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