Microeconomia 7

Demanda por Transportes e Modelos de Escolha Discreta

Alessandro V. M. Oliveira
 Conteúdo
• Modelos de demanda agregada por transportes
– Especificação e Forma funcional
• Modelos de demanda desagregada por transportes
– Modelo de 4 etapas
– Modelos de Escolha discreta: probit, logit
 Modelos de Demanda agregada por
transportes
• A demanda de mercado por transporte pode
ser modelada de várias formas
– especificação da forma funcional
– condiciona a curvatura da função demanda
– em última instância, condiciona as elasticidades-
preço a serem estimadas
• e os próprios valores previstos
– Os melhores modelos de demanda agregada são
atualmente os que não impõe muitas restrições
sobre a curvatura da demanda.
 Forma funcional de
Modelos de demanda agregada

• linear
• log-lin (semi-log)
• log-log (multiplicativo)
• lin-log
Modelo Linear
 Modelo Linear

𝑄 = 𝛽0 − 𝛽1 𝑃 + 𝛽2 𝑌
 Modelo Linear

𝑄 = 𝛽0 − 𝛽1 𝑃 + 𝛽2 𝑌

𝜕𝑄
= −𝛽1 (efeito marginal)
𝜕𝑃
𝜕𝑄 𝑃 𝑃
h𝑝 = = −𝛽1 (elasticidade)
𝜕𝑃 𝑄 𝑄
𝑃
h𝑝 = −𝛽1
𝑄
 Elasticidade-Preço da Demanda
∆% 𝑄 ∆𝑄/𝑄 ∆𝑄 𝑃
h𝑃 = = =
∆% 𝑃 ∆𝑃/𝑃 ∆𝑃 𝑄
∆𝑄 𝑃
h𝑃 =
∆𝑃 𝑄
𝜕𝑄 𝑃
h𝑃 =
𝜕𝑃 𝑄
Quanto maior a elasticidade, mais sensíveis a preços são os consumidores?
Provavelmente. Mas há diferença entre “elasticidade-preço” e “sensibilidade-preço”
 A elasticidade varia com
a inclinação da curva...
Preço

E
$2,00

G
$1,00

$0,50 Demanda
H

4 12 20 Quantidades
Demandadas
 A elasticidade varia com
a inclinação da curva...
Preço

E Demanda mais
$2,00 elástica a preço
que a anterior

G
$1,00

H Demanda
$0,50

4 22 40 Quantidades
Demandadas
 ... mas também varia
ao longo da curva de demanda

Preço
4

4 8 Q
Slide 11
© Pearson Education do Brasil
 ... mas também varia
ao longo da curva de demanda

Preço
EP = - 
4

Q = 8 - 2P

Ep = -1
2

Ep = 0

4 8 Q
Slide 12
© Pearson Education do Brasil
 ... mas também varia
ao longo da curva de demanda
Curva de demanda linear
Preço
EP = -  O segmento inferior de uma
4 curva de demanda negativamente
inclinada é menos elástico que o
Q = 8 - 2P segmento superior.

Ep = -1
2
Curva de demanda linear
Q = a - bP
Q = 8 - 2P

Ep = 0

4 8 Q
Slide 13
© Pearson Education do Brasil
 Modelo Linear
• É o modelo mais popular e intuitivo
– E também dos mais simples de estimar e manusear
𝑄 = 𝛽0 − 𝛽1 𝑃 + 𝛽2 𝑌
𝑃
h𝑝 = −𝛽1
𝑄

• A elasticidade h𝑝 depende de 𝑃 e também de 𝑄

– Não depende apenas de uma variável explicativa, mas também de todas as
forças econômicas que geram demanda
» 𝑌 também influencia na elasticidade via 𝑄
• Interpretação:
» {𝑃 𝑎𝑙𝑡𝑜, 𝑄 𝑏𝑎𝑖𝑥𝑜} = elasticidades altas em módulo
» {𝑃 𝑏𝑎𝑖𝑥𝑜, 𝑄 𝑎𝑙𝑡𝑜} = elasticidades baixas em módulo
» 𝑌 sobe, 𝑄 sobe = elasticidade em módulo cai
» 𝑌 cai, 𝑄 cai = elasticidade em módulo sobe

– todas as relações fazem sentido econômico

 Modelo Log-Log
ln 𝑄 = 𝛽0 − 𝛽1 ln 𝑃 + 𝛽2 ln 𝑌
 Modelo Log-Log
ln 𝑄 = 𝛽0 − 𝛽1 ln 𝑃 + 𝛽2 ln 𝑌

𝑄 = 𝛽෨0 𝑃−𝛽1 𝑌𝛽2 (modelo multiplicativo)

෨ 𝛽0
𝛽=𝑒

𝜕𝑄 𝑄
= −𝛽1 𝛽෨0 𝑃 1 𝑌 2 = −𝛽1
−𝛽 −1 𝛽 (efeito marginal)
𝜕𝑃 𝑃
𝜕𝑄 𝑃 𝑄𝑃
h𝑝 = = −𝛽1
𝜕𝑃 𝑄 𝑃𝑄
h𝑝 = −𝛽1 (elasticidade)
 Modelo Log-Log
• ou modelo multiplicativo (Cobb-Douglas)
• na forma

ln 𝑄 = 𝛽0 − 𝛽1 ln 𝑃 + 𝛽2 ln 𝑌
h𝑝 = −𝛽1

• −𝛽1 mede assim a queda aproximada na demanda devido

a um aumento de 1% nos preços.
• Note que a elasticidade h𝑝 é constante
– Sem flexibilidade alguma:
• variações em 𝑃, 𝑌 𝑜𝑢 𝑄 não afetam a elasticidade
– não depender dos níveis de outras variáveis é irrealista, pouco
sentido econômico, serve como 1ª aproximação ao problema
Modelo Semi-Log
ln 𝑄 = 𝛽0 − 𝛽1 𝑃 + 𝛽2 𝑌
 Modelo Semi-Log
ln 𝑄 = 𝛽0 − 𝛽1 𝑃 + 𝛽2 𝑌

𝑄 = 𝑒 𝛽0−𝛽1𝑃+𝛽2𝑌 (modelo exponencial)

𝜕𝑄 𝜕𝑒 𝐷 𝑃,𝑌 𝜕𝐷 𝑃, 𝑌
= = 𝑒𝐷 𝑃,𝑌 −𝛽1 = −𝛽1 𝑄 (efeito marginal)
𝜕𝑃 𝜕𝐷 𝑃, 𝑌 𝜕𝑃 (ou “semi-elasticidade”)

𝜕𝑄 𝑃 𝑃
h𝑝 = = −𝛽1 𝑄
𝜕𝑃 𝑄 𝑄

h𝑝 = −𝛽1 𝑃 (elasticidade)
 Modelo Semi-Log
• Também conhecido como exponencial
ln 𝑄 = 𝛽0 − 𝛽1 𝑃 + 𝛽2 𝑌
h𝑝 = −𝛽1 𝑃
• −𝛽1 mede assim a queda percentual aproximada na demanda
devido a um aumento de 1 unidade nos preços.
– crescimento exponencial (livre de restrições) na variável, típico de
países emergentes
– dummies: interpretadas como a variação % de se migrar de 0 p/ 1.
• A elasticidade h𝑝 depende exclusivamente do preço
» aumentos em 𝑃 fazem a elasticidade subir em módulo
» reduções em 𝑃 fazem a elasticidade cair em módulo
• outras variáveis não interferem nessa relação - ie. nem
suavizam nem intensificam.
– 𝑃 costuma conter uma sinalização do posicionamento do produto
(marca premium, popular, etc).
» Nesse aspecto, pode ser não uma boa simplificação.
 Modelo Lin-Log
𝑄 = 𝛽0 − 𝛽1 ln 𝑃 + 𝛽2 ln 𝑌
 Modelo Lin-Log
𝑄 = 𝛽0 − 𝛽1 ln 𝑃 + 𝛽2 ln 𝑌

𝑒 𝑄 = 𝑒 𝛽0 𝑃−𝛽1 𝑌𝛽2

𝜕𝑄 𝜕𝑄 𝜕 ln 𝑃 1 𝛽1
= = −𝛽1 =− (efeito marginal)
𝜕𝑃 𝜕 ln 𝑃 𝜕𝑃 𝑃 𝑃
𝜕𝑄 𝑃 𝛽1 𝑃
h𝑝 = =−
𝜕𝑃 𝑄 𝑃𝑄
𝛽1
h𝑝 = − (elasticidade)
𝑄
 Modelo Lin-Log
• Assim,
𝑄 = 𝛽0 − 𝛽1 ln 𝑃 + 𝛽2 ln 𝑌
𝛽1
h𝑝 = −
𝑄
• −𝛽1 mede assim as unidades de queda aproximada na
demanda devido a um aumento de 1% nos preços.
– representa um crescimento restrito, com um limite superior
– típico de economias maduras ou sem investimento em infraestrutura
• A elasticidade h𝑝 é função da combinação de todas as forças
econômicas que impulsionam a demanda (𝑄)
»Todas as variáveis afetam implicitamente a elasticidade
»𝑄 alto: elasticidade baixa em módulo
»𝑄 baixo: elasticidade alta em módulo
»P agora somente afeta a elasticidade indiretamente
• Se P sobe, Q cai = elasticidade sobe, em módulo
• Se P cai, Q sobe = elasticidade cai, em módulo.
– Também faz sentido econômico
 Modelos de demanda
desagregada por transportes
Operadoras, produtos OD,
percursos, etc.
 Four-Steps Model (FSM)
• Sistema clássico de previsão de demanda por
transportes
– Muito usado no planejamento de transporte urbano
– Desenvolvido no CATS - Chicago Area Transportation
Study (1955-1962)
• Quatro passos sequenciais de modelagem
𝑆1 - Trip Generation
𝑆2 - Trip Distribution
𝑆3 - Mode Choice ou Modal Split
𝑆4 - Route Choice ou Route Assignement
Four-Steps Model (FSM)

𝑆1 𝑆2 𝑆3 𝑆4

McNally (2007)
Four-Steps Model (FSM)

𝑆1 𝑆2 𝑆3 𝑆4

McNally (2007)
Modelo Gravitacional
M1 M2
F F

D
Modelo Gravitacional
M1 M2
F F

D
Modelo Gravitacional
Modelo Gravitacional
 Modelo Gravitacional
• Exemplos de implementação empírica
Four-Steps Model (FSM)

𝑆1 𝑆2 𝑆3 𝑆4

McNally (2007)
 Modelos de Escolha Discreta
• Em geral, parte da escolha modal
• Envolve a escolha entre duas ou mais
alternativas (escolha “discreta”)
– Ex. modos de transporte, mas também,
operadoras em concorrência intra-modal,
produtos de cada operadora, etc.
– Servem para a modelagem do market-share da
alternativa, dentro do montante total previsto por
um modelo de geração ou distribuição de viagens
• permitem uso de dados de surveys (questionários)
– Preferência revelada
– Preferência declarada
Set-Up do Problema de Escolha
– Um tomador de decisão (indivíduo), indexado por
n
– Tem a seu dispor J alternativas
– A utilidade que o tomador de decisão obtém da
alternativa j (j =1,..., J) é decomposta em uma
parte sistemática e outra aleatória:
 Set-Up do Problema de Escolha
• Os modelos se distinguem pela modelagem
do termo aleatório em enj. Exemplos:

– Probit = enj ~ Distribuição Normal

– Logit = enj ~ Distribuição Gumbel
 Probit

– A probabilidade P é uma sigmóide (curva “S”)

– Conhecido como Modelo “Probit”
(“Probability Unit”, Bliss, 1934)
 Ex. Demanda por Voos: Estágios
Demanda por Voos

Inicial Crescimento Maturidade

Economia
 Ex. Demanda por Voos: Estágios
Demanda por Voos

Inicial Crescimento Maturidade

• Probabilidade Baixa • Probabilidade Média • Probabilidade Alta

•Potencial Inexplorado • Potencial Inexplorado •Potencial explorado
• Retorno Baixo ou Pouco Explorado • Retorno Baixo
• Necessitam de • Retorno Elevado • Em geral não dependem
Altos Investimentos • Não demandam tantos de Investimentos para
Investimentos indução de tráfego, mas
para eliminar gargalos

Economia
 Ex. Demanda por Voos: Estágios
Demanda por Voos

Inicial Crescimento Maturidade

Inelástico ao PIB,
Quase Elástico ou Elasticidade ao PIB: Inelástico ao PIB
Elasticidade Baixa Média ou Alta

Economia
 No caso do Probit
P
1.000

1 Faixa de resposta 1
turning point no comportamento
(ultrapassa a tolerância, passa a
responder positivamente)

0,5

Faixa de resposta 0
.000

-4.00 .00 4.00 x

m
Probabilidade P como função do estímulo x
 Probit
P
1.000

1 Faixa de resposta 1

Faixa de
0,5 transição,
indecisão

Faixa de resposta 0
.000

-4.00 .00 4.00 x

m
Probabilidade P como função do estímulo x
Ex. Modelagem da Demanda por Voos nas
Microrregiões do Brasil

• Variável Explicada:
– Presença de voos regulares na microrregião (binária)

• Variáveis Explicativas:
– PIB da microrregião (+)
– PIB das microrregiões de entorno (-)
– Área da microrregião (+)
– Número de Atrações turísticas da microrregião (+)
– Distância da capital estadual (+)
– Distância do aeroporto mais próximo (+)
– Efeitos temporais fixos, não-observáveis ou não-mensuráveis
específicos das microrregiões (+/-)
 Resultados das Estimações
Elasticidades Desvio Estatística Valor
Variável Descrição da Variável
Estimadas Padrão Z P

pibk produto interno bruto 1.84 0.36 5.10 0.0%

pib entornok pib nas microrregiões de entorno -0.22 0.24 -0.91 36.2%

areak área em km2 0.15 0.05 3.12 0.2%

atraçõesk número de atrações 0.06 0.03 2.23 2.6%

distânciak distância da capital estadual 0.53 0.16 3.38 0.1%

distância aerok distância do aeroporto mais próximo 0.71 0.18 4.04 0.0%

reg_co especificidades da região c-oeste -0.01 0.03 -0.31 75.8%

reg_ne especificidades da região nordeste -0.01 0.08 -0.15 87.8%

reg_n especificidades da região norte 0.06 0.04 1.45 14.8%

reg_s especificidades da região sul 0.05 0.05 0.93 35.4%

 Elasticidades Estimadas
1.84

0.71
0.53

pib nas
microrregiões 0.15
de entorno 0.06

pib na área territorial número de distância da distância do

microrregião -0.22 atrações capital estadual aeroporto mais
turísticas próximo
 Ex.2 Presença de vôos regulares
vs ln PIB da Microrregião do IBGE
1
.8
.6
air0608

.4
.2
0

10 12 14 16 18 20
lnsr_gdp
 Probit
• O problema da falta de solução em forma fechada
do Probit
– inibe o seu manuseio analítico
• ex. dificulta plugá-lo em outros modelos
– e da extração de elasticidades
• calculadas por métodos numéricos

• Historicamente, o Modelo “Logit” (Berkson, 1944)

– constituiu-se em uma alternativa mais viável em termos
analíticos e computacionais.
– O Modelo Logit é derivado da distribuição Logística =
“Logistic Probability Unit”.
 Logit
• Derivação das probabilidades

• Solução em forma fechada

Formato das Curvas Logit e Probit

Park, H. M. (2010)