Caio Gomes Martins

ii
DIREITOS DE AUTOR E CONDIÇÕES DE UTILIZAÇÃO DO TRABALHO POR TERCEIROS
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.
Licença concedida aos utilizadores deste trabalho
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 Universidade do Minho e a todo o corpo académico, pelo acolhimento, e pela oportunidade

em fazer parte desta incrível instituição.
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.
“For every one of us that succeeds, it is because there

is somebody there to show you the way out”.
- Oprah Winfrey
iv
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
O Cenário Turístico no Porto e Norte de Portugal – Fatores de Atração do Turismo
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
FIGURA 01 – MAPA DE PORTUGAL - NUTS II-III (2013)
FIGURA 02 – MAPA DO NORTE DE PORTUGAL NUTS III (2014)
FIGURA 03 – SUBDIVISÕES DA REGIÃO NORTE - PNP (2015)
FIGURA 04 – EVOLUÇÃO DO NÚMERO DE DORMIDAS NO NORTE DE PORTUGAL
FIGURA 05 – ÁREAS DE VINÍCOLAS NO NORTE DE PORTUGAL
FIGURA 06 – CAMINHOS DE SANTIAGO – NORTE DE PORTUGAL
FIGURA 07 – LOCALIZAÇÃO OPO AEROPORTO E CONEXÕES RODOVIÁRIAS
FIGURA 08 – EVOLUÇÃO DO NÚMERO DE RECINTOS DE CINEMA NO NORTE DE PORTUGAL
FIGURA 09 – EVOLUÇÃO DO NÚMERO DE GALERIAS E MUSEUS NO NORTE DE PORTUGAL
FIGURA 10 – EVOLUÇÃO DA CAPACIDADE TURÍSTICA NO NORTE DE PORTUGAL
FIGURA 11 – EVOLUÇÃO POPULACIONAL NO NORTE DE PORTUGAL
FIGURA 12 – EVOLUÇÃO DOS GASTOS GOVERNAMENTAIS REGIONAIS
FIGURA 13 – CRIMINALIDADE NO NORTE DE PORTUGAL
FIGURA 14 – EVOLUÇÃO DO NÚMERO DE HOSPEDES NA REGIÃO NORTE DE PORTUGAL
FIGURA 15 – DISTRIBUIÇÃO EM QUANTIS DO NÚMERO DE RECINTOS DE CINEMA – MUNICÍPIOS
FIGURA 16 – DISTRIBUIÇÃO DE GALERIAS E MUSEUS – MUNICÍPIOS
FIGURA 18 – ALOJAMENTOS VERSUS HOSPEDES – MUNICÍPIOS
FIGURA 19 – POPULAÇÃO TOTAL (2017) – MUNICÍPIOS
FIGURA 20 – INVESTIMENTO GOVERNAMENTAL POR ANO – MUNICÍPIOS
FIGURA 21 – ÍNDICE DE INVESTIMENTO CAMARÁRIO VERSUS POPULAÇÃO TOTAL– MUNICÍPIOS
FIGURA 22 – ÍNDICE DE RENDIMENTO – MUNICÍPIOS
FIGURA 23 – NÚMERO DE HOSPEDES POR MUNICÍPIO
FIGURA 24 – EVOLUÇÃO DO NÚMERO DE HOSPEDES AO LONGO DO TEMPO
FIGURA 25 – PLOT DOS RESÍDUOS DA REGRESSÃO LINEAR - MODELO 01 REGIONAL
FIGURA 26 – HISTOGRAMA PARA HOSPEDES E LOG_HOSPEDES - MUNICÍPIOS
FIGURA 27 – PLOT DOS RESÍDUOS DA REGRESSÃO LINEAR - MODELO 01 MUNICÍPIOS

viii
LISTA DE TABELAS
TABELA 01 – CORRELAÇÃO ENTRE AS VARIÁVEIS DO TURISMO
TABELA 02 – ESTATÍSTICAS DESCRITIVAS – NORTE DE PORTUGAL
TABELA 03 – DESCRIÇÃO DAS VARIÁVEIS DA BASE DE DADOS – NÍVEL REGIONAL (NUTS II).
TABELA 04 – CORRELAÇÃO ENTRE POPULAÇÃO E VARIÁVEIS DE GASTO GOVERNAMENTAL - MUNICÍPIOS
TABELA 05 – ESTATÍSTICA DUMMIES VARIÁVEIS
TABELA 06 – CORRELAÇÃO ENTRE AS VARIÁVEIS DO TURISMO - MUNICÍPIOS
TABELA 07 – ESTATÍSTICAS DESCRITIVAS – MUNICÍPIOS
TABELA 08 – DESCRIÇÃO DAS VARIÁVEIS DA BASE DE DADOS –MUNICÍPIOS.
TABELA 09 – TESTE DE SHAPIRO-WILK PARA A VARIÁVEL HOSPEDES - REGIONAL
TABELA 10 – TESTE DE BREUSCH-PAGAN PARA LOG_HOSPEDES – MODELO 01 REGIONAL
TABELA 11 – TESTE DE MULTICOLINEARIDADE – MODELO 01 REGIONAL
TABELA 12 – REGRESSÕES VIA ESTIMADOR MQO (OLS) - REGIONAL
TABELA 13 – TESTE DE SHAPIRO-WILK PARA A VARIÁVEL HOSPEDES - MUNICÍPIOS
TABELA 14 – TESTE DE BREUSCH-PAGAN PARA LOG_HOSPEDES – MODELO 01 MUNICÍPIOS
TABELA 15 – ANOVA PARA LOG_HOSPEDES E MUNICÍPIOS (COD)
TABELA 16 – BREUSCH PAGAN MULTIPLICADOR LAGRANGIANO – MODELO 02 MUNICÍPIOS
TABELA 17 – MATRIZ DE CORRELAÇÃO – MODELO 02 MUNICÍPIOS
TABELA 18 – TESTE DE WOOLDRIDGE PARA AUTOCORRELAÇÃO EM PAINEL – MODELO 02 MUNICÍPIOS
TABELA 19 – TESTE ROBUSTO DE HAUSMAN – MODELO 3 MUNICÍPIOS
TABELA 20 – REGRESSÕES MUNICÍPIOS – PRIMEIROS MODELOS
TABELA 21 – REGRESSÕES MUNICÍPIOS – ÚLTIMOS MODELOS

ix
LISTA DE ABREVIATURAS E SIGLAS
Aeroporto Francisco de Sá Carneiro (OPO)
Aeroportos de Portugal (ANA)
Airport Council International (ACI)
Área Metropolitana do Porto (AMP)
Associação Comércio Automóvel de Portugal (ACAP)
Comissão de Coordenação e Desenvolvimento Regional do Norte (CCDR-N)
Comissão Vitivinícola Regional de Trás-os-Montes (CVRTM)
Comunidades Intermunicipais (CIM)
Denominação de Origem Controlada (DOC)
Direção-Geral da Administração Interna (DGAI)
Direção-Geral das Autarquias Locais (DGAL)
Indicação de Proveniência Regulamentada (IPR)
Instituto Nacional de Estatística (INE)
Japan National Tourism Organization (JNTO)
Mínimos Quadrados Ordinários (MQO)
Organização das Nações Unidas (ONU)
Organização das Nações Unidas para a Educação, a Ciência e a Cultura (UNESCO)
Organização Mundial de Turismo (OMT)
Organização Mundial do Turismo (UNWTO
Plano Estratégico Nacional do Turismo (PENT)
Porto e Norte de Portugal (PNP)
Receita por quarto disponível (RevPar)
SUR – Seemingly Unrelated Regressions
Valor Acrescentado Bruto Gerado pelo Turismo (VABGT)
World Travel Market (WTM)

x
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
A atividade turística é um fator chave no desenvolvimento de países e regiões. Seu impacte na

economia favorece o crescimento socioeconómico. Sem dúvida alguma que o papel do turismo é
relevante para cadeia de produtividade, pois o mesmo é responsável pela geração de emprego e renda.
Tal facto ajuda a desenvolver as regiões, que investem na divulgação de práticas turísticas.
Segundo a Organização Mundial do Turismo (UNWTO, 2015), a atividade turística representa

10% do PIB mundial (direto, indireto e induzido), sendo que 1 (um) entre cada 10 (dez) empregos
gerados, estão relacionados ao turismo. Além disso, na exportação mundial, este alcança o terceiro
posto, depois de produtos químicos e combustíveis.
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
Conforme explica a Comissão de Coordenação e Desenvolvimento Regional do Norte (2009,

p.10) “a atividade turística depende não só dos recursos endógenos de cada território como, também,
dos recursos humanos e financeiros disponíveis”.
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).
Especificamente, sobre a região turística do Porto e o Norte Português, os dados económicos

indicam que o turismo é um dos maiores responsáveis pelo seu desenvolvimento. Isso é assim de tal
maneira que o European Best Destinations, em 2014, categorizou o Porto como “Melhor Destino
Europeu”, uma vez que a procura turística chegou a registar 2,6 milhões de pessoas que visitaram a
região.
Em termos mais explícitos, o objetivo geral da dissertação é analisar a mudança do cenário

turístico no Porto e Norte de Portugal e os fatores relacionados com o mesmo, que promovem impacte
na economia da região. Por outro lado, são objetivos específicos os seguintes:
• Descrever os fatores que atraem ou repelem o turismo;
• Identificar as políticas públicas e privadas relacionadas com a atividade turística adotadas

atualmente na região turística do Porto e Norte de Portugal;
• Avaliar o impacte económico da atividade turística;
• Entender a diferença no número de hóspedes em cada município na Região Norte de Portugal

e os fatores particulares de atração dos mesmos.
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).
É desta maneira que os professores Hunziker e Krapf, da Universidade de Berna (Suíça), em

1942, definiram Turismo como sendo “a soma dos fenómenos e relações que surgem das viagens e
estadias dos residentes, na medida em que não estejam ligados a uma residência permanente ou a uma
atividade paga” (Krapf, 1953/2000, p.50).
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
2.2. Fatores Que Atraem ou Repelem o Turismo
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.
2.2.1. Fatores que atraem o Turismo
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:
• Atrações Naturais - exemplos: parques de reservas naturais, praias, ecoturismo;

• Edificações que, em princípio, não foram feitas pensando em turismo - por exemplo, igrejas,
edifícios industriais e até mesmo ruínas (Petra, Jordânia);
• Edifícios construídos com o intuito de ser atração turística - exemplos: salas de espetáculos,
parques temáticos, museus, centros científicos, entre outros;
• Eventos e festivais - exemplos: feiras medievais, Oktoberfest, formula I, concertos, conferências,
entre outros.
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
Relacionado à importância dos eventos e da cultura, Ribeiro e Remoaldo (2017) analisaram o

legado da Capital Europeia da Cultura (CEC) para a cidade portuguesa de Guimarães, evento sediado
pela cidade em 2012. Foram realizados dois estudos por meio de análises e pesquisas com os
residentes, visitantes e agentes locais a respeito dos impactes promovidos pela CEC, antes e após a
realização do evento. O turismo exposto no estudo é caracterizado como um turismo cultural, que é
aquele no qual a ênfase se encontra em legado histórico e em atrações culturais, neste caso, está
diretamente ligado às festas, à gastronomia, à experiência local e ao evento cultural em si.
Identificou-se que os residentes apontaram como fatores importantes a atração de investimento

para o local e o aumento de preços e bens, além de uma melhoria temporária da autoestima local. Já
os visitantes, atribuíram um maior valor ao património local que encontraram, a hospitalidade, a
identidade local e segurança. O estudo concluiu que a o facto de sediar o evento ajudou a gerar um
pequeno desenvolvimento de uma indústria criativa local e que os turistas foram motivados pela
arquitetura, pela história, gastronomia e pelo enoturismo.
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.
A oferta e distribuição de pacotes turísticos também é considerada como relevante em relação a

proporção dos fluxos turísticos, como a oferta de hotelaria, oferta de atratividades locais e apoio local aos
turistas.
2.2.2. Fatores que repelem o Turismo
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).
A falta de investimento em infraestrutura e em hospitalidade geram pontos negativos no turismo,

uma vez que ofertas de serviços inferiores e não profissionais não propulsionam a indústria turística
(Gartner, 1996).
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.
2.2.3. A criatividade como um propulsor do turismo
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).
Entre os agentes da atividade turística de Bonito, uma agência de viagens observou a

necessidade de melhorar o atendimento para quem visita o destino. A Bonitour criou a plataforma
“Roteiro Fácil”, em que usa o conhecimento e distância dos atrativos para elaborar a agenda do turista
durante a estadia. O visitante escolhe os pontos a serem visitados, sua hospedagem e quantidade de
9
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.
2.3. Impacte Económico do Turismo
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).
Atualmente, com a globalização económica, o turismo transformou-se numa fonte de renda e,

em alguns casos, o setor de financiamento económico mais forte para alguns países.
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 2017, constatou-se um aumento em 7% nas chegadas de turistas internacionais,

recuperação económica que fortaleceu a procura de viagens nos principais mercados de origem e uma
sólida recuperação da procura nos mercados emergentes, Brasil e Federação Russa, depois de alguns
anos de declínio. O crescimento de Europa e África foram maiores que a média mundial (UNWTO, 2018).
Em termos reais, as receitas resultantes do turismo internacional aumentaram 4,9%, atingindo

1,34 biliões de dólares norte-americanos, também no ano de 2017. Os dez principais destinos do mundo,
de acordo com a UNWTO (2018, p.8) e em ordem de classificação, são: França, Espanha, Estados
Unidos, China, Itália, México, Reino Unido, Turquia, Alemanha e Tailândia.
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:
• Estimar os impactes económicos das mudanças na oferta de oportunidades de recreação e

turismo;
• Calcular os impactes económicos das mudanças na procura turística;
11
• Estimar os efeitos de políticas e ações que afetam, direta ou indiretamente, a atividade do

turismo;
• Compreender a estrutura económica e as interdependências dos diferentes setores da economia;
• Discutir o tratamento favorável na alocação de recursos ou impostos locais, zoneamento ou
outras decisões;
• Comparar os impactes económicos da alocação alternativa de recursos, políticas, gerenciamento
ou propostas de desenvolvimento.
Em resumo, uma análise bem-feita dos impactes económicos no turismo pode ajudar harmonizar
a economia e multiplicar o desenvolvimento local.
2.4 Parceria Público/Privado para desenvolvimento do Turismo
Como já visto anteriormente neste trabalho, a colaboração público-privada no campo do turismo

é muito importante. É onde se pode obter resultados positivos para favorecer o desenvolvimento do
mesmo.
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).
Da mesma maneira, o investimento público em infraestrutura de transporte e turismo, como,

por exemplo, em restauro de patrimônio histórico e cultural, pode ser coordenado com o setor privado
para melhor distribuir os benefícios de tal investimento. Neste caso, o setor privado deverá investir para
gerar um fluxo adequado de turistas.
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).
Atualmente se vê o desenvolvimento crescente do turismo inteligente. Segundo Ávila et al. (2015,

p.32), o turismo inteligente é “um destino turístico inovador, construído sobre uma infraestrutura de
tecnologia de ponta que garante o desenvolvimento sustentável de áreas turísticas acessíveis a todos,
facilita a interação e a integração do visitante no seu entorno, aumenta a qualidade da experiência no
destino e melhora a qualidade de vida dos residentes”.
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).
As vantagens de participar destes destinos seriam:
• Aumento da competitividade através do aproveitamento de seus recursos turísticos e

identificação e criação de outros;
• Melhor eficiência dos processos de produção e comercialização;
• Impulso ao desenvolvimento sustentável do destino através das vertentes ambiental,

econômico e sociocultural;
•Melhoria da qualidade de permanência dos visitantes e da qualidade de vida dos moradores;
•Tornar a estratégia de turismo a base para a dinamização econômica do território, garantindo

seus efeitos positivos a longo prazo.
13
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.
Ademais, as rotas turísticas favorecem associações e parcerias, o que ajuda a promover o

desenvolvimento local. As rotas mais bem-sucedidas são os circuitos de vinhos e gastronomia. O
enoturismo é um fenómeno mundial, e tem presença importante, em especial na Europa (França,
Espanha, Itália e Portugal), América do Norte, África do Sul e Austrália.
Algumas rotas do enoturismo possuem tamanha relevância e extensão, promovendo impacte

na economia local. A Rota do vinho de Niágara, por exemplo, situada no Canadá, engloba mais de 50
vinícolas da região e ancora do Wine Tourism (Telfer, 2001). Ademais, a associação de empresas pode
facilitar, de maneira mais rápida, o desenvolvimento local.
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.
Além das rotas relacionadas ao enoturismo, há também na região Norte de Portugal, os

denominados “Caminhos de Santiago”. De acordo com o Caminho de Santiago – Portugal Green Walks,
14
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.
Observa-se, portanto, que as mudanças socioculturais alteram, hoje, as escolhas turísticas e de

padrões de viagem. Atualmente, o turista foge do turismo de massas e procura roteiros mais
personalizados. Os roteiros turísticos ligados às rotas culturais, conectados com as artes e cultura
populares, são os elementos-chave para o novo cenário turístico cultural no mundo (UNWTO, 2015).
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
3. O PARORAMA DO TURISMO EM PORTUGAL

O turismo é um fator relevante para o desenvolvimento económico mundial e para Portugal não
se mostra diferente, tanto que dados de 2017, do Fórum Económico mundial, posicionam o país em 14
º lugar no ranking global de competitividade de viagens e turismo, entre 136 países. Demonstrando o
alto potencial turístico em Portugal.
FIGURA 01 – MAPA DE PORTUGAL - NUTS II-III (2013)
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.
Em 2017, o número de habitantes em Portugal era de pouco mais de 10 milhões de habitantes,

com densidade populacional mais elevada no litoral do território, nas margens do oceano atlântico.
Portugal é um estado de direito democrático e moderno. Aderiu à Comunidade Económica Europeia, em
1985, e é um dos fundadores da atual União Europeia.
A economia portuguesa é maioritariamente concentrada no setor de serviços. Em 2016, o

mesmo respondeu por 75% do valor acrescentado bruto do total da economia, e empregou
aproximadamente 69% da população ativa. O PIB per capita português estimado para 2018 foi cerca de
20 mil euros, em termos anuais. E o poder de compra do cidadão português é próximo de 77% do
cidadão médio da União Europeia.
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:
• Um turismo com desenvolvimento sustentável;

• Um território coeso, atraindo oportunidades de trabalho, empreendimento e de viagens em
todo o país e incentivando a ocupação durante o ano inteiro;
17
• Competitividade em relação aos demais destinos internacionais e players do mercado;

• Valorização da mão-de-obra e capacitação de empresários e gestores;
• Inclusão social;
• Acessibilidade entre os modais de transporte;
• Uso de tecnologia;
• Estímulo ao turismo interno
O próprio plano identifica as fragilidades que fazem com que o segmento perca atratividade e
competitividade no mercado. Alguns dos pontos são:
• Empresas do setor pouco capitalizadas;

• Falta de informação sobre oferta de atrativos e de estrutura turística;
• Poucas empresas presentes no mundo digital;
• Produtos (destinos, atrações e serviços) pouco estruturados;
• Baixa capacitação da indústria para atender diferentes mercados;
• Baixa remuneração dos trabalhadores do setor.
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.
A nível nacional, em 2017, Portugal registou aproximadamente 24 milhões de hóspedes, um

aumento de 13% em relação ao ano anterior, e 66 milhões de dormidas, um aumento de 11%. A
capacidade de alojamento se expandiu de 380 mil camas, em 2016, para 402 mil camas em 2017,
representando um aumento aproximado de 6%.
3.1. Região do Porto e Norte de Portugal
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.
Em relação ao comércio internacional, o Norte se releva como a região de maior abertura

comercial em intensidade exportadora, que remete para a proporção da produção que é destinada à
exportação, sendo este número de 37% no Norte, enquanto, para Portugal o número é de 28%.
O Norte tem como região de maior representatividade financeira, económica, populacional e de

influência cultural, a Área Metropolitana do Porto (AMP), com aproximadamente 1.7 milhões de
residentes, ou quase metade de toda a região Norte, além de ocupar cerca de 9,6% do território do Norte,
segundo o portal da Amporto (março 2019). Em termos de áreas metropolitanas, a AMP ocupa a segunda
posição de maior relevância económica nacional, atrás apenas da Área Metropolitana de Lisboa.
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.
Conforme exposto pela Comissão de Coordenação e Desenvolvimento Regional do Norte (CCDR-

N), a região do Norte é subdividida em oito Comunidades Intermunicipais (CIM), organizadas por nível III
da NUTS, de acordo com as normas da Comissão Europeia. Ainda de acordo com a CCDR-N, a região
do Norte possui 86 municípios, os quais também possuem os limites expostos na figura 02. O quadro
descritivo dos municípios presentes na região Norte se encontra no ANEXO 1.
19
FIGURA 02 – MAPA DO NORTE DE PORTUGAL NUTS III (2014)
Fonte: Comissão de Coordenação e Desenvolvimento Regional do Norte (CCDR-N). Acesso em 21 de março de

2019.
Ao considerar a relevância regional do Porto e do Norte, um plano de estratégia de marketing

turístico foi desenvolvido pela Entidade Regional de Turismo do Porto e Norte de Portugal para o período
de 2015 a 2020. Nas palavras de Melchior Moreira, no documento, “O setor do Turismo tem-se afirmado,
cada vez mais, no Porto e Norte de Portugal, como um forte motor da economia, suportado por um
património natural, cultural, histórico e arquitetónico ímpar”.
O Plano de Marketing de Turismo para a região envolve:
“- Amplificar o grau de atração do destino e aumentar seus níveis de notabilidade.

- Harmonizar e fortalecer, transversalmente, a quantidade de oferta.
- Melhorar os indicadores do destino e reduzir as assimetrias entre os subdestinos.
- Estimular o espírito colaborativo entre os stakeholders para adoção de uma abordagem alinhada ao nível
do desenvolvimento e promoção do destino.”
- Desenvolver uma dinâmica regional coerente e concertada entre os agentes. (PNP, 2015, p. 6).
20
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).
Em termos de subdestinos, a região do Norte é dividida em 4 áreas, sendo o Porto, o Douro, a

região de Trás-os-Montes, e a região do Minho. Como ofertas estratégicas de turismo estas subdivisões,
o plano trabalha com o turismo cultural e paisagístico, a natureza, o turismo religioso, gastronomia e
vinhos, turismo de negócios, saúde e bem-estar, city e short breaks. Contudo pretende desenvolver
futuramente o turismo náutico, mar e sol, golfe (PNP, 2015).
FIGURA 03 – SUBDIVISÕES DA REGIÃO NORTE - PNP (2015)
Fonte: Estratégia de marketing turístico do Porto e Norte de Portugal. (2015).

21
Desde o desenvolvimento do plano estratégico, o turismo continua a render bons frutos, e

cresceu a taxas ainda superiores às anteriores a elaboração do mesmo. Em 2018, a região do Porto e
Norte de Portugal (PNP) obteve mais de 4,3 milhões de hóspedes e quase 7,9 milhões de dormidas, de
acordo com dados da TravelBI Portugal. Os proveitos globais ultrapassaram 480 milhões de euros no
ano.1 E a receita por quarto disponível (RevPar) foi de 46 euros. Para efeitos comparativos, a termos
nacionais o RevPar, em 2018, foi de 52 euros. A figura 04 expõe o evolutivo do número de dormidas na
região Norte, no período de tempo de 2005 a 2018, distribuídas entre residentes e não-residentes
(estrangeiros).
FIGURA 04 – EVOLUÇÃO DO NÚMERO DE DORMIDAS NO NORTE DE PORTUGAL
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.
Houve um aumento de 5,2% no número de dormidas no Norte de Portugal, em 2018, em relação

ao ano de 2017. O resultado foi o melhor entre as regiões portuguesas. A nível nacional, o número de
dormidas ficou praticamente estático, em relação a 2017, apresentando uma taxa de -0,04%, o que
refletiu o decréscimo no número de dormidas em 3 das 7 regiões portuguesas, sendo estas: Madeira (-
3.5%), Centro (-3%), e Algarve (-1%). Os Açores refletiram o resultado nacional, com um pequeno
aumento de 0,1% e a região metropolitana de Lisboa registou um aumento de 1,1%. Com exceção da
ilha da Madeira, a taxa de crescimento das dormidas foi inferior no ano 2018 em relação a 2017. Do
que a taxa de crescimento das dormidas em 2017 em relação a 2016.
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).
Além destes, o Norte de Portugal também abriga as vinícolas da região de Trás-os-Montes,

conforme exposto pela Comissão Vitivinícola Regional de Trás-os-Montes (CVRTM). Há uma diversidade
de vinhos presentes, em especial o vinho branco frutado, e os vinhos tintos frescos. A instituição referida
antes classifica os vinhos de Trás-os-Montes como “encorpados, com boa estrutura e muito
gastronómicos”.
23
FIGURA 05 – ÁREAS DE VINÍCOLAS NO NORTE DE PORTUGAL
Fonte: Vineyards.com. (2019).
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
FIGURA 06 – CAMINHOS DE SANTIAGO – NORTE DE PORTUGAL
Fonte: disponível em Geocaching.com. (2019).
Em relação ao transporte e infraestrutura, o Aeroporto Francisco de Sá Carneiro (código OPO) é

o acesso principal que conecta o Norte de Portugal com o cenário internacional. Em 2017, o aeroporto
foi considerado pelo Conselho Internacional de Aeroportos (Airport Council International - ACI) como o
segundo melhor da região europeia, com movimentação acima de 2 milhões de passageiros por ano.
Em 2016, ocupou a terceira posição, mas foi eleito o melhor na categoria por dimensão, entre 5 e 15
milhões de passageiros ao ano.
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
Segundo a ANA - Aeroportos de Portugal, em 2018, o terminal recebeu 11,9 milhões de

passageiros, número 10% acima do ano anterior. Este foi o maior aumento registado no período entre os
cinco terminais operados pela Vinci Airports em todo o país (os demais são Lisboa, Faro, Madeira e
Açores), em parceria com a ANA.
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.
FIGURA 07 – LOCALIZAÇÃO OPO AEROPORTO E CONEXÕES RODOVIÁRIAS
Fonte: Autoridade Nacional de Comunicações (ANACOM). (2019).

26
4. METODOLOGIA
4.1. Método de análises ANOVA
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).
Os autores apresentam a fórmula básica da análise ANOVA como:
Yij =  + j + ij
Em que
 é a média geral;
j é o efeito do grupo j;
ij é um erro aleatório.
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
4.2. Regressão com Dados em Painel: Efeitos Fixos e Aleatórios
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.
Os dados em painel são representados pela fórmula:
𝑌𝑖𝑡 = 𝛽0𝑖𝑡 + 𝛽1𝑖𝑡 𝑋𝑥1𝑖𝑡 + ⋯ + 𝛽𝑛𝑖𝑡 𝑥𝑛𝑖𝑡 + 𝑒𝑖𝑡 (1)
Onde i demonstra a diferença entre os indivíduos, t demonstra o período analisado, β0 refere-se

ao parâmetro de intercepto e βk ao coeficiente angular correspondente a K-ésima variável explicativa do
modelo (Duarte, Lamounier e Takamatsu, 2007).
A forma matricial é representada por:
𝑦𝑖1 𝑥1𝑖1 𝑥2𝑖1 … 𝑥𝑘𝑖1 𝛽0𝑖1 𝛽1𝑖1 𝛽2𝑖1 … 𝛽𝑘𝑖1 𝑒𝑖1

𝑦𝑖2 𝑥 𝑥2𝑖2 … 𝑥𝑘𝑖2 𝛽 𝛽1𝑖2 𝛽2𝑖2 … 𝛽𝑘𝑖2 𝑒𝑖2
𝑦𝑖 = [ ⋮ ] 𝑥𝑖 = [ 1𝑖2 ] 𝛽𝑖 = [ 0𝑖2 ] 𝑒𝑖 = [ ⋮ ]
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
𝑦𝑖𝑇 𝑥1𝑖𝑇 𝑥2𝑖𝑇 … 𝑥𝑘𝑖𝑇 𝛽0𝑖𝑇 𝛽1𝑖𝑇 𝛽2𝑖𝑇 … 𝛽𝑘𝑖𝑇 𝑒𝑖𝑇
As variáveis yi e ei são vetores de dimensão (T x 1), e contém as T variáveis dependentes e as T

erros. Xi é a matriz de dimensão (k x T) com as variáveis explicativas do modelo. βi é a matriz do
parâmetro que serão estimados.
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
são: Modelos de regressão aparentemente não-relacionadas (SUR – Seemingly Unrelated Regressions),

Modelo de efeitos fixos e Modelo de efeitos aleatórios.
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:
𝑦𝑖𝑡 = 𝛼𝑖 + 𝛽1 𝑥1𝑖𝑇 + ⋯ + 𝛽𝑘 𝑥𝑘𝑖𝑇 + 𝑒𝑖𝑇
A forma matricial sugerida pelos autores citados acima, seria:
𝑦𝑖1 1 𝑥1𝑖1 𝑥2𝑖1 … 𝑥𝑘𝑖1 𝛽1 𝑒𝑖1

𝑦𝑖2 𝑥 𝑥2𝑖2 … 𝑥𝑘𝑖2 𝛽 𝑒𝑖2
[ ⋮ ] = [1] 𝑎𝑖 + [ 1𝑖2 ] [ 2] + [ ⋮ ]
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
𝑦𝑖𝑇 1 𝑥1𝑖𝑇 𝑥2𝑖𝑇 … 𝑥𝑘𝑖𝑇 𝛽𝑘 𝑒𝑖𝑇
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.
Já em relação ao Modelo de efeitos aleatórios, o modelo propõe distintos termos de intercepto

para cada observação, porém com intercepto fixo ao longo do tempo. Toma por base que o intercepto
surge da interseção comum α, além da variável aleatória ϵ que varia na seção transversal (Neto, 2018).
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:
𝑦𝑖𝑡 = 𝛽0̅ + 𝛽1 𝑥1𝑖𝑇 + ⋯ + 𝛽𝑘 𝑥𝑘𝑖𝑇 + 𝑣𝑖𝑇
Onde 𝑣𝑖𝑇 = ei + αi representa o erro.

29
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
𝐿𝑜𝑔_ℎó𝑠𝑝𝑒𝑑𝑒𝑠𝑖𝑡 = 𝛼𝑖 + 𝛽0 + 𝛽1 𝑎𝑙𝑜𝑗𝑖𝑇 + 𝛽2 log_𝑑𝑒𝑠𝑝𝑎𝑚𝑏𝑖𝑇 + 𝛽3 𝑔𝑎𝑙𝑚𝑢𝑠𝑖𝑇 +

𝛽4 txcrimp𝑖𝑇 + 𝛽5 𝑖𝑑𝑟𝑒𝑛𝑖𝑇 + 𝛽6 𝑖𝑑𝑐𝑜𝑛𝑠𝑡𝑖𝑇 + 𝛽7 𝑖𝑑𝑖𝑣𝑐𝑎𝑖𝑇 + 𝑒𝑖𝑇 (1)
𝐿𝑜𝑔_ℎó𝑠𝑝𝑒𝑑𝑒𝑠𝑖𝑡 = 𝛽0 + 𝛽1 𝑎𝑙𝑜𝑗𝑖𝑇 + 𝛽2 log_𝑑𝑒𝑠𝑝𝑎𝑚𝑏𝑖𝑇 + 𝛽3 𝑔𝑎𝑙𝑚𝑢𝑠𝑖𝑇 +

𝛽4 log_pop𝑖𝑇 + 𝛽5 𝑡𝑥𝑐𝑟𝑖𝑚𝑝𝑖𝑇 + 𝛽6 𝑖𝑑𝑟𝑒𝑛𝑖𝑇 + 𝛽7 𝑖𝑑𝑐𝑜𝑛𝑠𝑡𝑖𝑇 + 𝛽8 𝑖𝑑𝑖𝑣𝑐𝑎𝑖𝑇 + 𝛼 + 𝑢𝑖𝑇 + 𝜀𝑖𝑇 (2)

𝛽4 𝑡𝑥𝑐𝑟𝑖𝑚𝑝𝑖𝑇 + 𝛽5 𝑖𝑑𝑟𝑒𝑛𝑖𝑇 + 𝛽6 𝑖𝑑𝑐𝑜𝑛𝑠𝑡𝑖𝑇 + 𝛽7 𝑖𝑑𝑖𝑣𝑐𝑎𝑖𝑇 + 𝛼 + 𝑢𝑖𝑇 + 𝜀𝑖𝑇 (3)

𝛽4 𝑡𝑥𝑐𝑟𝑖𝑚𝑝𝑖𝑇 + 𝛽5 𝑖𝑑𝑟𝑒𝑛𝑖𝑇 + 𝛽6 𝑖𝑑𝑐𝑜𝑛𝑠𝑡𝑖𝑇 + 𝛽7 𝑖𝑑𝑖𝑣𝑐𝑎𝑖𝑇 + 𝛽8 𝐷𝑢𝑚𝑚𝑦1𝑖𝑇 +
𝛽9 𝐷𝑢𝑚𝑚𝑦2𝑖𝑇 + 𝛽10 𝐷𝑢𝑚𝑚𝑦3𝑖𝑇 + 𝛽11 𝐷𝑢𝑚𝑚𝑦4𝑖𝑇 + 𝛽12 𝐷𝑢𝑚𝑚𝑦5𝑖𝑇 + 𝛼 + 𝑢𝑖𝑇 + 𝜀𝑖𝑇 (4)
30
4.3. Regressão Linear Múltipla
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
Log_hóspedes = β0 + β1aloj + β2log_despamb + β3galmus + β4Invgov +

β5log_pop + β6txcrimp + β7Dummy1 + ս (5)
Modelo 2 - Regional

β5txcrimp + ս (6)
31
Modelo 3 - Regional
Log_hóspedes = β0 + β1aloj + β2galmus + β3Invgov + β4txcrimp + ս (7)

β5log_pop + β6txcrimp + β7idren + β8idconst + β9idivca + ս (8)
4.3.1 Regressão Robusta
O método de regressão robusta foi desenvolvido com o propósito de minimizar o impacte de

valores extremos nas estimativas dos parâmetros. Este tipo de análise permite uma observação calibrada,
de modo que a perda de eficiência seja menor em comparação com os testes paramétricos. Além disso,
é mais resistente a algumas violações das hipóteses (Heritier et al., 2009; Farcomeni e Ventura, 2012).
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).
4.4. Base de dados e variáveis
De forma a entender a evolução do turismo na região turística do Porto e Norte de Portugal, é

necessário determinar a variável dependente, a qual busca entender os impactes das demais variáveis
(variáveis explicativas) sobre a mesma. Tanto a nível municipal, como a nível regional, a variável
dependente deste estudo é o número total de hóspedes.
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).
Em relação a variável do número de hóspedes, utilizada na segunda estimação, que busca

realizar uma análise temporal para os municípios, a base de dados utilizada provém das Sales Index
32
(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.
4.5. Análise Descritiva das variáveis
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
4.5.1. Análise Regional
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.
FIGURA 08 – EVOLUÇÃO DO NÚMERO DE RECINTOS DE CINEMA NO NORTE DE PORTUGAL
Fonte: elaboração própria do autor, pelo STATA. (2019).
FIGURA 09 – EVOLUÇÃO DO NÚMERO DE GALERIAS E MUSEUS NO NORTE DE PORTUGAL

34
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 a capacidade turística, ou capacidade de alojamento, que representa o número total

de camas na região, há um aumento significativo a partir de 2015, uma vez que os alojamentos locais
são considerados parte do componente total, como exposto pelo INE (2018). Entretanto, apesar da
metodologia, é observável a trajetória de crescimento na oferta turística para a região e a taxa de
crescimento aparente é ainda mais forte a partir de 2014, reforçando a expansão de turismo de forma
mais acelerada nos últimos anos. O evolutivo para a região pode ser observado na figura 10.
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.
FIGURA 10 – EVOLUÇÃO DA CAPACIDADE TURÍSTICA NO NORTE DE PORTUGAL

35
FIGURA 11 – EVOLUÇÃO POPULACIONAL NO NORTE DE PORTUGAL
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.
FIGURA 12 – EVOLUÇÃO DOS GASTOS GOVERNAMENTAIS REGIONAIS

36
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%.
FIGURA 13 – CRIMINALIDADE NO NORTE DE PORTUGAL
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.
Também foi desenvolvida a variável dummy na tentativa de captar os efeitos do plano de

estratégia de marketing turístico (2015-2020), desenvolvido para a região. A variável dummy apresenta
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.
FIGURA 14 – EVOLUÇÃO DO NÚMERO DE HÓSPEDES NA REGIÃO NORTE DE PORTUGAL
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.
TABELA 01 – CORRELAÇÃO ENTRE AS VARIÁVEIS DO TURISMO
Hóspedes Dormidas Captur Alojamentos
Hóspedes 1
Dormidas 0,9983 1
Captur 0,9858 0,9867 1
Alojamentos 0,9372 0,9481 0., 670 1
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 02 – ESTATÍSTICAS DESCRITIVAS – NORTE DE PORTUGAL
(1) (2) (3) (4) (5)

VARIÁVEIS N MÉDIA SD MIN MAX
Galmus 15 340,5 59,88 233 405

Pop (1) 15 3,67 52,66 3,57 3,72
Alojamentos 15 595,7 307,8 407 1313
Hóspedes (1) 15 2,67 947,52 1,63 4,85
Despamb (2) 15 162,76 10,78 135,48 173,34
Invgov (2) 15 465,23 111,89 240,09 661,45
Txcrimp 15 5,32 0,33 4,90 5,90
Txcrimt 15 31,57 1,89 28 34,10
(1) Valores em milhões. (2) Valores em milhares de euros.
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
Dummy para o plano estratégico de turismo = 1 para 2015 a 2017, e = 0 para

D1
2003 a 2014.
GALMUS Número de Galerias de Arte e Museus (2003-2017).
HÓSPEDES Número Total de Hóspedes (2003-2017).
INVGOV Investimento Governamental (2003-2017).
POP População Total (2003-2017).
TXCRIMP Taxa de Criminalidade as pessoas (2003-2017).
TXCRIMT Taxa de Criminalidade total (2003-2017).
LOG_DESPAMB Log de Despesa Total com Proteção ao Meio Ambiente (2003-2017).
LOG_HÓSPEDES Log de Número Total de Hóspedes (2003-2017).
LOG_INVGOV Log de Investimento Governamental (2003-2017).
LOG_POP Log de População Total (2003-2017).
Fonte: elaboração própria do autor.
As variáveis despamb, hóspedes, invgov e pop sofreram logaritimização, com o objetivo de

agrupar as variáveis em uma distribuição normal, tornando-as mais adequadas para a estimação, escala
e normalização.
4.5.2. Análise dos Municípios
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.
FIGURA 15 – DISTRIBUIÇÃO EM QUANTIS DO NÚMERO DE RECINTOS DE CINEMA –

MUNICÍPIOS
A figura 15 indica, portanto, a raridade da presença de recintos de cinema nos municípios da

região Norte de Portugal. Apenas o município de Vila Nova de Gaia e do Porto apresentaram 5 recintos
de cinema em algum ano no período compreendido entre 2004 e 2016.
Referente ao número combinado de galerias de arte e museus, a média resultante entre os

municípios ao longo dos anos contida na base de dados é de 4 galerias e museus, em conjunto, em um
determinado município. Entretanto, há um elevado desvio padrão neste dado, de 9 galerias de arte e
museus.
Conforme a figura 16, se observa a não normalidade na distribuição do número de galerias de

arte e museus. A fração de municípios que possui entre 0 e 10 galerias de arte e museus é superior a
90%, na análise realizada para todo o período de 2003-2017.
41
É necessário também analisar os dados referentes ao alojamento turístico, a figura 17 é exposto

em termos anuais, de forma a demonstrar como a distribuição no número de alojamento turísticos
evoluiu ao longo do tempo. A distribuição dos dados ficou mais dispersa após 2015, uma vez que os
alojamentos locais foram inseridos no componente total dos dados.
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).
Também se observa a presença de outliers no número de alojamentos turísticos, ou seja, um

dado que está mais distante do restante dos dados. Neste caso, se trata do município do Porto. No ano
de 2017, o município do Porto possuía 16 vezes mais alojamentos turísticos (239) que a média dos
municípios da região do Norte (15).
A figura 18 expõe a relação entre o número de alojamentos turísticos e de hóspedes para os
municípios da região do Norte, em 2017.
42
FIGURA 18 – ALOJAMENTOS VERSUS HÓSPEDES – MUNICÍPIOS

43
Em relação ao perfil demográfico dos municípios do Norte de Portugal, se observa a variável de

população total e como a mesma se comporta para os 86 municípios ao longo dos 15 anos estudados
nesta análise (2003-2017).
Conforme mencionado na análise descritiva para o território, como um todo, a população começa
a diminuir a partir de 2007. Em 2007, a média populacional de um município no Norte era de 43.253
habitantes, em 2017, a média era de 41.583, apresentando, portanto, uma queda de 4%.
Entretanto, ao analisar o percentil 50, ou seja, a distribuição percentual da primeira metade dos
municípios, em 2003, o valor era de 20.183 habitantes, em outros termos, metade dos municípios
possuía até 20.183 habitantes. Já para 2017 o valor do percentil 50 era de 18.400 habitantes. Portanto,
a primeira metade da distribuição dos municípios do Norte, em termos de população total, ficou menor
ao longo dos anos: o valor limiar foi reduzido em 9%.
Em 2017, havia apenas 10 municípios com população superior a 100.000 habitantes no Norte,
como se observa na figura 19, sendo eles, ordenados em ordem decrescente: Vila Nova de Gaia, Porto,
Braga, Matosinhos, Gondomar, Guimarães, Santa Maria da Feira, Maia, Vila Nova de Famalicão e
Barcelos.
FIGURA 19 – POPULAÇÃO TOTAL (2017) – MUNICÍPIOS
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
FIGURA 20 – INVESTIMENTO GOVERNAMENTAL POR ANO – MUNICÍPIOS
Em relação à correlação entre as variáveis de gastos governamentais (investimento total, índice

de investimento camarário, e despesa em proteção ambiental), e tamanho populacional, as mesmas
podem ser observadas na tabela 04. É observável que a maior correlação ocorre entre o tamanho
populacional e a despesa em proteção ambiental. Ademais as variáveis de investimento governamental
e de índice de investimento camarário não são altamente correlacionadas.
TABELA 04 – CORRELAÇÃO ENTRE POPULAÇÃO E VARIÁVEIS DE GASTO GOVERNAMENTAL -

MUNICÍPIOS
pop invgov idivca despamb

pop 1
invgov 0,6961 1
idivca 0,5009 0,4813 1
despamb 0,7557 0,5315 0,3788 1

46
FIGURA 21 – ÍNDICE DE INVESTIMENTO CAMARÁRIO VERSUS POPULAÇÃO TOTAL–

MUNICÍPIOS
Em relação à segurança nos municípios do Norte de Portugal, a taxa de criminalidade total

cresceu, em média, para o período de 2007 a 2012, indo de 27,6% para 32,6%. Em contrapartida, a
taxa de criminalidade total diminui desde 2013 até 2017, atingindo 27,4%, no último ano.
A maior parte dos municípios na região Norte de Portugal não tem uma taxa de criminalidade
elevada, sendo que metade dos 86 municípios, em 2017, teve uma taxa de criminalidade total inferior a
25,8%.
Referente à taxa de criminalidade contra as pessoas, não houve uma tendência na mesma para
o período entre 2007 e 2012. Entretanto, a taxa diminuiu nos anos subsequentes, atingindo 4,89% em
2017, contra 8,58% em 2012. Os cinco municípios com as taxas de criminalidade contra as pessoas
mais elevadas, em 2017, foram, em ordem decrescente, Vila Nova de Foz Côa (9.5%), Porto (9.2%),
Freixo de Espada à Cinta (8%), Espinho (7.8%) e Santa Marta de Penaguião (6.9%).
De forma a entender o poder económico das localidades, foi incluído o Índice de Rendimento
provido pelo grupo Marktest, por meio da Sales Index (2018). Os limites para a série temporal de 2003
a 2017, para a região norte estão entre 0.26 e 55.17.
Em 2017, os municípios com os piores Índices de Rendimento foram Freixo de Espada à Cinta
(0,31), Penedono (0,33), Mesão Frio (0,35), Boticas (0,42) e Murça (0,45), enquanto os municípios com
os melhores Índices de Rendimento foram o Porto (35,5), Vila Nova de Gaia (27), Matosinhos (17,5),
Braga (17,2) e Maia (15,1).
47
FIGURA 22 – ÍNDICE DE RENDIMENTO – MUNICÍPIOS
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
As figuras 23 e 24, demonstram a relação entre o número de hóspedes ao longo do tempo e a

quantidade de hóspedes recebidas por municípios, definidos pelo código atribuído. Os pontos outliers
em ambas as figuras são referentes ao município do Porto.
FIGURA 23 – NÚMERO DE HÓSPEDES POR MUNICÍPIO
FIGURA 24 – EVOLUÇÃO DO NÚMERO DE HÓSPEDES AO LONGO DO TEMPO

49
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.
TABELA 05 – ESTATÍSTICA DUMMIES VARIÁVEIS
Dummy Dummy Dummy Dummy Dummy

1 2 3 4 5
Média 0,105 0,047 0,093 0,186 0,081
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.
TABELA 06 – CORRELAÇÃO ENTRE AS VARIÁVEIS DO TURISMO - MUNICÍPIOS
Hóspedes Dormidas Captur Alojamentos
Hóspedes 1
Dormidas 0,9962 1
Captur 0,9804 0,9761 1
Alojamentos 0,9234 0,9239 0,9445 1

50
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.
A tabela 07 expõe as estatísticas descritivas referentes aos 86 municípios do Norte de Portugal,

para o período compreendido entre os anos de 2003 e 2017.
TABELA 07 – ESTATÍSTICAS DESCRITIVAS – MUNICÍPIOS
(1) (2) (3) (4) (5) (6) (7) (8)

VARIÁVEIS N MÉDIA P50 P75 P90 SD MIN MAX
Galmus 1290 3,95 2 4 8 8,57 0 97

Pop 1290 42,703 19,353 53,289 131,368 55,400 2,643 303,149
Aloj 1290 6,92 3 7 15 14,46 0 239
hóspedes 1290 31,058 3,773 23,709 57,169 119,198 0 1,876,720
Despamb (1) 1290 1,893 841,5 1,953 4,084 3,461 0 32,344
Invgov (1) 1290 5,410 3,646 6,466 11,896 5,762 70 65,945
Txcrimp 1290 8,04 7,39 9,44 12,07 3,69 1,60 45,40
Txcrimt 1290 29,18 27,40 33,40 40,90 10,34 9,60 86,70
Idivca 1290 4,00 2,47 4,52 8,35 5,68 0,13 80,07
Idren 1290 3,54 1,33 3,68 9,50 5,97 0,26 55,17
Idconst 1290 4,40 2,93 6,01 9,73 4,02 0 35,84
(1) Valores em milhares de euros.
TABELA 08 – DESCRIÇÃO DAS VARIÁVEIS DA BASE DE DADOS –MUNICÍPIOS.
Variáveis Descrição
ANO Ano de observação. Período entre (2003-2017)
ALOJ Número de alojamentos (2003-2017).
CAPTUR Capacidade Turística (número de camas), (2003-2017).

51
CINE Número de Recintos de Cinema. (2004-2016).
COD Código atribuído a cada município, entre 1 e 86.
D1 Dummy para o Caminho do Noroeste. (2003-2017).

D2 Dummy para o Caminho Central. (2003-2017).
D3 Dummy para o Caminho de Celanova. (2003-2017).
D4 Dummy para a Rota dos Vinhos Douro e do Porto. (2003-2017).
D5 Dummy para a Rota do Vinho Verde. (2003-2017).
DESPAMB Despesa Total com Proteção ao Meio Ambiente (2003-2017).
DORMIDAS Número total de dormidas (2003-2017).
GALMUS Número de Galerias de Arte e Museus (2003-2017).
HÓSPEDES Número Total de Hóspedes (2003-2017).
IDCONST Índice de Construção Civil, em permilagem. (2003-2017).
IDIVCA Índice de Investimento Camarário, em permilagem. (2003-2017).
IDREN Índice de Rendimento, em permilagem. (2003-2017).
INVGOV Investimento Governamental (2003-2017).
POP População Total (2003-2017).
TXCRIMP Taxa de Criminalidade as pessoas (2003-2017).
TXCRIMT Taxa de Criminalidade total (2003-2017).
LOG_DESPAMB Log de Despesa Total com Proteção ao Meio Ambiente (2003-2017).

LOG_HÓSPEDES Log de Número Total de Hóspedes (2003-2017).
LOG_INVGOV Log de Investimento Governamental (2003-2017).
LOG_POP Log de População Total (2003-2017).
Fonte: elaboração própria do autor.
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
5. INTERPRETAÇÃO DOS RESULTADOS ECONOMÉTRICOS
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.
5.1. Resultados para a Estimação Regional
De forma a entender a adequabilidade para estimação pelo método de mínimos quadrados

ordinários (MQO), foram testados os pressupostos do modelo, a fim de garantir que o modelo seja
apropriado para estimar corretamente o número de hóspedes. Primeiro, foi observado se há normalidade
nos dados da variável dependente, por meio do teste de Shapiro-Wilk, que tem por objetivo testar a
normalidade da variável, onde a hipótese nula sugere que a população é distribuída normalmente.
TABELA 09 – TESTE DE SHAPIRO-WILK PARA A VARIÁVEL HÓSPEDES - REGIONAL
VARIÁVEL OBS W V Z PROB>Z
hóspedes 15 0,84365 3,032 2,193 0,01414
log_hóspedes 15 0,91909 1,569 0,891 0,18658
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.
O modelo 01 foi estimado com log_hóspedes a assumir a posição de variável dependente,

enquanto aloj, log_despamb, galmus, invgov, log_pop, txcrimp, e dummy1 são variáveis explicativas.
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.
TABELA 10 – TESTE DE BREUSCH-PAGAN PARA LOG_HÓSPEDES – MODELO 01 REGIONAL
Ho: Variância Constante

Variáveis: Valores Ajustados de log_hóspedes
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.
FIGURA 25 – PLOT DOS RESÍDUOS DA REGRESSÃO LINEAR - MODELO 01 REGIONAL
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%.
O teste de Durbin-Watson, com o objetivo de testar a independência dos resíduos, ou seja,

ausência de autocorrelação nos mesmos, para o tamanho amostral de 15 períodos e 8 coeficientes,
54
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.
TABELA 11 – TESTE DE MULTICOLINEARIDADE – MODELO 01 REGIONAL
VARIÁVEL VIF 1/VIF
aloj 55,09 0,018153

d1 50,9 0,019647
log_pop 20,19 0,049522
galmus 6,98 0,143356
invgov 6,96 0,143737
txcrimp 3,91 0,256027
log_despamb 2,06 0,484666
Média VIF 20,87
Por meio da tabela 11, se percebe a multicolinearidade entre as variáveis de número de

alojamentos, a variável dummy e a logaritmo da população total. Portanto a variável para a população
total e a dummy foram retiradas. Um segundo modelo foi estimado, eliminando assim o problema de
multicolinearidade.
Entretanto, a variável log_despamb apresentou não significância estatística para o modelo, em

alto nível, o que foi confirmado por meio do teste de significância individual e conjunta. Portanto, um
terceiro modelo, sem a mesma variável, foi estimado. Os mesmos são expostos na tabela 12.
55
TABELA 12 – REGRESSÕES VIA ESTIMADOR MQO (OLS) - REGIONAL
Modelo 1 Modelo 2 Modelo 3

VARIÁVEIS log_hóspedes log_hóspedes log_hóspedes
aloj 0,001*** 0,001*** 0,001***

(0,000) (0,000) (0,000)
log_despamb -0,116 -0,083
(0,252) (0,295)
galmus 0,002** 0,002*** 0,002***
(0,001) (0,001) (0,000)
invgov -0.000* -0,000* -0,000**
(0,000) (0,000) (0,000)
log_pop -3,592
(3,778)
txcrimp 0,076 0,037 0,048
(0,071) (0,073) (0,059)
d1 -0,469*
(0,209)
Constante 69,221 14,821*** 13,805***
(58,117) (3,628) (0,317)
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.
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.
Em relação ao teste de Breusch-Pagan, o terceiro modelo apresentou o valor de 0,74, portanto,

maior que alfa de 5%; novamente, não se deteta heterocedasticidade. O mesmo é valido para o teste de
White, com valor resultante de 0,38. Portanto, o modelo 03, é o modelo final para a análise da região
Norte de Portugal.
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
o aumento de um alojamento no Norte de Portugal, em média, irá aumentar, em média, o número de

hóspedes na região em 0,1%. Este resultado é compatível com o fator positivo entre oferta e procura
turística exposto em Bedo e Dentinho (2007), pelo fato de que o aumento na oferta de alojamentos
aumenta o leque de possibilidade de escolha do consumidor, ainda mais, aumenta a competição no
setor, o que, em geral, provoca uma melhora nos serviços ofertados e uma redução no custo de
hospedagem.
O número de galerias de arte e museus também se revela estatisticamente significante a nível

de 5% de significância estatística. Em média, o aumento em uma unidade no dado agrupado aumenta,
em média, o número de hóspedes em 0,2%. Esta variável é relacionada com a oferta cultural da região,
conforme exposto por Mota et al. (2012) em relação à cidade de Bilbao, e de Silva (2013), no que se
refere aos fatores de atração do turismo.
O investimento governamental também foi estatisticamente significante a nível de 5%. Entretanto,

o efeito negativo provocado no número de hóspedes é ínfimo, como se apresenta na tabela 12, com o
valor de 0,000. Portanto, este estudo descarta o efeito do investimento governamental. O fato de se
apresentar negativo pode estar relacionado com o fato de ambas séries temporais se moverem em
direções opostas, conforme exposto na análise descritiva para o Norte de Portugal.
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.
5.2. Resultados para a Estimação entre Municípios
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).
TABELA 13 – TESTE DE SHAPIRO-WILK PARA A VARIÁVEL HÓSPEDES - MUNICÍPIOS
VARIÁVEL OBS W V Z PROB>Z
hóspedes 1,290 0,28515 568,614 15,869 0,00000
log_hóspedes 736 0,98728 6,069 4,409 0,00001
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
FIGURA 26 – HISTOGRAMA PARA HÓSPEDES E LOG_HÓSPEDES - MUNICÍPIOS
Também é necessário testar a homocedasticidade, isto é, se há variância constante dos erros.

Foi utilizado o teste de Breusch-Pagan, no qual a hipótese nula assume que a variância dos erros é
constante. Os resultados são apresentados na tabela 14.
TABELA 14 – TESTE DE BREUSCH-PAGAN PARA LOG_HÓSPEDES – MODELO 01 MUNICÍPIOS
Ho: Variância Constante

Variáveis: Valores Ajustados de log_hóspedes
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
FIGURA 27 – PLOT DOS RESÍDUOS DA REGRESSÃO LINEAR - MODELO 01 MUNICÍPIOS
O teste de White para se verificar a heterocedasticidade, no qual H0 indica homocedasticidade

e H1 seria a hipótese de heterocedasticidade, também foi utilizado neste modelo. Com o p-valor
resultante do teste de White igual a 0,0000, portanto, não podemos não rejeitar a hipótese de
homocedasticidade a nível de significância estatística de 5%. Portanto, após o teste de Breusch-Pagan e
White, considera se que há heterocedasticidade no modelo 01 para os municípios.
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 primeiro teste para a hipótese de diferença entre os grupos, em relação ao número de

hóspedes, neste caso a variável log_hóspedes, é a análise de variância por meio da ANOVA, apresentado
na tabela 15.
60
TABELA 15 – ANOVA PARA LOG_HÓSPEDES E MUNICÍPIOS (COD)
Observações 736 R-quadrado 0.9184

R-quadrado
RMSE 0,4023 ajustado 0.9084
Fonte Parcial SS df MS F Prob>F

Modelo 1192,744 80 14.909 92.10 0.000
Cod 1192,744 80 14.909 92.10 0.000
Resíduos 106,0270 655 0.162
Total 1298,770 735 1.767
No caso de log_hóspedes, há 81 grupos em 736 observações. Ao observar o nível de

significância de acordo com Prob > F, temos um valor inferior a 0,05, portanto, ao nível de 5% de
significância estatística, há diferenças entre os grupos sobre a variável log_hóspedes.
A Além de ANOVA, segundo Torres-Reyna (2007), pode-se utilizar o teste do multiplicador de

Lagrange para Breusch-Pagan, onde a hipótese nula é a variância nula entre os grupos a serem a
analisados, neste caso, os municípios do Norte de Portugal. Portanto, se não há diferença significante
entre os grupos, não seria necessária uma estimação em painel. A hipótese alternativa é de que há
variância significante entre os grupos testados, sendo recomendado, portanto, o uso de estimação por
dados em painel.
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.
TABELA 16 – BREUSCH PAGAN MULTIPLICADOR LAGRANGIANO – MODELO 02 MUNICÍPIOS
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

61
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.
TABELA 17 – MATRIZ DE CORRELAÇÃO – MODELO 02 MUNICÍPIOS
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.
TABELA 18 – TESTE DE WOOLDRIDGE PARA AUTOCORRELAÇÃO EM PAINEL – MODELO 02

MUNICÍPIOS
F (1,72) = 26,697
Prob > F = 0,000

62
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.
No modelo 2 robusto estimado releva-se a insignificância estatística para o log_população. De

forma a tornar o modelo com uma melhor força explicativa, um terceiro modelo foi gerado,
desconsiderando a variável log_população. Sendo, portanto, o modelo 3 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.
TABELA 19 – TESTE ROBUSTO DE HAUSMAN – MODELO 3 MUNICÍPIOS
Sargan-Hansen statistic = 40,556
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.
A tabela 21 apresenta os últimos 3 modelos para os municípios. Novamente, apresenta o Modelo

3 robusto para efeitos de comparação, como também o Modelo 4 robusto, que utilizada das mesmas
variáveis do Modelo 3 robusto, entretanto, é estimado com efeitos fixos. E o último modelo é o Modelo 5
robusto, que é o Modelo 3 robusto, com a adição de variáveis dummies.
64
TABELA 20 – REGRESSÕES MUNICÍPIOS – PRIMEIROS MODELOS
(OLS) (RE) (RE,robusto) (RE, robusto)

Modelo 1 Modelo 2 Modelo 2 Robusto Modelo 3 Robusto
VARIÁVEIS log_hóspedes log_hóspedes log_hóspedes log_hóspedes
aloj 0,034*** 0,020*** 0,020*** 0,020***

(0,004) (0,002) (0,006) (0,006)
log_despamb 0,100* 0,072*** 0,072* 0,073*
(0,052) (0,027) (0,039) (0,039)
galmus -0,034*** 0,015*** 0,015** 0,015**
(0,008) (0,006) (0,007) (0,008)
invgov -0,000*
(0,000)
log_pop 0,379*** 0,022 0,022
(0,084) (0,102) (0,140)
txcrimp 0,033*** -0,019*** -0,019*** -0,019***
(0,010) (0,004) (0,006) (0,006)
idren 0,064*** 0,084*** 0,084** 0,085***
(0,014) (0,012) (0,034) (0,031)
idconst -0,012 0,025*** 0,025*** 0,025***
(0,012) (0,006) (0,008) (0,007)
idivca -0,003 0,005* 0,005 0,005
(0,006) (0,003) (0,005) (0,005)
Constante 4,562*** 8,093*** 8,093*** 8,303***
(0,686) (0,982) (1,323) (0,276)
Observações 735 735 735 735

RMSE 0,8955
Prob > chi2 0,000 0,000 0,000
Rho 0,8682 0,8682 0,8687
R² 0,552
R² Within 0,310 0,310 0,310
R² Between 0,441 0,441 0,438
Número de Grupos 81 81 81
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.

65
TABELA 21 – REGRESSÕES MUNICÍPIOS – ÚLTIMOS MODELOS
(RE, robusto) (FE, robusto) (RE, robusto)

Modelo 3 Robusto Modelo 4 Robusto Modelo 5 Robusto
VARIÁVEIS log_hóspedes log_hóspedes log_hóspedes
aloj 0,020*** 0,021*** 0,020***

(0,006) (0,006) (0,006)
log_despamb 0,073* 0,067* 0,072*
(0,039) (0,038) (0,039)
galmus 0,015** 0,024** 0,016*
(0,008) (0,011) (0,009)
txcrimp -0,019*** -0,017*** -0,019***
(0,006) (0,005) (0,006)
idren 0,085*** 0,101** 0,084***
(0,031) (0,038) (0,029)
idconst 0,025*** 0,024*** 0,025***
(0,007) (0,008) (0,008)
idivca 0,005 0,005 0,005
(0,005) (0,005) (0,005)
d1 0,896***
(0,252)
d2 -0,861*
(0,494)
d3 -0,274
(0,285)
d4 0,253
(0,305)
d5 0,736***
(0,283)
Constante 8,303*** 8,460*** 8,141***
(0,276) (0,351) (0,284)
Observações 735 735 735

Prob > chi2 0,000 0,000 0,000
rho 0,8687 0,9004 0,8642
corr(u_i, Xb) 0 -0,453 0
R² Within 0,310 0,313 0,310
R² Between 0,438 0,433 0,514
Número de Grupos 81 81 81
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.

66
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.
As variáveis número de alojamentos (aloj), número combinado de museus e galerias de arte

(galmus), taxa de criminalidade contras as pessoas (txcrimp), índice de rendimento (idren), e a constante
das regressões, foram estatisticamente significativas para os quatro modelos apresentados na tabela.
Tal indica que estas variáveis possuem, de facto, a nível de significância estatística de 5%, força explicativa
sobre a variável dependente (log_hóspedes).
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.
Ao comparar o modelo 2 robusto com o modelo 2, a diferença se encontra na significância

estatística das variáveis, uma vez que o modelo 2 robusto considera e aplica as correções para
autocorrelação e heterocedasticidade, produzindo desta forma estimadores eficientes na presença dos
mesmos. As diferenças encontradas estão no logaritmo da despesa em proteção ambiental, que perde
a significância estatística a nível de 5%, no número de galerias de arte e museus, bem como o Índice de
rendimento, que perdem a significância estatística a nível de 1%, entretanto, permanecem significativas
a nível de 5%, além do Índice de Investimento Camarário, que poderia ser considerado estatisticamente
significativo a nível de 10%. Entretanto, nos modelos robustos não apresenta mais significância
estatística.
Ao comparar o Modelo 3 robusto ao Modelo 2 robusto, a mudança ocorrida foi a retirada da

variável log para o número da população total, uma vez que a mesma não apresenta nenhuma
significância estatística e alta correlação com a constante, portanto, partindo do princípio da parcimónia,
de acordo com Vandekerckhove et al. (2015), a remoção busca estimar um modelo com melhor força
explicativa e mais eficiente. O resultado desta remoção, apresentado no Modelo 3 robusto, é um leve
aumento no valor do coeficiente estimado das variáveis log para a despesa em proteção ambiental, Índice
de rendimento e na constante. Há também um aumento no rho estimado. O rho revela quanto da
variância na variável dependente é relativa à diferença entre grupos e é também uma medida de
correlação entre unidades de um mesmo grupo. Ademais, há uma leve redução no R² Between, que
pode ser interpretado no Modelo 3 robusto como 43,8% da variância entre grupos diferentes que explicam
o modelo.
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.
Primeiramente, ao analisar o Modelo 3 Robusto contra o Modelo 4 Robusto, não há nenhuma

diferença na significância estatística das variáveis explicativas e da constante. Ou seja, as mesmas
variáveis são estatisticamente significativas a nível de 5% de significância em ambos modelos. São elas:
o número de alojamentos turísticos, o número combinado de galerias de arte e museus, a taxa de
criminalidade contra as pessoas, o Índice de rendimento, o Índice de construção civil, além da constante.
68
No Modelo 3 Robusto, um aumento em 1 uma unidade de alojamento turístico implica em um

aumento, em média, em 2% no número de hóspedes daquele determinado município. Novamente,
conforme exposto na análise econométrica para o modelo regional, é esperado que um aumento na
oferta turística torne a localidade também mais atrativa para os turistas, uma vez que há mais competição
na oferta, aumentando desta forma a qualidade no serviço ofertado, um aumento natural da variedade
do que é ofertado, assim agradando às diferentes preferências dos consumidores, e há maior pressão
sobre os preços e ofertas promocionais. Em relação ao efeito na estimação por efeitos fixos, o aumento
de uma unidade de alojamento turístico aumenta, em média, em 2,1% o número de hóspedes do
município. Portanto, ambos são bastante similares.
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%.
Em relação ao número combinado de galerias de arte e museus, de acordo com o Modelo 3

Robusto, um aumento em uma unidade de galerias de arte e museus provoca um aumento, em média,
em 1,5% no número de hóspedes. Este resultado também é compatível com o pensamento de Silva
(2013) e de Plaza e Haarich, (2013), uma vez que a abertura de galerias de arte e museus não só atraem
turistas pelas edificações em si, mas também geram uma economia criativa local, que funciona também
como uma atração turística. No modelo robusto estimado por efeitos fixos, um aumento em uma unidade
de galerias de arte e museus é ainda mais intensa pois aumenta, em média, o número de hóspedes em
2,4%.
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%.
O Índice de Rendimento foi desenvolvido em permilagem, ou seja, cada valor do município

representa o seu peso na totalidade de Portugal, que é de 1000 unidades, conforme exposto pelo grupo
Marktest (2018). O aumento em uma unidade no Índice de Rendimento leva, ceteris paribus, em média,
a um aumento em 8,5% no número de hóspedes, o que releva que municípios com maior participação
no rendimento, em relação ao total nacional, atraem mais turistas. No Norte de Portugal, os municípios
com maior participação no rendimento são Porto, Vila Nova de Gaia e Braga. Um elevado rendimento
implica em um maior desenvolvimento económico local, que atua como um fator de atração turística,
uma vez que regiões mais desenvolvidas possuem melhores infraestruturas, além do facto de que uma
economia local mais desenvolvida também oferta serviços como restauração, entretenimento, entre
outros. Já na estimação por efeitos fixos, no Modelo 4 Robusto, o aumento em uma unidade no Índice
de Rendimento aumenta, em média, o número de hóspedes no determinado município em 10,1%.
O Índice de Construção Civil, também desenvolvido em permilagem, indica, de acordo com o

Modelo 3 Robusto, que um aumento em uma unidade no Índice aumenta, em média, o número de
hóspedes em 2,5%. O efeito é semelhante para a estimação no Modelo 4 Robusto, sendo que o aumento
em uma unidade no Índice aumenta, em média, o número de hóspedes em 2,4%. Ainda de acordo com
Silva (2013), as edificações são um fator atrativo para turistas. Por se tratar de um Índice de Construção
Civil geral, pode estar relacionado com uma melhora de infraestrutura, como construção de rodovias,
edifícios públicos, parques, entre outros, ou mesmo com uma expansão de edifícios para a hotelaria.
Ambos aspetos são considerados atrativos para o turismo, conforme exposto neste trabalho.
O Índice de Investimento Camarário não se revelou estatisticamente significante a nível de

significância estatística de 5%, portanto, o mesmo não é considerado para explicar nenhum dos modelos
presentes na tabela 21. O investimento público em infraestrutura é um dos fatores de desenvolvimento
local e, por conseguinte, promove uma atração de turistas. Entretanto, este Índice em si não se
demonstrou relevante para o modelo. Algumas possibilidades para este resultado são o gasto público de
forma ineficiente em alguns municípios, ou seja, mesmo gastando mais, relativamente, não há resultados
significativos que consigam atrair o turismo, ou mesmo as variáveis que compõem o Índice de
Investimento Camarário estão distantes para explicar a variável dependente.
Em relação à constante, a mesma é estatisticamente significativa a nível de 5% tanto no Modelo

3 Robusto quanto no Modelo 4 Robusto, o que indica uma atratividade nos municípios que não é
70
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%.
Também não há uma diferença significativa no coeficiente da taxa de criminalidade contra as

pessoas. No Modelo 5 Robusto, o aumento de um ponto percentual na mesma reduz, em média, o
número de hóspedes em 1,9%. Já para o Índice de Rendimento há uma diferença marginal entre os
modelos: antes o efeito era de 8,5% sobre o número de hóspedes; no modelo com dummies aumenta
para 8,7%.
Não há diferença significativa no coeficiente da variável Índice de Construção Civil, nem há

diferença em termos da significância da variável. A mesma continua estatisticamente significativa a nível
de 5% de significância. O Índice de Investimento Camarário permaneceu não significativo a nível de 5%
de significância estatística.
71
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.
Em relação à dummy para o Caminho do Noroeste, em média, o facto de um município pertencer

a este caminho faz com que tenha um nível no número de hóspedes superior em aproximadamente
89,6%, em relação aos municípios que não pertencem ao mesmo. É importante ressaltar que o Caminho
do Noroeste possui 4 dos municípios que receberam o maior número de hóspedes em 2017, incluindo
o município do Porto, o que pode justificar parcialmente esta elevada vantagem na atração de hóspedes
de acordo com o Modelo 5 Robusto.
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%.
No modelo considerado, na tentativa de capturar o efeito dos Caminhos de Santiago apontados

e as Rotas do Vinho, encontrou-se uma relação positiva entre o Caminho de Santiago do Noroeste
português. O facto de um município estar presente no mesmo se traduz, em média, num volume de
hóspedes maior em aproximadamente 90% do que os municípios que não se encontram neste caminho.
É importante também atentar e ponderar o facto de o município do Porto estar inserido no Caminho do
Noroeste.
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.
No tocante à análise dos municípios, é recomendável em futuros estudos o uso de testes de

mais variáveis, uma vez que diversas possibilidades podem ser exploradas de maneiras criativa, e
relacionadas com as discussões académicas sobre o turismo. O estudo dos municípios pode ser realizado
para as demais regiões de Portugal, ou subdivisões, ou mesmo para todo o território nacional. Além
disto, dados futuros a despeito das rotas e caminhos também podem ser coletados em Medias Sociais,
baseados em volume de publicações e check-in, sendo assim, utilizados como parâmetros de fluxo
turístico.
75
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.
Barreto, M. (2003). O Imprescindível Aporte das Ciências Sociais para o Planejamento e a

Compreensão do Turismo. Horizontes Antropológicos. Horizontes Antropológicos, pp. 15-29.
Bedo, D., & Dentinho., T. P. (2007). Avaliação dos destinos turísticos das ilhas dos açores com base
em modelos gravitacionais. Revista Portuguesa de Estudos Regionais, pp. 35-52.
Beni, M. C. (2007). Análise Estrutural do Turismo. São Paulo: SENAC.
Best European Destination 2014 - Porto/Portugal. (2014). Acesso em 31 de janeiro de 2019,

disponível em https://www.europeanbestdestinations.com/top/europe-best-destinations-2014
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.
Farcomeni, A. V. (2010). An overview of robust methods in medical research. . Statistical Methods in

Medical Research, 21(2), pp. 111 - 133.
Fernandes, P. M. (2003). A Região Norte de Portugal e a Preferência da Procura Turística: Litoral

versus Interior. Instituto Politécnico de Bragança. Bragança: Bibliotecadigital.ipb.pt.
76
Fernandes, P. O. (2005). Modelación, Predicción Y Análisis Del Comportamiento de la Demanda

Turística en la Riogión Norte de Portugal. Em Em Tese de Doctorado en Economía Aplicada y Análisis
Regional. (p. 4). Valladolid, España: Universidad Valladolid.: Universidad Valladolid.
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.
Guterres, A. (2018). Obtido de World Tourism Organization:

http://cf.cdn.unwto.org/sites/all/files/docpdf/aboutunwtojan2018web.pdf. Acesso em 12 de fevereiro
de 2019.
Heritier, S. C.F.P. (2009). Robust Methods in Biostatistics. Sussex: John Wiley & Sons, Ltd.
Hill, C. G. (1999). Econometria. São Paulo: Saraiva.
Hoechle, D. (2007). Robust Standard Errors for Panel Regressions with Cross-Sectional Dependence.
The Stata Journal, 7, 281-312.
Hsiao, C. (1986.). Analysis of Panel Data. Cambridge: Cambridge University Press.
Ivanov, T. (2017). Negative Factors That Hinder Tourism. https://getawaytips.azcentral.com/negative-

factors-that-hinder-tourism-12510230.html. Acesso em 02 de março de 2019.
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.
Moesch, M. (2002). A Produção do saber Turístico (2 ed.). São Paulo: Contexto.
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.
Rotacode. (2014). Un concepto avanzado de Turismo, el Turismo Inteligente. Acesso em 17 de abril de

2019, disponível em: Rotacode.com.blog: https://rotacode.wordpress.com/2014/06/30/un-concepto-
avanzado-de-turismo-el-turismo-inteligente/
Russo, N. E., & Darmohraj, A. (2016). Colaboración público-privada en turismo. Capacidades

institucionales en partenariados de gestión turística local en Argentina. Revista del CLAD Reforma y
Democracia, 65, pp. 157-192.
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
Swarbrooke, J. H. (2001). Business Travel and Tourism. Oxford: Butterworth-heinemann.
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). 14th UNWTO Awards. Acesso em 11 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
Vandekerckhove, J. M. (2015). Model comparison and the principle of parsimony . Em J. T. Busemeyer,

Oxford handbook of computational and mathematical psychology (pp. 300319). Oxford : Oxford
University Press.
Wooldridge, J. M. (2002). Econometric analysis of cross section and panel. (2 ed.). Cambridge: The Mit
Press.
80
ANEXO 01 – LISTA DE MUNICÍPIOS DO NORTE DE PORTUGAL COM CÓDIGO ATRIBUÍDO
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
ANEXO 02 – LISTA DE MUNICÍPIOS DO NORTE DE PORTUGAL COM CÓDIGO ATRIBUÍDO
CAMINHO DO CAMINHO CAMINHO CELANOVA VINHO DOURO E PORTO VINHO VERDE

NOROESTE (D1) CENTRAL (D2) (D3) (D4) (D5)
Caminha Barcelos Arcos de Valdevez Alijó Amarante
Esposende Ponte de Lima Braga Armamar Braga
Matosinhos Porto Guimarães Carrazeda de Ansiães Guimarães
Porto Valença Ponte da Barca Freixo de Espada à Cinta Melgaço
Póvoa de Varzim Ponte de Lima Lamego Monção
Viana do Castelo Porto Mesão Frio Ponte de Lima
Vila do Conde Santo Tirso Murça Viana do Castelo
Vila Nova de Cerveira Vila Verde Peso da Régua
Valença Sabrosa
Santa Marta de
Penaguião
São João da Pesqueira
Tabuaço
Torre de Moncorvo
Vila Flor
Vila Nova de Foz Côa
Vila Real

Caio Gomes Martins

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Caio Gomes Martins

Enviado por

Direitos autorais:

Formatos disponíveis

ii

DIREITOS DE AUTOR E CONDIÇÕES DE UTILIZAÇÃO DO TRABALHO POR TERCEIROS

Licença concedida aos utilizadores deste trabalho

À Universidade do Minho e a todo o corpo académico, pelo acolhimento, e pela oportunidade

“For every one of us that succeeds, it is because there

O Cenário Turístico no Porto e Norte de Portugal – Fatores de Atração do Turismo

FIGURA 01 – MAPA DE PORTUGAL - NUTS II-III (2013)

FIGURA 02 – MAPA DO NORTE DE PORTUGAL NUTS III (2014)

FIGURA 03 – SUBDIVISÕES DA REGIÃO NORTE - PNP (2015)

FIGURA 04 – EVOLUÇÃO DO NÚMERO DE DORMIDAS NO NORTE DE PORTUGAL

FIGURA 05 – ÁREAS DE VINÍCOLAS NO NORTE DE PORTUGAL

FIGURA 06 – CAMINHOS DE SANTIAGO – NORTE DE PORTUGAL

FIGURA 07 – LOCALIZAÇÃO OPO AEROPORTO E CONEXÕES RODOVIÁRIAS

FIGURA 08 – EVOLUÇÃO DO NÚMERO DE RECINTOS DE CINEMA NO NORTE DE PORTUGAL

FIGURA 09 – EVOLUÇÃO DO NÚMERO DE GALERIAS E MUSEUS NO NORTE DE PORTUGAL

FIGURA 10 – EVOLUÇÃO DA CAPACIDADE TURÍSTICA NO NORTE DE PORTUGAL

FIGURA 11 – EVOLUÇÃO POPULACIONAL NO NORTE DE PORTUGAL

FIGURA 12 – EVOLUÇÃO DOS GASTOS GOVERNAMENTAIS REGIONAIS

FIGURA 13 – CRIMINALIDADE NO NORTE DE PORTUGAL

FIGURA 14 – EVOLUÇÃO DO NÚMERO DE HOSPEDES NA REGIÃO NORTE DE PORTUGAL

FIGURA 15 – DISTRIBUIÇÃO EM QUANTIS DO NÚMERO DE RECINTOS DE CINEMA – MUNICÍPIOS

FIGURA 16 – DISTRIBUIÇÃO DE GALERIAS E MUSEUS – MUNICÍPIOS

FIGURA 17 – DISTRIBUIÇÃO DE GALERIAS E MUSEUS – MUNICÍPIOS

FIGURA 18 – ALOJAMENTOS VERSUS HOSPEDES – MUNICÍPIOS

FIGURA 19 – POPULAÇÃO TOTAL (2017) – MUNICÍPIOS

FIGURA 20 – INVESTIMENTO GOVERNAMENTAL POR ANO – MUNICÍPIOS

FIGURA 21 – ÍNDICE DE INVESTIMENTO CAMARÁRIO VERSUS POPULAÇÃO TOTAL– MUNICÍPIOS

FIGURA 22 – ÍNDICE DE RENDIMENTO – MUNICÍPIOS

FIGURA 23 – NÚMERO DE HOSPEDES POR MUNICÍPIO

FIGURA 24 – EVOLUÇÃO DO NÚMERO DE HOSPEDES AO LONGO DO TEMPO

FIGURA 25 – PLOT DOS RESÍDUOS DA REGRESSÃO LINEAR - MODELO 01 REGIONAL

FIGURA 26 – HISTOGRAMA PARA HOSPEDES E LOG_HOSPEDES - MUNICÍPIOS

FIGURA 27 – PLOT DOS RESÍDUOS DA REGRESSÃO LINEAR - MODELO 01 MUNICÍPIOS

TABELA 01 – CORRELAÇÃO ENTRE AS VARIÁVEIS DO TURISMO

TABELA 02 – ESTATÍSTICAS DESCRITIVAS – NORTE DE PORTUGAL

TABELA 04 – CORRELAÇÃO ENTRE POPULAÇÃO E VARIÁVEIS DE GASTO GOVERNAMENTAL - MUNICÍPIOS

TABELA 05 – ESTATÍSTICA DUMMIES VARIÁVEIS

TABELA 06 – CORRELAÇÃO ENTRE AS VARIÁVEIS DO TURISMO - MUNICÍPIOS

TABELA 07 – ESTATÍSTICAS DESCRITIVAS – MUNICÍPIOS

TABELA 08 – DESCRIÇÃO DAS VARIÁVEIS DA BASE DE DADOS –MUNICÍPIOS.

TABELA 09 – TESTE DE SHAPIRO-WILK PARA A VARIÁVEL HOSPEDES - REGIONAL

TABELA 10 – TESTE DE BREUSCH-PAGAN PARA LOG_HOSPEDES – MODELO 01 REGIONAL

TABELA 11 – TESTE DE MULTICOLINEARIDADE – MODELO 01 REGIONAL

TABELA 12 – REGRESSÕES VIA ESTIMADOR MQO (OLS) - REGIONAL

TABELA 13 – TESTE DE SHAPIRO-WILK PARA A VARIÁVEL HOSPEDES - MUNICÍPIOS

TABELA 14 – TESTE DE BREUSCH-PAGAN PARA LOG_HOSPEDES – MODELO 01 MUNICÍPIOS

TABELA 15 – ANOVA PARA LOG_HOSPEDES E MUNICÍPIOS (COD)

TABELA 16 – BREUSCH PAGAN MULTIPLICADOR LAGRANGIANO – MODELO 02 MUNICÍPIOS

TABELA 17 – MATRIZ DE CORRELAÇÃO – MODELO 02 MUNICÍPIOS

TABELA 18 – TESTE DE WOOLDRIDGE PARA AUTOCORRELAÇÃO EM PAINEL – MODELO 02 MUNICÍPIOS

TABELA 19 – TESTE ROBUSTO DE HAUSMAN – MODELO 3 MUNICÍPIOS

TABELA 20 – REGRESSÕES MUNICÍPIOS – PRIMEIROS MODELOS

TABELA 21 – REGRESSÕES MUNICÍPIOS – ÚLTIMOS MODELOS

LISTA DE ABREVIATURAS E SIGLAS

Aeroporto Francisco de Sá Carneiro (OPO)

Aeroportos de Portugal (ANA)

Airport Council International (ACI)

Área Metropolitana do Porto (AMP)

Associação Comércio Automóvel de Portugal (ACAP)

Comissão de Coordenação e Desenvolvimento Regional do Norte (CCDR-N)

Comissão Vitivinícola Regional de Trás-os-Montes (CVRTM)

Comunidades Intermunicipais (CIM)

Denominação de Origem Controlada (DOC)