Artigo sobre fluxo de turistas para o Brasil
Transcrição
Artigo sobre fluxo de turistas para o Brasil
OS DETERMINANTES DO FLUXO DE TURISTAS ESTRANGEIROS PARA O BRASIL Elcyon C. R. Lima (*) Thompson A. Andrade (**) Brisne V. Céspedes (***) RESUMO Este artigo examina os principais fluxos de turistas que visitaram o Brasil no período 19992005 e analisa as estimativas encontradas para as elasticidades das variáveis explicativas do modelo econométrico utilizado. Os ajustamentos estatísticos foram bons, podendo-se concluir que o PIB e/ou o PIB per capita destes países têm (ou tem) um papel positivo na determinação da quantidade de turistas chegados ao país; que a distância, como representante dos custos do deslocamento, afeta negativamente os fluxos; que a taxa de câmbio (moeda do país/moeda brasileira) aumenta os custos dos viajantes quando ela se valoriza, influenciando negativamente a quantidade de turistas para o Brasil; as elasticidades de regiões concorrentes com sinal positivo mostraram que não existe rivalidade e sim complementaridade quanto à atração de turistas entre o Brasil e os países do continente americano; e que melhores resultados para o setor de turismo dependem da redução de restrições à entrada de turistas no país, como a isenção de visto.Os resultados mostraram, portanto, que o futuro destes fluxos turísticos internacionais dependerá da dinâmica econômica dos principais paises e de políticas de promoção do turismo que reduzam os custos, em um amplo sentido, das viagens internacionais para o Brasil. PALAVRAS-CHAVE: Turismo, Elasticidade-Turismo, Políticas de Promoção do Turismo. CÓDIGO JEL: L83, C51 ( ? ) ABSTRACT: KEYWORDS: Tourism, Elasticity-Tourism, Policies for Tourism Promotion. JEL CODE: L83, C51 ( ? ) (*) Instituto de Pesquisa Econômica Aplicada (IPEA) e Faculdade de Ciências Econômicas da Universidade do Estado do Rio de Janeiro (UERJ) (**) Faculdade de Ciências Econômicas da Universidade do Estado do Rio de Janeiro (UERJ) (***) Instituto de Pesquisa Econômica Aplicada (IPEA) 1 1. Introdução A participação relativa brasileira nos destinos dos turistas de todo mundo está muito longe de guardar qualquer correspondência, tanto com a dimensão continental do país e a existência de inúmeros atrativos naturais e construídos dispersos pelo território nacional, quanto com o conjunto dos demais atributos, como o clima favorável, a diversidade cultural, os encantos da natureza vegetal e animal, entre outros, capazes de incentivar a vinda de turistas até aqui. Na realidade, o Brasil não tem podido se beneficiar plenamente dos efeitos que a indústria do turismo provoca em termos de geração de renda e de emprego como ocorre em outros países. 1 Dados mais recentes sobre a chegada de turistas de todo o mundo ao Brasil, embora mostrem que entre 1990 e 2005 tenha ocorrido uma multiplicação praticamente por cinco na quantidade deles (passando de 1,8 milhões para 5,3 milhões), também revelam que a participação relativa do Brasil na atração de turistas ainda é diminuta, da ordem de 0,60 % do fluxo total em 2005, tendo crescido do nível de 0,25 % observado para 1990. 2 Informações coletadas e disponibilizadas pela Organização Mundial de Turismo registram mais de 760 milhões de chegadas de turistas nos paises do mundo em 2004. Este fluxo aumentou cerca de 70% nos quinze anos do período 1990-2004, o que corresponde a uma taxa de crescimento média anual de aproximadamente 4 %. Cerca de metade deste fluxo se orientou em 2004 para países da Europa, particularmente para os países da Europa Ocidental e do Sul da Europa e Mediterrâneo, os quais atraíram cerca de 40 % dos fluxos de turistas. Outras regiões de grande atração destes fluxos, foram a América do Norte (com cerca de 10 % do fluxo), Ásia e Pacífico (20 %) e Europa Oriental e Central (com 10 %). A América do Sul teve uma participação relativa muito reduzida neste fluxo, 2 % do total, porcentagem esta à qual contribuiu a chegada no Brasil de cerca de 0,6 % dos fluxos totais de turistas. 1 São muitos os casos que podem ser citados. A título de exemplo, veja-se o caso da Espanha, citado por Garcia (s.d), país no qual o turismo foi responsável por 11,4% do PIB em 2003, gerando cerca de 42 bilhões de euros para o seu Balanço de Pagamentos e empregando cerca de 10% das ocupações totais. 2 As quantidades de turistas utilizadas neste trabalho são extraídas do Anuário Estatístico da Embratur, diversos anos, e do Anuário publicado pela Organização Mundial de Turismo, diversos anos. 2 O objetivo deste artigo é o de examinar a evolução dos fluxos de turismo internacional orientados para o Brasil e estimar os efeitos que algumas potenciais variáveis explicativas do modelo têm na determinação destes fluxos. A pretensão é a de entender em qual intensidade estas variáveis explicariam os fluxos observados e prever em quanto algumas políticas públicas voltadas para a promoção do turismo brasileiro poderiam ampliar a quantidade de turistas aqui aportados. Portanto, além da curiosidade acadêmica de se estimar em que medida aquelas variáveis têm a capacidade de influenciar os fluxos, existe também o interesse em examinar a possibilidade de implementação de algumas políticas para o setor e os seus prováveis efeitos. É importante enfatizar que análises sobre as tendências dos fluxos de turismo de um país são essenciais tanto para o setor privado, quando para o governo. Para o privado (como as empresas aéreas, as empresas de turismo, os hotéis, entre outros), as previsões para estes fluxos são necessárias para o planejamento de suas atividades, principalmente para os investimentos a serem feitos para satisfazer a demanda por estes serviços. Para o governo, também é importante este conhecimento para que sejam dimensionados tanto os requisitos de investimentos na infra-estrutura específica, como, por exemplo, os aeroportos, as estradas, quanto a adoção de programas governamentais de apoio ao setor para o seu desenvolvimento. 2. Detalhamento dos dados sobre fluxos de turismo orientados para o Brasil As três principais áreas de origem dos nossos turistas são, pela ordem de grandeza da média observada no período 1999-2005, a América do Sul, (ou seja, nossos vizinhos de continente, responsáveis por 2 milhões de turistas aqui chegados, quase a metade do fluxo), a Europa e a América do Norte. A Tabela 1 mostra os quantitativos da entrada de turistas no Brasil no período. 3 Tabela 1: Quantitativo das Entradas de Turistas no Brasil no período 1999-2005, segundo a Área de Residência do Turista. Áreas AMÉRICA DO SUL EUROPA AMÉRICA DO NORTE ÁSIA ORIENTE MÉDIO OCEANIA ÁFRICA AMÉRICA CENTRAL Média 1999 a 2005 1999 (a) 2000 2001 2002 2003 2004 2005 (b) Variação (b/a) 2.961.694 1.227.835 3.036.169 1.305.674 2.418.406 1.432.315 1.462.191 1.373.256 1.532.234 1.567.708 1.829.017 1.834.164 2.016.202 2.069.221 -32% 69% 2.179.416 1.544.310 647.809 104.701 744.270 99.847 690.729 103.957 752.404 80.864 790.652 83.785 838.595 132.633 941.777 151.358 45% 45% 772.319 108.164 335.117 253.611 41.297 25.825 21.944 34.503 26175 23.466 36.341 27.835 26.276 30.564 29.362 27.146 32.490 32.159 22.972 64.678 35.138 26.023 75.676 -90% -90% 83% 73.087 57.348 45.078 33.739 22.630 20.952 21.285 21.754 35.830 40.081 19% 28.039 Fonte dos dados originais: Anuários Estatísticos do Turismo, Embratur, para os anos respectivos. As taxas de variação do fluxo de turismo calculadas com base no ano inicial usado na Tabela 1 e como ano final de 2005 indicam uma diminuição de cerca de um terço para a quantidade de turistas no período relativa a vinda dos nossos vizinhos da América do Sul, certamente refletindo as dificuldades econômicas que alguns destes países sul-americanos sofreram nos anos recentes, particularmente a Argentina. Como se pode ver ainda na mesma tabela, a quantidade de turistas originados da América do Sul nos últimos quatro anos esteve bem abaixo da sua média no período, a qual foi de cerca de 2,1 milhões. No que toca á Europa, pode-se verificar que a expansão da quantidade de turistas europeus vem sendo contínua, tendo incrementado em cerca de 70 por cento nos últimos seis anos, tendo ultrapassado a quantidade de 2 milhões no último ano. Para os países da América do Norte, também tem havido um crescimento na quantidade de pessoas que vêm ao Brasil, da ordem de 45 por cento no período, somando quase um milhão em 2005. A Ásia contribuiu em 2005 com um contingente relativamente bem menor de turistas para o Brasil, cerca de 150 mil, fluxo este que cresceu 45 por cento no período. Outras áreas do mundo, como o Oriente Médio, a Oceania, a África e a América Central, foram responsáveis por menos de 200 mil turistas no Brasil no último ano, com uma participação relativa individual bem diminuta. É interessante observar que algumas áreas, como o Oriente Médio e a Oceania, já 4 mostraram fluxos bem maiores no inicio do período, mas diminuindo-os em 90 por cento do que eram em 1999, mais recentemente. Discriminando os fluxos segundo os paises de origem, o que efeito na Tabela 2, entre as principais origens dos nossos turistas, oito delas referem-se a países da América do Sul, quais sejam, Argentina, Bolívia, Colômbia, Paraguai, Chile, Peru, Uruguai e Venezuela. No caso da Argentina, este país contribui praticamente com um quarto dos turistas recebidos pelo Brasil. Isto indica que a vizinhança pode ter um papel importante na explicação da quantidade de turistas destes países que vêm ao Brasil. Por outro ladso, esta grande importância relativa que está sendo observada para a vizinhança no fluxo de turismo recebido pelo Brasil na realidade pode estar expressando uma fraca capacidade do país em atrair turistas de origem mais afastada, os quais pagam tarifas mais elevadas para o deslocamento e viajam mais horas, mas que têm uma capacidade aquisitiva (ou seja, um rendimento maior, como representado pelo PIB per capita do seu país) e que também têm uma moeda relativamente mais forte que a brasileira. O PIB per capita maior e moeda valorizada podem, entretanto, na prática, vencer o efeito da maior distância. No caso brasileiro, aparentemente, o país só está conseguindo atrair uma parcela diminuta dos turistas destes países, como os de alguns países da Europa e da América do Norte (Canadá, Estados Unidos e México). 5 Tabela 2: Quantitativo da Entrada de Turistas no Brasil segundo o País de Origem, 1999-2005. PAÍS ARGENTINA ESTADOS UNIDOS URUGUAI ALEMANHA PARAGUAI ITÁLIA PORTUGAL FRANÇA CHILE INGLATERRA ESPANHA BOLÍVIA SUIÇA HOLANDA CANADÁ MÉXICO VENEZUELA JAPÃO PERU COLOMBIA SUÉCIA BÉLGICA OUTROS AUSTRIA NORUEGA ISRAEL AUSTRÁLIA CORÉIA ÁFRICA DO SUL DINAMARCA CHINA GUIANA FRANCESA EQUADOR PAÍSES NÃO ESPECIFICADOS ANGOLA GRÉCIA PANAMÁ GUIANA, REPÚBLICA COSTA RICA SURINAME NOVA ZELÂNDIA PORTO RICO NIGÉRIA ARÁBIA SAUDITA IRAQUE Variação [b/a) -36% 42% -11% 9% -50% 71% 211% 91% 0% 35% 74% -53% 25% 93% 52% 87% -18% 63% 24% -3% 66% 22% 69% -11% 98% 54% 6% 15% 187% 11% 3% Média 1999-a 2005 1.153.410 658.311 315.201 301.294 288.279 225.009 217.036 198.555 149.922 145.653 128.032 92.065 71.870 69.751 62.574 51.434 48.720 48.217 47.414 44.588 32.991 26.099 23.634 21.544 21.517 20.697 20.319 19.668 19.476 19.160 16.645 1999 (a) 1.548.570 559.366 383.750 282.846 501.425 177.589 115.088 131.978 170.564 125.607 99.677 145.072 71.667 56.731 49.350 39.093 58.980 41.814 48.564 48.530 27.554 26.929 24.202 25.360 13.549 18.314 19.734 21.179 12.577 17.708 17.506 2000 1.744.004 648.026 403.896 290335 371.873 202.903 147.143 165.117 172.807 127.903 110.765 134.640 67.947 42.428 54.916 41.328 52.929 40.905 51.627 50.065 24.457 20.187 21.823 22.868 14.820 14.651 18388 19.238 13.917 18.593 17.881 2001 1.374.584 594.309 305.084 320.602 285.752 216.517 165.908 185.033 154.093 143.823 126.973 107.673 71.572 44.127 55.643 40.777 49.769 43.399 48.536 50.344 26.067 22.141 21.293 24.967 15.972 14.847 19.841 20.900 15.352 18.966 18.366 2002 699.177 636.063 222.410 296.157 218.653 183.469 168.329 206.262 112.451 146.513 110.177 67.673 56.175 55.088 67.531 48.810 42.082 39.741 33.052 37.455 33.077 23.577 12.243 17.569 27.146 20.775 22.066 14.897 12.821 21.430 13.983 2003 792.753 670.863 239.885 315.532 186.457 214.141 228.153 225.235 114.562 155.877 120.235 60.487 62.829 77.693 68.585 51.204 44.423 42.791 33.221 36.329 36.211 28.570 10.745 16.454 28.763 22.058 22.804 15.793 13.113 22.193 14.456 2004 922.484 705.993 309.732 294.989 204.762 276.563 336.988 224.160 155.026 150.336 155.421 60.239 83.113 102.480 66.895 65.707 44.257 60.806 56.647 42.163 37.809 28.549 34.169 21.034 23.560 26.095 18.454 21.353 32.415 15.555 16.305 2005 (b) 992.299 793.559 341.647 308.598 249.030 303.878 357.640 252.099 169.953 169.514 172.979 68.670 89.789 109.708 75.100 73.118 48.598 68.066 60.251 47.230 45.764 32.741 40.960 22.558 26.812 28.136 20.949 24.315 36.139 19.672 18.017 21.761 18.240 22.728 14.573 16.645 13.297 9.956 11.352 6.589 10.793 14.244 13.343 17.372 15.149 -20% -17% 15.614 13.821 31.158 10.608 10.498 7.692 22.601 9.368 10.638 4.668 20.233 10.320 11.786 3.911 8.725 7.179 7.683 2.965 5.459 6.315 7.630 2.868 3.655 13.679 10.703 9.586 2.694 14.226 12.106 10.516 -91% 34% 15% 37% 13.504 10.242 10.149 6.029 9.798 6.595 6.440 5.635 2.083 2.254 998 163 10322 5.356 6.705 3.556 2.104 2.367 928 241 7.554 5.174 5.076 3.625 1.925 2.297 990 198 3.497 3.064 4.433 4.210 7.516 1.826 784 251 2.143 2.941 4.592 4.342 8.297 1.355 697 246 3.221 6.741 2.899 4.518 2.751 1.611 800 95 3.248 7.202 2.755 5.074 3.595 1.819 881 134 -67% 9% -57% -10% 73% -19% -12% -18% 5.683 5.296 4.700 4.423 4.039 1.933 868 190 Fonte dos dados originais: Anuários Estatísticos da Embratur, anos respectivos. É interessante verificar na Tabela 2 que aquela diminuição na quantidade de turistas sul-americanos decorre de uma quase generalizada redução observada em cada um dos 6 países deste continente. A situação da Argentina, por exemplo, embora seja o nosso principal emissor de turistas para o nosso país, a queda no número de seus turistas no Brasil foi de 36 por cento em relação aos que entravam no país em 1999. Para o Uruguai, a queda foi de 11 por cento, o Paraguai - diminuição de 50 por cento, Bolívia - queda de 53 por cento, Venezuela - menos 18 por cento, Equador - uma quantidade menor em 17 por cento. Para os países que ampliaram a quantidade de turistas no Brasil, são dignos de nota os Estados Unidos (42 por cento), a Itália (71 por cento), Portugal (211 por cento), a França (91 por cento), Espanha (74 por cento), Holanda (93 por cento), Canadá (52 por cento), México (87 por cento), Japão (63 por cento), Suécia (60 por cento), Noruega (98 por cento), Israel (54 por cento) e África do Sul (187 por cento). Como se observa, uma predominância de contribuição positiva no aumento do turismo internacional no Brasil, devida principalmente aos turistas provenientes de paises europeus e de paises da América do Norte. 3. O modelo e os métodos de estimação utilizados O objetivo desta seção é o de estimar os efeitos que as variáveis explicativas do modelo a ser empregado têm na determinação dos fluxos de turistas internacionais que chegam ao Brasil. A pretensão é a de entender em qual intensidade estas variáveis explicam os fluxos observados de turistas e prever que resultados algumas políticas públicas voltadas para a promoção do turismo brasileiro poderiam ampliar a quantidade de turistas aqui aportados. As observações com as quais o modelo acima vai ser estimado corresponde a um painel, compreendendo dados referentes a 19 países (os países mais importantes nos fluxos de turistas chegados ao Brasil) para os anos referentes ao período 1999-2005.3 Os países são os seguintes: Alemanha, Argentina, Bolívia, Canadá, Chile, Colômbia, Espanha, Estados Unidos, França, Inglaterra, Itália, Japão, México, Paraguai, Peru, Portugal, Suíça, Uruguai e Venezuela. As hipóteses com relação aos sinais esperados para as estimativas dos parâmetros são as seguintes: o PIB do país ou seu PIB per capita deve ter um efeito positivo (maior o PIB ou o seu PIB per capita, maior a disponibilidade de rendimentos e a possibilidade de 3 O Anexo I relacionada as variáveis básicas que serão utilizadas na estimação. 7 realização das viagens de turistas daquele país; a distância do país ao Brasil, como proxy para o custo da viagem, deve ter um efeito negativo (maior o custo, menor a quantidade de turistas deste pais que viriam ao Brasil); e a taxa de câmbio real, um efeito também negativo, pois quanto maior esta taxa, maior o custo da viagem medido na moeda do país de origem em relação à moeda brasileira. O modelo que estimaremos pode ser representado pela seguinte equação: yit = + Di + At + X 'it + i + t + uit (1) i = 1, ..., 19 e t = 1,...,7 (de 1999 até 2005). onde: yit = log da quantidade de turistas estrangeiros entrados no Brasil originados do país i , no ano t Di = log da distância entre o país de origem e a cidade do Rio de Janeiro; 4 At = log do fluxo total de turistas para as Américas; Xit = um vetor coluna com o logaritmo neperiano do câmbio real, o logaritmo neperiano do PIB per capita (paridade poder compra) e o valor da dummy para a exigência ou não de visto para entrada no Brasil para o turista do país i no período t. i = efeito específico do corte seccional (cross-section) relacionado ao país i; t = efeito específico do período de tempo t. No modelo acima a variável distância (D) é corte-seccional-específica, pois não varia no tempo. Similarmente, a variável fluxo de turistas para as Américas (A) é tempoespecífica, pois não varia no corte-seccional. É fácil demonstrar que se considerado um efeito fixo então impossível estimar-se i i (i=1, ...,19) é existirá um problema de multicolinearidade e será e . Da mesma forma, se t (t=1,...,7) é considerado um efeito fixo 4 A escolha de apenas um destino no Brasil, como a cidade do Rio de Janeiro, e as origens serem as capitais nacionais foram hipóteses simplificadoras utilizadas para a estimação. Registre-se que os dados sobre os fluxos de turistas não precisam as origens e o destinos, a não ser os países respectivos 8 então não será possível estimar-se simultaneamente e t. No entanto, em qualquer caso, pode ser estimado como é demonstrado a seguir. O modelo descrito em (1) pode ser reescrito da seguinte forma: yit = onde: + X 'it + * i * t * i + = Di + = * t + uit I; (3) At + t. O modelo (2) pode ser estimado (e, portanto, (2) (4) * i pode se estimado) tratando e * t como efeitos específicos fixos ou estocásticos. Uma das vantagens de se estimar o modelo (2) é obter uma estimativa não viesada e consistente do vetor . A outra vantagem de se ter uma estimativa de (2) é permitir a estimação de quando ambos ( t t e ui, em uma estimação em dois passos, e ui) são considerados efeitos específicos aleatórios. Aplicando o teste de Hausman (1978) concluímos que é melhor estimar a equação (2) tratando * i * t e como efeitos específicos fixos. Esta estimação encontra-se na Tabela 4.1 e os gráficos dos resíduos do modelo na Tabela 4.2. Foi também testada a hipótese nula de que os efeitos fixos são redundantes (não significativos) considerando-se que as estimativas dos parâmetros foram obtidas através de Mínimos Quadrados Ordinários. Utilizando-se testes baseados na soma de quadrados (teste -F) e na função de verossimilhança (teste do Chiquadrado), recusamos fortemente a hipótese nula de redundância. O modelo descrito na equação (1) será estimado considerando-se que t e ui são efeitos específicos aleatórios e utilizando dois métodos de estimação distintos5: um método de estimação em dois passos no qual, no primeiro passo, se estima a equação (2) (como já explicamos no parágrafo anterior) e um outro método, utilizado pelo pacote Eviews, Este último método é denominado método de Wansbeek and Kapteyn e utiliza mínimos 5 Este hipótese não é inconsistente com a estimação da equação (2) tratando os efeitos específicos como fixos. A correlação observada entre *i , *t e Xit pode ser decorrente da correlação entre Di , At e Xit e não da existência de correlação entre i, t e Xit. 9 quadrados generalizados. O método de Wansbeek and Kapteyn deu melhores resultados na estimação da equação (1) quando comparado aos outros métodos de mínimos quadrados generalizados utilizados pelo Eviews em termos de minimização da soma dos erros quadráticos, além de apresentar resultados similares aos obtidos com o primeiro método. Adicionalmente, o método Wansbeek and Kapteyn, que trata os efeitos específicos como estocásticos, foi o que apresentou melhores resultados na estimação da equação (2), apresentando resultados bastante similares aos obtidos quando se adota a hipótese de que os efeitos específicos são fixos. O teste de Hausman (1978), no entanto, recusou a hipótese ao se estimar a equação (2) de que os efeitos específicos no corte-seccional sejam aleatórios, qualquer que seja o método de estimação adotado pelo Eviews. Descreveremos a seguir o segundo passo do primeiro método adotado para estimar a equação (1). Se i e são efeitos específicos aleatórios não correlacionados com D i , At e t X 'it então dadas as estimativas de * i e * t eles podem ser estimados aplicando-se MQO (mínimos quadrados ordinários) nas equações (3) e (4)6 . Explicando melhor, as equações (3) e (4) podem ser reescritas como: * i * t onde: = + = Di + i + At + ; (3’) (4’) . t e são os termos constantes das equações (3’) e (4’) , i= + i e t= + t i e t são os resíduos, . Desta forma, aplicando-se o método de mínimos quadrados ordinários nas equações (3’) e (4’), podemos estimar os efeitos estocásticos i e t e os parâmetros e da equação (1). As estimativas estão na Tabela 3, a seguir. 6 É fácil demonstrar que o procedimento que está sendo descrito e adotado é idêntico ao proposto por Hsiao (2003) na página 54. Note que estimar o vetor considerando-se que na equação (2) os efeitos específicos são fixos nos dá o mesmo estimador obtido com o método da covariância descrito por ele. 10 Tabela 3 Dependent Variable: LOG(TUR_?) Method: Pooled Least Squares Date: 03/22/07 Time: 13:35 Sample: 1999 2005 Included observations: 7 Cross-sections included: 19 Total pool (balanced) observations: 133 Variable Coefficient Std. Error t-Statistic Prob. C LOG(CAMB_?) LOG(PIBPC_?) DUM_IVISTO_? Fixed Effects (Cross) ALE--C ARG--C BOL--C CAN--C CHI--C COL--C ESP--C EUA--C FRA--C ING--C ITA--C JAP--C MEX--C PAR--C PER--C POR--C SUI--C URU--C VEN--C Fixed Effects (Period) 1999--C 2000--C 2001--C 2002--C 2003--C 2004--C 2005--C -11.75678 -0.720450 1.064948 0.615943 3.636608 0.100830 0.372662 0.110094 -3.232897 -7.145217 2.857680 5.594682 0.0016 0.0000 0.0051 0.0000 -1.856579 0.971427 0.896789 -2.596693 3.228519 3.484410 -2.417087 -0.652053 -2.257844 -2.862222 -2.069269 0.377620 -0.156778 6.254120 -0.939264 -1.514610 -3.075759 1.713677 3.471596 0.065558 0.157867 -0.010644 -0.202128 -0.145173 -0.051841 0.186360 Effects Specification Cross-section fixed (dummy variables) Period fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.981363 0.976570 0.144068 2.179348 84.68417 0.951537 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) -1.987329 0.941203 -0.852394 -0.243899 204.7712 0.000000 11 Os resultados encontrados na estimação da equação (1), aplicando-se o primeiro método de estimação, são apresentados na Tabela 4. Os resultados obtidos utilizando-se o segundo método encontram-se na Tabela 5. Tabela 4 Dependent Variable: LOG(TUR_?) Method: Pooled Least Squares Date: 03/22/07 Time: 13:27 Sample: 1999 2005 Included observations: 7 Cross-sections included: 19 Total pool (balanced) observations: 133 Variable Coefficient Std. Error t-Statistic Prob. C LOG(CAMB_?) LOG(PIBPC_?) DUM_IVISTO_? LOG(DIST_?) LOG(?_AMERICAS) Random Effects (Cross) ALE--C ARG--C BOL--C CAN--C CHI--C COL--C ESP--C EUA--C FRA--C ING--C ITA--C JAP--C MEX--C PAR--C PER--C POR--C SUI--C URU--C VEN--C Random Effects (Period) 1999--C 2000--C 2001--C 2002--C 2003--C 2004--C 2005--C -11.75680 -0.720450 1.064948 0.615943 -2.712286 2.260114 3.636608 0.100830 0.372662 0.110094 - -3.232897 -7.145217 2.857680 5.594682 - 0.0016 0.0000 0.0051 0.0000 - 23.12581 21.54412 22.32539 21.86969 24.87455 26.31967 22.00417 23.62181 22.48599 21.91322 22.68372 27.03512 24.10576 26.06792 21.3969 22.76149 21.70001 22.08974 26.29872 -10.7902 -10.8118 -10.8701 -10.9575 -10.8316 -10.9806 -10.8766 Effects Specification Cross-section Random Effects Period Random Effects Adjusted R-squared Sum squared resid Log likelihood Durbin-Watson stat 0.981363 0.976570 2.179348 84.68417 0.951537 Mean dependent var S.D. dependent var -1.987329 0.941203 12 Tabela 5 Dependent Variable: LOG(TUR_?) Method: Pooled EGLS (Two-way random effects) Date: 03/22/07 Time: 14:41 Sample: 1999 2005 Included observations: 7 Cross-sections included: 19 Total pool (balanced) observations: 133 Wansbeek and Kapteyn estimator of component variances Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected) Variable Coefficient Std. Error t-Statistic Prob. C LOG(PIBPC_?) LOG(CAMB_?) DUM_IVISTO_? LOG(?_AMERICAS) LOG(DIST_?) Random Effects (Cross) ALE--C ARG--C BOL--C CAN--C CHI--C COL--C ESP--C EUA--C FRA--C ING--C ITA--C JAP--C MEX--C PAR--C PER--C POR--C SUI--C URU--C VEN--C Random Effects (Period) 1999--C 2000--C 2001--C 2002--C 2003--C 2004--C 2005--C -0.539011 1.079889 -0.620027 0.623647 2.106327 -2.509244 16.81014 0.301615 0.106275 0.096220 0.536885 1.843126 -0.032065 3.580362 -5.834149 6.481467 3.923234 -1.361406 0.9745 0.0005 0.0000 0.0000 0.0001 0.1758 -0.143374 -1.472431 -0.848629 -1.396561 1.219202 2.433916 -1.223857 0.407305 -0.765817 -1.299875 -0.569755 3.171191 0.666336 2.335043 -1.779508 -0.449607 -1.595848 -1.139134 2.451405 0.076046 0.053530 0.006525 -0.076826 0.037122 -0.092536 -0.003862 Effects Specification S.D. Cross-section random Period random Idiosyncratic random 2.610046 0.141706 0.144068 Rho 0.9940 0.0029 0.0030 Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic) 0.533432 0.515063 0.136584 29.04009 0.000000 Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat -0.041287 0.196136 2.369202 0.862526 14 O modelo da equação (1) foi também alterado para captar o efeito do tamanho da população, de cada país, no fluxo de seus turistas para o Brasil. Como a população apresenta pouca variabilidade temporal optamos por tratá-la como variável corte-seccionalespecífica. Para efetuar esta transformação a variável população de cada país, em cada período de tempo, foi substituída pela média da população do país nos sete anos que compõe a nossa amostra. A variável população, construída como explicado anteriormente, foi incluída na equação (1) ao se pós-multiplicar Di por e ao se redefinir Di como a inversa do vetor coluna que contém o logarítimo neperiado da distância do país i e o logarítmo neperiano da variável população do país i (transformada, como explicado anteriormente, para ser corte-seccional-específica). Os resultados encontrados para esta nova versão do nosso modelo utilizando-se, respectivamente, o primeiro e o segundo métodos de estimação, encontram-se nas Tabelas 6 e 7. 15 Tabela 6 Dependent Variable: LOG(TUR_?) Method: Pooled Least Squares Date: 03/22/07 Time: 14:57 Sample: 1999 2005 Included observations: 7 Cross-sections included: 19 Total pool (balanced) observations: 133 Variable Coefficient Std. Error t-Statistic Prob. C LOG(PIBPC_?) LOG(CAMB_?) DUM_IVISTO_? LOG(DIST_?) LOG(MPOP_?) LOG(?_AMERICAS) Random Effects (Cross) ALE--C ARG--C BOL--C CAN--C CHI--C COL--C ESP--C EUA--C FRA--C ING--C ITA--C JAP--C MEX--C PAR--C PER--C POR--C SUI--C URU--C VEN--C Random Effects (Period) 1999--C 2000--C 2001--C 2002--C 2003--C 2004--C 2005--C -11.75678 1.064948 -0.720450 0.615943 -3.166097 0.425578 2.260115 3.636608 0.372662 0.100830 0.110094 - -3.232897 2.857680 -7.145217 5.594682 - 0.0016 0.0051 0.0000 0.0000 - 25.42807 23.44091 24.99468 24.49641 27.32222 28.53858 24.50685 25.27115 24.885 24.32188 25.09816 29.43247 26.19405 28.63568 23.73573 25.82907 25.00314 24.98031 28.7459 -10.7902 -10.8118 -10.8701 -10.9575 -10.8316 -10.9806 -10.8766 Effects Specification Cross-section random Period random R-squared Adjusted R-squared Sum squared resid Log likelihood Durbin-Watson stat 0.981363 0.976570 2.179348 84.68417 0.951537 Mean dependent var S.D. dependent var -1.987329 0.941203 16 Tabela 7 Dependent Variable: LOG(TUR_?) Method: Pooled EGLS (Two-way random effects) Date: 03/22/07 Time: 16:04 Sample: 1999 2005 Included observations: 7 Cross-sections included: 19 Total pool (balanced) observations: 133 Wansbeek and Kapteyn estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C LOG(CAMB_?) LOG(PIBPC_?) DUM_IVISTO_? LOG(DIST_?) LOG(MPOP_?) LOG(?_AMERICAS) Random Effects (Cross) ALE--C ARG--C BOL--C CAN--C CHI--C COL--C ESP--C EUA--C FRA--C ING--C ITA--C JAP--C MEX--C PAR--C PER--C POR--C SUI--C URU--C VEN--C Random Effects (Period) 1999--C 2000--C 2001--C 2002--C 2003--C 2004--C 2005--C 1.877318 -0.620736 1.076955 0.624782 -2.953403 0.417807 2.108362 9.605383 0.088642 0.338859 0.104018 1.131718 0.658438 1.023676 0.195444 -7.002697 3.178180 6.006461 -2.609664 0.634542 2.059599 0.8454 0.0000 0.0019 0.0000 0.0102 0.5269 0.0415 -0.293561 -2.020030 -0.642360 -1.226412 1.214994 2.204500 -1.177715 -0.381448 -0.820970 -1.345855 -0.609828 3.117985 0.305972 2.448982 -1.896437 0.150785 -0.763119 -0.710748 2.445268 0.076055 0.053553 0.006513 -0.076873 0.037161 -0.092550 -0.003860 Effects Specification S.D. Cross-section random Period random Idiosyncratic random 2.610046 0.141706 0.144068 Rho 0.9940 0.0029 0.0030 Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic) 0.534918 0.512772 0.136906 24.15336 0.000000 Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat -0.041287 0.196136 2.361655 0.865703 Unweighted Statistics R-squared Sum squared resid -1.618085 306.1431 Mean dependent var Durbin-Watson stat -1.987329 0.010263 17 5. OS RESULTADOS OBTIDOS Observando o sumário das estimativas dos parâmetros contidas na Tabela 8 pode-se concluir: i) Os parâmetros têm os sinais esperados; Tabela 8 Parâmetros Estimados R2 Durbin PIB Dummy Fluxo Método Câmbio Tabelas Ajustado Watson Constante Distância per População Isenção Turistas usado Real Ponderado Ponderado capita Visto Américas -11.757 (3.637) 3 1 0.977 0.952 -3.233 -0.539 5 2 0.515 0.863 (16.810) -0.032 -11.757 (3.637) 4 1 0.977 0.952 -3.233 1.877 (9.605) 7 2 0.513 0.866 0.195 Nota: Método 1: Estimação em dois passos; Mínimos Quadrados Generalizados). ii) -2.712 -0.720 1.065 (0.101) (0.373) -7.145) 2.858 -2.509 -0.620 1.080 (1.843) (0.106) (0.302) -1.361 -5.834 3.580 -3.166 -0.720 1.065 0.426 (0.101) (0.373) -7.145 2.858 -2.953 -0.621 1.077 0.418 (1.132) (0.089) (0.339) (0.658) -2.610 -7.003 3.178 0.634 Método 2: Método de Wansbeek e 0.616 2.260 (0.110) 5.594 0.624 2.106 (0.096) (0.537) 6.481 3.923 0.616 2.260 (0.110) 5.595 0.625 2.108 (0.104) (1.024) 6.006 2.060 Kapteyn (utiliza A elasticidades é positiva para o PIB per capita, indicando que, quando esta variável cresce de valor, ocorre um aumento dos fluxos de turistas chegados ao Brasil. Assim, na medida em que haja uma expansão do PIB per capita dos 19 países considerados neste estudo, ocorrerá também um crescimento na quantidade de turistas que chegam ao Brasil. Logo, o país tem a ganhar em termos de maior geração de renda e de emprego neste setor e nos setores associados a ele por relações do tipo insumo/produto quando as condições econômicas destes países tendem a melhorar; 19 iii) A distância (aqui usada como proxy para o custo do deslocamento até o Brasil) apresenta estimativas negativas para a sua elasticidade, o que indica que, conforme esperado, este custo funciona, tudo o mais constante, como um freio aos fluxos orientados para o Brasil à medida que o deslocamento exigido se torne maior. Isto indica que políticas que possam reduzir este custo, como promoções feitas pelo governo brasileiro ou por operadores de turismo teriam o condão de diminuir o efeito custo (em $) negativo que esta variável mostra para os fluxos turísticos dirigidos ao Brasil; iv) Também como esperado, a taxa de câmbio real (ou seja, a relação real entre a moeda do país de origem do turista e a moeda brasileira) efetivamente tem um efeito negativo sobre os fluxos de turistas para o Brasil na medida em que uma desvalorização da moeda do país de origem aumenta os custos totais das despesas feitas pelo turista com a sua vinda ao Brasil. Desvalorizações da moeda do país, ou o seu reverso, a valorização da moeda brasileira, no sentido de enfraquecer os fluxos de turistas orientados para vir ao Brasil, provavelmente estimulados por maior PIB e/ou maior PI per capita nos seus países; v) A estimativa para a elasticidade em relação ao fluxo para regiões próximas ao Brasil [aqui representada pela quantidade total de turistas que chegam às Américas (a variável Américas, turistas que chegam aos países do continente americano, exceto ao Brasil)] teve um sinal positivo. O sinal positivo encontrado para a elasticidade daquela variável mostra que não existe rivalidade entre o fluxo para as Américas e o para o Brasil. O sinal positivo indicaria que, na realidade, existiria não a rivalidade, mas sim a complementaridade entre os dois fluxos de turismo, já que, quando aumenta um aumenta também o outro. Talvez uma explicação plausível para esta estimada complementaridade dos fluxos tenha a ver com a diminuta participação do Brasil no turismo mundial, conforme visto no início deste trabalho. À medida que a participação brasileira se expanda em 20 termos de recebimento de turistas é provável que haja uma reversão neste efeito, ocorrendo uma rivalidade entre este fluxos. 7 vi) A elasticidade do PIB per capita tem estimativas superiores a 1, ou seja, é elástica; vii) A variável distância é elástica. A elasticidade-distância é, superior a 1, indicando maior sensibilidade percentual da variação na quantidade de turistas em relação à variação percentual no custo do deslocamento.8 Este resultado, conforme já comentado acima, é importante no que se refere ao conhecimento de que a adoção de algum programa que reduza esta distância (aqui medida em termos físicos, mas que na realidade representa o custo financeiro do deslocamento) terá um efeito mais que proporcional sobre os fluxos de turistas atraídos para o Brasil. viii) A variável taxa de câmbio real é inelástica. Suas estimativas mostradas na Tabela 8 são inferiores a 1. O importante é reter que, embora a taxa de câmbio real mostre-se importante na determinação dos fluxos de turistas recebidos pelo Brasil, a sensibilidade (medida pela sua elasticidade) destes fluxos é relativamente reduzida frente a variações relativas na taxa de câmbio real. A variável PIB per capita, custo do deslocamento e a complementaridade dos fluxos turísticos têm uma influência maior. ix) Pode-se dizer que o fluxo de turistas é fortemente afetado pela exigência de visto para entrar no Brasil. Estima-se que a isenção de visto provoque um incremento, no longo prazo, de 85,9 % no fluxo de turistas do país, que passou a receber este benefício, para o Brasil. 7 Existe a possibilidade de refinamento na definição destas duas variáveis que foram utilizadas neste trabalho para que possam efetivamente refletir alguma rivalidade ora existente. Em outras palavras, não é descartada a possibilidade de que em trabalhos posteriores se façam estimativas mais adequadas para capturar este efeito no caso brasileiro. 8 Estimativas superiores a 1 para a elasticidade-distância são comumente encontradas em modelos chamados gravitacionais em Economia Regional. Estes modelos trabalham com a idéia da lei gravitacional da Física, a qual estabelece que a atração exercida por dois corpos é afetada diretamente (positivamente) pelas suas massas e inversamente (negativamente) pela distância que as separa. O modelo estimado neste trabalho é um modelo que pode ser considerado como gravitacional na medida em que usa o PIB ou PIB per capita do país de origem como massa e a massa 1 para o Brasil e a distância entre os países. As demais variáveis adaptam o modelo gravitacional às especificidades do turismo. 21 Existe uma grande variedade de estimativas para as elasticidades nos modelos para fluxos de turismo. Não vale a pena registrar os valores estimados porque é grande a diversidade dos valores encontrados nas estimações e mesmo dos sinais respectivos. Também é diversificado o tipo de modelo de estimação empregado. Um exemplo de uma listagem de alguns destes trabalhos pode ser encontrada por exemplo em Rosselló et al.(2005). Os trabalhos de Lim, como o survey citado naquele artigo de Rosselló et al., encontrado em Lim(1999), são uma boa fonte de referências para resultados obtidos com modelos aplicados a turismo. A elasticidade-PIB per capita é superior a 1. Isto significa que a se manter a estrutura determinante dos fluxos de turistas orientados para o Brasil, aumentos percentuais no PIB per capita dos principais países de origem destes fluxos vão gerar percentuais maiores naqueles fluxos, tudo o mais constante. Portanto, a dinâmica do crescimento de turistas estrangeiros no Brasil estará nos próximos anos dependente da dinâmica econômica daqueles países. É claro que se deve lembrar que esta dinâmica pode funcionar tanto no sentido da expansão do PIB per capita daqueles países, quanto da sua contração e, portanto, é esperar e torcer para que a conjuntura econômica mundial tenha uma tendência positiva de crescimento. Melhores resultados para o turismo brasileiro dependerão de fatores que afetem positivamente (via promoções) a redução dos custos de deslocamento, que não ocorram alterações significativas de desvalorização cambial nas moedas dos países principais emissores de fluxos de turistas para o Brasil e que também se amplie significativamente o fluxo mundial de turistas. Como a amostra é pequena, métodos de estimação alternativos, que em amostras grandes dariam resultados próximos, dão estimativas diferentes dos parâmetros. Na tabela 9 sumariamos os resultados considerando-se a incerteza a respeito do melhor método de estimação, do melhor modelo e considerando-se um grau de confiança de 68%. 22 Tabela 9 Intervalos de Confiança (68%) para os Parâmetros * Variável Distância Câmbio Real PIB per capita Real População Dummy para Isenção de Visto. Fluxo de Turistas das Américas. mínimo máximo -4.352 -0.666 -0.821 -0.514 0.692 1.438 -0.24 1.076 0.506 0.729 1.084 3.132 * Considerando-se a incerteza sobre a especificação do modelo e sobre o melhor método de estimação. 4. Síntese dos resultados. Houve uma grande expansão da quantidade de turistas estrangeiros chegados ao Brasil entre 1990 e 2005. Os dados indicam que esta expansão significou uma multiplicação do número de turistas, atingindo 5,3 milhões no último ano. Apesar disto, a participação relativa do Brasil como destino dos fluxos turísticos é ainda hoje bastante reduzida, atingindo apenas 0,25 % do total mundial de quase 800 milhões de turistas estrangeiros. Nos últimos anos, foram dezenove os principais emissores de turistas para o Brasil: Alemanha, Argentina, Bolívia, Canadá, Chile, Colômbia, Estados Unidos, Espanha, França, Inglaterra, Itália, Japão, México, Paraguai, Peru, Portugal, Suíça, Uruguai e Venezuela. Estes países foram responsáveis por quase 90 % do fluxo de turistas chegados ao Brasil. Dos cerca de 5 milhões de turistas chegados no Brasil em 2005, cerca de 2 milhões tinha como origem países da América do Sul. Isto foi um indício inicial que a vizinhança destes países poderia ser um atributo que poderia explicar o volume do fluxo recebido pelo Brasil. Isto, entretanto, não foi confirmado na análise efetuada. Contudo, esta importância da vizinhança pode ter sido captura pela variável distância entre o país emissor e o Brasil. Ainda a respeito da significativa participação dos países da América do Sul nos turistas aqui chegados, é importante lembrar que em alguns nos anos mais recentes houve uma substancial redução de turistas destes países no Brasil, provavelmente como 23 resultado de crises econômicas por que passaram estes países, particularmente a Argentina. Isto poderia significar um indício da significância que a renda per capita dos países de origem tem na determinação dos fluxos de turistas aqui chegados. Isto foi confirmado mais tarde no estudo quando as equações explicativas destes fluxos foram estimadas. Verificou-se que outras áreas do mundo têm ampliado consideravelmente a quantidade de turistas enviados ao Brasil. Os países europeus aumentaram em 70 % os seus turistas nos últimos quinze anos; a América do Norte ampliou em 45 % no mesmo período, o mesmo ocorrendo com os países asiáticos. Outras áreas do mundo, como o Oriente médio, a Oceania, a África e a América Central, têm uma participação reduzida nos turistas que aqui chegam. Foram eleitas como principais variáveis explicativas para os fluxos de turistas as as seguintes variáveis: isenção de visto, PIB per capita, taxa de câmbio real, distância entre o país de origem do fluxo e o Brasil e o fluxo de turistas para as Américas. Esta escolha coincide com as variáveis tradicionalmente utilizadas em estudos semelhantes. Foram coletados dados na forma de painel para 19 países (aqueles acima listados), para o período 1999-2005. As elasticidades estimadas tiveram, os sinais esperados: O PIB per capita tem elasticidade positiva (elástica, elasticidade maior que 1), a elasticidade-distância foi estimada como negativa (elástica, com módulo superior a 1) e a elasticidade-taxa de câmbio real também negativa (inelástica, mas próxima de um). Conforme mostrado pelas estimativas, a dinâmica do crescimento de turistas estrangeiros no Brasil estará nos próximos anos dependente da dinâmica econômica daqueles países. É claro que se deve lembrar que esta dinâmica pode funcionar tanto no sentido da expansão do PIB per capita daqueles países, quanto da sua contração e, portanto, é esperar e torcer para que a conjuntura econômica mundial tenha uma tendência positiva de crescimento. Melhores resultados para o turismo brasileiro dependerão de fatores que reduzam as restrições à entrada de turistas no Brasil (isenção de visto), que afetem positivamente (via promoções feitas pelo governo e/ou os operadores de turismo) a redução dos custos de deslocamento, que não ocorram alterações significativas de desvalorização cambial nas moedas dos países principais emissores de fluxos de turistas para o Brasil e que também se amplie significativamente o fluxo mundial de turistas. 24 Uma medida que pode ter um grande impacto no fluxo de turistas para o Brasil seria a isenção de visto para a entrada de americanos no Brasil. Estima-se que se houvesse esta isenção de visto, já por algum tempo, em 2005 teriam entrado um milhão e 476 mil turistas americanos (com a exigência de visto entraram apenas 794 mil turistas americanos em 2005). 25 REFERÊNCIAS BIBLIOGRÁFICAS Garcia, R. H.(s.d.) Estimation of International Tourism Demand Elasticities. http://www.eserp.com/art/Artículo_Forecasting_ESERP%20RHUERTAS.pdf. Em Hausman, J. A. (1978) “A Conditional Probit Model for Qualitative Choice: Discrete Decisions Recognizing interdependence and heterogeneous Preferences,” Econometrica, 46, 403-426. Hsiao, Cheng (2004), Analysis of Panel Data, second edition, Cambridge University Press. Kuledran, N. and Witt, S. F. (2001) “Cointegration versus Least Squares Regression”. Annals of Tourism Research, n. 28, pp. 291-311. Lim, C (1999) “A Meta-Analytic Review of International Tourism Demand”. Journal of Travel Research, vol. 37 (3), p. 273-289. Qiu, H. and Zhang, J. (1995). “Determinante of Tourism Arrivals and Expenditures in Canada”. Journal of Travel Research. N. 34, pp. 43-49. Rosselló, J., Aguiló, E. and Riera, A. “Modeling Tourism Demand Dynamics”, Journal of Travel Research, vol. 44, p. 111-116. Son, H. and Witt, S.F. (2005). “Forecasting International Tourism Flows to Macau”. Tourism Management, article in press. 26 ANEXO I RELAÇÃO DAS VARIÁVEIS UTILIZADAS NESTE ARTIGO E SUAS FONTES Variável PIB (PPP) dólar corrente internacional, em milhões PIB (PPP) dolar constante, em milhões, a preços 2005, por país Deflator implícito do PIB em dólar (2005=1) Indice Nacional de Preços ao Consumidor, por país Taxa de Câmbio Nominal (moeda corrente/US$) Taxa de Cãmbio Real (moeda corrente/r$), a preços de 2005, por país População do país Fluxos de Turistas para o Brasil, por país de origem Distâncias da capital do país à cidade do Rio de Janeiro Amostra Fonte 1980-2005 Developmente Data Group, The World Bank. http://publications.worldbank.org/ecommerce/catalog/product/item_id631625 1980-2005 Construída: PIB (PPP)/Deflator do PIB 1980-2005 Bureau of Economic Analysis – U.S. Depart of Commerce www.bea.gov 1980-2005 Fundo Monetário Internacional 1980-2005 Fundo Monetário Internacional 1980-2005 1980-2005 Construída: ((Taxa de Cãmbio Nominal do pais)*(INPC do Brasil))/((Taxa de Câmbio do Brasil)*(INPC do país)) Fundo Monetário Internacional 1989-2005 Embratur, Anuários Estatísticos - htpp://www.wcrl.ars.usda.gov/cec/Java/lat-long.htm 27 ANEXO II EXIGÊNCIA DE VISTO BRASILEIRO PARA ENTRADA NO PAÍS = Informação do site: www2.mre.gov.br/dai/bilaterais.htm Ministério das Relações Exteriores : Divisão de Atos Internacionais Acordos Bilaterais em Vigor Isenção de visto Precisa de visto ALEMANHA ARGENTINA BOLÍVIA CANADÁ CHILE COLÔMBIA ESPANHA ESTADOS UNIDOS FRANÇA INGLATERRA ITÁLIA JAPÃO MÉXICO PARAGUAI PERU PORTUGAL SUÍÇA URUGUAI VENEZUELA não não não sim não não não sim não não não sim Sim, pois o acordo está temporariamente suspenso, desde 8/9/2005. não não não não não não com passaporte Data de celebração Entrada em Vigor 7/8/1957 8/1/1957 - - 8/26/1969 8/12/1965 5/28/1996 7/2/1998 4/21/1960 - 8/26/1969 10/11/1965 6/27/1996 7/2/1998 6/1/1960 - 11/23/2000 1958 apenas com docum Promulgação Decreto nº Data Data de celebração Entrada em Vigor 12/9/1997 10/30/1995 3/26/1993 4/22/2000 12/28/1995 5/28/1998 - - - - - - - - - - 2/7/2004 4,952 1/14/2004 1960 2/10/2004 9/15/2005 4/22/2000 1948 9/5/2001 3,927 9/19/2001 4/2/1982 4/2/1982 6/20/1990 11/27/1990 28 29