Escolar Documentos
Profissional Documentos
Cultura Documentos
Indicadores Sociais
Indicadores Sociais
Aprovada por:
________________________________________________
Prof. Mrcio Peixoto de Sequeira Santos, Ph.D.
________________________________________________
Prof. Ronaldo Balassiano, Ph.D.
________________________________________________
Prof. Licnio da Silva Portugal, D.Sc.
________________________________________________
Prof. Mrcia Valle Real, D.Sc.
ii
iii
AGRADECIMENTOS
Agradeo a Deus pela minha famlia, mas, principalmente por ter escolhido uma
pessoa to especial para ser a minha me. Agradeo por sua ajuda e tambm por seu
apoio. Agradeo tambm ao meu pai pela importante ajuda e na compreenso desse
estudo e as minhas irms Camilla e Josibell. Assim como ao Jos.
Agradeo ao professor orientador Mrcio Santos por sua ateno, confiana e valiosa
contribuio durante toda a minha vida acadmica, na graduao ou no mestrado.
Agradeo-lhe, principalmente, a oportunidade de elaborar este trabalho.
Ao CNPq pelo auxlio financeiro e a todos aqueles que no foram mencionados, mas,
que contriburam de alguma forma para a concretizao desse ideal.
iv
This research work involves the analysis of the relationships between regional
development, as represented by socioeconomic indicators, and travel patterns
characteristics within the Metropolitan Region of Rio de Janeiro City (RMRJ). Some
statistical regression models have been formulated attempting to express the above
mentioned relationship, considering variables related to sustainable mobility and quality
of life for the Rio de Janeiro population. The obtained results have appointed to some
satisfactory statistical relationships results, providing some guidance for future research
works in the same study area.
vi
NDICE
Captulo 1 Introduo ................................................................................................................................... 1
vii
NDICE DE FIGURAS
Figura 01: Loteamento irregular (Duque de Caxias)........................................................ 8
Figura 02: Percentual de Utilizao dos Modos de Locomoo nas Regies ................ 23
Figura 03: Diviso Modal entre algumas Regies Metropolitanas do Brasil................. 25
Figura 04: Representao da Regio Metropolitana do Rio de Janeiro (RMRJ). .......... 27
Figura 05 Vetores de Crescimento da Regio Metropolitana do Rio de Janeiro. ....... 29
Figura 06: Representao da rea de Estudo................................................................. 35
Figura 07: Grfico de IDH dos municpios da rea de Estudo...................................... 37
Figura 08: Representao das Viagens para o Municpio do Rio de Janeiro em 1980. . 38
Figura 09: Representao das Viagens para o Municpio do Rio de Janeiro em 1995. . 39
Figura 10: Representao das Viagens para o Municpio do Rio de Janeiro em 2005. . 40
NDICE DE TABELAS
Tabela 01: Municpios emancipados includos na RMRJ. ............................................. 27
Tabela 02: Descrio da rea Metropolitana do Rio de Janeiro.................................... 30
Tabela 03: Populao dos Municpios da rea de Estudo: ............................................ 36
Tabela 04: Viagens para o Municpio do Rio de Janeiro. ............................................. 38
Tabela 05: Disponibilidade das variveis pesquisadas................................................... 45
Tabela 06: Tabela resumo referente aos parmetros estatsticos.................................... 56
Tabela 07: Tabela resumo referente ao valor do beta..................................................... 57
Tabela 08: Tabela resumo referente aos parmetros estatsticos.................................... 57
Tabela 09: Tabela resumo referente ao valor do beta..................................................... 58
Tabela 10: Tabela resumo referente aos parmetros estatsticos.................................... 58
Tabela 11: Tabela resumo referente ao valor do beta..................................................... 59
Tabela 12: Tabela resumo referente aos parmetros estatsticos.................................... 59
Tabela 13: Tabela resumo referente ao valor do beta..................................................... 60
Tabela 14: Tabela resumo referente aos parmetros estatsticos.................................... 60
Tabela 15: Tabela resumo referente ao valor do beta..................................................... 60
Tabela 16: Tabela resumo referente aos parmetros estatsticos.................................... 61
Tabela 17: Tabela resumo referente ao valor do beta..................................................... 61
Tabela 18: Tabela resumo referente aos parmetros estatsticos.................................... 62
Tabela 19: Tabela resumo referente ao valor do beta..................................................... 62
Tabela 20: Tabela resumo referente aos parmetros estatsticos.................................... 63
viii
ix
Captulo 1 Introduo
As sociedades atuais constituem um grande desafio para diversos cientistas,
planejadores e pesquisadores de diversas reas, pois exigem um planejamento adequado
para a realizao de suas atividades, para mobilidade de seus habitantes e circulao de
mercadorias. Em um pas com uma grande extenso continental, como o caso do
Brasil, esse desafio torna-se maior (SOUZA, 2005).
Segundo Mello (1975), os problemas que o pas enfrenta com a adoo de modelos de
transporte, por exemplo, que no so adequados realidade social e econmica
brasileira, privilegia alguns modos em detrimento de outros e dificultam ainda mais a
resoluo dos problemas que surgem nos ncleos urbanos.
Os grandes centros urbanos brasileiros enfrentam muitos problemas estruturais de
ordem socioeconmica devido a sua grande rea de influncia. Dentre esses problemas,
se destaca o relacionado ao transporte, pois promove impactos, no somente na
economia dessas reas centrais, mas, tambm, das cidades menores, que so articuladas
e dependentes desses ncleos urbanos.
Atualmente, o pas enfrenta problemas decorrentes da adoo do modelo de
desenvolvimento centrado no transporte rodovirio que provoca prejuzo no transporte de
pessoas e mercadorias. Essa adoo trouxe conseqncias negativas relevantes nos campos
energtico (uso do petrleo) e ambiental (poluio), considerando que esse modo de
transporte, usado de forma generalizada, configura-se um obstculo qualidade de vida da
populao dos grandes centros urbanos (ANTP, 2008).
Neste sentido, o desenvolvimento desses ncleos urbanos, assim como a realizao das
atividades nos mesmos, est relacionado ao sistema de transporte e evoluo de sua
infra-estrutura. Desta forma, h a necessidade de coordenao entre polticas de uso do
solo e planejamento de transportes, devido relao inerente entre esses dois elementos
(PITOMBO & KAWAMOTO, 2005).
Sendo assim, as polticas de planejamento e uso do solo devem atender a grande
mobilidade direcionada a essas reas centrais, j que estas so as que concentram
1
1.1 Objetivo
Captulo 1 Introduo
Neste capitulo sero apresentados, de forma breve, a relao do desenvolvimento dos
ncleos urbanos e como o sistema de transporte afeta esse crescimento.
Sero
Capitulo 7 Concluses
Neste captulo pretendem-se demonstrar as limitaes, assim como tambm, as
concluses que envolveram o presente trabalho.
Neste contexto, medida que os carros individuais necessitavam de mais espao para a
sua movimentao, as administraes pblicas restringiam a operao dos veculos
pblicos em benefcio dos privados, alternando a repartio modal e contribuindo para
que os transportes pblicos fossem perdendo, ano a ano, a sua importncia.
7
superada
pelos
acrscimos
de
tempo
de
viagem,
provenientes
de
De acordo com Mello (1984), os efeitos negativos da aplicao do uso dos automveis,
de forma generalizada, tm contribudo para aumentar os problemas sociais e
8
necessidades
da
mobilidade
(CHIAPPERO, 2003).
Conclui-se que os atuais problemas que afetam o sistema de transporte, resultam das
mudanas, em diferentes momentos, geradas nas esferas econmica, social e at mesmo,
habitacional.
Na esfera econmica, fatores como a m distribuio de renda e a adoo de planos
governamentais que, no caso do transporte, terminam por beneficiar modos como o
rodovirio, em detrimento do ferrovirio.
11
12
A segunda
14
espacial
que
envolve,
muitas
vezes,
16
17
18
19
Tal
segundo a sua influncia nos outros centros e no quanto a sua posio na hierarquia na
rede urbana. O planejamento de transporte no deve limitar-se apenas a demanda, mas,
no planejamento dos acessos s instalaes e servios a fim de oferecer mobilidade
adequada s pessoas e mercadorias.
Sendo assim, a configurao urbana e planejamento de transporte influenciam no padro
de viagem, pois interfere no deslocamento das pessoas, ou seja, na mobilidade da
populao na execuo de suas atividades.
21
brasileira.
Nas regies metropolitanas observa-se a incorporao de novas reas, na maioria das
vezes, refletida pela acelerada urbanizao, como no caso brasileiro. Possibilitando,
dessa forma, a criao de um processo de ocupao do solo profundamente
desordenado, medida que so oferecidos loteamentos e assentamentos em regies
distantes do ncleo central das cidades. Resultando no surgimento de grandes reas
vazias ou de baixa densidade no interior da mancha urbana, favorecendo a especulao.
Mesmo sendo estas incorporaes constituintes de necessidades bsicas, fica
comprometido o abastecimento com equipamentos urbanos e servios pblicos nessas
22
novas e distantes reas. No que se refere ao transporte coletivo urbano, torna-se mais
custoso ainda, pois reflete diretamente o dimetro da malha viria.
Verifica-se que nestes locais h um grande prejuzo para a mobilidade levando a
reduo da qualidade de vida dessa populao que, em sua maioria, de baixa renda e
as que mais sofrem o prejuzo desse crescimento desordenado, geralmente localizado
nas zonas perifricas.
Estudo promovido pelo Ministrio das cidades, em 2004, com dados coletados da
Agncia Nacional de Transporte Pblico ANTP do ano de 2000 e Poltica Nacional de
Mobilidade Urbana Sustentvel PNMUS, apresenta a distribuio de modos de
transporte nas Regies Metropolitanas brasileiras, segundo a sua utilizao, como visto
a seguir:
Motocicleta
1%
A p
44%
Transporte
Coletivo
29%
Por automvel
19%
23
A mobilidade por automvel, segundo a figura 02, responde por 19% (dezenove por
cento) nas Regies Metropolitanas brasileiras. Apenas 10% (dez por cento) menor que
a taxa de transporte coletivo.
O percentual de utilizao dos modos de transporte motocicleta e bicicleta, 1% (um
por cento) e 7% (sete por cento) respectivamente, so pequenos se comparados aos
outros modos. Entretanto, somando-se os percentuais desses meios de transportes,
motocicleta e bicicleta, com o de automvel chega-se a um valor muito prximo ao
percentual da utilizao dos transportes coletivos.
O transporte coletivo, de acordo com a figura 02, responsvel por 29% (vinte e nove
por cento) da utilizao dos modos de transportes. Comparando-se esse modo com
outros, como a p, por exemplo, percebe-se a necessidade de polticas pblicas para
melhor atender a populao, seja por reduo de tarifas ou por oferecer servio de
melhor qualidade.
Segundo o mesmo relatrio, o transporte coletivo atende 59 (cinqenta e nove) milhes
de viagens dirias nas reas urbanas brasileiras, sendo a maioria delas, cerca de 94%
(noventa e quatro por cento), realizadas por nibus e os 6% (seis por cento) restantes
pela rede metro-ferrovirio.
Dessas viagens, 80% so de nibus e esto concentradas na Regio Metropolitana bem
como metade da frota de veculos circulantes de todo o pas.
Contudo, a RMRJ apresenta um bom percentual de uso de transporte coletivo se
comparada com outras regies metropolitanas do pas, como a de Vitria, Recife e So
Paulo, como mostra na figura 03, a seguir:
24
25
Aspectos Gerais:
A lei complementar n. 20, de 01.07.74, estabeleceu a fuso dos Estados do Rio de
Janeiro e o da Guanabara em uma nica unidade federativa.
26
Data
3 de abril de 1990
25 de novembro de 1990
21 de dezembro de 1990
2 de dezembro de 1993
28 de dezembro 1995
12 de outubro de 1996
25 de setembro de 1999
27
uma
caracterizao
geral
da
organizao
29
Contudo, alguns
Municpios da
RMRJ
Municpio do Rio de
Janeiro
Madureira - Jacarepagu
Madureira e Jacarepagu.
Nilpolis, So Joo de Meriti, Duque de Caxias, Mag e
Periferia Metropolitana I
Guapimirim.
Periferia Metropolitana II Niteri e Maric.
Periferia Metropolitana III So Gonalo, Itabora e Tangu.
Belford Roxo, Nova Iguau, Japeri, Queimados, Paracambi,
Periferia Metropolitana IV
Seropdica, Itagua e Mangaratiba.
Contudo, importante frisar que mesmo na rea de segmentos superiores, como rea da
zona sul do municpio do Rio de Janeiro, por exemplo, h presena de favelas que
representam espaos populares e operrios. Encontra-se tambm na periferia uma
grande diversificao, onde h reas com populao com melhor poder aquisitivo
contrastando com reas com populao mais pobre.
Segundo Ribeiro (2000), apesar do crescimento da sua frente de expanso, a Zona
Oeste, o municpio do Rio de Janeiro, no geral, vem perdendo posio em relao
RMRJ, apesar desta perda ter se reduzido na primeira metade da dcada de 90.
Neste sentido, a RMRJ, se comparada com as outras metrpoles brasileiras, apresenta
uma menor taxa anual de crescimento e uma grande inflexo no ritmo do crescimento
demogrfico, apesar de apresentar, na primeira metade da dcada de 90, uma
desacelerao no ritmo de perda.
Aspectos Socioeconmicos:
Analisando a evoluo histrica do crescimento demogrfico da RMRJ verifica-se um
decrscimo, desde as dcadas de 1950 e 1960, que representava uma taxa de
crescimento de 52,2% sendo que no perodo de 1960 e 1970, a mesma caiu para 42,3%.
Quando se considera apenas o municpio do Rio de Janeiro percebe-se que os valores
so 36,6% e 30,9%, respectivamente no mesmo perodo. Esse fenmeno pode ser
atribudo a perda de atratividade da regio para os fluxos migratrios em funo da
transferncia da capital para Braslia.
A RMRJ abrigava, em 1980, cerca de 77,6 % da populao do Estado do Rio de Janeiro,
sendo que, residiam no municpio central cerca de 45 % da populao do Estado. A
concentrao de perto de 62% (sessenta e dois por cento) do parque industrial da capital
lhe d uma predominncia econmica sobre os outros municpios da RMRJ.
Sob aspectos econmicos deve-se considerar a RMRJ antes de sua formao. A fuso
do extinto estado da Guanabara com o estado do Rio de Janeiro, por exemplo, tinha
como objetivo diminuir as disparidades econmicas entre capital e interior.
31
espao fluminense.
brasileira e bom desempenho dos setores mais dinmicos da economia, o metalmecnico, o extrativo mineral, o de produo alimentcio e de bebidas e o de turismo
(CIDE, 2008).
34
1980
575.830
114.542
166.603
151.585
397.135
1.094.789
30.310
5.090.723
615.351
398.819
Populao
1995
2005
697478
840.903
178279
216.657
170573
231.427
160188
151.049
448736
473.616
811326
829.999
38150
42.936
5606497 6.087.219
832849
958.786
434458
463.889
de
io
2005
ro
G
S
on
o
a
Jo
lo
o
de
M
er
iti
1995
S
o
ac
a
R
1980
Ja
ne
i
bi
u
Pa
r
uq
u
D
Ig
ua
i
it e
r
ov
a
il
po
l
is
ag
ra
It a
bo
de
ax
ia
s
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
A dcada de estagnao econmica, de 80, tem seus reflexos nos dados, principalmente
nos dados referente ao IDH ndice de Desenvolvimento Humano que envolve
longevidade, educao e sade. No ano de 1980 houve grande variao dos dados de
IDH dos municpios da rea de estudo.
Niteri o municpio que detm o maior valor de IDH, com 0,76 e o municpio de
Mag com o menor, ou seja, com 0,59, no ano de 1980, conforme a figura 07.
37
Tratando-se das viagens realizadas para o municpio do Rio de Janeiro, em 1980, os trs
primeiros municpios que se destacaram foram os municpios de Nova Iguau que
possua 29,1% destas viagens, sendo seguido por Duque de Caxias, com 24,5% e So
Joo de Meriti com 18%. O percentual mais baixo, neste ano foi de Itabora que
apresentou apenas 0,3% das viagens realizadas como pode ser visto na figura 08 ou
tabela 04, que abarca os trs anos estudados.
Tabela 04: Viagens para o Municpio do Rio de Janeiro.
Viagens com destino Rio de Janeiro (%)
Municpios
Duque de Caxias
Itabora
Mag
Nilpolis
Niteri
Nova Iguau
Paracambi
Rio de Janeiro
So Gonalo
S. J. de Meriti
1980
24,5
0,3
0,3
7,4
11,4
29,1
1,2
0
7,8
18,0
1995
17,1
1,8
3,5
3,9
13,6
25,7
0,6
0
16,3
17,5
2005
28,3
1,2
2,1
5,1
15,4
16,8
0,2
0
12,8
18,2
Figura 08: Representao das Viagens para o Municpio do Rio de Janeiro em 1980.
38
Figura 09: Representao das Viagens para o Municpio do Rio de Janeiro em 1995.
41
1975-1979. Suas matrizes de viagem foram geradas por meio de pesquisas de campo,
ou seja, de entrevistas domiciliares e de origem-destino, realizadas pelo Metr do Rio
de Janeiro, no binio de 1975 a 1976, em todos os modos de transporte da RMRJ. So
apresentadas nesse plano de transporte deslocamentos domiclio-trabalho.
Neste plano, as Regies Administrativas do municpio do Rio de Janeiro e os
municpios perifricos a este foram estabelecidos como unidades bsicas, ou seja,
setores de trfego na diviso em zonas. E essas zonas foram estabelecidas a partir de
critrios bsicos como o nmero dirio de viagens geradas por cada uma delas. Da
decomposio destas unidades foram delimitadas 280 zonas de trfegos.
O PIT/METR apresentou, neste sentido, trinta e oito setores de trfego e destes, vinte
e quatro correspondiam s Regies Administrativas existentes no municpio do Rio de
Janeiro (SOUZA, 1981).
1995 pela prefeitura da cidade do Rio de Janeiro em conjunto com a empresa municipal
de informtica e planejamento PLANRIO. Obteve as suas matrizes de viagem atravs
43
PDTU fazer com que o planejamento da RMRJ seja contnuo, e para isso, esse plano
oferece mecanismos para a realimentao de seus dados, assim como a sua reviso e
atualizao (SECTRAN, 2007).
5.2 Selees de variveis
Em um primeiro momento, selecionou-se as variveis que pudessem explicar o quadro
de padro de viagem promovido na RMRJ. Contudo, a falta de padronizao da
metodologia empregada, de algumas variveis, pelos rgos pblicos ou at mesmo pela
falta de dados, prejudicou a proposta inicial.
tambm, analisar por todos os modos de transporte, particularmente trem, metr, nibus
e automveis, mas a proposta foi inviabilizada devido aos problemas mencionados
anteriormente. A tabela, a seguir, apresenta as variveis e os anos em que seus dados
esto disponveis.
perodo
1980
1996 - 2010
1970-1980-1991-2000 x
1993-2004
2000-2004
x
2001-2004
1996-2004
2000-2004
1995-2005
1996-2004
1970, 75, 80, 85, 1995 x
1991-2000
1998-2005
1998-2005
1998-2005
1998-2005
1998-2005
1998-2005
1998-2005
1998-2005
2003-2004
2001-2007
2001-2007
1995
2005
x
x
x
x
x
x
x
x
x
x
x
x
x
da econometria para a anlise dos dados. Cabe ressaltar, que foram utilizadas as
variveis consideradas pela literatura especfica de transporte, como frota de nibus e
frota de automveis, assim como indicadores socioeconmicos, como populao, PIB
Produto Interno Bruto e IDH ndice de Desenvolvimento Humano, por exemplo.
Essas so variveis que podem auxiliar na identificao dos elementos constituintes e
formadores do comportamento humano e que caracterizem o espao de circulao.
Os municpios da RMRJ, segundo pesquisas realizadas em anurios estatsticos,
configuraram um segundo problema. Entre o perodo de 1980 at o perodo atual,
alguns municpios deixaram de fazer parte, enquanto que outros ingressaram na RMRJ,
como foi o caso de Petrpolis, que fazia parte dessa regio e agora participa da regio
Serrana. Optou-se, neste sentido, por selecionar os municpios que constituam a RMRJ
desde o primeiro ano (1980) at o ltimo (2005) e formou-se assim, um grupo de dez
(10) municpios. E so eles: Duque de Caxias, Itabora, Mag, Nilpolis, Niteri, Nova
Iguau, Paracambi, Rio de Janeiro, So Gonalo e So Joo de Meriti.
A varivel populao foi utilizada na modelagem estatstica e foi um dos indicadores
que no exigiu interpolao para a obteno de dados nos trs perodos estudados, j
que estavam disponveis pelo IBGE.
O indicador consumo de energia eltrica total abrange todos os segmentos que
consomem energia eltrica, como indstria, comrcio, servios e residncias, por
exemplo.
Essa varivel foi considerada um indicador que poderia explicar as viagens realizadas
dentro da RMRJ, por oferecer uma indicao de nvel de desenvolvimento dos
municpios no que se refere infra-estrutura.
A varivel nmero de empregados total o somatrio de empregados de todos os
setores (industrial, comercial e servios).
indicador que permite verificar a atratividade, ou seja, o quanto essa varivel influencia
os padres de viagens entre municpios, dentro dos mesmos, ou ainda, em relao ao
46
centro da RMRJ. Os municpios Rio de Janeiro, Niteri e Nova Iguau so os trs com
maiores nmeros nos trs perodos estudados.
Utilizou-se o PIB Produto Interno Bruto, apesar de algumas literaturas consideraremno no vivel para indicar o desenvolvimento. Foram selecionados o PIB servio, PIB
comrcio e o PIB industrial como indicadores para a anlise da varivel dependente.
Sendo necessria a utilizao de interpolao para os dados de 1995 e 2005.
Contudo, alm do PIB, utilizou-se o IDH que considerado um ndice mais completo,
j que, oferece trs diferentes parmetros sintetizados em um nico indicador. O IDH
abrange a rea de educao, longevidade e dentro deste, incluindo o ndice sade e
renda. Sendo assim, o ndice varia de 0 (pior) a 1 (melhor) construindo assim um
indicador sntese (BARROS, 2001).
O indicador nmero de frota de nibus e automvel foi utilizado para que se pudesse
verificar como este poderia interferir nos padres de viagens, ou seja, se o municpio
com o maior nmero de nibus e automvel possua maior nmero de viagens. Alm de
observar como esse indicador de transporte explica a varivel dependente.
Pretende-se verificar que variveis so relevantes para a gerao de viagens, assim
como, demonstrar os diferentes contextos em que essas viagens esto inseridas.
5.3 Aquisio de dados.
Utilizou-se para aquisio dos dados, fontes oficiais e dados secundrios como os do
IBGE Instituto Brasileiro de Geografia e Estatstica, e do IPEA Instituto de Pesquisa
Econmicas Aplicadas, por exemplo. Para a obteno de uma amostra homognea
optou-se por utilizar os dados referentes aos perodos de planos de transporte que
tinham como objetivo o levantamento de dados e criao de matrizes de Origem e
Destino O/D como o Plano de Integrao de Transporte - PIT, no perodo 1980; o Plano
de Transporte de Massa PTM, de 1995 e, o Plano de Desenvolvimento do Transporte
Urbano PDTU, de 2005 que resultou no trabalho sobre nmero de viagens realizadas
no Estado do Rio de Janeiro.
47
Houve dificuldade na obteno dos dados devido srie histrica, j que, os dados de
algumas variveis ou no foram coletados, ou no estavam disponveis em alguns
perodos, sendo necessrio algumas interpolaes como discutido anteriormente.
Um outro obstculo foi a ausncia de dados para alguns municpios, segundo algumas
variveis. Como os dados de ICMS, no banco de dados do IPEA, no registrados para
os municpios de Duque de Caxias, Mag e Rio de Janeiro no perodo de 2005. neste
sentido, excluiu-se esse indicador.
Os modelos matemticos foram executados segundo tcnicas estatsticas e, baseados em
trabalhos com diferente enfoque, mas, com procedimentos semelhantes, como as
pesquisas desenvolvidas por Bayerl (2006) e Lemos (2005) enfocando as regies do
Brasil e o municpio do Rio de Janeiro, respectivamente.
O mtodo estatstico adotado deve levar em conta o nmero de variveis utilizadas neste
trabalho e descrever as relaes entre as mesmas.
O mtodo que se deseja trabalhar aquele onde as variveis possam ser relacionadas.
Como por exemplo, a representao em um diagrama de disperso (scatter plot), se
considerada duas variveis, X como a independente e Y considerada a dependente.
Com os valores yi na ordenada e xi na abscissa, sendo que cada par de valores xi e yi
fornecero um ponto.
O mtodo mais comum adotado, neste caso, anlise de regresso linear simples que
testa a hiptese de que existe uma relao entre uma varivel dependente Y e pelo
menos duas variveis independentes e fornece a equao de uma reta:
Yi = i + xi + i.
(1)
Onde:
Yi = varivel dependente;
48
xi = varivel independente;
e = parmetros da regresso; e
= perturbao estocstica.
E pode ser simplificada, segundo Bayerl (2006), da seguinte forma:
yi = a + bx
(2)
Onde:
a = coeficiente de interseo do eixo y;
b= coeficiente que determina a inclinao da linha de tendncia.
Os parmetros e so coeficientes desconhecidos a serem determinados. O ,
perturbao estocstica, a representao do resduo ou o erro, ou seja, de toda a fonte
de variabilidade em Y no explicada por X. Sendo assim, ser melhor a modelagem
quanto menor for o resduo () e melhor ser a modelagem de Y a partir do X
(LOURENO, 2004).
Entretanto, quando h envolvidas mais de duas variveis, ou principalmente, quando
existe a necessidade da incorporao de outras variveis no modelo com objetivo de
explicar o comportamento de Y. Ou quando h um maior enfoque na no termo e no
na explicao oferecida pela varivel X, busca-se utilizar, nesses dois casos, a regresso
linear mltipla expressa pela equao a seguir:
y = 0 + 1 x1i +...+ m xmi + i
(3)
Considerando:
0 e 1 = coeficientes da regresso
i = resduo.
A regresso linear mltipla multivariada, pois mais de uma varivel medida
simultaneamente em cada observao, contudo, essa regresso no deixa de ser uma
tcnica univariada, j que, o objeto de estudo apenas em relao varivel dependente
(Y) e no o comportamento das variveis independentes (X). Desta forma, deve-se
atentar a alguns procedimentos:
49
(5)
Sendo que a varincia total de Y , uma parte, explicada pelas diversas variveis
independentes (X) e o restante pela variabilidade devida ao erro.
Devem-se evitar variveis que tenham um alto coeficiente de correlao entre si: ou
seja, correlao entre as variveis independentes. A regresso linear mltipla um
mtodo eficiente para as variveis comportadas, ou que no apresentam
multicolinearidade.
A multicolinearidade ocorre quando duas ou mais variveis independentes apresentam
correlao. Quando, por exemplo, duas variveis X1 e X2 tm, aproximadamente, o
mesmo valor.
Verificar os resduos: necessrio para a busca de valores anmalos;
Nmero de casos: no utilizar um nmero inferior de casos em relao a nmero de
variveis consideradas. Que tal relao seja da ordem de 10 (dez) a 20 (vinte) vezes
superiores.
Para verificar as hipteses de que existe relacionamento linear entre as variveis X e Y,
uma srie de estatsticas equivalentes pode ser utilizada. Os principais parmetros
estatsticos para as variveis independentes usados para a regresso mltipla so (Yang,
apud Norusis, 1997):
50
51
Coeficiente Beta (): esse coeficiente utilizado para a comparao de duas ou mais
variveis.
esta estatstica relacionar o padro de viagens com vrios aspectos que possam
influenci-lo ou no, e desta forma, reconhecendo a importncia desses fatores.
O procedimento utilizado, no presente projeto, foi o mtodo Enter do programa
estatstico SPSS (Statistical Package for the Social Sciences) verso 8.0. Esse mtodo
consiste em adicionar variveis independentes ao modelo quando a estatstica F < 0,05 e
remover quando o resultado for F > 0,1.
No item a seguir ser demonstrada a utilizao do programa SPSS (Statistical Package
for the Social Sciences) verso 8.0, assim como a utilizao do programa Curve Expert
1.3 para estimar alguns dados. Sero demonstrados, tambm, os modelos matemticos
que estes softwares elaboraram.
5.5. Estrutura dos modelos matemticos
O programa SPSS (Statistical Package for the Social Sciences) verso 8.0, como citado
anteriormente, promoveu a anlise das variveis independentes, assim como, a
elaborao dos modelos matemticos, utilizando-se como varivel dependente nos
modelos de regresso linear, o Nmero de Viagens na rea de estudo.
53
Esses quatro cenrios sero elaborados em trs perodos, como definido no item
anteriormente discutido Procedimentos Iniciais, ou seja, em 1980, 1995 e 2005. Os
modelos foram construdos para verificao da relao entre as variveis
socioeconmicas e as de viagens, como tambm se h indcios do processo de
deseconomia de aglomerao, que traduz na diminuio de viagens para o centro e
um aumento de viagens entre municpios. Deveriam ser envolvidos, nessa modelagem,
todos os municpios da Regio Metropolitana do Rio de Janeiro RMRJ, contudo, houve
problemas de ausncia de dados, como citado antes, o que dificultou o estudo.
No primeiro modelo, Municpios x Rio de Janeiro, foram considerados as viagens de
Duque de Caxias, Itabora, Mag, Nilpolis, Niteri, Nova Iguau, Paracambi, So
Gonalo e So Joo de Meriti para o municpio do Rio de Janeiro. Considerando, neste
caso, os modos rodovirios.
O modelo seguinte, Dentro dos Municpios, envolve as viagens internas dos
municpios estudados, no considerando as viagens ocorridas para o municpio do Rio
de Janeiro, como tambm, as viagens originadas dele.
Para a definio da terceira modelagem, Entre os Municpios consideraram-se dois
municpios, j que, se fosse feito com todos os municpios havia a possibilidade de um
nmero grande de modelagens que dificultariam a anlise no trabalho. Desta forma,
foram selecionados os municpios que possussem o mais baixo IDH, por ser uma
varivel mais completa ao demonstrar o desenvolvimento municipal. No caso da nossa
seleo, o municpio de Itabora foi classificado como o de menor IDH e, o de maior foi
considerado o municpio de Niteri, de acordo com os municpios estudados.
54
55
Valores
Sig. F
Sig. T
de R
Durbin
Durbin
Varivel
Watson
Watson
Considerada
(d)
(Tabela)
di
Stepwise
1,0
0,000
0,132
1,834
0,376
du
2,414
Nmero de
empregados
56
Valor do beta
1,0
Nmero de empregados
Valores
de R2
Sig. T
Sig. F
Stepwise
0,998
0,000
0,000
Durbin
Watson
0,000
Stepwise
0,000
0,999
0,011
1,190
Durbin
Watson
(Tabela)
Di
Du
0,376 2,414
Variveis
Consideradas
. Nmero de
empregados
. Nmero de
empregados
. IDH
57
Nmero de empregados
1,020
IDH
- 0,040
Valores
de R2
Sig. T
Sig. F
Stepwise
0,997
0,000
0,000
Stepwise
0,013
Variveis
Consideradas
Durbin
Watson
(Tabela)
Di
Du
. PIB industrial
1,811
0,000
0,999
Durbin
Watson
0,000
. IDH
A tabela anterior demonstra que o valor de R2 foi (0,999), o que bem representativo
estatisticamente. O valor correspondente para o teste (F) mostrou um bom nvel de
significncia observado. Com o valor de R2 (0,999), as seguintes variveis
independentes foram selecionadas: PIB industrial e IDH. Tambm foi verificado o teste
no conclusivo quanto autocorrelao serial e de heteroscedasticidade.
58
PIB industrial
1,017
IDH
- 0,044
Sendo assim, a varivel mais representativa o PIB industrial. A varivel IDH continua
como uma varivel inversamente proporcional.
6.3 - Modelo referente s viagens realizadas para dentro dos municpios
considerados
Valores
de R2
Sig. T
Sig. F
Durbin
Watson
Stepwise
0,998
0,000
0,000
2,873
Durbin
Watson
(Tabela)
Di
0,376
Du
2,414
Variveis
Consideradas
Nmero de
empregados
59
Valor do beta
0,999
Nmero de empregados
Valores
de R2
Sig. T
Sig. F
Durbin
Watson
Stepwise
0,998
0,000
0,000
2,316
Durbin
Watson
(Tabela)
Di
Du
0,376 2,414
Variveis
Consideradas
Nmero de
empregados
Nmero de empregados
0,999
Valores
de R2
Sig. T
Sig. F
Durbin
Watson
Durbin
Watson
(Tabela)
Di
Variveis
Consideradas
Du
Consumo de
Stepwise
0,995
0,000
0,000
0,243
1,224
2,822
energia
eltrica total
Valor do beta
0,998
o mtodo Stepwise no foi possvel obter os valores para os testes estatsticos, devido
o critrio estabelecido pelo programa estatstico SPSS for Windows 8.0 (remover a
varivel independente quando a probabilidade de F for maior ou igual a 0,1). Diante
disso, aplicou o mtodo enter, onde todas as variveis independentes so
consideradas.
Valores
de R2
Sig. T
Sig. F
Durbin
Watson
Durbin
Watson
(Tabela)
Di
0,582
0,676
Consideradas
Du
Populao
0,222
Enter
Variveis
0,377
0,376
2,646
2,414
IDH
0,722
N. empregados
0,243
PIB industrial
Populao
15,905
IDH
0,176
N. empregados
-0,720
PIB industrial
-14,774
62
Stepwise
Valores
de R2
0,668
Sig. T
0,007
Sig. F
Durbin
Watson
Di
Du
0,376 2,414
2,072
0,007
Durbin
Watson
(Tabela)
Variveis
Consideradas
IDH
IDH
0,817
Valores
de R2
Sig. T
Sig. F
Durbin
Watson
Di
Enter
0,693
Variveis
Consideradas
Durbin
Watson
(Tabela)
Du
0,379
. Populao
0,563
. IDH
0,925
0,667
2,218
0,370
0,470
. frota de automveis
0,521
. frota de nibus
64
populao
18,100
IDH
0,736
PIB industrial
2,001
- 32, 167
Frota de automveis
23,738
Frota de nibus
-11,829
6.5 - Modelo referente s viagens realizadas para Niteri (municpio com maior
valor de IDH conforme o grupo de municpios selecionados).
65
Valores
de R2
Sig. T
Sig. F
Durbin
Watson
Durbin
Watson
(Tabela)
Di
Du
0,151
Enter
0,625
0,691
Variveis
Consideradas
Populao
0,317
0,376 2,414
2,214
IDH
0,671
N. empregados
0,157
PIB industrial
Foi obtido baixo valor para o (R2) e alto valores para os testes estatsticos (F) e para o
teste (T). Alm disso, foi verificada a ausncia de heterocedasticidade e a no concluso
quanto existncia da autocorrelao serial.
Em relao aos valores dos betas ( ), estes foram assim estabelecidos:
Tabela 25: Tabela resumo referente aos valores dos betas
Variveis
Populao
24,017
IDH
- 0,217
N. empregados
- 0,801
PIB industrial
- 22,647
As variveis mais representativas neste modelo so: populao e PIB industrial, sendo
que a ltima inversamente proporcional ao nmero de viagens realizadas.
66
Os valores obtidos para o (R2) e para os testes estatsticos atravs do mtodo enter
foram os seguintes:
Valor
de R2
Sig. T
Sig. F
Durbin
Watson
Durbin
Watson
(Tabela)
Di
Du
Populao
0,449
Enter
0,346
0,560
Variveis
Consideradas
0,216
0,376 2,414
2,214
0,363
IDH
PIB industrial
O valor de (R2) foi de 0,560 e as variveis consideradas foram: populao, IDH e PIB
industrial. O valor do teste (F) correspondente foi de 0,216, o que significa que os dados
no foram bem ajustados.
Populao
2,351
IDH
0,751
PIB industrial
- 2, 543
As variveis mais representativas neste modelo so: populao, IDH e PIB industrial,
sendo que esta ltima inversamente proporcional ao nmero de viagens realizadas.
67
Valor
de R2
Sig. T
Sig. F
Durbin
Watson
Di
Enter
0,704
Variveis
Consideradas
Durbin
Watson
(Tabela)
Du
0,725
. Populao
0,755
. IDH
0,770
0,651
2,359
0,492
0,547
. Frota de automveis
0,995
. Frota de nibus
Conforme visto na tabela acima, o valor de (R2) foi 0,704 (> 0.7) significa
estatisticamente, no presente estudo, poder explicativo relevante entre as variveis
independentes para com a dependente.
Em relao aos valores de Sig T e Sig. F pode-se dizer que, possivelmente, no existe
uma relao linear das variveis independentes. Alm disso, foi verificado a ausncia de
heterocedasticidade e que o teste de autocorrelao serial foi no conclusivo.
Em relao aos valores dos betas ( ), estes foram assim estabelecidos:
68
Frota de automveis
22,275
Populao
4,702
IDH
0,220
Frota de nibus
0,070
PIB industrial
- 7,156
- 19,520
69
MODELOS
Caractersticas
MODELO 1
Ano
horizonte
1980
Valor
de R2
1,000
Variveis
selecionadas
N. de empregados
Valores
dos Betas
1,000
1995
0,999
. N. de empregados
1,020
. IDH
- 0,040
. PIB industrial
1,017
. IDH
- 0,044
do Rio de Janeiro
2005
MODELO 2
1980
0,998
N. de empregados
0,999
1995
0,998
N. de empregados
0,999
municpios considerados
2005
0,995
0,998
. Populao
15,905
. IDH
0,176
. N. empregados
- 0,720
. PIB industrial
- 14,774
IDH
0,817
. Populao
. IDH
. PIB industrial
. Consumo de energia eltrica
. frota de automveis
. frota de nibus
18,100
0,736
2,001
- 32,167
23,738
- 11,829
. Populao
. IDH
. N. empregados
. PIB industrial
24,017
- 0,217
- 0,801
- 22,647
1980
MODELO 3
0,999
1995
0,582
0,668
MODELO 4
2005
0,693
1980
0,625
70
Continuao da Tabela 25
MODELOS
Caractersticas
Ano
Valor
Variveis
Valores dos
horizonte
de R2
selecionadas
Betas
1995
MODELO 4
0,560
0,704
. Populao
2,351
. IDH
0,751
. PIB industrial
- 2,543
. Populao
22,275
. IDH
4,702
. PIB industrial
0,220
. Consumo de
0,070
energia eltrica
. Frota de
automveis
- 7,156
- 19,520
. Frota de nibus
71
No primeiro modelo, que considera viagens realizadas para o municpio do Rio de Janeiro,
adotaram-se nmeros diferentes de variveis, no ano horizonte de 1980 e 1995 foram
quatro variveis: populao, IDH, nmero de empregados e PIB industrial e no ano
horizonte de 2005 as variveis citadas anteriormente acrescidas de consumo de energia
eltrica total, frota de automveis e de nibus, somando neste ano sete variveis.
Apesar do nmero diferente de variveis, nos trs anos estudados, o modelo apresentou-se
homogneo, ou seja, valores de R2 muito semelhante e, com o teste F com um bom nvel de
significncia observado.
As variveis predominantes, neste modelo, so a n. de empregados e IDH. Sendo que o
IDH apresentou-se como uma varivel inversamente proporcional ao nmero de viagens
realizadas, possivelmente devido a interpolaes dos dados desta varivel.
O segundo modelo considera as viagens internas dos municpios considerados pelo estudo.
Nesse modelo, como no primeiro, foram selecionados diferentes nmeros de variveis. Em
1980 e 1995 foram as quatro variveis: populao, IDH, nmero de empregados e PIB
industrial e no ano horizonte de 2005: populao, IDH, nmero de empregados, PIB
industrial, consumo de energia eltrica total, frota de automveis e frota de nibus.
O R2 neste modelo foi alto e semelhante nos trs anos do estudo. O teste F apresentou-se
com um bom ajuste e verificou-se que tal teste no conclusivo, assim como, foi detectada
a ausncia de heterocedasticidade.
A varivel n. de empregados foi tambm predominante neste modelo. Sendo essa
varivel considerada nos dois anos horizontes de 1980 e 1995. A varivel consumo de
energia eltrica foi a mais relevante no ano de 2005.
O terceiro modelo considera as viagens realizadas para Itabora, o municpio, dentro do
grupo selecionado, que possui o menor valor de IDH. Assim como nos modelos anteriores,
este modelo adotou nmero diferente de variveis.
72
Neste modelo, foi obtido um R2 muito baixo se comparado com os modelos anteriores. O
teste F foi superior ao estabelecido pelo programa SPSS, sendo necessrio, em alguns
casos, o uso do modelo enter, por exemplo. Este modelo seleciona todas as variveis
utilizadas no presente estudo, sem descartar as com pesos semelhantes.
O cenrio trs, no ano de 1980, apresentou como variveis explicativas populao e IDH
para as viagens para Itabora. As variveis numero de empregados e PIB industrial
comportaram-se como variveis inversamente proporcionais as viagens para este
municpio. Contudo como os modelos anteriores este no so conclusivos.
No ano de 1985, o cenrio trs apresentou como varivel o IDH para explicar as viagens
para Itabora, o que no foi uma varivel esperada. Contudo, esse fato pode ser explicado
devido os dados que foram interpolados.
As variveis populao, IDH, PIB industrial e frota de automveis foram consideradas,
nesse cenrio trs, sendo as mais relevantes, sendo que as variveis populao e frota de
automveis foram as mais significativas para explicao das viagens realizadas para
Itabora em 2005.
variveis diferentes.
73
As
74
sociais e econmicas que influenciam na gerao de viagens e que no foram objeto deste
estudo.
Devido aos problemas, citado em captulos anteriores, como a ausncia de dados de
variveis explicativas e a no possibilidade de fazer interpolaes de alguns dados, por
exemplo, no foi possvel fazer com que os quatro cenrios oferecessem um resultado
linear e satisfatrio. Sendo recomendado, para estudos futuros, a definio de outros
perodos ou uma srie histrica seqencial.
75
Esse processo
acompanha essa regio desde sua formao, quando na fuso do estado da Guanabara e o
do Rio de Janeiro.
A hiptese inicial era que o municpio perifrico ao se desenvolver teria mais autonomia e,
conseqentemente, uma menor dependncia do municpio central. Entretanto, percebe-se
que ao se desenvolver, o municpio perifrico, no se torna isolado, e promove, ainda, uma
maior integrao, ou seja, a relao centro-periferia no diminui apenas se modifica,
comportando-se de forma mais integrada.
Na dcada de 80, a estagnao econmica e desigualdade social fizeram com que a
qualidade de vida da populao reduzisse. Apesar do cenrio 1 (um) apresentar algumas
limitaes, o mesmo demonstra que a varivel mais significativa foi n. de empregados,
ou seja, o municpio que possusse o maior nmero de empregados possua tambm o mais
nmeros de viagens para o municpio do Rio de Janeiro. Neste sentido, pode-se considerar
as viagens pendulares, dos trabalhadores dos municpios perifricos para o municpio
central, do Rio de Janeiro.
No ano de 1995 tem-se uma melhoria na economia brasileira. Esse crescimento foi
resultado da adoo de uma nova moeda e do processo, j iniciado nos anos 80, de
instalaes de grandes empresas em cidades mdias.
A qualidade da populao
influenciada, neste contexto, sendo refletida nos valores de IDH que se tornaram mais altos
se comparados com os de 1980. Contudo, o crescimento percebido neste ano foi um
crescimento sem emprego o que demonstra a importncia dessa varivel, n. de
empregados, neste perodo.
76
Concordando com o
indstrias automobilsticas.
mencionado, baseia-se em nibus mesmo tendo a populao mais pobre como os seus
maiores usurios.
77
78
Referncias Bibliogrficas
ANTP.
Agncia
Nacional
de
Transportes
Pblicos.
Disponvel
em
FLUMINENSE
<http://baixadafluminense.wordpress.com/2007/12/20/aspectos-
Relatrio Tcnico.
79
CHIAPPERO, M. (2003). Principais desafios para o transporte nas cidades brasileiras. in:
Revista dos Transportes Pblicos ANTP. Ano 25. 2003. 3 trimestre.
CORRA, R. L. A Rede Urbana. So Paulo. Ed. tica. 2 edio. 1994
FORN, M. de (2002), La Movilidad en la Planificacin Estratgica de las Ciudades. In:
Seminrio de Transporte Plubico y Movilidad Sostenible, Peiscola.
GOMIDE, A. A. (2003). Mobilidade urbana e incluso social: desafios para o transporte
urbano no Brasil.
trimestre.
ICHIKAWA, S. M., PITOMBO, C. S., KAWAMOTO, E.
Aplicao de Minerador de
80
Strategy: Temporal stability of a mode choice model. In: XVII Congresso de Pesquisa e
Ensino em Transporte.
NOROSIS, M. J. SPSS professional; statistic 6.1: users guide. New York.
OLIVEIRA, F.J.G. de (2003). Reconfigurao da Gesto Local face a dinmica
Metropolitana:
81
YANG, I TI Percepo de Risco dos Ciclistas com Relao ao Sistema de Trfego Urbano
na Cidade do Rio de Janeiro. 1997. M.Sc. Engenharia de Transportes. Universidade
Federal do Rio de Janeiro, COPPE/UFRJ.
82
Bibliografia
ANFAVEA.
Associao
83
84
11 Congresso
Nacional de
(Mestrado em Cincias).
CBTU e
Horizonte. 1997.
NOVAES, ANTONIO GALVO (1981) Modelos de Planejamento Urbano, Regional e de
Transportes.
85
PINTO, V. PERES
POYARES, C. N. e PORTUGAL, L. S. da
In:
CNT/ANPET.
Transporte em
Transformao III: problemas e solues dos transportes no Brasil. So Paulo. MAKRON Books.
2001.
<http://www.ippur.ufrj.br/observatorio/download/anpur_luiz_cesar.pdf>
Programa de Ps-
86
1999. Dissertao
SANTOS, M. & GILBERT (SEM DATA) The Utility of Structural Modelling Techniques in
Transportation Planning Department of Civil Engineering Imperial College.
SECTRAN
SILVA, D.
VASCONCELLOS, E. A.
87
VICTORIA
TRANPORT
POLICY
INSTITUTE.
Automobile
dependency
Transportation and Land Use Patterns that cause high levels of automobile use and reduced
transport options. Tdm Encyclopedia. Disponvel em:
<< http://www.automobiledependency_www_vtpi_org.pdf>>
ZAGORIANAKOS, E.
a missed
Journal of
88
ANEXOS
89
Mean
848131,2
863568,7
,6775
280214,4
433900,2
Std.
Deviation
2449287,7
1518343,3
7,112E-02
778991,52
809202,08
N
10
10
10
10
10
Correlations
Pearson Correlation
Sig. (1-tailed)
Viagens
para o R.J
1,000
,983
,410
1,000
,982
,
,000
,120
,000
,000
10
10
10
10
10
populao
,983
1,000
,439
,984
,999
,000
,
,102
,000
,000
10
10
10
10
10
idh
,410
,439
1,000
,417
,426
,120
,102
,
,116
,110
10
10
10
10
10
n
empregados
1,000
,984
,417
1,000
,984
,000
,000
,116
,
,000
10
10
10
10
10
pib
industrial
,982
,999
,426
,984
1,000
,000
,000
,110
,000
,
10
10
10
10
10
Variables Entered/Removeda
Model
1
Variables
Entered
n
empregad
os
Variables
Removed
Method
Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
90
b
Model Summary
Change Statistics
Std. Error
Adjusted R of the
R Square
Estimate Change F Change
R
R Square Square
df1
df2
1,000a
1,000
,999 7560,3182
1,000 6287,802
1
8
Model
1
Sig. F
Change Durbin-Watson
,000
1,834
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
5,40E+13
2,65E+10
5,40E+13
Mean
Square
5,40E+13
3,31E+09
df
1
8
9
F
16287,802
Sig.
,000a
Coefficientsa
Model
1
(Constant)
n empregados
Unstandardized
Coefficients
B
Std. Error
-32696,3 19466,722
3,143
,025
Standardi
zed
Coefficien
ts
Beta
1,000
t
-1,680
127,624
Sig.
,132
,000
Excluded Variablesb
Model
1
populao
idh
pib industrial
Beta In
-,037a
-,008a
-,036a
t
-,833
-,882
-,799
Sig.
,433
,407
,451
Partial
Correlation
-,300
-,316
-,289
Collinearit
y
Statistics
Tolerance
3,154E-02
,826
3,243E-02
91
Mean
VIAGENS PARA O R.J 524680,9
populao
937853,4
IDH
,7516
N DE EMPREGADOS 316808,8
PIB INDUSTRIAL
914996,5
Std.
Deviation
1482839,2
1665119,1
4,783E-02
809581,73
2362751,5
N
10
10
10
10
10
Correlations
Pearson Correlation
Sig. (1-tailed)
VIAGENS
PARA O
R.J
1,000
,989
,506
,999
,999
,
,000
,068
,000
,000
10
10
10
10
10
populao
,989
1,000
,533
,991
,991
,000
,
,056
,000
,000
10
10
10
10
10
IDH
,506
,533
1,000
,535
,540
,068
,056
,
,055
,054
10
10
10
10
10
N DE
EMPREGADOS
,999
,991
,535
1,000
1,000
,000
,000
,055
,
,000
10
10
10
10
10
PIB
INDUSTRIAL
,999
,991
,540
1,000
1,000
,000
,000
,054
,000
,
10
10
10
10
10
Variables Entered/Removeda
Model
1
Variables
Entered
Variables
Removed
N DE
EMPREGA
DOS
IDH
Method
Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
92
c
Model Summary
Model
1
2
R
,999a
1,000b
Change Statistics
R Square
df1
df2
Change F Change
,998 4500,945
1
8
,001
11,959
1
7
Std. Error
Adjusted R
of the
R Square
Square
Estimate
,998
,998 66248,7771
,999
,999 43034,7862
Sig. F
Change Durbin-Watson
,000
,011
1,190
ANOVAc
Model
1
Regression
Residual
Total
Regression
Residual
Total
Sum of
Squares
1,98E+13
3,51E+10
1,98E+13
1,98E+13
1,30E+10
1,98E+13
df
1
8
9
2
7
9
Mean
Square
1,98E+13
4,39E+09
9,89E+12
1,85E+09
F
4500,945
Sig.
,000a
5339,207
,000b
Coefficientsa
Model
1
2
Unstandardized
Coefficients
B
Std. Error
(Constant)
-55074,7 22662,016
N DE EMPREGADOS
1,830
,027
(Constant)
855563,2
263744,3
N DE EMPREGADOS
1,869
,021
IDH
-1227899
355077,0
Standardi
zed
Coefficien
ts
Beta
,999
1,020
-,040
t
-2,430
67,089
3,244
89,093
-3,458
Sig.
,041
,000
,014
,000
,011
93
Excluded Variablesc
Model
1
populao
IDH
PIB INDUSTRIAL
populao
PIB INDUSTRIAL
Beta In
-,062a
-,040a
-2,791a
-,057b
-1,548b
t
-,527
-3,458
-2,621
-,758
-1,582
Sig.
,615
,011
,034
,477
,165
Partial
Correlation
-,195
-,794
-,704
-,296
-,542
Collinearit
y
Statistics
Tolerance
1,755E-02
,714
1,128E-04
1,755E-02
8,042E-05
Mean
1162277
1029648
,8190
239062,3
1227143
Std.
Deviation
3442664,6
1805314,2
4,215E-02
579779,06
3286497,3
1956763
4428979,7
10
172685,6
3638,8000
392833,92
6660,3097
10
10
N
10
10
10
10
10
Correlations
Pearson Correlation
Sig. (1-tailed)
nmero de
empregados
,998
,991
,433
1,000
1,000
PIB
industrial
,999
,989
,423
1,000
1,000
consumo
de energ.
eltrica
total
,997
,995
,424
,999
,999
,424
,999
,999
,448
,447
,135
,124
,
,106
,111
1,000
,996
,000
,000
,106
,
,000
,999
,994
,000
,000
,111
,000
,
,000
,111
,000
,000
,000
10
10
10
10
10
,097
,098
10
10
10
10
10
,000
,000
10
10
10
10
10
10
10
10
10
10
10
10
10
10
viagens
para o R.J
1,000
,987
,387
,998
,999
populao
,987
1,000
,403
,991
,989
IDH
,387
,403
1,000
,433
,423
,997
,995
,996
,989
,
,000
,135
,000
,000
,992
,996
,000
,
,124
,000
,000
,000
,000
,000
10
10
10
10
10
frota de
automveis
,996
,992
,448
1,000
,999
frota de
nibus
,989
,996
,447
,996
,994
1,000
,999
,997
,999
,997
,000
,000
,111
,000
,000
1,000
,997
,000
,000
,097
,000
,000
,997
1,000
,000
,000
,098
,000
,000
,000
,000
,000
,000
,000
10
10
10
10
10
,000
,000
10
10
10
10
10
,
,000
10
10
10
10
10
,000
,
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
94
Variables Entered/Removeda
Variables
Entered
Model
1
Variables
Removed
PIB
industrial
IDH
Method
Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
Model Summaryc
Model
1
2
R
R Square
,999a
,997
,999b
,999
Adjusted R
Square
,997
,999
Std. Error
of the
Estimate
185384,37
123710,28
Change Statistics
R Square
Change
,997
,002
F Change
3095,743
10,965
df1
df2
1
1
8
7
Sig. F
Change
,000
,013
Durbin-Watson
1,811
ANOVAc
Model
1
Regression
Residual
Total
Regression
Residual
Total
Sum of
Squares
1,06E+14
2,75E+11
1,07E+14
1,07E+14
1,07E+11
1,07E+14
df
1
8
9
2
7
9
Mean
Square
1,06E+14
3,44E+10
5,33E+13
1,53E+10
F
3095,743
Sig.
,000a
3481,400
,000b
95
Coefficientsa
Model
1
2
(Constant)
PIB industrial
(Constant)
PIB industrial
IDH
Unstandardized
Coefficients
B
Std. Error
-121520 63000,982
1,046
,019
2783030
878162,5
1,066
,014
-3575733
1079849
Standardi
zed
Coefficien
ts
Beta
,999
1,017
-,044
t
-1,929
55,639
3,169
76,940
-3,311
Sig.
,090
,000
,016
,000
,013
Excluded Variablesc
Model
1
populao
IDH
nmero de empregados
consumo de energ.
eltrica total
frota de automveis
frota de nibus
populao
nmero de empregados
consumo de energ.
eltrica total
frota de automveis
frota de nibus
Beta In
-,037a
-,044a
-1,543a
-,183
-,779a
-,237a
-,068b
-,972b
-,160
-,362b
-,158b
t
-,290
-3,311
-2,617
Sig.
,780
,013
,035
Partial
Correlation
-,109
-,781
-,703
Collinearit
y
Statistics
Tolerance
2,242E-02
,821
5,355E-04
-,524
,616
-,194
2,904E-03
-2,455
-1,635
-,825
-2,016
,044
,146
,441
,090
-,680
-,526
-,319
-,635
1,966E-03
1,263E-02
2,213E-02
4,291E-04
-,692
,515
-,272
2,901E-03
-1,058
-1,578
,331
,166
-,396
-,542
1,204E-03
1,182E-02
96
viagens dentro do
municpio
populao
idh
n empregados
pib industrial
Mean
Std.
Deviation
876677,9
2441662,2
10
863568,7
,6775
280214,4
433900,2
1518343,3
7,112E-02
778991,52
809202,08
10
10
10
10
Correlations
viagens
dentro do
municpio
Pearson Correlation
Sig. (1-tailed)
viagens dentro do
municpio
populao
idh
n empregados
pib industrial
viagens dentro do
municpio
populao
idh
n empregados
pib industrial
viagens dentro do
municpio
populao
idh
n empregados
pib industrial
populao
n
empregados
idh
pib
industrial
1,000
,981
,436
,999
,980
,981
,436
,999
,980
1,000
,439
,984
,999
,439
1,000
,417
,426
,984
,417
1,000
,984
,999
,426
,984
1,000
,000
,104
,000
,000
,000
,104
,000
,000
,
,102
,000
,000
,102
,
,116
,110
,000
,116
,
,000
,000
,110
,000
,
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
Variables Entered/Removeda
Model
1
Variables
Entered
n
empregad
os
Variables
Removed
Method
Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
97
b
Model Summary
Model
1
Std. Error
Adjusted R
of the
R
R Square Square
Estimate
,999a
,998
,998 110342,84
Change Statistics
R Square
df1
df2
Change F Change
,998 4398,820
1
8
Sig. F
Change Durbin-Watson
,000
2,873
Coefficientsa
Model
1
(Constant)
n empregados
Standardi
zed
Coefficien
ts
Beta
Unstandardized
Coefficients
B
Std. Error
-825,356 37317,609
3,132
,047
,999
t
-,022
66,324
Sig.
,983
,000
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
5,36E+13
9,74E+10
5,37E+13
df
1
8
9
Mean
Square
5,36E+13
1,22E+10
F
4398,820
Sig.
,000a
Excluded Variablesb
Model
1
populao
idh
pib industrial
Beta In
-,080a
,024a
-,095a
t
-,932
1,534
-1,153
Sig.
,382
,169
,287
Partial
Correlation
-,332
,501
-,400
Collinearit
y
Statistics
Tolerance
3,154E-02
,826
3,243E-02
98
Descriptive Statistics
Mean
Std.
Deviation
594773,3
1462480,2
10
937853,4
,7516
316808,8
914996,5
1665119,1
4,783E-02
809581,73
2362751,5
10
10
10
10
Correlations
Pearson Correlation
Sig. (1-tailed)
VIAGENS
PARA
DENTRO
DO
MUNICPIO
populao
1,000
,993
,993
,541
,999
,999
N DE
EMPREGADOS
PIB
INDUSTRIAL
,541
,999
,999
1,000
,533
,991
,991
,533
1,000
,535
,540
,991
,535
1,000
1,000
,991
,540
1,000
1,000
IDH
,000
,053
,000
,000
,000
,053
,000
,000
,
,056
,000
,000
,056
,
,055
,054
,000
,055
,
,000
,000
,054
,000
,
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
Variables Entered/Removeda
Model
1
Variables
Entered
N DE
EMPREGA
DOS
Variables
Removed
Method
Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
99
b
Model Summary
Std. Error
Adjusted R
of the
R
R Square
Square
Estimate
a
,999
,998
,998 67719,9421
Model
1
Change Statistics
R Square
df1
df2
Change F Change
,998 4189,487
1
8
Sig. F
Change Durbin-Watson
,000
2,316
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
1,92E+13
3,67E+10
1,92E+13
Mean
Square
1,92E+13
4,59E+09
df
1
8
9
F
4189,487
Sig.
,000a
Coefficientsa
Model
1
Unstandardized
Coefficients
B
Std. Error
(Constant)
23015,269 23165,264
N DE EMPREGADOS
1,805
,028
Standardi
zed
Coefficien
ts
Beta
t
,994
64,726
,999
Sig.
,350
,000
Excluded Variablesb
Model
1
populao
IDH
PIB INDUSTRIAL
Beta In
,182a
,008a
,171a
t
1,751
,424
,110
Sig.
,123
,684
,916
Partial
Correlation
,552
,158
,041
Collinearit
y
Statistics
Tolerance
1,755E-02
,714
1,128E-04
100
Descriptive Statistics
Mean
Std.
Deviation
1561016
3326729,6
10
1029648
,8190
239062,3
1227143
1805314,2
4,215E-02
579779,06
3286497,3
10
10
10
10
1956763
4428979,7
10
172685,6
3638,8000
392833,92
6660,3097
10
10
Correlations
Viagens
para
dentro do
municpio
Pearson Correlation
Sig. (1-tailed)
populao
nmero de
empregados
IDH
PIB
industrial
consumo
de energ.
eltrica
total
frota de
automveis
frota de
nibus
1,000
,997
,405
,997
,996
,998
,996
,997
,997
,405
,997
,996
1,000
,403
,991
,989
,403
1,000
,433
,423
,991
,433
1,000
1,000
,989
,423
1,000
1,000
,995
,424
,999
,999
,992
,448
1,000
,999
,996
,447
,996
,994
,998
,995
,424
,999
,999
1,000
,999
,997
,996
,997
,992
,996
,448
,447
1,000
,996
,999
,994
,999
,997
1,000
,997
,997
1,000
,000
,123
,000
,000
,000
,000
,000
,000
,123
,000
,000
,
,124
,000
,000
,124
,
,106
,111
,000
,106
,
,000
,000
,111
,000
,
,000
,111
,000
,000
,000
,097
,000
,000
,000
,098
,000
,000
,000
,000
,111
,000
,000
,000
,000
,000
,000
,000
,000
,097
,098
,000
,000
,000
,000
,000
,000
,
,000
,000
,
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
Variables Entered/Removeda
Model
1
Variables
Entered
consumo
de energ.
eltrica
total
Variables
Removed
Method
Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
101
b
Model Summary
Model
1
Std. Error
Adjusted R
of the
R
R Square
Square
Estimate
a
,998
,995
,995 242225,67
Change Statistics
R Square
df1
df2
Change F Change
,995 1689,607
1
8
Sig. F
Change Durbin-Watson
,000
1,224
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
9,91E+13
4,69E+11
9,96E+13
df
1
8
9
Mean
Square
9,91E+13
5,87E+10
F
1689,607
Sig.
,000a
Coefficientsa
Model
1
(Constant)
consumo de energ.
eltrica total
Unstandardized
Coefficients
B
Std. Error
94704,188 84497,657
,749
,018
Standardi
zed
Coefficien
ts
Beta
,998
t
1,121
Sig.
,295
41,105
,000
Partial
Correlation
,642
-,288
,005
-,112
-,225
,504
Collinearit
y
Statistics
Tolerance
1,060E-02
,820
1,677E-03
2,904E-03
1,470E-03
6,116E-03
Excluded Variablesb
Model
1
populao
IDH
nmero de empregados
PIB industrial
frota de automveis
frota de nibus
Beta In
,428a
-,022a
,009a
-,143a
-,402a
,442a
t
2,217
-,797
,015
-,299
-,610
1,543
Sig.
,062
,452
,989
,774
,561
,167
102
Mean
707,3333
946793,9
,6916
310314,0
476697,6
Std.
Deviation
1120,9222
1586069,0
5,889E-02
820054,22
846199,35
N
9
9
9
9
9
Correlations
Pearson Correlation
Sig. (1-tailed)
Viagens
para
Itabora
1,000
,506
,525
,483
,488
,
,083
,073
,094
,092
9
9
9
9
9
populao
,506
1,000
,430
,985
,999
,083
,
,124
,000
,000
9
9
9
9
9
idh
,525
,430
1,000
,439
,418
,073
,124
,
,118
,131
9
9
9
9
9
n
empregados
,483
,985
,439
1,000
,984
,094
,000
,118
,
,000
9
9
9
9
9
pib
industrial
,488
,999
,418
,984
1,000
,092
,000
,131
,000
,
9
9
9
9
9
Variables Entered/Removedb
Model
1
Variables
Entered
pib
industrial,
idh, n
empregad
os,
a
populao
Variables
Removed
Method
Enter
103
Model Summaryb
Model
1
R
R Square
,763a
,582
Adjusted R
Square
,165
Std. Error
of the
Estimate
1024,3644
Change Statistics
R Square
Change
,582
F Change
1,395
df1
Sig. F
Change
,377
df2
4
Durbin-Watson
2,746
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
5854442,1
4197289,9
10051732
df
4
4
8
Mean
Square
1463610,5
1049322,5
F
1,395
Sig.
,377a
Coefficientsa
Model
1
(Constant)
populao
idh
n empregados
pib industrial
Unstandardized
Coefficients
B
Std. Error
-2620,723
4982,069
1,124E-02
,008
3355,012
7467,490
-9,84E-04
,003
-1,96E-02
,014
Standardi
zed
Coefficien
ts
Beta
15,905
,176
-,720
-14,774
t
-,526
1,444
,449
-,381
-1,370
Sig.
,627
,222
,676
,722
,243
Mean
VIAGENS PARA ITABORA2960,8889
populao
1022251
IDH
,7565
N DE EMPREGADOS
350143,0
PIB INDUSTRIAL
1013252
Std.
Deviation
4165,2644
1743291,9
4,808E-02
851381,08
2484313,0
N
9
9
9
9
9
104
Correlations
Pearson Correlation
Sig. (1-tailed)
VIAGENS
PARA
ITABORA
VIAGENS PARA ITABORA
1,000
populao
,575
IDH
,817
N DE EMPREGADOS
,556
PIB INDUSTRIAL
,560
VIAGENS PARA ITABORA
,
populao
,053
IDH
,004
N DE EMPREGADOS
,060
PIB INDUSTRIAL
,058
VIAGENS PARA ITABORA
9
populao
9
IDH
9
N DE EMPREGADOS
9
PIB INDUSTRIAL
9
populao
,575
1,000
,515
,991
,991
,053
,
,078
,000
,000
9
9
9
9
9
IDH
,817
,515
1,000
,525
,530
,004
,078
,
,073
,071
9
9
9
9
9
N DE
EMPREGADOS
,556
,991
,525
1,000
1,000
,060
,000
,073
,
,000
9
9
9
9
9
PIB
INDUSTRIAL
,560
,991
,530
1,000
1,000
,058
,000
,071
,000
,
9
9
9
9
9
Variables Entered/Removeda
Model
1
Variables
Entered
IDH
Variables
Removed
Method
Stepwise
(Criteria:
Probabilit
y-of-F-to-e
nter <=
,050,
Probabilit
y-of-F-to-r
emove >=
,100).
b
Model Summary
Model
1
Std. Error
of the
Adjusted R
Estimate
Square
R
R Square
,817a
,668
,620 2566,5250
Change Statistics
R Square
Change F Change
df1
df2
,668
14,071
1
7
Sig. F
Change Durbin-Watson
,007
2,072
105
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
92686065
46109354
1,39E+08
Mean
Square
92686065
6587050,5
df
1
7
8
F
14,071
Sig.
,007a
Coefficientsa
Model
1
(Constant)
IDH
Unstandardized
Coefficients
B
Std. Error
-50594,5 14302,768
70797,299 18873,609
Standardi
zed
Coefficien
ts
Beta
t
-3,537
3,751
,817
Sig.
,010
,007
Excluded Variablesb
Model
1
populao
N DE EMPREGADOS
PIB INDUSTRIAL
Beta In
,210a
,176a
,177a
t
,806
,658
,660
Sig.
,451
,535
,534
Partial
Correlation
,313
,259
,260
Collinearit
y
Statistics
Tolerance
,735
,724
,719
Mean
7454,7778
1119980
,8227
263563,1
1359912
Std.
Deviation
13602,6312
1890702,2
4,290E-02
609432,91
3457294,8
2147892
4653695,3
189794,6
3895,6667
412692,67
7011,5912
9
9
N
9
9
9
9
9
106
Correlations
Pearson Correlation
Sig. (1-tailed)
nmero de
empregados
,054
,991
,415
1,000
1,000
PIB
industrial
,044
,989
,407
1,000
1,000
consumo
de energ.
eltrica
total
,064
,995
,406
,999
,999
,406
,999
,999
,431
,433
,116
,158
,
,133
,138
1,000
,996
,445
,000
,133
,
,000
,999
,994
,456
,000
,138
,000
,
,000
,139
,000
,000
,000
9
9
9
9
9
,124
,122
9
9
9
9
9
,000
,000
9
9
9
9
9
9
9
9
9
9
9
Viagens
para
Itabora
1,000
,105
,444
,054
,044
populao
,105
1,000
,378
,991
,989
IDH
,444
,378
1,000
,415
,407
,064
,995
,073
,110
,
,394
,116
,445
,456
,992
,997
,394
,
,158
,000
,000
,435
,426
,389
9
9
9
9
9
frota de
automveis
,073
,992
,431
1,000
,999
frota de
nibus
,110
,997
,433
,996
,994
1,000
,999
,997
,999
,997
,435
,000
,139
,000
,000
1,000
,997
,426
,000
,124
,000
,000
,997
1,000
,389
,000
,122
,000
,000
,000
,000
,000
,000
,000
9
9
9
9
9
,000
,000
9
9
9
9
9
,
,000
9
9
9
9
9
,000
,
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
Variables Entered/Removedb
Model
1
Variables
Entered
frota de
nibus,
IDH, PIB
industrial,
populao,
frota de
automvei
s,
consumo
de energ.
eltrica
a
total
Variables
Removed
Method
Enter
b
Model Summary
Model
1
R
,832a
Std. Error
Adjusted R
of the
R Square
Square
Estimate
,693
-,228 15074,4778
Change Statistics
R Square
df1
df2
Change F Change
,693
,752
6
2
Sig. F
Change Durbin-Watson
,667
2,218
a. Predictors: (Constant), frota de nibus, IDH, PIB industrial, populao, frota de automveis, consumo de energ. eltrica total
b. Dependent Variable: Viagens para Itabora
107
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
1,03E+09
4,54E+08
1,48E+09
Mean
Square
1,71E+08
2,27E+08
df
6
2
8
F
,752
Sig.
,667a
Coefficientsa
Model
1
(Constant)
populao
IDH
PIB industrial
consumo de energ.
eltrica total
frota de automveis
frota de nibus
Unstandardized
Coefficients
B
Std. Error
-198343
271874,7
,130
,116
233487,0
339655,4
7,872E-03
,074
Standardi
zed
Coefficien
ts
Beta
18,100
,736
2,001
t
-,730
1,120
,687
,106
Sig.
,542
,379
,563
,925
-9,40E-02
,082
-32,167
-1,147
,370
,782
-22,949
,885
29,706
23,738
-11,829
,885
-,773
,470
,521
Partial
Correlation
-,749
Collinearit
y
Statistics
Tolerance
4,429E-06
Excluded Variablesb
Model
1
nmero de empregados
Beta In
-197,277a
t
-1,131
Sig.
,461
a. Predictors in the Model: (Constant), frota de nibus, IDH, PIB industrial, populao, frota de
automveis, consumo de energ. eltrica total
b. Dependent Variable: Viagens para Itabora
108
Mean
23029,44
915394,7
,6673
304951,6
459666,6
Std.
Deviation
45562,9932
1601037,3
6,729E-02
822068,78
853926,25
N
9
9
9
9
9
Correlations
Pearson Correlation
Sig. (1-tailed)
Viagens
para
Niteri
1,000
,475
,538
,445
,455
,
,098
,067
,115
,109
9
9
9
9
9
populao
,475
1,000
,550
,984
,999
,098
,
,062
,000
,000
9
9
9
9
9
idh
,538
,550
1,000
,521
,532
,067
,062
,
,075
,070
9
9
9
9
9
n
empregados
,445
,984
,521
1,000
,983
,115
,000
,075
,
,000
9
9
9
9
9
pib
industrial
,455
,999
,532
,983
1,000
,109
,000
,070
,000
,
9
9
9
9
9
Variables Entered/Removedb
Model
1
Variables
Entered
pib
industrial,
idh, n
empregad
os,
a
populao
Variables
Removed
Method
Enter
109
b
Model Summary
Model
1
Change Statistics
Std. Error
Adjusted R
R Square
of the
R
R Square Square
df1
df2
Change F Change
Estimate
,790a
,625
,249 9480,1719
,625
1,664
4
4
Sig. F
Change Durbin-Watson
,317
2,214
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
1,04E+10
6,23E+09
1,66E+10
df
4
4
8
Mean
Square
2,59E+09
1,56E+09
F
1,664
Sig.
,317a
Coefficientsa
Model
1
(Constant)
populao
idh
n empregados
pib industrial
Unstandardized
Coefficients
B
Std. Error
64411,999
207204,9
,683
,385
-146952
343307,2
-4,44E-02
,097
-1,208
,696
Standardi
zed
Coefficien
ts
Beta
t
,311
1,773
-,428
-,458
-1,737
24,017
-,217
-,801
-22,647
Sig.
,771
,151
,691
,671
,157
Mean
VIAGENS PARA NITEROI 22128,11
populao
992199,8
IDH
,7406
N DE EMPREGADOS
335811,6
PIB INDUSTRIAL
964944,3
Std.
Deviation
41242,9833
1756693,5
3,471E-02
856322,35
2500470,5
N
9
9
9
9
9
110
Correlations
Pearson Correlation
Sig. (1-tailed)
VIAGENS
PARA
NITEROI
VIAGENS PARA NITEROI
1,000
populao
,500
IDH
,659
N DE EMPREGADOS
,437
PIB INDUSTRIAL
,437
VIAGENS PARA NITEROI
,
populao
,085
IDH
,027
N DE EMPREGADOS
,120
PIB INDUSTRIAL
,120
VIAGENS PARA NITEROI
9
populao
9
IDH
9
N DE EMPREGADOS
9
PIB INDUSTRIAL
9
populao
,500
1,000
,893
,992
,992
,085
,
,001
,000
,000
9
9
9
9
9
IDH
,659
,893
1,000
,864
,862
,027
,001
,
,001
,001
9
9
9
9
9
N DE
EMPREGADOS
,437
,992
,864
1,000
1,000
,120
,000
,001
,
,000
9
9
9
9
9
PIB
INDUSTRIAL
,437
,992
,862
1,000
1,000
,120
,000
,001
,000
,
9
9
9
9
9
Model Summary
Model
1
2
R
R Square
,749a
,560
,000b
,000
Std. Error
of the
Adjusted R
Estimate
Square
,296 34594,3595
,000 41242,9833
Change Statistics
R Square
Change
,560
-,560
F Change
2,123
2,123
df1
df2
3
3
5
11
Sig. F
Change
,216
,216
Variables Entered/Removedd
Model
1
Variables
Entered
PIB
INDUSTRI
AL, IDH, a
populao
2
b
Variables
Removed
Method
,
populao,
IDH, PIB
INDUSTRI
c
AL
Enter
Remove
111
ANOVAc
Model
1
Regression
Residual
Total
Regression
Residual
Total
Sum of
Squares
7,62E+09
5,98E+09
1,36E+10
,000
1,36E+10
1,36E+10
df
3
5
8
0
8
8
Mean
Square
2,54E+09
1,20E+09
,000
1,70E+09
F
2,123
Sig.
,216a
,b
t
-1,064
,820
1,039
-,999
1,610
Sig.
,336
,449
,346
,363
,146
Coefficientsa
Model
1
Unstandardized
Coefficients
B
Std. Error
(Constant)
-653314
614156,6
populao
5,520E-02
,067
IDH
892703,0
859211,2
PIB INDUSTRIAL -4,19E-02
,042
(Constant)
22128,111 13747,661
Standardi
zed
Coefficien
ts
Beta
2,351
,751
-2,543
Excluded Variablesc
Model
1
2
N DE EMPREGADOS
N DE EMPREGADOS
populao
IDH
PIB INDUSTRIAL
Beta In
-13,748a
,437b
,500b
,659b
,437b
t
-,244
1,284
1,528
2,317
1,284
Sig.
,819
,240
,170
,054
,240
Partial
Correlation
-,121
,437
,500
,659
,437
Collinearit
y
Statistics
Tolerance
3,404E-05
1,000
1,000
1,000
1,000
112
Mean
30408,44
1091429
,8091
249221,8
1293462
Std.
Deviation
56713,1291
1903579,2
3,008E-02
614003,71
3478752,3
2056181
4685792,2
177747,4
3736,7778
416317,25
7056,6774
9
9
N
9
9
9
9
9
Correlations
Pearson Correlation
Sig. (1-tailed)
nmero de
empregados
,495
,992
,705
1,000
1,000
PIB
industrial
,487
,990
,701
1,000
1,000
consumo
de energ.
eltrica
total
,508
,995
,710
,999
,999
,710
,999
,999
1,000
1,000
,997
,711
,716
,036
,014
,
,017
,018
1,000
,996
,087
,000
,017
,
,000
,999
,994
,092
,000
,018
,000
,
1,000
,997
,081
,000
,016
,000
,000
1,000
,997
,081
,000
,016
,000
,000
,997
1,000
,067
,000
,015
,000
,000
,000
,016
,000
,000
,000
,000
,000
,000
9
9
9
9
9
,016
,015
9
9
9
9
9
,000
,000
9
9
9
9
9
,000
,000
9
9
9
9
9
,000
,000
9
9
9
9
9
,
,000
9
9
9
9
9
,000
,
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
Viagens
para
Niteri
1,000
,557
,625
,495
,487
populao
,557
1,000
,722
,992
,990
IDH
,625
,722
1,000
,705
,701
,508
,995
,508
,540
,
,059
,036
,087
,092
,994
,998
,059
,
,014
,000
,000
,081
,081
,067
9
9
9
9
9
frota de
automveis
,508
,994
,711
1,000
,999
frota de
nibus
,540
,998
,716
,996
,994
Variables Entered/Removedb
Model
1
Variables
Entered
frota de
nibus,
IDH, PIB
industrial,
populao,
consumo
de energ.
eltrica
total, frota
de
automvei
a
s
Variables
Removed
Method
Enter
113
b
Model Summary
Model
1
Change Statistics
Std. Error
Adjusted R of the
R Square
R
R Square Square Estimate Change F Change
df1
df2
,839a
,704
-,183 672,3262
,704
,794
6
2
Sig. F
Change Durbin-Watson
,651
2,359
a. Predictors: (Constant), frota de nibus, IDH, PIB industrial, populao, consumo de energ. eltrica total, frota d
b. Dependent Variable: Viagens para Niteri
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
1,81E+10
7,61E+09
2,57E+10
df
6
2
8
Mean
Square
3,02E+09
3,80E+09
F
,794
Sig.
,651a
Coefficientsa
Model
1
(Constant)
populao
IDH
PIB industrial
consumo de energ.
eltrica total
frota de automveis
frota de nibus
Unstandardized
Coefficients
B
Std. Error
-362157
912459,5
,140
,346
413930,8
1156162
-,117
,349
Standardi
zed
Coefficien
ts
Beta
4,702
,220
-7,156
t
-,397
,404
,358
-,334
Sig.
,730
,725
,755
,770
-,236
,283
-19,520
-,834
,492
3,034
,560
4,228
75,400
22,275
,070
,718
,007
,547
,995
114
Excluded Variablesb
Model
1
nmero de empregados
Beta In
-70,914a
t
-,945
Sig.
,518
Partial
Correlation
-,687
Collinearit
y
Statistics
Tolerance
2,772E-05
a. Predictors in the Model: (Constant), frota de nibus, IDH, PIB industrial, populao, consumo
de energ. eltrica total, frota de automveis
b. Dependent Variable: Viagens para Niteri
115
116
S. Gonalo
S. J. de Meriti
Fonte: IPLANRIO, 1995,
D. de
Caxias
227.180
196
4160
3949
1396
23487
4160
86022
2908
14720
Itabora
Municpio Destino
Nova
Mag Nilpolis Niteri
Paracambi
Iguau
196 3433
43516 1019
1019 41318
0
0
8137 3308
20 1014
1019 41318
9390 21844
8499 1282
0
27
5507
1430
0
8138
0
2581
23758
0
20 274870
13465
2146
0
2581
23539 71348
0 117262
3580
1918
25316
20
1013
13494
2121
315037
1013
206891
456
40961
Rio de
Janeiro
0
0
0
0
0
5742
0
4425
0
0
85989
8847
18620
19844
68433
210715
18620
4743214
82017
88226
S.
Gonalo
2398
8501
1379
0
115098
967
1379
86554
356953
146
S. J. de
Meriti
14893
0
27
2800
2601
40549
27
86340
146
74637
117
D. de
Caxias
376442
79
21456
1476
1719
9859
91
150349
1210
28701
Municpio Destino
Nova
Itabora Mag Nilpolis Niteri
Paracambi
Iguau
45
13219 1512
1776
7733
0
51716 197
0
17677 0
0
381
57750 0
794
37
0
0
0
28736
992
10721
0
10090 286
365
224514 2160
0
0
127
8969
2816
251774
472
0
0
0
0
299
6645
3609
9376 37301
78985 80842
830
31077 1086 0
126884 58
0
0
118
3835
1905
4693
47
Rio de
Janeiro
161946
7277
11607
28067
57424
94590
1119
5095503
64058
90174
S. Gonalo
1064
33966
1679
0
97042
164
0
57195
372473
371
S. J. de
Meriti
30097
0
431
3120
2333
5355
54
119235
0
133350
118
Municpios
D. de Caxias
Itabora
Mag
Nilpolis
Niteri
N. Iguau
Paracambi
R. de Janeiro
S. Gonalo
S, J. de Meriti
Populacao
575.830
114.542
166.603
151.585
397.135
1.094.789
30.310
5.090.723
615.351
398.819
IDH
0,665
0,551
0,593
0,734
0,769
0,652
0,640
0,759
0,719
0,693
PIB IND
268614,1
48724,1
84848,2
46982,4
202002,6
592484,7
5311,0
2685859,0
250282,3
153894,7
Municpios
D. de Caxias
Itabora
Mag
Nilpolis
Niteri
N. Iguau
Paracambi
R.de Janeiro
S. Gonalo
S. J. de Meriti
Populao
697478
178279
170573
160188
448736
811326
38150
5606497
832849
434458
IDH
0,730
0,708
0,701
0,732
0,851
0,735
0,732
0,819
0,761
0,747
PIB IND
333397,6
30701,3
46880,8
24513,0
465466,9
279013,4
2099,7
7624859,0
237928,4
105105,2
Municpios
D. de Caxias
Itabora
Mag
Nilpolis
Niteri
N. Iguau
Paracambi
R. de Janeiro
S. Gonalo
S. J. de Meriti
Populacao
840.903
216.657
231.427
151.049
473.616
829.999
42.936
6.087.219
958.786
463.889
IDH
0,797
0,785
0,761
0,794
0,908
0,806
0,829
0,865
0,829
0,816
PIB IND
399503,2
32223,5
42595,1
17685,7
630273,1
208067,0
6540,7
10563301,0
265612,8
105629,5
Municpios Populacao
840.903
D.de Caxias
216.657
Itabora
231.427
Mag
151.049
Nilpolis
473.616
Niteri
829.999
N. Iguau
42.936
Paracambi
6.087.219
R.deJaneiro
958.786
S. Gonalo
463.889
S J.de Meriti
IDH
PIB IND
0,797
399503,2
0,785
32223,5
0,761
42595,1
0,794
17685,7
0,908
630273,1
0,806
208067,0
0,829
6540,7
0,865 10563301,0
0,829
265612,8
0,816
105629,5
1980
N.
empreg
TrspOD1
TrspOD2
32555
162597
148981
9318
2121
1388
7852
2304
651
12610
49177
19933
57580
75927
364121
84625
193440
57411
5043
7959
210
2496001
7816345
7816345
55305
51828
286936
41225
119614
70803
1995
N.
empreg
TrspOD1 Trsp OD2
115461
85989
227180
16801
8847
43516
17786
17535
35326
15980
19844
23758
145784
68433
274870
91067
129431
158615
5724
3273
9664
2616882
4743214
4743214
86761
82017
356953
55842
88226
74637
2005
N.
empreg Con_eletric frota_auto frota_onib
111797
922574
68700
2822
18555
236607
18705
1327
14155
174936
13175
397
15281
150691
17610
370
147627
1062000
127129
2757
69493
1078599
69301
2113
5694
47983
3282
57
1883685
1,5E+07
1285345
22355
83032
982413
81676
2814
41304
404972
41933
1376
N.
empreg Con_eletric frota_auto frota_onib
922574
68700
2822
111797
236607
18705
1327
18555
174936
13175
397
14155
150691
17610
370
15281
1062000
127129
2757
147627
1078599
69301
2113
69493
47983
3282
57
5694
1,5E+07 1285345
22355
1883685
982413
81676
2814
83032
404972
41933
1376
41304
Trsp OD3
113
0
82
15
835
100
0
2121
3054
46
Trsp OD4
835
1744
290
331
0
2050
152
75927
124928
1008
TrspOD3
196
0
946
0
8138
20
0
8847
8501
0
TrspsOD4
8137
1396
2996
20
0
472
0
68433
115098
2601
TrspOD1
161946
7277
11607
28067
57424
94590
1119
5095503
64058
90174
Trsp OD2
376442
51716
57750
28736
224514
251774
6645
5095503
372473
133350
TrspOD3
Trsp OD4
982
0
197
0
17920
0
0
8082
39912
0
10572
2364
284
365
0
2160
0
101929
153410
2590
119
Nota:
Trsp OD1 viagens para o Municpio do Rio de Janeiro
Trsp 0D2 - viagens internas dos Municpios estudados.
Trsp 0D3 - Viagens para o Municpio de Itabora
Trsp 0D4 - Viagens para o Municpio de Niteri
120