autor: rafael rodrigues varella concurso de monografia · autor: rafael rodrigues varella ... neste...
TRANSCRIPT
i
Autor: Rafael Rodrigues Varella
Concurso de Monografia
PRÊMIO ANAC 10 ANOS – Acadêmico e Jornalístico
Categoria: Trabalhos Acadêmicos – Monografias
Tema: Regulação Econômica e Análise de Mercado de Transporte Aéreo
“DISCRIMINAÇÃO INTERTEMPORAL DE PREÇOS:
EFEITOS DA COMPETIÇÃO ADJACENTE COMO
COMPANHIA AÉREA DE BAIXO CUSTO”
i
DISCRIMINAÇÃO INTERTEMPORAL DE PREÇOS: EFEITOS
DA COMPETIÇÃO ADJACENTE COMO COMPANHIA
AÉREA DE BAIXO CUSTO
ii
Resumo
Neste trabalho é desenvolvido um modelo de precificação dinâmica de passagem
aéreas, com o objetivo de se inspecionar o impacto da competição adjacente com uma
companhia aérea de baixo custo (LCC, do inglês, low-cost carrier). Em particular,
investiga-se se a presença da LCC em um aeroporto secundário de uma região multi-
aeroporto pressiona as companhias aéreas incumbentes nos aeroportos primários a
alterarem seus preços. Dessa forma, testa-se empiricamente não apenas a extensão
do impacto no preço causado pela competição adjacente, mas também as possíveis
mudanças do padrão evolutivo de preços ao longo do período de reservas. Os preços
das passagens foram coletados a partir do sítio eletrônico de um agente de viagens
online (OTA, do inglês, Onlieconométrtine Travel Agent). A base de dados considera
viagens domésticas partindo dos dois aeroportos principais da mais populosa região
metropolitana do Brasil – a Grande São Paulo. Foram encontradas evidências de que
as companhias aéreas se engajam em uma espécie de subsídio cruzado entre dois
grupos diferentes de passageiros. A competição adjacente força o oferecimento de
descontos por parte da incumbentes nos aeroportos primários aos passageiros que
adquirem sua passagem com maior antecedência o que, no entanto, é compensado
com um preço maior ofertado aos passageiros que adquirem sua passagem nos
últimos dias antes da viagem.
iii
Lista de Figuras
Figura 2.1 – Modelo conceitual. ...................................................................... 17
Figura 4.1 – Evolução dos preços ao longo do período de reservas. ............. 41
iv
Lista de Tabelas
Tabela 3.1 – Evolução da Azul, 2008-2010 .................................................... 22
Tabela 3.2 – Evolução anual do número de passageiros pagos, 2008-2010 . 23
Tabela 3.3 – Market share: Azul, Gol e TAM. ................................................. 23
Tabela 3.4 – Estatísticas descritivas. .............................................................. 30
Tabela 3.5 – Análise descritiva das tarifas. ..................................................... 31
Tabela 3.6 – Análise do VIF. ........................................................................... 33
Tabela 4.1 – Resultados de estimação dos regressores. ............................... 38
v
Sumário
1 INTRODUÇÃO ..................................................................................................... 7
1.1 Contextualização ................................................................................................ 7
1.2 Motivação ............................................................................................................ 9
1.3 Objetivos ............................................................................................................ 11
2 ARCABOUÇO TEÓRICO .................................................................................. 13
2.1 Revisão de Literatura........................................................................................ 13
2.2 Modelo Conceitual ............................................................................................ 16
2.3 Detalhamento da Pergunta de Pesquisa ......................................................... 19
3 DESENVOLVIMENTO EMPÍRICO .................................................................... 21
3.1 Aplicação ........................................................................................................... 21
3.2 Dados ................................................................................................................. 26
3.3 Modelo Empírico ............................................................................................... 27
3.4 Estratégia de Estimação ................................................................................... 32
3.4.1 Multicolinearidade, heteroscedasticidade e autocorrelação ........................ 32
3.4.2 Endogenia e Variáveis Instrumentais .......................................................... 34
3.4.3 Estimadores ................................................................................................ 37
4 RESULTADOS .................................................................................................. 38
5 ROBUSTEZ E LIMITAÇÕES DOS RESULTADOS ........................................... 45
vi
6 CONCLUSÕES .................................................................................................. 46
REFERÊNCIAS ......................................................................................................... 48
APÊNDICE A – EXEMPLO DE APÊNDICE ............................................................. 53
A.1 Checagem de robustez para o modelo (1). ..................................................... 53
A.2 Checagem de robustez para o modelo (2). ..................................................... 54
A.3 Checagem de robustez para o modelo (3). ..................................................... 55
A.4 Checagem de robustez para o modelo (4). ..................................................... 56
7
1 Introdução
1.1 Contextualização
Esse trabalho visa desenvolver um modelo empírico dos fatores influentes na
determinação de preços das passagens aéreas para o mercado doméstico brasileiro,
com o intuito de se investigar se a presença de uma empresa aérea de baixo custo
(doravante, LCC, do inglês, low-cost carriers) em um aeroporto secundário adjacente
acarreta algum efeito nas estratégias de precificação empregadas pelas companhias
aéreas incumbentes nos aeroportos principais.
Usualmente, o termo “aeroporto secundário” é uma expressão utilizada para
designar um aeroporto que é aproveitado como uma alternativa aos maiores
aeroportos de uma determinada região metropolitana. Os aeroportos secundários
desempenham um papel importante nas questões relativas ao mercado das
companhias aéreas de baixo custo. Conforme apontado por de Neufville et al. (2013),
essas companhias têm dominado os aeroportos secundários das grandes regiões
metropolitanas e sido responsáveis pelo desenvolvimento desses empreendimentos.
Desde a desregulação do mercado de transporte aéreo, que teve início no
Estados Unidos em 1978, os resultados financeiros das companhias aéreos têm sido
desapontadores. Conforme dados mostrados por Borenstein (2011a), na primeira
década de livre mercado, o prejuízo líquido das empresas no mercado doméstico dos
EUA foi de 10 bilhões de dólares. Na década seguinte, observou-se um lucro líquido
de 5 bilhões de dólares, mas esse resultado positivo não se manteve. Assim, na
década de 2000 houve o pior resultado: prejuízo líquido acumulado de 54 bilhões de
8
dólares1. Entre as principais causas atribuídas aos maus resultados estão a alta
tributação aplicada ao setor e a alta dependência em relação ao combustível.
Contudo, o que parece ser de fato o maior obstáculo financeiro ao sucesso das
companhias aéreas é a grande diferença de custos observada entre as companhias
tradicionais, também chamadas de full-service carriers (FSCs) e as LCCs. Essa
disparidade de custos gera uma competição que acaba sendo prejudicial a ambas as
classes de companhia aérea (BORENSTEIN, 2011b).
Logo após a liberalização dos mercados, as companhias aéreas tiveram de se
reinventar a fim de sobreviver no novo cenário competitivo. Assim, essas empresas
passaram a desenvolver estratégias de precificação inovadoras. Como uma dessas
estratégias, Littlewood (1972), na época funcionário da companhia aérea BOAC (hoje
British Airlines), desenvolveu um modelo matemático simples de precificação de
passagens aéreas, que supunha uma diferenciação de preços de acordo com o
número de assentos vendidos. Esse modelo, que ficou conhecido como “Regra de
Littlewood”, foi o marco inicial do conceito de revenue management ou yield
management, que, em tradução literal, significa “gerenciamento de receitas”. Essa
prática envolve a aplicação de preços diferentes para passageiros diferentes de um
mesmo voo, capturando, assim, características individuais dos passageiros que os
induzem a reagir de maneira desigual em relação ao preço. Essa segmentação de
passageiros tem o objetivo de maximizar as receitas (MCGILL; VAN RYZIN, 1999).
No início, as práticas yield management eram difíceis de serem aplicadas, uma
vez que a alteração dos preços de acordo com a demanda percebida envolvia altos
1 Na pesquisa de Borenstein (2011a) , todos esses valores foram atualizados para valores correntes de 2009.
9
custos (BACHIS; PIGA, 2007). Hoje em dia, contudo, uma grande parte dos
consumidores compra suas passagens pela internet e as companhias aéreas contam
com sistemas de informação sofisticados. Assim, é possível, a um baixo custo, o
acesso contínuo a indicadores de demanda e a informações acerca das preferências
e do comportamento dos potenciais passageiros (MANTIN; KOO, 2010), o que permite
que as companhias segmentem seus consumidores em grupos (e.g., passageiros a
negócio e passageiros a lazer), de modo a ser possível a adoção de sofisticadas
técnicas de yield management, incluindo a oferta de preços distintos de acordo com a
data de compra. Essa alteração de preços ao longo do período de reservas é
conhecida como “discriminação intertemporal de preços” (doravante, DIP).
A proposta desse trabalho é aglomerar todas as peculiaridades do cenário
descrito, abordando como a presença de uma LCC como concorrente adjacente afeta
as alterações de preços oferecidos online pelas demais companhias áreas na medida
em que a data da viagem se aproxima.
1.2 Motivação
A busca pela passagem mais barata é geralmente um dos grandes desafios
dos viajantes. Os sistemas modernos e complexos de yield management aplicados
pelas companhias aéreas fazem com que a resposta à pergunta sobre qual é o
momento ideal para a compra da passagem não seja tão simples. Ainda assim, por
se tratar de uma questão de interesse geral, tentativas de respondê-la não faltam. De
10
acordo com matéria publicada no portal CNN Money2, a melhor hora para se comprar
uma passagem aérea é com 54 dias de antecedência. O portal destaca, contudo, que
essa regra não se aplica a voos nos principais feriados, quando o preço observado é
tão menor quanto mais antecipada for a compra.
Em relação ao mercado brasileiro, uma reportagem publicada pelo portal da
revista Exame3 aborda a mesma problemática. A matéria se baseia em um estudo
feito pela Expedia, uma agência de viagens online, em parceria com a consultoria ARC
(Airlines Reporting Corporation). Com base nos preços observados entre outubro de
2014 e outubro de 2015, foram estimadas as tendências para 2016. Dessa forma,
foram determinados os momentos ideais de compra de passagem, de acordo com o
destino requerido (voos domésticos, Europa, Caribe, Ásia, Oriente Médio e África,
América do Sul e América do Norte). Outra interessante conclusão mostrada na
reportagem diz respeito ao efeito do dia da semana na compra da passagem. Segundo
a matéria, o ideal é que se compre durante os finais de semana, pois é nesse momento
que o passageiro a lazer faz esse tipo de pesquisa e, sabendo disso, as empresas
aéreas tendem a oferecer menores preços ou promoções mais agressivas. Assim, do
ponto de vista do consumidor, entender as estratégias de precificação adotadas pelas
companhias aéreas podem auxiliar a escolha do melhor período para a compra.
Adicionalmente a ótica do consumidor, esse trabalho tem notável utilidade no
contexto da agência reguladora. Conforme destacado por Nascimento, Vieira e Braga
(2011), esse tipo de estudo permite a investigação de informações acerca das
2 VASEL, K. “This is the best time to buy a plane ticket”. CNN Money, 25 fev. 2016. Disponível em www.money.cnn.com/2016/02/25/pf/best-time-book-flight/
3 LEWGOY, J. Passagens aéreas são mais baratas a 21 dias da data do voo. Exame, 11 maio 2016.
11
condições de mercado que são propícias para o desencadeamento de guerras de
preços e formação de conluio. Além disso, a ampliação do entendimento dos fatores
relevantes para as empresas no processo de estabelecimento de seus preços deve
ser algo buscado constantemente pela agência reguladora. Como apontado por
Oliveira (2009), esse tipo de estudo deve fazer parte da rotina do órgão regulador,
uma vez que o correto planejamento do setor depende de estudos que não podem
prescindir da variável preço, como é o caso de previsões de demanda em aeroportos.
Assim, a análise sugerida e eventuais expansões podem indicar boas práticas
de modo a, simultaneamente, beneficiar os consumidores e fomentar melhores
resultados financeiros das companhias aéreas. Exemplos de estudos semelhantes ao
apresentado nesta monografia e que têm como objetivo analisar as decisões dos
órgãos reguladores podem ser vistos em Gaggero e Piga (2010) e Dobson e Piga
(2013).
1.3 Objetivos
Considerando a motivação exposta, o presente estudo visa lançar luzes sobre
as estratégias de precificação adotadas pelas empresas aéreas em rotas domésticas
do mercado brasileiro, investigando como a concorrência afeta essas estratégias.
Desse modo, são buscadas evidências relacionadas aos fatores que podem
influenciar os preços das passagens aéreas, com foco na antecedência de compra e
a presença de uma empresa LCC como concorrente adjacente.
Utilizando uma base de dados singular, este trabalho visa revelar informações
ainda não investigadas na literatura prévia acerca das estratégias de precificação
12
adotadas pelas empresas aéreas incumbentes nos aeroportos primários, quando há
presença de uma concorrente de baixo custo em um aeroporto secundário. O
propósito acadêmico deste trabalho é analisar a possibilidade de unificação das
conclusões de dois importantes trabalhos da literatura acadêmica relacionada ao
transporte aéreo: os resultados encontrados por Morrison (2001) acerca da relevância
da competição adjacente com uma LCC e os resultados de Mantin e Koo (2009) sobre
o impacto da concorrência real com uma LCC no perfil temporal de preços das demais
companhias aéreas. Assim, busca-se encontrar evidências de que a presença de uma
LCC em um aeroporto secundário interfere nas estratégias de discriminação
intertemporal de preços empregadas pelas companhias operantes nos principais
aeroportos.
O restante desse trabalho é organizado da seguinte maneira: o Capítulo 2
apresenta o arcabouço teórico, com a revisão da literatura, a apresentação de um
modelo conceitual e o detalhamento da proposta a ser investigada. O Capítulo 3
apresenta a descrição da base dados, o desenvolvimento do modelo empírico e
elucida a estratégia de estimação adotada. O Capítulo 4 contém a apresentação e a
discussão dos resultados das estimativas e o Capítulo 5 contém as considerações
finais do trabalho.
13
2 Arcabouço Teórico
2.1 Revisão de Literatura
A literatura na qual o presente trabalho é baseado diz respeito a dois temas
centrais relacionados ao transporte aéreo: estratégias de precificação e companhias
aéreas de baixo custo. Mais especificamente, para o primeiro assunto foram
analisados trabalhos, tanto teóricos quanto empíricos, que analisam as diferentes
estratégias de precificação, especialmente a variação temporal de tarifas. Estudos
empíricos sobre DIP, basicamente, dividem-se em duas vertentes: aqueles que
observam um perfil de aumento contínuo dos preços ao longo do tempo e aqueles que
encontram a chamada “curva-J”, ou seja, preços relativamente mais altos no início do
período de reserva, seguidos por preços mais baixos e um aumento acentuado nos
últimos dias antes da partida.
O aumento monotônico é previsto pelas teorias mais tradicionais relacionadas
à precificação dinâmica e é também o padrão de aumento de preços suposto pelo
senso comum da maioria dos passageiros (DANA, 2001). O fundamento teórico do
aumento monotônico é o fato de as companhias aéreas necessariamente terem de
arbitrar seus preços antes da demanda ser de fato conhecida. Assim, as empresas
buscam oferecer descontos de compra antecipada a fim de maximizarem suas vendas
(DANA, 1998). O outro modelo conhecido de DIP, a curva-J, é descrita por Gaggero
(2010) como um método usado pelas aéreas como forma de capturar as diferentes
elasticidades a preços dos passageiros, os quais ele divide em três grupos: os early-
bookers, os middle-bookers e os late-bookers. O grupo dos early-bookers engloba
14
aqueles passageiros que aceitam pagar tarifas relativamente mais caras em prol de
se prevenirem de riscos, apresentando, assim, um comportamento levemente
inelástico.
Bergantino e Capozza (2015) dão ainda outra interpretação para esse grupo.
Segundo as autoras, os preços mais altos oferecidos aos early-bookers é uma forma
das companhias aéreas usufruírem de uma “racionalidade limitada” dos
consumidores. Como o senso comum entre os passageiros suporta que quanto mais
cedo a compra é feita, menor é o preço da passagem, algumas pessoas comprarão
suas passagens nesse período de grande antecedência ainda que o preço pareça
mais alto, com a expectativa que a tendência é que esse aumente ainda mais. Assim,
as companhias aéreas acabam obtendo um superávit maior com esses passageiros.
Ainda de acordo com Gaggero (2010), o grupo dos middle-bookers, por sua
vez, é tipicamente representado pelo viajante a lazer com flexibilidade para viajar, o
qual essencialmente busca as passagens mais baratas, apresentando alta
elasticidade a preço. Por fim, os late-bookers representam o grupo com demanda
altamente inelástica a preço, tipicamente caracterizado pelo viajante a negócio, para
o qual a viagem tem data estritamente definida e o preço é minimamente relevante.
Como ressaltado anteriormente, outro assunto investigado na literatura prévia
é a presença de uma LCC e seu impacto nas demais empresas. Bennet e Craun
(1993), em um dos estudos pioneiros sobre o assunto, afirmaram que o crescimento
da Southwest Airlines4 foi o principal motor das profundas mudanças que emergiram
no indústria de transporte aéreo dos Estados Unidos. Nas rotas em que a Southwest
4 Empresa norte-americana considerada uma das pioneiras do modelo de negócios low-cost, low-fare.
15
passou a operar, foram identificados aumentos de demanda significativos e relevantes
decréscimos dos preços das passagens, o que ficou conhecido como “Efeito
Southwest”. Destaca-se que, aqui e no restante deste trabalho, o termo “rota” se refere
a um par direcional origem-destino de aeroportos, como amplamente definido na
literatura prévia (e.g., ALDERIGHI; NICOLINI; PIGA, 2015; BACHIS; PIGA, 2007).
Morrison (2001), por sua vez, amplia os resultados de Bennet e Craun (1993),
afirmando que não apenas a competição real (i.e., na mesma rota) leva aos resultados
observados pelo “Efeito Southwest”, mas também a competição adjacente e a
competição potencial. Competição adjacente é aquela que ocorre não com uma
companhia operando no mesmo aeroporto, mas em um aeroporto próximo. Por outro
lado, competição potencial é aquela que ocorre quando há evidência da entrada da
companhia aérea em determinada rota em um futuro próximo.
Um importante ponto a ser destacado é que o modelo tradicional de LCC
assume que essas companhias tendem a operar em aeroportos secundários, i.e.,
aeroportos próximos a grandes cidades e que podem ser considerados como uma
alternativas aos aeroportos principais das metrópoles (BARBOT, 2006; GRAHAM,
2013). Essas companhias operam dessa forma de modo a se beneficiarem de
menores taxas de operação (KAZDA; CAVES, 2015). Exemplos de aeroportos
secundários são os aeroportos Love Field, em Dallas, Fort Lauderdale em Miami e
Stansted, em Londres (DE NEUFVILLE et al., 2013).
Outro resultado essencial a ser destacado em relação aos efeitos da presença
de uma LCC foram apontados por Mantin e Koo (2009). Os autores, em um trabalho
empírico, concluíram que, quando uma empresa FSC enfrenta uma competição (real)
com uma companhia LCC, essa tende a adotar uma estratégia de precificação mais
16
agressiva do tipo high-low (oferta de altos preços no final do período de reserva e
grandes descontos de compra antecipada).
2.2 Modelo Conceitual
Este trabalho visa a obtenção de um modelo econométrico de yield
management para uma região multi-aeroporto, identificando os fatores importantes na
determinação das tarifas ao longo do período de reserva, desde sessenta dias antes
do voo até a véspera. A principal hipótese deste trabalho é que a presença de uma
LCC como concorrente adjacente impacta o padrão habitual de discriminação
intertemporal de preços aplicado pelas demais empresas. A fim de testar essa
hipótese, outras suposições precisaram ser feitas. A Figura 2.1 mostra o modelo
conceitual a partir do qual foi concebido o modelo econométrico. Nesta seção, busca-
se enfatizar os conceitos teóricos assumidos neste trabalho. A especificação precisa
das variáveis empregadas é explicada posteriormente. A discussão na presente
secção destina-se apenas a explicar os fundamentos adotados.
Um dos primeiros fatores que vem à mente quando se pensa sobre os
determinantes das estratégias de preços são os custos operacionais. Quando uma
empresa define sua margem de lucro, ela precisa ter certeza sobre a magnitude dos
seus custos. Com relação ao setor de companhias aéreas, duas métricas têm sido
utilizadas na literatura anterior como proxies de custos operacionais: a distância
(Alderighi, Nicolini, & Piga, 2016; Gaggero & Piga, 2010) e os custos ou o preço do
combustível (Alderighi, Gaggero, & Piga, 2015).
17
Figura 2.1 – Modelo conceitual.
Outro fator possivelmente relevante é o que foi chamando de "efeitos da data",
que se dividem em dois grupos: data de partida e data de compra. Acredita-se que a
data de partida é um fator influente sobre os preços, uma vez que pode representar
mudanças na demanda. Este efeito tem sido abordado na literatura anterior de muitas
formas, como por meio do uso de variáveis binárias mensais para capturar efeitos
sazonais (BERGANTINO; CAPOZZA, 2015), variáveis binárias de dia da semana para
capturar choques diários exógenos sobre a demanda (ALDERIGHI; GAGGERO;
PIGA, 2015), variáveis binárias de feriados (GAGGERO, 2010), entre outras.
O outro efeito causado pela data se relaciona a data de compra da passagem.
A ideia principal por trás dessa suposição é descrita por Puller e Taylor (2012) e Mantin
e Koo (2010). O argumento utilizado em ambos os trabalhos é basicamente o mesmo:
as empresam oferecem tarifas mais baixas durante a semana assumindo que os
18
passageiros a lazer, mais elásticos a preço, geralmente compram seus bilhetes de
avião durante seu tempo livre. Passageiros a negócio (inelásticos a preço), por outro
lado, geralmente o fazem durante o seu horário comercial, uma vez que é uma parte
de suas funções de trabalho.
A Figura 2.1 apresenta também um conjunto de fatores que foram chamados
de "idiossincrasias de aeroporto". Foram exemplificadas três dessas idiossincrasias,
mas existem diversas possibilidades. O conceito por trás desses fatores é a tentativa
de controlar os efeitos específicos de aeroportos, como as diferenças de demanda,
custos ou preços. Nos modelos econométricos, essas idiossincrasias são comumente
tratadas como não-observáveis, razão pela qual os pesquisadores geralmente utilizam
variáveis binárias de efeito fixo para controlá-los.
O efeito da estrutura de mercado é uma questão central em modelos de
precificação, geralmente a ser medido por duas variáveis (às vezes
simultaneamente), a saber: participação de mercado e concentração de mercado,
geralmente medida pelo HHI (Herfindahl–Hirschman Index). Como ressaltam
Bergantino e Capozza (2015), o domínio do mercado de uma empresa pode ser
medido pelo número de voos diários operados em uma determinada rota ou pela
fração de passageiros transportados por essa empresa. Neste trabalho foi utilizado o
número de voos, o que é feito em boa parte da literatura (e.g., BORENSTEIN, 1989;
GAGGERO; PIGA, 2011; GIAUME; GUILLOU, 2004). Esta consideração, de acordo
com Bachis e Piga (2007), reduz a possibilidade de viés. Isto porque, como os preços
são coletados online, um aumento na demanda poderia ser facilmente percebido e,
assim, incentivar um aumento de preços, mostrando uma relação claramente
simultânea entre preço e dominância de mercado. Como o número de voos oferecidos,
19
em geral, é estabelecido antecipadamente, o impacto dos preços sobre o número de
voos oferecidos não é tão evidente.
A antecedência de compra também é um tema amplamente discutido na
literatura anterior, como exposto na Seção 2.1. A característica inovadora deste artigo,
que é a principal hipótese a ser testada, é a análise dos efeitos da presença de uma
LCC como concorrente adjacente sobre as práticas de DIP.
2.3 Detalhamento da Pergunta de Pesquisa
O objetivo do modelo empírico desenvolvido é avaliar em que medida a
presença de uma LCC em um aeroporto adjacente é vista como uma ameaça para as
companhias aéreas incumbentes nos aeroportos principais. Muitos outros assuntos
foram discutidos na literatura anterior, mas nenhum trabalho abordou esta questão.
Como destacado por Belobaba, Odoni e Barnhart (2009), a propensão para se
deslocar para um aeroporto um pouco mais longe depende da natureza do
passageiro. Os late-bookers, representados principalmente pelos passageiros a
negócio, geralmente ficam poucos dias no destino e são inelásticos a preço. Dessa
forma, esses passageiros, no geral, desejam minimizar o tempo de chegada até o
aeroporto. Por outro lado, os early-bookers, representados pelos passageiros a lazer,
cujas viagens geralmente duram mais tempo, são mais dispostos a usar um aeroporto
mais longe para se beneficiarem de um preço melhor. Desse modo, espera-se que a
presença da LCC como uma concorrente adjacente afete de forma diferente os preços
oferecidos para as diferentes antecedências de compra. Essa tendência maior dos
passageiros a lazer para se locomoverem até um aeroporto secundário é uma questão
20
já abordada na literatura (e.g., CHO; WINDLE; DRESNER, 2015) bem como essa
indiferença dos passageiros a negócios com relação a presença de um LCC (e.g.,
LIESHOUT et al., 2016). A inovação deste estudo é analisar se esta tendência se
reflete na estratégia de alteração de preços ao longo do período de reservas
empregada pelas companhias aéreas.
A hipótese desse trabalho deve ser interpretada como uma tentativa de
conectar os resultados de Morrison (2001) e Mantin e Koo (2009). Mantin e Koo (2009)
apontam que as companhias aéreas são menos propensas a alterar os seus preços
destinados aos passageiros a negócio. Por outro lado, os resultados encontrados por
Morrison (2001) reforçam as conclusões de Dresner, Lin e Windle (1996), que
mostram que o bem-estar do consumidor obtido pela presença de uma LCC é maior
do que o previsto por Bennet e Craun (1993), devido a um efeito de transbordamento
dos preços em rotas onde há uma competição adjacente. Assim, o propósito deste
trabalho é investigar se este incremento do bem-estar, de fato ocorre para todos os
segmentos de passageiros, independentemente da antecedência de compra ou se a
insensibilidade dos passageiros a negócio à presença da LCC leva a uma resposta
diferente, de acordo com a data de compra
21
3 Desenvolvimento Empírico
3.1 Aplicação
Neste trabalho foi desenvolvido um modelo econométrico dos fatores influentes
na determinação dos preços das passagens aéreas para o mercado brasileiro. O
principal objetivo deste modelo é analisar como a presença de uma LCC como
concorrente adjacente pode influenciar o perfil temporal de preços empregado pelas
demais companhias aéreas.
Essa pesquisa inclui passagens de voos domésticos, somente de ida, partindo
do Aeroporto de Congonhas (SBSP) e do Aeroporto de Guarulhos (SBGR), ambos
localizados na Grande São Paulo, região metropolitana da cidade de São Paulo. A
competição adjacente em uma determinada rota é considerada com base na presença
ou não da Azul partindo do Aeroporto de Viracopos (SBKP), tendo como mesmo
destino o da rota analisada. A base de dados cobre o período de maio de 2008 a junho
de 2010 e contém voos operados pela TAM e pela Gol.
A empresa Azul Linhas Aéreas Brasileiras S.A., ou simplesmente Azul, é o
último caso de sucesso de novo entrante no mercado brasileiro de companhias aéreas
que operam voos domésticos. A Azul surgiu por iniciativa de David Neeleman, um
empresário americano-brasileiro que fundou outras três companhias aéreas: Morris
Air, Westjet e jetBlue. A primeira foi uma empresa low-cost americana cujas operações
se iniciaram em 1992. Em 1993, a Morris Air foi vendida para a Southwest Airlines. As
outras duas – Westjet, do Canadá, e jetBlue, dos EUA – estão entre as maiores e mais
22
lucrativas companhias aéreas da América do Norte inspiradas pelo modelo “low-cost,
low-fare”.
As operações da Azul se iniciaram em 15 de dezembro de 2008, menos de um
ano após as primeiras especulações sobre o interesse de Neeleman no Brasil terem
surgido na imprensa. No início, a Azul operava voos conectando a cidade de
Campinas (SP) a duas outras cidades: Salvador (BA) e Porto Alegre (RS). A Tabela
3.1 mostra a evolução de alguns números relacionados a operação da Azul no período
estudado neste trabalho.
Tabela 3.1 – Evolução da Azul, 2008-2010
Informação 2008 2009 2010
Localidades servidas 3 14 24
Número de passageiros 10.286 1.777.782 3.672.538
Market share do número de passageiros 0,020% 3,042% 5,118%
Fonte: Agência Nacional de Aviação Civil, Relatório Anual do Transporte Aéreo (2010), disponível em www.anac.gov.br.
Desde o início de suas operações, a Azul adotou como base o Aeroporto de
Viracopos, localizado em Campinas (SP). Viracopos é um aeroporto secundário que
atende a cidade de São Paulo e dista aproximadamente 100 quilômetros de seu
centro. Essa característica de adotar um aeroporto secundário para se estabelecer foi
algo até então sem precedentes na indústria brasileira de transporte aéreo, mas é
comum entre as empresas aéreas de baixo custo nos mercados europeu e dos EUA.
A presença da Azul em Viracopos provocou um forte aumento da demanda, o
que é típico do “Efeito Southwest”. A Tabela 3.2 ilustra essa afirmação com estatísticas
sobre o movimento de passageiros nos três principais aeroportos que atendem a
cidade de São Paulo.
23
Tabela 3.2 – Evolução anual do número de passageiros pagos, 2008-2010
Aeroporto 2008 2009 2010
Total Aumento Total Aumento Total Aumento
Guarulhos 19.905.956 14,00% 21.019.249 5,59% 26.038.608 23,88%
Congonhas 12.947.013 -6,27% 12.960.418 0,10% 15.085.754 16,40%
Viracopos 1.055.662 6,89% 3.076.936 191,47% 4.465.252 45,12%
Fonte: Agência Nacional de Aviação Civil, Relatório Anual do Transporte Aéreo (2010), disponível em www.anac.gov.br.
Os dados cumulativos de 2015 indicam que a Azul aparece hoje como a terceira
maior companhia aérea brasileira, conforme apresentado na Tabela 3.3, que mostra
o market share das três maiores companhias aéreas que operam no mercado
doméstico brasileiro, em termos de RPK5 e de tráfego.
Tabela 3.3 – Market share: Azul, Gol e TAM.
Companhia Aérea Market Share (%)
Número de Passageiros RPK
Azul 21.0 17.0
Gol 36.4 35.9
TAM 32.7 36.7 Fonte: Agência Nacional de Aviação Civil, Relatório de Demanda e Oferta do Transporte Aéreo, disponível em www.anac.gov.br.
Os preços foram coletados a partir do site de um agente de viagens online
(OTA, do inglês, online travel agente) por meio de um electronic spider, uma
automação computadorizada que permite o acesso contínuo a sites e armazenamento
de informações coletadas. O termo adotado, electronic spider, é inspirado na
descrição utilizada em outros trabalhos semelhantes a este (e.g., BACHIS; PIGA,
2011).
5 RPK – revenue passenger-kilometer – é uma métrica de tráfego calculada pelo produto do número de passageiros pagos em uma determinada rota pela distância, em quilômetros, entre o par origem-destino.
24
As OTAs são empresas intermediárias que lidam com passagens aéreas,
reservas de hotéis e outros produtos relacionados a turismo, conectando muitos
fornecedores (companhias aéreas, hotéis, etc.) ao consumidor final. Um agente de
viagens online funciona como um "shopping center virtual" de turismo.
O processo operacional de uma OTA funciona da seguinte maneira: a OTA
recolhe informações sobre as preferências dos clientes e, em seguida, as envia a um
sistema informatizado de reservas (CRS, do inglês, computerized reservation system),
que, por sua vez, fornece dados sobre os produtos relevantes de todas as empresas
ofertantes. Quando o cliente opta por reservar um produto, a OTA processa a reserva
com o CRS e recebe uma comissão da empresa vendedora em troca (CLEMONS;
HANN; HITT, 2002). Adicionalmente, algumas OTAs também ganham cobrando
alguma taxa por seus serviços de reserva.
De acordo com Roma, Zambuto e Perrone (2014), um dos benefícios para os
consumidores na compra por meio de OTAs é a possibilidade de pagar mais barato,
uma vez que muitas dessas empresas negociam diretamente com fornecedores
ofertas especiais, com base em acordos de longo prazo. No entanto, às vezes as
taxas cobradas pelas OTAs aumentam excessivamente o preço final, de modo que os
passageiros sensíveis a preço usam esse tipo de canal só para a pesquisa, e não para
a compra de fato. Além disso, uma característica interessante das OTAs é a
possibilidade de permitir que, em um único lugar, seja feito o acesso a diferentes
produtos, incluindo combinações de produtos de várias empresas, que poderiam não
estar disponíveis quando o consumidor tentasse comprar diretamente do varejista.
O segmento de OTAs teve um recente crescimento significativo na América
Latina. Em 2013, este segmento atingiu uma participação de 14% do mercado total.
25
No Brasil, as viagens geradas por OTAs cresceu 24% em 2014. Assim, o Brasil é
colocado à frente de países como a Argentina (20%) e México (17%). O estudo foi
realizado em seis países da América Latina - Brasil, México, Colômbia, Argentina,
Peru e Chile. Sobre o propósito da viagem, considerando todos os países analisados,
os passageiros a lazer são responsáveis por 82% da compra pelo canal online, contra
76% das agências offline6.
A OTA utilizada como fonte de dados neste trabalho foi o Submarino Viagens,
uma agência de viagens online brasileira de propriedade da B2W Digital Group, líder
no varejo eletrônico no Brasil e na América Latina. As operações da B2W Digital Group
tiveram início em 2006, com a fusão do Submarino.com e do Americanas.com, dois
players importantes no contexto do mercado de comércio virtual brasileiro. Hoje em
dia, a B2W Digital tem uma carteira com várias marcas, que oferecem mais de 40
categorias de produtos e serviços através dos canais de internet, televendas,
catálogos e TV. Uma das subsidiárias da B2W é B2W Viagens, que controla, além
Submarino Viagens, outras duas OTAs brasileiras: Americanas Viagens e Shoptime
Viagens.
Recentemente, o grupo B2W Viagens foi adquirido pela CVC, um importante
player no mercado de turismo brasileiro. Segundo o CEO da CVC, a aquisição teve
como objetivo reforçar a presença da empresa no canal online. Assim, espera-se que
a receita obtida com vendas online triplique, dos atuais 5% para 15% do lucro total da
CVC. Além disso, aproximadamente 65% dos bilhetes vendidos pela Submarino
Viagens são direcionados para segmento de negócio. Como o ponto forte da CVC é
6 AMADEUS. “Um olhar profundo sobre o mercado das Agências de Viagens Online (OTA) na América Latina” – disponível em www.amadeus.com.
26
o mercado de turismo, a aquisição também vem como uma forma de atrair novos
mercados. Outra mudança importante foi a contratação do ex-gerente geral da
Decolar.com, líder do mercado brasileiro de OTAs, para a posição de CEO da
Submarino Viagens, com o objetivo de fortalecer ainda mais a empresa.
O Submarino Viagens oferece uma estrutura de reservas online, onde o
viajante pode escolher e reservar hotéis no Brasil e em todo o mundo, comprar bilhetes
de voos domésticos ou internacionais, pacotes turísticos, atrações e serviços de
transporte. A carteira do Submarino Viagens inclui hoje mais de 750 companhias
aéreas, 200 mil hotéis em todo o mundo, cerca de 150 destinos, domésticos e
internacionais, serviços de transporte e 4.000 atrações.
3.2 Dados
A base de dados utilizada neste trabalho consiste de um painel de dados com
cerca de 100 mil observações. No painel de dados utilizado, cada indivíduo representa
um certo voo. É importante se elucidar que, o termo “voo”, no contexto deste trabalho,
indica uma determinada rota (par direcional de aeroportos), operada por uma
companhia aérea específica, em uma determinada data de partida. No total, os dados
incluem 43 diferentes rotas e 753 diferentes datas de partida, sendo a mais recente
12 de junho de 2010 e a mais antiga 10 de maio de 2008. O painel inclui 38.628
diferentes indivíduos. O componente tempo do painel, por sua vez, é dado pela
antecedência de compra. Foram pesquisados preços considerando uma antecedência
de 60, 45, 30, 10, 7, 5, 3 e 1 dias, valores esses referidos, doravante, como bookdays.
27
Uma característica importante do banco de dados utilizado é o fato de serem
considerados apenas voos sem conexão. Além disso, todos os bilhetes comprados
pelo Submarino Viagens possuem as mesmas políticas de cancelamento e reembolso
e em viagens domésticas, não há diferenciação de classes de bilhetes. Assim, as
características específicas de bilhetes foram excluídas da análise, permitindo que o
efeito da DIP pudesse ser devidamente isolado.
3.3 Modelo Empírico
A Equação (1) apresenta o modelo empírico de discriminação intertemporal de
preços para o mercado doméstico de transporte aéreo brasileiro:
𝒍𝒏 𝒑𝒓𝒊𝒄𝒆𝒊𝒓𝒅𝒕 = 𝜷𝟏 𝒍𝒏 𝒇𝒖𝒆𝒍 𝒄𝒐𝒔𝒕𝒊𝒓𝒅𝒎+ 𝜷𝟐 𝒍𝒏 𝒇𝒓𝒆𝒒 𝒔𝒉𝒂𝒓𝒆𝒊𝒓𝒕
+ 𝜷𝟑 𝒍𝒏 𝒇𝒓𝒆𝒒 𝑯𝑯𝑰𝒓𝒕 + ∑ 𝜽𝒕𝟙{𝒃𝒐𝒐𝒌𝒊𝒏𝒈 𝒅𝒂𝒚 𝒕}
𝒕
+ ∑ 𝜽𝒕𝒍𝒄𝒄𝟙{𝒃𝒐𝒐𝒌𝒊𝒏𝒈 𝒅𝒂𝒚 𝒕}
𝒕
𝒍𝒄𝒄 𝒑𝒓𝒆𝒔𝒓
+ 𝜹𝟏𝒒𝒖𝒐𝒕 𝒉𝒐𝒍𝒊𝒅𝒂𝒚𝒅𝒕
+ 𝜹𝟐𝒅𝒆𝒑𝒕 𝒉𝒐𝒍𝒊𝒅𝒂𝒚 𝒆𝒗𝒆𝒅 + 𝜹𝟑𝒅𝒆𝒑𝒕 𝒉𝒐𝒍𝒊𝒅𝒂𝒚𝒅
+ 𝜸𝒓 + 𝜸𝒅𝒎+ 𝜸𝒕𝒎
+ 𝜸 𝒅𝒘+ 𝜸𝒕𝒘
+ 𝜸𝒂,𝒉 + 𝒖𝒊𝒓𝒅𝒕
(1)
onde 𝑖 é a companhia áerea incumbente, 𝑟 é a rota, 𝑑 é a data de partida e 𝑡 representa
a antecedência de compra, 𝑡 ∈ {1,3,5,7,10,30,45,60}. As variáveis 𝑑𝑚 e 𝑑𝑤
representam, respectivamente, o mês e o dia da semana relativos a data da viagem.
28
Analogamente, 𝑡𝑚 e 𝑡𝑤 representam, respectivamente, o mês e o dia da semana
relativos ao dia em que foi feita a pesquisa de preço. Além disso:
𝑝𝑟𝑖𝑐𝑒𝑖𝑟𝑑𝑡 é o preço mais baixo ofertado no agente de viagens online pela
companhia aérea 𝑖 na rota 𝑟, data de partida 𝑑 e com antecedêncida de compra
𝑡;
𝑓𝑢𝑒𝑙 𝑐𝑜𝑠𝑡𝑖𝑟𝑑𝑚 é uma proxy para os custos de combustível incorridos pelas
companhias aéreas em uma determinada rota. Seu valor é calculado pela média
do custo unitário de combustível por quilômetro de todas as 𝑖’s companhias
aéreas com voos na rota 𝑟 com partida marcada para o mês 𝑑𝑚. Para a obtenção
dessa variável, foi utilizado um relatório mensal de custos operacionais
desagregados por tipo de aeronave e por companhia aérea fornecido pela
Agência Nacional de Aviação Civil (ANAC). Também foi utilizada uma base de
dados disponível publicamente online chamada Voo Regular Ativo (VRA),
também fornecida pela mesma agência, da qual foram extraídas informações
específicas de cada companhia acerca do tipo de aeronave utilizado em cada
rota da amostra. Assim, computou-se a média ponderada dos custos de
combustíveis, com os pesos sendo o número de voos da aeronave usada por
cada companhia na rota;
𝑓𝑟𝑒𝑞 𝑠ℎ𝑎𝑟𝑒𝑖𝑟𝑑 é o percentual de voos diários da companhia aérea 𝑖 na rota 𝑟 com
data de partida 𝑑. Essa variável foi obtida com base na publicação da Agência
Nacional de Aviação Civil denominada Voo Regular Ativo (VRA);
29
𝑓𝑟𝑒𝑞 𝐻𝐻𝐼𝑟𝑡 é o índice Herfindahl-Hirschman de concentração de voos, calculado
com base nos valores de 𝑓𝑟𝑒𝑞 𝑠ℎ𝑎𝑟𝑒𝑖𝑟𝑑. Essa variável também foi obtida com
base no VRA;
𝟙{𝑏𝑜𝑜𝑘𝑑𝑎𝑦 𝑡} é um conjunto de variáveis binárias que indicam a antecedência de
compra 𝑡 e, portanto, controlam a evolução intertemporal de preços. Os
coeficientes associados a essas variáveis são 𝜃𝑡 , 𝑡 = {1,3,5,7,10,30,45,60};
𝑙𝑐𝑐 𝑝𝑟𝑒𝑠𝑟 é uma variável binária que indica que a companhia incumbente na rota
𝑟 partindo de um aeroporto primário sofre concorrência adjacente da LCC
estabelecida no aeroporto secundário. Na Equação (1), essa variável aparece
interagida com o conjunto de variáveis binárias expresso por 𝟙{𝑏𝑜𝑜𝑘𝑖𝑛𝑔 𝑑𝑎𝑦 𝑡}, de
modo a identificar os efeitos específicos da competição adjacente com a LCC
dia a dia. Os testes empíricos associados aos coeficientes dessa interação (𝜃𝑡𝑙𝑐𝑐)
constituem o principal passo metodológico deste trabalho;
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑞𝑢𝑜𝑡 é uma variável binária que indica que a data que a pesquisa de
preços foi feita, i.e., 𝑡 dias antes da data de partida 𝑑, é um feriado;
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 𝑒𝑣𝑒𝑑 é uma variável binária que indica que a véspera da data da
viagem é um feriado;
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡𝑑 é uma variável binária que indica que a data da viagem é um
feriado;
𝛾𝑟 são os efeitos fixos de rota; 𝛾𝑑𝑚 e 𝛾𝑡𝑚
são os efeitos específicos do mês da
viagem e do mês em que o preço foi pesquisado; 𝛾𝑑𝑤 e 𝛾𝑡𝑤
são os efeitos
específicos do dia da semana da viagem e do dia da semana em que o preço foi
30
pesquisado; 𝛾𝑎,ℎ são os efeitos específicos da hora para cada aeroporto 𝑎; 𝛽1,
𝛽2, 𝛽3, 𝜃𝑡 , 𝜃𝑡𝑙𝑐𝑐 , 𝛿1, 𝛿2, 𝛿2 são os parâmetros desconhecidos a serem estimados e
𝑢𝑖𝑟𝑑𝑡 é o termo de erro.
Desse ponto em diante, os índices 𝑖, 𝑟, 𝑑, 𝑡, 𝑑𝑚, 𝑑𝑤, 𝑡𝑚 e 𝑡𝑤 são omitidos por
concisão de notação. A
Tabela 3.4 apresenta algumas estatísticas descritivas dos valores da amostra.
Tabela 3.4 – Estatísticas descritivas.
Variável Unidade Média Desv. Padrão Mín. Máx.
𝒇𝒖𝒆𝒍 𝒑𝒓𝒊𝒄𝒆 Reais* 2.5536 0.3880 1.6556 4.1943
𝒇𝒓𝒆𝒒 𝒔𝒉𝒂𝒓𝒆 proporção -0.8031 0.3191 -2.1972 -0.1542
𝒇𝒓𝒆𝒒 𝒉𝒉𝒊 proporção -0.7393 0.1881 -1.3226 -0.2809
𝒉𝒐𝒍𝒊𝒅𝒂𝒚 𝒒𝒖𝒐𝒕 dummy 0.0657 0.2477 0.0000 1.0000
𝒉𝒐𝒍𝒊𝒅𝒂𝒚 𝒅𝒆𝒑𝒕 dummy 0.0637 0.2441 0.0000 1.0000
𝒉𝒐𝒍𝒊𝒅𝒂𝒚 𝒅𝒆𝒑𝒕 𝒆𝒗𝒆 dummy 0.0310 0.1734 0.0000 1.0000 *Valores ajustados à inflação
Na Tabela 3.5 é a apresentada a evolução ao longo do período de reservas do
mínimo preço ofertado online. Os valores da Tabela 3.5 são desagregados em dois
conjuntos: rotas nas quais 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 = 1, indicando a presença da LCC como
competidor adjacente e 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 = 0, caso contrário. Primeiramente, pode-se inferir
que a presença da LCC provoca uma queda da média das menores tarifas ofertadas.
Apesar disso, esse comportamente não é notado para todas as diferentes
antecedências de compra. De acordo com a Tabela 3.5, apenas aqueles passageiros
que compram suas passagens de maneira antecipada se beneficiam da presença da
LCC. Os demais não apenas não pagam menos, mas de fato parecem pagar um valor
maior do que nas situações de ausência da LCC.
31
Tabela 3.5 – Análise descritiva das tarifas.
Antecedência de Compra
𝒑𝒓𝒊𝒄𝒆
LCC Ausente LCC Presente
60 516,32 509,79 45 463,06 444,91 30 427,73 413,98 10 551,69 575,49 7 542,57 572,38 5 491,34 538,05 3 482,10 534,43 1 482,09 542,27
Média 469,34 537,36 Nota: valores em Reais, ajustados a inflação
Alternativamente, foi proposto um segundo modelo, o qual indica a
antecedência de compra por meio de uma variável contínua, ao invés de variáveis
binárias. O propósito por trás deste procedimento é verificar a robustez da
especificação adotada. A Equação (2) apresenta este modelo alternativo:
𝒍𝒏 𝒑𝒓𝒊𝒄𝒆𝒊𝒓𝒅𝒕 = 𝜷𝟏 𝒍𝒏 𝒇𝒖𝒆𝒍 𝒄𝒐𝒔𝒕𝒊𝒓𝒅𝒎+ 𝜷𝟐 𝒍𝒏 𝒇𝒓𝒆𝒒 𝒔𝒉𝒂𝒓𝒆𝒊𝒓𝒕
+ 𝜷𝟑 𝒍𝒏 𝒇𝒓𝒆𝒒 𝑯𝑯𝑰𝒓𝒕 + 𝜷𝟒𝒃𝒐𝒐𝒌𝒅𝒂𝒚𝒅𝒕
+ 𝜷𝟓𝒃𝒐𝒐𝒌𝒅𝒂𝒚𝟐𝒅𝒕 + 𝜷𝟔𝒃𝒐𝒐𝒌𝒅𝒂𝒚𝒅𝒕𝒍𝒄𝒄 𝒑𝒓𝒆𝒔𝒓
+ 𝜷𝟕𝒃𝒐𝒐𝒌𝒅𝒂𝒚𝟐𝒅𝒕𝒍𝒄𝒄 𝒑𝒓𝒆𝒔𝒓
+ 𝜹𝟏𝒒𝒖𝒐𝒕 𝒉𝒐𝒍𝒊𝒅𝒂𝒚𝒅𝒕
+ 𝜹𝟐𝒅𝒆𝒑𝒕 𝒉𝒐𝒍𝒊𝒅𝒂𝒚 𝒆𝒗𝒆𝒅 + 𝜹𝟑𝒅𝒆𝒑𝒕 𝒉𝒐𝒍𝒊𝒅𝒂𝒚𝒅
+ 𝜹𝟒𝒍𝒄𝒄 𝒑𝒓𝒆𝒔𝒓 + 𝜸𝒓 + 𝜸𝒅𝒎+ 𝜸𝒕𝒎
+ 𝜸 𝒅𝒘+ 𝜸𝒕𝒘
+ 𝜸𝒂,𝒉 + 𝒖𝒊𝒓𝒅𝒕 (2)
onde:
32
𝑏𝑜𝑜𝑘𝑑𝑎𝑦𝑑𝑡 é uma variável que assume o valor 𝑡 e indica que a compra foi feita
com 𝑡 dias antes de 𝑑. A variável 𝑏𝑜𝑜𝑘𝑑𝑎𝑦𝑑𝑡 aparece interagida com 𝒍𝒄𝒄 𝒑𝒓𝒆𝒔𝒓
de modo a captar a interferência da presença da LCC como concorrente
adjacente na DIP;
𝑏𝑜𝑜𝑘𝑑𝑎𝑦2𝑑𝑡 é uma variável que assume o valor de 𝑏𝑜𝑜𝑘𝑑𝑎𝑦𝑑𝑡 elevado ao
quadrado, com intuito de captar uma possível não-linearidade do efeito da
antecedência de compra. Assim como no caso anterior, a variável 𝑏𝑜𝑜𝑘𝑑𝑎𝑦2𝑑𝑡
aparece interagida com 𝒍𝒄𝒄 𝒑𝒓𝒆𝒔𝒓 de modo a captar a interferência da presença
da LCC como concorrente adjacente na DIP.
As demais variáveis da Equação (2) seguem a mesma definição descrita para
a Equação (1).
3.4 Estratégia de Estimação
3.4.1 Multicolinearidade, heteroscedasticidade e autocorrelação
A multicolinearidade, apesar de não provocar viés na magnitude dos resultados
obtidos para a estimação dos regressores, pode inflar suas variâncias. Assim, as
estatísticas reportadas do teste t de Student não serão confiáveis (artificialmente
baixas), o que pode levar a resultados falso-negativos. Com o intuito de evitar esse
problema, foi efetuada uma análise do VIF – Variance Inflation Factor. Nesse
procedimento, as variáveis de efeitos fixos e efeitos específicos
(𝛾𝑟 , 𝛾𝑑𝑚, 𝛾𝑡𝑚
, 𝛾 𝑑𝑤, 𝛾𝑡𝑤
, 𝛾𝑎,ℎ) não foram consideradas. Adotou-se esse procedimento,
pois, de acordo com Voss (2005), os resultados da análise VIF desses elementos
33
podem ser omitidos sem prejudicar os resultados, uma vez que o propósito dessas
variáveis é meramente evitar um viés que poderia ocorrer pela desconsideração de
algum fator não-observável. Assim, como os coeficientes das variáveis de controle,
bem como suas variâncias, não são relevantes para as conclusões, a análise VIF
também não é. A Tabela 3.6 reporta os resultados da análise do VIF.
Tabela 3.6 – Análise do VIF.
(1) (2) (3) (4)
ln 𝑓𝑢𝑒𝑙 𝑝𝑟𝑖𝑐𝑒 6,93 6,90 4,61 4,59 ln 𝑓𝑟𝑒𝑞 𝑠ℎ𝑎𝑟𝑒 33,37 33,16 ln 𝑓𝑟𝑒𝑞 ℎℎ𝑖 19,27 19,19 11,15 11,09
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑞𝑢𝑜𝑡 1,13 1,13 1,13 1,13 ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 1,09 1,09 1,09 1,09
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 𝑒𝑣𝑒 1,06 1,06 1,06 1,06 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 7,15 6,91
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 38,02 37,98 𝑏𝑜𝑜𝑘𝑑𝑎𝑦2 38,01 38,00
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 70,89 70,88 𝑏𝑜𝑜𝑘𝑑𝑎𝑦2 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 1 2,67 2,62 𝑏𝑜𝑜𝑘𝑑𝑎𝑦 3 2,24 2,23
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 5 2,23 2,22 𝑏𝑜𝑜𝑘𝑑𝑎𝑦 7 3,51 3,51 𝑏𝑜𝑜𝑘𝑑𝑎𝑦 10 3,47 3,46 𝑏𝑜𝑜𝑘𝑑𝑎𝑦 30 3,30 3,29 𝑏𝑜𝑜𝑘𝑑𝑎𝑦 45 3,24 3,23
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 60 𝑏𝑜𝑜𝑘𝑑𝑎𝑦 1 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 1,76 1,74
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 3 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 1,57 1,55 𝑏𝑜𝑜𝑘𝑑𝑎𝑦 5 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 1,58 1,56
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 7 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 2,07 2,03 𝑏𝑜𝑜𝑘𝑑𝑎𝑦 10 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 2,08 2,02
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 30 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 2,14 2,09 𝑏𝑜𝑜𝑘𝑑𝑎𝑦 45 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 2,21 2,17
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 60 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 2,33 2,28
Média 4,73 21,66 2,75 19,19
Na Tabela 3.6, observa-se que a média obtida é maior que 1 e algumas
variáveis apresentam VIF maior que 10, o que indica a possibilidade de problemas
causados por multicolinearidade e, portanto, os resultados do teste t devem ser
34
interpretados com cuidado. Convém destacar, contudo, que algumas dessas variáveis
são variáveis de interação, o que significar que a alta correlação já era esperada.
Também foram efetuados testes para detecção de heteroscedasticidade e de
autocorrelação nos resíduos. Para a heteroscedasticidade, foram implementados três
diferentes testes: Pagan-Hall, White/Koenker e Breusch-Pagan/Godfrey/Cook-
Weisberg, usando diferentes especificações. Todos os testes rejeitaram a hipótese
nula (erros homoscedásticos) para todos os modelos.
A autocorrelação, por sua vez, foi testada pela implementação do teste de
Cumby-Huizinga (o qual já considera ocorrência de heteroscedasticidade e
endogenia7). O teste sugeriu a presença de autocorrelação em todos os modelos.
Assim, foram usados estimadores consistentes com autocorrelação e
heteroscedasticidade (HAC), aplicando o método descrito por Newey e West (1987).
3.4.2 Endogenia e Variáveis Instrumentais
Um assunto central na literatura prévia que trata de modelos econométricos de
precificação é a possibilidade de determinação simultânea entre preço e as variáveis
de estrutura de mercado (e.g., BERGANTINO; CAPOZZA, 2015; BORENSTEIN,
1989; GAGGERO; PIGA, 2010). Nessa situação, as variáveis não satisfazem a
hipótese de média condicional nula e a estimação com o método dos mínimos
quadrados ordinário (OLS, do inglês, ordinary least square) geraria resultados
enviesados. Assim, é mandatório o uso de variáveis instrumentais (também chamadas
simplesmente de instrumentos). Uma variável instrumental adequada deve ser não
7 A questão da endogenia é abordada na subseção 3.4.2.
35
correlacionado com o termo de erro e não pode ter efeito parcial no regressando, além
de ser altamente correlacionado com a variável explicativa endógena a ser tratada
(WOOLDRIDGE, 2013).
Nos modelos construídos nesse trabalho, a determinação simultânea é
facilmente perceptível. Com indicado por Alderighi et al. (2012), a decisão de uma
companhia aérea de entrar ou não em uma determinada rota é influenciada pelo nível
de preços oferecido no mercado. No que diz respeito a presença da LCC, por outro
lado, contrariamente à postura adotada por Alderighi et al. (2012), não foi assumida
endogeneidade, o que se alinha com as pesquisas de Bergantino e Capozza (2015) e
Bachis e Piga (2007). No caso particular abordado neste trabalho, essa suposição é
sustentada por algumas características dos primeiros anos de operação da Azul, além
de algumas peculiaridades do mercado de transporte aéreo brasileiro. Em primeiro
lugar, nesse período, conforme exposto por Bettini e Oliveira (2010), barreiras de
entrada impediram que a Azul entrasse em diversas rotas e aeroportos. Além disso,
ainda de acordo com os mesmos autores, a estratégia que a Azul empregava para
expandir sua rede era essencialmente a escolha de pares de cidade que ainda não
eram diretamente conectadas por outras empresas aéreas, mostrando que o nível de
preços do mercado não era um fator relevante para a escolha da Azul em entrar ou
não em determinada rota.
Neste trabalho foi utilizado um grupo de variáveis instrumentais conhecido
como “instrumentos BLP”, assim nomeado em homenagem a seus idealizadores
Berre, Levinsohn e Pakes (1995). O uso desses instrumentos supões um mercado
com produtos diferenciados e características predeterminadas. Nesse caso, é
possível o uso de características dos produtos das rivais (i.e., produtos substitutos)
36
como instrumentos. De acordo com Berry et al. (1995), isso é possível porque as
margens de lucro (mark-ups) estabelecidas por uma dada firma vai interferir
diferentemente os produtos da própria firma e os produtos das rivais. Considerando
isso, foram empregados como instrumentos o número de assentos e de voos
oferecidos pela rival em uma determinada rota8.
Com o objetivo de analisar a qualidade da estratégia de identificação adotada,
foram empregos testes de relevância e de validade dos instrumentos. Primeiramente,
foram aplicados testes J de Hansen para testar a validade do conjunto de instrumentos
em relação a condições de sobreidentificação. Nesse teste, a rejeição da hipótese
nula implica que os instrumentos não estão satisfazendo a condição de
ortogonalidade, i.e., que os mesmos não são não-correlacionados com o termo de
erro. Para os modelos (1), (2), (3) e (4), os valores do teste J de Hansen não rejeitaram
a ortogonalidade, com respectivamente, estatísticas qui-quadrado de 0,4698 (p-valor
de 0,4931), 1,4485 (p-valor de 0,2280), 2,5610 (p-valor de 0,2779) e 2,3428 (p-valor
de 0,3099)9.
Subsequentemente, a relevância do conjunto de instrumentos proposto (i.e., a
veracidade da correlação entre os instrumentos e as variáveis explicativas
endógenas) foi testado por meio de teste de subidentificação. O teste de
subidentificação é um teste LM que verifica se os instrumentos são relevantes. O teste
emprega estatísticas KP (Kleibergen-Paap rk LM). Para todos os modelos, o teste
8 Em outras palavras, foi usada o número de assentos e de voos oferecidos pela Gol como variável instrumental quando a tarifa analisada era oferecida pela TAM e vice-versa.
9 Nota-se que o teste J de Hansen tem uma hipótese nula não-conservativa, uma vez que grande
parte da literatura destaca que é difícil encontrar instrumentos ortogonais. Assim, para aumentar o poder do teste e evitar aceitação de um falso negativo, foi adotado um nível significância alto, de 20%
37
rejeito a hipótese nula de subidentificação para um nível de significância de 10%. Por
fim, também foram efetuados testes para avaliar uma eventual identificação fraca dos
instrumentos. Foram consideradas duas estatísticas, Weak CD (estatística Cragg–
Donald Wald F) e Weak KP (estatística Kleibergen–Paap rk Wald F) e, em ambos os
casos, a hipótese de identificação fraca foi rejeitada. Os resultados dos testes são
reportados na Tabela 4.1.
3.4.3 Estimadores
Neste trabalho foi empregado o método generalizado dos momentos (GMM, do
inglês, generalized method of moments), com o próposito de endereçar corretamente
as questões relacionadas a heteroscedasticidade, autocorrelação e endogeneidade.
Mais especificamente, foi usado o método generalizados dos momentos em dois
estágios (2SGMM) com estimadores robustos a heteroscedasticidade e
autocorrelação.
38
4 Resultados
A Tabela 4.1 apresenta os resultados da estimação para os modelos empíricos
propostos para as rotas domésticas do mercado brasileiro.
Tabela 4.1 – Resultados de estimação dos regressores.
(1) (2) (3) (4)
ln 𝑓𝑢𝑒𝑙 𝑝𝑟𝑖𝑐𝑒 0,1039*** 0,0956*** 0,0962*** 0,0904***
ln 𝑓𝑟𝑒𝑞 𝑠ℎ𝑎𝑟𝑒 -0,0395 -0,0264
ln 𝑓𝑟𝑒𝑞 ℎℎ𝑖 0,6114*** 0,6482*** 0,6479*** 0,6728***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑞𝑢𝑜𝑡 -0,0140*** -0,0112** -0,0137*** -0,0110**
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 -0,0378*** -0,0359*** -0,0379*** -0,0360***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 𝑒𝑣𝑒 0,0638*** 0,0603*** 0,0641*** 0,0605***
𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,1104*** 0,1118***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 -0,0095*** -0,0095***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦2 0,0001*** 0,0001***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,0125*** -0,0125***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦2 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,0001*** 0,0001***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 1 0,3090*** 0,3068***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 3 0,1788*** 0,1783***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 5 0,1091*** 0,1086***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 7 0,0895*** 0,0891***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 10 0,0721*** 0,0716***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 30 -0,0089* -0,0093*
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 45 -0,0134*** -0,0137***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 60
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 1 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,1890*** 0,1916***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 3 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,2567*** 0,2590***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 5 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,2181*** 0,2208***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 7 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,0437*** -0,0421***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 10 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,0480*** -0,0461***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 30 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,1380*** -0,1363***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 45 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,1457*** -0,1440***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 60 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,1479*** -0,1461***
R-quadrado ajustado 0,5567 0,5433 0,5539 0,5414 Estatística F 642,197 644,399 640,846 645,139 Estatíscia KP 4,1e+03 4,1e+03 6,9e+03 7,0e+03 Teste KP, p-valor 0,0000 0,0000 0,0000 0,0000 Estatística J 0,4698 1,4485 2,5610 2,3428 Teste J, p-valor 0,4931 0,2288 0,2779 0,3099 Weak CD 1,7e+03 1,7e+03 5,6e+03 5,6e+03 Weak KP 764,8494 768,0067 1,3e+03 1,3e+03 Observações 91561 91561 91561 91561
Notas: coeficientes estimados pelo método 2SGMM; estatísticas robustos e eficientes em relação a heteroscedasticidade; variáveis de controle omitidas; Representações de p-valor: ***p<0.01, ** p<0.05, * p<0.10.
39
Na primeira coluna são mostrados os resultados para o modelo (1), que utiliza
variáveis binárias para identificar a antecedência de compra. Na segunda coluna, são
mostradas as estimativas para o modelo (2), que usa a variável continua 𝑏𝑜𝑜𝑘𝑑𝑎𝑦 a
seus termos correlatos para capturar o efeito da discriminação intertemporal de
preços. As colunas (3) e (4) apresentam os mesmos modelos, respectivamente, das
colunas (1) e (2), mas excluindo a variável 𝑓𝑟𝑒𝑞 𝑠ℎ𝑎𝑟𝑒. A razão para a exclusão reside
no é que, como apontado por Roma, Zambuto e Perrone (2014), o número de voos é
usado para calcular tanto o HHI quanto o 𝑓𝑟𝑒𝑞 𝑠ℎ𝑎𝑟𝑒. Assim, essas variáveis acabam
sendo altamente correlacionadas. De fato, um alto valor de VIF foi encontrado em
ambos os modelos com a variável 𝑓𝑟𝑒𝑞 𝑠ℎ𝑎𝑟𝑒, indicando multicolinearidade.
Além disso, a literatura prévia encontra resultados contraditórios em relação a
essa variável. Evan e Kessides (1993), por exemplo, encontraram que o preço não
está correlacionado com o market share, o que é oposto aos resultados recentes de
Gaggero e Piga (2010) e Bergantino e Capozza (2015). Gaggero e Piga (2010)
encontraram uma relação negativa entre o preço das passagens aéreas e o market
share em nível de rota, mas uma relação positiva quando o market share é tratada é
nível de par de cidades. Os autores apontam que, no primeiro caso, o comportamento
observado não era esperado, e o atribuem a uma má performance dos instrumentos.
Por outro lado, Bergantino e Capozza (2015) encontram um relação positiva usando
um modelo similar. Em ambos os trabalhos o market share é calculado com base no
número de voos, analogamente ao que é feito nesta pesquisa. Todos esses achados
nos permitem concluir que o papel do market share na dinâmica de preços ofertados
online ainda não está claro na literatura, o que é confirmado pela falta de significância
estatística atribuída a essa variável, como poder ser visto na Tabela 4.1.
40
Outra conclusão que emerge da Tabela 4.1 é a relação positiva e
estatisticamente significante entre o preço das passagens aéreas e os custos de
combustível, o que é esperado. Uma vez que a regressão, em termos de 𝑓𝑢𝑒𝑙 𝑐𝑜𝑠𝑡 é
do tipo “log-log”, o coeficiente obtido fornece diretamente o valor da elasticidade-preço
dos custos de combustível. Assim, espera-se que um aumento de 10% nos gastos
com combustível acarrete um aumento de 1% no preço das passagens. Essa relação
menos que proporcional indica que as companhias tendem a parcialmente internalizar
um eventual aumento no preço do combustível, o que também foi apontado por
Alderighi, Gaggero e Piga (2015).
O efeito da concentração de mercado é positivo e significante, como observado
por Borenstein (1989), indicando que os preços são maiores em mercados
monopolísticos, ceteris paribus. Os resultados apontam que um aumento de 10% na
concentração de mercado implica em um aumento de 6% nas tarifas.
A variável 𝑞𝑢𝑜𝑡 ℎ𝑜𝑙𝑖𝑑𝑎𝑦 tem um impacto negativo e significativo sobre os
preços, o que confirma a hipótese de que as companhias aéreas aplicam
segmentação de clientes com base no dia da compra (MANTIN; KOO, 2010; PULLER;
TAYLOR, 2012). As empresas aéreas oferecem tarifas mais baratas durante o feriado
assumindo que passageiros a lazer, mais elásticos a preço, fazem suas pesquisas de
preço durante seu tempo livre. Por outro lado, os passageiros a negócio, que tendem
a ser menos sensíveis a preços, planejam suas viagens durante a hora de trabalho,
uma vez que é uma parte de suas tarefas. Cientes disso, as companhias aéreas
definem preços mais altos fora dos feriados. No que diz respeito da data de partida,
nota-se o impacto de choques de demandas nos preços. Uma vez que feriados são,
em geral, curtos períodos, espera-se que os passageiros a lazer tendem a viajar na
41
véspera, de modo que o pico da demanda é observado nesse dia e as companhias
aéreas aumentam seus preços. Em contraste, no próprio feriado há encolhimento da
demanda, porque a maioria dos passageiros a lazer optaram por viajar no dia anterior,
e o passageiros a negócio, usualmente, não terá compromissos nesses dias. Assim,
as companhias aéreas reduzem os preços.
As outras variáveis ainda não mencionados refletem o impacto da presença da
LCC como concorrente adjacente na discriminação intertemporal de preços e,
portanto, representam o principal objetivo desta pesquisa. Essas variáveis devem ser
interpretadas em conjunto. A Figura 4.1 contribui para esta interpretação, exibindo a
evolução das tarifas ao longo do período de reservas, considerando os modelos (3) e
(4).
Figura 4.1 – Evolução dos preços ao longo do período de reservas.
42
Não foram encontradas evidências de curva-J. Os gráficos da Figura 4.1
indicam um aumento monotônico de preços durante os 60 dias antes do voo. Os
gráficos da Figura 4.1 foram construídos usando os modelos econométricos (3) e (4),
os resultados apresentados na Tabela 4 e os valores de 𝑏𝑜𝑜𝑘𝑑𝑎𝑦 (60,45,30,10,7,5,3
e 1). Para as demais variáveis foi estabelecido um valor constante arbitrário. Deve-se
reforçar que este valor, uma vez que é mantido constante para todos os valores de
𝑏𝑜𝑜𝑘𝑑𝑎𝑦, não interfere no formato da DIP, mas apenas sobre a magnitude de preços.
Dado que o propósito é se discutir a maneira com que os preços flutuam, mas não os
preços propriamente ditos, esta estratégia é totalmente adequada.
Os dois gráficos, apesar das diferenças na forma, indicam o mesmo padrão, o
que confere robustez aos resultados. Por esta razão, as discussões expostas se
aplicam a ambos. A primeira conclusão que pode-se obter a partir da Figura 4.1 é que,
na maior parte do tempo, a competição adjacente com uma LCC faz com que as
companhias aéreas estabelecidas em aeroportos primários reduzam seus preços.
Este resultado está de acordo com as conclusões de Morrison (2001). De acordo com
o autor, não só a concorrência real (ou seja, a concorrência na rota), mas também a
concorrência adjacente provoca o "Efeito Southwest" descrito por Bennet e Craun
(1993), representado pela diminuição significativa das tarifas, bem como um forte
aumento da demanda.
Tendo em vista todo o período de 60 dias, nota-se que, quando há uma LCC
em uma rota adjacente, o aumento típico nos últimos dias antes da partida é mais
acentuado. A fim de melhor compreender este resultado, alguns fatos devem ser
explicados. Primeiramente, deve-se assumir que passageiros a negócio tendem a
planejar suas viagens com menos antecedência que os passageiros que viajam a
43
lazer (TALLURI; VAN RYZIN, 2004). Além disso, as viagens dos passageiros a
negócio, em geral, não podem ser adiadas, de modo que esses são mais inelásticos
a preço comparativamente aos passageiros a lazer (ALDERIGHI; NICOLINI; PIGA,
2016). Considerando isso, a discriminação intertemporal de preços pode ser vista,
como uma estratégia utilizada pelas companhias aéreas para segmentar os seus
clientes em relação a sua disponibilidade de pagar. Os late-bookers (ou seja, as
pessoas que compram as suas passagens nos últimos dias antes da partida) são mais
inelásticos a preço e, portanto, os preços oferecidos a este segmento são susceptíveis
de serem consideravelmente mais elevados (BERGANTINO; CAPOZZA, 2015;
GAGGERO, 2010). Em suma, os preços dos últimos dia antes da partida são
ajustados considerando o passageiro mais inelástico. Assim, neste período, as
companhias aéreas nos aeroportos principais não se sentem ameaçadas pela
presença de uma LCC em um aeroporto secundário, uma vez que os passageiros
inelásticos não vão estar dispostos a irem para outra cidade apenas para usufruírem
de um preço menor..
Além disso, os preços oferecidos para os late-bookers quando uma LCC está
presente não só não são inferiores, mas, de fato, são mais elevados. Este fato indica
a ocorrência de algum tipo de subsídio cruzado realizado pelas companhias aéreas
entre os diferentes segmentos de passageiros (early-bookers e late-bookers). Este
subsídio cruzado é a prática de cobrar mais caro de passageiros de preços inelásticos
a preço como forma de compensar os menores preços oferecidos a passageiros
sensíveis a preço. De acordo com Holloway (2008, p. 251), as companhias aéreas
devem adotar subsídios cruzados a fim de compensarem uma redução de preço
ocorrida em resposta a um novo entrante. A estratégia de aplicação de subsídio
44
cruzado está intimamente relacionada com o chamado "preço Ramsey". O preço
Ramsey é um esquema de precificação segundo o qual, nos mercados em que as
empresas são capazes de discriminar os seus clientes de acordo com a elasticidade,
é economicamente mais eficiente a fixação de preços mais elevados para os
passageiros mais elásticos a preço (MARTIN-CEJAS, 1997; SHEPHERD, 1992).
Desse modo, é possível minimizar as distorções de bem-estar entre os clientes
cobrando um valor maior sobre os mais dispostos a pagar (BEN-YOSEF, 2005, p.
224).
Considerando todos os conceitos mencionados acima, o aumento de preços
mais acentuado quando a LCC está presente pode ser interpretado da seguinte forma:
durante a maior parte do tempo, as companhias aéreas têm de oferecer preços mais
baixos, a fim de tentar competir com a LCC adjacente por passageiros a lazer. Desta
forma, uma vez que nos últimos dias a LCC não é vista como uma ameaça, os preços
são aumentados de forma mais destacada, com o objetivo de compensar o desconto
que tive de ser dado aos early-bookers. Assim, a rota ameaçada pela concorrência
adjacente permanece sendo rentável.
45
5 Robustez e Limitações dos Resultados
Para verificar a validade e sensibilidade dos resultados, foram testados
estimadores alternativos além do 2SGMM utilizado até agora. Os outros estimadores
usados foram o OLS, o 2SLS e o LIML. Todos os resultados são relatados no
apêndice. O estimador OLS foi empregado em consonância com a argumentação
exposta por Stavins (2001), que afirma que, uma vez que algumas características do
mercado (que ele chama de "barreiras de entrada") impedem novas companhias
aéreas de entrar em algumas rotas, a estrutura do mercado deve ser tratada como
exógeno. Além disso, como discutido anteriormente, a utilização do market share em
termos de número de voos reduz as chances de endogeneidade. Além disso, Angrist
& Pischke (2008, p. 157) sugerem o uso de LIML como uma verificação cruzada das
estimativas sobreidentificadas. Os resultados com todas as variáveis explicativas
foram muito semelhantes, sugerindo que o processo de modelagem foi consistente e
robusto.
46
6 Conclusões
Neste trabalho foi desenvolvido um modelo empírico dos fatores influentes na
determinação dos preços das passagens aéreas para rotas domésticas brasileiras,
com o intuito de se investigar se a presença de uma LCC como concorrente adjacente
acarreta algum efeito nas estratégias de precificação empregadas pelas companhias
aéreas incumbentes nos aeroportos primários.
Independente da presença ou não da LCC, foi observado o mesmo padrão de
variação de preços: um crescimento monotônico com crescimento acentuado nos
últimos dias antes da data do voo. Contudo, significativas diferenças podem ser
notadas. No começo do período de reservas, os preços oferecidos quando a LCC está
presente são menores. Isso mostra que, na maior parte do tempo, as companhias
aéreas sentem-se obrigadas a abaixarem seus preços de modo a poder competir com
a LCC. Por outro lado, nos últimos dias antes do voo, o aumento observado nos casos
em que a LCC está presente é muito maior do que nos casos em que a LCC está
ausente. Esse fato é interpretado da seguinte maneira: no final do período de reservas,
as companhias aéreas nos aeroportos principais não se sentem ameaçadas pela
presença da LCC no aeroporto secundário, uma vez que os passageiros inelásticos
estarão menos dispostos a se deslocarem para outra cidade apenas para usufruírem
de um menor preço. Dessa forma, os preços são aumentados consideravelmente.
Esse aumento pode ser visto como uma forma das empresas compensarem os
descontos que foram dados ao early-bookers.
47
Neste trabalho foi possível a união de dois importante resultados da literatura
prévia: a relevância da LCC como uma concorrente adjacente (MORRISON, 2001) e
a influência da presença dessas empresas em uma dada rota nas estratégias de
precificação das demais empresas na mesma rota (MANTIN; KOO, 2009), mostrando
que, quando a competição é adjacente, os efeitos são similares. Além disso, foram
encontradas evidências que as companhias aéreas realizam um subsídio cruzado
entre os diferentes grupos de passageiros, compensando os descontos dados aos
passageiros que efetuaram sua compra de maneira antecipada com um aumento no
preço oferecido aqueles que desejam comprar sua passagem nas vésperas da
viagem.
48
Referências
ALDERIGHI, M. et al. Competition in the European aviation market: the entry of
low-cost airlines. Journal of Transport Geography, v. 24, p. 223–233, set. 2012.
ALDERIGHI, M.; GAGGERO, A. A.; PIGA, C. A. The effect of code-share
agreements on the temporal profile of airline fares q. Transportation Research Part
A, v. 79, p. 42–54, 2015.
ALDERIGHI, M.; NICOLINI, M.; PIGA, C. A. Combined Effects of Capacity and
Time on Fares: Insights from the Yield Management of a Low-Cost Airline. Review of
Economics and Statistics, v. 97, n. 4, p. 900–915, 2015.
ALDERIGHI, M.; NICOLINI, M.; PIGA, C. A. Targeting leisure and business
passengers with unsegmented pricing. Tourism Management, v. 54, p. 502–512, jun.
2016.
BACHIS, E.; PIGA, C. A. Hub premium, airport dominance and market
power in the European airline industry: Discussion Paper Series 2007_11. [s.l.]
Department of Economics, Loughborough University, 2007.
BACHIS, E.; PIGA, C. A. Low-cost airlines and online price dispersion.
International Journal of Industrial Organization, v. 29, n. 6, p. 655–667, nov. 2011.
BARBOT, C. Low-cost airlines, secondary airports, and state aid: An economic
assessment of the Ryanair–Charleroi Airport agreement. Journal of Air Transport
Management, v. 12, n. 4, p. 197–203, 2006.
BELOBABA, P.; ODONI, A.; BARNHART, C. The Global Airline Industry.
Chichester: John Wiley & Sons Ltd., 2009.
BENNET, R. D.; CRAUN, J. M. The Airline Deregulation Evolution
Continues: The Southwest Effect. Washington, DC.: US Department of
Transportation (mimeo), 1993.
49
BEN-YOSEF, E. The Evolution of the US Airline - Industry Theory, Strategy
and Policy. Dordrecht, Netherlands: Springer, 2005. v. 25
BERGANTINO, A. S.; CAPOZZA, C. Airline Pricing Behaviour Under Limited
Inter-Modal Competition. Economic Inquiry, v. 53, n. 1, p. 700–713, 2015.
BERRY, S.; LEVINSOHN, J.; PAKES, A. Automobile Prices in Market
Equilibrium. Econometrica, v. 63, p. 841–890, 1995.
BETTINI, H.; OLIVEIRA, A. V. M. Portrait of a newcomer: Azul Airlines, some
facts, figures and comparisons. 2010 ATRS World Conference, 2010, Porto,
Portugal. Anais...Vancouver: Proceedings of the 2010 ATRS World Conference, 2010
BORENSTEIN, S. Hubs and high fares: dominance and market power in the US
airline industry. Rand Journal of Economics, v. 20, n. 3, p. 344–365, 1989.
BORENSTEIN, S. Why Can’t US Airlines Make Money ? The American
Economic Review, v. 101, n. 3, p. 233–237, 2011a.
BORENSTEIN, S. On the Persistent Financial Losses of US Airlines: A
Preliminary Exploration: Working Paper 16744. Cambridge, MA: National Bureau of
Economic Research, 2011b.
CHO, W.; WINDLE, R. J.; DRESNER, M. E. The impact of low-cost carriers on
airport choice in the US: A case study of the Washington–Baltimore region.
Transportation Research Part E: Logistics and Transportation Review, v. 81, p.
141–157, 2015.
CLEMONS, E. K.; HANN, I.-H.; HITT, L. M. Price Dispersion and Differentiation
in Online Travel: An Empirical Investigation. Management Science, v. 48, n. 4, p. 543–
549, 2002.
DANA, J. Advance-Purchase Discounts and Price Discrimination in Competitive
Markets. Journal of Political Economy, v. 106, n. 2, p. 395–422, 1998.
DANA, J. Monopoly Price Dispersion under Demand Uncertainty. International
50
Economic Review, v. 42, n. 3, p. 649–670, 2001.
DE NEUFVILLE, R. et al. Airport Systems: Planning, Design and
Management. 2. ed. New York: McGraw-Hill Education, 2013.
DOBSON, P. W.; PIGA, C. A. The Impact of Mergers on Fares Structure:
Evidence from European Low‐Cost Airlines. Economic Inquiry, v. 51, n. 2, p. 1193–
1217, 2013.
DRESNER, M. E.; LIN, J. S. C.; WINDLE, R. J. The impact of low-cost carriers
on airport and route competition. Journal of Transport Economics and Policy, v. 30,
n. 3, p. 309–328, 1996.
EVANS, W. N.; KESSIDES, I. N. Localized Market Power in the U.S. Airline
Industry. The Review of Economics and Statistics, v. 75, n. 1, p. 66–75, 1993.
GAGGERO, A. A. Airline Pricing and Competition: The J- Curve of Airline
Fares. Saarbrücken, Germany: LAP Lambert Academic Publishing., 2010.
GAGGERO, A. A.; PIGA, C. A. Airline competition in the British Isles.
Transportation Research Part E: Logistics and Transportation Review, v. 46, n.
2, p. 270–279, mar. 2010.
GAGGERO, A. A.; PIGA, C. A. Airline market power and intertemporal price
dispersion. The Journal of Industrial Economics, v. 59, n. 4, p. 552–577, 2011.
GIAUME, S.; GUILLOU, S. Price discrimination and concentration in European
airline markets. Journal of Air Transport Management, v. 10, n. 5, p. 305–310, set.
2004.
GRAHAM, A. Understanding the low cost carrier and airport relationship: A
critical analysis of the salient issues. Tourism Management, v. 36, p. 66–76, jun.
2013.
HOLLOWAY, S. Straight and Level : Practical Airline Economics. 3rd. ed.
Hampshire: Ashgate, 2008.
51
KAZDA, A.; CAVES, R. E. Airport Design And Operation. 3. ed. Bingley:
Emerald Group Publishing Limited, 2015.
LIESHOUT, R. et al. The competitive landscape of air transport in Europe.
Journal of Transport Geography, v. 50, p. 68–82, 2016.
LITTLEWOOD, K. Forecasting and control of passenger bookings.
AGIFORS Symposium Proc. 12. Anais...Nathanya, Isreael: 1972
MANTIN, B.; KOO, B. Dynamic price dispersion in airline markets.
Transportation Research Part E: Logistics and Transportation Review, v. 45, n.
6, p. 1020–1029, nov. 2009.
MANTIN, B.; KOO, B. Weekend effect in airfare pricing. Journal of Air
Transport Management, v. 16, n. 1, p. 48–50, jan. 2010.
MARTIN-CEJAS, R. R. Airport pricing systems in europe and an application of
Ramsey pricing to Spanish airports. Transportation Research Part E: Logistics and
Transportation Review, v. 33, n. 4, p. 321–327, 1997.
MCGILL, J. I.; VAN RYZIN, G. J. Revenue management: Research overview
and prospects. Transportation Sciencecience, v. 33, n. 2, p. 233–256, 1999.
MORRISON, S. A. Actual , Adjacent , and Potential Competition : Estimating the
Full Effect of Southwest Airlines. Journal of Transport Economics and Policy, v. 35,
n. 2, p. 239–256, 2001.
NASCIMENTO, A. C. C.; VIEIRA, W. DA C.; BRAGA, M. J. Determinantes de
Guerra de Preços e Conluio no Transporte Aéreo Brasileiro. Revista de Economia
Contemporânea, v. 15, n. 3, p. 441–460, 2011.
NEWEY, W. K.; WEST, K. D. A Simple, Positive Semi-definite,
Heteroskedasticity and Autocorrelation Consistent Covariance Matrix. Econometrica,
v. 55, p. 703–708, 1987.
OLIVEIRA, A. V. M. Estudo dos Determinantes dos Preços das
52
Companhias Aéreas no Mercado Doméstico: Série Estudos Regulatórios. Rio de
Janeiro: Agência Nacional de Aviação Civil, 2009.
PULLER, S. L.; TAYLOR, L. M. Price discrimination by day-of-week of
purchase: Evidence from the U.S. airline industry. Journal of Economic Behavior &
Organization, v. 84, n. 3, p. 801–812, dez. 2012.
ROMA, P.; ZAMBUTO, F.; PERRONE, G. Price dispersion, competition, and
the role of online travel agents: Evidence from business routes in the Italian airline
market. Transportation Research Part E: Logistics and Transportation Review, v.
69, p. 146–159, 2014.
SHEPHERD, W. G. Ramsey pricing: Its uses and limits. Utilities Policy, v. 2,
n. 4, p. 296–298, 1992.
TALLURI, K. T.; VAN RYZIN, G. J. The Theory and Practice of Revenue
Management. New York: Springer, 2004.
VOSS, D. S. Encyclopedia of Social Measurement. In: KEMPF-LEONARD, K.
(Ed.). . Encyclopedia of Social Measurement, Volume 2. [s.l.] Elsevier, 2005. p.
759–770.
WOOLDRIDGE, J. M. Introductory Econometrics: A Modern Approach. 5.
ed. Mason, OH: Cengage Learning, 2013. v. 120-121
53
Apêndice A – Exemplo de Apêndice
A.1 Checagem de robustez para o modelo (1).
OLS 2SLS 2SGMM LIML
ln 𝑓𝑢𝑒𝑙 𝑝𝑟𝑖𝑐𝑒 0,1472*** 0,1035*** 0,1039*** 0,1035***
ln 𝑓𝑟𝑒𝑞 𝑠ℎ𝑎𝑟𝑒 -0,1983*** -0,0380 -0,0395 -0,0380
ln 𝑓𝑟𝑒𝑞 ℎℎ𝑖 0,3226*** 0,6127*** 0,6114*** 0,6128***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑞𝑢𝑜𝑡 -0,0152*** -0,0139*** -0,0140*** -0,0139***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 -0,0374*** -0,0379*** -0,0378*** -0,0379***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 𝑒𝑣𝑒 0,0627*** 0,0637*** 0,0638*** 0,0637***
𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,3181*** 0,3089*** 0,3090*** 0,3089***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 1 0,1811*** 0,1788*** 0,1788*** 0,1788***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 3 0,1115*** 0,1090*** 0,1091*** 0,1090***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 5 0,0926*** 0,0894*** 0,0895*** 0,0894***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 7 0,0760*** 0,0720*** 0,0721*** 0,0720***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 10 -0,0060 -0,0089* -0,0089* -0,0089*
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 30 -0,0117*** -0,0135*** -0,0134*** -0,0135***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 45
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 60 0,1832*** 0,1892*** 0,1890*** 0,1892***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 1 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,2510*** 0,2569*** 0,2567*** 0,2569***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 3 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,2102*** 0,2184*** 0,2181*** 0,2184***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 5 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,0520*** -0,0436*** -0,0437*** -0,0436***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 7 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,0583*** -0,0479*** -0,0480*** -0,0479***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 10 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,1478*** -0,1379*** -0,1380*** -0,1379***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 30 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,1547*** -0,1457*** -0,1457*** -0,1457***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 45 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,1563*** -0,1479*** -0,1479*** -0,1479***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 60 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,5643 0,5566 0,5567 0,5566
R-quadrado ajustado 661,041 642,117 642,197 642,113 Estatística F , 4,1e+03 4,1e+03 4,1e+03 Estatíscia KP , 0,0000 0,0000 0,0000 Teste KP, p-valor , 0,4698 0,4698 0,4698 Estatística J , 0,4931 0,4931 0,4931 Teste J, p-valor , 1,7e+03 1,7e+03 1,7e+03 Weak CD , 764,8494 764,8494 764,8494 Weak KP 91561 91561 91561 91561 Observações 0,1472*** 0,1035*** 0,1039*** 0,1035***
Notas: coeficientes estimados por diferentes métodos; estatísticas robustas e eficientes em relação a heteroscedasticidade; variáveis de controle omitidas; Representações de p-valor: ***p<0.01, ** p<0.05, * p<0.10.
54
A.2 Checagem de robustez para o modelo (2).
OLS 2SLS 2SGMM LIML
ln 𝑓𝑢𝑒𝑙 𝑝𝑟𝑖𝑐𝑒 0,1425*** 0,0948*** 0,0956*** 0,0948***
ln 𝑓𝑟𝑒𝑞 𝑠ℎ𝑎𝑟𝑒 -0,2010*** -0,0242 -0,0264 -0,0241
ln 𝑓𝑟𝑒𝑞 ℎℎ𝑖 0,3353*** 0,6502*** 0,6482*** 0,6504***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑞𝑢𝑜𝑡 -0,0125** -0,0111** -0,0112** -0,0111**
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 -0,0355*** -0,0361*** -0,0359*** -0,0361***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 𝑒𝑣𝑒 0,0591*** 0,0602*** 0,0603*** 0,0602***
𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,1026*** 0,1109*** 0,1104*** 0,1109***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 -0,0095*** -0,0095*** -0,0095*** -0,0095***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦2 0,0001*** 0,0001*** 0,0001*** 0,0001***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,0126*** -0,0125*** -0,0125*** -0,0125***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦2 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,0001*** 0,0001*** 0,0001*** 0,0001***
R-quadrado ajustado 0,5524 0,5432 0,5433 0,5432 Estatística F 667,628 644,217 644,399 644,203 Estatíscia KP , 4,1e+03 4,1e+03 4,1e+03 Teste KP, p-valor , 0,0000 0,0000 0,0000 Estatística J , 1,4485 1,4485 1,4485 Teste J, p-valor , 0,2288 0,2288 0,2288 Weak CD , 1,7e+03 1,7e+03 1,7e+03 Weak KP , 768,0067 768,0067 768,0067 Observações 91561 91561 91561 91561
Notas: coeficientes estimados por diferentes métodos; estatísticas robustas e eficientes em relação a heteroscedasticidade; variáveis de controle omitidas; Representações de p-valor: ***p<0.01, ** p<0.05, * p<0.10.
55
A.3 Checagem de robustez para o modelo (3).
OLS 2SLS 2SGMM LIML
ln 𝑓𝑢𝑒𝑙 𝑝𝑟𝑖𝑐𝑒 0,1272*** 0,0959*** 0,0962*** 0,0959***
ln 𝑓𝑟𝑒𝑞 𝑠ℎ𝑎𝑟𝑒 0,2718*** 0,6486*** 0,6479*** 0,6487***
ln 𝑓𝑟𝑒𝑞 ℎℎ𝑖 -0,0146*** -0,0137*** -0,0137*** -0,0137***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑞𝑢𝑜𝑡 -0,0380*** -0,0380*** -0,0379*** -0,0380***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 0,0622*** 0,0638*** 0,0641*** 0,0638***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 𝑒𝑣𝑒 0,3056*** 0,3066*** 0,3068*** 0,3066***
𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,1786*** 0,1782*** 0,1783*** 0,1782***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 1 0,1090*** 0,1085*** 0,1086*** 0,1085***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 3 0,0924*** 0,0889*** 0,0891*** 0,0889***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 5 0,0759*** 0,0714*** 0,0716*** 0,0714***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 7 -0,0063 -0,0093* -0,0093* -0,0093*
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 10 -0,0117*** -0,0137*** -0,0137*** -0,0137***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 30
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 45 0,2015*** 0,1915*** 0,1916*** 0,1915***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 60 0,2673*** 0,2590*** 0,2590*** 0,2590***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 1 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,2275*** 0,2209*** 0,2208*** 0,2209***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 3 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,0470*** -0,0420*** -0,0421*** -0,0420***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 5 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,0530*** -0,0460*** -0,0461*** -0,0460***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 7 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,1426*** -0,1362*** -0,1363*** -0,1362***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 10 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,1492*** -0,1441*** -0,1440*** -0,1441***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 30 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,1500*** -0,1462*** -0,1461*** -0,1462***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 45 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,5614 0,5539 0,5539 0,5539
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 60 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 656,957 640,667 640,846 640,659
R-quadrado ajustado , 6,9e+03 6,9e+03 6,9e+03 Estatística F , 0,0000 0,0000 0,0000 Estatíscia KP , 2,5610 2,5610 2,5610 Teste KP, p-valor , 0,2779 0,2779 0,2779 Estatística J , 5,6e+03 5,6e+03 5,6e+03 Teste J, p-valor , 1,3e+03 1,3e+03 1,3e+03 Weak CD 91561 91561 91561 91561 Weak KP 0,1272*** 0,0959*** 0,0962*** 0,0959*** Observações 0,2718*** 0,6486*** 0,6479*** 0,6487***
Notas: coeficientes estimados por diferentes métodos; estatísticas robustas e eficientes em relação a heteroscedasticidade; variáveis de controle omitidas; Representações de p-valor: ***p<0.01, ** p<0.05, * p<0.10.
56
A.4 Checagem de robustez para o modelo (4).
OLS 2SLS 2SGMM LIML
ln 𝑓𝑢𝑒𝑙 𝑝𝑟𝑖𝑐𝑒 0,1221*** 0,0900*** 0,0904*** 0,0900***
ln 𝑓𝑟𝑒𝑞 𝑠ℎ𝑎𝑟𝑒 0,2844*** 0,6731*** 0,6728*** 0,6732***
ln 𝑓𝑟𝑒𝑞 ℎℎ𝑖 -0,0119** -0,0110** -0,0110** -0,0110**
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑞𝑢𝑜𝑡 -0,0361*** -0,0361*** -0,0360*** -0,0361***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 0,0585*** 0,0603*** 0,0605*** 0,0603***
ℎ𝑜𝑙𝑖𝑑𝑎𝑦 𝑑𝑒𝑝𝑡 𝑒𝑣𝑒 0,1138*** 0,1121*** 0,1118*** 0,1121***
𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 -0,0093*** -0,0095*** -0,0095*** -0,0095***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 0,0001*** 0,0001*** 0,0001*** 0,0001***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦2 -0,0130*** -0,0125*** -0,0125*** -0,0125***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,0002*** 0,0001*** 0,0001*** 0,0001***
𝑏𝑜𝑜𝑘𝑑𝑎𝑦2 ⋅ 𝑙𝑐𝑐 𝑝𝑟𝑒𝑠 0,5494 0,5414 0,5414 0,5414
R-quadrado ajustado 665,142 644,696 645,139 644,688 Estatística F , 7,0e+03 7,0e+03 7,0e+03 Estatíscia KP , 0,0000 0,0000 0,0000 Teste KP, p-valor , 2,3428 2,3428 2,3427 Estatística J , 0,3099 0,3099 0,3099 Teste J, p-valor , 5,6e+03 5,6e+03 5,6e+03 Weak CD , 1,3e+03 1,3e+03 1,3e+03 Weak KP 91561 91561 91561 91561 Observações 0,1221*** 0,0900*** 0,0904*** 0,0900***
Notas: coeficientes estimados por diferentes métodos; estatísticas robustas e eficientes em relação a heteroscedasticidade; variáveis de controle omitidas; Representações de p-valor: ***p<0.01, ** p<0.05, * p<0.10.