SELEÇÃO DE INDICADORES ECONÔMICOS PARA ESTIMAÇÃO DE DEMANDA AGREGADA POR TRANSPORTE COLETIVO - ESTUDO DA REGIÃO METROPOLITANA DE SÃO PAULO

Transcrição

1 SELEÇÃO DE INDICADORES ECONÔMICOS PARA ESTIMAÇÃO DE DEMANDA AGREGADA POR TRANSPORTE COLETIVO - ESTUDO DA REGIÃO METROPOLITANA DE SÃO PAULO Daniel Alberto Pamplona Alessandro Viní cius Marques de Oliveira

2 SELEÇÃO DE INDICADORES ECONÔMICOS PARA ESTIMAÇÃO DE DEMANDA AGREGADA POR TRANSPORTE COLETIVO - ESTUDO DA REGIÃO METROPOLITANA DE SÃO PAULO Daniel Alberto Pamplona Alessandro Vinicius Marques de Oliveira Instituto Tecnológico de Aeronáutica RESUMO Este trabalho objetiva promover uma análise de indicadores econômicos para o estudo de demanda agregada por transportes. O objetivo é apresentar um método de seleção de indicadores de condições econômicas que auxiliem no estudo de demanda por transporte urbano coletivo público, tendo como estudo de caso Região Metropolitana de São Paulo (RMSP). Através da utilização de modelagem econométrica, estimou-se o efeito de variáveis determinantes do movimento total no sistema de transportes, mais especificamente as tarifas e os indicadores de emprego, salário e produção. Através de testes estatísticos realizou-se a classificação dos indicadores, tendo aqueles ligados à indústria e desagregados para a localidade apresentado o melhor desempenho. Palavras-chave: transporte urbano, indicadores econômicos, econometria, regressão linear, previsão. ABSTRACT This paper develops a study of economic indicators for the study of aggregate transport demand. The objective is to present a method of selecting economic indicators that assist in the study of urban public transport demand, taking as a case study the Metropolitan Region of São Paulo (MRSP). Using econometric modelling, we estimated the effect of variables determining the total traffic in the transport system, and more specifically fares and the employment and wage indicators. Statistical tests were performed and produced a rank of indicators, with those connected to the industry and listed locally presented the best performance. Key words: urban transportation, economic indicators, econometrics, linear regression, forecast. 1. INTRODUÇÃO No processo de elaboração e condução das políticas públicas, os governos dependem amplamente de um grande número de indicadores socioeconômicos para auxiliar no planejamento e tomada de decisão. Apoiando-se na utilização desses dados, os planejadores necessitam de instrumentos capazes de indicarem a ocorrência de fenômenos e que garantam uma melhor condução das decisões políticas. Dentre essas decisões, devido ao impacto causado na qualidade de vida da população, o planejamento do transporte público coletivo nas grandes metrópoles tem recebido grande atenção dos governantes. O presente trabalho tem por objetivo apresentar um método de seleção de indicadores de condições econômicas que auxiliem no estudo de demanda por transporte urbano coletivo público, tendo como estudo de caso Região Metropolitana de São Paulo (RMSP). Através da utilização de modelo econométrico de demanda agregada, quantificou-se o efeito de variáveis determinantes do movimento total de passageiros no sistema de transportes urbano coletivo público, mais especificamente as tarifas, os indicadores de emprego, salário e produção no montante de viagens. Os indicadores econômicos são utilizados por permitirem o entendimento situacional do comportamento da economia e do fenômeno analisado. São dados estatísticos da situação econômica de um mercado específico ou de um setor da economia e são empregados como ferramentas para auxiliarem na análise em um determinado instante. A análise das séries históricas e da metodologia econômica por trás de cada índice propicia uma melhor previsão do futuro. O grande problema enfrentado é que muitas das vezes os indicadores podem se contradizer ou não permitir uma correta previsão. 1

3 Baumohl (2012), de maneira geral, lista alguns fatores determinantes para a escolha de indicadores nos diversos setores da economia: 1. Acuracidade, ou seja, a qualidade da informação é um atributo importante a ser considerado ao se escolher um indicador. Existem indicadores que passam por várias correções e revisões, além de sofrerem a influência da sazonalidade, criando incerteza e viés. 2. Temporalidade, ou seja, alguns indicadores não são disponíveis em s constantes. Para a realização de previsões, os indicadores devem ser os mais atualizados possíveis. Da mesma forma, devem ser disponibilizados o mais perto possível de sua consolidação. 3. Estágio cíclico do negócio: a ênfase dada a um indicador pode sofrer mudanças devido ao de negócios enfrentado. 4. Capacidade preditiva: a capacidade do indicador para auxiliar em previsões econômicas é muito importante durante a realizações de prognósticos. E, por fim, 5. Grau de interesse e relevância: os indicadores podem ter diferentes níveis de relevância em diferentes economias. A demanda por transporte é considerada uma demanda derivada, onde mercadorias e pessoas deslocam-se não com o objetivo simples de se deslocar, mas o de agregar valor com a realocação no espaço. O transporte público de passageiros desempenha o papel de integrar os diversos espaços urbanos e de conectar os locais de trabalho e de lazer, fomentando o consumo nas regiões de atuação. Desta forma, o nível e o tipo de serviço prestados afetam o desenvolvimento das diversas atividades econômicas e sociais. Apesar dos avanços ocorridos nas últimas décadas quanto à tecnologia dos veículos, a infraestrutura viária, os instrumentos de gestão do poder público e a modernização de empresas operadoras, o transporte público na Região Metropolitana de São Paulo ainda enfrenta problemas que comprometem sua qualidade. Dentre esses enormes desafios, que fazem parte da rotina diária de milhões de paulistanos e de visitantes que passam pela cidade, pode-se citar o número crescente de automóveis no sistema - que levam a congestionamentos e comprometem o tempo médio de viagem e a produtividade das atividades urbanas -, a má distribuição espacial das atividades econômicas - que afeta o desempenho das operações de transporte - e o ritmo abaixo das expectativas em investimentos necessários à melhoria do transporte público, que provocam quedas no nível e na sustentabilidade do serviço. Durante as últimas décadas, o conceito e processo de planejamento do transporte urbano tem mudado em decorrência das mudanças sociais, econômicas e ambientais experimentados pela sociedade. Nesse escopo, a ANTP (1997) define o planejamento de transportes como a atividade que define a infraestrutura necessária para assegurar à circulação das pessoas e mercadorias. Este também é responsável por organizar os sistemas de transporte que estão sujeitos à regulamentação pública, inclusive a tecnologia e o nível de serviço a ser ofertado - transporte público, táxi, transporte especial. O presente trabalho visa contribuir com uma melhor metodologia para a seleção de indicadores de condições econômicas apropriados para o correto dimensionamento da demanda por transporte urbano coletivo público para que em última instância possam contribuir para o macroplanejamento do setor. Os modelos econométricos e a análise dos indicadores de demanda podem ser ferramentas extremamente úteis de embasamento quantitativo ao planejamento de transportes, gerando uma melhor estimação de cenários futuros e permitindo a correta adequação pelo planejador público. 2

4 O trabalho está organizado da seguinte forma: na Seção 2, é apresentado o sistema de transporte coletivo público na RMSP; na Seção 3, efetua-se o desenvolvimento metodológico do artigo, com detalhamento da modelagem econométrica utilizada, a apresentação e discussão dos resultados das estimações; na Seção 4 é apresentada a seleção de indicadores econômicos por demanda de transporte urbano coletivo; por fim, temos a seção conclusiva, com um balanço e apontamento de limitações do trabalho. 2. O SISTEMA DE TRANSPORTE COLETIVO PÚBLICO NA RMSP O transporte público é um modo de locomoção importante nas grandes cidades. Devido ao aumento da necessidade de mobilidade e inadequado montante de investimentos em infraestrutura, a motorização é uma enorme força no crescimento econômico, porém quando não feito com o correto planejamento traz como consequência o congestionamento e aumento da poluição. Inserido nesse contexto, encontra-se a RMSP. Segundo dados da São Paulo Transporte S.A. - SPTrans, disponíveis em sua página na internet, a cidade de São Paulo atende uma demanda média de 6 milhões de passageiros transportados por dia útil, com o universo de linhas de ônibus sendo operadas por empresas privadas. A gestão do sistema é feita pela SPTrans, em um sistema de linhas operado por "16 consórcios, formados por empresas e cooperativas, responsáveis pela operação de 15 mil veículos em mais de linhas" e que opera "cerca de 55% das viagens motorizadas" da região metropolitana. Adicionalmente ao sistema gerido pela empresa, operam na cidade a Companhia do Metropolitano (Metrô) e a Companhia Paulista de Trens Metropolitanos (CPTM). Por fim, ainda opera na cidade o Sistema Metropolitano de Ônibus, operado pela EMTU, que cumpre o papel de interligar a capital às cidades da Região Metropolitana - que não opera serviços sobre trilhos. A Tabela 1 apresenta a evolução do tráfego de passageiros do transporte coletivo urbano da RMSP, desagregando os valores entre Sistema sob Pneus (ônibus públicos, operados pela SPTrans e pela EMTU) e Sistema sob Trilhos (metroferroviário, operado pela Companhia do Metropolitano, ViaQuatro e EMTU). Tabela 1: Evolução recente do tráfego de passageiros na Região Metropolitana de São Paulo Ano (1) Sistema sob Pneus (SPTrans + EMTU) pax/ano (bilhões) pax/dia (milhões) (2) Sistema sob Trilhos (Metrô + Via4 + CPTM) pax/ano (bilhões) pax/dia (milhões) pax/ano (bilhões) (1) + (2) Total dos Sistemas pax/dia (milhões) ,39 9,29 1,56 4,28 4,95 13, ,46 9,48 1,69 4,62 5,15 14, ,50 9,60 1,84 5,04 5,34 14, ,49 9,56 2,03 5,57 5,52 15, ,50 9,60 2,09 5,73 5,59 15,33 Fonte: SPTrans ( e Secretaria dos Transportes Metropolitanos (dados coletados por meio do Sistema Integrado de Informações ao Cidadão, Governo do Estado de São Paulo). Nota: não estão incluídos dados de transporte coletivo público intramunicipal das cidades da RMSP, apenas da cidade de São Paulo. Pode-se analisar, pela Tabela 1, que o Sistema sob Pneus atendeu um montante de 3,5 bilhões 3

5 de passageiros em 2013, o equivalente a quase 10 milhões de passageiros diários. Isso representou um crescimento de 3,3% em relação aos valores de Em paralelo, o sistema metroferroviário atingiu o tráfego total de 2,09 bilhões de passageiros em 2013, em um crescimento bem mais acelerado, em torno de 34,0% no mesmo. A CPTM e o Metrô transportaram em média 5,73 milhões de pessoas por dia em No cômputo total dos dois sistemas, ultrapassou-se a casa dos 15 milhões de passageiros já em 2012, atingindo a marca de 15,33 milhões/dia em 2013, o que representou 5,6 bilhões de passageiros total - com crescimento de 12,9% em relação a Para uma discussão dos transportes na RMSP, vide Paiva (2011 e 2013). 3.MODELAGEM ECONOMÉTRICA DE DEMANDA AGREGADA POR TRANSPORTES O estudo de demanda engloba a análise qualitativa da base de dados coletada, bem como o desenvolvimento de modelo econométrico de demanda por viagens urbanas em transporte coletivo. Uma das grandes vantagens da utilização de modelos econométricos é a possibilidade de analisar as relações de causa entre a variável dependente, no caso do estudo a quantidade de passageiros diários na RMSP, e a variável independente, os fatores que podem influenciar na demanda de passageiros, 3.1 Base de dados e configuração do modelo O procedimento de coleta de dados englobou consulta a páginas da internet das instituições responsáveis pelo setor de transportes no município de São Paulo, bem como no estado de São Paulo. Foram feitas consultas às seguintes fontes de dados para a presente pesquisa: SPtrans, EMTU, CTPM, CET, Metrô, Fundação Seade, ViaQuatro. Os principais dados e estatísticas utilizados no trabalho foram obtidos na página da SPTrans e junto à Secretaria dos Transportes Metropolitanos (STM) por meio do Sistema Integrado de Informações ao Cidadão do Governo do Estado de São Paulo. Ao final do procedimento de coleta e tratamento dos dados, obteve-se uma amostra com 168 pontos amostrais. A periodicidade dos dados é mensal, englobando o de janeiro de 2000 a dezembro de A equação (1) apresenta o modelo econométrico utilizado no trabalho. pa diários sp = + indicador econômico + tarifa média + sazonalidade mês + (1) Onde as variáveis utilizadas são as seguintes: - : número total diário de passageiros do transporte coletivo público da Região Metropolitana de São Paulo (fonte: SPTrans e Secretaria dos Transportes Metropolitanos e cálculos próprios). No cômputo do total de passageiros não estão incluídos os tráfegos de passageiros do transporte coletivo público intramunicipal das cidades da RMSP, mas apenas da cidade de São Paulo (fonte: SPTrans). - tarifa média: índice da tarifa média do transporte coletivo público da RMSP em valores constantes de janeiro de 2014 (fonte: Instituto Brasileiro de Geografia e Estatística, IBGE). A base do índice é 100, fixada ao valor médio de No cômputo dessa variável, foram utilizados dados coletados no Banco de Dados Agregados do Sistema IBGE de Recuperação Automática (SIDRA), disponível em sidra.ibge.gov.br. Na base 4

6 referente ao Índice Nacional de Preços ao Consumidor Amplo (IPCA), foram coletados dados mensais de variação de preços na RMSP para os itens de tarifa de ônibus municipal, ônibus intermunicipal, metrô e trem metropolitano. Construiu-se um índice médio desses itens, ponderando-se por sua participação no total de tráfego mês a mês, com base nos dados coletados junto à SPTRans e à Secretaria dos Transportes Metropolitanos. Para o procedimento de ajuste a valores monetários constantes visando expurgar o efeito inflacionário, foi utilizado a inflação geral do IPCA para a RMSP. - salário: representa o índice de salário nominal médio na indústria do Estado São Paulo, trazido a valores constantes de janeiro de 2014 pelo IPCA/IBGE (vide procedimento das tarifas acima). A série tem como fonte a Federação e Centro das Indústrias do Estado de São Paulo (Fiesp), Levantamento de Conjuntura, e foram coletadas no Portal Ipeadata - emprego: representa o índice do nível de emprego na indústria do Estado de São Paulo. A série tem como fonte a Federação e Centro das Indústrias do Estado de São Paulo (Fiesp), Levantamento de Conjuntura, e foram coletadas no Portal Ipeadata - massa salarial: representa o índice de remuneração paga ao total de empregados da unidade local, no mês de referência da pesquisa. A série tem como fonte a Confederação Nacional das Indústrias (CNI) e foram coletadas no Portal Ipeadata - população ocupada: representa o índice do número de pessoas na RMSP que estavam trabalhando na semana de referência da Pesquisa Nacional por Amostra de Domicílios (Pnad/IBGE), estimado a partir dos microdados da pesquisa. A série tem como fonte o Instituto de Pesquisa Econômica Aplicada (Ipea) e foram coletadas no Portal Ipeadata - população economicamente ativa: representa o índice do número de pessoas na RMSP consideradas ativas no mercado de trabalho, grupo que inclui todas aquelas com 10 anos ou mais de idade que estavam procurando ocupação ou trabalhando na semana de referência da Pesquisa Nacional por Amostra de Domicílios (Pnad/IBGE), estimado a partir dos microdados da pesquisa. A série tem como fonte o Instituto de Pesquisa Econômica Aplicada (Ipea) e foram coletadas no Portal Ipeadata - atividade: representa o índice da taxa de atividade das pessoas de 10 anos ou mais de idade, por Regiões Metropolitanas. A série tem como fonte o Instituto Brasileiro de Geografia e Estatística (IBGE) e foram coletadas no Portal Ipeadata - vendas varejo: representa o índice da taxa de índice nominal de vendas no varejo. A série tem como fonte o Instituto Brasileiro de Geografia e Estatística (IBGE) e foram coletadas no Portal Ipeadata - vendas indústria: representa o índice da taxa de índice nominal de vendas da indústria. A série tem como fonte a Federação das Indústrias do Estado de São Paulo (Fiesp), e foram coletadas no Portal Ipeadata - utilização capacidade: representa o índice da taxa de utilização da capacidade instalada na indústria. A série tem como fonte a Confederação Nacional das Indústrias (CNI) e foram coletadas no Portal Ipeadata - arrecadação ICMS: representa o índice da taxa de arrecadação do Imposto sobre Operações Relativas à Circulação de Mercadorias e sobre Prestações de Serviços de Transporte Interestadual e Intermunicipal e de Comunicação. A série tem como fonte o 5

7 Ministério da Fazenda e foram coletadas no Portal Ipeadata - PIB São Paulo: representa o índice da taxa de Produto Interno Bruto do Estado de São Paulo. A série tem como fonte o Banco Central e foram coletadas no Portal Ipeadata - PIB Brasil: representa o índice da taxa de de Produto Interno Bruto do Brasil. A série tem como fonte o Banco Mundial e foram coletadas no Portal Ipeadata - u: é o termo de erro econométrico da regressão. A Tabela 2 a seguir apresenta as estatísticas descritivas das variáveis utilizadas no modelo econométrico: Tabela 2: Estatísticas descritivas Unidade de Média Desvio Mín. Máx. Variável Medida Padrão milhões pax 11,63 2,83 6,50 16,52 tarifa média índice 2010 = ,85 8,23 96,14 128,85 salário índice 2010 = ,55 12,98 64,83 110,43 emprego índice 2010 = ,13 6,61 81,13 106,11 massa salarial índice 2010 = ,88 17,09 56,30 109,16 pop ocupada índice 2010 = ,15 7,93 77,89 106,47 pop econom ativa índice 2010 = ,36 5,40 82,56 104,44 atividade índice 2010 = ,77 1,51 93,83 103,23 vendas varejo índice 2010 = ,90 21,58 55,48 157,24 vendas indústria índice 2010 = ,40 15,28 53,82 118,36 util capacidade índice 2010 = ,00 2,69 90,50 103,22 arrecadação icms índice 2010 = ,10 18,78 51,28 138,23 pib São Paulo índice 2010 = ,66 7,20 82,77 121,37 pib Brasil índice 2010 = ,90 18,03 52,34 115,23 tendência sequencial 102,50 59,03 1,00 204,00 tendência quebra sequencial x dummy 92,93 70,46 0,00 204,00 sazonalidade mês 1 dummy 0,08 0,28 0,00 1,00 sazonalidade mês 2 dummy 0,08 0,28 0,00 1,00 sazonalidade mês 3 dummy 0,08 0,28 0,00 1,00 sazonalidade mês 4 dummy 0,08 0,28 0,00 1,00 sazonalidade mês 5 dummy 0,08 0,28 0,00 1,00 sazonalidade mês 6 dummy 0,08 0,28 0,00 1,00 sazonalidade mês 7 dummy 0,08 0,28 0,00 1,00 sazonalidade mês 8 dummy 0,08 0,28 0,00 1,00 sazonalidade mês 9 dummy 0,08 0,28 0,00 1,00 sazonalidade mês 10 dummy 0,08 0,28 0,00 1,00 sazonalidade mês 11 dummy 0,08 0,28 0,00 1,00 sazonalidade mês 12 dummy 0,08 0,28 0,00 1,00 6

8 O gráfico a seguir apresenta a evolução ao longo do tempo dos principais indicadores de condições econômicas utilizados para o estudo de demanda por transporte coletivo, apresentado na Figura 1. salário emprego salário emprego massa salarial pop ocupada massa salarial pop ocupada pop econom ativa atividade pop econom ativa atividade 7

9 vendas varejo vendas indústria vendas varejo vendas indústria util capacidade arrecadação icms util capacidade arrecadação icms pib São Paulo pib Brasil pib São Paulo pib Brasil Figura 1: Evolução dos indicadores de condição econômica Fonte: Próprio autor Pode-se notar, na Figura 1, a correlação entre os vários indicadores do estudo e a quantidade de passageiros diários do transporte coletivo. Para a realização do trabalho, foram escolhidos 12 indicadores econômicos. Esses indicadores são reconhecidos termômetros da situação econômica em sentido amplo. Pretende-se por meio de estimações e testes econométricos verificar como eles se comportam, quando utilizados especificamente para o prognóstico do transporte público. 3.2 Resultados das estimações Apresenta-se a seguir os resultados da estimação do modelo econométrico de demanda por viagens urbanas do transporte coletivo urbano da Região Metropolitana de São Paulo expresso na Equação (2) e utilizando os dados coletados e discutidos em 3.1. Com vistas a deixar mais 8

10 clara a análise dos impactos das variáveis regressoras na variável dependente, optou-se por exibir as elasticidades estimadas da demanda de passageiros com relação ao respectivo regressor. Denominemos essas elasticidades da demanda de á. A exibição das elasticidades torna os resultados dos coeficientes estimados adimensionais (isto é, independem da escala adotada nas variáveis do modelo). As elasticidades da demanda podem ser definidas da seguinte forma: á = pa diários sp regressor média amostral do regressor média amostral de pa diários sp (2) Os resultados das elasticidades advindas dos coeficiente estimados pelo modelo de regressão estão apresentados na Tabela 3. O estimador utilizado foi o estimador de Mínimos Quadrados Ordinários (Ordinary Least Squares, OLS). Nas Tabelas 3 e 4 apresenta-se os resultados de estimação utilizando para especificação os indicadores de condições econômicas utilizados separadamente. As estrelas apresentadas são indicativas dos testes de hipóteses quanto à nulidade das elasticidades a um determinado nível de significância (***, ** e * indicando 1%, 5% ou 10%, respectivamente). A ausência de estrelas indica que a variável não foi estatisticamente significante no modelo econométrico estimado. Tabela 3: Resultados do modelo de regressão (variável dependente: ) (I) (II) (III) (IV) (V) (VI) salário emprego massa poc pea atividade salário 0,6359*** emprego 0,5646* massa salarial 0,5676*** pop ocupada 2,1246*** pop econom ativa 0,8401** atividade 0,5951 tarifa média -0,2458-0,6586** -0,4977*** -0,3414-0,1908-0,1651 sazonalidade mês 2 0,0071*** 0,0074*** 0,0072*** 0,0075*** 0,0066*** 0,0066*** sazonalidade mês 3 0,0102*** 0,0102*** 0,0100*** 0,0115*** 0,0100*** 0,0101*** sazonalidade mês 4 0,0074*** 0,0078*** 0,0067*** 0,0101*** 0,0085*** 0,0086*** sazonalidade mês 5 0,0085*** 0,0088*** 0,0075*** 0,0104*** 0,0095*** 0,0095*** sazonalidade mês 6 0,0069*** 0,0074*** 0,0060*** 0,0085*** 0,0080*** 0,0081*** sazonalidade mês 7 0,0020* 0,0026 0,0010 0,0034*** 0,0035** 0,0036** sazonalidade mês 8 0,0111*** 0,0110*** 0,0100*** 0,0112*** 0,0116*** 0,0117*** sazonalidade mês 9 0,0089*** 0,0088*** 0,0076*** 0,0090*** 0,0101*** 0,0103*** sazonalidade mês 10 0,0100*** 0,0100*** 0,0085*** 0,0099*** 0,0113*** 0,0115*** sazonalidade mês 11 0,0056*** 0,0076*** 0,0046*** 0,0069*** 0,0089*** 0,0090*** sazonalidade mês 12 0,0038*** 0,0059*** 0,0040*** 0,0038** 0,0064*** 0,0064*** R 2 0,9638 0,9560 0,9674 0,9631 0,9543 0,9530 RMSE 0,5649 0,6228 0,5359 0,5674 0,6316 0,6407 Teste F (Estatística) 194, , , , , ,5394 Teste F (Valor P) 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 RESET 2,5956 5,7862 0,2651 4,0420 7,1044 8,8856 RESET_PValue 0,1072 0,0162 0,6066 0,0444 0,0077 0,0029 Notas: (1) ***, **, * indicam estatisticamente significante a 1%, 5% e 10%, respectivamente. (2) Erros padrões das estimativas omitidos. Os mesmos foram corrigidos de forma a serem robustos à presença de heteroscedasticidade e autocorrelação de ordem 18 (apontada em testes de hipóteses). A correção adotada foi o procedimento Newey-West (vide Baum, 2006 e Wooldridge, 2002). (3) Resultados apresentados refletem as elasticidades a partir dos respectivos coeficientes estimados. 9

11 Tabela 4 : Resultados do modelo de regressão (variável dependente: ) (VII) (VIII) (IX) (X) (XI) (XII) varejo indústria utilização icms pib-sp pib-brasil vendas varejo 0,0281 vendas indústria 0,5791*** util capacidade 1,5274*** arrecadação icms 0,1583** pib São Paulo 0,1194 pib Brasil 0,3826*** tarifa média -0,4121-0,2932-0,4132** -0,4198* -0,1195-0,4051* sazonalidade mês 2 0,0075*** 0,0070*** 0,0059*** 0,0081*** 0,0068*** 0,0086*** sazonalidade mês 3 0,0102*** 0,0034 0,0065** 0,0107*** 0,0093*** 0,0105*** sazonalidade mês 4 0,0085*** 0,0053** 0,0052** 0,0085*** 0,0080*** 0,0084*** sazonalidade mês 5 0,0098*** 0,0040* 0,0046 0,0099*** 0,0086*** 0,0085*** sazonalidade mês 6 0,0084*** 0,0024 0,0037* 0,0080*** 0,0073*** 0,0069*** sazonalidade mês 7 0,0038*** -0,0023-0,0012 0,0038*** 0,0026** 0,0027** sazonalidade mês 8 0,0122*** 0,0030 0,0060* 0,0122*** 0,0105*** 0,0110*** sazonalidade mês 9 0,0103*** 0,0009 0,0046 0,0097*** 0,0094*** 0,0100*** sazonalidade mês 10 0,0115*** 0,0018 0,0057** 0,0106*** 0,0105*** 0,0097*** sazonalidade mês 11 0,0089*** 0,0012 0,0042** 0,0083*** 0,0083*** 0,0068*** sazonalidade mês 12 0,0052** 0,0002 0,0066*** 0,0053*** 0,0053*** 0,0046*** R 2 0,9504 0,9633 0,9623 0,9542 0,9532 0,9537 RMSE 0,6610 0,5684 0,5761 0,6355 0,6455 0,6388 Teste F (Estatística) 148, , , , , ,7733 Teste F (Valor P) 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 RESET 1,1623 0,0041 0,0014 1,0882 6,9748 1,0809 RESET_PValue 0,2810 0,9493 0,9700 0,2969 0,0083 0,2985 Notas: (1) ***, **, * indicam estatisticamente significante a 1%, 5% e 10%, respectivamente. (2) Erros padrões das estimativas omitidos. Os mesmos foram corrigidos de forma a serem robustos à presença de heteroscedasticidade e autocorrelação de ordem 18 (apontada em testes de hipóteses). A correção adotada foi o procedimento Newey-West (vide Baum, 2006 e Wooldridge, 2002). (3) Resultados apresentados refletem as elasticidades a partir dos respectivos coeficientes estimados. Primeiramente, verificou-se o nível que o indicador e a tarifa média apresentaram de significância estatística. A significância é um balizador importante quando se lida com amostras e se trabalha com hipóteses. Quanto maior for a significância da variável independente, o mais perto de 0%, pode-se melhor rejeitar a hipótese nula, que no caso do estudo é que a variável não tem influência no modelo, com o seu coeficiente igual a zero. A tarifa média é o indicador econômico principal para verificar a demanda. Toda decisão de qual meio de transporte utilizar, devendo estar presente em qualquer análise de demanda. Caso ocorra o aumento do preço, a quantidade demandada diminuirá, fato esse demonstrado com o sinal negativo da regressão. A tarifa média apresentou significância estatística de 1% apenas com a utilização do índice massa. A 5% com emprego e utilização e a 10% com icms e pib-brasil. Nos demais índices, a tarifa média não apresentou significância estatística. Analisando a significância do índice, salário, massa, população ocupada, indústria, utilização e pib-brasil apresentaram significância de 1%. População economicamente ativa e ICMS apresentaram significância de 5%; emprego apresentou significância de 10% e as demais não apresentaram significância estatística. A respeito das estatísticas-síntese do modelo de regressão estimado. O coeficiente de determinação (R 2 ) ficou acima de 90%, indicando um ajuste adequado dos dados ao modelo. O teste F é utilizado para testar a significância geral de uma regressão múltipla, verificando se todos os coeficientes angulares são simultaneamente iguais a zero (hipótese nula). Se pelo 10

12 menos um dos coeficientes for diferente de zero, poderemos rejeitar a hipótese nula. Quanto menor o valor-p do teste F, com maior facilidade poderemos rejeitar a hipótese nula. Todos os modelos apresentaram valor-p do teste F estatisticamente significante a 1%, indicando que pelo menos um dos coeficientes é diferente de zero e o modelo possui poder explicativo do fenômeno. Por fim, temos o Teste RESET, que tem como hipótese nula a existência de alguma subespecificação do modelo, medida por polinômios inseridos na regressão. Para aumentar o poder do teste de hipóteses, o valor-p do teste deve ser maior que 25%. Os indicadores presentes nas colunas III, VII, VIII, IX, X e XII não rejeitaram a hipótese nula, não apresentando subespecificação do sistema e os demais modelos apresentando subespecificação. Será realizado na próxima seção a classificação dos indicadores. 4. CLASSIFICAÇÃO DE INDICADORES DE CONDIÇÕES ECONÔMICAS Para a comparação entre os indicadores, conforme Tabela 5, foi utilizado como parâmetros para verificar a acuracidade do ajuste as estatísticas de RMSE, RESET e MAPE extraídas do modelo, bem como a significância estatística dos coeficientes. Após a análise dos parâmetros, foi realizada a classificação de 0 a 5, sendo 5 atribuído aos melhores coeficientes. A pontuação de score foi obtida como o somatória total da pontuação em cada critério. Para o critério RMSE, RESET e MAPE pontuaram os cinco menores indicadores. Para os Coeficientes 1 e 2 pontuaram aqueles que apresentaram significância estatística. O RMSE (Root Mean Square Error) é a raiz quadrada da média do erro e o MAPE (Mean Absolute percentage Error) é a média absoluta do erro percentual e são definidos como: RMSE = e MAPE = / (3) onde u: termo do erro da regressão; n: número de observações; e: erro de previsão no t; Yt: valor verdadeiro no t Tabela 5:Taxas de crescimento utilizadas nos cenários de previsão Modelo Variável RMSE RESET MAPE Coef. 1 Coef. 2 Score I salário * *** 3 II emprego ** * 3 III massa salarial *** *** 5 IV pop ocupada *** 3 V pop econom ativa *** 1 VI atividade VII vendas varejo VIII vendas indústria * *** 5 IX util capacidade ** *** 5 X arrecadação icms * ** 3 XI pib São Paulo XII pib Brasil * *** 3 Nota: indica seleção entre os 5 menores; indica que não rejeita a hipótese nula do teste, a 25% de significância (quanto maior a significância, mais conservador); ***, **, * indicam estatisticamente significante a 1%, 5% e 10%, respectivamente. 11

13 Os índices massa salarial, vendas indústria e utilização da capacidade mostraram-se os melhores indicadores. O transporte público é utilizado por grande parte dos trabalhadores como meio de locomoção, sendo inclusive garantido por lei o auxílio transporte. Caso ocorra a diminuição da força de trabalho, a demanda por transporte público diminuirá. Porém, índices como emprego e salário mostraram-se piores indicadores. Podemos analisar que a massa salarial e utilização da capacidade são medidos na unidade local, ao passo que salário e emprego são medidos no Estado de São Paulo. A especificidade em termos geográficos produziu melhores indicadores. O índice atividade e pib São Paulo mostraram ser os piores índices, devido não entrarem apenas os números da indústria mas o de outros setores da economia. Os melhores índices são aqueles ligados diretamente à indústria e medidos de forma local, mostrando a correlação entre trabalhadores e transporte público. 5. CONSIDERAÇÕES FINAIS O planejamento do transporte público urbano nas grandes metrópoles tem recebido grande atenção dos governantes. A utilização de indicadores econômicos confiáveis para os estudos de demanda permitirão um melhor planejamento e projeção das necessidades de infraestrutura necessária para assegurar à circulação das pessoas e mercadorias. Evidencia-se essa necessidade no caso da demanda por transporte, devido a sua característica derivada, onde os deslocamentos ocorrem, para agregação de valor e geração de riquezas. Através de análise econométrica e testes estatísticos, realizou-se a análise da demanda de passageiros e a sua relação com os índices econômicos. Os índices ligados è indústria e medidos de forma local mostraram-se os melhores indicadores na produção de viagens agregadas, ao passo que os índices de riqueza que englobam outros setores da economia e medidos de forma regional não produziram resultados significativos. Estudos futuros deverão ser realizados sobre a possível utilização de outros índices, como se comportarão indicadores de trabalhadores por faixa de renda, assim como deverão ser analisados indicadores educacionais para medir a força dos estudantes de escolas públicas e particulares no transporte público coletivo. REFERÊNCIAS BIBLIOGRÁFICAS ANTP (1997) Transporte Humano cidades com qualidade de vida. Associação Nacional de Transportes Públicos. São Paulo. Baumohl, B. (2012). The secrets of economic indicators: hidden clues to future economic trends and investment opportunities. FT Press. Baum, C. F. (2006) An introduction to modern econometrics using Stata. College Station: Stata Press. Paiva, C. (2011) Evolução dos tempos das viagens do modo trem na Região Metropolitana de São Paulo. Journal of Transport Literature, vol. 5, n. 3, pp Paiva, C. (2013) Atendimento à população: ônibus urbano no município de São Paulo. Journal of Transport Literature, vol. 7, n. 1, pp Wooldridge, J. (2002) Econometrics Analysis of Cross Section and Panel Data. Cambridge, Massachusetts: MIT Press. 12