MODELO DE ESCOLHA AEROPORTUÁRIA EM UMA REGIÃO DE MÚLTIPLOS AEROPORTOS: UM ESTUDO DE CASO CONSIDERANDO UM NOVO AEROPORTO PARA SÃO PAULO (Seminário de Tese - 2.2016)

Seminário de Tese apresentado no âmbito do Programa de Pós-Graduação em Engenharia de Infraestrutura Aeronáutica do Instituto Tecnológico de Aeronáutica, área Transporte Aéreo e Aeroportos.

Tainá Pôssas Abreu

MODELO DE ESCOLHA AEROPORTUÁRIA EM UMA REGIÃO DE MÚLTIPLOS AEROPORTOS: UM ESTUDO DE CASO CONSIDERANDO UM NOVO AEROPORTO PARA SÃO PAULO

Prof. Dr. Anderson Ribeiro Correia Orientador

Profª. Drª. Giovanna Miceli Ronzani Borille Co-orientadora

Campo Montenegro São José dos Campos, SP – Brasil 2016

ii

RESUMO Esta pesquisa tem como objetivo realizar uma análise da escolha de aeroportos por usuários do transporte aéreo da região de múltiplos aeroportos de São Paulo (RMA–SP), através de uma modelagem de escolha discreta, utilizando, para isto, uma análise dos dados de preferência de uma base publicada por uma empresa de consultoria no setor aeroportuário. O modelo econométrico utilizado consiste no Multinomial Logit, que é o mais utilizado na literatura de análise de apenas uma dimensão de escolha e reconhecido pela facilidade na implementação e interpretação de resultados. Os estudos de escolha discreta em regiões de múltiplos aeroportos representam um tema bastante discutido na literatura internacional, contudo, ainda são poucos os exemplos no Brasil que investigaram a escolha aeroportuária voltada a percepção dos passageiros. No contexto de crescimento da demanda pelo transporte aéreo brasileiro, alguns dos maiores aeroportos foram pressionados a compatibilizar suas instalações ao crescimento da demanda, como é o caso dos aeroportos da RMA-SP, a maior região de múltiplos aeroportos do país em termos de movimentação de passageiros. No entanto, as capacidades instaladas dificilmente podem crescer de forma equivalente à demanda, devido às restrições físicas, sociais e ambientais as quais os aeroportos estão sujeitos, como ocupações urbanas e limitações de ruído no entorno. Na busca por soluções para os gargalos de infraestrutura da Área Terminal de São Paulo (TMA-SP), é levantada a alternativa de construção de um quarto aeroporto de grande porte na região. Contudo, decisões como esta são complexas, uma vez que podem gerar perturbações na rede aeroportuária, pois o caso de expansão da capacidade em uma Região de Múltiplos Aeroportos depende não somente do crescimento total do tráfego, mas também da distribuição da demanda pelo transporte aéreo dentre as alternativas de aeroporto. Nesse contexto, entender o comportamento dos passageiros na tarefa de escolha aeroportuária é uma componente chave nos estudos de demanda. Os resultados obtidos na modelagem econométrica mostraram evidências de que na escolha entre os aeroportos de Guarulhos e Congonhas, tarifa e tempo de acesso são fatores significantes para os passageiros a negócios e apenas tarifa mostrou significância para os passageiros a lazer. Na escolha entre Guarulhos e Viracopos, as evidências encontradas foram que frequência, tarifa, tempo e custo de acesso possuem significância para todos os tipos de passageiros, sendo Guarulhos o preferido de forma global. Os próximos passos para dar continuidade ao desenvolvimento da proposta de dissertação consistem na obtenção e análise de uma base primária, a ser coletada utilizando dados de preferência revelada, que será usada para validar a modelagem, e declarada que permitirá investigar o comportamento dos passageiros na situação hipotética de oferta de um novo aeroporto na região.

iii

Sumário 1

2

Introdução................................................................................................................... 4 1.1

Objetivos ............................................................................................................ 6

1.2

Estrutura do Trabalho ......................................................................................... 6

Revisão da Literatura .................................................................................................7 2.1

Sistemas de Múltiplos Aeroportos ..................................................................... 7

2.1.1

Regiões de Múltiplos Aeroportos no Mundo ............................................. 7

2.1.2

Regiões de Múltiplos Aeroportos no Brasil ............................................... 9

2.2

Estudos de Escolha Aeroportuária ................................................................... 11

2.2.1

Análise de Escolha Discreta ..................................................................... 15

2.2.2

Técnica de Coleta de Dados ..................................................................... 18

2.2.3

Dimensões e Parâmetros de Escolha ........................................................ 19

2.2.3.1 2.3 3

Síntese da Literatura ......................................................................................... 21

Metodologia ............................................................................................................. 24 3.1

Área de Estudo e Dados ................................................................................... 25

3.1.1

Dados Secundários ................................................................................... 26

3.1.2

Dados Primários ....................................................................................... 27

3.1.2.1 3.2 4

Definição do tamanho amostral.......................................................... 29

Modelo.............................................................................................................. 30

Análise de Resultados Preliminar ............................................................................ 32 4.1

5

Parâmetros de Escolha Aeroportuária ................................................ 20

Resultados Econométricos ............................................................................... 35

Considerações Finais e Próximos Passos .................................................................38

Referências ...................................................................................................................... 40 Apêndice ......................................................................................................................... 44 Anexos ............................................................................................................................. 48 Plano de Ação .....................................................................................................................i

4

1

Introdução

Com base nos registros de Dados Estatísticos do Transporte Aéreo da Agência Nacional de Aviação Civil (ANAC, 2015), entre os anos de 2005 e 2014, a demanda brasileira do transporte aéreo doméstico cresceu 147,2%, com uma média de crescimento de quase 6 milhões passageiros por ano. Segundo estudo da McKinsey & Company (2010), o crescimento esperado da demanda de passageiros até 2030 será de 5% ao ano em média, no cenário base, ou até 7% ao ano, no cenário mais otimista. Isto levaria o setor de aviação comercial brasileiro a patamares de demanda próxima a 300 milhões de passageiros em 2030, fazendo com que a projeção de crescimento brasileira fique em linha com a média das projeções globais. No entanto, todo este avanço no setor aéreo é acompanhado por uma série de desafios. Paralelo ao aumento da demanda pelo transporte aéreo ocorre um processo de sobrecarga da infraestrutura nacional para a aviação civil. Assim, alguns dos maiores aeroportos do Brasil são pressionados a compatibilizar suas instalações ao crescimento da demanda. Contudo, as capacidades instaladas dificilmente podem crescer de forma equivalente à demanda, devido às restrições físicas, sociais e ambientais as quais os aeroportos estão sujeitos, como ocupações urbanas e limitações de ruído no entorno. Com relação às decisões de expansão de capacidades aeroportuárias, Hess e Polak (2005b) as definem como complexas, uma vez que os aeroportos podem fazer parte de uma rede, servindo uma região de múltiplos aeroportos (RMA). Os autores enfatizam ainda que o caso de expansão da capacidade nas RMAs depende não somente do crescimento total do tráfego, mas também da distribuição da demanda pelo transporte aéreo dentre as alternativas de aeroporto. Sendo assim, o processo de tomada de decisão para uma expansão aeroportuária nestas regiões depende do nível projetado da demanda nos diferentes aeroportos. A compreensão do modo como se dá a escolha aeroportuária do ponto de vista dos passageiros é uma componente chave nos estudos de demanda. No estado de São Paulo está localizada a maior RMA do país (RMA-SP) em termos de movimentação de passageiros. Atualmente, a cidade de São Paulo atrai milhões de pessoas por ano devido à sua grande importância econômica para o país. Para atender ao fluxo de pessoas que optam pelo transporte aéreo, o Estado de São Paulo conta com três importantes aeroportos comerciais, em que dois deles estão na Região Metropolitana de São Paulo (RMSP), e juntos

5

operam aproximadamente 60 milhões de pessoas por ano: o Aeroporto Internacional de São Paulo/Guarulhos – Governador André Franco Montoro (ICAO: SBGR, IATA: GRU), é o maior deles em termos de movimentação de passageiros com 39 milhões de passageiros em 2015 (GRU, 2015); e o Aeroporto de São Paulo/Congonhas (ICAO: SBSP, IATA: CGH), que movimentou mais de 19 milhões de pessoas em 2015, segundo a Empresa Brasileira de Infraestrutura Aeroportuária (INFRAERO, 2015). Além deles, a região também é atendida pelo Aeroporto Internacional de Viracopos (ICAO: SBKP, IATA: VCP), localizado fora da RMSP, que movimentou mais de 10 milhões de pessoas em 2015, segundo o administrador aeroportuário (ABV, 2015). O Aeroporto Internacional de Guarulhos passa por um processo de transformação pós concessão. Além da construção do Terminal 3, o edifício-garagem, a ampliação dos pátios de aeronaves e o acesso viário, o aeroporto obteve aprovação para a operação da nova pista de taxi (GRU, 2015), com aumento considerável na eficiência operacional do aeroporto, na medida em que reduz o tempo de movimentação das aeronaves em solo. Além do Aeroporto Internacional de Guarulhos, o Aeroporto Internacional de Viracopos também passa por um processo de investimentos. Segundo o estudo da McKinsey & Company (2010), o referido aeroporto possui o melhor sítio aeroportuário da TMA-SP, sigla em inglês referente à Área de Controle de Terminal da região de São Paulo, que, entre outros aeroportos, engloba Guarulhos, Congonhas e Viracopos. O motivo é que além de estar localizado em uma área ampla e com horizonte desimpedido, a ocupação populacional ao redor é menos densa, facilitando, portanto, o processo de relocação das casas que precisariam ser removidas do terreno destinado à expansão. Contudo é destacado que a expansão máxima desse sítio traria consequências importantes para a movimentação de passageiros nos acessos viários do Estado de São Paulo. O Aeroporto de São Paulo/Congonhas se encontra atualmente em um sítio aeroportuário cuja capacidade de expansão é limitada pelas características do local e pela ocupação urbana do entorno. Apesar de ter sido apontado como o aeroporto de maior movimento de voos domésticos do Brasil (MCKINSEY & COMPANY, 2010), o Aeroporto apresentou queda em movimentação de passageiros decorrente de restrições de segurança.

6

Como última medida de solução para os gargalos da infraestrutura da TMA-SP, é considerada a alternativa de construção de um quarto aeroporto de grande porte na região. O principal projeto de um novo aeroporto atualmente é o NASP (Novo Aeroporto de São Paulo), que pretende a instalação do empreendimento na cidade de Caieiras, distante 35 km da capital paulista. O aeroporto, de caráter privado, prevê uma capacidade de 50 milhões de passageiros por ano e pode se tornar uma alternativa competitiva aos aeroportos existentes. Sendo assim, este trabalho pretende investigar o comportamento dos usuários do transporte aéreo da Região Metropolitana de São Paulo frente à infraestrutura já instalada. Considera-se que esta possa ser uma estratégia relevante para identificar a reação das pessoas após a construção de um novo aeroporto de grande porte na região, permitindo ainda identificar o provável deslocamento de demanda para este novo cenário.

1.1

Objetivos

O objetivo da pesquisa consiste em realizar uma análise da escolha aeroportuária, com base na preferência dos passageiros, em uma região de múltiplos aeroportos, como é o caso da RMASP. A partir da identificação dos fatores que interferem na escolha desses passageiros considerando o panorama atual da infraestrutura aeronáutica instalada, torna-se possível prever suas mudanças de comportamento quando esse cenário passa por alterações.

1.2

Estrutura do Trabalho

Para contemplar todos os aspectos relacionados ao tema e à metodologia, realizando uma revisão da literatura, este trabalho é assim particionado: o presente capítulo faz uma breve introdução com a apresentação dos objetivos e estrutura do trabalho; o Capítulo 2 corresponde à uma revisão da literatura separado em três sessões – sistemas de múltiplos aeroportos, escolha aeroportuária, e síntese da literatura; o Capítulo 3 trata da metodologia utilizada na pesquisa apresentando a área de estudo e os dados, e finaliza com detalhamento do modelo econométrico utilizado; o Capítulo 4 traz uma análise de resultados preliminar e o Capítulo 5 faz as considerações finais e próximos passos.

7

2

Revisão da Literatura

Há algumas décadas, diversos estudos vêm sendo realizados na busca pela compreensão do comportamento de usuários do sistema de transporte aéreo em situações de escolha aeroportuária ao redor do mundo inteiro. Perante esse cenário, passageiros de viagens aéreas se comportam de maneiras que variam conforme seu perfil, tipo de viagem, características da região entre diversos outros motivos que os pesquisadores procuram esclarecer. Com o crescimento do uso do transporte aéreo no mundo, algumas regiões com mais de um aeroporto começaram a se desenvolver, dando às pessoas mais alternativas de origens e destinos para suas viagens aéreas. Considerando esses cenários de escolha, estudos que buscam modelar o comportamento são desenvolvidos, seguindo, principalmente, metodologias que envolvem duas etapas principais: uma coleta de dados de preferência com os passageiros usuários do sistema; e uma modelagem matemática da escolha aeroportuária, a partir da base de dados obtida, utilizando modelos de escolha discreta. O presente Capítulo é assim particionado: a primeira seção faz uma revisão sobre Sistemas de Múltiplos Aeroportos e sua presença no mundo e no Brasil; em seguida, aborda-se a temática de Escolha Aeroportuária, que é melhor explanada com os tópicos em Análises de Escolha Discreta, Técnica de Coleta de Dados, e Dimensões e Parâmetros de Escolha; e, por fim o Capítulo é finalizado com uma Síntese da Literatura explorada.

2.1

Sistemas de Múltiplos Aeroportos

Diversas regiões metropolitanas ao redor do mundo são servidas por mais de um aeroporto comercial na busca pela acomodação da crescente demanda de passageiros pelo transporte aéreo. Bonnefoy et al. (2010), identificam 59 sistemas de múltiplos aeroportos, sendo 25 na Europa, 18 na América do Norte, 8 na Ásia, 5 na América Latina e 3 no Oriente Médio. Dos cinco sistemas identificados América Latina, três são localizados no Brasil, sendo eles em São Paulo, Rio de Janeiro e Belo Horizonte. Nestas regiões, os aeroportos podem competir entre si pelos passageiros. 2.1.1 Regiões de Múltiplos Aeroportos no Mundo Alguns dos sistemas de múltiplos aeroportos existentes foram destacados por De Neufville e Odoni (2003) e são mostrados na Figura 1. Os autores ressaltam a necessidade de atenção

8

especial a esses grupos de aeroportos, já que, para eles, a competição interna nos sistemas por tráfego representa uma dificuldade singular para os operadores e planejadores de aeroportos. Localizada nos Estados Unidos da América (EUA), a RMA da Baía de São Francisco é cenário do maior número de pesquisas em escolha aeroportuária da literatura (HARVEY, 1987; BASAR; BHAT, 2004; HESS; POLAK, 2005a,b; HESS; POLAK, 2006b; ISHII et al., 2009; PELS et al., 2000, 2001, 2003). O motivo deve-se à grande disponibilidade de dados com boa qualidade originados de uma pesquisa com passageiros aéreos de 1995 conduzida pela Metropolitan Transport Commission (1995). A referida região é servida por três aeroportos: San Francisco International (SFO), o maior deles com cerca de 55,8% da movimentação de passageiros da região em 1995, Oakland International (OAK) com 28,6% e San Jose Municipal (SJC) com 15,6% no mesmo ano (HESS; POLAK, 2005b). Os EUA também possuem vários outros sistemas de múltiplos aeroportos que são alvos de mais estudos no tema como em Baltimore – Washington (SKINNER, 1976; WINDLE; DRESNER, 1995), região abastecida por três grandes aeroportos (Figura 1).

Figura 1: Aeroportos em RMAs de Londres, São Francisco, Tokyo e Washington. Fonte: de Neufville e Odoni (2003)

9

Outro país muito abordado pela literatura é a Inglaterra. Diversos trabalhos publicados neste tema tiveram Londres ou outros pontos do mercado aéreo inglês como caso de estudo (ASHFORD; BENCHEMAN, 1987; NDOH et al., 1990; THOMPSON; CAVES, 1993; HESS; POLAK, 2006a; PELS et al., 2009). A bibliografia de escolha aeroportuária é vasta e muitos dos sistemas de múltiplos aeroportos no mundo já foram estudados. Como exemplo, Ozoka e Ashford (1989) na Nigéria; Innes e Doucet (1990) no Canadá; Bondzio (1996) na Alemanha; Loo (2008) em Hong Kong; e Marcucci e Gatta (2011) na Itália. Todos os trabalhos citados nesta seção são apresentados com maiores detalhes com relação a metodologia e os resultados obtidos nos próximos tópicos. 2.1.2 Regiões de Múltiplos Aeroportos no Brasil Conforme já mencionado, no Brasil existem três regiões de múltiplos aeroportos que estão em São Paulo, Rio de Janeiro e Minas Gerais, como mostra a Figura 2.

Figura 2: Aeroportos em RMAs de São Paulo, Rio de Janeiro Minas Gerais. No estado de São Paulo está localizada a capital econômica brasileira, que atrai a maior movimentação de passageiros por ano do País. Na operação desse tráfego, o Estado conta com três principais aeroportos: o Aeroporto Internacional de São Paulo/Guarulhos; o Aeroporto de São Paulo/Congonhas; e o Aeroporto Internacional de Viracopos. Moreno e Muller (2003) analisaram a escolha aeroportuária na RMSP considerando os aeroportos de Guarulhos e

10

Congonhas, identificando o tempo de acesso como sendo o fator de maior importância para passageiros de voos de curtas distâncias e frequência de voos para os de longas distâncias. O Rio de Janeiro, capital do estado homônimo, conta com dois aeroportos comerciais principais que são Aeroporto Internacional do Rio de Janeiro/Galeão – Antônio Carlos Jobim (ICAO: SBGL, IATA: GIG), e pelo Aeroporto Santos Dumont (ICAO: SBRJ, IATA: SDU). Segundo Condé (2011), o Aeroporto Santos Dumont caracteriza-se como aeroporto central, voltado a rotas de curta distância de tráfego doméstico; e o GIG é um dos principais pontos de entrada do país, com considerável movimentação de passageiros a lazer e negócios não só para o Rio de Janeiro como para todo o Brasil. A capital do estado de Minas Gerais, Belo Horizonte, também dispõe de dois aeroportos: o Aeroporto de Belo Horizonte/Pampulha – Carlos Drummond de Andrade (ICAO: SBBH, IATA: PLU) e o Aeroporto Internacional de Confins/Tancredo Neves (ICAO: SBCF, IATA: CNF). O presente trabalho se propõe a analisar a escolha dos passageiros dentre os aeroportos da RMA de São Paulo. Diferentemente de Moreno e Muller (2003), este estudo leva em consideração os três principais aeroportos da TMA-SP e a possibilidade de instalação de um novo aeroporto. Segundo Ashford et al. (2011), a análise da escolha aeroportuária se tornou um item muito importante nos estudos de previsão de demanda dos aeroportos. Muitas pesquisas obtiveram sucesso no seu desenvolvimento e na calibração graças aos modelos matemáticos usados para prever o nível de futuras atividades sob diferentes ambientes de mercado, prestação de serviço, e os efeitos da concorrência entre existentes e novos aeroportos. Para Correia et al. (2011), a inclusão de um novo aeroporto em uma região metropolitana pode gerar uma perturbação em uma rede aeroportuária. Um desequilíbrio possível seria o esvaziamento de um ou mais aeroportos que não possuem atratividade aos clientes. Visando a magnitude dos investimentos associados a um empreendimento como este, os riscos prováveis devem ser avaliados em detalhe, seja o investimento público, privado ou misto. A análise da competição entre aeroportos e sistemas de aeroportos é um assunto vital para o planejamento de investimentos e, portanto, para os administradores aeroportuários e de empresas aéreas. Sendo assim, percebe-se a necessidade do desenvolvimento de ferramentas eficientes que permitam compreender e capturar o comportamento dos usuários do transporte

11

aéreo no que diz respeito às suas escolhas diante de diferentes cenários característicos do ambiente competitivo (MURÇA; CORREIA, 2013).

2.2

Estudos de Escolha Aeroportuária

Desde o fim da década de 1970 questões relacionadas a decisões de preferência aeroportuária vem sendo foco de pesquisas no meio acadêmico. Com o passar dos anos muitos modelos foram elaborados afim de compreender a distribuição da demanda e os fatores que influenciam o processo de escolha dos usuários do transporte aéreo nas mais diversas metrópoles do globo. A maior parte das contribuições acadêmicas foram desenvolvidas sobre a teoria da utilidade aleatória e podem ser relacionadas a modelos que simulem apenas a escolha aeroportuária ou a combinações de duas (aeroporto e companhia aérea; aeroporto e modo de acesso) ou três (aeroporto, companhia aérea e modo de acesso) dimensões de escolha (DE LUCA, 2012). Os modelos de escolha discreta, sustentados pela teoria da utilidade, são largamente usados no entendimento do comportamento de um indivíduo diante de um conjunto de alternativas independentes. A teoria citada baseia-se na hipótese de que cada indivíduo é um ser racional que realiza suas escolhas com o objetivo de maximização da utilidade (EDWARDS, 1954). Um dos trabalhos pioneiros na análise da escolha aeroportuária com base na opinião dos passageiros foi desenvolvido por Skinner (1976), que utilizou o modelo Multinomial Logit (MNL) para estudar a região de Baltimore-Washington DC, uma RMA nos EUA. O autor fez uso da Técnica de Preferência Revelada (as técnicas de coleta de dados são apresentadas na seção 2.2.2) e identificou evidências de relevância estatística dos fatores de frequência e acessibilidade ao aeroporto na escolha dos passageiros, sendo o último de maior impacto aos viajantes. Ao longo dos últimos 40 anos, diversos outros estudos fizeram uso do modelo MNL ao investigar situações de escolha aeroportuária. Trazendo de forma resumida alguns desses principais trabalhos e seus resultados, os próximos tópicos são organizados em ordem cronológica: i. Década de 80: Harvey (1987) investigou o comportamento dos passageiros na RMA da Bacia de São Francisco-EUA demonstrando que o tempo de acesso ao aeroporto e a frequência de voos diretos são fatores significantes na escolha feita pelos passageiros a negócios. Ashford e Bencheman (1987) fizeram um estudo semelhante ao de Harvey (1987)

12

para a RMA central da Inglaterra identificando que, neste caso, ambos os fatores afetam todos os tipos de passageiros e ainda que tarifa só não aparece como significante para os passageiros internacionais a negócios. Ozoka e Ashford (1989) previram o efeito da adição de um terceiro aeroporto em uma RMA na Nigéria e como resultados encontraram que o tempo de acesso é um fator muito significante, fazendo com que a escolha do sítio e a provisão de boas facilidades de acesso se tornem decisivas no processo de planejamento. ii. Década de 90: Innes e Doucet (1990) examinaram a importância da distância de acesso e dos efeitos dos fatores de nível de serviço na escolha aeroportuária em uma RMA no Canadá constatando que o tipo de aeronave influenciava nas decisões de escolha mais que a distância a ser percorrida até o aeroporto. Thompson e Caves (1993) encontraram evidências de que, para o caso dos passageiros a lazer em um novo aeroporto de pequeno porte em uma RMA no norte da Inglaterra, os fatores tempo de acesso, tarifa e oferta de assentos eram estatisticamente significantes na escolha aeroportuária. Windle e Dresner (1995) estudaram RMA de Baltimore-Washington DC e, convergindo com os resultados de Skinner (1976), constataram que tempo de acesso e frequência de voos eram os fatores mais importantes na escolha de aeroportos, principalmente para os passageiros a negócios e acrescentaram ainda que a experiência prévia do passageiro com o aeroporto também era fator determinante. Bradley (1998) fez uso da Técnica de Preferência Declarada (TPD) para coletar dados em alguns aeroportos europeus e detectou evidências de que a tarifa era a variável mais significativa na escolha, mostrando ainda que os passageiros a negócios se mostraram mais sensíveis ao preço para viagens dentro do Continente. iii. Anos 2000: Hess et al. (2007) estudaram o mercado aéreo americano focando na coleta de dados pela TPD e identificaram efeitos significantes dos fatores tarifa, tempo de acesso, tempo de voo, companhia aérea e experiência com o aeroporto nas decisões de escolha dos passageiros. Loo (2008) desenvolveu sua pesquisa na RMA de Hong Kong-Pearl River Delta e mostrou que as tarifas, tempo de acesso, frequência de voos e número de cias aéreas disponíveis como os atributos mais importantes (TPD). E, por fim, Marcucci e Gatta (2011) estimaram modelos MNL para uma RMA na região central da Itália em que os fatores de tempo de acesso e frequência de voos aparentaram ter baixo impacto na função de escolha aeroportuária, apesar de serem estatisticamente significantes, divergindo da maioria dos trabalhos no tema.

13

Com o surgimento de estruturas de análise matematicamente mais sofisticadas tornou-se possível a correlação entre diferentes contextos de escolha, e o próximo modelo a surgir nos estudos de escolha aeroportuária foi o Nested Logit (NL) ou Hierarchical Logit (HL). Alguns dos principais trabalhos e seus resultados também foram organizados cronologicamente nos tópicos abaixo: i. Década de 90: Ndoh et al. (1990) compararam os modelos ML e NL para análise conjunta das escolhas de aeroporto de origem e rota para a RMA central da Inglaterra e definiram o NL como estatisticamente preferível para o caso. Bondzio (1996) avaliou as escolhas de aeroporto de origem e modo de acesso para aeroportos na Alemanha e concluiu que os fatores de acesso valem mais para viajantes a negócios. Analisando o mesmo par de alternativas para a RMA da Bacia de São Francisco-EUA, Monteiro e Hansen (1996) encontraram indicações que o modo de acesso terrestre ao aeroporto influencia fortemente a escolha numa região com vários aeroportos. ii. Anos 2000: ainda sobre modo de acesso e aeroporto de origem, Pels et al. (2003) definiram o tempo de acesso como fator de maior importância de competição entre aeroportos em uma região, especialmente para os que viajam a negócios. Alguns anos antes, Pels et al. (2001) realizaram uma análise considerando as escolhas de aeroporto de origem e companhia aérea para a RMA da Bacia de São Francisco-EUA, detectando a significância estatística da frequência de voos e tempo de acesso ao aeroporto. Pels et al. (2009) fizeram uma análise equivalente para a região metropolitana de Londres, em que buscaram identificar o comportamento dos passageiros com relação a competição na presença de empresas de baixo custo em aeroportos secundários, e concluíram que existe uma sensibilidade dos passageiros aos preços, mas que é subestimada devido a limitações dos dados utilizados. Por fim, Suzuki (2007) incorporou na sua análise de escolha de aeroporto / companhia aérea um processo de decisão em “duas etapas” (two-step), onde o viajante primeiro eliminaria algumas alternativas (1ª etapa) e depois escolheria a alternativa de maior utilidade dentre as restantes (2ª etapa), sendo que para aeroporto os viajantes preferem os mais próximos e para companhia aérea, as que oferecem menores tarifas. Pels et al. (2003) analisaram, ainda, o modelo NL em forma expandida a múltiplos níveis, considerando as escolhas de aeroporto de origem, companhia aérea, frequência de voos e modo de acesso. Os autores concluíram que estruturas agrupadas no modelo NL com mais de dois níveis não retornam resultados satisfatórios já que a estrutura apenas permite acomodar no

14

máximo duas correlações. Similar conclusão, tiveram Hess e Polak (2006b), que usaram as dimensões aeroporto de origem, companhia aérea e modo de acesso terrestre. Com a necessidade de evolução da análise das escolhas em múltiplos níveis, o modelo CrossNested Logit (CNL) foi desenvolvido permitindo a interpretação e simulação em contextos de escolha conjunta com mais de duas dimensões. A implementação desse modelo na análise de escolha aeroportuária teve seu início com Hess (2004), que estudou a escolha combinada de aeroporto de origem, companhia aérea e modo de acesso para passageiros a negócios partindo da RMA da Baía de São Francisco. Dos resultados mais notáveis, Hess (2004) encontrou que a frequência de voos e tempo de acesso mostram maiores impactos na atratividade de um aeroporto, enquanto tarifa não mostra efeito significativo no grupo estudado. No entanto, o autor destaca que a estrutura CNL não conseguiu superar alguma das estruturas NL quando a análise se trata de apenas um nível. Mantendo as dimensões de escolha do estudo anterior, Hess e Polak (2006a) fizeram uso da estrutura CNL para analisar a RMA de Londres, cujos resultados revelaram que o comportamento dos passageiros é significantemente influenciado pelo tempo e custo de acesso ao aeroporto, além da frequência e duração dos voos. Por fim, os autores voltam a afirmar que a correlação com apenas um nível de dimensão de escolha apresenta um melhor desempenho com uso do NL, mas que na situação estudada (três dimensões) o CNL mostra claros benefícios. Avançando mais nos estudos de escolha com maior aproximação da realidade, o modelo Mixed Logit (ML) tem sido usado para simular até que ponto se dá a variação aleatória do comportamento de escolha dos passageiros dentro de grupos individuais. As principais contribuições com este modelo apareceram pioneiramente no trabalho de Hess e Polak (2005b) para simular escolha aeroportuária, mostrando que existe uma significante heterogeneidade nos comportamentos

dos

diferentes

grupos

de

passageiros

(a

negócios/a

lazer,

residentes/visitantes), especialmente com respeito a sensibilidade ao tempo de acesso; o modelo também foi aplicado por Ishii et al. (2009) para simular a escolha conjunta de aeroporto e companhia aérea, e detectaram que características não relacionadas a preço como tempo de acesso ao aeroporto, atrasos do aeroporto, frequência de voos e chegadas antecipadas afetavam fortemente as probabilidades de escolha. Nesse trabalho, os autores objetivavam examinar a robustez do modelo CNL ao compará-lo com o ML, que retorna resultados mais robustos para diferentes valores iniciais, e encontraram resultados similares; Além da modelagem por MNL, Marcucci e Gatta (2011) também estimaram alguns modelos ML com diferentes especificações

15

afim de testar a presença de heterogeneidade na preferência dos passageiros na região estudada. Os autores detectaram a existência dessa característica na variância dos parâmetros aleatórios, que afirmaram ser atribuída a renda. Após revisão das metodologias aplicadas na literatura de escolha aeroportuária, De Luca (2012) concluiu que o emprego de modelos mais complexos para conjuntos de escolha mais complexos, como CNL e ML, nem sempre demonstram desempenho superior aos modelos mais simples como MNL e NL. O autor acrescentou que quando apresentaram melhor desempenho, os modelos CNL e ML trouxeram funções de utilidade complexas de difícil execução, que podem não ser conhecidas pelo pesquisador ou facilmente previstas nos cenários operacionais, mesmo se a pesquisa dispor de uma grande quantidade de informação, exigida na sua aplicação (DE LUCA, 2012). Para Hess e Polak (2006a), a análise do comportamento dos usuários do transporte aéreo é um componente crucial do planejamento de transportes de grandes regiões metropolitanas, e tem sido tema de cada vez mais pesquisas espalhadas pelo mundo. Com a leitura da presente seção, são notáveis as semelhanças encontradas em diversos trabalhos, mas também muitas divergências podem ser destacadas. A diversificação das populações de uma região para outra faz com que os resultados variem muito entre os estudos. Sendo assim, é indispensável que mais pesquisas sejam feitas sempre que regiões não exploradas na literatura precisem ser caracterizadas, evitando-se a replicação de resultados de outras regiões. Desta forma, identificam-se as especificidades da região de interesse e o comportamento particular da sua população. 2.2.1 Análise de Escolha Discreta Conforme visto na seção anterior, os modelos de escolha discreta aplicados em estudos de escolha aeroportuária vêm sendo utilizados e desenvolvidos ao longo de 40 anos. A grande maioria dos trabalhos neste campo fazem uso dos modelos Logit para análises de escolha discreta (TRAIN, 2009). Outro modelo existente, mas pouco aplicado pela literatura de escolha aeroportuária é o Probit (BLACKSTONE et al., 2006), que, diferentemente do Logit, apresenta difícil manuseio analítico (MURÇA; CORREIA, 2013). Segundo Pels et al. (2003), apesar do modelo Probit poder apresentar preferência no ponto de vista estatístico, o Logit pode ainda servir como princípio de uma análise da competição entre aeroportos ou companhias aéreas do ponto de vista da teoria econômica. A fim de manter coerência com as principais publicações

16

no tema, neste capítulo são abordados apenas os modelos Logit, mas sugere o uso do Probit como ferramenta possível de uso em trabalhos futuros. O problema básico de análise de escolha discreta consiste em uma modelagem de escolha de um conjunto de alternativas que englobem todos os tipos de respostas possíveis. Além disso, as alternativas devem ser discordantes entre si, de forma que só haja uma resposta possível. Em outras palavras, Ben-Akiva e Lerman (1985) dizem que as alternativas devem ser coletivamente exaustivas e mutuamente exclusivas. Na Teoria Econômica, o entendimento do processo de escolha começa pelo projeto das preferências individuais, que após a definição do conjunto de alternativas X faz-se pela relação de cada par de elementos desse conjunto para a estrutura de preferências. Em seguida, definese a “função utilidade” U: X → ℜ, que representa a junção de mais estruturas nas preferências, sendo que para toda alternativa x ∈ X tem-se um U(x), isto é, um valor de utilidade associado a essa alternativa escolhida que expressa matematicamente a preferência do consumidor. A análise de escolha discreta baseia-se no princípio da maximização da utilidade que, simplificadamente, refere-se à aproximação da situação de maior satisfação do indivíduo considerando sua seleção de alternativas. Resumidamente, o indivíduo tomador de decisão tem seu comportamento modelado considerando que faz uma escolha racional das opções que levem à maior utilidade possível dentre as disponíveis no momento em que a decisão é feita (BENAKIVA; LERMAN, 1985). O modelo operacional de escolha consiste na parametrização das funções de utilidade em variáveis independentes observáveis 𝑉𝑖 (x) e variáveis desconhecidas que correspondem às idiossincrasias dos indivíduos 𝜀𝑖 (Equação [1]). Os valores desses parâmetros são estimados a partir de uma amostra de escolhas observadas feitas pelos tomadores de decisão em situação de escolha (BEN-AKIVA; LERMAN, 1985). 𝑈𝑖 (𝑥) = 𝑉𝑖 (𝑥) + 𝜀𝑖

[1]

𝑉𝑖 (𝑥) = 𝛽𝑖 × 𝐷(𝑥)

[2]

Assim, 𝑉𝑖 (𝑥) é função do produto de um vetor de atributos relacionados à alternativa 𝑥 (𝐷(𝑥)) com um vetor de coeficientes dos atributos que representam as percepções de 𝑖 ( 𝛽𝑖 ).

17

Segundo Ben-Akiva e Lerman (1985), não existe a possibilidade de que um modelo seja especificado e estimado de forma perfeita na predição as alternativas escolhidas por todos os indivíduos. Isto se deve à existência do fator não conhecido ε𝑖 e por isso, esses termos são tidos como aleatórios e o conceito de utilidade aleatória é adotado. Assim, a probabilidade de uma alternativa ser escolhida é definida como a probabilidade de ela ter a maior utilidade dentre as alternativas disponíveis (BEN-AKIVA; LERMAN, 1985). Assim, a probabilidade de qualquer elemento x em X ser escolhida pelo tomador de decisão i é dada pela Equação [3]: 𝑃𝑖 (𝑥) = 𝑃𝑟(𝑈𝑖 (𝑥) > 𝑈𝑖 (𝑦), ∀ 𝑦 ∈ 𝑋, 𝑦 ≠ 𝑥)

[3]

Reescrevendo a Equação [3] em termos do valor aleatório ε𝑖 para dada alternativa, tem-se: 𝑃𝑖 (𝑥) = 𝑃𝑟(𝑉𝑖 (𝑥) + 𝜀𝑖𝑥 > 𝑉𝑖 (𝑦) + 𝜀𝑖𝑦 , ∀ 𝑦 ≠ 𝑥) [4] = 𝑃𝑟(𝜀𝑖𝑦 − 𝜀𝑖𝑥 < 𝑉𝑖 (𝑥) − 𝑉𝑖 (𝑦) , ∀ 𝑦 ≠ 𝑥) De acordo com Train (2009), a probabilidade definida na Equação [4] é uma distribuição cumulativa, ou seja, a probabilidade de cada termo aleatório ε𝑖𝑦 − ε𝑖𝑥 está abaixo da utilidade observada 𝑉𝑖 (x) − 𝑉𝑖 (y). A equação pode ainda ser reescrita em termos da função de densidade dos valores aleatórios ε𝑖 , tornando-se: 𝑃𝑖 (𝑥) = ∫ 𝐼(𝜀𝑖𝑦 − 𝜀𝑖𝑥 < 𝑉𝑖 (𝑥) − 𝑉𝑖 (𝑦), ∀ 𝑦 ≠ 𝑥) 𝑓(𝜀𝑖 )𝑑𝜀𝑖

[5]

𝜀

Na Equação [5], I(.) é um indicador de função que se torna igual a 1 caso a expressão entre parênteses seja verdadeira e zero caso contrário. É a partir das especificações da densidade dos fatores não-observáveis f(𝜀𝑖 ) que são obtidos os diferentes modelos Logit de escolha discreta, ou seja, os modelos variam conforme as hipóteses adotadas sobre a distribuição da porção não observada da função de utilidade (TRAIN, 2009). A Tabela 1 apresenta de forma resumida as informações sobre os diferentes tipos de modelos Logit. No final deste capítulo encontram-se sintetizados os trabalhos apresentados com relação aos modelos e dimensões de escolha estudados.

18

Tabela 1: Síntese dos Modelos Logit Modelo

Sigla

Quando usar

Vantagens

Desvantagens

Multinomial Logit

MNL

Uma dimensão de escolha

Modelo mais simples

Satisfatório apenas para uma dimensão de escolha por vez

Nested Logit

NL

Duas dimensões de escolha

Permite analise de duas dimensões de escolhas simultaneamente

Satisfatório apenas para duas dimensões de escolha por vez

Nested Logit Multiníveis

NL*

Mais de duas dimensões de escolha

Permite analise de mais de duas dimensões de escolha simultaneamente

Resultados não satisfatórios

Cross-Nested Logit

CNL

Mais de duas dimensões de escolha

Permite analise de mais de duas dimensões de escolha simultaneamente

Em duas dimensões de escolha perde para o NL

Mixed Logit

ML

Uma ou mais dimensões de escolha

Modelo mais flexível

Funções complexas e de difícil execução

2.2.2 Técnica de Coleta de Dados Para viabilizar a aplicação dos modelos matemáticos descritos na seção anterior, faz-se necessária a obtenção de uma base de dados que forneçam informações sobre as preferências dos indivíduos tomadores de decisão da região estudada, que no caso deste trabalho consistem nos passageiros com origem nos aeroportos escolhidos. Para isto, é preciso que os dados coletados da amostra de passageiros sejam representativos da população global desta região. Duas técnicas de coleta de dados de preferência utilizadas na literatura de pesquisas de transporte são: i) a Técnica de Preferência Revelada (TPR), e ii) a Técnica de Preferência Declarada (TPD). Segundo Train (2009), a TPR refere-se aos dados de escolhas reais das pessoas nas situações do mundo prático; e a TPD refere-se aos dados coletados em situações de pesquisa ou situações experimentais, em que os respondentes são apresentados a situações hipotéticas. Para cada um dos tipos de dados coletados existem vantagem e limitações. Dados de preferência revelada possuem a vantagem de refletirem decisões reais, embora estejam limitados às situações de escolha e atributos existentes no tempo presente ou passado da pesquisa. É comum pesquisas acadêmicas buscarem examinar situações que não existem atualmente no cotidiano dos indivíduos, como demanda por um novo produto ou novo serviço. Segundo Train (2009), os dados obtidos pela TPR simplesmente não são úteis nessas situações de novidade (TRAIN, 2009). Por outro lado, os experimentos que coletam dados de preferência declarada têm a vantagem de serem projetados para cobrir o máximo de variação em cada atributo que o pesquisador achar

19

apropriado mesmo se não estiver presente no mundo real. Contudo, as respostas dos indivíduos nem sempre refletem suas reais ações, e podem haver variações comportamentais quando o cenário hipotético se transforma em realidade (TRAIN, 2009). Sendo assim, o uso combinado dos dados obtidos por ambas as técnicas de coleta pode vir a ser solução na mitigação das limitações de cada uma. Assim, torna-se possível obter as vantagens de ambas, na medida em que os dados da preferência declarada fornecem as variações necessárias dos atributos enquanto os da preferência relevada suprem com as ações previstas na prática (TRAIN, 2009). Dessa forma, o presente trabalho faz uso da aplicação das duas técnicas combinadas na etapa de coleta dos dados, apresentada no Capítulo 3. Os questionários aplicados (Apêndice 1) são divididos em duas sessões: uma que pretende levantar informações diretas sobre as condições socioeconômicas dos passageiros e sobre suas preferências (TPR) e uma que consiste na apresentação de cenários hipotéticos onde o passageiro deverá fazer um ranqueamento das alternativas com base nas suas preferências (TPD). Na seção de síntese da literatura, ao final do capítulo, é feita a relação das literaturas revisadas neste trabalho considerando também a técnica de coleta de dados adotada em cada estudo. 2.2.3 Dimensões e Parâmetros de Escolha Para a realização de uma viagem aérea, diversas escolhas devem ser feitas a começar pela decisão de viajar. Daí em diante, surgem questões como: para qual cidade ir, qual aeroporto de destino, de qual aeroporto partir, horário e dia da viagem, como chegar a tal aeroporto, qual a companhia aérea utilizar, entre diversas outras. Uma possível hierarquia de escolha é esquematizada na Figura 3, onde considera-se que o passageiro tenha várias alternativas para cada dimensão de escolha. Na literatura de análises de escolha discreta no campo de transporte aéreo diversas dimensões de escolha foram exploradas, a começar pela principal, e tema deste trabalho, que é a escolha aeroportuária. Com o desenvolvimento de modelos matemáticos mais sofisticados para essas análises, combinações de escolhas passaram a ser possíveis e investigadas com um nível de combinação (NL), quando duas dimensões de escolha são analisadas, ou mais níveis (CNL e ML), quando acima de duas dimensões.

20

Figura 3: Esquema de uma possível hierarquia de decisão para uma viagem aérea Como exemplo de outras dimensões que geraram significantes contribuições na literatura, temse: escolha de modo de acesso; escolha de empresa aérea; escolha do voo; escolha do aeroporto de destino e escolha de horário de data da viagem. Após a definição da(s) dimensão(ões) que será(ão) estudada(s), o pesquisador precisa definir quais os parâmetros de escolha serão investigados para a construção do modelo, sendo esses as variáveis explicativas observáveis da função. A partir daí, apenas os atributos que retornarem resultados estatisticamente significantes serão considerados como influenciadores no comportamento de escolha do passageiro da região da pesquisa. Diversas são as variáveis observáveis exploradas pela literatura. A maior parte são associadas às características do aeroporto ou do voo. Segundo De Luca (2012), a maioria dos trabalhos compartilham dos mesmos tipos de atributos principais que são: tempo de acesso ao aeroporto de partida; frequência de voos no aeroporto; e tarifa. Ao final deste capítulo é feita uma síntese da(s) dimensão(ões) e dos principais parâmetros investigadas na literatura consultada. 2.2.3.1 Parâmetros de Escolha Aeroportuária Para o levantamento dos parâmetros analisados especificamente na escolha aeroportuária, esta seção descarta os estudos que analisaram mais de uma dimensão de escolha, uma vez que neles

21

não são expostos de forma clara quais os fatores influenciam cada uma das dimensões abordadas. Sendo assim, apenas são analisadas pesquisas que tiveram somente a dimensão de escolha aeroportuária como pauta de estudo, sendo elas: Skinner (1976); Harvey (1987); Ashford e Benchemann (1987); Ozoka e Ashford (1989); Innes e Doucet (1990); Thompson e Caves (1993); Windle e Dresner (1995); Suzuki et al. (2003); Basar e Bhat (2004); Hess e Polak (2005b); Loo (2008); e Marcucci e Gatta (2011). Dentre os diversos parâmetros investigados por essa literatura, encontram-se algumas variáveis cujas importâncias são consensuais a diversos trabalhos e poucas outras variáveis que a importância é detectada apenas em estudos individuais. Sendo assim, organizando-as por número de publicações, tem-se: tempo de acesso ao aeroporto de origem; frequência de voos; tarifa; Nível-de-Serviço (NS) da companhia aérea; experiência prévia dos passageiros com o aeroporto; número de conexões; número de empresas aéreas no aeroporto; espaço de compras; presença de empresas low-cost (LCC) no aeroporto; e tempo de espera médio dos voos no aeroporto. Ao final deste capítulo é feita uma síntese de todas as variáveis investigadas relacionando-as a cada trabalho e a evidência de importância ou não na escolha aeroportuária. Sobre as variáveis mais frequentes na literatura, pode-se explicar que o parâmetro tempo de acesso terrestre ao aeroporto é usado para medir a acessibilidade do aeroporto, pois boas condições de acessibilidade geralmente garantem menores tempos para mesmas distâncias. A frequência de voos representa a movimentação de aeronaves num determinado período de tempo em cada aeroporto para um destino pré-definido, e pode ser vista como uma proxy que representa dois diferentes e opostos fenômenos: uma oferta maior de horários de voos, mas também um maior risco de congestionamento nos aeroportos. A tarifa corresponde ao valor médio pago pelo passageiro para realizar uma viagem a partir de um determinado aeroporto.

2.3

Síntese da Literatura

Ao longo das últimas quatro décadas, numerosos estudos de escolha aeroportuária foram realizados utilizando os mais diversos modelos matemáticos e dados de preferência obtidos por diferentes técnicas. Atualmente, o entendimento do comportamento dos usuários dos sistemas de transporte aéreo é cada vez mais almejado, na busca pela otimização dos investimentos no setor e, isso gera um elevado interesse dos administradores aeroportuários e das empresas aéreas.

22

Nesta seção são sintetizadas as informações deste capítulo em forma de tabelas. A Tabela 2 traz informações para cada referência sobre a Técnica de Coleta de Dados utilizada, o modelo principal utilizado na estruturação matemática e a(s) dimensão(ões) de escolha(s) analisada(s). Tabela 2: Classificação das principais contribuições da literatura Dimensões de escolha Referência

Técnica Aeroporto de Origem

Modo de Acesso Terrestre

Modelo Cia Aérea

Voo

Skinner (1976)

PR

●

MNL

Harvey (1987)

PR

●

MNL

Ashford e Bencheman (1987)

PR

●

MNL

Ozoka e Ashford (1989)

PR

●

MNL

Innes e Doucet (1990)

PR

●

MNL

Thompson e Caves (1993)

PR

●

MNL

Windle e Dresner (1995)

PR

●

MNL

Bradley (1998)

PD

●

MNL

Suzuki et al. (2003)

PR

●

Hess et al. (2007)

PD

●

Loo (2008)

PD

●

MNL

Marcucci e Gatta (2011)

PD

●

MNL / ML

Ndoh et al. (1990)

PR

●

Bondzio (1996)

PR

●

●

Monteiro e Hansen (1996)

PR

●

●

Pels et al. (2001)

PR

●

Pels et al. (2003)

PR

●

●

●

●

NL*

Pels et al. (2009)

PR

●

●

●

●

NL*

Suzuki (2007)

PR

●

●

Hess e Polak (2006b)

PR

●

●

●

NL*

Hess (2004)

PR

●

●

●

CNL

Hess e Polak (2006a)

PR

●

●

●

CNL

Hess e Polak (2005b)

PR

●

Ishii et al. (2009)

PR

●

MNL ●

MNL / NL

●

NL NL NL

●

NL

NL

ML ●

ML

Onde : PR: Preferência Revelada; PD: Preferência Declarada; MNL: Multinomial Logit; NL: Nested Logit; NL*: Nested Logit Multiníveis; CNL: Cross-Nested Logit; ML: Mixed Logit.

Sendo o foco desta pesquisa uma análise da escolha aeroportuária, o Capítulo buscou ainda apresentar os principais parâmetros encontrados na literatura especifica desta dimensão de escolha. A Tabela 3 organiza os trabalhos citados conforme as variáveis investigadas.

23

Tabela 3: Parâmetros de escolha aeroportuária na literatura Parâmetros de Escolha Aeroportuária Referência

Tempo de Frequência NS da cia Número de Tarifa acesso de voo aérea conexões

Skinner (1976)

●

Harvey (1987)

○

○

Ashford e Bencheman (1987)

●

●

●

Ozoka e Ashford (1989)

●

○

○

Innes e Doucet (1990)

○ ●

●

Número de Espaço de Presença Tempo de Experiência cia's aéreas compras de LCC espera prévia

●

●

Thompson e Caves (1993) Windle e Dresner (1995)

●

●

Suzuki et al. (2003)

○

○

Basar e Bhat (2004)

●

●

Hess e Polak (2005b)

●

●

●

Loo (2008)

●

●

●

Marcucci e Gatta (2011)

●

●

● ●

●

●

●

●

● ●

●

Importante para escolha aeroportuária pelo passageiro

○

Irrelevante para escolha aeroportuária pelo passageiro

●

●

A literatura sobre a escolha aeroportuária feita pelos passageiros em regiões brasileiras com mais de uma opção de aeroporto é pequena. As Tabela 4 e 5 trazem informações sobre os trabalhos que fizeram análise de escolha no setor de transporte aéreo no Brasil. Tabela 4: Análises de escolha no Brasil Dimensões de Escolha Referência

Técnica Aeroporto de origem

Moreno e Muller (2003)

PR

Moreno (2006)

PR

Modelo

Local

CNL

São Paulo (GRU e CGH)

CNL

São Paulo (GRU e CGH)

Companhia aérea

● ●

Tabela 5: Variáveis principais para a escolha aeroportuária e para escolha de companhia área Referência

Moreno e Muller (2003)

Aeroporto

Parâmetros de Escolha Aeroportuária Tempo de acesso

●

GRU CGH

Experiência prévia

●

Aeroporto Parâmetros de Escolha de Companhia Aérea Referência

Moreno (2006)

Tarifa do voo GRU CGH

Desempenho da companhia aérea

● ●

O próximo capítulo define, a partir da análise da literatura, o modelo de escolha e os parâmetros a investigados neste trabalho, com a motivação de preencher a lacuna de escolha aeroportuária no Brasil (com foco na Área Terminal de São Paulo) com base nas principais variáveis usadas neste tipo de pesquisa, que são tempo de acesso terrestre, frequência de voos e tarifa média do aeroporto.

24

3

Metodologia

A presente pesquisa é definida como exploratória, pois busca proporcionar maior familiaridade com o problema de escolha aeroportuária a partir do estudo de caso da Região de Múltiplos Aeroportos de São Paulo. Para tanto, primeiramente é realizado um estudo ex-post facto, isto é, a partir do fato passado, que se dá através da análise de uma base de dados secundária (banco de dados usado no trabalho da McKinsey & Company, 2010), coletados pela FIPE/USP (Fundação Instituto de Pesquisas Econômicas/Universidade de São Paulo) entre 2009 e 2010, por meio de entrevistas diretas e aplicação de questionários (Anexo 1). Para a análise ex-post facto, é realizado um mapeamento dos passageiros respondentes que residem no estado de São Paulo e têm com origem um dos três aeroportos estudados, com base nos Códigos de Endereçamento Postal (CEP) informados no momento da entrevista. Esta etapa permite visualizar a distribuição dos usuários dos aeroportos pelo Estado e facilita a identificação dos polos geradores dessa demanda. Em seguida, caracteriza-se o perfil desses passageiros baseado nas informações de motivo da viagem, renda familiar mensal e modo de acesso terrestre utilizado para deslocamento até o aeroporto escolhido. Finalizando o estudo da base secundária, é proposto o uso do modelo Multinomial Logit (MNL) para a análise do comportamento dos passageiros na dimensão de escolha aeroportuária frente às três opções de aeroportos comerciais objetos de estudo desta pesquisa (GRU, CGH e VCP). Conforme apresentado na seção 2.2 deste trabalho, para a análise de apenas uma dimensão de escolha, são aplicáveis os modelos Multinomial e Mixed Logit (ML), sendo que o primeiro possui mais facilidade na implementação e interpretação dos resultados, e por isso será o primeiro adotado nas análises, deixando a aplicação do ML para os próximos passos desta dissertação. A segunda etapa consiste na obtenção de dados primários através da aplicação de questionário utilizando as Técnicas de Preferência Revelada e Declarada. Um modelo preliminar do questionário encontra-se no Apêndice 1. A descrição das perguntas é detalhada na seção 3.1.2 deste capítulo e têm como objetivos permitir uma comparação estatística da amostra obtida com a amostra da base secundária, possibilitar a verificação e validação do modelo gerado pela análise econométrica da base secundária e identificar o possível comportamento dos passageiros considerando a presença do cenário hipotético de um novo aeroporto comercial servindo a região.

25

As próximas seções apresentam a área de estudo e os dados utilizados, detalhando a base secundária investigada e introduzindo a base primária a ser coletada em visita aos aeroportos com caracterização do cenário atual e definição do tamanho amostral necessário para a validação da pesquisa. Por fim, o capítulo discute modelo aplicado e os parâmetros utilizados.

3.1

Área de Estudo e Dados

A Área Terminal de São Paulo, TMA-SP, é uma Região de Múltiplos Aeroportos (RMA) servida por três grandes aeroportos comerciais: o Aeroporto Internacional de São Paulo/Guarulhos – Governador André Franco Montoro (ICAO: SBGR, IATA: GRU); o Aeroporto de São Paulo/Congonhas (ICAO: SBSP, IATA: CGH); e o Aeroporto Internacional de Viracopos (ICAO: SBKP, IATA: VCP). Segundo dados estatísticos reportados pela Agência Nacional de Aviação Civil (ANAC, 2015), a quantidade de passageiros domésticos movimentados na soma dos três apresentou considerável crescimento entre os anos de 2005 e 2014. Com relação a demanda geral mais recente, GRU movimentou cerca de 39 milhões de passageiros em 2015 (GRU, 2015); CGH, cerca de 19 milhões de pessoas, segundo a Empresa Brasileira de Infraestrutura Aeroportuária (INFRAERO, 2015); e VCP movimentou aproximadamente 10 milhões de pessoas no mesmo ano, segundo administrador aeroportuário (ABV, 2015). A Figura 4 mostra a evolução do número de passageiros movimentados de 2009, ano da coleta da base secundária, para 2015.

Figura 4: Evolução da movimentação de passageiros de 2009 para 2015

26

Quanto à localização dos aeroportos, Guarulhos e Congonhas estão na RMSP, separados por uma distância de aproximadamente 37 km (percurso a carro) e são as principais opções para os passageiros com origem ou destino na Capital (MCKINSEY & COMPANY, 2010). O aeroporto de Viracopos, localizado fora da RMSP, também movimenta considerável parcela da demanda do Estado, concentrando passageiros de Campinas e outras cidades do interior (MCKINSEY & COMPANY, 2010), e está a 100 km e 111 km de CGH e GRU, respectivamente, como mostra a Figura 5. Segundo Castro (2012), o principal determinante da escolha de VCP é a localização, com importante movimentação de consumidores da região.

Figura 5: RMA-SP e Distâncias entre GRU, CGH e VCP 3.1.1 Dados Secundários A base de dados secundária utilizada neste trabalho é originada do Estudo do Setor de Transporte Aéreo do Brasil. Este estudo foi realizado pela a empresa de consultoria McKinsey & Company e publicado em 2010, com as colaborações da Fundação Casimiro de Montenegro Filho, ligada ao Instituto Tecnológico da Aeronáutica - ITA, do Tozzini Freire Advogados e da Fundação Instituto de Pesquisas Econômicas – FIPE (MCKINSEY & COMPANY, 2010). Neste trabalho a matriz origem destino do transporte aéreo brasileiro foi caracterizada e dimensionada. Para isto, a FIPE realizou uma coleta de dados em âmbito nacional incluindo os 32 principais aeroportos do país em 2009, dentre eles os três aeroportos focos do presente trabalho (GRU, CGH e VCP). A versão em português do questionário de campo aplicado

27

encontra-se no Anexo 1. Segundo a FIPE (2009), nesse estudo, nomeado Caracterização e Dimensionamento da Matriz Origem Destino do Transporte Aéreo no Brasil, a seleção da amostra buscou aleatoriedade e abrangeu todos os horários e dias da semana com voos nos aeroportos selecionados, com entrevistas diretas aos passageiros nas salas de embarque antes das viagens. Ao total, foram entrevistados 44.558 passageiros dos quais 7.593 passageiros no Aeroporto de Guarulhos (GRU), 5.106 passageiros no Aeroporto de Congonhas CGH) e 477 passageiros no Aeroporto de Viracopos (VCP) (FIPE, 2009). Assim, contabilizam-se dados de 13.176 passageiros da TMA-SP, sendo 58% de GRU, 39% de CGH e 4% de VCP. O questionário é dividido em seis blocos, dentre eles, o bloco de preferências e opiniões do entrevistado é o de maior interesse para a presente análise, sendo a questão número 27 a de principal importância: “Quais são os três principais motivos para ter escolhido o AEROPORTO INICIAL? ”. Além da questão dos motivos de escolha aeroportuária, são estudados os dados de localização geográfica da residência dos passageiros (através do CEP informado) (questão 2), meios de transporte utilizados até o aeroporto (questão 8), motivo da viagem (questão 22) e renda familiar mensal (questão 43). As análises das informações originadas pelas questões selecionadas são apresentadas em subseção do Capítulo 4. Os dados dos motivos para escolha do aeroporto inicial possibilitaram a modelagem do comportamento dos passageiros e identificação dos principais parâmetros de influência na escolha aeroportuária, apresentados no mesmo Capítulo. 3.1.2 Dados Primários A base de dados primária consiste em informações obtidas por meio de entrevistas aos passageiros da região terminal de São Paulo. Para tanto, elaborou-se um modelo preliminar de questionário (Apêndice 1) que faz uso das Técnicas de Preferência Revelada e Declarada e é dividido em três Blocos de perguntas: a) Dados do Entrevistado; b) Dados da viagem; e c) Dados de Preferência e Opiniões do Entrevistado. Os dois primeiros blocos (Perguntas 1 a 9) buscam localizar e caracterizar os passageiros entrevistados, para comparação estatística da amostra obtida com a base secundária. O terceiro bloco de perguntas busca identificar os motivos de escolha aeroportuária através da Técnica de Preferência Revelada (TPR) (Questão 10) e Técnica de Preferência Declarada (TPD) (Questões 11). A análise dos dados obtidos pela preferência revelada torna possível a verificação e validação do modelo gerado pela análise da

28

base secundária, uma vez que utiliza a mesma pergunta e alternativas do questionário da FIPE/USP. Os dados obtidos pelo uso da TPD permitem a identificação do possível comportamento dos passageiros considerando a presença do cenário hipotético de um novo aeroporto comercial servindo a região. Afim de ampliar o realismo do experimento, este passo do questionário é aplicado como um exercício de ranqueamento que, conforme constatado por Marcucci et al. (2015), traz maior conforto aos entrevistados do que a tarefa de escolher uma alternativa dentre um predeterminado grupo. Os cenários a serem ordenados consistem na situação real atual e em variações da situação hipotética de instalação de um novo aeroporto a 30 km do centro da capital paulista (distância mencionada pela mídia). Para elaboração dos possíveis cenários hipotéticos, foram considerados os parâmetros de tempo de acesso terrestre ao aeroporto, frequência de voos e tarifa, que foram as variáveis mais abordadas pela literatura, conforme identificado na revisão de literatura. Dessa forma, cada parâmetro é distribuído níveis que auxiliam no contraste do novo aeroporto com os aeroportos já instalados: i) Tempo de acesso terrestre ao novo aeroporto partindo do centro da Capital: 30 min., 60 min., 90 min; ii) Frequência de voos domésticos: Baixa, Média, Alta; iii) Tarifa aérea doméstica média, que varia conforme aeroporto entrevistado. Os níveis de tempo de acesso foram definidos considerando a acessibilidade ao possível local de instalação do novo aeroporto de São Paulo (entre as cidades de Caieiras e Cajamar) partindo da Praça da Sé, sendo eles: 30 minutos e qualidade de acesso boa (tempo equiparável ao acesso a CGH); 60 minutos e qualidade de acesso regular (tempo equiparável ao acesso a GRU); e 90 minutos e qualidade de acesso ruim (tempo equiparável ao acesso a VCP). O parâmetro de frequência é utilizado como medidor de nível de serviço em termos de oferta de voos domésticos que o novo aeroporto terá, comparando-o com os valores de movimentação doméstica de aeronaves no ano de 2015 dos aeroportos existentes. Considerando que a oferta de horários de voos é diretamente proporcional a movimentação anual de aeronaves, a variável de frequência é separada em três níveis: 117 mil e frequência doméstica de VCP em 2015 (ABV, 2015), chamada de “Baixa” para facilitar a comparação com os outros aeroportos; 170 mil e frequência doméstica de CGH em 2015 (INFRAERO, 2015), chamada de “Média”; e 216 mil e frequência doméstica de GRU em 2015 (GRU, 2015), chamada de “Alta”.

29

Os níveis de tarifa aérea doméstica diferem de acordo com o aeroporto onde é aplicada a entrevista, considerando que é mais fácil para o passageiro comparar o valor realmente pago com os valores possíveis médios das passagens no novo aeroporto. Para tanto, fez-se o cálculo da média e intervalo de confiança dos valores pagos declarados pelos passageiros domésticos da base secundária para cada um dos aeroportos em 2009. Em seguida, fez-se o ajuste dos preços para o ano de 2015 considerando a variação das tarifas médias domésticas de São Paulo entre esses anos, com dados por unidade da federação disponibilizados pela ANAC (2015) (Apêndice 2 e 3). Os níveis utilizados cobrem as opções de tarifa inferior, igual ou superior à tarifa média doméstica aplicada naquele aeroporto em 2015, sendo para GRU R$ 290, R$ 390 (Status Quo) e R$ 490; para CGH R$ 260, R$ 360 (Status Quo) e R$ 460; e para VCP R$ 130, R$ 230 (Status Quo) e R$ 330. A Tabela 6 traz sintetizadas as informações acerca dos atributos, número de níveis e os níveis aplicados na seção de coleta de dados de preferência declarada da pesquisa em cada um dos aeroportos visitados: Tabela 6: Atributos e níveis investigados por aeroporto Parâmetro Tempo (minutos) Frequência (aeronaves por ano) Tarifa (R$) Parâmetro Tempo (minutos) Frequência (aeronaves por ano) Tarifa (R$) Parâmetro Tempo (minutos) Frequência (aeronaves por ano) Tarifa (R$)

GRU Número de Níveis 3 3 3 CGH Número de Níveis 3 3 3 VCP Número de Níveis 3 3 3

Níveis (Status Quo sublinhado) 30, 60, 90 116mil, 170mil, 216mil 290, 390, 490 Níveis (Status Quo sublinhado) 30, 60, 90 116mil, 170mil, 216mil 260, 360, 460 Níveis (Status Quo sublinhado) 30, 60, 90 116mil, 170mil, 216mil 130, 230, 330

3.1.2.1 Definição do tamanho amostral O tamanho da amostra para coleta de dados depende primeiramente da população a ser considerada. Neste trabalho, é considerado como população apenas os passageiros domésticos com embarque em cada um dos aeroportos estudados. Segundo dados estatísticos da ANAC (2015), no mês de novembro de 2015 embarcaram em GRU 1.000.883 passageiros domésticos,

30

em CGH 807.639 passageiros domésticos e em VCP 370.719 passageiros domésticos. É adotada a população do mês de novembro pois é o (provável) mês de coleta dos dados. A equação para definição do tamanho amostral se baseia na estimativa da proporção populacional e é apresentada em [6]: 𝑛=

𝑁 × 𝜌 × 𝑞 × 𝑍∝/2 2 𝜌 × 𝑞 × 𝑍∝/2 2 + (𝑁 − 1) × 𝐸 2

[6]

Em que: n é o tamanho da amostra, N é o tamanho da população, 𝑍∝/2 é um valor padronizado e corresponde ao nível de confiança α, E é o erro da amostra e as variáveis 𝜌 e 𝑞 dizem respeito à proporção da população analisada. Calculando uma amostra para cada aeroporto, é considerado um nível de confiança de 90% (𝑍∝/2 = 1,64), erro amostral de 10% e proporção de 50%, uma vez que o número de respondentes para o número de pessoas abordadas não é conhecido. Sendo assim, chega-se aos seguintes tamanhos amostrais: 1.000.883 passageiros domésticos, em CGH 807.639 passageiros domésticos e em VCP 370.719

𝑛𝐺𝑅𝑈 =

1.000.883 × 0,5 × 0,5 × 1,642 0,5 × 0,5 × 1,642 + (1.048.080 − 1) × 0,12

𝑛𝐶𝐺𝐻 =

𝑛𝑉𝐶𝑃 =

807.639 × 0,5 × 0,5 × 1,642 0,5 × 0,5 × 1,642 + (819.157 − 1) × 0,12

370.719 × 0,5 × 0,5 × 1,642 0,5 × 0,5 × 1,642 + (393.212 − 1) × 0,12

= 67,24 = 68 pax em GRU

[7]

= 67,23 = 68 pax em CGH

[8]

= 67,23 = 68 pax em VCP

[9]

Assim, na visita a cada um dos aeroportos estudados é necessário coletar de pelo menos 68 questionários para uma amostra representativa dessa população de passageiros. Após a visita aos aeroportos, o tamanho da amostra será atualizado de forma a se definir o real nível de confiança alcançado.

3.2

Modelo

Conforme antecipado no início deste capítulo, a análise da escolha aeroportuária é primeiramente feita com o uso do modelo Multinomial Logit (MNL), uma vez que se trata de apenas uma dimensão de escolha e o modelo traz facilidade na implementação e interpretação dos resultados. A função de utilidade, traçada considerando um efeito linear dos atributos, para um indivíduo genérico (i) e uma alternativa genérica (j), é descrita como:

31

𝑈𝑖 (𝑗) = 𝜷′𝒙𝑖𝑗 + 𝜀𝑖𝑗

[10]

Sendo 𝜷′ a matriz dos coeficientes e 𝒙𝑖𝑗 a matriz das variáveis, tem-se: 𝜷′ 𝒙𝑖𝑗 = 𝛽1 𝑥𝑖𝑗1 + 𝛽2 𝑥𝑖𝑗2 + 𝛽3 𝑥𝑖𝑗3 + 𝛽4 𝑥𝑖𝑗4 + 𝛽5 𝑥𝑖𝑗5 + 𝛽6 𝑥𝑖𝑗6 + 𝛽7 𝑥𝑖𝑗7 + 𝛽8 𝑥𝑖𝑗8 + 𝛽9 𝑥𝑖𝑗9 + 𝛽10 𝑥𝑖𝑗10 + 𝛽11 𝑥𝑖𝑗11 + 𝛽12 𝑥𝑖𝑗12

[11]

Substituindo as devidas nomenclaturas das variáveis investigadas na Equação [14], o modelo empírico da função de utilidade é apresentado como: 𝑈𝑖 (𝑗) = 𝛽1 𝑚𝑒𝑖𝑜_𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒𝑖𝑗 + 𝛽2 𝐺ê𝑛𝑒𝑟𝑜𝑖𝑗 + 𝛽3 𝐼𝑑𝑎𝑑𝑒𝑖𝑗 + 𝛽4 𝑅𝑒𝑛𝑑𝑎𝑖𝑗 + 𝛽5 𝑀_1𝑖𝑗 + 𝛽6 𝑀_2𝑖𝑗 + 𝛽7 𝑀_3𝑖𝑗 + 𝛽8 𝑀_4𝑖𝑗 + 𝛽9 𝑀_5𝑖𝑗 + 𝛽10 𝑀_6𝑖𝑗 + 𝛽11 𝑀_7𝑖𝑗

[12]

+ 𝛽12 𝑀_8𝑖𝑗 + 𝜀𝑖𝑗 Os parâmetros utilizados na modelagem da escolha aeroportuária desses passageiros foram obtidos pelos motivos fornecidos pelo questionário, sendo eles:  O aeroporto oferece voos diretos ao destino (M_ 1);  O aeroporto escolhido é o mais próximo da origem do passageiro (M_2);  O acesso até aquele aeroporto é o mais barato (M_ 3);  A companhia aérea preferida do passageiro utiliza aquele aeroporto (M_ 4);  O aeroporto oferece melhor preço de passagem (M_ 5);  O aeroporto possui os melhores horários e datas de voo (M_ 6);  O aeroporto é a única opção para aquele passageiro (M_ 7);  O aeroporto não foi escolhido pelo entrevistado (M_8). Além dos parâmetros de escolha, foram introduzidas na análise alguns fatores de potencial influência na escolha, como meio de transporte até o aeroporto, gênero, idade e renda. Para definição das probabilidades de escolha, o modelo MNL é especificado na forma:

𝑃𝑟𝑜𝑏(𝑦𝑖 = 𝑗) =

exp(𝜷′ 𝒙𝑖𝑗 ) ∑𝐽𝑞=1 exp(𝜷′ 𝒙𝑖𝑞 )

[13]

32

4

Análise de Resultados Preliminar

Afim de traçar o perfil dos passageiros residentes do estado de São Paulo cujo início da viagem se dá em um dos aeroportos, foram desconsiderados os passageiros em conexões. Foram desprezados os questionários de passageiros que não forneceram o CEP do domicílio, uma vez que busca-se mapear geograficamente a localização de todos os respondentes. Sendo assim, restaram 3.686 passageiros cujos dados são utilizados para as análises seguintes. Após aplicadas as restrições necessárias, a presente análise faz uso dos dados desses 3.686 passageiros entrevistados na TMA-SP, dos quais 2.000 passageiros do Aeroporto de Guarulhos (GRU), 1.509 passageiros no Aeroporto de Congonhas CGH) e 177 passageiros no Aeroporto de Viracopos (VCP). Apesar de reduzido, o número de respondentes mantém proporção aproximada à anterior com o volume total da TMA-SP, sendo agora com 54% de GRU, 41% de CGH e 5% de VCP. Por se tratar de um estudo retrospectivo, é relevante apresentar as características dos aeroportos da Área Terminal de São Paulo no momento em que as entrevistas foram feitas, isto é, no ano de 2009. Segundo o Relatório Consolidado da McKinsey & Company (2010), com relação à movimentação de passageiros no ano de 2009, GRU movimentou cerca de 22 milhões de passageiros, CGH teve aproximadamente 14 milhões e VCP movimentou pouco mais de 3 milhões de passageiros. Ainda com relação ao fluxo de passageiros, os aeroportos de SP representavam, em 2008, cerca de 23% dos passageiros domésticos do país, considerando a soma de embarque, desembarque e conexão (MCKINSEY & COMPANY, 2010). Iniciando a análise dos dados pela localização geográfica da residência dos passageiros entrevistados (com domicílio em São Paulo), é feito um mapeamento de cada um dos dados de CEP informados, tornando visível a distribuição dessa demanda no Estado (Figura 6). Observando a distribuição geográfica de residência de cada um dos passageiros entrevistados, percebe-se que os três aeroportos juntos geram uma demanda pulverizada por todo o Estado, com densidade notável nas proximidades da capital. Além de corresponder a quase metade da população do Estado de São Paulo (47,5% em 2015), a RMSP responde por um Produto Interno Bruto – PIB equivalente a 56% do PIB estadual (PDUI, 2016), e por isso é coerente que seja um ponto de concentração de demanda aérea.

33

Realizando uma análise comparativa das distribuições, percebe-se que GRU é o aeroporto que gera a demanda mais pulverizada no estado, seguido de CGH em uma menor escala e VCP com menor espalhamento dentre os três. É perceptível também que GRU e CGH possuem grande atração dos passageiros residentes na RMSP, enquanto VCP atrai menos. Com relação ao vetor leste do estado, GRU é o principal aeroporto com maior quantidade de passageiros quando comparado a CGH e VCP, ausentes neste último.

Figura 6: Distribuição geográfica dos passageiros entrevistados residentes em São Paulo, sendo (a) todos os passageiros, (b) passageiros partindo de VCP, (c) passageiros partindo de GRU, (d) passageiros partindo de CGH. Considerando os motivos de escolha pelo aeroporto inicial, o questionário fornece oito alternativas: 1) o aeroporto possui voos diretos para o destino; 2) o aeroporto é o mais próximo da origem do passageiro; 3) o aeroporto possui o acesso mais barato; 4) a companhia aérea preferida pelo passageiro utiliza o aeroporto; 5) o aeroporto fornece o melhor preço de passagem; 6) o aeroporto tem melhor data/horário de voo; 7) o aeroporto é a única opção; e 8) o aeroporto não foi escolhido pelo passageiro. Levantando uma contagem simples das respostas nesta questão, detectou-se que o motivo com maior marca foi o de oferta de voos direto para o

34

destino (54%), seguido pela alternativa de proximidade da origem do passageiro (24%) e pelo acesso mais barato (17%). Para traçar o perfil dos passageiros, foram identificados os motivos declarados da viagem, que no questionário da FIPE/USP eram divididos em seis opções: 1) trabalho, negócios, evento profissional; 2) lazer; 3) visitar amigos ou parentes; 4) estudo; 5) eventos sociais, culturais ou esportivos; 6) outro. Para simplificar a divisão dos motivos de viagem para definição do perfil dos passageiros, é feito o seguinte agrupamento: i) Negócios (business): passageiros que declararam estar viajando a trabalho, negócios, evento profissional ou estudos; e ii) Lazer (leisure): passageiros que declararam estar viajando a lazer, visita a amigos ou parentes e eventos sociais, culturais ou esportivos. Assim, identificou-se que a maior parte dos passageiros abordados viajavam a motivos de negócios (57%). Analisando por aeroporto, obtêm-se os seguintes resultados: a grande maioria dos passageiros de CGH viajam a negócios (72%); a maior parte dos passageiros de GRU viajam a lazer (53%); e em VCP também predominam os passageiros a negócios (56%). Com relação à renda familiar mensal dos passageiros entrevistados, a análise dos dados da base secundária revelou que a faixa de 5 a 10 e 10 a 15 salários mínimos (SM) como sendo a de maior proporção dentre os passageiros entrevistados (ambas com 17% da amostra total). É importante destacar que aqui o salário mínimo foi calculado considerando o valor nominal tabelado vigente em 2009 (R$ 465,00). Analisando por aeroporto, tem-se que para GRU a maior proporção de passageiros está entre 5 a 10 e 10 a 15 SM (17% para cada faixa); para CGH está entre 10 a 15 SM (18%) e 20 a 30 SM (17%); e para VCP está entre 5 a 10SM e 10 a 15 SM (20% para cada faixa). O modo de acesso ao aeroporto também pode ser considerado como um fator importante de ser analisado para a caracterização do perfil desses passageiros. Nas respostas dos entrevistados, o meio de acesso predominante foi táxi com 38% de utilização, seguido por carro próprio com 25% e carona com 22%. Cada um dos outros meios de transporte apresentou utilização inferior a 5% da amostra total. Fazendo a análise para cada um dos aeroportos, GRU teve 30% de acessos em taxi, 27% em carro próprio e 27% em carona, e ainda 6% em ônibus interurbano; CGH teve 51% de acessos em taxi, 22% em carro próprio e 15% em carona; e VCP 17% de acessos em taxi, 29% em carro próprio e 29% em carona, além de 8% em carro da empresa e 8% em ônibus interurbano.

35

Concluindo a análise preliminar dos dados secundários, percebe-se que os aeroportos de Guarulhos e Congonhas geraram uma demanda altamente concentrada na RMSP, quando comparado a Viracopos. E ainda, que GRU é o aeroporto com maior difusão da demanda no estado de São Paulo. Além disso, a maior parte dos passageiros da amostra viajam a negócios, com principal contribuição dos passageiros de Congonhas. A faixa de renda predominante na amostra é entre 5 a 15 salários mínimos. Com relação ao modo de acesso aos aeroportos, os passageiros da TMA-SP têm preferência pelo uso de taxi e modos particulares de transporte, como carro próprio e carona.

4.1

Resultados Econométricos

Nesta etapa são analisados os fatores que influenciam a decisão dos passageiros com origem no estado de São Paulo quanto à escolha do aeroporto de origem de uma viagem, a partir de uma modelagem econométrica dos dados obtidos na base secundária. Sendo assim, inicialmente, consideram-se não apenas os passageiros residentes, mas todos os passageiros partindo de um dos três aeroportos analisados cujos questionários da FIPE/USP foram respondidos integralmente, totalizando em 7629 passageiros, dos quais 2767 de GRU (36%), 4425 de CGH (58%) e 437 de VCP (6%). Para levar em consideração a heterogeneidade da amostra e caracterizar os comportamentos dos diferentes perfis de usuários do transporte aéreo de São Paulo, fez-se a separação dos entrevistados em dois grupos. Aqueles que viajavam a trabalho, negócios, evento profissional, estudo e eventos sociais foram agrupados como viajantes do tipo negócios ou business, totalizando 5250 entrevistas. Para os passageiros que estavam viajando por motivo de lazer e visita de amigos ou parentes, o agrupamento foi do tipo lazer ou leisure, com 2379 entrevistas. Esta separação também foi utilizada por Ishii et al. (2009), que afirmam que a forma como os passageiros ponderam as escolhas de companhia aérea e aeroporto dependem da finalidade da viagem. As tabelas de resultados da modelagem da escolha aeroportuária utilizando o modelo Multinomial Logit (MNL) estão apresentadas nos Apêndices 4 e 5, que correspondem, respectivamente, ao grupo business e ao grupo leisure. Os modelos apresentam duas análises cada. A primeira análise trata-se da escolha entre os aeroportos de Guarulhos e Congonhas e a segunda trata-se da escolha entre Guarulhos e Viracopos. Na primeira coluna estão os parâmetros analisados, na segunda e terceira colunas estão os coeficientes recebidos por cada

36

variável na equação que modela a escolha. O nível de significância de cada parâmetro é representado pelos asteriscos que acompanham cada coeficiente, conforme explicado nas tabelas. Analisando a competição aeroportuária com base na opinião dos passageiros do tipo Business (resultados apresentados no Apêndice 4 deste relatório), que viajam a negócios ou outros motivos equivalentes, é observado que em ambas competições, as variáveis de Renda e Gênero não possuem significância estatística, isto é, não influem na escolha aeroportuária do passageiro. Pode-se interpretar nesse resultado que a renda de uma pessoa viajando a negócios não (ou pouco) interfere na escolha, pois acredita-se que a aquisição de passagens nessa modalidade seja realizada pela empresa. Com relação aos fatores que influenciam na escolha entre os aeroportos de Guarulhos e Congonhas, o motivo de custo de acesso ao aeroporto (M_3) não apresentou significância estatística para os passageiros business, concordando com Pels et al. (2003) que chegou à conclusão que este tipo de passageiro, de fato, é menos sensível a custo de acesso que passageiros a lazer. O custo de acesso pode não ser relevante neste caso por se tratar de dois aeroportos relativamente próximos, cujo acesso se daria de forma semelhante, e isto pode ser comprovado pelo fato de esta mesma variável ser relevante na competição entre Guarulhos e Viracopos, cujas distâncias são significativamente maiores e pelo fato de estarem localizados em diferentes malhas urbanas. O sinal negativo neste modelo mostra que o caso base é preferível ao passageiro ao analisar este fator, isto é, quando o custo de acesso do aeroporto é levado em conta na escolha, a opção preferida é o Aeroporto de Guarulhos. De fato, o acesso ao aeroporto de Viracopos seria mais oneroso ao passageiro partindo da capital, que é um polo gerador de viagens a negócios já que é um dos principais centros financeiros do país. A variável que aborda o motivo de escolha aeroportuária baseada na flexibilidade de horários e datas de voo (M _6) também foi insignificante estatisticamente na competição entre Guarulhos e Congonhas e significante estatisticamente entre Guarulhos e Viracopos, com relação negativa entre eles, isto é, o caso base (Guarulhos) é preferível a Viracopos quando se trata da análise da frequência de voos. Uma possível interpretação para estes resultados é que, por se tratar de aeroportos mais próximos do centro industrial (gerador de viagens do tipo business), Guarulhos e Congonhas não precisam possuir elevada flexibilidade de horários já que o acesso é rápido e as viagens a negócios geralmente são concentradas em poucos horários dentro de alguns dias úteis da semana. No entanto, para Viracopos, estando mais distante deste

37

centro, é necessário apresentar alguma flexibilidade nos horários e datas dos voos para que os passageiros consigam melhores opções de voos uma vez que irão gastar um maior período de tempo no acesso ao aeroporto, e por isso a variável passa a ser significante, apesar de Viracopos ainda ser menos escolhida em detrimento a Guarulhos quando se trata da análise de frequência. Dos fatores estatisticamente significantes para a escolha dos passageiros entre os aeroportos de Guarulhos e Congonhas destacam-se o preço da passagem (M_5) e a proximidade da origem do passageiro (M_ 2), concordando com Ishii et al. (2009) que percebeu aversão dos passageiros a grandes tempos de acesso terrestre ao aeroporto. A interpretação dos sinais dos coeficientes leva a concluir que, para preço de passagem o caso base é preferível (negativo), isto é, Guarulhos é preferível com relação ao preço do que Congonhas; e para o fator proximidade da origem, Congonhas é preferível do que Guarulhos (positivo). Na escolha entre Guarulhos e Viracopos, destacam-se os fatores significantes proximidade da origem (M_ 2), tarifa (M_ 5) e flexibilidade de horários e datas de voo (M_ 6), todos negativos mostrando que Guarulhos é preferível para esses fatores. Para análise com base na percepção do passageiro do tipo Leisure, os resultados são apresentados no Apêndice 5 deste material. Observa-se que em ambos os casos as variáveis de Gênero e Idade não afetam a escolha aeroportuária. É pertinente destacar, porém, que a Renda influi na escolha apenas entre os aeroportos de Guarulhos e Congonhas, sendo o segundo o de provável escolha (sinal positivo). Ao realizar uma viagem a lazer, o passageiro é quem assume os gastos e tende a buscar pela passagem que seja compatível ao seu poder de compra. Ao viajar por Guarulhos ou Congonhas, o passageiro deverá estar disposto a pagar maiores valores, e por isto é relevante a renda nesta situação. Ao optar entre Guarulhos e Viracopos, o passageiro a lazer equilibra os fatores de tempo/custo de acesso e de preço de passagens, e escolherá aquele conjunto que for mais barato, e por isso a renda passa a não ser significante. Com relação aos fatores estatisticamente significantes que afetaram a escolha deste grupo, destacam-se os motivos de preço da passagem (M_ 5), proximidade da origem (M_ 2) e flexibilidade de horários e datas de voo (M_ 6) para todos os aeroportos. Aqui, mais uma vez, o aeroporto de Guarulhos mostra ser o preferível quando se trata do custo da passagem aérea (relação negativa), convergindo com a afirmação de Ishii et al. (2009) que passageiros a lazer são mais elásticos aos preços das passagens. Para a comparação entre Guarulhos e Viracopos, detectou-se grande magnitude para a situação em que o passageiro não realiza a escolha do aeroporto (M_ 8) e para quando o aeroporto é a única opção do passageiro (M_ 7), esses fatores

38

excluem o viés da análise que pode existir quando o destino do passageiro só está disponível em uma das opções, e o sinal dos coeficientes mostra que na falta de opção, Guarulhos ainda é de provável escolha (por apresentar mais destinos) já que a relação é negativa.

5

Considerações Finais e Próximos Passos

Ao longo dos últimos dez anos, a demanda pelo transporte aéreo no país apresentou elevada taxa de crescimento, trazendo desafios para os administradores aeroportuários, uma vez que as capacidades instaladas dificilmente podem crescer de forma equivalente, devido a diversos tipos de restrições. Este cenário vem sendo presenciado pela região de múltiplos aeroportos de São Paulo (RMA - SP), o maior exemplo de RMA do Brasil em termos de movimentação de passageiros. A região é servida por três grandes aeroportos comerciais: o Aeroporto Internacional de São Paulo/Guarulhos – Governador André Franco Montoro, o Aeroporto de São Paulo/Congonhas e o Aeroporto Internacional de Viracopos. Além da pressão pelo aumento da infraestrutura individual dos aeroportos, é proposta a alternativa de construção de um quarto aeroporto de grande porte na região, a fim de solucionar os gargalos de capacidade da Área Terminal de São Paulo (TMA – SP). Contudo, decisões de expansão como esta são complexas, uma vez que podem gerar perturbações na rede aeroportuária, uma vez que o caso de expansão da capacidade em uma Região de Múltiplos Aeroportos depende não somente do crescimento total do tráfego, mas também da distribuição da demanda pelo transporte aéreo dentre as alternativas de aeroporto. Um desequilíbrio possível seria o esvaziamento de um ou mais aeroportos que não possuem atratividade aos clientes. Nesse sentido, entender o comportamento dos passageiros na tarefa de escolha aeroportuária é uma componente chave nos estudos de demanda. Neste sentido, o presente trabalho propôs-se a realizar uma análise da escolha aeroportuária através da modelagem do comportamento dos passageiros, com um estudo de caso dos usuários do transporte aéreo da RMA - SP. Para isto, foram investigados os fatores que influenciam na decisão desses passageiros a partir de uma modelagem de escolha discreta, utilizando, para isto, um estudo ex-post facto, com análise dos dados de preferência revelada de uma base secundária. O modelo econométrico utilizado consiste no Multinomial Logit, que é o mais utilizado na literatura de análise de apenas uma dimensão de escolha e reconhecido pela facilidade na implementação e interpretação de resultados. Foram encontradas evidências de que na escolha

39

entre Guarulhos e Congonhas, tarifa e tempo de acesso são fatores significantes para os passageiros a negócios enquanto tarifa, tempo de acesso e frequência mostraram significância para os passageiros a lazer. Na escolha entre Guarulhos e Viracopos, os resultados mostraram evidências de que frequência, tarifa, tempo e custo de acesso possuem significância para todos os tipos de passageiros, sendo Guarulhos o preferido de forma global. Os próximos passos consistem na obtenção e análise de uma base primária, a ser coletada utilizando dados de preferência revelada, que será usada para validar a modelagem, e declarada que permitirá investigar o comportamento dos passageiros na situação hipotética de oferta de um novo aeroporto na região. Além disso, serão realizadas novas modelagens utilizando o modelo Mixed Logit, que também é indicado na análise de apenas uma dimensão de escolha, afim de comparar resultados e definir melhor metodologia para a situação.

40

Referências AEROPORTOS BRASIL VIRACOPOS - ABV. Campinas. 2015. Disponível em: . Acesso em 18 de março de 2016. ANAC. Agência Nacional de Aviação Civil. Brasília. 2015. Disponível em: . Acesso em 27 de setembro de 2016. ASHFORD, N.; BENCHEMAN, M. Passengers’ choice of airport: an application of the Multinomial Logit model. Transportation Research Record 1147, 1–5. 1987. ASHFORD, N. J.; MUMAYIZ, S.; WRIGH, P. H. Airport Engineering: Planning, Design and Development of 21st Century Airports. 4th ed. 2011. BASAR, G.; BHAT, C. A parameterized consideration set model for airport choice. an application to the San Francisco Bay Area. Transportation Research Part B 38 (10), 889– 904. 2004. BEN-AKIVA, M. E.; LERMAN, S. R. Discrete choice analysis: theory and application to travel demand (Vol. 9). MIT press. 1985. BLACKSTONE, E. A.; BUCK, A. J.; HAKIM, S. Determinants of airport choice in a multiairport region. Atlantic Economic Journal. vol. 34, pp. 313-326. 2006. BONDZIO, L. Study of airport choice and airport access mode choice in Southern Germany. In: Proceedings of the European Transport Conference. 1996. BONNEFOY, P. A.; DE NEUFVILLE, R.; HANSMAN, R. J. Evolution and Development of Multiairport Systems: Worldwide Perspective. Journal of Transportation Engineering, 136(11), 1021-1029. 2010. BRADLEY, M.A. Behavioural models of airport choice and air route choice. In: Ortuzar, J.D.D., Hensher, D.A., Jara-Diaz, S.R. (Eds.), Travel Behaviour Research: Updating the State of Play (IATBR 94). Elsevier, Oxford, pp. 141–159. 1998. CASTRO, G. Estudo da aplicação da Lei de Say ao transporte aéreo: o caso do aeroporto de Viracopos. 2012. 59f. Trabalho de Conclusão de Curso. (Graduação). Instituto Tecnológico de Aeronáutica, São José dos Campos. CONDÉ, M. Estudo e previsão de demanda aeroportuária para a cidade do Rio de Janeiro. Journal of Transport Literature, 5(1), 161-183. 2011. CORREIA, A. R.; NIYAMA, L. E.; NOGUEIRA, S. D. A. F. Estimativa da distribuição da demanda na região metropolitana de São Paulo com cenários de um novo aeroporto. Journal of Transport Literature, vol. 5, n. 2, pp. 44-62. 2011. DE LUCA, S. Modelling airport choice behaviour for direct flights, connecting flights and different travel plans. Journal of Transport Geography, vol. 22, pp.148-163. 2012. DE NEUFVILLE, R.; ODONI, A. Airport Systems. Planning, Design and Management. McGraw- Hill, New York. 2003.

41

EDWARDS, W. The theory of decision making. Psychological bulletin, 51(4), 380. 1954. FUNDAÇÃO INSTITUTO DE PESQUISAS ECONÔMICAS – FIPE. Caracterização e Dimensionamento da Matriz Origem Destino do Transporte Aéreo no Brasil. 2009: Total Brasil. São Paulo, 118 f. 2009. GRU AIRPORT - Aeroporto Internacional de São Paulo. Estatísticas: Informações Operacionais. Guarulhos. 2015. Disponível em: . Acesso em 02 de agosto de 2016. HARVEY, G. Airport choice in a multiple airport region. Transportation Research Part A: General, 21(6), 439-449. 1987. HESS, S. A model for the joint analysis of airport, airline, and access-mode choice for passengers departing from the San Francisco Bay area, European Transport Conference, Strasbourg, France. 2004. HESS, S.; POLAK, J.W. Accounting for random taste heterogeneity in airport- choice modelling. Transportation Research Record 1915, 36–43. 2005a. HESS, S.; POLAK, J. W. Mixed logit modelling of airport choice in multi-airport regions. Journal of Air Transport Management, 11(2), 59-68. 2005b. HESS, S.; POLAK, J. W. Exploring the potential for cross-nesting structures in airport-choice analysis: a case-study of the Greater London area. Transportation Research Part E: Logistics and Transportation Review, 42(2), 63-81. 2006a. HESS, S.; POLAK, J.W. Airport, airline and access mode choice in the San Francisco Bay Area. Papers in Regional Science 85 (4), 543–567. 2006b. HESS, S.; ADLER, T.; POLAK, J.W. Modelling airport and airline choice behaviour with the use of stated preference survey data. Transportation Research Part E 43 (3), 221–233. 2007. INFRAERO. Estatística. Brasília. 2015. Disponível em: . Acesso em 24 de março de 2016. INNES, J. D.; DOUCET, D. H. Effects of access distance and level of service on airport choice. Journal of Transportation Engineering 116 (4), 507–516. 1990. ISHII, J.; JUN, S.; VAN DENDER, K. Air travel choices in multi-airport markets. Journal of Urban Economics 65 (2), 216–227. 2009. LOO, B. Passengers’ airport choice within multi-airport regions (MARs): some insights from a stated preference survey at Hong Kong International Airport. Journal of Transport Geography 16 (2), 117–125. 2008. MARCUCCI, E.; GATTA, V. Regional airport choice. Consumer behaviour and policy implications. Journal of Transport Geography 19 (1), 70–84. 2011.

42

MARCUCCI, E.; GATTA, V.; SCACCIA, L. Urban freight, parking and pricing policies: An evaluation from a transport providers’ perspective. Transportation Research Part A: Policy and Practice, 74, 239-249. 2015. McKINSEY & COMPANY. Estudo do Setor de Transporte Aéreo do Brasil: Relatório Consolidado. Rio de Janeiro. 2010. METROPOLITAN TRANSPORT COMMISSION. Metropolitan Transportation Commission Airline Passenger Survey: Final Report. J.D. Franz Research, Oakland. 1995. MURÇA, M. C. R.; CORREIA, A. R. Análise da modelagem da escolha aeroportuária em regiões de múltiplos aeroportos. Journal of Transport Literature, v.7, n.4, p.130-146. 2013. MONTEIRO, A.B.; HANSEN, M. Improvements to airport ground access and the behavior of a multiple airport system: BART extension to San Francisco International Airport. Transportation Research Record 1562, 38–47. 1996. MORENO, M. B. Airline choice for domestic flights in São Paulo metropolitan area: an application of the conditional logit model. Journal of Air Transportation, 11(2), 22. 2006. MORENO, M. B.; MULLER, C. Airport choice in São Paulo Metropolitan Area: An application of the conditional LOGIT model. 2003. Disponível em: . Acesso em 20 de agosto de 2016. NDOH, N.N.; PITFIELD, D.E.; CAVES, R.E. Air transportation passenger route choice: a Nested Multinomial Logit analysis. In: Fischer, M.M., Nijkamp, P., Papageorgiou, Y.Y. (Eds.), Spatial Choices and Processes. North Holland, Amsterdam, pp. 349–365. 1990. OZOKA, A.I.; ASHFORD, N. Application of disaggregate modeling in aviation systems planning in Nigeria: a case study. Transportation Research Record 1214, 10–20. 1989. PDUI - PLANO DE DESENVOLVIMENTO URBANO INTEGRADO. Região Metropolitana De São Paulo. São Paulo. 2016. Disponível em: . Acessado em: 29 de agosto de 2016. PELS, E.; NIJKAMP, P.; RIETVELD, P. Airport and airline competition for passengers departing from a large metropolitan area. Journal of Urban Economics 48, 29–45. 2000. PELS, E.; NIJKAMP, P.; RIETVELD, P. Airport and airline choice in a multiple airport region: an empirical analysis for the San Francisco Bay Area. Regional Studies, 35(1), 1-9. 2001. PELS, E.; NIJKAMP, P.; RIETVELD, P. Access to and competition between airports: a case study for the San Francisco Bay Area. Transportation Research Part A, vol. 37, n. 1, pp. 71-83. 2003. PELS, E.; NJEGOVAN, N.; BEHRENS, C. Low-cost airlines and airport competition. Transportation Research Part E 45 (2), 335–344. 2009. SKINNER, R. E. Airport Choice: An Empirical Study. Journal of Transportation Engineering, 102(TE4). 1976.

43

SUZUKI, Y.; CRUM, M. R.; AUDINO, M. J. Airport choice, leakage, and experience in single-airport regions. Journal of Transportation Engineering 129 (2), 212–218. 2003. SUZUKI, Y. Modeling and testing the ‘‘two-step’’ decision process of travelers in airport and airline choices. Transportation Research Part E 43 (1), 1–20. 2007. THOMPSON, A.; CAVES, R. The projected market share for a new small airport in the south of England. Regional Studies 27, 137–147. 1993. TRAIN, K.E. Discrete Choice Methods with Simulation. 2.ed. Cambridge University Press. 2009. WINDLE, R.; DRESNER, M. Airport choice in multi-airport regions. Journal of Transportation Engineering. 121, 332–337. 1995.

44

Apêndice Apêndice 1: Questionário de Campo

45

46

Apêndice 2: Variação e ajuste da Tarifa Aérea Média Doméstica entre 2009 e 2015

Variação da Tarifa Aérea Média Doméstica entre 2009 e 2015 Tarifa Aérea Média Variação percentual Ano Região UF Doméstica Real (R$) entre 2009 e 2015 2009 SUDESTE SP R$ 498,26 -32% 2015 SUDESTE SP R$ 338,61 Fonte: ANAC (2015)

Apêndice 3: Média amostral e intervalo de confiança com ajustes da Tarifa Aérea Média Doméstica entre 2009 e 2015 2009 Aeroportos

Média amostral

GRU CGH VCP

R$ 573 R$ 532 R$ 337

Intervalo (99% conf.) Min Max R$ 536 R$ 611 R$ 505 R$ 559 R$ 269 R$ 406

2015 Média amostral R$ 390 R$ 362 R$ 229

Intervalo (99% conf.) Min Max R$ 364 R$ 415 R$ 343 R$ 380 R$ 183 R$ 276

Apêndice 4: Resultado da regressão logística multinomial para o grupo Business MNLogit Regression Results Caso base: GRU CGH

Parâmetro meio_transporte Gênero Idade Renda M_1 M_2 M_3 M_4 M_5 M_6 M_7 M_8

Coeff -0,0836*** 0,0279 -0,0047 0,0198 0,5663*** 2,0360*** 0,3267 -1,0586*** -2,3824*** 0,2687 1,6819*** 0,9431***

t-stat Coeff -8,115 0,0386** 0,359 0,0693 -1,529 -0,0159*** 0,997 -0,0161 4,009 -1,1589*** 14,113 -0,6023** 1,479 -1,6355*** -3,350 -1,3983*** -8,062 -2,9345*** 1,305 -2,8308*** 8,407 -1,5857*** 6,236 -2,1124*** pseudo R² = 0,1298 Log-likelihood = -3674,3 N_Obs = 5250 P-value representation: ***p