Jtl v05n03p14

Palavras-Chave: carga aérea, setor doméstico, demanda, transporte aéreo.

Key words: air cargo, domestic sector, demand, air transportation.

Recommended Citation

Abstract

This paper presents an econometric analysis about the Brazilian domestic air cargo market from 1997 to 2001, starting by a

short description of the current sector in order provide the sector features afterward the analyzed period. Thus, through

connecting such information, the text can allows the reader to make inferences about potential reasons for such current

marketing features, and also allowing some predictive interpretation about the future of the sector.

Fraga, R. (2011) Mercado Doméstico de Carga Aérea: Análise Descritiva e Econométrica do Setor. Journal of Transport Literature,

vol. 5, n. 3, pp. 256-280.

Rafael Fraga

Resumo

Este artigo apresenta uma análise econométrica simplificada do setor doméstico de carga aérea brasileiro entre os anos de

1997 e 2001, iniciando com uma breve caracterização atual do setor, onde é possível compreender como tal nicho comportou-se

após o período analisado. Desta forma, ao conectar tais informações, o texto possibilita ao leitor realizar inferências sobre

possíveis motivos que levaram a origem de tal realidade existente. Possibilita, assim, idealizar possíveis rumos do segmento no

futuro.

This paper is downloadable at www.transport-literature.org/open-access.

■ JTL|RELIT is a fully electronic, peer-reviewed, open access, international journal focused on emerging transport markets and

published by BPTS - Brazilian Transport Planning Society. Website www.transport-literature.org. ISSN 2238-1031.

* Email: [email protected].

Reviews & Essays

Journal of Transport Literature

Submitted 17 Feb 2010; received in revised form 22 Oct 2010; accepted 10 Dec 2010

Vol. 5, n. 3, pp. 256-280, Jul. 2011

Mercado Doméstico de Carga Aérea:

Análise Descritiva e Econométrica do Setor

[Brazil's Domestic Air Cargo Market: A Descriptive and Econometric Analysis]

ISA Software LLC, USA

B T P SB T P SB T P SB T P S

Brazilian Transportation Planning Society

www.transport-literature.org

JTL|RELITJTL|RELITJTL|RELITJTL|RELIT

ISSN 2238-1031

1. Introdução

O retrato do mercado do transporte aéreo é formado, atualmente, pela intensificação da

competição entre companhias aéreas após a desregulação dos setores que deu origem a

diferentes estratégias entre as empresas, basicamente dividas em dois grupos: empresas de

bandeira, denominadas mainlines, onde a conectividade entre a malha destas depende de

alguns aeroportos principais que concentram diversas rotas (sistema hub-and-spoke); e

empresas da nova concepção low-cost low-fair (empresas com operações de baixo custo

ofertando passagens a baixos preços), que focam suas operações em aeroportos com menor

concentração de ligações (sistema ponto-a-ponto).

Neste cenário, entender o comportamento do mercado e prever eventos futuros é

extremamente importante para definir uma série de estratégias adotadas pelas empresas.

Assim, analisar o passado pode ser uma boa ferramenta para expandir horizontes e melhor

prever comportamentos futuros. Como resultado, análises desta natureza são comuns para os

mais diversos setores do transporte aéreo, um exemplo é o estudo Rocha (2010). Estudos

recentes do setor de cargas no Brasil incluem, dentre outros, Souza et al (2010) e Gasparini et

al (2010). Um estudo de avaliação da intermodalidade que efetua uma modelagem da

demanda de transporte de carga a partir da Técnica de Preferência Declarada, pode ser

encontrado em Novaes et al (2006).

Este artigo desenvolve uma análise econométrica do setor doméstico de carga aérea brasileiro

entre os anos de 1997 e 2001. Está assim dividido: na seção 2, é apresentada uma

caracterização do setor de carga aérea no Brasil. Na Seção 3, é apresentada a base de dados

utilizada no trabalho, bem como o detalhamento do procedimento de data filing

implementado. Na Seção 4, é desenvolvida uma análise econométrica de demanda do setor de

carga aérea doméstica. Por fim, as considerações finais são apresentadas.

Revista de Literatura dos Transportes, vol. 5, n. 3 (2011)

257

2. Caracterização do setor de carga aérea

O setor doméstico de carga aérea brasileiro apresentou um aumento na quantidade de carga

movimentada comparada aos quilômetros voados, entre os anos de 2001 e 2004. Isso se

explica, em parte, pelo fato das empresas começarem a aumentar o índice de ocupação de suas

aeronaves e de estarem buscando cada vez mais a otimização de suas redes de transporte

(Figueiredo, 2005). A Tabela 1 mostra as quantidades de cargas domésticas movimentadas no

ano 2000 e o percentual dos principais aeroportos na movimentação total.

Tabela 1: Movimentação de Cargas Domésticas (2000)

Fonte: INFRAERO (BNDES, 2001).

A carga doméstica apresentou franco crescimento ainda 2003 (Luna, 2003). Na Vaspex

(subsidiária da Vasp para carga), o crescimento da carga movimentada nos quatro primeiros

meses deste ano foi de 34,5% em relação a igual período de 2002. Previa-se que a VarigLog

(subsidiária da Varig para carga) lucraria entre R$ 35 milhões e R$ 40 milhões neste ano,

além de faturar nada menos do que R$ 1,3 bilhão. Esta empresa transporta carga em aviões

especificamente cargueiros e nos porões dos aviões de passageiros, inclusive nos vôos

internacionais. Em síntese, as perspectivas da carga aérea no Brasil nesta época eram

favoráveis, valendo acrescentar que a Vasp e, especialmente, a Varig se destacavam por ter

terminais de carga próprios em vários aeroportos brasileiros (Burle, 2003).


258

Segundo o anuário estatístico do extinto Departamento de Aviação Civil (DAC) de 2004, as

principais ligações de carga aérea doméstica (em termos de volume) referente a este ano estão

dispostas na tabela 2. Tais ligações foram realizadas por empresas cargueiras e mistas: Varig,

Vasp, TAM, Gol, Vasp, ABSA, Skymaster, Total (regulares), BETA, TCB e TAF

(irregulares).

Tabela 2: Principais ligações em volume de carga aérea doméstica

Fonte: DAC (2004).

Assim, observa-se concentração de demanda do setor, onde é essencial a presença de

aeronaves mistas: todas as 10 principais ligações em volume de carga doméstica no ano de

2004 apresentaram uma das pontas nos aeroportos da região metropolitana de São Paulo.

As aeronaves utilizadas para estes processos dependem das características da demanda, onde

o setor de carga doméstico apresenta oferta bem distribuída entre: empresas que operam

aeronaves de passageiros e transportam carga nos porões, e empresas que operam aeronaves

cargueiras (Silveira, 2007).

Porém, no mercado brasileiro, os terminais de carga da INFRAERO vinham encontrando

dificuldades para lidar com esses expressivos índices de crescimento e necessitavam de uma

ampliação em sua capacidade de armazenamento e de uma maior agilidade no manuseio das

cargas. Para atender a essa evolução, só no ano de 2004 esses terminais de carga receberam

um total de investimentos na faixa de US$ 18 milhões. Porém, para dar continuidade a todas

as obras de expansão nos aeroportos, a INFRAERO precisará de cerca de R$ 1 bilhão até o

ano de 2010 (Figueiredo, 2005).


259

Apesar de crescimento do setor, ao analisando o desempenho do transporte doméstico de

carga aérea, tabela 3, pode-se observar que o volume transportado pelo modal aéreo alcançou

somente 0,3% de toda a carga transportada no país em 1999, o que, indubitavelmente,

representa um percentual muito baixo. Este percentual não sofreu alteração até o ano de 2002

(DAC, 2002).

Tabela 3: Quantidade de carga transportada em toneladas-quilômetro/modo de transporte

Fonte: DAC (2002).

Para melhor compreender estas atuais características do setor, uma análise econométrica foi

realizada sobre registros de anos anteriores, analisando dados entre os anos de 1997 a 2001.

3. Base de dados e data filing

Para realização do estudo econométrico utilizou-se dados extraídos de registros do extinto

Departamento de Aviação Civil (DAC), entre os anos de 1997 e 2001. As receitas e despesas

registradas na base são séries de estatísticas e valores monetários (R$) nominais históricos,

onde se utilizou as séries mensais de IPCA e IPA-DI para deflacionar os valores referentes as

receitas e despesas das empresas, respectivamente.

A base de dados apresenta informações referentes a diversos setores, portanto, para interpretar

o comportamento do setor de carga doméstico no país, apenas dados referentes a este foram

utilizados. As receitas e despesas agregadas, formando as receitas e despesas referentes ao

setor, estão dispostas em negrito na tabela.


260

Os dados tratam-se de registros desagregados formando linhas de dados separados entre

companhias aéreas e aeronaves, além de uma série de dados ausentes frutos de falhas nos

registros destes valores. Assim, para agregar estas séries e interpretar o comportamento do

setor nos anos estudados é essencial o tratamento e inserção de dados em células de valor

nulo, de acordo com a sensibilidade do pesquisador. Tal prática é denominada Data Filing.

No entanto, de acordo com as muitas anomalias presentes na base de dados (ausência de

dados que praticamente tornavam impraticável a utilização de tal base), foi necessário a

execução de tal data filing de maneira não usual. Assim, nesta pesquisa, o preenchimento

destas células foi executado de acordo com algumas características observadas durante análise

a base de dados, uma técnica não usual que não segue referencias bibliográficas.

• Para linhas possuindo ambas as receitas nulas durante vários meses consecutivos,

considerou-se que a empresa não operou vôos de carga domésticos neste período,

porém, as despesas não foram desprezadas já que estas podem existir mesmo com a

ausência de receitas. Assim não foi realizado o Data Filing nestas linhas da planilha

de dados.

• Em colunas que possuíam poucas células nulas (isoladas) durante uma larga série de

dados consecutivos, estas células foram preenchidas (corrigidas) através da média

entre a amostra anterior e a amostra consecutiva, criando um ponto médio entre tais

valores Tal procedimento torna-se válido devido a pequena quantidade de tais células:

há uma extensa quantidade de “dados validos” na base (i.e. enorme quantidade de

células que não necessitaram de Data Filing, em comparação com a quantidade de

células que necessitaram tais alterações); assim, considerando uma base extremamente

extensa que evidentemente segue determinada tendência, é válido a utilização de tal

técnica, uma vez que esta segue perfeitamente a tendência esperada.

• Há ainda colunas com células nulas durante uma série de dados consecutivos

(característica semelhante ao item anterior), porém não isoladas. Assim, a amostra

consecutiva também era nula (ou ausente), fato que não torna possível realizar mesma

a técnica do item anterior. Nestas células o Data Filing foi realizado através de

proporção (regra de três) entre a média das amostras diferentes de zero do item em

questão com a média das amostras diferentes de zero da velocidade média das


261

aeronaves. Utilizou-se o índice velocidade média por apresentarem melhor coerência

nas correções geradas comparado com outros índices (e.g. etapa média e horas

voadas). Novamente, tal critério torna-se válido devido a pequena quantidade de tais

células, e também por usar um índice de evidente coerência durante toda a base

(velocidade média) como fator de correlação.

Evitou-se realizar a inserção de dados em grandes séries de células que possuíam valores

nulos, já que esta prática pode causar imensas distorções nos dados. Além da grande

probabilidade de alguns desses dados estarem nulos por falhas na captação e registro de

informações, algumas séries de valores nulos podem ser explicados por hipóteses como:

• Empresas que registraram valores nulos em custos com o arrendamento de aeronaves

para uma aeronave específica durante uma grande quantidade de meses consecutivos.

Para estes casos considerou-se que as aeronaves já estariam completamente arrendadas

e, por isto, tais custos eram de fato inexistentes.

• A mesma regra do item anterior foi aplicada as grandes séries de células nulas

referentes aos custos de depreciação das aeronaves. Nestes casos considerou-se que a

frota era nova ou passou por recente reforma estrutural e troca de motores,

diminuindo, assim, os custos com depreciação. Seguindo esta mesma lógica, também

não foi executado o Data Filing em grandes séries de células nulas referentes a custos

com manutenção de aeronaves específicas.

• Além disso, não foram realizadas alterações e inserção de dados nas colunas referentes

a custos e despesas provenientes de com outros custos indiretos e juros de

financiamento de equipamento de vôo.

• Evitou-se também inserir dados referentes a coluna que aborda receitas provenientes

ao fretamento de carga.


262

Porém, muitos dados ainda apresentaram incoerências, como longas séries nulas referentes a

custos com combustível de aeronaves em períodos onde houve diversos vôos e receita

provenientes destes. Assim, apesar de tentar-se evitar a inserção de dados em grandes séries

de células que possuíam valores nulos, optou-se por realizar duas planilhas distintas: a

primeira com pouca alteração nos dados acrescentando apenas valores em células isoladas ou

células com no máximo três valores nulos seguidos; e uma segunda planilha onde se realizou

uma série de inserções de dados até mesmo em grandes séries de células nulas.

Gráficos foram desenvolvidos comparando ambas as formas de Data Filing, tal ação ilustra a

importância de conhecer-se o Processo Gerador de Dados (PGD) e como ações de Data Filing

equivocadas podem distorcer por completo os valores a serem inseridos nas análises (inputs),

comprometendo os dados gerados (outputs). Os quatro gráficos a seguir comparam os dados

de receitas e despesas gerados nestas duas formas distintas de Data Filing com os dados

originais, onde se optou por utilizar a primeira maneira, já que esta melhor se relacionava com

as tendências observadas nos dados originais.

Gráfico 1: Comparação entre variação de receitas da base de dados original e variação de

receitas após a aplicação da primeira forma de Data Filing.


263

Gráfico 2: Comparação entre variação de receitas da base de dados original e variação de

receitas após a aplicação da segunda forma de Data Filing.

Gráfico 3: Comparação entre variação de despesas da base de dados original e variação de

despesas após a aplicação da primeira forma de Data Filing.


264

Gráfico 4: Comparação entre variação de despesas da base de dados original e variação de

despesas após a aplicação da segunda forma de Data Filing. .

4. Análise econométrica

Após a execução do Data Filing, iniciou-se a geração de gráficos e regressões para analisar o

comportamento do setor doméstico de carga aérea. Os dados foram agregados em trimestres,

realizando as análises entre o primeiro trimestre de 1997 e o terceiro trimestre de 2001.

No gráfico 5 está disposta a variação de Receitas Ton-Km (RTK), Disponibilidade de Ton-

Km (ATK) e o Fator de Aproveitamento (Load-factor). O RTK refere-se a quantidade de

toneladas transportadas multiplicado pelo quantidade de quilômetros voados. Já o ATK

refere-se a quantidade disponível de toneladas multiplicado pela quilometragem. Desta forma,

quanto maior a diferença entre estes dois índices, menor é o abastecimento das aeronaves. O

Load-factor refere-se justamente a este abastecimento, informando a porcentagem média de

abastecimento das aeronaves deste setor em cada um dos trimestres. Este índice é obtido

através da divisão do RTK pelo ATK.


265

Podemos observar uma tendência de aumento em RTK nos terceiros e quartos trimestres na

maioria dos anos estudados (em relação aos trimestres anteriores), com exceção dos anos de

1997 e 2003 onde o RTK diminui no terceiro trimestre. O ATK se comporta de forma

parecida, porém há alguns pontos (como, por exemplo, no terceiro trimestre de 1997) onde o

ATK varia inversamente proporcional ao RTK: nestes pontos observamos grande oscilação no

Load-factor. Ambos RTK e ATK vêm decrescendo ao longo dos anos.

Gráfico 5: Comparação entre variações no Load-factor, RTK e ATK.

Já o gráfico 6 mostra as variações referentes ao Resultado de Vôo e o Load-factor. Resultado

de Vôo é dado pela subtração das despesas com as receitas das companhias do setor, onde o

gráfico mostra um comportamento parecido de ambos os índices, porém muitas variações

inversamente proporcionais (em relação aos trimestres anteriores) são notadas entre Resultado

de Vôo e Load-factor: segundo trimestre de 1997, primeiro/segundo/quarto trimestre de 1998,

quarto trimestre de 1999, terceiro trimestre de 2000 e segundo/terceiro trimestre de 2001.


266

Gráfico 6: Comparação entre variação do Resultado de Vôo e variação do Load-factor.

O gráfico 7 compara a variação do Yield com o Load-factor. Yield trata-se do índice composto

pela divisão entre receitas das empresas do setor com o RTK registrado. Assim como o

gráfico anterior, ambos os índices tem tendências diretamente proporcionais, porém com

diversos pontos onde a variação é inversamente proporcional: terceiro semestre de 1997,

terceiro/quarto trimestre de 1998, primeiro/terceiro trimestre de 1999 e primeiro/terceiro

trimestre de 2001. Note que, com exceção do quarto trimestre de 1998 e terceiro trimestre de

2001, nenhuma das demais variações inversamente proporcionais dos índices deste gráfico

coincidem com as variações inversamente proporcionais do gráfico anterior (gráfico 6). Este

fato pode ilustrar uma baixa relação entre os índices Resultado de Vôo e Yield, esta relação é

ilustrada no próximo gráfico.


267

Gráfico 7: Comparação entre variação do Yield e variação do Load-factor.

O gráfico 8 trás a comparação entre variações no Resultado de Vôo e Yield. Como citado no

parágrafo anterior sobre a análise da relação entre os gráficos 6 e 7, observa-se no gráfico 8

que Resultado de Vôo e Yield variam diretamente proporcionais em apenas em sete dos

dezenove trimestres estudados, mostrando a baixa relação entre os dois índices. Os trimestres

onde é observada semelhança nas variações são: quatro trimestre de 1997, segundo trimestre

de 1999, todo o ano de 2000 e terceiro trimestre de 2003. Ambos os índices vem crescendo ao

longo dos anos, uma tendência inversamente proporcional a tendência observada no primeiro

gráfico desta sessão (gráfico 5), aonde RTK e ATK vem decrescendo ao longo dos anos. Isso

também pode ser observado no gráfico a seguir.


268

Gráfico 8: Comparação entre variação do Resultado de Vôo e variação do Yield.

O gráfico 9 relaciona RTK com Yield, mostrando suas variações ao longo dos trimestres

estudados. Como citado no parágrafo anterior, ambos possuem tendências contrárias na

grande maioria dos trimestres. Já o gráfico 10 relaciona três índices já muito mencionados

nesta pesquisa, porém ainda não foram analisados em um mesmo gráfico: Resultado de Vôo,

ATK e RTK.


269

Gráfico 9: Comparação entre variação do RTK e variação do Yield.

Gráfico 10: Comparação entre variações de Resultado de vôo, ATK e RTK.


270

Os gráficos a seguir relacionaram os índices já estudados com a variação do PIB do país. O

gráfico 11 mostra apenas a variação deste índice. Aparentemente o PIB quase sempre cresce

de um trimestre para o outro (quartos trimestres indicam altos valores), onde o PIB também

cresce ao longo dos anos.

Gráfico 11: Variação do PIB.

O gráfico 12 compara a variação de RTK com a variação do PIB mostrada no gráfico anterior,

ambos os índices se comportam com variações parecidas entre trimestres, porém, o RTK cai

bruscamente no primeiro trimestre de 1999 e 2000, já o PIB apresenta quedas menores nestes

períodos.


271

Gráfico 12: Comparação entre variação do RTK e variação do PIB.

O gráfico a seguir (gráfico 13) mostra o comportamento do Load-factor e PIB, onde ambos se

comportam de forma parecida durante os quatro trimestres dos anos de 1998 e 1999. Além

disso, podemos observar que nos anos de 1997 e 2000 o Load-factor decresce intensamente

no terceiro trimestre. Já o gráfico 14 mostra uma grande semelhança na variação do Yield com

o PIB, tais relações serão rodadas nas regressões a seguir.


272

Gráfico 13: Comparação entre variação do Load-factor e variação do PIB.

Gráfico 14: Comparação entre variação do Yield e variação do PIB.


273

Para melhor identificarmos a correlação entre os índices, vários tipos de regressões podem ser

realizadas, correlacionando a demanda (ou seja, RTK) com demais índices como Yield e PIB.

Na primeira regressão abaixo são feitas estas relações, onde observa-se que Yield e PIB (gdp)

variam inversamente proporcionais aos RTK (demanda). O valor de P>|t| para o Yield é muito

alto (0,449) indicando pouca confiabilidade nos dados, o ideal seria valores como 0,05

(indicando 95% de confiança) ou inferior, o que ocorre no PIB (gdp) que possui P>|t| com

valor de 0,057. Além disso o valor de R2 é 0,6614, um valor relativamente baixo, indicando

pouco relação entre as variáveis. O gráfico 15 mostra a distância entre o comportamento

previsto pela regressão e o observado.

Tabela 4: Regressão linear - Demanda contra Yield e PIB

Variável Coeficiênte Desvio Padrão P>|t|

Yield -18,72289 24,09748 0,449

PIB -0,0003792 0,0001848 0,057

Constante 202,8261 25,39634 0,000

R2 0,06614

Gráfico 15: Primeira Previsão do RTK


274

Já a regressão a seguir inclui efeitos fixos de sazonalidade, observando-se um R2 igual a 0,93,

indicando maior fidelidade na correlação entre as variáveis. Porém, os intervalos de confiança

ainda informam valores altos de P>|t| para Yield, ainda maiores que a regressão anterior.

Tabela 5: Regressão linear – Demanda contra Yield e PIB, com efeitos fixos de sazonalidade


Yield 6,554839 12,52671 0,610

PIB -0,0006459 0,0000994 0,000

Efeito fixo - 2º quadrimestre 14,78428 4,304689 0,004



Constante 219,6426 12,84793 0,000

R2 0,9320

O mesmo é observado na regressão abaixo, onde adicionando novas variáveis, apenas o PIB

(gdp) possui valores baixos de P>|t|, indicando que apenas este índice possui grande relação

com o RTK (demanda), principalmente se observados efeitos fixos de sazonalidade.

Tabela 6: Regressão linear – Demanda contra Yield, PIB, Load-factor e Fatia de Mercado,

incluindo efeitos fixos de sazonalidade


Yield 8,837479 14,95892 0,567

PIB -0,0006813 0,0001606 0,001

Load-factor 15,40212 57,04274 0,792

Fatia de Mercado 0,0255187 0,1707103 0,884




Constante 219,3449 56,37306 0,003

R2 0,9328


275

O gráfico 16 mostra a previsão para esta regressão acima, onde já há um melhor ajuste entre a

previsão e as observações:

Gráfico 16: Segunda Previsão do RTK (efeitos de sazonalidade).

A regressão abaixo refere-se a um modelo de demanda com elasticidade constante, onde

observa-se um R2 igual a 0,7036, portanto menor que a regressão anterior. Além disso o valor

de P>|t| sobe para o PIB (gdp). Porém,este mesmo valor para Yield decresce para 0,233.

Tabela 7: Regressão logarítmica – Demanda contra Yield e PIB


Yield -0,7038425 0,5672581 0,233

PIB -1,327742 0,7079404 0,079

Constante 21,1187 8,635487 0,026

R2 0,7036


276

O gráfico 17 mostra a previsão para a regressão acima, mostrando uma menor correção entre

o observado e o esperado, como já previsto.

Gráfico 16: Terceira Previsão do RTK (elasticidade constante).

Adicionando os efeitos fixos de sazonalidade a esta regressão, temos o resultado abaixo: valor

de R2 maior que em todas as regressões anteriores (0,9491), e todos os sinais de t iguais aos

sinais de suas respectivas variáveis. O gráfico 17 faz o comparativo entre o previsto nesta

regressão e os dados observados, resultando em uma previsão mais coerente que todas as

anteriores, porém ainda com pouca confiabilidade na relação entre demanda e yield (de P>|t|

alto para este índice).


277

Tabela 8: Regressão logarítmica – Demanda contra Yield e PIB, incluindo efeitos fixos de

sazonalidade

Variável Coeficiente Desvio Padrão P>|t|

Yield -0,0385767 0,2743995 0,890

PIB -2,461465 0,3570148 0,000




Constante 34,77048 4,344706 0,000

R2 0,9491

Gráfico 17: Quarta Previsão do RTK (elasticidade constante e efeitos de sazonalidade).


278

Considerações finais

Além das análises gráficas apresentadas no capítulo anterior, tratando-se dos modelos, a

inserção de variáveis que controlam os efeitos fixos relacionados aos diferentes bimestres do

ano melhora os modelos, mostrando a forte correlação entre sazonalidade e demanda por tais

serviços avaliados (carga aérea).

No entanto, mesmo apresentando valores muito pequenos em relação à constante, uma curiosa

correlação inversamente proporcional é observada entre os índices demanda e PIB; assim

como a baixa confiabilidade na relação entre Yield e demanda. Desta forma, este artigo

encoraja a geração e publicação de bases com menor quantidade de dados ausentes e

anomalias, indicando maior confiabilidade e menor distorção nas análises. Assim, este artigo

também encoraja a criação de novas pesquisas analizando tais bases de dados sobre o setor,

possibilitando o uso de distintas técnicas de Data Filing, com o intuito de comparar resultados

e tendências apresentadas aqui.

Referências

BURLE, Lauro Lobo (2003) Indicadores Econômicos FEE, Vol. 31, No 3, p. 5-18, nov. 2003.

DAC (2004) Anuário Estatístico de 2004, Departamento de Aviação Civil.

DAC (2002) Estudo de Carga Aérea Internacional no Brasil, Departamento de Aviação Civil.

ESTRELLA, Hélcio (2002) Recuperação no comércio internacional melhora operações brasileiras.

Guia da Carga Aérea, São Paulo: Aviação em Revista, v. 4, n. 4 , p. 20-29.

FIGUEIREDO, R. M. A (2005) Um Estudo de Localização de "HUBS" no Transporte Aéreo de

Cargas Brasileiro, Dissertação (mestrado) – Pontifícia Universidade Católica do Rio de Janeiro,

Departamento de Engenharia Industrial.

GASPARINI, A., CAMPOS, V. B. G. e D´AGOSTO, M. A. (2010) Modelos para estimativa da

demanda de viagens de veículos de carga para supermercados e shopping-centers. Transportes,

v. XVIII, n. 1, p. 57-64.

LUNA, Denise (2003) Transporte de cargas ignora crise das aéreas e garante crescimento do setor.

Valor Econômico, São Paulo, p. B2.


279

NOVAES, A. G., GONÇALVES, B. S., COSTA, M. B. e SANTOS, S. (2006) Rodoviário, ferroviário

ou marítimo de cabotagem? O uso da técnica de preferência declarada para avaliar a

intermodalidade no Brasil. Transportes, v. XIV, n. 2, p. 11-17.

ROCHA, G.C. (2010) Ensaios sobre a Demanda do Transporte Aéreo Regional, RELIT - Revista de

Literatura dos Transportes, vol. 4(1), pp. 114-133.

SILVEIRA, Leandro (2007) Modelo empírico de determinação de presença de aeronaves cargueiras

em rotas aéreas: o caso da Variglog. Tese de Mestrado – Instituto Tecnológico de Aeronáutica,

São José dos Campos.

SOUZA, C. D. R., SILVA, S. D. e D´AGOSTO, M. A. (2010) Modelos de geração de viagem para

pólos geradores de viagens de cargas. Transportes, v. XVIII, n. 1, p. 46-57.


280

Documents

Jtl v05n03p14