Escolar Documentos
Profissional Documentos
Cultura Documentos
Este é um trabalho académico que pode ser utilizado por terceiros desde que respeitadas as regras e
boas práticas internacionalmente aceites, no que concerne aos direitos de autor e direitos conexos.
Assim, o presente trabalho pode ser utilizado nos termos previstos na licença abaixo indicada.
Caso o utilizador necessite de permissão para poder fazer um uso do trabalho em condições não
previstas no licenciamento indicado, deverá contactar o autor, através do RepositóriUM da Universidade
do Minho.
Atribuição-
Atribuição-Sem Derivações
CC BY-
BY-ND
https://creativecommons.org/licenses/by
mmons.org/licenses/by-nd/4.0/
iii
AGRADECIMENTOS
Ao professor Doutor José Cadima Ribeiro, pela confiança depositada, pela aceitação, pela
orientação e pela prontidão em ajudar, sempre que necessário.
À minha família, que sempre esteve presente em minha vida, que nunca mediu esforços para
me apoiar, provendo toda a assistência necessária, para que eu pudesse aprimorar o meu
conhecimento e me aventurar nesta jornada internacional.
Ao Julian, pela parceria e pelo apoio incondicional, ao qual me permitiu progredir em todas as
áreas, atuando como uma base sólida e positiva em minha vida.
Às amigas Kueila e Thaísa, que tanto me auxiliaram nesta jornada académica, como em
demais aspetos da vida. E também a todos amigos que ficaram no Brasil, mas que mesmo distantes,
contribuíram com todo o suporte emocional que podem oferecer, em especial as queridas Izabela e
Julia.
DECLARAÇÃO DE INTEGRIDADE
Declaro ter atuado com integridade na elaboração do presente trabalho académico e confirmo que não
recorri à prática de plágio nem a qualquer forma de utilização indevida ou falsificação de informações
ou resultados em nenhuma das etapas conducente à sua elaboração.
Mais declaro que conheço e que respeitei o Código de Conduta Ética da Universidade do Minho.
v
Resumo
Na cidade do Porto e no Norte de Portugal, o turismo tem-se mostrado uma alternativa atraente para o
desenvolvimento económico da região. O propósito deste trabalho é procurar identificar as
repercussões da atividade turística, no desenvolvimento local e analisar os fatores, os quais incidem
sobre a expansão do mesmo, auxiliando desta forma, futuros desenvolvimentos de planejamentos
estratégicos para o turismo.
Para isso, neste trabalho se utilizará métodos estatísticos como uma regressão linear múltipla, usando
o modelo econométrico de Mínimos Quadrados Ordinários (MQO), a análise da variância (ANOVA), e
dados em painel, para o período de 2003 a 2017. Os dados utilizados têm como fonte o Instituto
Nacional de Estatística (INE) e o Sales Index (2018), do grupo Marktest.
Também se utilizará pesquisa bibliográfica e exploratória para descrever e revisar, por meio da
literatura, como a atividade turística atua no desenvolvimento económico regional.
Os resultados indicam como fatores que atraem o turismo a oferta de alojamento turístico, a presença
de edifícios em prol da cultura (galerias de arte e museus), o nível de rendimento, e o facto de um
município estar presente em determinadas rotas turísticas, como o Caminho de Santiago (Noroeste) e
a Rota do Vinho Verde, enquanto que a criminalidade é um fator que repele o turismo.
Palavras-
Palavras-Chave: fatores de atração turística; desenvolvimento local; Norte de Portugal; planeamento do
turismo.
vi
The Tourism Scenario in Porto and Northern Portugal – Tourist Attraction factors
Abstract
In the city of Porto and the North of Portugal, tourism has been shown as an attractive alternative to the
local economic development. The purpose of this study is to identify the impacts of the tourist activity,
in the local development, such as to analyse the factors that provide its expansion, assisting in this way,
further developments regarding the strategic planning for the tourism.
In this regard, this study uses statistic methods such as the multiple linear regression, making use of
the econometric model Ordinary Least Squares (OLS), as well as analysis of variance (ANOVA), and
panel data, for the period of 2003 to 2017, using data provided by the National Institute of Statistics
(INE) and from Sales Index (2018), provided by the Marktest.
It also explores academic research and exploratory research, to describe and review, by means of the
literature, of how the tourist activity act in the local economic development.
The results indicate as tourist attraction factors the supply of tourist accommodation, the presence of
cultural buildings (art galleries and museums), the income level, and the fact of a municipality being
part of some tourist routes, such the Caminho de Santiago (Northwest) and the Green Wine route, while
criminality is an element shown as a negative for the tourist attraction.
Keywords: tourist attraction factors; local development; Northern Portugal; planning of tourism.
vii
LISTA DE FIGURAS
LISTA DE TABELAS
TABELA 03 – DESCRIÇÃO DAS VARIÁVEIS DA BASE DE DADOS – NÍVEL REGIONAL (NUTS II).
ÍNDICE
1. INTRODUÇÃO ----------------------------------------------------------------
------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------
----------------------------------------------- 1
2. REFERENCIAL TEÓRICO ----------------------------------------------------------------
------------------------------------------------------------------------------------------------
---------------------------------------------------------------------------------------------
------------------------------------------------------------- 4
2.1. TURISMO -------------------------------------------------------------------------------------------------------------------------------------------------------- 4
2.2. FATORES QUE ATRAEM OU REPELEM O TURISMO------------------------------------------------------------------------------------------- 5
2.2.1. FATORES QUE ATRAEM O TURISMO ------------------------------------------------------------------------------------------------------------ 5
2.2.2. FATORES QUE REPELEM O TURISMO----------------------------------------------------------------------------------------------------------- 6
2.2.3. A CRIATIVIDADE COMO UM PROPULSOR DO TURISMO---------------------------------------------------------------------------------- 7
2.3. IMPACTE ECONÓMICO DO TURISMO---------------------------------------------------------------------------------------------------------------- 9
2.4 PARCERIA PÚBLICO/PRIVADO PARA DESENVOLVIMENTO DO TURISMO ---------------------------------------------------------- 11
2.5 ROTAS TURÍSTICAS E OTIMIZAÇÃO DE LUCRO POR MEIO DE PARCERIAS COM EMPRESAS.------------------------------- 13
3. O PARORAMA DO TURISMO
TURISMO EM PORTUGAL ----------------------------------------------------------------
-----------------------------------------------------------------------------------------
--------------------------------------------------------- 16
3.1. REGIÃO DO PORTO E NORTE DE PORTUGAL ------------------------------------------------------------------------------------------------------- 19
4. METODOLOGIA ----------------------------------------------------------------
------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------
----------------------------------------------- 27
4.1. MÉTODO DE ANÁLISES ANOVA ------------------------------------------------------------------------------------------------------------------------- 27
4.2. REGRESSÃO COM DADOS EM PAINEL: EFEITOS FIXOS E ALEATÓRIOS----------------------------------------------------------------- 28
4.3. REGRESSÃO LINEAR MÚLTIPLA -------------------------------------------------------------------------------------------------------------------------- 31
4.3.1 REGRESSÃO ROBUSTA ------------------------------------------------------------------------------------------------------------------------------------- 32
4.4. BASE DE DADOS E VARIÁVEIS ------------------------------------------------------------------------------------------------------------------------------ 33
4.5. ANÁLISE DESCRITIVA DAS VARIÁVEIS------------------------------------------------------------------------------------------------------------------- 34
4.5.1. ANÁLISE REGIONAL --------------------------------------------------------------------------------------------------------------------------------------- 34
4.5.2. ANÁLISE DOS MUNICÍPIOS ----------------------------------------------------------------------------------------------------------------------------- 41
5. INTERPRETAÇÃO DOS RESULTADOS ECONOMÉTRICOS
ECONOMÉTRICOS ----------------------------------------------------------------
------------------------------------------------------------------------
---------------------------------------- 55
5.1. RESULTADOS PARA A ESTIMAÇÃO REGIONAL ------------------------------------------------------------------------------------------------------ 55
5.2. RESULTADOS PARA A ESTIMAÇÃO ENTRE MUNICÍPIOS ---------------------------------------------------------------------------------------- 60
6. CONCLUSÕES FINAIS ----------------------------------------------------------------
------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------
-------------------------------------------------------------------
----------------------------------- 75
7. REFERENCIAL BIBLIOGRÁFICO
BIBLIOGRÁFICO ----------------------------------------------------------------
------------------------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
--------------------------------------------------- 78
1
1. INTRODUÇÃO
Dados disponíveis indicam que nos Países Menos Desenvolvidos (PMDs), 7% das exportações de
bens e serviços estão relacionados com o turismo. Neste sentido, observa-se que são diversos os fatores
que influenciam a procura e a oferta de serviços turísticos, entre os quais estão: o aumento da renda
mundial; a redução de custos de transportem; o investimento em infraestrutura; entre outros (Fernandes,
2005; UNWTO, 2015).
Para alguns autores, como Bourlon, Mao e Osorio (2011), a atividade turística pode ser uma
saída relevante para locais, onde os governos não podem investir em infraestrutura, mas precisam
resolver os problemas de equidade social e desenvolvimento. Neste caso, os autores afirmam, que o
turismo seria construído, usando como base o uso de atributos específicos de cada região, por exemplo,
o ecoturismo, turismos de aventura, entre outros.
O turismo também poderá ser utilizado para revitalizar cidades ou regiões que sofreram com a
crise económica. Um bom exemplo é o Museu de Bilbao que foi bem-sucedido, no sentido de ser ícone
para atrair o turismo na cidade. Com relação a desigualdade local e o desenvolvimento, o “efeito Bilbao”,
como é conhecido, ainda está sendo avaliado (Plaza & Haarich, 2013).
Para desenvolver o potencial turístico de determinada região, necessita-se saber quais os fatores
que influenciam os fluxos no mesmo. Netto e Pieri (2013) descrevem como fatores importantes para
atrair turistas, além dos próprios pontos turísticos locais, a hospitalidade, a segurança, a comunicação,
a comodidade, o clima, e a mobilidade, entre outros.
2
Desta maneira, para determinar a dinâmica da atividade turística faz-se necessário avaliar outros
fatores económicos, tais como: a conjuntura externa; a capacidade de atração da região; a promoção de
património histórico, cultural e natural; e os diferentes produtos e bens turísticos existentes na região;
entre outros. Além de fatores como a oferta de lazer, segurança e infraestrutura podem potencializar o
turismo, enquanto barreiras legais, sistema de transporte carente e a perturbação política podem gerar
um desincentivo em relação aos turistas, como explorado por Santos (2004).
Este estudo utiliza métodos estatísticos tais como a estimação via regressão linear múltipla, por
meio do método de mínimos quadrados, e a estimação por dados em painel, utilizando das técnicas de
efeitos fixos e aleatórios, no período de tempo entre 2003 e 2017.
A dissertação está estruturada da seguinte forma: além deste capítulo introdutório, o segundo
capítulo apresenta o referencial teórico a respeito do turismo, expondo o que tem sido discutido na área
académica, em termos explicativos; o capítulo 3 apresenta um panorama do contexto turístico no Porto
3
e na região Norte de Portugal; o capítulo 4 expõe a metodologia utilizada, bem como apresenta a base
de dados e realiza uma análise descritiva quanto às variáveis, a níveis regional e municipal; o capítulo 5
expõe os resultados econométricos encontrados. A dissertação encerra-se com uma conclusão final deste
trabalho, apresentada no capítulo 6.
4
2. REFERENCIAL TEÓRICO
2.1. Turismo
Segundo Beni (2008), o turismo pode ser descrito a partir de três eixos de análise: o holístico, o
técnico e o económico. Isso se deve ao seu caráter interdisciplinar, que abarca outros sistemas e
participações de diferentes agentes a partir do momento em que uma pessoa decide realizar alguma
viagem, a determinado lugar, onde irá interagir de diferentes maneiras e segundo diferentes propósitos.
Em relação à sua aceção económica, o autor (Beni, 2008) descreve por meio de uma revisão
histórica que o turismo passa a ser objeto de investigação a partir da 1ª Guerra Mundial (1914). A partir
daí vários economistas europeus buscaram diferentes conceitos para explicar a atividade turística (Beni,
2008).
Já, nos anos de 1980, surge a definição do Turismo como um deslocamento que as pessoas
realizavam para fora de seu local de residência ou trabalho e as atividades ali praticadas, por um curto
período (Burkart e Medlink, 1981).
A partir desta época, vários foram os conceitos que apareceram dentro da Ciência Económica,
onde se pode destacar o conceito da Organização das Nações Unidas (ONU) e da Organização Mundial
de Turismo (UNWTO), que definem turismo como: “Atividades das pessoas que viajam e permanecem
em lugares fora de seu ambiente habitual por não mais de um ano consecutivos para lazer, negócios ou
outros objetivos.” (OMT, 2013, p. 18).
Em suma, o que contextualiza o Turismo na atualidade é que vários sistemas se agrupam para
satisfazer a procura de um consumidor, e isso pode ocorrer de diferentes formas e por várias razões,
que irão incidir na oferta da atividade turística.
5
Sabe-se que a escolha de uma cidade ou região para ser visitada é influenciada por diversos
fatores, que vão mais além do próprio atrativo turístico do destino. Neste caso, as variáveis que incidem
na atividade turística podem ser bem variadas, por exemplo, fatores pessoais (lazer, estudos, entre
outros), viagens de negócios, clima, infraestrutura, entre outros.
De acordo com os objetivos propostos e metodologia a ser aplicada, neste trabalho apresentam-
se os fatores considerados relevantes para analisar o setor da região estudada definidos no texto a seguir.
Conforme a Silva (2013), o que leva um turista a eleger uma cidade ou região a ser visitada está
dividida em 4 opções, como a seguir:
Os turistas também podem ser atraídos por questões de estilo de vida como SPA´s, termas, etc.
Igualmente o fator religioso influencia fortemente a atração turística. Também, títulos atribuídos aos
pontos turísticos como Património da Humanidade outorgado pela UNESCO e Capital Europeia da
Cultura. (Silva, 2013)
A atratividade de um destino é um constante tema de estudo. Variados autores expõem sua ideia
do que atrai um turista. Mascarenhas e Gândara (2012) ressaltam a gastronomia como atração turística.
Pinto (2010), por sua vez, salienta as relações económicas e culturais existentes, por exemplo, em uma
zona de fronteira. Já Seretti et al. (2005), pesquisaram sobre a importância do património cultural para
o turismo.
6
Além destes fatores, Santos (2004) também expõe a importância de dois fatores da própria
região emissora dos turistas, sendo o primeiro o tamanho populacional, o que significa a quantidade de
indivíduos residentes em determinada área, traduzindo-se indiretamente num mercado ou numa procura
potencial de turismo. E o segundo fator a renda dos turistas, bem como a taxa de câmbio entre as
moedas do local recetor e do local emissor.
De acordo com Ivanov (2017), os fatores que mais influenciam negativamente a visita a uma
região são a segurança e os custos. As alterações nos preços dos combustíveis, das passagens aéreas
e estadias impactam negativamente na decisão de realizar uma viagem turística.
Segurança é prioridade para todos os turistas, portanto, locais que não proporcionam segurança
ao indivíduo, regiões em guerra, dentre outras, afastam as visitas e repelem os turistas.
7
A condição climática, por sua vez, pode influenciar negativamente o turismo pois, se forem
extremas, impedem que o viajante se desloque até certo destino, já que a segurança é primordial. Surtos
de doenças transmissíveis, instabilidade política, alta taxa de criminalidade, insegurança no trânsito,
todos esses fatores influenciam negativamente o turismo (Ivanov, 2017).
Também pode influenciar negativamente o turismo o acesso restrito a água potável, condições
de atendimento médico precário e difícil acesso a vistos, quando necessários (Ivanov, 2017).
Ademais, conforme exposto por Bedo e Dentinho (2007), ao realizarem uma avaliação dos
destinos turísticos das ilhas de Açores, com foco na entrada de turistas estrangeiros, ou mesmo turistas
portugueses, mas não residentes no arquipélago, a distância entre a região emissora e o arquipélago foi
um fator apontado como negativo, isto é, quanto maior a distância menores eram os fluxos turísticos
gerados pelo local em questão.
Em outro estudo, realizado por Mota et al. (2012), houve uma análise quanto à relação entre a
exploração do elemento criativo e o turismo. A indústria criativa e o turismo são fontes de
desenvolvimento económico local. A criatividade é exposta como um produto turístico alternativo ao
turismo cultural tradicional, que conhecemos. A cidade espanhola de Bilbao é citada como exemplo, uma
vez que a criação do museu Guggenheim proporcionou este fluxo de turismo criativo ao local.
Para se promover o turismo cultural criativo é necessário que haja enquadramento institucional
no que diz respeito ao turismo, gestão de recursos e produtos locais a serem melhor desenvolvidos, para
que os mesmos possam ser rendibilizados, como também é necessário que se trabalhe a imagem local,
neste caso, a imagem da cidade. O estudo realiza uma análise do concelho português de Ponte de Lima,
situado na região Norte do país, com cerca de 45 mil habitantes. Ponte de Lima possui quase 90% de
suas atividades concentradas em dois sectores económicos: florestal e agrícola. Desta forma, o turismo
se coloca como um fator para dinamizar a economia local. O património cultural, a ruralidade, localização
e a presença no caminho português para Santiago de Compostela foram fatores encontrados
classificados como positivos.
8
Ao associar a criatividade ao turismo, a imagem local de uma cidade vem adquirindo maior
importância nos últimos anos, e a mesma é explorada por meio do conceito de City Branding, conceito
baseado no “Marketing Geográfico” ou Place Branding, que consiste no planeamento de ações para
melhorar a posição relativa de um local em determinada atividade, bem como atrair visitantes, negócios
e investidores.
City Branding, em si, é um sistema complexo, que vai além do marketing usual em produtos e
serviços. Isto, devido ao número de stakeholders presentes, uma vez que são diversas as organizações
e os indivíduos envolvidos no processo. É o processo de despertar o desejo e a satisfação de visitar
determinado local a partir da definição de uma identidade para uma cidade, região ou país.
Conforme exposto por Kavaratzis (2009), a gestão moderna de City Branding envolve visão e
estratégia para identificar o futuro da cidade e traçar um plano de desenvolvimento, neste caso, no que
remete ao turismo. Envolve também a cultura local, bem como a gestão da comunidade local. Como os
residentes e os empreendedores irão lidar com a instituição desta marca, é necessário promover uma
sinergia entre as partes envolvidas, desenvolver e planear uma infraestrutura, reformular o cenário, como
a arquitetura e o património histórico, identificar as oportunidades e realizar um plano de comunicação.
Como exemplo, temos a cidade de Bonito, no Brasil. A mesma se destaca no segmento turístico
pelas atrações naturais e o seu desenvolvimento sustentável. A cidade já foi eleita por 14 anos como o
melhor destino de ecoturismo do Brasil, pela revista “Viagem & Turismo”, a maior revista em termos de
volume de circulação nacional sobre turismo. Ela também já foi considerada como o Melhor Destino
Responsável do Mundo, em 2013, pela World Travel Market (WTM). Entre as iniciativas que levaram a
cidade a ganhar o prêmio esteve o controlo de atrações visitadas por cada turista por meio de um voucher
digital.
No entanto, o place branding de Bonito vai muito além do controlo da sua natureza. Segundo o
Observatório do Turismo de Bonito, a cidade de pouco mais de 20 mil habitantes recebeu, em 2017,
mais de 200 mil visitantes, gerando uma receita de cerca de R$ 305 milhões (aproximadamente, 72
milhões de euros).
dias para que a plataforma organize o roteiro. A proposta é otimizar a viagem do cliente e garantir uma
melhor experiência no destino, e máximo aproveitamento das atrações disponíveis.
O sucesso turístico da região se consagra na identidade que Bonito criou ao explorar seus
atrativos naturais, porém de forma sustentável e em harmonia com os setores público e privado,
oferecendo produtos que atendem a procura dos turistas.
O Japão também investe em place branding para melhor explorar o potencial turístico nacional.
Segundo a Organização Nacional de Turismo do Japão (Japan National Tourism Organization - JNTO), o
país pretende atrair 40 milhões de visitantes até 2020, e chegar a 60 milhões de visitantes até 2030. O
país procura atrair os “turistas de longa distância”, de regiões como os Estados Unidos, Canadá, Austrália
e Europa. Atualmente, 85% dos visitantes do Japão são de nações vizinhas, do continente asiático.
A JNTO realizou uma pesquisa para entender a razão dos turistas não visitarem o Japão e quais
são as “paixões” dos mesmos, as quais foram identificadas como sendo culinária, natureza, cultura,
bem-estar, e atividades ao ar livre. A partir destes resultados, iniciou-se uma parceria com sete setores
de negócios e desenvolveu-se a place brand “Enjoy my Japan”, destacando atrativos e locais nacionais
para estimular o turismo no local. A estratégia do país tem atraído grandes players do setor turístico,
como a instalação de hotéis de categoria de luxo em localidades alternativas.
A maior parte dos estudos científicos em relação ao Turismo é realizada pela Ciência Económica,
através da chamada “indústria turística”, que estuda o crescimento e a movimentação de capitais. Estes
estudos tem a finalidade de medir a dinâmica e o crescimento dos negócios turísticos (Barreto, 2003).
Ele é um dos setores mais competitivos no que diz respeito à captação de financiamento interno
e externo. Para Barreto (2003), se tomássemos o produto total do turismo como a economia total de um
país, ela seria a terceira potencia do mundo em termos económicos, posicionando-se atrás somente de
Estados Unidos e Japão.
O turismo é uma atividade de múltiplos componentes, cujas partes estão intimamente ligadas a
outros setores, como transporte (aéreo, terrestre, fluvial, marítimo), lojas de souvenirs, restaurantes,
10
bares, casas noturnas, serviços de hotéis e muitas outras atividades. Tudo isso faz do turismo uma
atividade criadora de investimentos e emprego (Moesch, 2002).
Em relação a Portugal, o Instituto Nacional de Estatística (INE), divulgou que o Valor Acrescentado
Bruto Gerado pelo Turismo (VABGT), em 2017, teve um acréscimo nominal de 13,6% em relação a 2016,
atingindo 7,5% do Valor Acrescentado Bruto (VAB) da economia portuguesa (CST, 2018).
Diante do exposto, torna-se claro que o turismo influencia positivamente a economia de uma
região, ajudando a elevar o nível cultural da população. Porém também existem impactes económicos
negativos. Por exemplo, uma variação no câmbio ou outras conjunturas podem influir negativamente no
turismo. A atividade pode, também, gerar inflação, causada por uma procura excessiva de bens ou por
atividades especulativas dos agentes económicos.
Ainda poderá gerar especulação imobiliária e aumento em comércio e serviços que também são
utilizados pela população local, sazonalidade, trabalhos temporários, falsa sensação de empregabilidade,
impacte ambiental (Naime, 2014).
Para saber o impacte da atividade turística na economia é necessário realizar um estudo que
mostre as mudanças, positivas e/ou negativas, que poderão ocorrer devido a esta atividade, e mostrar
também a relação entre os setores da economia e o turismo.
Para Styles (1999), as aplicações mais comuns da análise do impacte económico são:
Em resumo, uma análise bem-feita dos impactes económicos no turismo pode ajudar harmonizar
a economia e multiplicar o desenvolvimento local.
No ano de 2018, Portugal foi vencedor na categoria Políticas e Administração Públicas oferecidos
pela OMT por excelência e inovação em turismo,o que demonstra que o empenho deste país para
desenvolver o turismo é grande (UNWTO, 2018).
Os setores públicos e privados deverão manter uma ação coordenada das decisões de
investimento e assim otimizar o benefício desse investimento. Por exemplo, donos de hotéis podem
investir em capacidade hoteleira, porém seu retorno vai depender, também, do investimento de donos
de restaurantes e de investimentos em outros serviços e equipamentos e em atividades recreativas e
culturais, de acordo com Russo e Darmohraj (2016).
Outro ponto onde a associação público-privado poderá ser bastante útil é na acessibilidade para
o turismo, uma vez que pessoas com deficiência constituem uma relevante porção da população mundial
(UNWTO, 2014).
12
Em 2014, a Organização Mundial de Turismo lançou o Manual sobre Turismo Acessível para
Todos. O objetivo é fomentar o turismo acessível e promover vantagens econômicas que possam
colaborar com diversas organizações de pessoas com deficiência e que trabalham em prol da
acessibilidade universal (UNWTO, 2014).
Assim, o setor público passa ao papel de facilitador e incentivador das atividades do setor privado
no que diz respeito aos critérios de desenvolvimento do turismo acessível para todos (UNWTO, 2014).
Para Buhalis e Amaranggna (2014), este sistema torna possível demonstrar a sustentabilidade
a longo prazo uma vez que melhora a experiência turística e a eficácia da gestão de recursos. Também
maximiza a competitividade do destino e a satisfação dos turistas.
Vários destinos estão adotando o turismo inteligente como por exemplo, Almeria, Cozumel,
Marbella, Palma, León, entre muitos outros. O que essas cidades fazem é, através de acordo público-
privado, melhorar a infraestrutura turística do lugar. Esses destinam participam do projeto Destinos
Turísticos Inteligentes, cujo objetivo é aprimorar a competitividade e o desenvolvimento turístico baseado
em governança e corresponsabilidade turística (Destino Turístico Inteligente, 2016).
A Espanha é o primeiro país a usar o turismo inteligente e em sua primeira fase contará com 11
destinos (Rotacode, 2014).
2.5 Rotas turísticas e otimização de lucro por meio de parcerias com empresas.
Como sabemos, Rotas Turísticas são caminhos ou estradas que se destacam por seus atrativos
turísticos. São localidades que se identificam com caraterísticas históricas e geográficas semelhantes, se
identificando como uma “marca”. Segundo Meyer (2004), elas possuem uma diversidade de atrações
para laser, o que leva a atrair uma diversidade de público.
Portugal também é um país com muitas regiões vitivinícolas e poderia facilmente usar este
recurso para atrair mais visitantes. No total, são 13 rotas de vinho. Esta é uma importante ferramenta
para o desenvolvimento de novos produtos turísticos e diversificação da oferta. Também é uma forma de
combater a disparidade entre as regiões e de capitação de novos investimentos turísticos (Novaes e
Antunes, 2009).
Segundo Salvado (2016), o enoturismo em Portugal é um fenômeno ainda recente, onde mais
da metade dos empreendedores no segmento iniciaram as suas atividades durante a década de 2000,
e 27% entre 2010-2013. Logo, mais de 75% não ultrapassam 18 anos de atuação comercial. Outro
interessante ponto presente no segmento é que o enoturismo atua como atividade complementar para
aproximadamente metade dos produtores de vinho, o que denota uma caraterística bem distinta do
“turismo tradicional”, que em geral é a fonte de renda principal para agências e estabelecimentos.
os caminhos são rotas que já existem há séculos, e são percorridas por peregrinos com intuitos religiosos
ou não, tendo como destino final a Catedral de Santiago de Compostela, o edifício de sepulcro do
discípulo de Jesus Cristo, na tradição católica. Embora não exclusivamente religiosos, os Caminhos de
Santiago são vistos com frequência como jornadas espirituais.
Para finalizar, fica claro que se faz necessário ser criativo, usar tecnologia e, principalmente,
associações público-privadas para que se alcance o desenvolvimento sustentável e de longo-prazo no
turismo.
15
Fonte: NUTS 2013: as novas unidades territoriais para fins estatísticos – INE (2015)
16
De acordo com a AICEP Portugal Global (2017), Portugal é um dos países mais antigos do
mundo, com fronteiras definidas no continente desde o século XIII, e uma vasta história de
descobrimentos, que expandiram os limites geográficos conhecidos até então, e invenções que
revolucionaram a ciência náutica e, consequentemente, as navegações no mundo moderno.
O país instituiu, em 2007, um Plano Estratégico Nacional do Turismo (PENT) com o objetivo de
alcançar vantagens competitivas que outros setores não oferecem (Lehmann, Monteiro, Lopes,
Figueiredo, & Gomes, 2009). A ambição de Portugal é se tornar um destino de qualidade, sustentável,
com empresas empreendedoras, geridas de forma eficaz e conectadas ao mundo.
De acordo com o relatório Estatísticas do Turismo 2017, do INE, Portugal ocupou a 5ª posição
em relação à balança turística entre os países da União Europeia, estando apenas atrás da Espanha,
França, Itália e Grécia. Para efeitos comparativos, o saldo da balança turística grega, em 2017, foi de
12,7 mil milhões de euros, enquanto a balança turística portuguesa obteve o saldo de 10,9 mil milhões
de euros.
O crescimento do saldo da balança turística em Portugal teve taxas superiores a 8% anuais desde
2013. Em 2017, o governo português desenvolveu uma nova estratégia para o turismo, a “Estratégia
Turismo 2027 – Liderar o Turismo do Futuro”. O documento estabelece metas e diretrizes definidas para
desenvolver o segmento ao longo de dez anos.
As atividades devem atender ao curto, médio e longo prazos, com o objetivo final de proporcionar:
O próprio plano identifica as fragilidades que fazem com que o segmento perca atratividade e
competitividade no mercado. Alguns dos pontos são:
Como se observa na Estratégia Turismo 2027, Portugal valoriza o turismo, a nível nacional e,
em âmbito governamental, identifica o futuro do turismo e foca-se em explorar ao máximo o seu potencial,
reconhecendo os atuais gargalos para a expansão da atividade turística e a inovação da mesma, e busca
soluções para os mesmos.
O norte de Portugal possui a maior concentração de residentes entre todas as regiões do país,
com aproximadamente 3.6 milhões de habitantes, por volta de 35% da população nacional.
18
De acordo com dados do Banco BPI (2017), o Norte de Portugal tem a segunda maior relevância
económica regional, representando quase 30% do PIB nacional, com base nos indicadores de 2015,
ficando apenas atrás da região da capital do país, que representa 36% do PIB nacional. Entretanto, o
Norte registou o menor PIB per capita na época, 14,6 mil euros, contra o nacional de 17,4 mil euros, ou
85% do PIB per capita médio de Portugal.
O grande Porto representa 67,7% da procura turística na região norte. Os investimentos privados
para o norte, no período de 2007 a 2013, foram de 515,3 M€, sendo que 75,7% dos mesmos foram
destinados a alojamentos (Turismo 2020, 2014). Mais recentemente, em 2017, o Porto foi eleito o
melhor destino europeu pela organização Escolha dos Consumidores Europeus.
O mesmo abrange o setor público e o setor privado para alcançar o avanço económico necessário
para a região. Elementos como autenticidade, proximidade, segurança, qualidade, modernidade,
hospitalidade, recursos naturais e património histórico-cultural são entendidos como fontes de vantagem
competitivas para a região.
As iniciativas adotadas pela Entidade de Turismo do Porto e Norte de Portugal permitem tomar
medidas para que seja amenizada a sazonalidade do fluxo turístico, a diversificação do segmento do
mercado consumidor e a diminuição da concentração regional (PNP, 2016).
5.0
4.5
4.0
3.5
3.0
Milhões
2.5
2.0
1.5
1.0
0.5
0.0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Residentes Estrangeiros
Fonte:
elaboração própria do autor, com base nos dados fornecidos pelo INE (2019).
De acordo com a figura 04, em 2005, o número de residentes responsáveis pelas dormidas no
Norte do país era aproximadamente duas vezes maior que o número de estrangeiros. O número total de
dormidas sofreu uma redução em 2008, o que reflete a crise económica global, que afetou a Europa de
forma demasiada. Como se observa, o efeito da crise afetou o turismo dos residentes até 2013, em que
1
De acordo com o INE, os proventos globais são classificados como “Valores resultantes da atividade dos meios de alojamento turístico: aposento,
restauração e outros decorrentes da própria atividade.”
22
foi ainda 4% menor que em 2007. Entretanto, em termos das dormidas de estrangeiros, as mesmas
ensaiaram uma recuperação desde 2010.
Entre 2013 e 2017, o número de dormidas de residentes cresceu a taxas médias anuais de 6%,
enquanto o número de dormidas de estrangeiros cresceu, em média, em termos anuais,
aproximadamente 15%. Esta disparidade na taxa de crescimento entre os perfis do turista (residente e
não-residente) é responsável por alterar a proporção das dormidas em relação a cada perfil. Portanto,
em 2018, a proporção de residentes versus a de estrangeiros na representatividade do número total de
dormidas foi de 73%. O norte português, uma vez caraterizado pelo turismo de residentes, agora ganha
espaço no cenário turístico internacional.
A cidade do Porto e o Norte de Portugal têm demonstrado um incrível potencial turístico, por
serem territórios ricos em história, tradições e natureza. Possuem um vasto património monumental.
Globalmente, trata-se de um território que consegue unir campo e cidade, montanha e mar, em um
cenário cheio de singularidade. Destaca-se, ainda, por produzir o vinho verde, que é único no mundo, e
produzir, na região do Douro, o vinho mais conhecido de Portugal: o vinho do Porto (Santos & Fernandes,
2010).
A sigla DOC mencionada na figura acima se refere a “Denominação de Origem Controlada”, que
atribui normas à produção e qualidade dentro da região compreendida a despeito do produto em questão.
Enquanto por IPR se entende por Indicação de Proveniência Regulamentada, que atua como uma prévia
da certificação DOC.
Conforme referido no capítulo anterior deste trabalho, os Caminhos de Santiago são rotas
turísticas importantes para o Norte do Portugal, uma vez que estes Caminhos são motivos de visita de
alguns turistas à região. Este estudo destaca três caminhos, sendo eles o Caminho do Noroeste, o
Caminho Central, e o Caminho de Celanova. Os mesmos estão identificados na figura 06, a atentar no
Caminho Central, que está indicado como “Caminho do Lima”.
24
Além de sua estrutura moderna, o aeroporto tem contribuído para o turismo local pela oferta de
voos. Atualmente, há voos diretos para cerca de 70 cidades. Em 2018, a United Airlines inaugurou a
rota entre Nova York (EUA) e Porto, durante a alta temporada europeia.
25
Além do aeroporto, a região do Porto e Norte é acessível pelas rodovias, comboios e ainda possui
terminal para a atracação de navios de cruzeiro.
4. METODOLOGIA
Este método trata-se de um modelo de heterogeneidade espacial observável, que permite, por
exemplo, verificar a relação entre a qualidade de vida e a presença de obras públicas em determinadas
localidades. É descrita também como uma análise de variância que tem como finalidades estabelecer
uma da média de população amostral para que seja possível identificar se existe diferenças entre as
médias entre grupos pré-determinados (GrifSzth, 1978; Churchill, 2018).
Observa-se que o método ANOVA tem sua base teórica na aplicação geográfica. Além disso, é
um ótimo método para a análise de dados variados, particularmente importante para testar hipóteses
em sistemas populacionais complexos (GrifSzth, 1978; Paese, Caten e Ribeiro (2001). Desta maneira,
esta ferramenta metodológica analisa os dados de um desenho experimental. Seu propósito é fornecer
uma abordagem integrada para normalização, teste para expressão diferencial e estimativa de níveis de
expressão (Caten e Ribeiro, 2011; Churchill, 2018).
Explicam Caten e Ribeiro (2011) que as hipóteses básicas para validar a ANOVA se fundamentam
na distribuição normal dos dados, na homogeneidade das variâncias, segundo cada grupo, na
aleatoriedade dos erros, na aditividade dos efeitos e na independência estatística dos valores observados
(sem correlação).
Yij = + j + ij
Em que
é a média geral;
j é o efeito do grupo j;
Para Paese, Caten e Ribeiro (2001) a análise ANOVA é uma significativa ferramenta para
comparação de vários grupos ou estratos de interesse, bem como permite ao pesquisador verificar a
existência de diferenças importantes entre os grupos estudados e alcançar a resultados com um nível de
confiança que pode ser determinado por quem a utiliza.
27
Neste trabalho se utiliza, também, o modelo de regressão com dados em painel efeitos fixos e
aleatórios.
Trata-se de um tipo combinado de dados que leva em consideração uma dimensão espacial e
uma dimensão temporal, ou seja, uma combinação de dados onde a mesma unidade em corte
transversal é estudada ao longo do tempo.
A vantagem de se utilizar os dados em painel é que este controla a disparidade presentes nos
indivíduos, ou seja, torna possível a controlar as implicações das variáveis não observadas (Hsiao, 1986).
Outro ponto positivo é que admite o uso de mais observações, aumentando o número de grau
de liberdade e diminuindo a colinearidade das variáveis explicativas (Hsiao, 1986).
Além disso podem identificar e mensurar efeitos que os dados em corte transversal ou de séries
temporais não conseguem.
A fim de tornar o modelo geral operacional, se faz necessário adicionar suposições a este modelo.
Os modelos que unem o corte transversal com séries temporais mais usados nesta combinação de dados
28
Em relação ao Modelo de efeitos fixos, o mesmo combina todas as observações deixando que
cada unidade de corte transversal tenha seu próprio intercepto. Ou seja, o intercepto pode variar de
indivíduo para indivíduo, porém ele será invariável no tempo (Neto, 2018).
De acordo com Hill, Griffiths e Judge (1999), o modelo de efeito fixo será dado por:
Onde αi representa os interceptos a serem analisados, um para cada indivíduo e assim poderá
ser interpretado como como o efeito das variáveis omitidas no modelo.
A diferença entre os dois modelos se dá pelo tratamento dado ao intercepto. No modelo de efeito
fixo trata-o como parâmetro fixo, já o modelo de efeito aleatório trata-o como variáveis aleatórias. Segundo
Hill, Griffiths e Judge (1999), os n interceptos serão modelados como:
𝛽0𝑖 = 𝛽0̅ + 𝛼1 𝑖 = 1, … , 𝑛
No qual o intercepto do modelo de efeito fixo αi capta as diferenças de comportamento dos
indivíduos e componente 𝛽0̅ corresponde ao intercepto populacional. O modelo então apresenta-se da
seguinte maneira:
Observa-se que o modelo de efeito aleatório é mais adequado para quando as amostras podem
são selecionadas aleatoriamente da população. Já o modelo de efeito fixo é mais adequado para quando
as amostram componham efetivamente toda a população.
Também poderá ser utilizado o teste de Hausman (𝐻0: 𝛽𝐸𝐴 = 𝛽𝐸𝐹) para determinar qual
melhor modelo a ser utilizado. Neste teste, se a hipótese nula for rejeitada, 𝐸(𝑎|𝑋) ≠ 0, então 𝛽𝐸𝐴
(efeitos aleatórios) será inconsistente e 𝛽𝐸𝐹 (efeitos fixos) consistente. Assim usaremos o modelo de
efeito fixo. Caso a hipótese não seja rejeitada, 𝐸(𝑎|𝑋) = 0, assim 𝛽𝐸𝐴 (efeitos aleatórios) será
consistente e assintoticamente eficiente e 𝛽𝐸𝐹 (Efeitos Fixos) apenas consistente. Deste modo,
escolhemos o modelo de Efeitos Aleatórios (Anazawa, 2018).
Neste trabalho, o Modelo 4 (robusto) para os municípios foi estimado via efeitos fixos. E o Modelo
2, o Modelo 3 e o Modelo 5, para os municípios, foram estimados considerando os efeitos aleatórios, os
mesmos estão representados na forma algébrica, a seguir.
Modelo 4 - Municípios
Modelo 2 - Municípios
Modelo 3 - Municípios
Modelo 5 - Municípios
A regressão linear múltipla é um modelo de predição linear, que busca entender a relação entre
uma variável dependente e múltiplos regressores, isto é, mais de uma variável explicativa. De forma a
entender o relacionamento entre as variáveis explicativas e a variável dependente, se faz uso de
parâmetros lineares, sendo estes, estimados em vetor de parâmetros desconhecidos, denominados por
“β”. Para tal, se utiliza neste estudo, o método de mínimos quadrados ordinários (MQO), ou OLS
(Ordinary Least Squared).
O objetivo deste método, é de minimizar a soma dos quadrados das diferenças entre o valor
estimado da variável dependente pelo modelo linear, e dos dados observados disponíveis. Neste caso,
temos β estimado como β chapéu. Portanto, o vetor de valores ajustados de Y, conforme exposto por
Johnston e Dinardo (1997), passa a ser (yˆ = X βˆ), e um vetor de resíduo igual a e = y – y^ = y - X βˆ.
Desta forma, o método de mínimos quadrados ordinários irá selecionar os “melhores” βˆ, com
o objetivo de obter a soma mínima dos quadrados dos resíduos. Além da variável dependente e das
variáveis explicativas, a estimação linear múltipla pelo método MQO também gera o termo de erro da
estimação (ε), que índice sobre a variável dependente. Para que as estimações sejam consistentes, é
necessário atender as hipóteses de normalidade na variável dependente, não há presença de
multicolinearidade, isto é, variáveis explicativas que não devem ser altamente correlacionadas, que os
resíduos da regressão sejam aleatórios, independentes e com média constante igual a 0. Bem como
deve haver variabilidade nas variáveis explicativas.
Neste trabalho, quatro modelos foram estimados com base na regressão linear múltipla via MQO,
sendo o Modelo 1, o Modelo 2, e o Modelo 3, para a estimação a nível regional. Além do Modelo 1
estimado a nível dos municípios. Conforme expostos a seguir.
Modelo 1 - Regional
Modelo 2 - Regional
Modelo 3 - Regional
Modelo 1 - Municípios
Segundo Heritier et al. (2009), o método estatístico robusta é uma extensão de outros modelos
de regressão, e seu conceito está relacionado especificamente com os modelos subjacentes usados para
descrever aproximação dos dados. Este método é relevante quando pretende-se produzir resultados
verificáveis e corretos (Farcomeni e Ventura, 2012).
Com o objetivo de entender a evolução do número total de hóspedes na região Norte de Portugal,
são utilizados dados provenientes do Instituto Nacional de Estatística de Portugal (INE), onde os mesmos
estão disponibilizados a nível de NUTS II, tornando possível, portanto, a utilização de dados regionais.
Foram compilados dados através da TravelBI (2019) e do anuário estatístico do turismo pelo INE (2015).
(2018), que é construída pelo Grupo Marktest desde 1992. De acordo com o próprio grupo, “a Sales
Index é uma aplicação de geomarketing, que permite analisar o poder de compra regional, por integrar
as principais estatísticas existentes em Portugal, com relevância socioeconómica, organizadas por
freguesia, concelho, distrito, regiões estatísticas”. A referida base de dados é disponibilizada para efeitos
de estudos académicos, pela Universidade do Minho.
De acordo com a Lista de Variáveis – Sales Index (2018), pelo Grupo Marktest (2018), entre as
principais fontes de dados para a elaboração da Sales Index (2018), estão o INE, dados internos da
Marktest, a Direção-Geral da Administração Interna (DGAI), a Direção-Geral das Autarquias Locais (DGAL),
da Associação Comércio Automóvel de Portugal (ACAP), do Ministério de Educação de Portugal, e do
Banco de Portugal.
Além da variável dependente, também é crucial a escolha das variáveis explicativas, que por
meio da variabilidade das mesmas irão explicar a variabilidade da variável dependente. As variáveis
dependentes também foram extraídas da Sales Index (2018), em conjunto com dados diretos da DGAL
e do INE, quando os mesmos não se encontravam presentes na Sales Index (2018).
Com base na literatura exposta neste trabalho e no plano de estratégia de marketing turístico,
são consideradas variáveis explicativas as relacionadas com a oferta de estabelecimentos turísticos, meio
ambiente, cultura, investimento governamental, taxa de criminalidade, e tamanho populacional. As
mesmas estão apresentadas na tabela 03.
Nesta seção estão apresentadas as análises descritivas das variáveis, em dois níveis. O primeiro,
é a análise a nível regional, em termos da região do Norte, como um todo, para o período compreendido
entre 2003 e 2017. Os dados estão organizados a nível de NUTS II.
A segunda análise é realizada a nível municipal, portanto, os dados são referentes aos 86
municípios presentes na região do Norte, para o período compreendido entre 2003 e 2017. Os dados
estão organizados a nível de NUTS III.
33
A nível regional, há 15 observações, sendo que para o período compreendido entre 2003 e 2017,
conforme referido, o dado se trata para toda a região, a nível de NUTS II. Portanto, há apenas uma
observação para cada variável, por ano.
Partindo das variáveis para cultura (recintos de cinema, número de galerias e museus), podemos
observar a evolução das mesmas ao longo do tempo nas figuras 08 e 09.
Se observa, portanto, que em ambas variáveis (Figuras 08 e 09), houve um aumento significativo
após 2007, entretanto, há uma certa estabilidade após 2010 no número de recintos de cinema, e após
2013 no número de galerias e museus no Norte de Portugal.
Em relação à população no Norte de Portugal, a mesma está a diminuir desde 2007. Entre os
fatores por detrás desta redução populacional está a baixa taxa de natalidade em Portugal. De acordo
com o World Bank (2018), em 2016, a mesma foi de apenas 1,3 nascimentos por mulher, enquanto na
Zona do euro a mesma foi de 1,6 por mulher (2016). Outro fator é a crise económica que atingiu Portugal
em 2007-2008, com efeitos adversos até 2016, o que estimulou a emigração de residentes portugueses.
Em relação aos gastos e investimentos governamentais, exposto na figura 12, se realiza a análise
da variável de despesa em proteção ambiental e o total de investimento governamental. Em média, o
gasto anual em despesa em proteção ambiental foi de 162,7 milhões de euros, em toda a região do
Norte de Portugal. Enquanto o investimento governamental total, foi em média, de 465.3 milhões de
euros, por ano. enquanto o investimento governamental total, foi em média, de 465,3 milhões de euros,
por ano. De acordo com a Marktest (2008), entre os investimentos governamentais estão investimentos
em construção, edifícios, máquinas e equipamentos, e habitação, entre outros.
A respeito do nível de segurança na região Norte, duas variáveis são analisadas, sendo elas a
taxa de criminalidade contra as pessoas e a taxa de criminalidade total. Na taxa de criminalidade total
estão inclusos os crimes contra o património, contra a sociedade, contra o Estado, respeitantes e
estupefacientes, e também contra as pessoas. 2
A taxa de criminalidade deve ser lida de tal forma – uma taxa de 4,9% representa 4,9 crimes por
1000 habitantes. A taxa de criminalidade contra as pessoas ficou entre 4,9% e 5,9%, enquanto a taxa de
criminalidade total ficou entre 28% e 34%.
A partir da figura 13, se observa que ambas variáveis se observa que ambas as variáveis são
naturalmente correlacionadas, portanto, apenas uma será utilizada neste estudo a nível de estimação do
modelo, a taxa de crimes contra as pessoas, uma vez que a mesma está mais relacionada com o nível
individual, sendo, portanto, mais mensurável pelos turistas. Ainda mais, é importante perceber como a
criminalidade aumentou na região entre o período compreendido de 2004 a 2010, e desde então vem-
se reduzindo a taxas consideráveis.
2
Direcção-Geral da Política de Justiça – INE (2019).
37
o valor 1 para os anos de 2015, 2016 e 2017, e assume o valor 0 para os demais anos. Portanto, ela
está presente em 30% das observações.
A evolução temporal da variável dependente (número total de hóspedes), para a região Norte
está presente na figura 14. É notável a expansão do turismo na região após 2012, e, em especial, a
partir de 2014, com um crescimento ainda mais acelerado.
De forma a entender como as variáveis do turismo se relacionam entre si, foi realizada uma
análise de correlação entre as mesmas. A tabela 01 revela a elevada correlação, conforme esperado.
Portanto, realizar uma análise pelo número de dormidas ou pelo número de hóspedes fica a critério ad
hoc do pesquisar, e não necessariamente, seguindo um critério estatístico.
Hóspedes 1
Dormidas 0,9983 1
Captur 0,9858 0,9867 1
Alojamentos 0,9372 0,9481 0., 670 1
Fonte: elaboração própria do autor, pelo STATA. (2019).
38
Além da correlação entre dormidas e hóspedes, também há uma alta correlação entre
alojamento e capacidade turística, uma vez que ambas revelam um dado muito similar.
Consequentemente, apenas uma das variáveis será incluída na estimação, de forma a refletir a oferta
turística, conforme exposto por autores como Santos (2004), e Bedo e Dentinho (2007). A variável de
escolha para a oferta turística é a de menor correlação com o número de hóspedes, portanto, o número
de alojamentos.
TABELA 03 – DESCRIÇÃO DAS VARIÁVEIS DA BASE DE DADOS – NÍVEL REGIONAL (NUTS II).
Variáveis Descrição
ANO Ano de observação. Período entre (2003-2017)
ALOJ Número de alojamentos (2003-2017).
CAPTUR Capacidade Turística (número de camas), (2003-2017).
CINE Número de Recintos de Cinema. (2004-2016).
COD Código atribuído a região Norte = 1.
DESPAMB Despesa Total com Proteção ao Meio Ambiente (2003-2017).
DORMIDAS Número total de dormidas (2003-2017).
39
A nível municipal, há 86 observações, sendo para o período compreendido entre 2003 e 2017,
conforme referido. Estes dados estão organizados por municípios, portanto uma observação por
município, por ano, totalizando 1290 observações, por variável.
Entretanto, a variável log_hóspedes possui apenas 736 observações, uma vez que a
logaritimização exclui os dados nulos. Este estudo se propõe analisar o número de hóspedes em
municípios com dados não nulos, uma vez que a estimação econométrica ficará mais adaptada à
realidade desta forma.
Conforme realizado na análise descritiva regional, esta seção também inicia a análise descritiva
por meio da análise das variáveis referentes à cultura, sendo elas o número de recintos de cinema (cine),
e o número combinado de galerias de arte e museus (galmus).
Em relação ao número de recintos de cinema, conforme se observa na figura 15, para a maior
parte das observações municipais, aproximadamente 70%, não havia nenhum recinto de cinema
40
presente no município em questão, enquanto em cerca de 20% havia um recinto de cinema, e no restante
da distribuição havia 2 ou mais recintos de cinema, até ao limite de 5.
Até o ano de 2015, o percentil 75 da distribuição dos alojamentos era de 3, portanto, até 75%
dos municípios possuíam até 5 alojamentos turísticos, entre o período de 2003 a 2014. Para o período
de 2015 a 2017, este número foi expandido para em torno de 14 alojamentos turísticos. (Figura 17).
No que tange aos gastos governamentais locais, se analisa a despesa em proteção ambiental, o
investimento governamental total, e o índice de investimento camarário. O investimento governamental
44
total por município vem-se reduzindo desde 2003, em média. Em 2003, os municípios investiram, em
média, 7,69 milhões de euros, em contrapartida, em 2017, este valor foi de 3,85 milhões de euros.
Portanto, houve uma redução de 50%. O investimento máximo realizado em um determinado município
em 2003 foi de 65,9 milhões de euros, sendo o caso do município de Braga. Em 2017, o valor de
investimento máximo realizado foi de 36,8 milhões de euros, no município do Porto. A distribuição do
investimento governamental entre os municípios é apresentada na figura 20.
Já em relação à despesa voltada para a proteção ambiental, a diferença entre as médias, por
município, em 2003 contra 2017, foi positiva, sendo de 1,87 milhões de euros em 2003, e 2,01 milhões
de euros em 2017, representando um aumento de 7%. O Porto foi o município que realizou o maior
investimento em proteção ambiental, tanto em 2003, como em 2017: 13,6 milhões de euros em 2003,
e 31,6 milhões de euros, em 2017.
O Índice de Investimento Camarário foi desenvolvido pela Marktest e é disponibilizado por meio
do Sales Index (2018). O mesmo busca mensurar a realização de investimento governamentais em
determinado sítio, podendo assumir valores entre 0 e 100, e na análise de dados, para os 86 municípios
do Norte, os limites estão entre 0,13 e 80,07, sendo 0,13 o menor registado por um município (o valor
foi atribuído ao município de Santa Marta de Penaguião, em 2015). O maior valor registado por um
município foi de 80,07, em 2014, no município de Penafiel.
Em média, o índice de investimento camarário para os municípios do Norte de Portugal, entre
2003 e 2017, é de 4 pontos na escala, sendo que este valor engloba a maior parte dos municípios, uma
vez que o percentil 75 para o período compreendido é de 4, 5 pontos, ou seja, 75% da amostra obteve
uma pontuação no índice de investimento camarário inferior a 4,5.
A figura 21 expõe a relação entre o índice de investimento camarário e o tamanho populacional
dos municípios. Se percebe, portanto, que não há uma relação clara entre o índice de investimento
camarário e o tamanho populacional de um sítio. A única relação que pode ser traçada é em subgrupos.
Os municípios com populações muito elevadas, ou seja, acima de 200.000 habitantes, presentes na
figura 21, são referentes aos municípios do Porto e de Vila Nova de Gaia. Estes municípios aparecem na
figura como outliers.
45
Por meio da figura 22, é possível observar a evolução do Índice de Rendimento ao longo dos
anos, entre 2003 e 2017. Os outliers presentes são referentes aos municípios do Porto e de Vila Nova
de Gaia. Em 2017, a metade dos municípios da região Norte obtiveram até 1,38 pontos no Índice de
Rendimento.
Além do Índice de Rendimento e do Índice de Investimento Camarário, também foi considerado
o Índice de Construção Civil, na tentativa de capturar a relação entre o aumento de turismo e a expansão
na construção civil. Os municípios que obtiveram as maiores pontuações em 2017 foram Vila Nova de
Famalicão, Braga, Ponte de Lima, Penafiel e Guimarães. Na média da série temporal, o valor para o
Índice de Construção Civil é de 4,4 pontos, enquanto para metade dos municípios este valor é de até
2,93.
É necessário analisar a variável dependente, o número total de hóspedes, por município, entre
2003 e 2017. Em relação à média de hóspedes recebida por município, a mesma aumentou entre 2003
(19 mil hóspedes) e 2011 (29 mil hóspedes), havendo uma queda na mesma em 2012, entretanto,
retomando novamente um crescimento a partir de 2013, atingindo o maior valor no final do período,
sendo de 56 mil hóspedes. Ao analisar os municípios distribuídos no percentil 50 em relação ao número
de hóspedes, ou seja, os 42 municípios que receberam o menor número de turistas, a mesma relação
que a média foi observada. Em 2003, a quantidade de hóspedes recebidas pelo limiar do percentil 50
foi de 15,5 mil hóspedes, enquanto em 2017 o número foi de 38,6 mil hóspedes.
48
Inicialmente, foram desenvolvidas cinco variáveis dummies, sendo as três primeiras dummies
para três distintos Caminhos de Santiago no Norte de Portugal. A primeira, é referente aos municípios
que compõe o Caminho do Noroeste, a segunda é referente ao Caminho Central, e a terceira é referente
aos municípios presentes no Caminho de Celanova. Já as dummies quatro e cinco são referentes às
rotas do vinho no Norte: a dummy número 4 é para a rota dos vinhos Douro e do Porto; enquanto a
última dummy é referente a rota do Vinho Verde. A relação de dummies e municípios está detalhada no
ANEXO 2.
A média de uma variável dummy representa o percentual de observações que tem a mesma
como valor positivo 1, ou seja, é positivo para aquela dummy. Para a dummy 1, os municípios que
compõem o Caminho do Noroeste representam 10,5% das observações, portanto, 9 dos 86 municípios
presentes. Entre as variáveis dummy, há menor representação de municípios relativos ao Caminho
Central: apenas 3 municípios. E há uma maior representatividade em relação aos municípios que estão
na Rota do Vinhos Douro e do Porto, sendo 16 municípios, quase 20% da amostra.
De maneira semelhante ao que foi realizado para a análise descritiva em termos regionais, a
nível de municípios também se busca entender como as variáveis do turismo se relacionam entre si,
portanto, uma análise de correlação entre as mesmas foi executada. Os resultados são expostos na
tabela 06.
Hóspedes 1
Dormidas 0,9962 1
Captur 0,9804 0,9761 1
Alojamentos 0,9234 0,9239 0,9445 1
Os resultados são imensamente similares aos resultados encontrados na tabela 01, conforme
esperado. Hóspedes e dormidas são perfeitamente correlacionados, e a capacidade turística é
extremamente correlacionada com o alojamento. Portanto, a seguir a mesma lógica utilizada a nível
regional, a variável para detetar a procura do turismo será a quantidade de hóspedes, enquanto a variável
para oferta turística será o número de alojamentos.
Variáveis Descrição
Como foi realizado para o nível regional, a nível dos municípios as variáveis despamb, hóspedes,
invgov e pop também sofreram logaritimização, com o mesmo objetivo de agrupar as variáveis em uma
distribuição normal, tornando-as mais adequadas para a estimação, uma vez que as variáveis não
assuem uma tendência linear pura, além de melhores efeitos na escala.
52
Neste estudo foram realizadas duas análises econométricas distintas. A primeira, a nível regional,
de forma a entender a evolução do número de hóspedes na região norte como um todo. E a segunda
com o objetivo de detalhar os atributos municipais, portanto, a estimação considerou todos os 86
municípios. Ambas estimações foram realizadas para o período compreendido entre 2003 e 2017.
Se observa, de acordo com a tabela 09, que a variável hóspedes não possui normalidade, uma
vez que seu p-valor é inferior a 0,05. De acordo com Lütkepohl and Xu (2012), um dos métodos mais
frequentes para a normalização de dados é a logaritimização, e, portanto, se observa que a variável
log_hóspedes tem o p-valor maior que 0.05, apresentando, portanto, a normalidade na distribuição dos
dados.
A seguir, foi realizado o teste de Breusch-Pagan, para verificar se os resíduos do modelo possuem
homocedasticidade da variância, sendo que o mesmo tem com hipótese nula a homocedasticidade, ou
53
seja, que a variância dos erros é constante. De acordo com os resultados apresentados na tabela 10,
não se pode rejeitar a hipótese nula de homocedasticidade.
chi2(1) = 1,47
Prob > chi2 = 0,2253
Ademais, na análise gráfica do quadrado dos resíduos estimados como variável dependente, em
função do y estimado, também não se verifica nenhum padrão, reafirmando o teste de Breusch-Pagan.
Também foi realizado o teste de White para se verificar a heterocedasticidade, no qual H0 indica
homocedasticidade no modelo linear que foi gerado, e H1 seria a hipótese de heterocedasticidade. O p-
valor resultante do teste de White foi de 0,3782, portanto, não rejeitamos a hipótese de
homocedasticidade a nível de significância estatística de 5%.
resultou em 2,195. Com base em Savin e White (1977), dU é igual a 2,81 e dL é igual a 0,10. A hipótese
nula do teste é a ausência de autocorrelação e a hipótese alternativa é de presença de autocorrelação.
De acordo com Matos (1995), rejeitamos a hipótese nula no caso da estatística de Durbin Watson ser
menor que dL, e não rejeitamos a hipótese nula no caso da estatística de Durbin Watson ser maior que
dU. Entre os intervalos dos parâmetros descritos, o teste é inconclusivo. Portanto, neste estudo, o teste
de Durbin Watson para autocorrelação foi inconclusivo.
Também foi realizado o teste do fator de inflação da variância, para detetar a presença de
multicolinearidade, uma vez que a presença deste efeito gera uma estimação não robusta. Uma
multicolinearidade de grau elevado torna a variância dos coeficientes das variáveis preditoras instáveis.
Observações 15 15 15
R² 0,990 0,980 0,980
RMSE 25,5 25,5 25,5
Nota: *** p<0.01, ** p<0.05, * p<0.1, variável dependente como o Log do número de hóspedes, e erros-padrão
apresentados em parênteses. Números “0.000” por possuírem valores muito pequenos para serem
representados na tabela.
Fonte: elaboração própria do autor, pelo STATA. (2019).
Em relação à significância das variáveis, este estudo se limita a observar o modelo 03 em termos
da análise regional, uma vez que os demais modelos apresentaram o problema de multicolinearidade e
não significância de variáveis.
Com exceção da taxa de criminalidade contra as pessoas, todas as demais variáveis se revelaram
significativas a nível de 5% de significância estatística, entretanto, a mesma é objeto de estudo neste
trabalho a fim de entender se há impacte da mesma no turismo. Em relação ao número de alojamentos,
56
A taxa de criminalidade contra as pessoas não obteve significância estatística pela análise do p-
valor. Portanto, não se pode interpretar o sinal positivo no coeficiente desta variável explicativa como um
sinal positivo entre a criminalidade e o número de hóspedes. Como exposto por Netto e Pieri (2013) e
Ivanov (2017), a falta de segurança é um fator negativo para o turismo.
A constante também foi positiva, e com significância estatística para o modelo estimado 03,
indicando que há um ou vários elementos para a região analisada que já atraem turistas e que o mesmo,
ou os mesmos, não estão presentes na forma de variáveis explicativas do modelo. Estes elementos
podem ser atrações naturais (praias, parques, exposições) ou mesmo elementos humanos, como um
aumento da visibilidade internacional do Norte de Portugal por intermédio do place branding, conforme
referido previamente neste estudo.
Entretanto, mesmo com um R² elevado de 0,98, que indica a força de explicação da variabilidade
das variáveis explicativas na variabilidade da variável dependente, é importante atentar que este modelo
foi baseado na análise de uma região, ao longo de 15 anos, totalizando 15 observações para cada variável
57
presente neste modelo. Portanto, uma expansão do mesmo em futuros estudos seria ideal para afirmar
os resultados.
Conforme foi realizado na seção anterior, o primeiro teste realizado foi o teste de Shapiro-Wilk
para verificar a normalidade na variável dependente, neste caso, o número de hóspedes em um
determinado município para o período de tempo (2003-2017).
De acordo com os resultados do teste, conforme exposto na tabela 13, para ambas as variáveis,
considerando um nível de 95% de confiança estatística para Prob > Z, não podemos não rejeitar a
hipótese nula de normalidade nas variáveis. Entretanto, ao compararmos a distribuição de hóspedes e
log_hóspedes por meio do histograma, observamos que log_hóspedes se aproxima mais de uma
distribuição normal do que hóspedes.
Ademais, a variável log_hóspedes será utilizada nas estimações para municípios, uma vez que
a mesma “filtra” os municípios com números positivos e não nulos, portanto, que receberam hóspedes
durante o período de tempo que é o objetivo deste trabalho, o que também torna a estimação mais
plausível.
58
chi2(1) = 11,04
Prob > chi2 = 0,0009
A nível de confiança de 95%, não se pode não rejeitar a hipótese nula de homocedasticidade,
portanto, a priori, assumimos que o modelo 01 estimado possui heterocedasticidade nos erros.
Entretanto, na análise gráfica do quadrado dos resíduos estimados como variável dependente,
em função do y estimado, não há nenhum padrão claro a ser verificado.
59
O modelo de MQO não é, portanto, apropriado para se entender a relação entre o número de
hóspedes e as variáveis explicativas ao longo do tempo. O método mais adequado a ser utilizado é por
estimação de dados em painel, conforme exposto na metodologia deste trabalho, uma vez que temos
múltiplas observações, sendo diversos municípios, com dados ao longo de 15 anos.
Ademais, a hipótese por detrás da estimação por painel é que há diferença entre os grupos de
observações, neste caso, há uma diferença estatística entre os municípios ao longo dos anos. O facto de
pertencer a um município ou a outro impacta a estimação.
O teste foi realizado após a estimação do modelo 02 (dados em painel aleatórios). Ademais, a
variável investimento governamental total foi retirada da análise para os municípios no modelo 2. Os
resultados são apresentados na tabela 16.
Var sd = sqrt(Var)
log_hóspedes 1,7691 1,3301
e 0,1115 0,3340
u 0,7352 0,8574
Teste: Var(u) = 0
chibar2(01) 1937,71
Prob > chibar2 0,000
A nível de 95% de confiança estatística, não se pode não rejeitar a hipótese nula de não diferença
entre os municípios. Portanto, se conclui de facto, a necessidade da estimação de dados em painel.
e(V) aloj log_despamb galmus log_pop txcrimp idren idconst idivca cons
aloj 1
log_despamb -0,109 1
galmus -0,086 -0,066 1
log_pop 0,017 -0,178 -0,076 1
txcrimp 0,237 0,022 0,185 -0,106 1
idren 0,084 0,009 -0,115 -0,481 0,044 1
idconst 0,007 -0,031 -0,221 -0,153 0,018 0,143 1
idivca -0,149 -0,003 0,111 -0,029 -0,001 -0,049 -0,107 1
const -0,021 -0,002 0,072 -0,976 0,062 0,449 0,134 0,024 1
A tabela 17 expõe a correlação entre as variáveis presentes no modelo. A mesma foi gerada após
a estimação em painel, com efeitos aleatórios. Se verifica apena uma correlação forte na análise, sendo
log_pop negativamente e altamente correlacionada com a constante, e moderadamente e negativamente
correlacionada com o índice de rendimento. O índice de rendimento também se apresenta correlacionado
de forma moderada e positiva com a constante.
Ademais, foi analisado se há autocorrelação nos erros, tal como foi analisado para a regressão
de nível regional. Portanto, com o objetivo de verificar que não há uma correlação serial nos erros ao
longo do tempo, foi utilizado o teste sugerido por Wooldridge (2002) e testado por Drukker (2003), se
revelando de grande eficácia para testar a autocorrelação em modelos de dados em painel. A hipótese
nula do teste é de que não há autocorrelação de primeira ordem.
F (1,72) = 26,697
De acordo com os resultados encontrados na tabela 18, não se pode não rejeitar a hipótese nula
de não correlação, consequentemente, assumimos a hipótese de que há autocorrelação de primeira
ordem. Portanto, um novo modelo foi estimado, considerando o que é sugerido por Drukker (2003) e
Hoechle (2007), onde a estimação por cluster e considerando a correção robusta corrigem os problemas
de autocorrelação e de heterocedasticidade que foram identificadas anteriormente. O novo modelo é
denominado modelo 2 robusto.
Ademais, foi também realizado o teste Robusto de Hausman, conforme exposto por Hoechle
(2007) com base no argumento de Arellano (1993) e Wolldridge (2002), que se demonstra válido para
amostrar extensas, com correção robusta e em cluster. O teste funciona como o tradicional teste de
Hausman, a detetar qual modelo é mais apropriado a ser estimado, entre efeitos fixos e efeitos aleatórios,
o mesmo está presente na tabela 19.
Chi-sq(7) = 0,000
De acordo com Schaffer and Stillman (2006), o teste robusto de Hausman, com a estatística
Sargan-Hansen, funciona como um teste de identificação das restrições, uma vez que as mesmas são
impostas pelo modelo de efeitos aleatórios. A hipótese nula considera que o modelo de efeitos aleatórios
estimado é consistente. Portanto, de acordo com o resultado exposto na tabela 19. A nível de confiança
estatística de 95%, não se pode não rejeitar a hipótese nula de consistência no modelo de efeitos
aleatórios. Consequentemente, a estimação indicada é de efeitos fixos. O modelo de efeitos fixos foi
determinado, sendo então o modelo 4 robusto.
63
De forma a analisar as dummies inseridas para os municípios, um último modelo foi considerado,
sendo um modelo de efeitos aleatórios e com correção robusta e cluster. A escolha de efeitos aleatórios
se deve ao facto de que não ser possível estimar os impactos das dummies em uma estimação de efeitos
fixos, uma vez que as dummies são fixas ao longo do tempo, e, portanto, qualquer variável preditora que
não varie ao longo do tempo tem o efeito considerado no intercepto. Este modelo foi denominado modelo
5 robusto.
A tabela 20 apresenta os quatro primeiros modelos para os municípios, sendo o Modelo com
estimador MQO. O Modelo 2 estimado em efeitos aleatórios para dados em painel. O Modelo 2 robusto
que se refere ao modelo anterior, mas com a correção para autocorrelação e heterocedasticidade, se
tornando assim, robusto. O Modelo 3 robusto, similar ao Modelo 2 robusto, entretanto com a variável
log_pop retirada da análise.
Nota: *** p<0,01, ** p<0,05, * p<0,1, variável dependente como o Log do número de hóspedes, e erros-padrão
apresentados em parênteses. Números “0,000” por possuírem valores muito pequenos para serem representados na
tabela.
Nota: *** p<0,01, ** p<0,05, * p<0,1, variável dependente como o Log do número de hóspedes, e erros-padrão
apresentados em parênteses. Números “0.000” por possuírem valores muito pequenos para serem representados na
tabela.
De acordo com a tabela 19, se observa que o número de observações é o mesmo em cada
modelo estimado, assim como o número de grupos, e também, todos os modelos de efeitos aleatórios
são significantes de acordo com prob > chi2.
Ao analisar o modelo estimado pelo método dos mínimos quadrados (Modelo 1), percebe-se que
o número de alojamentos, o número de galerias de arte e museus, o logaritmo da população total, a taxa
de criminalidade contra as pessoas, o índice de rendimento e a constante foram todos estatisticamente
significativos a nível de significância de 5%. As demais variáveis presentes não apresentaram significância
a nível de 5%. Entretanto, esta regressão não deve ser interpretada para explicar a relação entre variáveis
explicativas e a variável dependente, uma vez que a mesma foi estimada com a presença de fatores que
inviabilizam uma estimação plausível por MQO, bem como a presença de autocorrelação dos erros e
heterocedasticidade, além do facto deste estudo se tratar de variáveis organizadas em painel. Portanto,
o Modelo 1 é apenas apresentado para efeitos comparativos com as demais regressões.
Os Modelos 2, 2 robusto e 3 robusto foram todos estimados com base nos modelos de análise
de efeitos aleatórios para dados em painel, também denominado de “Random Effects Model”. É
observável que entre estes três modelos o valor apresentado para os coeficientes das variáveis
explicativas é extremamente similar, se alterando ligeiramente para a variável do log de despesa em
proteção ambiental e para o índice de rendimento, além da constante que tem um valor mais elevado
no Modelo 3 robusto.
O Modelo 2 também não deve ser utilizado para explicar a relação entre o log do número de
hóspedes e as variáveis explicativas, uma vez que o mesmo contém os problemas de autocorrelação e
heterocedasticidade, tal como o Modelo 1, portanto, seus estimadores podem não ser eficientes.
Entretanto, se observa uma mudança considerável entre as estimações realizadas entre os Modelos 1 e
2, devido à alteração no método de estimação. O Índice de Construção civil, o Índice de Investimento
Camarário e o número de galerias de arte e museus, que antes possuíam coeficientes negativos na
estimação por MQO, se alteram para coeficientes positivos na estimação dos modelos por efeitos
67
aleatórios. A taxa de criminalidade contras as pessoas, antes positiva, se torna uma variável de coeficiente
negativo, o que se alia mais com o referencial teórico.
Na tabela 21, estão presentes os três modelos finais, sendo o Modelo 3 Robusto, o Modelo 4
Robusto, que é o Modelo 3 Robusto estimado com o modelo de efeitos fixos, ao invés de efeitos aleatórios,
e o Modelo 5 Robusto, que é estimado com base no Modelo 3 Robusto, embora com a adição das cinco
variáveis dummies.
O logaritmo das despesas em relação a proteção ambiental não foi significante a nível de 5% de
significância estatística em nenhum modelo apresentado na tabela 21. Portanto, não se utiliza esta
variável para explicar seu impacte sobre o número de hóspedes. Entretanto, em uma hipótese a se
considerar o nível de significância de 10%, pode se entender que, o aumento de um ponto percentual na
despesa em proteção ambiental, aumenta, em média, o número de hóspedes em 0,073%. O motivo por
detrás deste resultado, conforme Silva (2013) é o ecoturismo e a procura por reservas naturais, que são
fatores que atraem certo grupo de turistas. Na estimação por efeitos fixos, este efeito é de 0,067%.
Já a taxa de criminalidade contra as pessoas se apresentou negativa nos três modelos expostos
na tabela 21, relevando a relação inversa com o número de turistas. Portanto, a segurança, conforme
exposto por Santos (2004) e Netto e Pieri (2013), é um facto que impacta o turismo de forma negativa,
uma vez que os indivíduos prezam pela vida, segurança e bem-estar e em maior parte, não estão
dispostos a efetuar turismo em regiões violentas. De acordo com o Modelo 3 Robusto, o aumento em
um ponto percentual na taxa de criminalidade contra as pessoas, reduz, em média, o número de
69
hóspedes em 1,9%. Já no Modelo 4 Robusto, com efeitos fixos, um aumento em um ponto percentual
na taxa de criminalidade contra as pessoas reduz, em média, o número de hóspedes em 1,7%.
capturada pelas variáveis explicativas, além do facto de que estes municípios podem possuir uma
“atratividade natural”, a depender das motivações dos hóspedes que visitam estas regiões.
As estatísticas R² Within e R² Between são muito semelhantes para o Modelo 3 Robusto e para
o Modelo 4 Robusto, indicando o quanto da variância intra-painéis (Within) e entre painéis (Between)
explicam os modelos, ao comparar os mesmos é quase idêntica. Já a estatística rho é significativamente
maior para o modelo robusto de efeitos fixos, Modelo 4 Robusto, indicando que a diferença entre painéis
impacta a variância na variável dependente com uma maior força, cerca de 90%. Já a estatística corr
(u_i, Xb) releva que os erros u_i são negativamente e moderadamente correlacionados com os
regressores, no modelo de efeitos fixos.
Com relação à adição das variáveis dummies, este estudo tenta explicar as diferenças entre o
Modelo sem dummies, Modelo 3 Robusto, contra o modelo com dummies, Modelo 5 Robusto. Não há
diferença significativa quanto à variável número de alojamento turísticos. O efeito sobre a variável
dependente se manteve o mesmo, e continua significante ao nível de significância estatística de 5%.
A variável do logaritmo para despesa em proteção ambiental continuou não significante a nível
de significância estatística a 5%. É apenas estatisticamente significativa a nível de 10%. Portanto, continua
a não ter força explicativa no modelo.
O número de galerias de arte e museus perde a significância estatística a nível de 5%, e passa a
ser apenas estatisticamente significativa a nível de significância de 10%. Em relação ao efeito, é
marginalmente intensificado: agora, um aumento de uma unidade em galerias de arte e museus
aumenta, em média, o número de hóspedes em 1,6%.
Apenas a dummy 1 e dummy 5 foram estatisticamente significativas a nível de 5%, sendo elas a
dummy para o Caminho do Noroeste e a dummy para a rota do Vinho Verde, respetivamente.
Ademais, o facto de um município pertencer à Rota do Vinho Verde, faz com que o mesmo,
tenha, em média, um acréscimo em 73,6% no número de turistas. Municípios como Braga, Guimarães
e Ponte de Lima compõe a Rota do Vinho Verde. As demais rotas e caminhos não foram estatisticamente
significativos a nível de 5%.
72
6. CONCLUSÕES FINAIS
Dada a relevância apresentada pelo setor do turismo, nos últimos anos, em especial para
Portugal, atingindo aproximadamente 8% do valor acrescentado bruto da economia nacional, este
trabalho busca entender os fatores que impactam a atividade turística no Norte de Portugal e, por
conseguinte, entender como os municípios podem buscar explorar e otimizar o turismo em prol do
benefício económico local.
Portugal se revela com um enorme potencial, compondo o top 10% em termos de distribuição
mundial, na análise de competitividade em turismo. O Norte de Portugal tem enorme destaque no cenário
europeu, uma vez que a cidade do Porto tem funcionado como um núcleo de atração turística capaz de
expandir este efeito e despertar o interesse dos turistas no restante da região. Esse potencial turístico de
corre dos valorosos elementos presentes na mesma, como recursos naturais, património histórico,
culinária e cultura. Esse interesse foi confirmado pela expansão do turismo no nos últimos seis anos,
resultando em mais de 4 milhões de hóspedes, em 2018.
As metodologias utilizadas neste trabalhou buscaram medir a relação entre variáveis que buscam
capturar o efeito de elementos culturais, oferta de hotelaria, recursos naturais, investimento público,
segurança, Caminhos de Santiago e Rotas do Vinho, entre outros, tomando como a variável dependente
o número de hóspedes, tanto a nível regional, como a nível municipal, no período de quinze anos.
No que se refere à análise do território, no seu todo, usando o método econométrico dos mínimos
quadrados ordinários, foi encontrado o impacte positivo do número de alojamentos turísticos e do número
de galerias de arte e museus sobre o número de hóspedes na região. Nos termos dos resultados
encontrados, expandir a oferta hoteleira em 1 unidade implica, em média, o aumento de hóspedes em
1%, enquanto ao expandir os edifícios culturais de galerias de arte e museus em 1 uma unidade, em
média, isso traz o aumento de hóspedes ou visitantes que durmam no local ao menos uma noite em 2%.
Estes são resultados que suportam o que vem se discutindo na área académica e demonstra como uma
melhoria no lado da oferta turística, em termos culturais e de alojamento, pode também auxiliar a obter
uma maior procura do turismo regional.
Em termos da análise dos municípios, considerando dados em painel, com efeitos fixos e
aleatórios, novamente fatores como o número de alojamentos disponíveis para os turistas, e o número
de galerias de arte e museus se revelaram significantes e positivos na atração de hóspedes, com
73
impactes semelhantes. Em média, o aumento de uma unidade dos alojamentos destinados ao turismo
aumenta o número de hóspedes em 2%. Já o efeito para o número de galerias de arte e museus, em
média, é de 1,5%. Além destes dois fatores, os Índices de Rendimento e de Construção Civil também se
relevaram como proxies para o nível de desenvolvimento local, com impactes positivos no número de
hóspedes, sendo que o aumento em um ponto na escala do Índice de Rendimento, em média, leva a um
aumento em 8,5% no número de hóspedes, enquanto que o aumento em um ponto no Índice de
Construção Civil, leva a um aumento, em média, em 2,5% no número de turistas. É importante ressaltar
que estes efeitos funcionam tanto em termos de aumento, como em termos de queda, caso haja redução
nos fatores mencionados. No que se refere a fatores com impactes inversos ou negativos nos números
de turistas, foi constatada a taxa de criminalidade contra as pessoas, na qual um aumento em um ponto
percentual na mesma, em média, reduz o número de hóspedes em 1,9%.
Ademais, a Rota do Vinho Verde também se apresenta como um atrativo para a região do Norte,
uma vez que o efeito da mesma, em média, se traduz no número de hóspedes nos municípios presentes
em 73,6% superior ao daqueles que não estão inseridos nesta rota.
À vista dos efeitos observados, é importante que a esfera do poder público e o sector privado se
aliem para promover e desenvolver elementos culturais, melhorar a oferta de hotelaria, controlar e reduzir
a criminalidade e, aonde tal medida é necessária, incentivar o desenvolvimento económico local e a
infraestrutura, para despertar e possibilitar um melhor fluxo turístico, atraindo assim, capital e, por
conseguinte, mais desenvolvimento para o Norte de Portugal. Importa, também, estimular, dinamizar e
desenvolver melhores planos de marketing e engajamento em relação às rotas turísticas, como os
Caminhos de Santiago e as Rotas do Vinho, presentes na região. Estas ações têm o potencial de estimular
a continuidade e a exploração contínua do turista pelos municípios que compõem as mesmas, a
considerar um turismo sustentável, tanto a nível económico, como a nível social e ambiental. Apenas a
atividade planeada e realizada de forma sustentável pode perdurar no longo prazo.
74
No que concerne às limitações deste estudo, a nível regional, estas podem ser explorados em
estudos futuros recorrendo a um maior período de tempo ou mesmo a uma comparação regional com
as demais regiões de Portugal, uma vez que certos fatores podem se demonstrar não relevantes para
um número de observações pequeno mas entretanto, relevantes para um número de observações mais
extenso.
7. REFERENCIAL BIBLIOGRÁFICO
Anazawa, L. (2018). Painel – (1ª Diferenças, Efeitos Fixos e escolha entre estimadores de painel). São
Paulo: Universidade de São Paulo, pp.1-5.
Arellano, M. (1993). On the testing of correlated effects with panel data. Journal of Econometrics.
Journal of Econometrics, pp. 87-97.
Ávila, A. L. (2015). Smart Destinations Report: Buildin the Future. Smart Destination. pp.1-207.
Bourlon, F., Mao, P., & Osorio, M. (2011). El Turismo Científico en Aysén Un modelo de Valorización
Teritorial Basado en el Patrimonio y Actores Locales. Sociedad Ho. Sociedad Hoy, pp. 55-76.
Buhalis, D. A. (2014). Smart Tourism Destinantions. (I. Z. Tussyadiah, Ed.) Information and
communication technologies in tourism 2014, pp. 553-564.
Churchill, G. A. (2018). Using ANOVA to Analyze Microarray Data. Acesso em 03 de abril de 2019,
disponível em Future Science : http://www.future-science.com/doi/full/10.2144/04372TE01
CST. (2018). Conta Satélite do Turismo 2017: Consumo do Turismo Representa 13, 7% do PIB. Acesso
em 03 de fevereiro de 2019, disponível em Turismo de Portugal:
http://www.turismodeportugal.pt/pt/Noticias/Paginas/conta-satelite-do-turismo-2017.aspx
Drukker, D. M. (2003). Testing for Serial Correlation in Linear Panel-Data Models. Stata Journal , 3(2),
pp. 168-177.
DTI. (2016). Destino Turístico Inteligente Territorio Inovador. Acesso em 18 de abril de 2019, disponível
em Destino Turítico Inteligente: https://www.destinosinteligentes.es/
Duarte, P. C., Lamounier, W., & Takamatsu, R. T. (2007). Modelos Econometricos para Dados em
Painel: Aspectos Teóricos e Exemplos de Aplicações à Pesquisa em Contabilidade e Finanças. .
Congresso Usp de Controladoria E Contabilidade. São Paulo: Congresso USP de Iniciação Científica em
Contabilidade. 4, pp. 1-15.
Gartiner, W. C. (1996). Turism Development: Principles, Processes, and policies (Hospitality, Travel &
Turism) (1 ed.). New York: Jhon Wiley & Sons.
Gujarati, D. N., & Porter, D. C. (2009). Basic Econometrics (5 ed.). New York: McGraw-Hill.
Heritier, S. C.F.P. (2009). Robust Methods in Biostatistics. Sussex: John Wiley & Sons, Ltd.
Hoechle, D. (2007). Robust Standard Errors for Panel Regressions with Cross-Sectional Dependence.
The Stata Journal, 7, 281-312.
Jr., J. F. (2014). Multivariate Data Analysis (7ª ed.). Pearson Education Limited.
Kavaratzis, M. (2009). Cities and their brands: Lessons from corporate branding. Place Branding and
Public Diplomacy, 5(1), pp. 26-37. Palgrave Macmillan.
Lade, C. (2012). Factors Affecting Global Tourism. Vea Bringing Learning to Life - Program Suport
Notes, pp. 1-13. VEA Group Pty.
Lehmann, A. T., Monteiro, R., Lopes, P., Figueiredo, P., & Gomes, J. (2009). Turismo na Região do
Norte de Portugal. Comissão de Coordenação e Desenvolvimento Regional do Norte, Observatório das
Dinâmicas Regionais do Norte (Centro de Avaliação de Políticas e Estudos Regionais).
Lütkepohl, H., & Xu, F. (2012). The role of the log transformation in forecasting economic variables. Em
Empirical Economics (Vol. 42, pp. 619–638). Viena: Springer Nature Switzerland AG. Part of Springer
Nature. Acesso em 08 de dezembro de 2018, disponível em
https://link.springer.com/article/10.1007%2Fs00181-010-0440-1
Mascarenhas, R. G., & Gandara, J. M. (2012). Comida de festa: o potencial de atratividade turística da
gastronomia nas colônias de imigrantes em Castro – PR. Revista Hospitalidade, 9(1), pp. 132-150.
Mathieson, A., & Wall, G. (1982). Tourism: Economic, Physical and Social Impacts. Halow, New
Zealand: Longman.
77
Meyer, D. (2004). Tourism routes and gateways : key issues for the development of tourism routes and
gateways and their potential for Pro-Poor Tourism. Sheffield Hallam University Research Archive, pp. 1-
31.
Mota, M., Remoaldo, P. C., & Ribeiro, J. C. (2012). Criatividade: a construção de novos cenários para o
turismo em Ponte de Lima. (A. P. Regional, Ed.) Revista Portuguesa de Estudos Regionais. pp.59-70.
Naime, R. (2014). Os Impactos Econômicos do Turismo. Acesso em 24 de outubro de 2018, disponível
em EcoDebate: https://www.ecodebate.com.br/2014/10/07/os-impactos-economicos-do-turismo-
artigo-de-roberto-naime/
Neto, B. A. (2018). Regressão com dados em painel: efeitos fixos e aleatórios. Acesso em 16 de abril
de 2019, disponível em Slideplayer: https://slideplayer.com.br/slide/12773003/
Netto, A. P., & Pieri, V. S. (2013). O Lugar do Turismo no Sistema. Rio de Janeiro, Rio de Janeiro:
CENEGRI Edições.
Novais, C. B., & Antunes, J. G. (2009). O contributo do Enoturismo para o desenvolvimento regional: o
caso das Rotas dos Vinhos. Cabo Verde Redes e Desenvolvimento Regional, 1253-1280.
OMT, O. M. (2003). Turismo internacional: Uma Perspectiva Global (2ª ed.). (Bookmann, Ed.) Porto
Alegre, RS, Brasil: Bookmann.
Paese, C., Caten, C. t., & Ribeiro, o. L. (Jan/June de 2001). Aplicação da análise de variância na
implantação do CEP. Production, 11(1), pp. 17-26.
Pinto, M. (2010). As fronteiras pós-modernas e suas contribuições para a atratividade turística e
cultural: estudando a fronteira Brasil-Argentina. Observatório de Inovação do Turismo - Revista
Acadêmica, 5(2).
Plaza, B., & Haarich, S. N. (2013). The Guggenheim Museum Bilbao: Between Regional Embeddedness
and Global Networking. (R. T. Group, Ed.) European Planning Studies, 23(8), pp. 1456–1475.
PNP. (2016). Plano de Ação 2016. Porto: Entidade de turismo de Porto e Norte de Portugal.
PNP, T. (2015). Estratégia de Marketing Turístico do Porto e do Norte de Portugal - Horizonte 2015-
2020. Entidade Regional de Turismo do Porto e Norte de Portugal. Porto. Acesso em 01 de fevereiro de
2019, disponível em
http://www.portoenorte.pt/fotos/gca/plano_estrategico_10327505915894b4d3a978b.pdf
Portugal. (2014). Plano de Ação para o Desenvolvimento do Turismo em Portugal. Turismo de Portugal.
Turismo 2020. Lisboa.
Remoaldo, P. e. (2017). O legado de Guimarães Capital Europeia da Cultura de 2012: A leitura dos
residentes e dos visitantes. Porto: Afrontamento.
Rezende, C. F. (2005). Impactos do turismo: uma análise sob a ótica da população receptora. XXIX
EnANPAD - Encontro da ANPAD , (pp. 1-16). Brasília/DF.
78
Ribeiro, J. L., & Caten, C. t. (2010). Projeto de Experimentos. Universidade Federal do Rio Grande do
Sul, Programa de Pós Graduação em Engenharia de Produção. Porto Alegre: Série Monográfica
Qualidade. pp. 1-153.
Salvado, J. (2016). Enotourism Ecosystem: Stakeholders’ Coopetition Model proposal. (Vol. 6). Porto:
Turism and hospitality International Journal.
Santos, G. E. (2004). Modelo Gravitacional do Turismo: Proposta Teórica e Estudo Empírico dos Fluxos
Turísticos no Brasil. Escola de Comunicacções e Artes da Universidade de São Paulo, Tese de
Mestrado, São Paulo.
Santos, N. S., & Fernandes, P. O. (2010). Turismo na Região Norte de Portugal: Aplicação do Modelo
Linear Geral. Escola Superior de Tecnologia e Gestão do Instituto Politécnico de Bragança, Marketing,
Logística e Distribuição. Bragança: Instituto Politécnico de Bragança. Acesso em 02 de fevereiro de
2019, disponível em
https://bibliotecadigital.ipb.pt/bitstream/10198/2958/1/Paper_Fernandes&Santos.pdf
Savin, N., & White, K. J. (1977). The Durbin-Watson Test for Serial Correlation or Many Regressors.
Econometrica , 45, pp. 1989-1996.
Schaffer, M. S. (2016). XTOVERID: Stata module to calculate tests of overidentifying restrictions after
xtreg, xtivreg, xtivreg2, xthtaylor. Statistical Software Components s456779 , Boston College ,
Department of Economics., BostonC.
Serretti, F., Gomes, G. P., Ferreira, M. A., & Filho, N. A. (2005). O Património Histórico Como Fator de
Atratividade Turística em Tiradentes/MG. Revista Reuna, 10(3), 23-34.
Silva, S. C. (2013). Os Factores de Atracção de Visitantes a Uma Cidade. Obtido de Hipersuper. Acesso
em 02 de fevereiro de 2019, disponível em http://www.hipersuper.pt/2013/11/20/os-factores-de-
atraccao-de-visitantes-a-uma-cidade-por-susana-costa-e-silva-catolica-porto/.
Sponton, E. B. (2017). Análise Combinatória Com Pairwise - Praticando Testes Ágeis. Acesso em 02 de
março de 2019, disponível em http://www.matera.com/blog/post/analise-combinatoria-com-pairwise-
praticando-testes-ageis-5
Stynes, D. J. (1999). The Economic Impacts of Tourism. Michigan State University,. Acesso em 05 de
fevereiro de 2019, disponível em https://msu.edu/course/prr/840/econimpact/pdf/ecimpvol1.pdf
Telfer, D. J. (2001). Strategic alliances along the Niagara wine route. Tourism Management.
79
UNWTO. (2015). UNWTO Tourism highlights. World Tourism Organization. Acesso em 12 de fevereiro
de 2019, disponível em https://www.e-unwto.org/
UNWTO. (2018). Panorama OMT del Turismo Internacional. Acesso em 10 de fevereiro de 2019,
disponível em UNTWO - Organização Mundial do Turismo: https://www.e-
unwto.org/doi/pdf/10.18111/9789284419890
Wooldridge, J. M. (2002). Econometric analysis of cross section and panel. (2 ed.). Cambridge: The Mit
Press.
80
COD MUNICIPIO
1 Alfândega da Fé
2 Alijó
3 Amarante
4 Amares
5 Arcos de Valdevez
6 Armamar
7 Arouca
8 Baião
9 Barcelos
10 Boticas
11 Braga
12 Bragança
13 Cabeceiras de Basto
14 Caminha
15 Carrazeda de Ansiães
16 Castelo de Paiva
17 Celorico de Basto
18 Chaves
19 Cinfães
20 Espinho
21 Esposende
22 Fafe
23 Felgueiras
24 Freixo de Espada à Cinta
25 Gondomar
26 Guimarães
27 Lamego
28 Lousada
29 Macedo de Cavaleiros
30 Maia
31 Marco de Canaveses
32 Matosinhos
33 Melgaço
34 Mesão Frio
35 Miranda do Douro
36 Mirandela
37 Mogadouro
38 Moimenta da Beira
39 Monção
40 Mondim de Basto
41 Montalegre
42 Murça
43 Oliveira de Azeméis
44 Paços de Ferreira
45 Paredes
46 Paredes de Coura
81
47 Penafiel
48 Penedono
49 Peso da Régua
50 Ponte da Barca
51 Ponte de Lima
52 Porto
53 Póvoa de Lanhoso
54 Póvoa de Varzim
55 Resende
56 Ribeira de Pena
57 Sabrosa
58 Santa Maria da Feira
59 Santa Marta de Penaguião
60 Santo Tirso
61 São João da Madeira
62 São João da Pesqueira
63 Sernancelhe
64 Tabuaço
65 Tarouca
66 Terras de Bouro
67 Torre de Moncorvo
68 Trofa
69 Vale de Cambra
70 Valença
71 Valongo
72 Valpaços
73 Viana do Castelo
74 Vieira do Minho
75 Vila do Conde
76 Vila Flor
77 Vila Nova de Cerveira
78 Vila Nova de Famalicão
79 Vila Nova de Foz Côa
80 Vila Nova de Gaia
81 Vila Pouca de Aguiar
82 Vila Real
83 Vila Verde
84 Vimioso
85 Vinhais
86 Vizela
82