Petróleo, dólar e passagens aéreas: análise da transmissão de preços do custo do combustível no setor de transporte aéreo doméstico - SET1 - IT201

Petróleo, dólar e passagens aéreas: análise da transmissão de preços do custo do combustível no setor de transporte aéreo doméstico Carolina Barbosa Resende IT201 – Análise de Transportes Prof.: Alessandro Oliveira São José dos Campos Abril/2015

Sumário ¤  Introdução ¤  Hipóteses e Equação ¤  Variáveis ¤  OLS ¤  Testes ¤  ¤  ¤  ¤  ¤ 

Raíz Unitária e Cointegração Análise Gráfica Multicolinearidade Heteroscedasticidade Autocorrelação

¤  OLS e OLS-HAC

Introdução ¤  Objetivo Preço do petróleo/ combustível

?

Preço das passagens aéreas

¤  Petróleo e dólar ¤  IATA (2010) - Combustível ≈ 40% dos custos operacionais

Introdução

Dólar

Petróleo

Passagem aérea Custo de vida

Demanda

Combustível Custo operacional Outros Distância da rota Índice de concentração (HHI) Número de passageiros/ demanda

Aeroporto Rota

Aeroporto

Market share Tarifas Múltiplos aeroportos na região

Rota

Economia de escopo Load factor Região turística Legacy Tipo de empresa Low cost (LCC)

Hipóteses e Equação Hipóteses

Tarifa

H#1

Combustível

é

H#2

Outros Custos

é

H#3

Market Share

é

H#4

Conexão

ê

H#5

HHI

é

¤  H#4 – Para o TRA1 foi considerado conexão como dummy, se a rota tem a opção de conexão a tarifa pode diminuir devido a competição extra existente.

Hipóteses e Equação Hipóteses

Tarifa

H#1

Combustível

é

H#2

Outros Custos

é

H#3

Market Share

é

H#4

Passageiros em conexão

é

H#5

HHI

é

ln ! = ! !! + ! !! ln !"#$ + ! !! ln !!"#!$%!!!"#!"#$ + ! !! ln !"#$"%&!!"ℎ!"#$# + ! !! !"#$%&'( + ! !! ln !"#$%ℎℎ! + ! !! ln max !"#$ℎℎ! + ! !! ln max !"#$%&ℎ!"# + ! !! ln max !"#$!ℎ!"# ! + !

Variáveis Sigla das variáveis

Sinal esperado na regressão

pdew

-

Custo médio do combustível

airline fuelcost

+

Outros custos operacionais

airline othcosts

+

Proporção máxima de passageiros em conexão Concentração de empresas na rota Máxima concentração de empresas no aeroporto Share da maior empresa na rota Máximo share da maior empresa no aeroporto

maxprcon

Variáveis Passageiros

routehhi max cityhhi max routeshare max cityshare

+ + + (-) + (-) +

¤  Market share da rota pode ser empiricamente negativo (Evans e Kessides) ¤  HHI do aeroporto pode levar a uma maior eficiencia das operações e reduzir as tarifas.

OLS ln pdew ln airline fuelcost ln airline othcosts maxprconn ln routehhi ln max cityhhi

(1) lnp -0.2503*** [0.015] 0.1192*** [0.012] 0.0239 [0.017] 0.5813*** [0.084] 0.0486** [0.021] -0.4016*** [0.032]

ln max routeshare ln max cityshare Observations RMSE F N_Obs

0.6751 0.2784 94.742 6803

(2) lnp -0.3049*** [0.015] 0.1061*** [0.011] 0.0196 [0.016] 0.4817*** [0.078] 0.0577*** [0.021] -0.3961*** [0.031] -0.0666*** [0.011] 0.0199 [0.014] 0.7228 0.2549 113.558 6594

Raíz Unitária e Cointegração Im-Pesaran-Shin unit-root test for lnmaxmhhi -------------------------------------------------------------------------------------------------Ho: All panels contain unit roots Number of panels = 52 Ha: Some panels are stationary Number of periods = 90 AR parameter: Panel-specific Panel means: Included Time trend: Not included

Asymptotics: T,N -> Infinity sequentially

ADF regressions: No lags included -------------------------------------------------------------------------------------------------Fixed-N exact critical values Statistic p-value 1% 5% 10% -------------------------------------------------------------------------------------------------t-bar -1.3453 -1.730 -1.670 -1.640 t-tilde-bar -1.3364 Z-t-tilde-bar 1.4206 0.9223 --------------------------------------------------------------------------------------------------

Pedroni's cointegration tests: No. of Panel units: 52 Regressors: 5 No. of obs.: 4680 Avg obs. per unit: 90 Data has been time-demeaned. -----------------------------------------------Test Stats. Panel Group -----------------------------------------------v 5.783 . rho -24.07 -24.62 t -25.61 -29.03 adf -17.31 -18.35 -------------------------------------All test statistics are distributed N(0,1), under a null of no cointegration, and diverge to negative infinity (save for panel v).

2 0 e( lnp | X ) -2 -4 -6

-6

-4

e( lnp | X ) -2

0

2

Análise gráfica

-4

-3

-2 -1 e( lnc_fuea | X )

0

1

-2

-1 0 e( lnpdew | X )

1

-2 -1 e( lnc_fuea | X )

0

1

1

.5

.5

e( lnp | X ) -.5 0

e( lnp | X ) -.5 0 -1

-1

-2

-1 0 e( lnpdew | X )

1

-1.5

-3

-1.5

-4

1

2 0 e( lnp | X ) -2 -4 -6

-6

-4

e( lnp | X ) -2

0

2

Análise gráfica

-4

-3

-2 -1 e( lnc_fuea | X )

0

1

-1.5

-1

-.5 0 e( lnpdew | X )

.5

1

Multicolinearidade Variable VIF 1/VIF ------------------------------------------------Lnpdew 17.37 0.057560 Maxprcon 8.64 0.115716 lnc_avca_oth 3.47 0.288334 Lnmphhi 2.73 0.366872 lnmaxmhhi 2.64 0.378399 lnc_fuea 2.20 0.454668 ------------------------------------------------Mean VIF 7.24

¤  Correlação de regressores ¤  Risco de Falso Negativo (estatística t baixa) ¤  Multicolinearidade não problemática (Sinal e significância estatística)

Heteroscedasticidade OLS heteroskedasticity test(s) using levels of IVs only Ho: Disturbance is homoskedastic White/Koenker nR2 test statistic : 301.190 Chi-sq(146) P-value = 0.0000 Breusch-Pagan/Godfrey/Cook-Weisberg : 5268.470 Chi-sq(146) P-value = 0.0000 OLS heteroskedasticity test(s) using levels and squares of IVs Ho: Disturbance is homoskedastic White/Koenker nR2 test statistic : 320.081 Chi-sq(152) P-value = 0.0000 Breusch-Pagan/Godfrey/Cook-Weisberg : 5598.914 Chi-sq(152) P-value = 0.0000 OLS heteroskedasticity test(s) using fitted value (X*beta-hat) Ho: Disturbance is homoskedastic White/Koenker nR2 test statistic : 5.698 Chi-sq(1) P-value = 0.0170 Breusch-Pagan/Godfrey/Cook-Weisberg : 99.677 Chi-sq(1) P-value = 0.0000 OLS heteroskedasticity test(s) using fitted value (X*beta-hat) & its square Ho: Disturbance is homoskedastic White/Koenker nR2 test statistic : 5.842 Chi-sq(2) P-value = 0.0539 Breusch-Pagan/Godfrey/Cook-Weisberg : 102.193 Chi-sq(2) P-value = 0.0000

¤  Risco de Falso Positivo (estatística t inflada) ¤  Ajuste Huber-White-Sandwich

Autocorrelação Cumby-Huizinga test for autocorrelation H0: variable is MA process up to order q HA: serial correlation present at specified lags >q -----------------------------------------------------------------------------------------------H0: q=0 (serially uncorrelated) | H0: q=specified lag-1 HA: s.c. present at range specified | HA: s.c. present at lag specified -----------------------------------------------------------------------------------------------lags chi2 df p-val | lag chi2 df p-val -----------------------------------------------------------------------------------------------1 - 1 | 1078.459 1 0.0000 | 1 | 1078.459 1 0.0000 1 - 2 | 1224.757 2 0.0000 | 2 | 553.540 1 0.0000 1 - 3 | 1276.748 3 0.0000 | 3 | 302.586 1 0.0000 1 - 4 | 1325.022 4 0.0000 | 4 | 235.232 1 0.0000 1 - 5 | 1331.927 5 0.0000 | 5 | 108.586 1 0.0000 1 - 6 | 1337.085 6 0.0000 | 6 | 77.931 1 0.0000 1 - 7 | 1337.271 7 0.0000 | 7 | 44.390 1 0.0000 1 - 8 | 1340.335 8 0.0000 | 8 | 30.163 1 0.0000 1 - 9 | 1344.028 9 0.0000 | 9 | 6.196 1 0.0128 1 - 10 | 1355.654 10 0.0000 | 10 | 0.795 1 0.3727 1 - 11 | 1368.192 11 0.0000 | 11 | 0.889 1 0.3456 1 - 12 | 1370.224 12 0.0000 | 12 | 8.326 1 0.0039 1 - 13 | 1413.704 13 0.0000 | 13 | 36.390 1 0.0000 -----------------------------------------------------------------------------------------------Test allows predetermined regressors/instruments Test robust to heteroskedasticity

¤  Risco de Falso Positivo (estatística t inflada) ¤  Já controlado heteroscedasticidade ¤  Evidência de correlação no lag 10 (sem share), e lag 9 (com share) ¤  Ajuste Newey-West

OLS e OLS-HAC

OLS e OLS-HAC ln pdew ln airline fuelcost ln airline othcosts maxprconn ln routehhi ln max cityhhi ln max routeshare ln max cityshare Observations RMSE F N_Obs

(1) OLS -0.3049*** [0.015] 0.1061*** [0.011] 0.0196 [0.016] 0.4817*** [0.078] 0.0577*** [0.021] -0.3961*** [0.031] -0.0666*** [0.011] 0.0199 [0.014] 0.7228 0.2549 113.558 6594

(2) OLS-HAC -0.3049*** [0.025] 0.1061*** [0.038] 0.0196 [0.029] 0.4817*** [0.121] 0.0577* [0.034] -0.3961*** [0.056] -0.0666*** [0.020] 0.0199 [0.020] 0.7228 0.2549 43.432 6594

Bibliografia ¤  EVANS, W. N.; KESSIDES, I. N. Localized market power in the US airline industry. The review of economics and statistics. 75, 66-75. 1993. ¤  HOFER, C.; DRESNER, M. E.; WINDLE, R. J. The impact of airline financial distress on US air fares: A contingency approach. Transportation research part E. 45, 238-249. 2008. ¤  HOFER, C.; EROGLU, C. Investigating the effects of economies of scope on firms’ pricing behavior: Empirical evidence from the US domestic airline industry. Transportation research part E. 46, 109-119. 2009. ¤  HOFER, C.; WINDLE, R. J.; DRESNER, M. E. Price premiums and low cost carrier competition. Transportation research part E. 44, 864-882. 2007. ¤  HSU, C. I.; EIE, W. Airline network design and adjustment in response to fluctuation in jet fuel prices. Mathematical and Computer Modelling. 58, 1791-1803. 2013. ¤  INTERNATIONAL AIR TRANSPORT AVIATION – IATA. Economic briefing: Airline fuel and labor cost share. 2010. Disponível em: . Acesso em: 8 abr. 2015. ¤  INTERNATIONAL AIR TRANSPORT AVIATION – IATA. Urgent change for Brazilian aviation – Driving economic benefits and improving competitiveness. 2011. Disponível em: . Acesso em: 8 abr. 2015.

Bibliografia ¤  LIANG, J. An econometric analysis on pricing and market structure in the U.S. Airline industry. The Macalester Review. v.3, i.2, article 2. 2013. ¤  LIM, S. H.; HONG, Y. Fuel hedging and airline operating costs. Journal of Air Transport Management. 36, 33-40. 2013. ¤  MORREL, P.; SWAN, W. Airline jet fuel hedging: theory and practice. Transport Reviews: A Transnational Transdisciplinary Journal. 26:6, 713-730. 2006. ¤  OLIVEIRA, A. M. V. Notas de aula “Summer School – IT 201”, ITA – 2015. ¤  RYERSON, M. S.; HANSEN, M. Capturing the impact of fuel price on jet aircraft operating costs with Leontief technology and econometric models. Transportation Research Part C. 33, 282-296. 2013. ¤  RYERSON, M. S.; KIM, H. The impact of airline mergers and hub reorganization on aviation fuel consumption. Journal of Cleaner Production. 85, 395-407. 2013. ¤  VOWLES, T. M. Airfare pricing determinants in hub-to hub markets. Journal of transport geography. 14, 14-22. 2004.