caio gomes martins - universidade do...

ii

DIREITOS DE AUTOR E CONDIÇÕES DE UTILIZAÇÃO DO TRABALHO POR TERCEIROSDIREITOS DE AUTOR E CONDIÇÕES DE UTILIZAÇÃO DO TRABALHO POR TERCEIROSDIREITOS DE AUTOR E CONDIÇÕES DE UTILIZAÇÃO DO TRABALHO POR TERCEIROSDIREITOS 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

Assim, o presente trabalho pode ser utilizado nos termos previstos na licença

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 trabalhoLicença concedida aos utilizadores deste trabalhoLicença concedida aos utilizadores deste trabalhoLicença concedida aos utilizadores deste trabalho

AtribuiçãoAtribuiçãoAtribuiçãoAtribuição----Sem Derivações Sem Derivações Sem Derivações Sem Derivações CC BYCC BYCC BYCC BY----ND ND ND ND

https://creativecommons.org/licenses/by



boas práticas internacionalmente aceites, no que concerne aos direitos de autor e

Assim, o presente trabalho pode ser utilizado nos termos previstos na licença abaixo


indicado, deverá contactar o autor, através do RepositóriUM da Universidade

Licença concedida aos utilizadores deste trabalhoLicença concedida aos utilizadores deste trabalhoLicença concedida aos utilizadores deste trabalhoLicença concedida aos utilizadores deste trabalho

mmons.org/licenses/by-nd/4.0/



direitos conexos.

abaixo indicada.


indicado, deverá contactar o autor, através do RepositóriUM da Universidade

iii

AGRADECIMENTOSAGRADECIMENTOSAGRADECIMENTOSAGRADECIMENTOS

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 DECLARAÇÃO DE INTEGRIDADE DECLARAÇÃO DE INTEGRIDADE 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 O Cenário Turístico no Porto e Norte de Portugal O Cenário Turístico no Porto e Norte de Portugal O Cenário Turístico no Porto e Norte de Portugal –––– Fatores de Atração do TurismoFatores de Atração do TurismoFatores de Atração do TurismoFatores de Atração do Turismo

ResumoResumoResumoResumo

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.

PalavrasPalavrasPalavrasPalavras----Chave: Chave: Chave: Chave: fatores de atração turística; desenvolvimento local; Norte de Portugal; planeamento do

turismo.

vi

The Tourism Scenario in Porto and Northern Portugal The Tourism Scenario in Porto and Northern Portugal The Tourism Scenario in Porto and Northern Portugal The Tourism Scenario in Porto and Northern Portugal –––– Tourist Attraction factorsTourist Attraction factorsTourist Attraction factorsTourist Attraction factors

AbstractAbstractAbstractAbstract

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: Keywords: Keywords: Keywords: tourist attraction factors; local development; Northern Portugal; planning of tourism.

vii

LISTA DE LISTA DE LISTA DE LISTA DE FIGURASFIGURASFIGURASFIGURAS

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 TABELASLISTA DE TABELASLISTA DE TABELASLISTA 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 DELISTA DELISTA DELISTA DE ABREVIATURAS E SIGLASABREVIATURAS E SIGLASABREVIATURAS E SIGLASABREVIATURAS 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

ÍNDICEÍNDICEÍNDICEÍNDICE

1.1.1.1. INTRODUÇÃOINTRODUÇÃOINTRODUÇÃOINTRODUÇÃO -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 1111

2.2.2.2. REFERENCIAL TEÓRICOREFERENCIAL TEÓRICOREFERENCIAL TEÓRICOREFERENCIAL TEÓRICO -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 4444

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

3.3.3.3. O PARORAMA DO TURISMO PARORAMA DO TURISMO PARORAMA DO TURISMO PARORAMA DO TURISMO EM PORTUGALO EM PORTUGALO EM PORTUGALO EM PORTUGAL -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 16161616

3.1. REGIÃO DO PORTO E NORTE DE PORTUGAL ------------------------------------------------------------------------------------------------------- 19

4. METODOLOGIA4. METODOLOGIA4. METODOLOGIA4. METODOLOGIA -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 27272727

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 DOS5. INTERPRETAÇÃO DOS5. INTERPRETAÇÃO DOS5. INTERPRETAÇÃO DOS RESULTADOS ECONOMÉTRRESULTADOS ECONOMÉTRRESULTADOS ECONOMÉTRRESULTADOS ECONOMÉTRICOSICOSICOSICOS ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ 55555555

5.1. RESULTADOS PARA A ESTIMAÇÃO REGIONAL ------------------------------------------------------------------------------------------------------ 55 5.2. RESULTADOS PARA A ESTIMAÇÃO ENTRE MUNICÍPIOS ---------------------------------------------------------------------------------------- 60

6. CONCLUSÕES FINAIS6. CONCLUSÕES FINAIS6. CONCLUSÕES FINAIS6. CONCLUSÕES FINAIS -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 75757575

7. REFERENCIAL BIBLI7. REFERENCIAL BIBLI7. REFERENCIAL BIBLI7. REFERENCIAL BIBLIOGRÁFICOOGRÁFICOOGRÁFICOOGRÁFICO ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 78787878

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

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.”

0.0

0.5

1.0

1.5

2.0

2.5

3.0

3.5

4.0

4.5

5.0

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

Milh

ões

Residentes Estrangeiros

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 + 𝛽1𝑖𝑡𝑋𝑥1𝑖𝑡 +⋯+ 𝛽𝑛𝑖𝑡𝑥𝑛𝑖𝑡 + 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:

𝑦𝑖 = [

𝑦𝑖1𝑦𝑖2⋮𝑦𝑖𝑇

] 𝑥𝑖 = [

𝑥1𝑖1 𝑥2𝑖1 … 𝑥𝑘𝑖1𝑥1𝑖2 𝑥2𝑖2 … 𝑥𝑘𝑖2⋮

𝑥1𝑖𝑇

⋮𝑥2𝑖𝑇

⋱ ⋮… 𝑥𝑘𝑖𝑇

] 𝛽𝑖 = [

𝛽0𝑖1 𝛽1𝑖1 𝛽2𝑖1 … 𝛽𝑘𝑖1𝛽0𝑖2 𝛽1𝑖2 𝛽2𝑖2 … 𝛽𝑘𝑖2⋮

𝛽0𝑖𝑇

⋮ ⋮𝛽1𝑖𝑇 𝛽2𝑖𝑇

⋱ ⋮… 𝛽𝑘𝑖𝑇

] 𝑒𝑖 = [

𝑒𝑖1𝑒𝑖2⋮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 + 𝛽1𝑥1𝑖𝑇 +⋯+ 𝛽𝑘𝑥𝑘𝑖𝑇 + 𝑒𝑖𝑇

A forma matricial sugerida pelos autores citados acima, seria:

[

𝑦𝑖1𝑦𝑖2⋮𝑦𝑖𝑇

] = [

11⋮1

] 𝑎𝑖 + [

𝑥1𝑖1 𝑥2𝑖1 … 𝑥𝑘𝑖1𝑥1𝑖2 𝑥2𝑖2 … 𝑥𝑘𝑖2⋮

𝑥1𝑖𝑇

⋮𝑥2𝑖𝑇

⋱ ⋮… 𝑥𝑘𝑖𝑇

] [

𝛽1𝛽2⋮𝛽𝑘

] + [

𝑒𝑖1𝑒𝑖2⋮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 = �̅�0 + 𝛼1 𝑖 = 1, … , 𝑛

No qual o intercepto do modelo de efeito fixo αi capta as diferenças de comportamento dos

indivíduos e componente �̅�0 corresponde ao intercepto populacional. O modelo então apresenta-se da

seguinte maneira:

𝑦𝑖𝑡 = �̅�0 + 𝛽1𝑥1𝑖𝑇 +⋯+ 𝛽𝑘𝑥𝑘𝑖𝑇 + 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: 𝛽 𝐸𝐴 = 𝛽 𝐸𝐹) para determinar qual

melhor modelo a ser utilizado. Neste teste, se a hipótese nula for rejeitada, 𝐸(𝑎|𝑋) ≠ 0, então 𝛽 𝐸𝐴

(efeitos aleatórios) será inconsistente e 𝛽 𝐸𝐹 (efeitos fixos) consistente. Assim usaremos o modelo de

efeito fixo. Caso a hipótese não seja rejeitada, 𝐸(𝑎|𝑋) = 0, assim 𝛽 𝐸𝐴 (efeitos aleatórios) será

consistente e assintoticamente eficiente e 𝛽 𝐸𝐹 (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 + 𝛽1𝑎𝑙𝑜𝑗𝑖𝑇 + 𝛽2log_𝑑𝑒𝑠𝑝𝑎𝑚𝑏𝑖𝑇 + 𝛽3𝑔𝑎𝑙𝑚𝑢𝑠𝑖𝑇 +

𝛽4txcrimp𝑖𝑇 + 𝛽5𝑖𝑑𝑟𝑒𝑛𝑖𝑇 + 𝛽6𝑖𝑑𝑐𝑜𝑛𝑠𝑡𝑖𝑇 + 𝛽7𝑖𝑑𝑖𝑣𝑐𝑎𝑖𝑇 + 𝑒𝑖𝑇 (1)


𝐿𝑜𝑔_ℎó𝑠𝑝𝑒𝑑𝑒𝑠𝑖𝑡 = 𝛽0 + 𝛽1𝑎𝑙𝑜𝑗𝑖𝑇 + 𝛽2log_𝑑𝑒𝑠𝑝𝑎𝑚𝑏𝑖𝑇 + 𝛽3𝑔𝑎𝑙𝑚𝑢𝑠𝑖𝑇 +

𝛽4log_pop𝑖𝑇 + 𝛽5𝑡𝑥𝑐𝑟𝑖𝑚𝑝𝑖𝑇 + 𝛽6𝑖𝑑𝑟𝑒𝑛𝑖𝑇 + 𝛽7𝑖𝑑𝑐𝑜𝑛𝑠𝑡𝑖𝑇 + 𝛽8𝑖𝑑𝑖𝑣𝑐𝑎𝑖𝑇 + 𝛼 + 𝑢𝑖𝑇 + 𝜀𝑖𝑇 (2)



𝛽4𝑡𝑥𝑐𝑟𝑖𝑚𝑝𝑖𝑇 + 𝛽5𝑖𝑑𝑟𝑒𝑛𝑖𝑇 + 𝛽6𝑖𝑑𝑐𝑜𝑛𝑠𝑡𝑖𝑇 + 𝛽7𝑖𝑑𝑖𝑣𝑐𝑎𝑖𝑇 + 𝛼 + 𝑢𝑖𝑇 + 𝜀𝑖𝑇 (3)



𝛽4𝑡𝑥𝑐𝑟𝑖𝑚𝑝𝑖𝑇 + 𝛽5𝑖𝑑𝑟𝑒𝑛𝑖𝑇 + 𝛽6𝑖𝑑𝑐𝑜𝑛𝑠𝑡𝑖𝑇 + 𝛽7𝑖𝑑𝑖𝑣𝑐𝑎𝑖𝑇 + 𝛽8𝐷𝑢𝑚𝑚𝑦1𝑖𝑇 +

𝛽9𝐷𝑢𝑚𝑚𝑦2𝑖𝑇 + 𝛽10𝐷𝑢𝑚𝑚𝑦3𝑖𝑇 + 𝛽11𝐷𝑢𝑚𝑚𝑦4𝑖𝑇 + 𝛽12𝐷𝑢𝑚𝑚𝑦5𝑖𝑇 + 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

D1 Dummy para o plano estratégico de turismo = 1 para 2015 a 2017, e = 0 para 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

1 Dummy

2 Dummy

3 Dummy

4 Dummy

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

RMSE 0,4023 R-quadrado 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 NOROESTE (D1)

CAMINHO CENTRAL (D2)

CAMINHO CELANOVA (D3)

VINHO DOURO E PORTO (D4)

VINHO VERDE (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 - universidade do...

Documents