Estimativa Da Oferta E Demanda De Transporte Aéreo No Brasil

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

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

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 iii 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!

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.

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.

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 vii

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

viii

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

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

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 xi

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

xii

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

1 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.

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.

“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, 푄푆, em unidades por período. Portanto, a curva da oferta é uma relação entre quantidade ofertada e preço, podendo ser representada pela seguinte função: 푄푆= 푄푆 (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 Δ 푄 é ascendente, como pode ser visto no Gráfico 1. A taxa de variação será, então: 푆 > Δ 푃 0.

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: 푄푆 = 푄푆 (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: 푄퐷 = 푄퐷 (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, 푄퐷, em unidades por período.

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) Δ 푄 A taxa de variação será, então: 퐷 < 0. Δ 푃

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

6 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 Δ Preço do mesmo modo que a renda: > 0. Δ 푅푒푛푑푎

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: 푄퐷= 푄퐷 (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 푄푆(P) e a de demanda de mercado por 푄퐷(P), o preço de equilíbrio, P *, será aquele que resolve a equação: 푄푆(P *) = 푄퐷(P *). A quantidade de equilíbrio, 푄 *

(푄 ∗ = 푄푆 = 푄퐷), será aquela correspondente a esse preço.

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. 8

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, 푃2*, e uma nova quantidade de equilíbrio, 푄2*, como pode ser visto no Gráfico 4.

Gráfico 4 - Deslocamento da Curva da Demanda com Novo Ponto de Equilíbrio em 푷ퟐ* e 푸ퟐ* 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 9 ponto de equilíbrio de mercado existirá em 푃2* e 푄2*, 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 푷ퟐ* e 푸ퟐ* 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 10 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:

훽1 훽2 푌푡 = 훼푥1푡 푥2푡 (1)

Onde:

푌푡 : quantidade produzida,

푥1푡: quantidade de trabalho envolvido,

푥2푡: capital empregado,

훽1, 훽2: parâmetros que variam de 0 a 1 e que somam 1 e

훼: 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:

훽1 훽2 ln(푌푡) = ln(훼푥1푡 푥2푡 ) (2)

Aplicando a propriedade dos logaritmos denominada logaritmo do produto, temos:

훽1 훽2 ln(푌푡) = ln(훼) + ln(푥1푡 ) + ln(푥2푡 ) (3)

Aplicando mais uma propriedade, logaritmo de uma potência, temos:

ln(푌푡) = ln(훼) + 훽1 ln(푥1푡) + 훽2 ln( 푥2푡) (4)

Agora, olhando novamente para a função de produção de Cobb-Douglas em (1), temos que a elasticidade da produção, em relação ao fator 푥1푡 é dada, por definição, por:

휕푌 휕푌 ( ) ( ) 푌 휕푥1푡 휕푥 ou rearranjando os termos 푌 (5) ( 1푡) ( ) 푥1푡 푥1푡

Resolvendo a derivada no numerador da fração em (5) e substituindo Y (no denominador em 5) pela expressão em (1), tem-se:

훽1−1 훽2 훽1훼푥1푡 푥2푡 푥1푡 훽1 훽2 = 훽1= ELASTICIDADE 훼푥1푡 푥2푡

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

훽1 e a elasticidade do fator capital é 훽2.

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 훽.

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

13 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 14

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.

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

16 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. 17

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.

(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.

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.

Passageiros Pagos Doméstico - PAX (pessoas) 10000000 9000000 8000000 7000000 6000000 5000000 4000000 3000000 2000000 1000000

set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2012 set/2014 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2001 mai/2005 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015 mai/2003

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,

20 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.

PARTICIPAÇÃO DE MERCADO (RPK) EMPRESA 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%

Tabela 1 – Participação de Mercado Empresas Brasileiras Transporte Aéreo Doméstico. Fonte: ANAC (2016)

Participação de Mercado

40.00% 37.70% 37.44% 35.00% 34.39% 32.71% 30.00%

25.00%

20.00% 17.48% 16.69% dez/15 15.00% dez/16 11.80% 10.13% 10.00%

5.00% 1.10% 0.09% 0.00% GOL LATAM AZUL AVIANCA OUTRAS AIRLINES BRASIL BRASIL

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 22 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,

Aproveitamento Doméstico(%) 90.00

80.00

70.00

60.00

50.00

40.00

30.00

20.00

10.00

0.00

set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2012 set/2014 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2001 mai/2009 mai/2005 mai/2007 mai/2011 mai/2013 mai/2015 mai/2003

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.

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.

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. 25

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.

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

27 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.

Passageiros Pagos Internacional - PAX (pessoas) 800000

700000

600000

500000

400000

300000

200000

100000

set/2008 set/2000 set/2002 set/2004 set/2006 set/2010 set/2012 set/2014 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2003 mai/2005 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015 mai/2001

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:

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.

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.

Aproveitamento Internacional(%) 100.00 90.00 80.00 70.00 60.00 50.00 40.00 30.00 20.00 10.00

0.00

set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2012 set/2014 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2003 mai/2005 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015 mai/2001 Gráfico 11 - Taxa de aproveitamento das empresas aéreas brasileiras no mercado internacional Fonte: Elaboração própria a partir de dados da ANAC (2016) 30

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.

Figura 5 – Painel de indicadores do setor aéreo no Brasil – Parte 1 Fonte: ANAC (2016)

Figura 6 – Painel de indicadores do setor aéreo no Brasil – Parte 2 Fonte: ANAC (2016)

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.

Demanda Doméstica (RPK) 12,000,000

10,000,000

8,000,000

6,000,000

4,000,000

2,000,000

set/2004 set/2014 set/2000 set/2002 set/2006 set/2008 set/2010 set/2012 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2003 mai/2005 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015 mai/2001

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.

Oferta Doméstica (ASK) 12,000,000

10,000,000

8,000,000

6,000,000

4,000,000

2,000,000

set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2012 set/2014 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2001 mai/2003 mai/2005 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015

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

36 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.

Demanda Internacional (RPK) 3500000

3000000

2500000

2000000

1500000

1000000

500000

set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2012 set/2014 set/2016

jan/2012 jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2014 jan/2016

mai/2003 mai/2001 mai/2005 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015

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 37 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.

Oferta Internacional (ASK) 4500000

4000000

3500000

3000000

2500000

2000000

1500000

1000000

500000

set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2012 set/2014 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2003 mai/2005 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015 mai/2001

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

38 de 2000 e 2016, o aumento foi de 369%. O Gráfico16, com a evolução histórica do imposto sobre a importação, está a seguir.

Imposto sobre a importação 4.5000E+03 4.0000E+03 3.5000E+03 3.0000E+03 2.5000E+03 2.0000E+03 1.5000E+03 1.0000E+03 5.0000E+02

0.0000E+00

set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2012 set/2014 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2005 mai/2001 mai/2003 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015

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.

Produção industrial - indústria geral - quantum - índice (média 2012 = 100) 120

100

jul/2005 jul/2012

set/2006 set/2013

jan/2002 jan/2009 jan/2016

fev/2006 fev/2013

jun/2008 jun/2015

abr/2007 abr/2014

out/2010 out/2003

dez/2004 dez/2011

ago/2002 ago/2009 ago/2016

nov/2007 nov/2014

mai/2004 mai/2011

mar/2003 mar/2010

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 40 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.

Yield de Tarifa Aérea Real 1.4000

1.2000

1.0000

0.8000

0.6000

0.4000

0.2000

0.0000

jul/2005 jul/2012

set/2006 set/2013

jan/2002 jan/2009 jan/2016

fev/2006 fev/2013

jun/2008 jun/2015

abr/2007 abr/2014

out/2010 out/2003

dez/2004 dez/2011

ago/2002 ago/2009 ago/2016

nov/2007 nov/2014

mai/2004 mai/2011

mar/2003 mar/2010

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 41 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.

Taxa de câmbio (R$) / (US$) - comercial - compra - fim período - R$ 4.5 4 3.5 3 2.5 2 1.5 1 0.5

set/2012 set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2014 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2007 mai/2003 mai/2005 mai/2009 mai/2011 mai/2013 mai/2015 mai/2001

Gráfico 19 - Evolução Histórica da Taxa de Câmbio Fonte: Elaboração própria a partir de dados do Banco Central do Brasil

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.

Taxa de juros - Over / Selic - (% a.m.) 2.5000

2.0000

1.5000

1.0000

0.5000

0.0000

set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2012 set/2014 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2003 mai/2005 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015 mai/2001

Gráfico 20 - Evolução Histórica das Taxa de Juros Selic Fonte: Elaboração própria a partir de dados do Banco Central do Brasil 43

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.

Utilização da capacidade instalada - indústria - (%) 86.0000

84.0000

82.0000

80.0000

78.0000

76.0000

74.0000

72.0000

70.0000

set/2010 set/2000 set/2002 set/2004 set/2006 set/2008 set/2012 set/2014 set/2016

jan/2002 jan/2000 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2003 mai/2005 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015 mai/2001

Gráfico 21 - Evolução Histórica da Utilização da Capacidade Instalada – Indústria Geral Fonte: Elaboração própria a partir de dados da Confederação Nacional da Indústria

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.

Rendimento médio real efetivo - pessoas ocupadas - RMs - (R$) 3500

3000

2500

2000

1500

1000

500

fev/2005 fev/2002 fev/2003 fev/2004 fev/2006 fev/2007 fev/2008 fev/2009 fev/2010 fev/2011 fev/2012 fev/2013 fev/2014 fev/2015

ago/2008 ago/2003 ago/2004 ago/2005 ago/2006 ago/2007 ago/2009 ago/2010 ago/2011 ago/2012 ago/2013 ago/2014 ago/2015 ago/2002

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.

푁ú푚푒푟표 푑푒 푑푒푠푒푚푝푟푒푔푎푑표푠 Taxa de desemprego = x 100 푃퐸퐴

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. 46

Taxa de desemprego - referência: 30 dias - RMs - (%) 14 12 10 8 6 4 2

set/2006 set/2002 set/2003 set/2004 set/2005 set/2007 set/2008 set/2009 set/2010 set/2011 set/2012 set/2013 set/2014 set/2015

mar/2006 mar/2016 mar/2003 mar/2004 mar/2005 mar/2007 mar/2008 mar/2009 mar/2010 mar/2011 mar/2012 mar/2013 mar/2014 mar/2015 mar/2002

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.

Consumo de Querosene de Aviação (m³) 800000

700000

600000

500000

400000

300000

200000

100000

set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2012 set/2014 set/2016

jan/2004 jan/2000 jan/2002 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2003 mai/2005 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015 mai/2001

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

48 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.

Preço Barril de Petróleo ($) 160.00

140.00

120.00

100.00

80.00

60.00

40.00

20.00

0.00

set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2012 set/2014 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2007 mai/2003 mai/2005 mai/2009 mai/2011 mai/2013 mai/2015 mai/2001

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

49 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 50

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.

IPCA índice - transportes (jan/2000 = 100) 300.00

250.00

200.00

150.00

100.00

50.00

0.00

set/2000 set/2002 set/2004 set/2006 set/2008 set/2010 set/2012 set/2014 set/2016

jan/2000 jan/2002 jan/2004 jan/2006 jan/2008 jan/2010 jan/2012 jan/2014 jan/2016

mai/2003 mai/2005 mai/2007 mai/2009 mai/2011 mai/2013 mai/2015 mai/2001

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 51 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.

Passageiros Transportados (Longa Distância) - Modal Rodoviário 7000000

6000000

5000000

4000000

3000000

2000000

1000000

jul/2012 jul/2013 jul/2014 jul/2015

set/2012 set/2013 set/2014 set/2015

jan/2016 jan/2012 jan/2013 jan/2014 jan/2015

nov/2012 nov/2013 nov/2014 nov/2015

mai/2012 mai/2013 mai/2014 mai/2015

mar/2013 mar/2014 mar/2015 mar/2012

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.

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 풙ퟏ, 풙ퟐ, ..., 풙풏), 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 - 풙ퟏ; Produção Industrial

Geral - 풙ퟐ; Yied de Tarifa Aérea Real (Preço) - 풙ퟑ; Taxa de Câmbio - 풙ퟒ; Taxa de Juros

Selic - 풙ퟓ; Utilização da Capacidade Instalada Indústria - 풙ퟔ; Rendimento Médio - 풙ퟕ;

Taxa de Desemprego - 풙ퟖ; Consumo de Querosene - 풙ퟗ; Preço Barril de Petróleo - 풙ퟏퟎ;

índice IPCA Transportes - 풙ퟏퟏ; Passageiros Transportados (longa distância) Modal

Rodoviário - 풙ퟏퟐ.

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- 53 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:

푂 푦푡 = ln Oferta (ASK)푡 = β0 + β1 ln 풙ퟏ푡 + β2 ln 풙ퟐ푡 + β3 ln 풙ퟑ푡 β4 ln 풙ퟒ푡 + β5 ln 풙ퟓ푡

+ β6 ln 풙ퟔ푡 + β7 ln 풙ퟕ푡 + β8 ln 풙ퟖ푡 + β9 ln 풙ퟗ푡 + β10 ln 풙ퟏퟎ푡 + β11 ln 풙ퟏퟏ푡 +β12 ln 풙ퟏퟐ푡 + 푢푡

퐷 푦푡 = ln Demanda (RPK)푡 = β0’+ β1’ ln 풙ퟏ푡 + β2’ ln 풙ퟐ푡 + β3’ ln 풙ퟑ푡 + β4’ ln 풙ퟒ푡 +

β5’ ln 풙ퟓ푡 + β6’ ln 풙ퟔ푡+ β7’ ln 풙ퟕ푡 + β8’ ln 풙ퟖ푡 + β8’ ln 풙ퟗ푡 + β10’ ln 풙ퟏퟎ푡 + β11’ ln 풙ퟏퟏ푡 +

β12’ ln 풙ퟏퟐ푡 + 푢푡

Onde, t = 1, 2, 3, ..., 167 (número de observações das variáveis dependentes)

푂 푦푡 = Oferta (ASK)푡 = Variável dependente representando a Oferta em logaritmo (ln)

퐷 푦푡 = Demanda (RPK)푡 = Variável dependente representando a Demanda em logaritmo (ln)

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, 푢푡, 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.

O coeficiente β1, por exemplo, tem a seguinte interpretação: um incremento de

1% em 풙ퟏ푡(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 풙ퟏ, 풙ퟐ, ..., 풙풏, 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, 풙ퟏ, 풙ퟐ,

..., 풙ퟏퟐ), 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, 푢푡, de modo que a seguinte relação seja a menor possível:

∑ 2 2 푢푡 = ∑(푦푟푒푎푙푡 − 푦푒푠푡푖푚푎푑표푡)

∑ 2 Onde 푢푡 é a soma dos quadrados dos resíduos, 푦푟푒푎푙푡 é o valor real da variável dependente no tempo “t” e 푦푒푠푡푖푚푎푑표푡 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.

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).

O modelo de regressão é linear nos Hipótese 1 parâmetros.

Supõe-se que a variável explicativa seja não- Hipótese 2 estocástica (ou seja, não aleatória).

O valor médio ou esperado do termo de Hipótese 3 perturbação aleatória 푢푡 é zero.

Homoscedasticidade de 푢푡, ou seja, dado o

Hipótese 4 valor de x, a variância de 푢푡 é a mesma para todas as observações .

Não existe autocorrelação entre as Hipótese 5 perturbações.

Hipótese 6 A covariância entre 푢푡 e 푥푡 é zero.

O número de observações (t) deve ser maior Hipótese 7 que o número de parâmetros a serem estimados.

Os valores de x em uma dada amostra não Hipótese 8 podem ser todos iguais, ou seja, var(x) deve ser um número positivo.

O modelo de regressão está corretamente Hipótese 9 especificado, sem nenhum viés ou erro de especificação.

Não existe multicolinearidade perfeita, ou Hipótese 10 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)): ln Oferta (ASK) 1 ln 풙 ln 풙 … ln 풙ퟏퟐ 1 ퟏ1 ퟐ1 1 β0 푢 ln Oferta (ASK) 1 2 1 ln 풙 ln 풙 … ln 풙ퟏퟐ β 푢2 ퟏ2 ퟐ2 2 1 [ ⋮ ]= . [ ⋮ ] + [ ⋮ ] ⋮ ⋮ ⋮ ⋱ ⋮ … ln 풙 β 푢167 ln Oferta (ASK) 1 ln 풙ퟏ ln 풙ퟐ ퟏퟐퟏퟔퟕ 12 167 [ ퟏퟔퟕ ퟏퟔퟕ ]

y = X . 훃 + 풖

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 2 2 resíduos descrita anteriormente (∑ 푢푡 = ∑(푦푟푒푎푙푡 − 푦푒푠푡푖푚푎푑표푡) ) é a seguinte:

2 ∑ 푢푡 = ∑ (ln Oferta (ASK)1 - β0 - β1 ln 풙ퟏ1 - ... - β12 ln 풙ퟏퟐ167)

푢1 푢2 2 푢 푢 … 푢167 ∑ 푢푡 = 풖 . 풖 =[ 1 2 ] . [ ⋮ ]

푢167

2 ∑ 푢푡 = 풖 . 풖 = (y – X 훃) . (y – X 훃)

2 ∑ 푢푡 = 풖 . 풖 = y.y - 2 훃.X.y + 훃.X. X.훃

Segundo GUJARATI (2000), o método dos MQO consiste em estimar os betas de 2 tal modo que ∑ 푢푡 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:

(X.X) . 훃 = X.y

훃 =(퐗. 퐗)−ퟏ. X . y

A equação encontrada acima é um resultado fundamental da teoria dos MQO na notação matricial, mostrando como o vetor 훃 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).

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 59 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:

퐷푒푚푎푛푑푎푡 = α + A1 퐷푒푚푎푛푑푎푡−1 + A2퐷푒푚푎푛푑푎푡−2 + A3퐷푒푚푎푛푑푎푡−3 +

퐵1푌푖푒푙푑푡−1 + 퐵2푌푖푒푙푑푡−2 + 퐵3푌푖푒푙푑푡−3 + 퐶1푥1 + 퐶2푥2 + 퐶3푥3 + 퐶4푥4 + 퐶5푥5 + 퐶6푥6 +

퐶7푥7 + 퐶8푥8 + 퐶9푥9 + 푢푡

Onde, α é uma constante; A푝 são os coeficientes da Demanda (RPK) no lag “p”;

퐵푝 são os coeficientes do Yield de Tarifa Aérea no lag “p”; e 퐶푖 são os coeficientes das variáveis exógenas i; e 푢푡 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)

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 - 풙ퟏ;

Produção Industrial Geral - 풙ퟐ; Yied de Tarifa Aérea Real (Preço) - 풙ퟑ; Taxa de Câmbio

- 풙ퟒ; Taxa de Juros Selic - 풙ퟓ; Utilização da Capacidade Instalada Indústria - 풙ퟔ;

Rendimento Médio - 풙ퟕ; Taxa de Desemprego - 풙ퟖ; Consumo de Querosene - 풙ퟗ; Preço

Barril de Petróleo - 풙ퟏퟎ; IPCA Transportes - 풙ퟏퟏ; Passageiros Transportados (longa distância) Modal Rodoviário - 풙ퟏퟐ.

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

61 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 (푅2 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 62 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 (퐻0) é que os coeficientes parciais de inclinação são simultaneamente iguais a zero (훽1= 훽2 = 훽푛 =0), resultando em um modelo insignificante. A hipótese alternativa

(퐻1) é que os coeficientes são diferentes de zero. Espera-se rejeitar 퐻0 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 퐻0.

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 (푅2 ajustado). O 푅2 ajustado fornece a porcentagem da variação total na variável dependente Y que é explicada conjuntamente por todas as variáveis explicativas do modelo (푋1, 푋2, ..., 푋푛). É válido fazer uma alerta: nem sempre é melhor fazer o jogo de maximizar o 푅2 ajustado, isto é, escolher o modelo com maior 푅2 ajustado. Na análise de regressão, o objetivo não é propriamente obter um 푅2 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.

(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.

SÉRIE MOTIVO DA SELEÇÃO RELAÇÃO ESPERADA

Incide sobre a importação de produtos estrangeiros, como a parte do querosene de Imposto sobre a aviação que é importada, peças/equipamentos e novas aeronaves, podendo elevar Negativa Importação - 풙ퟏ custos das empresas aéreas e os preços das tarifas.

Produção Industrial A produção industrial representa o índice de atividade econômica do país. Quanto Positiva Geral -풙 ퟐ maior esse índice, espera-se que a economia esteja mais favorável.

Yield de Tarifa Aérea Representa o preço médio pago pelos passageiros por quilômetro voado. Pela Lei da Negativa Real (Preço) 풙- ퟑ Oferta e da Demanda , espera-se que, quanto maior o preço, menor seja a demanda.

A taxa de câmbio influenciaria no preços dos equipamentos e combustíveis importados Taxa de Câmbio - Negativa pelas companhias aéreas, elevando os custos de operação, podendo elevar tarifas. 풙ퟒ

A taxa SELIC serve de base para todas as outras taxas praticadas na economia Taxa de Juros Selic - Negativa brasileira. Quando aumenta, desestimula a economia como um todo. 풙ퟓ

Utilização da Capacidade Essa variável também indica o nível de atividade econômica do país. Quando ela Positiva Instalada Indústria - aumenta, significa que a economia está melhorando, refletindo também no setor aéreo. 풙ퟔ

Indica o valor médio mensal recebido pelos trabalhadores no Brasil. Quando recebem Rendimento Médio - Positiva mais, têm maiores condições de fazer uso do transporte aéreo. 풙ퟕ

O desemprego, além de indicativo da situação econômica, irá afetar no poder de Taxa de Desemprego - Negativa compra da população, refletindo na demanda por transporte aéreo. 풙ퟖ

As aeronaves utilizam querosene de aviação como combustível. Quanto mais Consumo de Querosene - Positiva 풙ퟗ quilômetros voados, maior o consumo de querosene de aviação.

O preço do barril de petróleo é um indicativo do preço do querosene de aviação (que é Preço Barril de Petróleo - feito a partir do petróleo). Quando o preço aumenta, os custos das empresas aéreas Negativa 풙 ퟏퟎ aumentam, causando aumento das tarifas.

Usado para medir o índice de variação de preços do grupo dos transportes, indicando IPCA Transportes - reajustes no preço das passagens aéreas. Quando os preços aumentam, a demanda por Negativa 풙ퟏퟏ assentos diminui.

Passageiros Reflete o aumento na procura por transportes de longa distância no país. Avião e Transportados Modal õnibus podem ser considerados transportes complementares. Mas há a possibilidade de Positiva 풙 passageiros trocarem um modal pelo outro, dependendo do preço. Rodoviário - ퟏퟐ

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 65 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).

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 - 풙ퟏ; Produção Industrial Geral - 풙ퟐ; Yied de Tarifa

Aérea Real (Preço) - 풙ퟑ; Taxa de Juros Selic - 풙ퟓ; Rendimento Médio - 풙ퟕ; Taxa de

Desemprego - 풙ퟖ; Consumo de Querosene - 풙ퟗ; e IPCA Transportes - 풙ퟏퟏ. 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.

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).

Critério Modelo 1 Modelo 2 Modelo 3 Modelo 4*

ퟐ ajustado 88.95% 98.50% 98.41% 96.13%

Erro-padrão 0.02845 0.0576 0.0593 0.09242

32.53 (com 12 e 35 graus 990.7 (com 11 e 155 1284 (com 8 e 158 graus 590.7 (com7 e 159 graus Estatística F de liberdade) graus de liberdade) de liberdade) de liberdade)

p - Valor 2.068 e-15 < 2.2 e-16 < 2.2 e-16 < 2.2 e-16

Percentual de correspondências de sinal 83.33% 81.82% 87.50% 85.71% dos coeficientes

Tabela 5 – Parâmetros estatísticos para os quatro modelos de regressão para Demanda Doméstica (RPK). 68

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 (푅2ajustado) 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 퐻0). 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:

퐷 푦푡 = ln Demanda Doméstica(RPK)푡 =

0,5191 + 0,0865 풙ퟏ푡 + 0,2129 풙ퟐ푡– 0,2229 풙ퟑ푡 – 0,0942풙ퟓ푡 + 0,4913풙ퟕ푡 – 0,1779 풙8푡 (0,270) (1,814) (1,912) (-5,040) (-2,381) (3,410) (-2,373)

+ 0,7426 풙ퟗ푡 + 푢푡 (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

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 풙ퟕ -

Rendimento Médio - e 풙ퟗ - 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 - 풙ퟑ) 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

70 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.

SÉRIE MOTIVO DA SELEÇÃO RELAÇÃO ESPERADA

Imposto sobre a 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 Negativa Importação - 1 x empresas aéreas.

Produção Industrial Geral - A produção industrial representa o índice de atividade econômica do país. Quanto maior Positiva x 2 esse índice, espera-se que a economia esteja mais favorável.

Yield de Tarifa Aérea Real Representa o preço médio pago pelos passageiros por quilômetro voado. Pela Lei da Positiva (Preço) - x 3 Oferta e da Demanda , espera-se que, quanto maior o preço, maior seja a oferta.

A taxa de câmbio influenciaria no preços dos equipamentos e combustíveis importados Taxa de Câmbio - x 4 Negativa pelas companhias aéreas, elevando os custos de operação.

A taxa SELIC serve de base para todas as outras taxas praticadas na economia brasileira. Taxa de Juros Selic - x 5 Negativa Quando aumenta, desestimula a economia como um todo.

Utilização da Capacidade Essa variável também indica o nível de atividade econômica do país. Quando ela aumenta, Positiva Instalada Indústria - x 6 significa que a economia está melhorando, refletindo também no setor aéreo.

Indica o valor médio mensal recebido pelos trabalhadores no Brasil. Quando recebem Rendimento Médio - x 7 Positiva mais, têm maiores condições de fazer uso do transporte aéreo.

O desemprego, além de indicativo da situação econômica, irá afetar no poder de compra Taxa de Desemprego - x 8 Negativa da população.

Consumo de Querosene - As aeronaves utilizam querosene de aviação como combustível. Quanto mais quilômetros Positiva x 9 voados, maior o consumo de querosene de aviação.

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 Negativa x 10 aumentam.

Usado para medir o índice de variação de preços do grupo dos transportes, indicando IPCA Transportes - x 11 reajustes no preço das passagens aéreas. Quando os preços aumentam, as empresas Positiva tendem a ofertar mais assentos.

Passageiros Transportados 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 Positiva Modal Rodoviário - x 12 passageiros trocarem um modal pelo outro, dependendo do preço.

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

72 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.

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 - 풙ퟏ; Yied de Tarifa Aérea Real (Preço) - 풙ퟑ; Taxa de Câmbio - 풙ퟒ; Taxa de

Juros Selic - 풙ퟓ; Rendimento Médio - 풙ퟕ; Volume Consumido de Querosene - 풙ퟗ; Preço do Barril de Petróleo - 풙ퟏퟎ; e Índice IPCA Transportes - 풙ퟏퟏ. 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

74 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).

Critério Modelo 1 Modelo 2 Modelo 3 Modelo 4 *

ퟐ ajustado 92.36% 98.64% 98.56% 98.57%

Erro-padrão 0.01594 0.04544 0.04683 0.04669

48.33 (com 12 e 35 graus 1099 (com 11 e 155 1263 (com 9 e 157 graus 1429 (com 8 e 158 Estatística F de liberdade) graus de liberdade) de liberdade) graus de liberdade)

p - Valor < 2.2 e-16 < 2.2 e-16 < 2.2 e-16 < 2.2 e-16

Percentual de correspondências de sinal 66.67% 63.64% 66.67% 75.00% dos coeficientes

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 (푅2ajustado) 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 퐻0) 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:

푂 푦푡 = ln Oferta Doméstica(ASK)푡 =

- 0,3281 + 0,1222풙ퟏ푡 – 0,0450 풙ퟑ푡– 0,3436 풙ퟒ푡 – 0,0707풙ퟓ푡 + 0,3495풙ퟕ푡 + 0,8498 풙ퟗ푡 (- 0,387) (4,097) (-1,777) (-9,764) (-3,206) (5,753) (10,489)

– 0,1353풙ퟏퟎ푡 + 0,4215풙ퟏퟏ푡 + 푢푡 (-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 풙ퟗ - 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 (풙ퟑ) apresentou coeficiente com sinal negativo, contrariando totalmente a Teoria da Oferta e da Demanda 76 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.

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

78 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 - 풙ퟐ; o Yield de Tarifa Aérea Real - 풙ퟑ; a Taxa de Câmbio - 풙ퟒ; a Taxa de Juros Selic - 풙ퟓ; e o Rendimento Médio - 풙ퟕ. A seguir estão os resultados para o novo modelo, extraídos diretamente da tela do R.

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.

Critério Modelo 1 Modelo 2

R2 ajustado 69,68% 50,82%

Erro-padrão 0,1412 0,1799

Estatística F 35,68 (com 11 e 155 graus 35,30 (com 5 e 161 graus de de liberdade) liberdade)

p-valor < 2,2 e-16 < 2,2 e-16

Percentual de correspondências de 45,45% 60,00% sinal dos coeficientes

Tabela 9 – Parâmetros estatísticos para os dois modelos de regressão para Demanda Internacional (RPK). Fonte: Elaboração própria

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 (푅2ajustado) 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 퐻0, 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:

퐷 푦푡 = ln Demanda Internacional(RPK)푡 =

4,5191 + 0,4419 풙ퟐ푡 – 0,1875 풙ퟑ푡 + 0,3765풙4푡 + 0,1976풙ퟓ푡 + 0,9822풙ퟕ푡 + 푢푡 (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 풙ퟐ - Produção Industrial Geral e 풙ퟕ - Rendimento Médio, especialmente esta última.

O coeficiente de 풙ퟕ - 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 풙ퟑ 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.

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

(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 - 풙ퟐ; o Yield de Tarifa

Aérea Real - 풙ퟑ; a Taxa de Câmbio - 풙ퟒ; o Rendimento Médio - 풙ퟕ; e o Volume

Consumido de Querosene - 풙ퟗ. 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.

Critério Modelo 1 Modelo 2

R2 ajustado 67,39% 66,94%

Erro-padrão 0,1122 0,1129

Estatística F 32,18 (com 11 e 155 graus 68,23 (com 5 e 161 graus de de liberdade) liberdade)

p-valor < 2,2 e-16 < 2,2 e-16

Percentual de correspondências de 54,54% 40,00% sinal dos coeficientes

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 (푅2ajustado) 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 퐻0, 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.

Então, resulta do Modelo 2 a função de regressão definitiva de MQO para a Oferta Internacional (ASK), a qual está a seguir:

푂 푦푡 = ln Oferta Internacional(ASK)푡 =

3,2052 – 0,6884 풙ퟐ푡 + 0,2215 풙ퟑ푡+ 0,1772 풙ퟒ푡 – 0,5552풙ퟕ푡 + 1,4467 풙ퟗ푡+ 푢푡 (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

풙ퟗ - Consumo de Querosene. O coeficiente de 풙ퟗ, 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 풙ퟑ - 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

86 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 87 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

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.

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)

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

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 92

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 푅2ajustado 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):

휕푌푖푒푙푑̅̅̅̅̅̅̅̅̅̅ Elasticidade = ∂ 퐷푒푚푎푛푑푎 * (1) 푌푖푒푙푑 휕퐷푒푚푎푛푑푎̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅

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 -

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 = ∂ 퐷푒푚푎푛푑푎퐷푒푚푎푛푑푎 (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.

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.

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 푅2ajustado obteve valor alto, de 88,71%. Portanto, este modelo consegue explicar 88,71% da variável de interesse Oferta Doméstica (ASK). O valor da 96 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 = ∂ 푂푓푒푟푡푎푂푓푒푟푡푎

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

97 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 98 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

99 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 푅2ajustado 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 = ∂ 퐷푒푚푎푛푑푎퐷푒푚푎푛푑푎 (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 100 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

101

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

102

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 푅2ajustado teve valor de 62,13%. Assim, 103 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 = ∂ 푂푓푒푟푡푎푂푓푒푟푡푎 (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).

104

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 105 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 106 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 107

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”.

108

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.

109

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

110

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.

111

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.

112

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.

113

Figura B – Resultados do segundo modelo de regressão para Demanda Doméstica (RPK). Fonte: Elaboração própria através do software R.

114

Figura C – Resultados do terceiro modelo de regressão para Demanda Doméstica (RPK). Fonte: Elaboração própria através do software R.

115

Figura D – Resultados do primeiro modelo de regressão para Oferta Doméstica (ASK). Fonte: Elaboração própria através do software R.

116

Figura E – Resultados do segundo modelo de regressão para Oferta Doméstica (ASK). Fonte: Elaboração própria através do software R.

117

Figura F – Resultados do terceiro modelo de regressão para Oferta Doméstica (ASK). Fonte: Elaboração própria através do software R.

118

Figura G – Resultados do primeiro modelo de regressão para Demanda Internacional (RPK). Fonte: Elaboração própria através do software R.

119

Figura H – Resultados do primeiro modelo de regressão para Oferta Internacional (ASK). Fonte: Elaboração própria através do software R.

120

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.

121

Figura B – Resultados dos Testes de Dickey-Fuller Aumentado – Parte 2. Fonte: Elaboração própria através do software R.

122

Figura C – Resultados dos Testes de Dickey-Fuller Aumentado – Parte 3. Fonte: Elaboração própria através do software R.

123

Figura D – Resultados dos Testes de Dickey-Fuller Aumentado – Parte 4. Fonte: Elaboração própria através do software R.

124

Figura E – Testes ADF para as Primeiras Diferenças das Séries Não Estacionárias – Parte 1. Fonte: Elaboração própria através do software R.

125

Figura F – Testes ADF para as Primeiras Diferenças das Séries Não Estacionárias – Parte 2. Fonte: Elaboração própria através do software R.

126

Figura G – Testes ADF para as Primeiras Diferenças das Séries Não Estacionárias – Parte 3. Fonte: Elaboração própria através do software R.

127

Figura H – Testes ADF para as Primeiras Diferenças das Séries Não Estacionárias – Parte 4. Fonte: Elaboração própria através do software R.

128

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.

129

Figura B – Resultados do primeiro modelo VAR para Oferta Doméstica (ASK). Fonte: Elaboração própria através do software R.

130

Figura C – Resultados do primeiro modelo VAR para Demanda Internacional (RPK). Fonte: Elaboração própria através do software R.

131

Figura D – Resultados do primeiro modelo VAR para Oferta Internacional (ASK). Fonte: Elaboração própria através do software R.

132