das variáveis explicativas com
a variável dependente, qual seja, neste item, a demanda internacional de passageiros por
transporte aéreo. Essa tabela mostra a relação esperada e servirá como parâmetro de
comparação com o modelo estimado, a fim analisarmos sua coerência.
78
Tabela 8 – Relações esperadas entre as variáveis no modelo de regressão da Demanda Internacional
(RPK).
Fonte: Elaboração própria
Diferentemente do primeiro modelo de mínimos quadrados estimado para a
demanda doméstica, aqui a variável Passageiros Transportados Modal Rodoviário, que
leva em conta apenas as viagens realizadas em território nacional, não foi incorporada por
se entender que a mesma não possui qualquer relação com a demanda internacional, sendo
irrelevante para estimá-la.
Diante disso, o primeiro modelo de regressão para estimar a demanda
internacional incorporou onze variáveis explicativas na forma de logaritmo. Entretanto,
não foram todas essas onze variáveis que conseguiram, efetivamente, estimar a demanda
79
internacional por assentos de avião com relevância. Nota-se, a partir de análise desse
primeiro modelo que algumas dessas variáveis não se mostraram significativas, isto é,
apresentaram p-valor superior a 10% (0,10), a saber: imposto sobre importação (p-valor
= 38,5%), utilização da capacidade instalada (p-valor = 18,9%), taxa de desemprego (p-
valor = 47,6%), preço do barril de petróleo (p-valor = 83,9%) e índice IPCA (p-valor =
98,3%). No Apêndice 1 (Figura G), encontram-se todos os resultados do software R para
esse primeiro modelo.
Como descrito no parágrafo anterior, apesar de a quantidade de variáveis
explicativas consideradas como relevantes ser a maioria do total de variáveis analisadas
(6 de 11), ainda há um número significativo (5) de variáveis com p-valor maior do que
10%. Assim, torna-se cabível a realização da estimação de um novo modelo, deixando de
fora dessa estimativa essas 5 variáveis que não se mostraram relevantes.
Além da retirada dessas cinco variáveis, pode-se ver que a variável Consumo de
Querosene apresentou valores bem distintos quando comparados com os das outras
variáveis estimadas no primeiro modelo, não só para o p-valor que ficou com um valor
extremamente baixo, como também para o beta estimado (2,058711), o que posicionaria
a variável como sendo aquela que mais influencia na variável dependente (demanda
internacional), muito à frente do grau de influência das demais variáveis. Isso levanta a
possibilidade de haver colinearidade dessa variável com as demais, por isso optou-se por
também retirá-la do novo modelo.
Dessa forma, o novo modelo terá como variáveis independentes a Produção
Industrial Geral - 𝒙𝟐; o Yield de Tarifa Aérea Real - 𝒙𝟑; a Taxa de Câmbio - 𝒙𝟒; a Taxa
de Juros Selic - 𝒙𝟓; e o Rendimento Médio - 𝒙𝟕. A seguir estão os resultados para o novo
modelo, extraídos diretamente da tela do R.
80
Figura 9 – Resultados do segundo modelo de regressão para Demanda Internacional.
Fonte: Elaboração própria através do software R.
A seguir, está uma tabela apresentando os principais parâmetros estatísticos para
os dois modelos calculados, sendo o segundo o definitivo para MQO.
Tabela 9 – Parâmetros estatísticos para os dois modelos de regressão para Demanda Internacional
(RPK).
Fonte: Elaboração própria
Critério Modelo 1 Modelo 2
R2 ajustado 69,68% 50,82%
Erro-padrão 0,1412 0,1799
Estatística F35,68 (com 11 e 155 graus
de liberdade)
35,30 (com 5 e 161 graus de
liberdade)
p-valor < 2,2 e-16 < 2,2 e-16
Percentual de correspondências de
sinal dos coeficientes45,45% 60,00%
81
Os resultados apresentados na tabela acima sinalizam que o segundo modelo de
Mínimos Quadrados Ordinários pode ser considerado razoavelmente adequado para a
estimação da demanda de assentos em aviões para voos internacionais. Abaixo, segue
comentário acerca dos indicadores da tabela.
O Coeficiente Múltiplo de Determinação Ajustado (𝑅2ajustado) obtido, nesse
segundo modelo, foi de 50,82%, isto é, 50,82% das variações da variável Demanda
Internacional podem ser explicadas pelas cinco variáveis independentes presentes no
modelo; o erro-padrão verificado foi de 0,1799, um valor pequeno comparado à ordem
de grandeza da variável dependente; o p-valor, inferior a 2,2 x 10−16, aponta para a
rejeição de 𝐻0, assim como a estatística F, cujo valor 35,30, está acima do tabelado para
α = 5% (F tabelado = 1,767, aproximadamente). Logo, os betas são assumidos como
diferentes de zero, há regressão.
Então, resulta do Modelo 2 a função de regressão definitiva de MQO para a
Demanda Internacional (RPK), a qual está a seguir:
𝑦𝑡𝐷= ln Demanda Internacional(RPK)𝑡 =
4,5191 + 0,4419 𝒙𝟐𝑡 – 0,1875 𝒙𝟑𝑡 + 0,3765𝒙4𝑡 + 0,1976𝒙𝟓𝑡 + 0,9822𝒙𝟕𝑡 + 𝑢𝑡
(2,519) (2,307) (- 2,986) (4,499) (2,442) (5,364)
Os coeficientes da função de regressão para a Demanda Internacional (RPK)
são:
β0’ = 4,5191 β4’ = 0,3765
β2’ = 0,4419 β5’ = 0,1976
β3’ = – 0,1875 β7’ = 0,9822
Observando os coeficientes acima, Betas, que, como já dito, medem a elasticidade
da variável Y com relação a X (a variação percentual de Y para uma dada variação
percentual de X), percebe-se que as variáveis independentes com maior grau de influencia
são 𝒙𝟐 - Produção Industrial Geral e 𝒙𝟕 - Rendimento Médio, especialmente esta última.
82
O coeficiente de 𝒙𝟕 - Rendimento Médio, β7, apresentou valor muito próximo a 1 ( β7’ =
0,9822), podendo ser considerada, nesse caso, elasticidade unitária. Um aumento de 1 %
no rendimento médio provoca o mesmo aumento percentual para a demanda por voos
internacionais, o mesmo vale para a diminuições percentuais.
A elasticidade preço da demanda, que nesse contexto significa a variação na
demanda para voos internacionais decorrente de variações no preço das passagens aéreas,
e que é medida por β3, coeficiente da variável 𝒙𝟑 Yield de Tarifa Aérea, apresentou valor
igual a -0,1875. O sinal negativo está de acordo com o previsto pela Teoria da Oferta e
da Demanda. À medida em que o preço aumenta a demanda diminui, e vice-versa. O valor
absoluto do coeficiente, inferior a 1, significa que a demanda é inelástica com relação ao
preço, ou seja, um aumento de 1% no preço gerará uma diminuição na demanda inferior
a 1% (diminuição de aproximadamente 0,18 %). Esse resultado também já era esperado,
especialmente por não haver um substituto direto para passagens aéreas para fora do
Brasil (transporte rodoviário não consegue competir a altura), isto é, mesmo que as
passagens aéreas aumentem de preço, a grande maioria dos consumidores ainda estariam
dispostos a pagar por não haver outra alternativa de fazer a viagem. Pode-se dizer que a
demanda é insensível ao preço.
Modelo Oferta Internacional
Similarmente ao que foi feito no tópico 4.1.2., referente à oferta doméstica, aqui
será apresentada uma tabela indicando, fundamentalmente, a relação esperada entre cada
uma das variáveis dependentes e a oferta internacional, oferta de assentos nos voos para
fora do país. As relações esperadas apresentadas na tabela serão úteis quando forem
comparadas com o modelo estimado, de maneira a sinalizar o quão coerente é o modelo
estimado.
83
Tabela 10 – Relações esperadas entre as variáveis no modelo de regressão da Oferta
Internacional (ASK).
Fonte: Elaboração própria
No primeiro modelo foram incorporadas todas as variáveis da tabela acima.
Porém, cabe analisar a relevância das mesmas. No Apêndice 1 (Figura H), tem-se
imagem extraída diretamente do software R em que essas variáveis, transformadas em
logaritmo, tem seus coeficientes estimados. Além dos coeficientes, o software também
traz os resultados de p-valor para cada variável. Aquelas com p-valor inferior a 0,10
84
(10%), tidas como significantes, levam após a última coluna de dados uma marca,
asterisco ou ponto; elas também estão assinaladas por pontos vermelhos.
Analisando os resultados, vê-se que a poucas se mostraram realmente
significantes. Essas variáveis foram: a Produção Industrial Geral - 𝒙𝟐; o Yield de Tarifa
Aérea Real - 𝒙𝟑; a Taxa de Câmbio - 𝒙𝟒; o Rendimento Médio - 𝒙𝟕; e o Volume
Consumido de Querosene - 𝒙𝟗. Dessa forma, um novo modelo será estimado, apenas
considerando essas variáveis relevantes. Os resultados estatísticos desse novo modelo,
extraídos diretamente do software R, encontram-se na imagem a seguir.
Figura 10 – Resultados do segundo modelo de regressão para Oferta Internacional.
Fonte: Elaboração própria através do software R.
85
Tabela 11 –Parâmetros estatísticos para os dois modelos de Oferta Internacional (ASK).
Fonte: Elaboração própria
Os resultados apresentados na tabela acima sinalizam que o segundo modelo de
Mínimos Quadrados Ordinários pode ser considerado adequado para a estimação da
oferta de assentos em aviões para voos internacionais. Abaixo, segue comentário acerca
dos indicadores da tabela.
O Coeficiente Múltiplo de Determinação Ajustado (𝑅2ajustado) obtido, nesse
segundo modelo, foi de 66,94%, isto é, 66,94% das variações da variável Oferta
Internacional podem ser explicadas pelas cinco variáveis independentes presentes no
modelo; o erro-padrão verificado foi de 0,1129, um valor pequeno comparado à ordem
de grandeza da variável dependente; o p-valor, inferior a 2,2 x 10−16, aponta para a
rejeição de 𝐻0, assim como a estatística F, cujo valor 68,23, está acima do tabelado para
α = 5% (F tabelado = 1,767, aproximadamente). Logo, os betas são assumidos como
diferentes de zero, há regressão.
A correspondência entre os sinais dos coeficientes, entretanto, foi considerada
baixa, apenas 40%. Das cinco variáveis independentes, três apresentaram sinal oposto ao
esperado ante de se obter o Modelo 2.
Critério Modelo 1 Modelo 2
R2 ajustado 67,39% 66,94%
Erro-padrão 0,1122 0,1129
Estatística F32,18 (com 11 e 155 graus
de liberdade)
68,23 (com 5 e 161 graus de
liberdade)
p-valor < 2,2 e-16 < 2,2 e-16
Percentual de correspondências de
sinal dos coeficientes54,54% 40,00%
86
Então, resulta do Modelo 2 a função de regressão definitiva de MQO para a Oferta
Internacional (ASK), a qual está a seguir:
𝑦𝑡𝑂= ln Oferta Internacional(ASK)𝑡 =
3,2052 – 0,6884 𝒙𝟐𝑡 + 0,2215 𝒙𝟑𝑡+ 0,1772 𝒙𝟒𝑡 – 0,5552𝒙𝟕𝑡 + 1,4467 𝒙𝟗𝑡+ 𝑢𝑡
(2,603) (-4,533) (4,324) (3,628) (-3,215) (9,403)
Os coeficientes da função de regressão para a Oferta Internacional (ASK) são:
β0 = 3,2052 β4 = 0,1772
β2 = – 0,6884 β7 = – 0,5552
β3 = 0,2215 β9 = 1,4467
Observando os coeficientes acima, Betas, que, como já dito, medem a elasticidade
da variável Y com relação a X (a variação percentual de Y para uma dada variação
percentual de X), percebe-se que se destacou, com maior grau de influencia, a variável
𝒙𝟗 - Consumo de Querosene. O coeficiente de 𝒙𝟗, β9, apresentou um valor alto ( β9 =
1,4467), frente aos demais betas. Um aumento de 1 % no consumo de querosene provoca
um aumento percentual para a oferta de voos internacionais equivalente a
aproximadamente 1,45%, o mesmo vale para a diminuições percentuais. Esse resultado
está dentro do previsto.
A elasticidade preço da oferta, que nesse contexto significa a variação na oferta
de voos internacionais decorrente de variações no preço das passagens aéreas, e que é
medida por β3, coeficiente da variável 𝒙𝟑 - Yield de Tarifa Aérea, apresentou valor igual
a 0,2215. O sinal positivo está de acordo com o previsto pela Teoria da Oferta e da
Demanda. Quanto maior o preço de um produto, mais as empresas se dedicarão a oferta-
lo em maiores quantidades, e vice-versa. O valor absoluto do coeficiente, inferior a 1,
significa que a oferta é inelástica com relação ao preço, ou seja, um aumento de 1% no
preço gerará um aumento na oferta inferior a 1% (aumento de aproximadamente 0,22 %).
Esse resultado também já era esperado, uma vez que a decisão de empresas aéreas
ofertarem uma maior quantidade de assentos, por exemplo, passa pela construção de
87
aeronaves, algo que não é tão simples nem tão imediato à variação de preços, que ocorrem
de forma mais frequente. Aeronaves não fazem parte do conjunto de bens de produção
em massa.
4.2. Principais Críticas e Modelo VAR
Os modelos de Mínimos Quadrados Ordinários (MQO) calculados no tópico 4.1
apresentaram alguns problemas, os quais já foram identificados para cada variável de
interesse. Os coeficientes de algumas variáveis apresentaram sinal inconsistente com o
esperado para elas, além disso, os valores dos coeficientes foram, em geral, baixos,
mostrando inelasticidade. Diante desses potenciais problemas e da possibilidade dos
valores passados das variáveis de demanda, oferta e preço (Yield de Tarifa Aérea) terem
influência significativa na estimação das variáveis de interesse, optou-se por fazer um
tópico contemplando a estimação por Modelos de Vetores Auto Regressivos (VAR).
Testes de Estacionariedade
Como pré-requisito para a determinação das equações de estimação de demanda
e oferta do transporte aéreo de passageiros no Brasil, faz-se necessário que os conjuntos
de dados coletados no tempo - séries temporais -, referentes as variáveis apresentadas no
tópico 3, satisfaçam a estacionariedade. Isso se deve ao fato de desejar-se estudar um
estado estacionário, onde o período de tempo não influencia nos dados.
Séries temporais são ditas estacionárias quando possuem média, variância e
autocovariância invariáveis no tempo. A importância da presença dessa característica em
séries temporais está em poder estudar o comportamento das mesmas independentemente
do período de tempo em consideração. Em uma série temporal não estacionária, cada
conjunto de dados é específico a cada episódio, não é possível generalizar esses conjuntos
para outros períodos. Assim, torna-se essencial que as séries temporais apresentem como
característica a estacionariedade.
A fim de verificar se uma dada série temporal é estacionária ou não, a estatística
dispõe de alguns testes. Neste trabalho, será utilizado o teste da raiz unitária, mais
88
especificamente o teste Dickey-Fuller Aumentado (DFA, ou ADF do inglês Augmented
Dickey-Fuller). Esse teste, aplicado a cada série temporal, responderá ao seguinte teste
de hipóteses:
H0: série não estacionária
H1: série estacionária
Assim, ao se fazer os testes ADF, tem-se como objetivo rejeitar a hipótese nula,
ou seja, rejeitar a hipótese de que a série em análise seja não estacionária e admiti-la como
sendo estacionária.
O teste ADF foi aplicado às séries desse trabalho com o auxílio do software R.
Abaixo, está apresentado um resumo dos resultados obtidos através da ferramenta,
constando da descrição da série analisada, do seu p-valor e do resultado do teste de
hipóteses mencionado acima. O nível de significância adotado fora de 10%, assim séries
que no teste ADF apresentaram p-valor inferior a 0,10 foram consideradas estacionárias
e, do contrário, não estacionárias.
Tabela 12 – Resultados do teste de estacionariedade para as séries temporais em nível.
Fonte: Elaboração própria, a partir do software R
89
Como visto na tabela anterior, a grande maioria das séries temporais em estudo
revelou-se como sendo não estacionária (13 das 15 séries). Para contornar esse problema,
faz-se necessário transformar as séries temporais não estacionárias a fim de torná-las
estacionárias. O método de transformação aqui utilizado será o da diferença estacionária
(DE). Para séries temporais que apresentem raiz unitária, como as classificadas como
“Não estacionária” na tabela acima, as primeiras diferenças dessas séries são
estacionárias. Assim, segue abaixo tabela contendo resultados resumidos e extraídos do
software R, para as 13 séries não estacionárias, trabalhando, agora, com as primeiras
diferenças dessas séries.
Tabela 13 - Resultados do teste de estacionariedade para as primeiras diferenças das séries
temporais.
Fonte: Elaboração própria, a partir do software R
Todas as séries apresentaram, de acordo com software, p-valor inferior a 1,0%,
sendo que aquelas que já haviam se mostrado estacionárias em nível não foram
apresentadas na imagem anterior, mas suas diferenças também são estacionárias. Dessa
forma, todas as séries estão aptas a participarem do processo de formulação das equações
baseadas em Vetores Auto Regressivos de estimação de demanda e oferta do transporte
aéreo de passageiros no país. Ressalta-se que as telas resultantes do software R para os
testes de estacionariedade estão no Apêndice 2.
90
Modelos VAR
Depois de ter sido testada e garantida a estacionariedade das variáveis em suas
primeiras diferenças foi elaborado uma base de dados contendo todas elas. Haviam
variáveis que já eram estacionárias em nível: Produção Industrial e Rendimento Médio.
Porém, todas as demais eram não-estacionárias em nível. Por isso, todas as variáveis serão
usadas na sua primeira diferença a fim de que todas elas sejam séries estacionárias e que
haja coerência na forma de análise. As variáveis utilizadas são: Demanda Doméstica
(RPK), Oferta Doméstica (ASK), Demanda Internacional (RPK), Oferta Internacional
(ASK), Yield de Tarifa Aérea, Imposto sobre Importação, Produção Industrial, Taxa de
Câmbio, Taxa de Juros SELIC, Rendimento Médio, Taxa de Desemprego, Consumo de
Querosene, Preço do Barril de Petróleo, IPCA Transportes (índice).
A variável Utilização da Capacidade Instalada (Indústria Geral) não será
utilizada nos modelos VAR, já que ela se mostrou inconsistente com o sinal esperado e
apresentando valores muito elevados nos modelos de MQO. Ao contrário do que foi
feito no modelo de MQO, na estimativa dos modelos VAR, as variáveis não serão
usadas em logaritmo (modelos log-log), visto que por serem utilizadas as diferenças
das variáveis, haverá valores negativos ou iguais a zero, o que impede a utilização
do logaritmo. Logo, o modelo será linear. As elasticidades serão calculadas na forma
tradicional.
Será feito um modelo VAR para cada variável de interesse: Demanda Doméstica
(RPK), Oferta Doméstica (ASK), Demanda Internacional (RPK) e Oferta Internacional
(ASK). Cada modelo será posteriormente refinado para resultar em uma estimativa
confiável. Serão utilizados critérios quantitativos para determinação das defasagens (lags)
de cada modelo, e neste trabalho, será considerado o valor mais “votado” dentre os 4
critérios usados no software R: AIC (Akaike nformation criterion), HQ (Hannan-Quinn
criterion), SC (Shwarz information criterion) e FPE (Final Predicton Error). O objetivo
por trás dos critérios é tentar identificar o número de defasagens que garanta o melhor
ajuste aos dados sem que se percam muitos graus de liberdade, os quais permitem a
interpretação das características do modelo construído. (PORTELA, 2016)
91
4.2.2.1. Modelos VAR Demanda Doméstica (RPK)
O modelo primário a ser estimado é chamado de modelo de vetores auto
regressivos irrestrito, pois é o que envolve o maior número de variáveis a serem
consideradas. As variáveis endógenas para o modelo de Demanda Doméstica (RPK)
serão: a própria Demanda Doméstica (RPK) e o Yield de Tarifa Aérea, nas suas primeiras
diferenças. As variáveis exógenas (todas em sua primeira diferença) presumidas para
esse modelo são: Imposto sobre Importação, Taxa de Câmbio, Taxa de Juros SELIC,
Taxa de Desemprego, Consumo de Querosene, Preço do Barril de Petróleo, IPCA
Transportes (índice), Produção Industrial e Rendimento Médio. A partir da identificação
de estacionariedade das variáveis, o próximo passo para estimar o modelo VAR é a
identificação do número de defasagens (lags) que o modelo auto regressivo deve ter.
(PORTELA, 2016)
A determinação do número de defasagens é feita com o auxílio do software R.
Caso haja empate no número de lags indicados, serão testados os dois valores e
comparados os resultados. A seguir, tem-se a imagem da tela que indica o número de lags
sugeridos pelos 4 critérios diferentes: AIC, HQ, SC e FPE. Na imagem a seguir, vê-se a
tela do R com a indicação do número de defasagens recomendadas. No caso, serão
utilizados 5 lags neste modelo, de acordo com os critérios HQ e SC.
Figura 11 – Seleção do número de defasagens (lags) para o modelo de Demanda Doméstica
(RPK).
Fonte: Elaboração própria com auxílio do software R
92
Após ter sido determinado o uso de 5 lags no modelo de Demanda Doméstica
(RPK), foi feita a estimativa dos parâmetros do mesmo, também através do software R.
O resultado pode ser visto na imagem apresentada no Apêndice 3 (Figura A), no qual os
asteriscos indicam as variáveis endógenas estatisticamente significantes em cada
defasagem (defasagens variando de 1 a 5) e as variáveis exógenas significantes, ao nível
de significância de 10%.
Como é possível perceber pelos resultados apresentados na imagem, algumas
variáveis exógenas obtiveram p-valor acima de 10%, o que indica que elas não são
estatisticamente significantes para o modelo. Por isso, elas foram retiradas e foi feito um
modelo refinado para a Demanda Doméstica (RPK), o qual é apresentado a seguir.
Figura 12 – Resultados do segundo modelo VAR para Demanda Doméstica (RPK).
Fonte: Elaboração própria através do software R.
No segundo modelo VAR para a Demanda Doméstica (RPK), todas as variáveis
exógenas se mostraram significativas. As variáveis exógenas restantes foram: Produção
93
Industrial, Taxa de Câmbio, Rendimento Médio, Taxa de Desemprego e Consumo de
Querosene. Além disso, foi confirmada a relação com os valores passados da variável
endógena Demanda Doméstica (RPK) em todos os 5 lags considerados, sendo o p-valor
encontrado bastante baixo para todas as defasagens. Esse fato é bastante significativo para
a análise em questão, pois diz que o valor demandado por assentos em avião é
extremamente dependente dos seus valores passados.
A outra variável endógena, Yield de Tarifa Aérea, também foi estatisticamente
significativa, mas não em todos os lags. Ela foi significativa nos lags: 1, 2 e 5. Isso
confirma a hipótese levantada de que existe um certo atraso para haver uma variação na
quantidade demandada de passagens aéreas de acordo com as mudanças sofridas nos
preços das mesmas. Os sinais dos coeficientes do Yield são negativos (exceto no lag 3,
mas o mesmo se mostrou não-significativo).
O coeficiente 𝑅2ajustado do modelo foi de 87,06%, sendo considerado alto. Logo,
este modelo consegue explicar 87,06% da variável de interesse Demanda Doméstica
(RPK). O valor da estatística F foi de 68,7, o que supera o valor tabelado (que é de 1,545
para estes graus de liberdade). Isso mostra que o modelo é significativo, pois os
coeficientes são diferentes de zero.
Foi feito o cálculo da elasticidade-preço da demanda através da seguinte fórmula
(pois agora os dados não estão em logaritmo, como nos modelos de MQO, e sim em sua
primeira diferença):
Elasticidade = ∂ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎𝑌𝑖𝑒𝑙𝑑 * 𝜕𝑌𝑖𝑒𝑙𝑑 ̅̅ ̅̅ ̅̅ ̅̅ ̅̅
𝜕𝐷𝑒𝑚𝑎𝑛𝑑𝑎 ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅ (1)
Se considerarmos ceteris paribus, a primeira derivada da demanda em relação ao
Yield de Tarifa Aérea - primeiro termo da fórmula (1) - seria a soma de todos os
coeficientes significantes encontrados para o Yield, pois estamos lidando com o estado
estacionário das variáveis. Para o cálculo, foi considerado um conjunto de 24 meses (já
que se espera que a elasticidade seja constante), indo de novembro de 2013 a novembro
de 2015, isso porque houve um aumento brusco em dezembro de 2015, que foi um valor
descartado, o que poderia interferir nos resultados. Então, o resultado encontrado para a
elasticidade-preço da demanda do Modelo VAR da Demanda Doméstica (RPK) foi de -
94
0,384. Esse valor confirma a hipótese de que a demanda por assentos em aviões é
inelástica com relação ao preço das passagens aéreas, já que a elasticidade é menor do
que 1 (em módulo), confirmando o que foi encontrado no modelo de Mínimos Quadrados
Ordinários. Além disso, a relação é negativa, como se espera de acordo com a Teoria da
Oferta e Demanda.
Também foi calculada a influência (ou elasticidade) do modelo VAR em relação
à própria demanda, que é uma variável endógena. É válido verificar a intensidade com
que o modelo sofre mudanças quando a variável Demanda Doméstica (RPK) sofre
variações (considerando os diferentes lags, já que se trata do estado estacionário).
Elasticidade = ∂ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎𝐷𝑒𝑚𝑎𝑛𝑑𝑎 (2)
Como se trata de um estado estacionário, o valor da elasticidade é o resultado da
soma dos coeficientes encontrados para os diferentes lags da Demanda no modelo; o valor
encontrado foi de -1.38. Portanto, o comportamento do modelo é elástico em relação à
própria demanda.
4.2.2.2. Modelos VAR Oferta Doméstica (ASK)
O primeiro modelo VAR que será estimado para a Oferta Doméstica é irrestrito,
pois considera todas as variáveis escolhidas para análise (excetuando a Utilização da
Capacidade Instalada, que foi excluída deste tópico). As variáveis endógenas (todas em
sua primeira diferença) para o modelo de Oferta Doméstica (ASK) serão: a própria Oferta
Doméstica (ASK) e o Yield de Tarifa Aérea. As variáveis exógenas do modelo são:
Imposto sobre Importação, Taxa de Câmbio, Taxa de Juros SELIC, Taxa de Desemprego,
Consumo de Querosene, Preço do Barril de Petróleo, IPCA Transportes (índice),
Produção Industrial e Rendimento Médio. A seguir, através dos testes do software R, será
definido o número de defasagens (lags) para melhor estimar esse modelo VAR.
95
Figura 13 – Seleção do número de defasagens (lags) para o modelo de Oferta Doméstica
(ASK).
Fonte: Elaboração própria com auxílio do software R
O modelo com 7 lags foi o que obteve valores mais significantes, por isso essa foi
a defasagem escolhida, já que dois testes haviam sugerido este número de defasagens. Na
sequência, foi estimado o primeiro modelo para a Oferta Doméstica (ASK), o qual pode
ser encontrado no Apêndice 3 (Figura B).
Como se pode notar pelos resultados do modelo, muitas das variáveis exógenas
não se mostraram estatisticamente significativas, por isso serão retiradas do modelo. O
novo modelo, após o refinamento, é apresentado a seguir.
96
Figura 14 – Resultados do segundo modelo VAR para Oferta Doméstica (ASK).
Fonte: Elaboração própria através do software R.
Neste modelo VAR refinado para a Oferta Doméstica (ASK), todas as variáveis
exógenas incluídas se mostraram significativas. São elas: Imposto sobre Importação,
Produção Industrial, Taxa de Câmbio, Rendimento Médio e Consumo de Querosene.
Porém, as variáveis endógenas não tiveram a significância esperada pois, em muitos dos
lags, tanto a variável Oferta Doméstica (ASK) quando a variável Yield de Tarifa Aérea
apresentaram p-valor maior do que 10%. Mesmo assim, verifica-se relação com os
períodos 1, 2 e 7 para a Oferta, e nos lags 1 e 5 para o Yield. Para o Yield, o sinal dos
coeficientes nos lags 1, 2, 4 e 5 foram negativos. Nos lags 3,6 e 7, o Yield obteve sinal
positivo, mas o p-valor foi superior a 10%.
O coeficiente 𝑅2ajustado obteve valor alto, de 88,71%. Portanto, este modelo
consegue explicar 88,71% da variável de interesse Oferta Doméstica (ASK). O valor da
97
estatística F foi de 63,47, o que supera o valor tabelado (que é de 1,482 para estes graus
de liberdade). Isso mostra que o modelo é significativo, pois os coeficientes são diferentes
de zero.
A elasticidade-preço da oferta foi calculada através de fórmula semelhante à
fórmula (1) apresentada no tópico 4.2.2.1, mas adaptada à Oferta. Foi considerado o
mesmo período de dados para o cálculo. O valor encontrado para a elasticidade-preço da
oferta do Modelo VAR da Oferta Doméstica (ASK) foi de 0,3631, o que sugere que a
oferta de assentos em aviões é inelástica com relação ao preço das passagens aéreas
(elasticidade é menor do que 1). O valor da elasticidade-preço da oferta, neste intervalo,
está consistente com a Teoria da Oferta e Demanda, que diz que essa relação deve ser
positiva.
Também foi calculada a influência (ou elasticidade) do modelo VAR em relação
à própria oferta, que é uma variável endógena, já que é interessante verificar a
intensidade com que o modelo sofre mudanças quando a variável Oferta Doméstica
(RPK) sofre variações (considerando nos diferentes lags, mas em estado estacionário).
Elasticidade = ∂ 𝑂𝑓𝑒𝑟𝑡𝑎𝑂𝑓𝑒𝑟𝑡𝑎
Como se trata de um estado estacionário, o valor da elasticidade é o resultado da
soma dos coeficientes encontrados para os diferentes lags da oferta no modelo; o valor
encontrado foi de -0.31. Portanto, o comportamento do modelo é inelástico em relação à
própria oferta, mas apresenta sinal negativo.
4.2.2.3. Modelos VAR Demanda Internacional (RPK)
Similarmente ao que foi realizado no tópico 4.2.2.1, no qual procurou-se estimar
modelos VAR para a demanda internacional, aqui os mesmos procedimentos serão
adotados para a estimar, porém, a demanda internacional por passageiros para voos
internacionais.
O primeiro modelo a ser estimado incorpora todas as variáveis (irrestrito). Dessa
forma, cabe separar essas em variáveis endógenas e exógenas. As endógenas serão a
98
própria Demanda Internacional (RPK) e o Yield de Tarifa Aérea, nas suas primeiras
diferenças. E as exógenas, todas em sua primeira diferença, serão: Imposto sobre Importação,
Taxa de Câmbio, Taxa de Juros SELIC, Taxa de Desemprego, Consumo de Querosene, Preço
do Barril de Petróleo, IPCA Transportes (índice), Produção Industrial e Rendimento Médio.
Após a definição das variáveis, faz-se necessário determinar o número de defasagens,
ou lags. Há de se ponderar que a inclusão de muitas defasagens, além de consumir graus de
liberdade, introduz a possibilidade de multicolinearidade (GUJARATI, 2000). Assim, a
determinação da quantidade de defasagens obedecerá a critérios estatísticos. Esses critérios
serão: AIC, HQ, SC e FPE. Na imagem a seguir, em sua parte superior, vê-se a tela do R
com a indicação do número de defasagens recomendadas para cada critério. Por maioria
de “votos”, serão utilizadas 8 defasagens, como aponta os critérios AIC e FPE.
Figura 15 – Seleção do número de defasagens (lags) para o modelo de Demanda
Internacional (RPK).
Fonte: Elaboração própria com auxílio do software R
Definida a quantidade de defasagens, foi realizada a estimação dos parâmetros
para o modelo de Demanda Internacional (RPK). Os resultados, obtidos pelo R, podem
ser vistos na imagem apresentada no Apêndice 3 (Figura C), na qual os asteriscos
indicam as variáveis endógenas estatisticamente significantes em cada defasagem
(defasagens variando de 1 a 8) e as variáveis exógenas significantes, ao nível de
significância de 10%.
Analisando essa estimativa inicial, vê-se que a maioria das variáveis exógenas
apresentaram p-valor superior a 10%, o que sinaliza de que as mesmas são
99
estatisticamente insignificantes para o modelo. Essas variáveis foram então retiradas e
um novo modelo (refinado) para a Demanda Internacional (RPK) foi estimado,
considerando apenas aquelas com p-valor inferior a 10%. Esse novo modelo está
apresentado abaixo.
Figura 16 – Resultados do segundo modelo VAR para Demanda Internacional (RPK).
Fonte: Elaboração própria através do software R.
Analisando o modelo refinado, vê-se que poucas variáveis restaram com a
exclusão das que não se mostraram significativas no primeiro modelo. Das exógenas,
apenas Rendimento Médio e Consumo de Querosene. Quantidade muito pequena tendo
em vista que dados de 9 variáveis exógenas foram considerados na estimação do primeiro
modelo.
A respeito das variáveis endógenas, os resultados também não foram satisfatórios.
A variável Demanda Internacional (RPK), por exemplo, se mostrou significativa apenas
100
nos lags 4, 6 e dos 8 considerados. Já a variável Yield de Tarifa Aérea mostrou relação
significativa apenas como seu valor defasado no lag 8.
Mesmo olhando para o coeficiente 𝑅2ajustado do modelo e para a estatística F
(65,25% e 16,61, respectivamente) que sinalizam que o modelo é significativo, é notório
que este é pouco robusto frente a pequena quantidade de variáveis que mostraram relação
com a Demanda Internacional (RPK). O modelo deve, então, ser descartado.
Vale lembrar que a variável Yield de Tarifa Aérea considerado não incorpora
apenas voos internacionais, algo que pode ter feito essa variável e suas defasagens
apresentarem pouca relação com a Demanda Internacional (RPK).
A exemplo do tópico 4.2.2.1, foi calculada a elasticidade-preço da demanda, aqui
para a demanda internacional. Seguindo o mesmo raciocínio de cálculo exposto naquele
tópico e considerando também dados de demanda e Yield de novembro de 2013 até
novembro de 2015 (conjunto de 24 meses), e não considerando dados de dezembro de
2015 por haver um aumento de Demanda, nesse período, bastante afastado da faixa de
valores que comumente vinha ocorrendo, o que poderia distorcer resultados a respeito da
elasticidade, encontrou-se a elasticidade-preço da demanda.
De acordo com a fórmula (1) do tópico 4.2.2.1, o valor obtido foi de 0,0152. Isso
significa que a demanda por assentos nos aviões é inelástica à variação de preço, uma vez
que a elasticidade-preço da demanda foi inferior a 1. Porém, esta apresentou sinal oposto
ao esperado pela Teoria da Oferta e Demanda, pois esperava-se que com aumento do
preço, diminuísse a procura. Este é um indício de que a modelagem VAR para a Demanda
Internacional não é a melhor forma de representar esta variável.
Calculou-se também a influência (ou elasticidade) do modelo VAR em relação à
própria demanda, que é uma variável endógena. É válido verificar a intensidade com
que o modelo sofre mudanças quando a variável Demanda Internacional (RPK) sofre
variações (considerando os diferentes lags, mas em estado estacionário).
Elasticidade = ∂ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎𝐷𝑒𝑚𝑎𝑛𝑑𝑎 (2)
Como se trata de um estado estacionário, o valor da elasticidade é o resultado da
soma dos coeficientes encontrados para os diferentes lags significativos da Demanda no
101
modelo; o valor encontrado foi de 0,079. Portanto, o comportamento do modelo é
inelástico em relação à própria demanda.
4.2.2.4. Modelos VAR Oferta Internacional (ASK)
Similarmente ao que foi realizado no tópico 4.2.2.2, no qual procurou-se estimar
modelos VAR para a oferta doméstica, aqui os mesmos procedimentos serão adotados
para a estimar, porém, a oferta internacional de assentos para voos internacionais.
O primeiro modelo a ser estimado incorpora todas as variáveis (irrestrito). Dessa
forma, cabe separar essas em variáveis endógenas e exógenas. As endógenas serão a
própria Oferta Internacional (RPK) e o Yield de Tarifa Aérea, em suas primeiras diferenças.
E as exógenas, todas em sua primeira diferença, serão: Imposto sobre Importação, Taxa de
Câmbio, Taxa de Juros SELIC, Taxa de Desemprego, Consumo de Querosene, Preço do
Barril de Petróleo, IPCA Transportes (índice), Produção Industrial e Rendimento Médio.
Abaixo, segue tela do software R com os resultados de testes para determinação da
quantidade de defasagens que serão consideradas para as variáveis endógenas do modelo.
Como pode-se ver, houve empate entre 1 e 7 lags. Mediante testes com as duas
quantidades, constatou-se que 7 lags trouxe melhores resultados, seguindo o que apontou
os testes AIC e FPE.
Figura 17 – Seleção do número de defasagens (lags) para o modelo de Oferta Internacional
(ASK).
Fonte: Elaboração própria com auxílio do software R
102
Definida a quantidade de defasagens (7), foi realizada a estimação dos parâmetros
para o modelo de Demanda Internacional (RPK). Os resultados, obtidos pelo R, podem
ser vistos na imagem apresentada no Apêndice 3 (Figura D), na qual os asteriscos
indicam as variáveis endógenas estatisticamente significantes em cada defasagem
(defasagens variando de 1 a 8) e as variáveis exógenas significantes, ao nível de
significância de 10%.
Analisando essa estimativa inicial, vê-se que a maioria das variáveis exógenas
apresentaram p-valor superior a 10%, o que sinaliza de que as mesmas são
estatisticamente insignificantes para o modelo. Essas variáveis foram, então, retiradas e
um novo modelo (refinado) para a Demanda Internacional (RPK) foi estimado,
considerando apenas aquelas com p-valor inferior a 10%.
Previamente à estimação do novo modelo, foi realizado novamente os 4 testes
para indicar a quantidade de defasagens a serem consideradas. O teste, na tela do R
apresentada abaixo, apontou novamente empate: dois critérios indicaram 1 liga apenas,
enquanto outros dois deram que o melhor modelo seria realizado com 8 lags. Comparando
os modelos com as duas quantidades de defasagens, optou-se por estimar com 8
defasagens.
Figura 18 – Seleção do número de defasagens (lags) para o segundo modelo de Oferta
Internacional (ASK).
Fonte: Elaboração própria com auxílio do software R
103
Assim, o segundo modelo, com 8 defasagens, foi estimado e é apresentado na
sequência resultado extraído diretamente do software R. Dessa vez, se considerou apenas
as variáveis Rendimento Médio e Consumo de Querosene como exógenas.
Figura 19 – Resultados do segundo modelo VAR para Oferta Internacional (ASK).
Fonte: Elaboração própria através do software R.
Como é possível notar, nesse novo modelo restaram poucas variáveis significativas.
A variável Yield de Tarifa Aérea, por exemplo, não se mostrou significativa em nenhuma
defasagem testada. Os resultados não foram tão satisfatórios, de forma semelhante ao
acontecido com o modelo VAR estimado para a Demanda Internacional (RPK) (e ao contrário
dos resultados obtidos para a parte doméstica, onde mais variáveis se mostraram
significativas). Isso levanta a suspeita de que para obter-se modelos mais robustos para a parte
internacional deveriam ser consideradas variáveis mais específicas do mercado internacional.
Neste trabalho, este último modelo foi o melhor obtido por meio de Vetores Auto
Regressivos para estimar a Oferta Internacional (ASK), entretanto o mesmo não se mostrou
com o nível de confiança esperado. O coeficiente 𝑅2ajustado teve valor de 62,13%. Assim,
104
este modelo consegue explicar 62,13% da variável de interesse Oferta Internacional
(ASK). O valor da estatística F foi de 14,64, o que supera o valor tabelado (que é de 1,482
para estes graus de liberdade). Isso mostra que o modelo é significativo, pois seus
coeficientes são diferentes de zero.
A exemplo do tópico 4.2.2.2, seria calculada a elasticidade-preço da oferta, aqui
para a Oferta Internacional. Seria seguido o mesmo raciocínio de cálculo exposto naquele
tópico e considerando, também, dados de Oferta e Yield de novembro de 2013 até
novembro de 2015 (conjunto de 24 meses). Porém, como a variável Yield não se mostrou
significativa em nenhum lag, o cálculo da elasticidade-preço da oferta ficou inviabilizado.
Fato que reforça a precariedade do modelo VAR estimado para a Oferta Internacional
(ASK).
O cálculo da influência (ou elasticidade) da Oferta Internacional com relação a
ela própria corresponde à soma dos seus coeficientes significantes na forma
diferenciada, de acordo com a seguinte fórmula:
Elasticidade = ∂ 𝑂𝑓𝑒𝑟𝑡𝑎𝑂𝑓𝑒𝑟𝑡𝑎 (2)
Logo, o valor encontrado é de 0,133, considerado inelástico. Porém, a modelagem
VAR com estes dados não se mostrou a mais indicada para estimar essa variável. Só em
um dos lags a variável endógena Oferta Internacional foi significativa (p-valor menor que
0,10).
105
5. CONCLUSÃO
Este trabalho teve como objetivo central identificar variáveis relevantes para a
construção de modelos estatísticos que pudessem estimar a Oferta e Demanda de
transporte aéreo no Brasil, tanto para voos domésticos quanto para voos internacionais
com origem no Brasil. O estudo levou em consideração apenas as empresas brasileiras de
transporte aéreo de passageiros, abrangendo o período de 2002 a 2016. Neste período,
houve grande crescimento da oferta e da demanda no setor aéreo, e as causas passam pela
liberalização de preços, substituição das barreiras à entrada por uma política de incentivo
a novas empresas, e melhora da situação econômica no país.
A demanda, em termos de passageiros-quilômetros pagos transportados (RPK),
mais do que duplicou de 2005 a 2015. O avião tem sido o principal meio de transporte
utilizado pelos brasileiros nas viagens interestaduais com longas distâncias. As fusões e
aquisições de empresas brasileiras refletiram no aumento de oferta e na ampliação do
número de rotas, o que pode ter influenciado nos resultados das análises. Porém, a partir
de 2013 o Brasil enfrenta uma crise política e econômica, a qual refletiu no perfil de
consumo da população. Houve aumento da inflação, da taxa de desemprego, diminuição
da renda e queda na produção industrial. Com isso, houve retração da demanda e oferta
de transporte aéreo.
Para identificar as variáveis explicativas importantes para estimar a oferta e a
demanda, foram selecionadas séries históricas candidatas e conduzidas diversas tentativas
de regressão, seguidas de análises com o intuito de se verificar a existência de relevância
estatística. Primeiramente, foi aplicado o método dos Mínimos Quadrados Ordinários
(MQO) para a estimação dos parâmetros dos modelos. Em seguida, foram desenvolvidos
modelos econométricos baseados na metodologia de Vetores Auto Regressivos (VAR),
tendo como variáveis endógenas: a Demanda e a Oferta, domésticas e internacionais, e a
tarifa (representada pelo Yield de Tarifa Aérea).
A partir da estimação do modelo de MQO da Demanda Doméstica (RPK),
verificou-se que as variáveis que influenciam no comportamento da variável de interesse
são: Imposto sobre Importação, Produção Industrial Geral, Yied de Tarifa Aérea Real
(Preço), Taxa de Juros Selic, Rendimento Médio, Taxa de Desemprego, Consumo de
Querosene e IPCA Transportes. Este modelo foi considerado significativo, devido aos
106
resultados de seus parâmetros estatísticos. A demanda se mostrou inelástica às variações
do Yield de Tarifa Aérea, fato corroborado por outros trabalhos, o que sugere que grande
parte das viagens de avião dos brasileiros são de negócios. O comportamento da demanda
se mostrou mais influenciável pelo consumo de querosene de aviação (relação bastante
óbvia) e pelo rendimento, o que revela as mudanças no perfil de consumo dos brasileiros
durante os anos estudados de acordo com a melhora (ou piora) na situação econômica do
país.
Estimando o modelo VAR para a Demanda Doméstica (RPK), confirmou-se que
esta variável depende dos seus valores passados e dos valores passados do Yield. Este
modelo também se mostrou significativo, e as variáveis exógenas relevantes foram:
Produção Industrial, Taxa de Câmbio, Rendimento Médio, Taxa de Desemprego e
Consumo de Querosene. A elasticidade-preço da demanda também foi menor do que 1
(em módulo) confirmando o comportamento inelástico com relação ao Yield.
Passando para a variável Oferta Doméstica (ASK), o modelo de MQO estimado
apresentou como variáveis relevantes: Imposto sobre Importação, Yied de Tarifa Aérea
Real (Preço), Taxa de Câmbio, Taxa de Juros Selic, Rendimento Médio, Volume
Consumido de Querosene, Preço do Barril de Petróleo e Índice IPCA Transportes.
Algumas delas refletem que o aumento de custos operacionais causa diminuição na
demanda. Este modelo também apresentou parâmetros estatísticos significantes. Porém,
o coeficiente encontrado para o Yield foi negativo, contrariando a Teoria da Oferta e
Demanda. Esse foi um dos motivos que incentivaram a elaboração de modelos VAR.
O modelo VAR estimado para a Oferta Doméstica (ASK) obteve parâmetros
significativos, embora as variáveis endógenas (Oferta e Yield) não tenham sido
significativas em todos os lags. As variáveis exógenas mais relevantes foram: Imposto
sobre Importação, Produção Industrial, Taxa de Câmbio, Rendimento Médio e Consumo
de Querosene. A elasticidade-preço da oferta encontrada foi consistente com o esperado:
inelástica e positiva, o que mostra um aumento de oferta com o aumento dos preços das
passagens, embora esse aumento não seja grande devido à impossibilidade de um rápido
aumento de capacidade.
Olhando para as viagens internacionais com origem no Brasil, a estimação dos
modelos encontrou algumas dificuldades, devido à falta de variáveis específicas para o
107
mercado internacional. Mas mesmo assim, os parâmetros estatísticos encontrados foram
significativos. O modelo resultante de MQO para a Demanda Internacional (RPK) teve
como variáveis explicativas: Produção Industrial Geral, o Yield de Tarifa Aérea Real, a
Taxa de Câmbio, a Taxa de Juros Selic e o Rendimento Médio. A variável que mais
influencia na estimação da Demanda Internacional é o Rendimento Médio, fato já
esperado. O Yield obteve coeficiente negativo, de acordo com a Teoria da Oferta e
Demanda e menor do que 1 (relação inelástica).
Também foi elaborado um modelo VAR para estimar a Demanda Internacional.
Neste modelo, as variáveis relevantes foram apenas Rendimento Médio e Volume
Consumido de Querosene. Pelo fato de poucas variáveis terem se mostrado significativas,
acredita-se que o modelo mais adequado para estimar a Demanda Internacional seja o de
MQO. Uma explicação seria a falta de séries históricas exclusivas do setor internacional
e também o fato das variáveis estarem diferenciadas no modelo VAR.
Passando para a última variável de interesse, a Oferta Internacional (ASK), o
modelo de MQO obteve as seguintes variáveis relevantes: Produção Industrial Geral, o
Yield de Tarifa Aérea Real, a Taxa de Câmbio, o Rendimento Médio e o Volume
Consumido de Querosene. Os parâmetros estatísticos obtidos foram bons, o que indica
que este modelo é confiável para estimar a oferta internacional. A variável que mais
influencia é o Volume Consumido de Querosene, relação um tanto direta. O Yield de
Tarifa Aérea apresentou sinal positivo, de acordo com o esperado. A Oferta Internacional
também apresentou comportamento inelástico com relação ao preço das passagens.
No caso do modelo VAR estimado para a Oferta Internacional, viu-se que só duas
variáveis exógenas foram significativas, assim como o ocorrido com a Demanda
Internacional; são elas: apenas Rendimento Médio e Volume Consumido de Querosene.
Portanto, também se acredita que o modelo encontrado de MQO seja superior ao modelo
VAR na tentativa de estimar a Oferta Internacional, também devido à falta de variáveis
exclusivas.
Logo, a grande maioria dos resultados encontrados neste trabalho foram
satisfatórios, e o aprendizado sobre o setor aéreo brasileiro e os conceitos econométricos
foi muito grande. Como sugestão para estudos futuros, estaria uma análise dedicada
somente ao setor internacional, a qual foi um pouco prejudicada pela falta de dados. A
108
ANAC pretende lançar ainda neste ano uma base de dados somente com os voos
internacionais das empresas brasileiras. Com esses novos dados, os resultados poderão
ser aprimorados. Além disso, os modelos estimados neste trabalho, e que foram
caracterizados como confiáveis, podem ser utilizados em outros trabalhos a fim de fazer
previsões futuras do mercado do setor aéreo no Brasil. Ou mesmo servir de subsídio para
o desenvolvimento de ferramentas que permitam planejar com mais eficiência a
necessidade de oferta de assentos pelas companhias, aumentando o aproveitamento das
aeronaves e reduzindo, assim, sua “pegada de carbono”.
109
6. REFERÊNCIAS BIBLIOGRÁFICAS
ABEAR, 2012, Panorama 2012. Volume único. Acesso em: 12 fev. 2017.
ANAC, 2016, Anuário do Transporte Aéreo 2015. Volume único, 1 ed. Brasília.
Acessado em Dezembro de 2016.
ANAC, 2016, Relatório de Demanda e Oferta do Transporte Aéreo: Empresas
Brasileiras. Brasília. Disponível em: http://www.anac.gov.br/assuntos/setor-
regulado/empresas/envio-de-informacoes/relatorio-demanda-e-oferta-do-transporte-
aereo-empresas-brasileiras
ANAC, 2016, Relatório de Tarifas Aéreas Domésticas. Brasília. Disponível em:
http://www.anac.gov.br/assuntos/setor-regulado/empresas/envio-de-
informacoes/relatorio-de-tarifas-aereas-domesticas
ANAC: Institucional. Disponível em: http://www.anac.gov.br/A_Anac/institucional.
Acesso em: 12 fev. 2017.
BARBOSA, H. D., 2011, Sinergia Operacional nos Processos de Aquisição e Fusão
das Empresas. O caso da LATAM. Volta Redonda, Universidade Federal Fluminense.
BERDINELLI, W. E., OLIVEIRA, A. V. M., 2014, Modelagem econométrica da
demanda em aeroportos privatizados: estudo de caso do Aeroporto Internacional de
Confins, Belo Horizonte. São José dos Campos, ITA – Instituto Tecnológico da
Aeronáutica.
110
BIELSCHOWSKY, P., CUSTÓDIO, M. C., 2011, A Evolução do Setor de Transporte
Aéreo Brasileiro. Revista Eletrônica Novo Enfoque, v. 13, n. 13, p. 72 – 93
COUTINHO, L., SARTI, F., 2007, Estudos da Competitividade do Turismo Brasileiro
- Transporte aéreo no Brasil: Panorama Geral, Avaliação da Competitividade e
Propostas de Políticas Públicas para o Setor. Campinas, Universidade de Campinas -
NEIT/UNICAMP e Ministério do Turismo.
CUNHA, M. F, L., 2016, A Regulação do Sistema de Aviação Civil Brasileiro: Estado
da Arte e Desafios Futuros. Ano 2, Volume 1, 1 ed. Revista de Direito da Administração
Pública, Universidade Federal Fluminense. Niterói.
FIPE, 2009, Estimação da Elasticidade-Preço da Demanda dos Clientes Comerciais e
Industriais da SABESP. São Paulo, SABESP.
GUJARATI, D. N., 2000, Econometria Básica. 3 ed. São Paulo, Makron Books.
LAPLANE, G., 2005, Os desafios da regulação do setor de transporte aéreo de
passageiros no Brasil. Araraquara, Universidade Estadual Paulista – Unesp
IPEA DATA, Dados macroeconômicos e sociais. Disponível em:
http://ipeadata.gov.br/Default.aspx
111
MAGRATH, R. S. A., MALHEIROS, M. M., 2016, Variáveis relevantes para a
formação do preço do cobre no mercado internacional: uma análise estatística. Rio de
Janeiro, UFRJ/ Escola Politécnica.
McKynsey&Company, 2010, Estudo do Setor de Transporte Aéreo do Brasil: Relatório
Consolidado. 1 ed. São Paulo.
NETO, R. A. C., OLIVEIRA, A. V. M., MULLER, C., 2014, Conceitos Desagregados
de Elasticidade-Preço da Demanda por Transporte Aéreo e por Transporte Público
Urbano. São José dos Campos, ITA – Instituto Tecnológico da Aeronáutica.
OLIVEIRA, A.V.M., 2009, Estudos dos determinantes de preços das companhias
aéreas no mercado doméstico. Rio de Janeiro, Anac.
OLIVEIRA, A. V. M., SALGADO, L. H., 2013, Popularização do Transporte Aéreo no
Brasil: Onde falta avançar nas políticas públicas?. Instituto Tecnológico de Aeronáutica
– ITA e Instituto de Pesquisa Econômica Aplicada – IPEA
PINDYCK, R. S., RUBINFELD, D. L., 2006, Microeconomia. 6 ed. São Paulo, Pearson.
PORTELA, R. O. C., 2016, Pass-trought entre os preços do etanol e da gasolina: uma
análise econométrica. Rio de Janeiro, UFRJ/ Escola Politécnica.
SONINO, G., 1995, Depois da turbulência: a aviação comercial brasileira aprende com
suas crises. São Paulo, APVAR.
112
SOUZA, C. A., 2006, Senso de Oportunidade da Empresa Gol Linhas Aéreas no
Mercado de Aviação Civil no Brasil. Florianópolis, Universidade Federal de Santa
Catarina - UFSC
SUPORTE SOFTWARE MINITAB. Disponível em: http://support.minitab.com. Acesso
em 29 de abril de 2017.
TINTNER, G., 1968, Methodology of Mathematical Economics and Econometrics.
Chicago, The University of Chicago Press.
VARIAN, H. R., 2000, Microeconomia: princípios básicos. 5 ed. Rio de Janeiro,
Campus.
113
7. APÊNDICE 1 – MODELOS INICIAIS DE MÍNIMOS QUADRADOS
ORDINÁRIOS NO SOFTWARE “R”
Figura A – Resultados do primeiro modelo de regressão para Demanda Doméstica (RPK).
Fonte: Elaboração própria através do software R.
114
Figura B – Resultados do segundo modelo de regressão para Demanda Doméstica (RPK).
Fonte: Elaboração própria através do software R.
115
Figura C – Resultados do terceiro modelo de regressão para Demanda Doméstica (RPK).
Fonte: Elaboração própria através do software R.
116
Figura D – Resultados do primeiro modelo de regressão para Oferta Doméstica (ASK).
Fonte: Elaboração própria através do software R.
117
Figura E – Resultados do segundo modelo de regressão para Oferta Doméstica (ASK).
Fonte: Elaboração própria através do software R.
118
Figura F – Resultados do terceiro modelo de regressão para Oferta Doméstica (ASK).
Fonte: Elaboração própria através do software R.
119
Figura G – Resultados do primeiro modelo de regressão para Demanda Internacional
(RPK).
Fonte: Elaboração própria através do software R.
120
Figura H – Resultados do primeiro modelo de regressão para Oferta Internacional (ASK).
Fonte: Elaboração própria através do software R.
121
8. APÊNDICE 2 – TESTES DE ESTACIONARIEDADE DAS VARIÁVEIS
Figura A – Resultados dos Testes de Dickey-Fuller Aumentado – Parte 1.
Fonte: Elaboração própria através do software R.
122
Figura B – Resultados dos Testes de Dickey-Fuller Aumentado – Parte 2.
Fonte: Elaboração própria através do software R.
123
Figura C – Resultados dos Testes de Dickey-Fuller Aumentado – Parte 3.
Fonte: Elaboração própria através do software R.
124
Figura D – Resultados dos Testes de Dickey-Fuller Aumentado – Parte 4.
Fonte: Elaboração própria através do software R.
125
Figura E – Testes ADF para as Primeiras Diferenças das Séries Não Estacionárias – Parte
1.
Fonte: Elaboração própria através do software R.
126
Figura F – Testes ADF para as Primeiras Diferenças das Séries Não Estacionárias – Parte
2.
Fonte: Elaboração própria através do software R.
127
Figura G – Testes ADF para as Primeiras Diferenças das Séries Não Estacionárias – Parte
3.
Fonte: Elaboração própria através do software R.
128
Figura H – Testes ADF para as Primeiras Diferenças das Séries Não Estacionárias – Parte
4.
Fonte: Elaboração própria através do software R.
129
9. APÊNDICE 3 – MODELOS INICIAIS DE VETORES AUTO REGRESSIVOS
NO SOFTWARE “R”
Figura A – Resultados do primeiro modelo VAR para Demanda Doméstica (RPK).
Fonte: Elaboração própria através do software R.
130
Figura B – Resultados do primeiro modelo VAR para Oferta Doméstica (ASK).
Fonte: Elaboração própria através do software R.
131
Figura C – Resultados do primeiro modelo VAR para Demanda Internacional (RPK).
Fonte: Elaboração própria através do software R.
132
Figura D – Resultados do primeiro modelo VAR para Oferta Internacional (ASK).
Fonte: Elaboração própria através do software R.