Previsão de demanda GNV baseada em preferência declarada e revelada

UNIVERSIDADE FEDERAL DO CEAR
PROGRAMA DE MESTRADO EM ENGENHARIA DE TRANSPORTES
PREVISO DE DEMANDA POR GS NATURAL

VEICULAR: UMA MODELAGEM BASEADA EM DADOS
DE PREFERNCIA DECLARADA E REVELADA
Jos Expedito Brando Filho
Fortaleza
2005
UNIVERSIDADE FEDERAL DO CEAR
PROGRAMA DE MESTRADO EM ENGENHARIA DE TRANSPORTES
PREVISO DE DEMANDA POR GS NATURAL

VEICULAR: UMA MODELAGEM BASEADA EM DADOS
DE PREFERNCIA DECLARADA E REVELADA
Dissertao submetida no Programa de

Mestrado em Engenharia de Transportes
da Universidade Federal do Cear, como
parte dos requisitos para a obteno do
ttulo de Mestre em Cincias (M.Sc.) em
Engenharia de Transportes.
ORIENTADOR: Prof. Ph. D. Joo Bosco Furtado Arruda

CO-ORIENTADOR: Prof. Ph. D. Marco Antnio Farah Caldas
Fortaleza
2005
III
FICHA CATALOGRFICA
BRANDO FILHO, JOS EXPEDITO

Previso de Demanda por Gs Natural Veicular: Uma Modelagem Baseada em Dados de
Preferncia Declarada e Revelada. Fortaleza, 2005.
XV, 274 fl., Dissertao (Mestrado em Engenharia de Transportes) Programa de
Mestrado em Engenharia de Transportes, Centro de Tecnologia, Universidade Federal do Cear,
Fortaleza, 2005.
1. Transportes Dissertao 2. Gs Natural Veicular
3. Modelagem de Escolha Discreta 4. Preferncia Revelada
5. Preferncia Declarada 6. Previso de Demanda
CDD 388
REFERNCIA BIBLIOGRFICA
BRANDO FILHO, J. E. (2005). Previso de Demanda por Gs Natural Veicular: Uma
Modelagem Baseada em Dados de Preferncia Declarada e Revelada. Dissertao de Mestrado,
Programa de Mestrado em Engenharia de Transportes, Centro de Tecnologia, Universidade
Federal do Cear, Fortaleza, Cear. 274 fl.
CESSO DE DIREITOS
NOME DO AUTOR: Jos Expedito Brando Filho
TTULO DA DISSERTAO DE MESTRADO: Previso de Demanda por Gs Natural
Veicular: Uma Modelagem Baseada em Dados de Preferncia Declarada e Revelada.
Mestre / 2005
concedida Universidade Federal do Cear permisso para reproduzir cpias desta

dissertao de mestrado e para emprestar ou vender tais cpias somente para propsitos
acadmicos e cientficos. O autor reserva outros direitos de publicao e nenhuma de parte desta
dissertao de mestrado pode ser reproduzida sem a autorizao por escrito do autor.

Av. Teodomiro de Casto, 4166 casa 30
CEP: 60336-010
Fortaleza CE Brasil
IV
PREVISO DE DEMANDA POR GS NATURAL VEICULAR: UMA

MODELAGEM BASEADA EM DADOS DE PREFERNCIA DECLARADA E
REVELADA
DISSERTAO SUBMETIDA AO CORPO DOCENTE DO PROGRAMA DE

MESTRADO EM ENGENHARIA DE TRANSPORTES DA UNIVERSIDADE
FEDERAL DO CEAR COMO PARTE DOS REQUISITOS NECESSRIOS
OBTENO DO GRAU DE MESTRE EM CINCIAS EM ENGENHARIA DE
TRANSPORTES
Aprovada por:
_________________________________
Prof. Ph.D. Joo Bosco Furtado Arruda
Orientador (UFC)
_________________________________
Prof. Ph.D. Marco Antnio Farah Caldas
Orientador (UFF)
_________________________________
Prof. Dr. Ernesto Ferreira Nobre Jnior
Examinador Interno (UFC)
_________________________________
Eng. Raimundo Barroso Lutif Filho
Examinador Externo (CEGS)
______________________________
Prof. Dra. Lenise Grando Goldner
Examinadora Externa (UFSC)
FORTALEZA, CE BRASIL
FEVEREIRO DE 2005
V
DEDICATRIA
Aos meus queridos pais, Expedito Brando (in memoriam) e

Justiniana Brando, que sempre me conduziram no caminho do
bem e sempre prezaram pelo meu crescimento como ser humano;
Aos meus irmos Ernani, Eliane e Ana Carminda, pelo amor

fraternal e por tudo que sempre fizeram por mim, como se faz a
um filho.
Samlia, pela compreenso e pelo seu amor, que me ensinou e

vem me ensinando muitas coisas.
Ao ser superior que chamamos de DEUS e que nos ilumina nos

momentos mais difceis.
VI
Atravs da educao que temos a

oportunidade mais franca e suficiente
para sermos teis a ns prprios, ao
prximo e ptria.
Jos Expedito Brando

VII
AGRADECIMENTOS
A longa caminhada at aqui no teria sido concluda sem as valiosas

contribuies que recebi. Por isso, gostaria de manifestar os seguintes agradecimentos:
Ao Professor Joo Bosco Furtado Arruda, pela amizade, orientao e grande

pacincia durante todo o desenvolvimento desta dissertao;
Agncia Nacional de Petrleo ANP, pela bolsa cedida durante dois anos,
atravs do PRH-31, realizao desta pesquisa;
Ao Programa de Mestrado em Engenharia de Transportes PETRAN, o qual

adotei como minha segunda casa durante quase trs anos, por todo o apoio dado desde a
realizao das disciplinas, at a concluso deste trabalho;
Ao Projeto GASLOG, que forneceu o subsdio para o levantamento de dados

em campo, sem o qual este trabalho se tornaria invivel;
Ao Professor Marco Caldas, pela co-orientao dada neste trabalho;
Ao Professor Ernesto Nobre, pela contribuio como examinador da banca,

pela amizade e pelos valiosos conselhos dados desde a poca da graduao;
Aos demais examinadores, Profa. Lenise Goldner e Eng. Raimundo Lutif,

pelas valiosas sugestes e contribuies, fundamentais para a melhoria deste trabalho.
amiga Ivone Sales Aleixo, secretria do PETRAN, por todo o apoio dado
desde a minha entrada no mestrado;
Aos professores Felipe Loureiro e Jorge Soares, ex-coordenador e atual

coordenador do PETRAN, por me atenderem sempre que precisei;
Aos demais professores do PETRAN, Mrio ngelo, Marta Bastos, Barros

Neto e Jlio Barros, pelo conhecimento adquirido durante as disciplinas;
Aos queridos amigos do mestrado, que foram muitos os conquistados durante

o curso, os quais lembrarei com carinho durante toda a minha vida: Marcelo Queiroz,
Eduardo Praa, Eduardo Moreira, Ins, Emlio, Heider, Bernardo, Frederico, Marcus
Vincius, Iran, Jorge, dentre outros. Entretanto, devoto um agradecimento especial aos
amigos que estiveram mais prximo e que foram muito importantes no desenvolvimento
deste trabalho: o amigo Eduardo Praa, pelo exemplo de garra, determinao e
simplicidade e pela ajuda dada a mim na definio da rea de estudo e na coleta de
dados; a amiga Ins Bandeira pela amizade sincera e pela ajuda dada na formatao
deste trabalho; e o amigo Emlio, pela grande presteza e ajuda dada no aprendizado do
software ALOGIT;
s amigas Celme, Lgia e Edenise, pela amizade conquistada durante as

disciplinas do Programa PRH-31/ANP;
VIII
Aos amigos Chico Moraes, Hamifrancy, Rodrigo, Venescau, Alysson,

Gustavo, Gervsio e Ccero, amigos desde a poca de graduao, pelo apoio e pelos
momentos de descontrao;
Ao Engenheiro Rinaldo Cavalcante, pelas discusses sobre modelagem, que

muito me auxiliaram neste trabalho;
Ao Engenheiro Jovino Batista e ao Professor Joaquim Bento, pela ajuda dada

na coleta de dados em Caucaia;
Ao Professor Jackson, pela ajuda fundamental na seleo dos pesquisadores de

campo;
Aos Engenheiros Ricardo Mendes e Higino da Silva, tcnicos especialistas na

rea de converso de veculos, pela ajuda no fornecimento de informaes que foram
fundamentais para meu entendimento sobre as caractersticas do GNV e seus aspectos
de mercado;
Hague Consulting Group, na pessoa da Sra. Rebecca Hammer, pelas

explicaes iniciais acerca do software ALOGIT;
Aos pesquisadores que me ajudaram no levantamento de dados. Um

agradecimento especial vai para o amigo Bruno Prata, pela grande presteza e auxlio
que foram fundamentais nessa etapa;
Sra. Rita Correia, pela ateno cativante, carisma e hospitalidade dada a

mim durante o levantamento de dados na cidade de Caucaia;
A todos os entrevistados, que cederam seu tempo para responder s

entrevistas;
Aos pesquisadores do Projeto GASLOG, Nauri, Felipe, Tas, que me ajudaram

na tabulao de parte dos dados;
minha sobrinha Alana, pela ajuda na tabulao dos dados, sempre pronta a
me ajudar a qualquer hora;
A todos os meus familiares que torceram por mim e me apoiaram durante esta
caminhada; e
s pessoas que, por falha humana, no me recordo neste momento, mas que
foram igualmente importantes.
IX
Resumo da Dissertao submetida ao PETRAN/UFC como parte dos requisitos para a

obteno do ttulo de Mestre em Cincias (M.Sc.) em Engenharia de Transportes
PREVISO DE DEMANDA POR GS NATURAL VEICULAR: UMA

MODELAGEM BASEADA EM DADOS DE PREFERNCIA DECLARADA E
REVELADA
Fevereiro / 2005
Orientador: Prof. Joo Bosco Furtado Arruda, Ph. D.
Co-Orientador: Marco Antnio Farah Caldas, Ph. D.
A utilizao de modelos de escolha discreta um mtodo eficaz que retrata o

comportamento dos consumidores em diversos mercados. Sua aplicao tem sido
amplamente difundida na literatura para retratar a realidade de mercados de produtos e
servios no setor de transportes. Quando so necessrios estudos de previso de
demanda, o modo mais adequado consiste na utilizao conjunta de dados de
preferncia declarada (PD) e preferncia revelada (PR). A combinao destes dados
fornece modelos estatisticamente mais consistentes do que aqueles estimados com
dados puros de PD ou de PR. Dessa forma, o presente trabalho aplica uma metodologia
baseada em modelos de escolha discreta com insumo de dados de PD e PR, chamada de
GNVPREV, para analisar as preferncias dos usurios de combustveis, enfocando o
gs natural veicular GNV, dentro de um contexto competitivo de um mercado de
energticos veiculares. Esta anlise foi restrita aos usurios de veculos leves
automveis, camionetas e caminhonetes que utilizam a gasolina, o lcool ou o prprio
GNV. A metodologia GNVPREV foi aplicada para uma rea de estudo constituda por
uma parte do distrito sede do municpio de Caucaia, situado na Regio Metropolitana de
Fortaleza, Estado do Cear. O levantamento de dados a partir de questionrios de
preferncia declarada e revelada, elaborados previamente, forneceu insumos para
estimativas de funes de utilidade e obteno de parmetros de elasticidade de
demanda, trade-off entre alternativas e cenrios de previso de demanda. Os resultados
obtidos foram satisfatrios, dentro das limitaes dos dados primrios e secundrios, e
confirmaram um melhor desempenho do modelo quando estimado com dados conjuntos
de PD e PR.
X
Abstract of Thesis submitted to PETRAN/UFC as a partial fulfillment of the

requirements for the degree of Master of Science (M.Sc.) in Transportation Engineering
DEMAND FORECAST FOR NATURAL GAS VEHICLES: A MODELLING BASED

ON STATED AND REVEALED PREFERENCE

2005 / February
Advisor: Prof. Joo Bosco Furtado Arruda, Ph. D
Co-Advisor: Marco Antnio Farah Caldas, Ph. D.
The use of discrete choice models is a effective method of portraying the

consumers' behavior in several markets. Its application has been thoroughly reported in
the specialized literature and it is largely recognized as a good tool to reveal important
market features of products and services in the transportation area. When demand
forecast studies are necessary, the most adequate procedure is the mixed use of stated
preference (SP) and revealed preference (RP) data. The combination of these data leads
to more consistent statistical models, comparing to those estimated with only SP or RP
data. In that way, the present research applies a methodology based on discrete choice
methods using both SP and RP data. It is named GNVPREV and its objective is to
analyze the consumers preferences, concerning the choice of fuel and considering the
Natural Gas Vehicles NGV in a competitive context in the vehicular energy market.
Such analysis was restricted to users of light vehicle (cars, pickups and vans) that
currently use gasoline, alcohol or NGV. The GNVPREV methodology was applied in a
part of the central district of the city of Caucaia, situated in the Metropolitan Area of
Fortaleza, State of Cear. The data survey, using SP and RP questionnaires, provided
information for utility functions estimation, substitutions patterns, trade-off between
alternatives and demand forecast scenarios. The results were satisfactory, even
considering the limited availability of primary and secondary data. They confirmed a
better performance of the model when combined SP and RP data are used.
XI
LISTA DE SIGLAS E ABREVIATURAS
ADB Asian Development Bank
AFV Alternative Fuel Vehicle
AGA American Gas Association
ANP Agncia Nacional de Petrleo
ASC Alternative Specific Constant (Constante Especfica da Alternativa)
BB Banco do Brasil
BCB Banco Central do Brasil
BEN Balano Energtico Nacional
BM&F Bolsa de Mercadorias e Futuros
BNDES - Banco Nacional de Desenvolvimento Econmico e Social
CAGN Certificado Ambiental para Uso do Gs Natural em Veculos Automotores
CETESB Companhia de Tecnologia de Saneamento Ambiental
CH Convertedor Homologado
CO Monxido de Carbono
CO2 - Dixido de Carbono
CONAMA Conselho Nacional do Meio Ambiente
CONPET Programa Nacional de Racionalizao do Uso dos Derivados de Petrleo e

Gs Natural
XII
CRF Certificado de Reduo de Emisses
CSV Certificado de Segurana Veicular
CTGAS Centro de Tecnologia do Gs
DETRAN/CE Departamento Estadual de Trnsito do Cear
EEAA Egyptian Environmental Affairs Agency
E.I.G. TEC Egyptian International Gas Technology Company
ENGVA European Natural Gas Association
ESALQ Escola Superior de Agricultura Luiz de Queiroz
FIML Full Information Maximum Likelihood
GLP Gs Liqefeito de Petrleo
GNC Gs Natural Comprimido
GNL Gs Natural Liqefeito
GNV Gs Natural Veicular
GRI Gas Research Institute
HC - Hidrocarboneto
IANGV International Association for Natural Gas Vehicles
IBAMA Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renovveis
IBP Instituto Brasileiro de Petrleo e Gs
IEA International Energy Agency
IIA Independence from Irrelevant Alternatives Independncia de Alternativas
iid Erro Aleatrio Independente e Identicamente Distribudo

XIII
INMETRO Instituto Nacional de Metrologia, Normalizao e Qualidade Industrial
Irrelevantes
MAMV Mtodo de Ajuste por Mxima Verossimilhana
MCT Ministrio da Cincia e Tecnologia
MDL Mecanismo de Desenvolvimento Limpo
MED Mtodo de Enriquecimento de Dados
MNL Multinomial Logit
MP Material Particulado
MTep Mega Tonelada Equivalente de Petrleo
NGVC Natural Gas Vehicles Company
NL Nested Logit
Nm3 Normal Metro Cbico
NO2 Dixido de Nitrognio.
OIC Organismo de Inspeo Credenciado
PD Preferncia Declarada
P&D Pesquisa e Desenvolvimento
PFC Plano Fatorial Completo
PFF Plano Fatorial Fracionrio
PLANGS Plano Nacional de Gs Natural
PR Preferncia Revelada
Prolcool Programa Nacional do lcool

XIV
PROCONVE Programa de Controle de Poluio do Ar por Veculos Automotores
RMF Regio Metropolitana de Fortaleza
RTQ Registro Tcnico de Qualidade
WTP Willingness to Pay
WTR Willingness to Receive

XV
GLOSSRIO
Alternativa: Uma combinao de atributos suscetveis de serem escolhidas pelos

usurios.
Atributo: Caracterstica de um produto ou servio. Pode ser definido por um item

singular ou por uma composio de itens.
Automvel: Veculo automotor destinado ao transporte de passageiros, com capacidade

para at oito pessoas, exclusive o condutor.
Caminhonete: veculo destinado ao transporte de carga com peso bruto total de at trs
mil e quinhentos quilogramas.
Camioneta: veculo misto destinado ao transporte de passageiros e carga no mesmo

compartimento.
City-Gate: a instalao que transfere o gs natural do gasoduto rede de distribuio.
Coeficiente: Elemento de um modelo que indica o peso de um particular atributo para

um indivduo.
Conjunto de Escolha: Conjunto de alternativas viveis para um indivduo.
Constante Especfica da Alternativa: Parmetro que representa a parcela de efeito

especfica alternativa, no contemplando os efeitos dos atributos.
Efeito Principal: Efeito individual de cada atributo utilizado no projeto experimental.
Efeito de Interao: Efeito resultante da influncia combinada de dois ou mais atributos.

Pode ser maior ou menor que a influncia isolada de cada um dos atributos.
Experimento: Quando relacionado tcnica de preferncia declarada, um termo geral

muitas vezes utilizado para se referir a um exerccio de preferncia declarada.
XVI
Funo de Utilidade: Maneira pela qual os atributos so combinados para criar um

determinado nvel de utilidade.
Gs Natural Absolvido: Tecnologia que permite a introduo de carvo ativado no

interior dos cilindros, que absorvem as molculas de gs, tendo como principal
benefcio a reduo das altas presses internas nos cilindros.
Gs Natural Comprimida: Gs natural armazenado sob altas presses, comprimido

geralmente em cilindros de grande resistncia.
Gs Natural Liquefeito: Gs natural submetido a um processo de resfriamento para -

161C, amazenado sob presso atmsferica. A reduo de volume da proporo de
1:620.
Gasoduto Virtual: Estaes remotas de Gs Natural Comprimido (GNC), Gs Natural

Liquefeito (GNL) ou Gs Natural Absolvido (GNA), abastecidas por caminhes com
carretas especiais de grande capacidade, que por sua vez transportam o gs natural das
estaes atendidas pelo gasoduto at as regies no beneficiadas pelo fornecimento de
gs natural.
Market Share: Parcela de participao de um produto ou servio no mercado

consumidor.
Nvel de um Atributo: Um particular valor de um atributo.
Nm3: Normal Metro Cbico. Unidade usualmente aplicada para medir volumes de gs
natural.
Ortogonalidade: Propriedade do Projeto Experimental que assegura que os atributos

variam independentemente uns dos outros.
Projeto Experimental: Estrutura de um instrumento de coleta de dados de preferncia

declarada.
Projeto Fatorial Completo: Projeto experimental no qual so includas todas as

combinaes possveis dos nveis dos atributos considerados.
XVII
Projeto Fatorial Fracionrio: Projeto experimental no qual so includas apenas as

combinaes do projeto fatorial completo, porm mantm uma certa ortogonalidade.
Respondente ou Entrevistado: Indivduo que realiza o preenchimento dos questionrios

de PD e PR.
Segmentao: Diviso da amostra em sub-grupos de caractersticas particulares, que

sero analisados separadamente.
Taxa Marginal de Substituio: Relao de trade-off entre dois atributos.
Trade-Off: Processo de compensao relacionada melhoria de um atributos em

detrimento da piora de outro(s).
Transitividade: Propriedade atravs da qual um indivduo ordena suas preferncia de

modo consistente. Por exemplo, se ele declara que A melhor que B e B melhor que
C, ento A melhor que C.
Utilidade: Conceito que expressa o valor de um indivduo acerca de um particular

produto ou servio.
Varivel: Referncia ao atributo de uma alternativa, no contexto da modelagem

matemtica.
Varivel dummy: Varivel categrica, que assume valores zero ou um.
Veculos Bi-Combustveis: So movidos a dois combustveis.
Veculos Dedicados: So movidos a um combustvel, somente.
Veculos Flex: So movidos a dois combustveis armazenados em um mesmo

compartimento.
Willingness to Pay: Disposio a pagar de um usurio para adquirir uma melhoria de

um atributo de um produto ou servio.
Willingness to Receive: Valor monetrio destinado a compensar uma desultidade de um

produto ou servio.
XVIII
SUMRIO
CAPTULO I
INTRODUO............................................................................................................... 1
1.1. CONTEXTUALIZAO E JUSTIFICATIVA............................................... 1
1.2. ANTECEDENTES E O PROBLEMA DE PESQUISA................................... 6
1.3. OBJETIVOS ..................................................................................................... 9
1.3.1. Geral.................................................................................................................. 9
1.3.2. Especficos ........................................................................................................ 9
1.4. ESTRUTURA DO TRABALHO ................................................................... 10
CAPTULO II
GS NATURAL NO SETOR VEICULAR: UMA ABORDAGEM DE
MERCADO ................................................................................................................... 12
2.1. INTRODUO .............................................................................................. 12
2.2. CONCEITUAO INICIAL ......................................................................... 13
2.3. VANTAGENS E DESVANTAGENS DO GNV ........................................... 14
2.3.1. Perspectiva Ambiental .................................................................................... 15
2.3.2. Perspectiva de Segurana................................................................................ 20
2.3.3. Perspectiva Financeira .................................................................................... 21
2.3.3.1. Preo dos Combustveis.................................................................................. 21
2.3.3.2. Retorno do Investimento na Converso do Veculo para GNV...................... 22
2.4. MERCADOS MUNDIAIS DE GNV ............................................................. 25
2.4.1. Europa............................................................................................................. 26
2.4.2. sia ................................................................................................................. 27
2.4.3. frica .............................................................................................................. 28
2.4.4. Estados Unidos ............................................................................................... 29
2.4.5. Amrica do Sul ............................................................................................... 30
2.5. O MERCADO DE GNV NO BRASIL........................................................... 31
2.5.1. Caractersticas Gerais ..................................................................................... 31
2.5.2. Regulamentao do Uso do GNV no Brasil ................................................... 35
2.5.3. GNV Versus lcool: Sazonalidade do Combustvel Verde ........................... 36
XIX
2.5.4. Impedncias Penetrao do Mercado de GNV ............................................ 38

2.6. O GNV NO ESTADO DO CEAR ............................................................... 40
2.7. ESTRATGIAS PARA O PLANEJAMENTO DE EXPANSO DO GNV 42
2.7.1. Princpios gerais.............................................................................................. 42
2.7.2. O Cenrio Brasileiro ....................................................................................... 43
2.7.3. Algumas Aes de Incentivo .......................................................................... 46
2.7.4. Planos de integrao do GNV......................................................................... 47
CAPTULO III
MODELAGEM DE ESCOLHA DISCRETA ............................................................ 49
3.1. INTRODUO .............................................................................................. 49
3.2. ESTRUTURAO DO PROCESSO DE ESCOLHA................................... 50
3.2.1. O Tomador de Deciso ................................................................................... 52
3.2.2. As Alternativas ............................................................................................... 52
3.2.3. Os Atributos das Alternativas ......................................................................... 53
3.2.4. As Regras de Deciso ..................................................................................... 54
3.3. O COMPORTAMENTO RACIONAL .......................................................... 56
3.4. TEORIA MICROECONMICA DO CONSUMIDOR................................. 57
3.5. TEORIA DA UTILIDADE ALEATRIA..................................................... 61
3.6. CARACTERSTICAS GERAIS DOS MODELOS DE ESCOLHA
DISCRETA..................................................................................................................... 66
3.6.1. O Carter Relativo da Funo de Utilidade .................................................... 66
3.6.2. A Forma da Funo de Utilidade em Modelos de Escolha Discreta .............. 67
3.6.3. Constante Especfica da Alternativa ............................................................... 68
3.6.4. Elasticidade de Demanda................................................................................ 69
3.6.5. Agregao ....................................................................................................... 69
3.7. FORMAS DE MODELAGEM DE ESCOLHA DISCRETA ........................ 73
3.7.1. Standard Logit ................................................................................................ 74
3.7.1.1. Conceituao................................................................................................... 74
3.7.1.2. Caractersticas do Modelo Multinomial Logit................................................ 78
3.7.2. Modelagem com Conjuntos de Escolha Multidimensional Joint Logit....... 85
3.7.3. Nested Logit: Conceituao ............................................................................ 92
3.7.3.1. Mtodos de Estimao dos Modelos Nested Logit......................................... 99
XX
3.7.3.2. Programao do Modelo Nested Logit ......................................................... 100

3.7.4. Outros Modelos............................................................................................. 101
CAPTULO IV
DADOS DE ESCOLHA DISCRETA: PREFERNCIA REVELADA E
PREFERNCIA DECLARADA ............................................................................... 102
4.1 INTRODUO ............................................................................................ 102
4.2 O PROCESSO DE MODELAGEM COMPORTAMENTAL ..................... 102
4.3 DADOS DE PREFERNCIA REVELADA................................................ 104
4.4 DADOS DE PREFERNCIA DECLARADA............................................. 106
4.4.1. Conceituao................................................................................................. 106
4.4.2. Projeto Experimental de Preferncia Declarada ........................................... 107
4.4.2.1. Seleo dos atributos e nveis ....................................................................... 108
4.4.2.2. Formao das Alternativas e dos Cartes de Escolha................................... 109
4.4.3. Tipos de Questionrio PD............................................................................. 116
4.4.4. Pesquisa Piloto.............................................................................................. 118
4.4.5. Limitaes Gerais dos Dados de Preferncia Declarada .............................. 119
4.5 MECANISMO DE ENRIQUECIMENTO DE DADOS.............................. 120
4.5.1 A Abordagem Seqencial de Morikawa....................................................... 122
4.5.2 O Mtodo da rvore Artificial.................................................................. 125
4.5.3 O Mtodo de Swait, Louviere e Williams .................................................... 126
4.5.4 Constante Especfica da Alternativa: Calibrao para Previso de
Demanda ...................................................................................................................... 127
CAPTULO V
METODOLOGIA GNVPREV: UM ESTUDO DE CASO (PARTE I) ................. 128
5.1 METODOLOGIA GNVPREV ..................................................................... 128
5.2 DEFINIO DA REA DE ESTUDO ....................................................... 130
5.2.1 Localizao Geogrfica da rea de Estudo .................................................. 130
5.2.2 Caractersticas Socioeconmicas do Municpio de Caucaia......................... 132
5.2.3 Infra-Estrutura de Abastecimento de Combustveis ..................................... 133
5.3 DELIMITAO DO MERCADO ESCOLHIDO PARA ESTUDO........... 134
5.4 CONHECIMENTO E SELEO DOS ATRIBUTOS................................ 135
5.4.1 Levantamento dos Principais Atributos........................................................ 136
XXI
5.4.1.1 Segunda Triagem dos Atributos ................................................................... 137

5.4.1.2 Pesquisa com os Usurios............................................................................. 139
5.4.1.3 Escolha Final dos Atributos.......................................................................... 145
5.5 QUESTIONRIO DE PREFERNCIA REVELADA E
SOCIOECONMICO .................................................................................................. 146
5.6 QUESTIONRIO DE PREFERNCIA DECLARADA............................. 147
5.6.1 Atributos e seus Respectivos Nveis............................................................. 147
5.6.2 Projeto Fatorial e Montagem dos Cartes..................................................... 155
5.7 LEVANTAMENTO DOS DADOS DE PD E PR........................................ 156
5.7.1 Pesquisa Piloto.............................................................................................. 156
5.7.2 Pesquisa de Campo ....................................................................................... 157
CAPTULO VI
METODOLOGIA GNVPREV: UM ESTUDO DE CASO (PARTE II)................ 159
6.1. CARACTERIZAO DA AMOSTRA....................................................... 159
6.2. CONCEPO E AJUSTE DAS FUNES DE UTILIDADE .................. 163
6.3. DEFINIO DAS ESTRUTURAS DE DECISO .................................... 167
6.4. RESULTADOS DOS MODELOS ............................................................... 173
6.4.1. Estimaes com Dados Puros de Preferncia Declarada.............................. 177
6.4.1.1. Correlao entre os Parmetros .................................................................... 177
6.4.1.2. Sinais e Significncia dos Coeficientes ........................................................ 179
6.4.1.3. Indicadores de Performance das Estimaes ................................................ 181
6.4.2. Estimaes com Dados de Preferncia Revelada ......................................... 181
6.4.3. Resultados das Estimaes com Dados Conjuntos de PR e PD ................... 182
6.4.3.1. Sinais e Significncia dos Coeficientes ........................................................ 183
6.4.3.2. Correlaes entre os Coeficientes................................................................. 184
6.4.3.3. Performance de Estimao dos Modelos ...................................................... 186
6.4.4. Escolha do Melhor Modelo........................................................................... 186
6.4.5. Calibrao da Funo Utilidade.................................................................... 189
6.5. ANLISE DE ELASTICIDADES DE DEMANDA ................................... 192
6.5.1. Elasticidades Diretas..................................................................................... 194
6.5.2. Elasticidades Cruzadas ................................................................................. 196
6.6. ANLISE DE TRADE-OFF ........................................................................ 199
XXII
6.7. CENRIOS DE PROBABILIDADE DE ESCOLHA ................................. 202
CAPTULO VII
CONCLUSES E RECOMENDAES................................................................. 206
7.1 CONCLUSES ............................................................................................ 206
7.1.1 A Anlise de Mercado do GNV.................................................................... 206
7.1.2 Os Estudos de Modelagem e dos Tipos de Dados de Escolha Discreta ....... 208
7.1.3 A rea de Estudo Escolhida ......................................................................... 209
7.1.4 A Etapa de Conhecimento e Seleo dos Principais Atributos .................... 210
7.1.5 Os Questionrios de PD e PR ....................................................................... 211
7.1.6 Os Modelos Estimados ................................................................................. 213
7.1.7 A Calibrao da Funo de Utilidade ........................................................... 213
7.1.8 As Anlises de Trade-Off ............................................................................. 214
7.1.9 As Elasticidades e Cenrios de Demanda..................................................... 214
7.2 RECOMENDAES................................................................................... 215
REFERNCIAS BIBLIOGRFICAS...................................................................... 216
ANEXO I
QUESTIONRIO DE SELEO DE ATRIBUTOS ............................................. 228
ANEXO II
QUESTIONRIOS DE PREFERNCIA REVELADA E DE
CARACTERIZAO SOCIOECONMICA ........................................................ 229
ANEXO III
EXEMPLO DE QUESTIONRIO DE PREFERNCIA DECLARADA ............ 230
ANEXO IV
EXEMPLOS DE ARQUIVOS DE CONTROLE E RELATRIOS DO DE SADA
DO SOFTWARE ALOGIT 4.1 MODELO 04. ................................................. 231
ANEXO V
AMOSTRA DO BANCO DE DADOS DE PD ......................................................... 241
XXIII
ANEXO VI
AMOSTRA DO BANCO DE DADOS DE PR ......................................................... 242
ANEXO VII
MATRIZES DE CORRELAO DOS MODELOS ESTIMADOS ..................... 243
XXIV
LISTA DE FIGURAS
Figura 2.1: Representao Esquemtica de um Kit de GNV Instalado .......................... 13

Figura 2.2: Payback versus Distncia Percorrida ........................................................... 24
Figura 2.3: Evoluo do Crescimento do Nmero de Converses no Brasil ................. 32
Figura 2.4: Evoluo Anual Relativa do Nmero de Converses .................................. 33
Figura 2.5: Participao dos Estados na Frota Nacional ................................................ 34
Figura 2.6: Evoluo do Preo do lcool Etlico Hidratado .......................................... 37
Figura 2.7: Sistema de Suprimento de Gs Natural do Cear (Mapa sem Escala)......... 41
Figura 2.8: Sistema de Distribuio Primria de Gs Natural do Brasil ........................ 45
Figura 3.1: Processo de Escolha dos Consumidores....................................................... 50
Figura 3.2: Representao Grfica das Utilidades das Alternativas ............................... 64
Figura 3.3: Probabilidade Mdia versus Probabilidade com Utilidade Mdia ............... 70
Figura 3.4: Elasticidade Mdia versus Elasticidade com Utilidade Mdia .................... 71
Figura 3.5: Forma Seqencial da Estrutura de Escolha do Modelo Joint Logit ............. 87
Figura 3.6: rvore de Deciso do Modelo Nested Logit................................................ 93
Figura 4.1: Problemas referentes Modelagem com dados PR ................................... 105
Figura 4.2: Mtodo de Enriquecimento de Dados, segundo MORIKAWA (1989) ..... 121
Figura 4.3: Mtodo de Enriquecimento de Dados, Segundo SWAIT et al (1994)....... 122
Figura 4.4: Estrutura de rvore Artificial .................................................................... 126
Figura 5.1: Fluxograma da Metodologia GNVPREV .................................................. 129
Figura 5.2: Localizao do Municpio de Caucaia no mbito do Estado do Cear..... 131
Figura 5.3: Delimitao da rea de Estudo no mbito do Distrito Sede..................... 132
Figura 5.4: Localizao da Infra-estrutura de Abastecimento...................................... 133
Figura 6.1: Histograma de Freqncia da Renda Mdia Familiar dos Entrevistados... 161
Figura 6.2: Estrutura rvore 01.................................................................................... 168
Figura 6.5: Modelo de Escolha 02 ................................................................................ 171
XXV
Figura 6.9: Estrutura de Escolha Definida para Previso de Demanda ........................ 192
Figura 6.10: Elasticidades Diretas das Alternativas com Respeito ao Custo do
Combustvel .................................................................................................................. 195
Figura 6.11: Elasticidades Cruzadas com Respeito ao Custo de Combustvel da
Alternativa lcool ..................................................................................................... 197
Alternativa Gasolina.................................................................................................. 197
Alternativa lcool e Gasolina ................................................................................... 198
Alternativa GNV ....................................................................................................... 198
Figura 6.15: Diferenciais de Demanda em Relao ao Cenrio Base .......................... 204
XXVI
LISTA DE TABELAS
Tabela 2.1: Reduo de Emisses com o Uso do GNV em Relao ao leo Diesel ..... 16
Tabela 2.2: Reduo de Emisses com o Uso do GNV em Relao Gasolina e ao
lcool.............................................................................................................................. 16
Tabela 2.3: Preos Mdios Unitrios de Combustveis .................................................. 21
Tabela 2.4: Custo Mdio por Quilmetro dos Combustveis (R$/km)........................... 22
Tabela 5.1: Composio do Produto Interno Bruto de Caucaia - 2002 ........................ 132
Tabela 5.2: Lista dos Principais Atributos de Escolha ................................................. 136
Tabela 5.3: Atributos Selecionados na Segunda Triagem ............................................ 139
Tabela 5.4: Percentuais de volume de veculos na Hora de Pico da Manh................. 142
Tabela 5.5: Pontuao Mdia dos Atributos Considerados na Etapa de Seleo ......... 143
Tabela 5.6: Atributos Contemplados nos Questionrios de PD e PR........................... 145
Tabela 5.7: Nveis do atributo Tipo de Veculo ........................................................ 148
Tabela 5.8: Nveis do Atributo Custo Adicional (R$) .............................................. 150
Tabela 5.9: Preos Mdios Unitrios de Combustveis ................................................ 151
Tabela 5.10: Performances Especficas Mdias de Combustveis................................ 151
Tabela 5.11: Valores Customizados para a Varivel Economia ou Custo Mensal com
Combustvel ................................................................................................................ 152
Tabela 5.12: Valores customizados para a varivel Ganho ou Perda Financeira ..... 153
Tabela 5.14: Nveis do atributo DP .............................................................................. 155
Tabela 5.15: Relao de Atributos e nveis do experimento de PD ............................. 155
Tabela 6.1: Freqncia dos tipos de veculos da amostra coletada .............................. 160
Tabela 6.2: Freqncia dos usurios relacionada Origem-Destino ........................ 160
Tabela 6.3: Opinio a respeito da segurana dos veculos a GNV ............................... 161
Tabela 6.4: Nvel de Escolaridade dos Entrevistados................................................... 162
Tabela 6.5: Freqncia dos Postos de Combustveis Preferidos pelos Entrevistados .. 162
Tabela 6.6: Estimaes dos Coeficientes das Funes de Utilidades dos Modelos 01, 02
a 03................................................................................................................................ 174
Tabela 6.7: Estimaes dos Coeficientes das Funes de Utilidades dos Modelos 01 a
03 .................................................................................................................................. 175
Tabela 6.8: Estatsticas de performance dos Modelos 01, 02 e 03 ............................... 176
XXVII
Tabela 6.9: Estatsticas de performance dos Modelos 04 e 05 ..................................... 176

Tabela 6.10: Testes da Hiptese IIA............................................................................. 188
Tabela 6.11: Frota de veculos Leves do Municpio de Caucaia (at 11/ 2004)........... 190
Tabela 6.12: ASCs Corrigidas..................................................................................... 190
Tabela 6.13: Valores Compensatrios dos Atributos CC e DP em relao a EB......... 201
Tabela 6.14: Estimaes dos Trade-offs entre os Atributos ......................................... 201
Tabela 6.15: Cenrios de Probabilidade de Escolha..................................................... 204
1
CAPTULO I
INTRODUO
Este Captulo apresenta a temtica abordada na presente dissertao: o mercado

de gs natural veicular, sob o enfoque da modelagem comportamental. Inicialmente,
feita uma breve contextualizao que fundamentou a definio do problema de pesquisa
deste trabalho, contemplado a seguir. O captulo I ressalta tambm os objetivos do
trabalho, geral e especficos, e finaliza com a descrio sucinta da estrutura dos
captulos.
1.1. CONTEXTUALIZAO E JUSTIFICATIVA
As tecnologias tradicionalmente utilizadas pelos veculos automotores

originaram-se no final do sculo XIX, estimuladas pela crescente produo de petrleo
e pela evoluo da era industrial. Desde ento, marcante a expanso do transporte
automotor em todo o mundo (RIBEIRO, 2001). Conseqentemente, a indstria de
derivados de petrleo desenvolveu-se intensamente, para atender demanda tanto do
setor automotivo quanto de outros setores.
Conforme dados do IEA (2004), o consumo mundial de energia no ano de 2002,

em todos os setores da economia, foi da ordem de 7.000 Mtep. Deste total, 43% foi
devido ao consumo de energticos derivados de petrleo, cujo montante conta com 57%
de participao do setor de transportes.
No Brasil, particularmente, o cenrio similar ao do resto do mundo, ocorrendo

tambm o predomnio dos derivados de petrleo. De acordo com BEN (2003), a oferta
de energia primria bruta, em 2002, foi da ordem de 194 Mtep, com 43% de
participao do petrleo. Com relao ao consumo final dos derivados de petrleo, 30%
correspondeu participao do setor de transportes. Levando em considerao somente
2
o sub-setor rodovirio, este percentual atinge 27%, demonstrando o grande domnio

deste modal.
O cenrio acima destacado reflete o tratamento desproporcional importncia

do setor automotivo, em termos de um inadequado planejamento dos recursos
energticos. As principais lacunas no planejamento dizem respeito s falhas nas
polticas de estmulo ao desenvolvimento de fontes alternativas de energia.
Como exemplo de ilustrao, o Estado do Cear, segundo o DETRAN (2004),

possua at novembro de 2004 uma frota de veculos leves1 de 502.161 unidades.
Somente a frota de veculos a gasolina responde por 76% deste montante. Isto mostra
um retrato da realidade da frota brasileira, a qual contribui sobremaneira para
consolidao da dependncia do pas dos energticos derivados de petrleo, fato que
acarreta em numerosas desvantagens, dentre as quais se destacam:
a) Dependncia dos maiores centros produtores de petrleo, sobretudo em

relao flutuao de preos, fato que afetado pela instabilidade
poltica do Oriente Mdio e especulao de alguns atores envolvidos na
indstria de petrleo;
b) Emisses de gases e material particulado, os quais provocam o aumento

da poluio ambiental e do efeito estufa, acarretando na reduo da
qualidade de vida e no aumento com custos sociais; e
c) Carter no-renovvel do petrleo, ou seja, um energtico cujas fontes

so finitas.
Sendo assim, a diversificao da oferta de outros energticos uma questo que

deve receber a devida importncia. No setor automotivo, alguns combustveis
alternativos vem sendo introduzidos no mercado no sentido de contrapor-se tendncia
natural de aumento do consumo dos derivados de petrleo, principalmente gasolina e
leo diesel. Dentre os combustveis alternativos existentes, podem-se destacar:
1
Ao longo deste trabalho, o termo veculo leve refeir-se- apenas aos automveis e s camionetas,
ambos definidos pelo Cdigo de Trnsito Brasileiro.
3
a) Etanol: combustvel alternativo renovvel mais utilizado do mundo, tendo

o Brasil como seu maior produtor e consumidor. Pode ser produzido
atravs de processos petroqumicos, porm, a sua principal fonte de
obteno a biomassa, atravs da qual o lcool caracterizado como
combustvel alternativo, tendo como principais insumos a cana-de-
acar, a beterraba, o milho, a mandioca, entre outros vegetais ricos em
carbono (IEA, 2002). No Brasil, a principal fonte de produo do lcool
a cana-de-acar, cujo incentivo em larga escala foi dado a partir de uma
iniciativa do Governo Federal atravs do programa Prolcool, visto
como uma estratgia para reduzir a dependncia dos derivados de
petrleo. Apesar dos impactos sociais bastante positivos, o programa no
ocasionou a consolidao do lcool no mercado de combustvel, devido a
problemas de ordem poltica e econmica, citados por RIBEIRO (2001).
b) Eletricidade: fonte de energia utilizada em veculos hbridos eltricos,

constitudos por trs partes principais: unidade geradora de potncia,
unidade de estocagem de energia e sistema de propulso. RIBEIRO
(2001) tece maiores detalhes sobre as vantagens e desvantagens deste
energtico. No Brasil, a frota que utiliza a eletricidade como fonte de
energia limitada, em pequena escala, formada por sistema coletivos por
nibus em alguns centros urbanos e algumas frotas de automveis.
c) Biodiesel: potencial concorrente do diesel derivado do petrleo, o

biodiesel obtido atravs do processamento de vegetais denominados
oleaginosos, podendo ser a soja, palma, mamona, buriti, babau, girassol,
entre outros. Uma das principais vantagens do biodiesel a sua
adaptabilidade aos motores do ciclo diesel, pois enquanto a utilizao de
outros energticos requer a adaptao dos veculos e/ou troca de motores,
a combusto do biodiesel dispensa adaptaes. Atualmente, este
energtico vem sendo utilizado somente atravs de uma pequena
participao sua em misturas com o diesel de petrleo. No Nordeste
brasileiro, o Governo Federal vem incentivando o cultivo da mamona
para a fabricao do biodiesel, no sentido de diminuir a dependncia
externa dos derivados claros de petrleo (leo diesel e querosene), em
4
particular do diesel. Esta iniciativa vem tambm contribuir para o

desenvolvimento do Programa Fome Zero, como estmulo agricultura e
fixao do homem no campo.
d) Gs Natural: combustvel constitudo pelo gs metano, proveniente de

reservas no subsolo, associados ou separados do petrleo. O uso do gs
natural vem crescendo em vrias partes do mundo, sendo consumido em
vrios setores como industrial, comercial, veicular e residencial. No setor
veicular, o consumo de gs passou a ser mais intenso a partir dos anos de
1990, segundo o Gas Research Institute GRI (1998). O energtico
utilizado comprimido em cilindros, a presses da ordem de 200 bar, em
veculos que podem ser bi-combustvel (uso conjunto do gs natural e de
outro combustvel, em reservatrios distintos) ou dedicados (originais de
fbrica). No Brasil, o uso do gs natural no setor veicular atravs de
equipamentos de converso, tornando bi-combustvel um veculo antes
dedicado a um s energtico.
A escolha de qual melhor combustvel alternativo implantar em uma regio ou

pas depende de uma srie de peculiaridades intrnsecas s alternativas, tais como
domnio da tecnologia, disponibilidade de insumos, escala de consumo, dentre outras.
Dessa forma, existe uma srie de obstculos que se contrapem expanso de qualquer
tipo de combustvel alternativo. De acordo com RIBEIRO (2001), as barreiras esto
associadas tecnologia, economia e ao mercado e podem ser assim explicitadas:
a) A barreira tecnolgica decorre dos riscos financeiros associados

pesquisa e ao desenvolvimento de novas tecnologias. Em todo o mundo,
desde o final dos anos 80, os recursos aplicados nesse sentido sofreram
queda substancial.
b) A barreira econmica gera uma srie de discusses. Sob a perspectiva da

eficincia econmica, a melhor maneira de reduzir o consumo de
derivados de petrleo aumentar os impostos sobre os combustveis
fsseis. Por outro lado, reduzir os impostos relacionados aos
combustveis alternativos seria uma maneira de incentivar o consumo dos
mesmos. No entanto, RIBEIRO (2001) comenta que a escolha do nvel
5
timo de impostos muito complexa, envolvendo questes tcnicas e

polticas.
c) As barreiras de mercado decorrem do fato da sociedade desconhecer os

custos ambientais e sociais do uso do petrleo no transporte. De fato, a
poluio originada pela combusto dos motores veiculares vem gerando
srios prejuzos sade da populao, o que afeta diretamente a
economia. Outro obstculo relacionado barreira de mercado a
incerteza por parte dos investidores sobre o impacto de uma alternativa
nova de combustvel, alm da falta de incentivos por parte das instncias
governamentais.
As barreiras de mercado so particularmente importantes, visto que a insero de

um combustvel novo no mercado exige iniciativas direcionadas para a formulao de
estratgias bsicas, visando a expanso do setor, fundamentadas em estudos de previso
de demanda em diversas regies com mercado potencial de consumo. As informaes
resultantes de um estudo de demanda constituem um ponto de partida para a tomada de
deciso em investimentos, viabilizando estudos tecnolgicos e programas de incentivos
para a incluso de um combustvel no mercado.
Dessa forma, o gs natural no setor veicular, chamado simplesmente de Gs

Natural Veicular GNV, apresenta-se como uma estratgia vivel para o atendimento a
curto e mdio prazos de regulamentaes ambientais cada vez mais rigorosas,
principalmente nas grandes zonas metropolitanas, nas quais o referido energtico visto
como uma das poucas alternativas amplamente disponveis de modo mais imediato para
a reduo dos impactos ambientais negativos do setor de transportes em vrios
mercados consumidores do mundo.
No Brasil, o GNV vem se destacando como um combustvel alternativo ao uso

da gasolina e diesel, e conquistando cada vez mais espao no mercado. No pas, existe
hoje uma grande oferta de combustvel, podendo-se destacar as reservas disponveis na
Bolvia, bem como a reserva recm descoberta da bacia de Santos, ainda em fase de
estudos.
6
O estmulo do mercado de GNV parte principalmente das vantagens econmicas

e ambientais proporcionadas, tornando-o uma alternativa bastante atrativa para
utilizao, em larga escala, em veculos automotores. Alm disso, importante salientar
que o GNV est na pauta de prioridades no planejamento energtico nacional, como
atesta a Ministra das Minas e Energia, Dilma Rousseff:
O grande esforo para o desenvolvimento do mercado de gs natural no ser

feito em termeltricas: ser na rea industrial e, sobretudo, na veicular. (BRASIL
ENERGIA, 2004).
Inserido nesse contexto, o Estado do Cear possui um grande potencial de

consumo do GNV, principalmente no setor de veculos leves. No entanto, embora exista
o interesse de vrios agentes de varejo do setor de combustveis em vrias cidades de
mdio e grande porte, o incentivo ao uso do GNV tem sentido somente com o aval de
um estudo de demanda consistente, baseado em metodologias testadas e aprovadas em
vrios centros de estudo e pesquisa.
1.2. ANTECEDENTES E O PROBLEMA DE PESQUISA
De acordo com o contexto explicitado no tpico anterior, os estudos de demanda

so primordiais para o sucesso da incluso de um combustvel alternativo no mercado
de combustveis. A motivao da pesquisa que consubstancia a presente Dissertao de
Mestrado tem como ponto de partida a escassez de estudos de previso de demanda por
combustveis no Brasil, particularmente no Estado do Cear, que retratem as
preferncias dos consumidores diante de um conjunto de alternativas disponveis. As
informaes sobre demanda so essenciais para a elaborao de estudos de viabilidade
de investimentos para a expanso de mercado.
Em se tratando do Gs Natural, a necessidade de estudos de demanda no s

para o setor veicular como tambm para os demais (residencial, industrial e comercial),
vital para a anlise do equilbrio entre oferta e demanda do energtico, implicando na
necessidade e dimensionamento da infra-estrutura de sua distribuio. Os estudos de
demanda so particularmente importantes, tendo em vista a grande possibilidade de
7
aumento da escala de oferta de Gs Natural para o Estado do Cear com a implantao

de sistemas de distribuio sob vrias formas, seja liquefeita ou comprimida. Esses
estudos podem ser utilizados para justificar ou no a criao e ampliao de linhas de
produo de veculos dedicados ou bi-combustveis a GNV, alm de peas e
equipamentos de converso, j iniciados pela indstria automobilstica nacional.
A utilizao de modelos de escolha discreta um modo que retrata eficazmente

o comportamento dos consumidores, devido facilidade dos dados quantitativos obtidos
e consistncia terica dos mtodos de anlise. Apesar de, no Brasil, no serem
difundidos de modo proporcional ao seu poder de aplicao, os modelos de escolha
discreta tem sido utilizados para a anlise de mercado em setores como Transportes
(ARRUDA, 1995), Telecomunicaes (TRAIN, MCFADDEN e BEN-AKIVA, 1987),
Energia (BROWNSTONE, et al, 2000), Sade (MARK e SWAIT, 2003), dentre outros.
O trabalho de BEN-AKIVA e LERMAN (1985) elucida toda uma abordagem

terica sobre a estruturao dos modelos de escolha discreta, sendo considerada uma
obra clssica da literatura neste assunto.
MORIKAWA (1989) e BRADLEY e DALY (1991), dentre outros estudos,

propuseram bases metodolgicas para previso de demanda por transportes com
modelagem de escolha discreta utilizando conjuntamente dados de preferncia
declarada (PD) e preferncia revelada (PR). Estes estudos ressaltaram que a utilizao
conjunta de dados de PD e PR fornece modelos estatisticamente consistentes e
decisivamente respondentes s necessidades de planejamento de expanso de mercados.
Particularmente, so vrios os estudos de mercado de combustveis alternativos

realizados com a utilizao de modelos de escolha discreta utilizados em dados de PD e
PR. Dentre estes, podem ser citados os trabalhos de DAGSVIK et al (2002) e BEGGS
et al (1981), alm de estudos realizados pela California Energy Commission, tais como
BUNCH et al (1993), BROWNSTONE et al (1994, 2000), BROWNSTONE e TRAIN
(1999).
BEGGS et al (1981) realizaram um estudo com o objetivo de analisar a demanda

potencial por veculos movidos a eletricidade, com a utilizao de dados de preferncia
revelada.
8
Com a difuso da tcnica de preferncia declarada, vrios estudos adquiriram

maior flexibilidade na elaborao de questionrio e reduo de tempo e custos na coleta
de dados, permitindo uma maior facilidade nas anlises de demanda de produtos.
BUNCH et al (1993) conduziram um levantamento de preferncia declarada para
determinar como a demanda por veculos movidos a combustveis alternativos (AFVs
Alternative Fuel Vehicles) e seus respectivos combustveis variam como funo dos
atributos que distinguem estes veculos daqueles tradicionais, movidos a gasolina.
Foram utilizados modelos multinomial logit para veculos e binomial logit para os
combustveis. Os energticos alternativos considerados neste trabalho foram: metanol,
etanol, GNV e propano.
BROWNSTONE et al (1994) e DAGISVIK et al (2002) analisaram o peso

relativo de alguns atributos que influem na escolha de AFVs, variveis estas
relacionadas aos veculos, aos combustveis ou a ambos.
BROWNSTONE e TRAIN (1999) apresentam uma abordagem mais complexa,

utilizando modelo mixed-logit para estimao do peso das variveis que condicionam a
escolha de veculos a gasolina, GNV, eletricidade e metanol, com a calibrao atravs
de dados de preferncia declarada.
BROWNSTONE et al (2000), continuaram o estudo anterior e apresentam um

trabalho com a incorporao de dados conjuntos de preferncia declarada e revelada
relacionado previso de demanda por AFVs. O estudo tambm compara as
estimaes de dois tipos de modelos: mixed logit e nested logit.
Portanto, diante do acima exposto, o presente trabalho de dissertao de

mestrado consiste em aplicar os conceitos de modelagem de escolha discreta no
mercado consumidor de combustveis, com enfoque no Gs Natural Veicular, utilizando
dados conjuntos de preferncia revelada e declarada. Fica claro que essa pretenso tem
respaldo na literatura, que demonstra a viabilidade de gerao de modelos
estatisticamente consistentes e decisivamente respondentes s necessidades de
planejamento do setor em foco.
9
1.3. OBJETIVOS
1.3.1. Geral
O presente trabalho tem como objetivo geral aplicar, em um Estudo de Caso,

uma metodologia de previso de demanda por Gs Natural Veicular, baseada em dados
de preferncia declarada e revelada.
1.3.2. Especficos
a) Realizar uma anlise do papel atual e das perspectivas do uso do GNV na

matriz de combustveis de veculos automotores;
b) Explicitar o estado da arte na literatura de modelos de escolha discreta e

de modelagem de demanda com dados de preferncia declarada e
preferncia revelada;
c) Levantar, na rea escolhida para a realizao do Estudo de Caso, as

principais variveis que condicionam a preferncia dos consumidores
pelo GNV;
d) Elaborar e aplicar na rea de estudo questionrios socioeconmicos, de

preferncia declarada e de preferncia revelada;
e) Estimar e calibrar modelos de escolha discreta que incluam os atributos

contemplados nos questionrios aplicados;
f) Avaliar a utilidade relativa, para o consumidor de combustvel

automotivo, dos atributos considerados no estudo; e
g) Avaliar cenrios de previso de demanda por veculos a GNV na rea

escolhida para o Estudo de Caso.
10
1.4. ESTRUTURA DO TRABALHO
Este trabalho de dissertao formado por sete captulos, cada um com as

caractersticas adiante discorridas.
O Captulo I descreve o escopo do trabalho, apresenta o problema de pesquisa e

os objetivos da presente dissertao.
O Captulo II aborda os aspectos relacionados insero do GNV no mercado de

combustveis veiculares. So descritas, tambm, as principais vantagens e desvantagens
do referido energtico, os principais mercados mundiais, o mercado brasileiro e,
especificamente, o mercado do Estado do Cear. So discutidos tambm os aspectos
relacionados s estratgias de expanso do GNV em mercados emergentes.
O Captulo III faz uma abordagem conceitual sobre os principais modelos de

escolha discreta, partindo da estruturao do processo de escolha e dos princpios que
regem a escolha de produtos pelos indivduos, chegando a detalhes, hipteses e
limitaes de alguns dos principais modelos existentes e citados na literatura.
O Captulo IV apresenta os principais tipos de dados que alimentam os modelos

de escolha discreta: os dados de preferncia revelada e declarada. Alm disso, faz-se
uma descrio sobre mtodos de modelagem de escolha discreta com dados conjuntos
de preferncia declarada e preferncia revelada.
O Captulo V apresenta sumariamente as etapas da metodologia baseada nos

princpios tericos ilustrados nos Captulo III e IV, chamada de Metodologia
GNVPREV. Em seguida, so detalhadas as etapas relacionadas primeira parte da
Metodologia GNVPREV, que contempla: definio do Estudo de Caso, delimitao do
mercado de combustveis, conhecimento e seleo dos atributos, elaborao dos
questionrios de preferncia declarada, preferncia revelada e socioeconmico, pesquisa
piloto e pesquisa de campo.
O Capitulo VI apresenta a aplicao da segunda parte da metodologia

GNVPREV, que envolve as etapas de estruturao de modelos de escolha, estimao
com dados PD e PR, escolha do melhor modelo, calibrao das utilidades e aplicao do
11
modelo, obtendo-se os valores de trade-off, elasticidades de demanda e cenrios de

previso.
Por fim, o Captulo VII mostra as concluses do estudo e as recomendaes para

pesquisas futuras.
12
CAPTULO II
GS NATURAL NO SETOR VEICULAR: UMA

ABORDAGEM DE MERCADO
2.1. INTRODUO
Este captulo aborda o Gs Natural Veicular GNV, sob a tica dos vrios
aspectos que o condicionam ou podem consolid-lo como um produto competitivo no
mercado de combustveis automotores em qualquer regio de consumo. So mostradas
inicialmente algumas caractersticas gerais do gs natural veicular, suas vantagens e
desvantagens, alm de uma descrio sucinta sobre os mercados de alguns dos
principais pases nos quais o GNV atua. Em seguida, feita uma abordagem mais
detalhada sobre o mercado brasileiro e, especificamente, sobre o mercado do Estado do
Cear.
Por fim, o Captulo II finaliza com algumas consideraes a respeito das

estratgias da indstria de GNV, analisando um conjunto possvel de aes que podem
causar um impacto positivo na cadeia produtiva do GNV.
importante destacar que este Captulo procura, na medida do possvel,

focalizar a anlise para o mercado de veculos leves, objeto de estudo desta dissertao,
no qual o GNV enfrenta como concorrentes o lcool e a gasolina. Ao longo deste
trabalho, o termo veculo leve referir-se- apenas aos automveis e s camionetas,
ambos definidos pelo Cdigo de Trnsito Brasileiro (BRASIL, 1997).
13
2.2. CONCEITUAO INICIAL
O GNV, tambm chamado de Gs Metano Veicular, vem conquistando espao

no mercado de combustveis veiculares com relativa rapidez, substituindo a gasolina ou
o lcool nas frotas de txis e de empresas pblicas e privadas e competindo com os
mesmos no abastecimento de veculos particulares.
De acordo com publicao do CONPET (2003), o referido energtico

armazenado na forma comprimida, com uma presso de servio de 200 a 220 kgf/cm2.
Segundo o European Natural Gas Vehicle Association ENGVA, os cilindros podem
ser armazenados a bordo dos veculos na parte traseira, na subestrutura, ou sobre o
veculo. A figura 2.1 apresenta um exemplo de um esquema de instalao dos kits de
GNV na parte traseira do veculo, modo mais comumente utilizado.
Figura 2.1: Representao Esquemtica de um Kit de GNV Instalado

Fonte: GOZZI (2002)
Ainda segundo o ENGVA, os veculos a GNV existentes podem ser

classificados perante duas categorias: veculos dedicados funcionam exclusivamente
com GNV e veculos bi-combustveis podem funcionar com o GNV e com outro
14
combustvel, cada um armazenado em seu prprio recipiente. Os veculos bi-

combustveis so os tipos mais comuns de veculos que utilizam o gs natural. No
Brasil, at o presente perodo, no so comercializados veculos dedicados. Somente os
bi-combustveis atuam no mercado consumidor de GNV no pas, os quais so
convertidos em oficinas especializadas. No existe ainda uma linha de produo de
veculos movidos a GNV.
A converso do veculo para o GNV no altera a utilizao do combustvel

original. Quando o gs natural requerido pelo motor, ele deixa o cilindro por um tubo
de alta presso para um regulador de alta presso (freqentemente localizado no
compartimento do motor) onde a presso reduzida.
De acordo com informaes do ENGVA, em motores a carburador, o

combustvel entra no mesmo com uma presso prxima da atmosfrica, por um
misturador de ar e combustvel, especialmente projetado para o GNV. Em veculos de
injeo eletrnica, o GNV entra no injetor a uma presso de aproximadamente 6 bar,
(90 a100 psi). De qualquer modo, o gs natural flui para dentro da cmara de combusto
do motor, fazendo assim a ignio criar potncia para que o veculo se locomova. Ainda
segundo o ENGVA, vlvulas de solenide especiais impedem que o gs entre no motor
quando este no estiver funcionando. Nos veculos bi-combustveis, existe um
interruptor no seletor de combustvel, o qual controla o fluxo do GNV e do outro
energtico.
2.3. VANTAGENS E DESVANTAGENS DO GNV
O uso do GNV permite proporcionar grandes benefcios para a sociedade.

Porm, existem alguns percalos do uso desse energtico, em maior parte pela
imaturidade da indstria do GNV em determinadas regies.
A anlise dos aspectos que condicionam o GNV como um combustvel

competitivo no mercado feita neste trabalho atravs da determinao dos custos e
benefcios que este energtico traz sociedade, sob as seguintes perspectivas:
ambiental, de segurana, e financeira.
15
2.3.1. Perspectiva Ambiental
Na perspectiva ambiental, o GNV apresenta vantagens considerveis

relacionadas emisso de poluentes, pois sua utilizao promove a melhoria da
qualidade do ar, bastante precrio nas grandes metrpoles. SANTOS (2002) destaca que
a reduo de emisses de fuligem (material particulado) e de xidos de enxofre
(dependendo da quantidade de enxofre presente no gs natural) pelos motores a GNV
podem chegar ordem de 90% em relao emisso de outras mquinas movidas
gasolina, lcool e diesel.
Com o objetivo de mostrar uma idia mais clara da vantagem ambiental do

GNV, as Tabelas 2.1 e 2.2 apresentam resultados de um clculo de redues de emisso
de alguns poluentes com a combusto do GNV, relativas aos combustveis tradicionais
utilizados por motores dos ciclos Otto (gasolina e lcool) e Diesel (leo diesel),
respectivamente.
Os percentuais mdios de reduo de emisses do GNV em relao ao leo

Diesel, mostrados na Tabela 2.1, considerando-se um mesmo veculo, tem como fonte o
trabalho de BEER et al (2001). J aqueles relacionados aos motores do ciclo Otto so
baseados em um estudo da CETESB (2004), que apresenta os valores mdios de
emisso por veculos novos, fabricados em 2001, movidos a lcool e a gasolina, e em
um estudo comparativo realizado pelo CTGS (2004), que mostra as relaes entre
emisses de gasolina e GNV medidos em um veculo teste (marca MAREA, da
fabricante FIAT). As relaes entre emisses do GNV e o lcool foram calculados com
base nos dois ltimos estudos citados.
Obviamente, uma anlise comparativa com a utilizao de dados de fontes

distintas pode gerar distores nos resultados. No entanto, os valores apresentados na
Tabela 2.2 apresentam a mesma direo do que encontrado na literatura nacional e
internacional, salvo suas respectivas peculiaridades.
importante destacar que as emisses de poluentes com o uso do GNV tornam-

se ainda menores se relacionados com a emisso de veculos mais antigos, fato que deve
estimular ainda mais polticas de converso destes veculos para GNV.
16
Tabela 2.1: Reduo de Emisses com o Uso do GNV em Relao ao leo Diesel
POLUENTE REDUO
CO 55,6%
NOx 56,2%
N2O 93,3%
MP 90,2%
Fonte: BEER et al (2001)
Tabela 2.2: Reduo de Emisses com o Uso do GNV em Relao Gasolina e ao

lcool
REDUO
POLUENTE GASOLINA LCOOL2
CO 91,7% 11,2%
HC 56,5% 59,3%
Fonte: CETESB (2004) e CTGS (2004)
Alm das vantagens refletidas pelos nmeros das Tabelas 2.1 e 2.2, devem-se
contabilizar as emisses provenientes da evaporao dos combustveis lquidos, cujo
percentual corresponde entre 45% e 50% das emisses automotivas de combustveis
tradicionais, segundo estudos do ENGVA. De acordo com SANTOS (2002), os
combustveis lquidos evaporam de modo descontrolado, contribuindo para a poluio
atmosfrica, ao passo que a fuga de gs natural dos cilindros praticamente no acontece,
devido ao sistema de vedao quase perfeito dos cilindros, inclusive no abastecimento
do combustvel. Nestas operaes, ocorre o encaixe perfeito da mangueira da bomba de
abastecimento no veculo, praticamente evitando fuga de gs para o ambiente.
Outro composto de grande prejuzo ao meio ambiente o CO2, o qual contribui

para o agravamento do efeito estufa. BEER et al (2001) realizaram um estudo
comparativo entre as emisses de veculos pesados movidos a diesel e a GNV na
Austrlia, chegando a resultados que evidenciam uma reduo de cerca 10% de emisso
de CO2 dos veculos a GNV em comparao com os veculos a diesel.
De acordo com um estudo realizado pelo ENGVA (1996), possvel uma

reduo de at 25% de emisso de CO2 com a utilizao de veculos a GNV em
substituio aos veculos a gasolina. O estudo ainda afirma que normalmente as
2
Valores calculados com base nos estudos da CETESB (2004) e do CTGS (2004).
17
emisses de metano em veculo a GNV maior que em veculo a gasolina, o que ocorre
pelo fato do gs natural tem na maior parte de sua composio o gs metano (CH4).
Porm, devido a menor impacto do metano no efeito estufa, alm da maior emisso de
outros poluentes por veculos movidos a derivados de petrleo, mais nocivos sade
humana, os veculos a GNV tornam-se mais indicados em programas ambientais que a
gasolina e o diesel.
Nesse contexto, as conseqncias das emisses de CO2 pelos combustveis

tradicionais, no somente no setor veicular, como tambm em outros setores da
economia, fizeram aumentar as presses ambientais por vrios Organismos
Internacionais, o que ocasionou na elaborao do Protocolo de Kyoto, em 1997. O
Protocolo de Kyoto estabelecia que seus signatrios, formados pelos pases mais
desenvolvidos, comprometiam-se a reduzir suas emisses em pelo menos 5,2% dos
ndices de 1990, no perodo de 2008 a 2012 (MCT, 2000). Porm, a dificuldade de
atingir esta meta de modo mais imediato fez surgir uma forma alternativa de reduo
das emisses de CO2 , o Mecanismo de Desenvolvimento Limpo (MDL).
Dessa forma, os pases desenvolvidos podem optar por financiar planos de ao

em pases em desenvolvimento que visem a utilizao de combustveis que reduzem a
emisso de CO2, adquirindo, em troca, crditos de carbono, evitando que sua
competitividade seja afetada pelos altos custos da adequao para o uso de combustveis
alternativos.
Diante dessa oportunidade, surgiram vrias empresas especializadas em

identificar investimentos em tecnologias limpas e que reduzam as emisses de gases de
efeito estufa. Os investimentos podem ser qualificados para a obteno de Certificados
de Reduo de Emisses (CRE), no contexto do MDL do Protocolo de Kyoto. As
empresas trabalham, alm da opo pelo gs natural, com outros combustveis
alternativos.
No Brasil, especificamente, a preocupao com as emisses veiculares levou a

criao do Programa de Controle da Poluio do Ar por Veculos Automotores
PROCONVE, estabelecido e regulamentado desde 1986 pelo Conselho Nacional do
Meio Ambiente CONAMA, atravs de vrias Resolues, e suportado pela Lei n
8.723/93, a qual estabelece as diretrizes, prazos e padres legais de emisso admissveis
18
para as diferentes categorias de veculos e motores, nacionais e importados (IBAMA,

2004).
O objetivo principal do PROCONVE reduzir os nveis de emisso de poluentes

por veculos automotores em centros urbanos, visando o atendimento dos padres de
qualidade do ar. Segundo o IBAMA (2004), o objetivo do referido programa levou a um
desencadeamento de um conjunto de metas, tais como: a promoo do desenvolvimento
tecnolgico nacional na engenharia automobilstica e em mtodos e equipamentos para
ensaios de emisso de poluentes; a criao de programas de inspeo e manuteno para
veculos automotores em uso; promoo de programas de conscientizao da populao
com relao questo da poluio do ar por veculos automotores; e promoo da
melhoria das caractersticas tcnicas postas disposio da frota nacional de veculos
automotores.
Em suma, o PROCONVE vem sendo desenvolvido em trs fases:
a) Primeira fase (1988 a 1991): Caracterizada pela eliminao dos modelos

de veculos mais poluentes e aprimoramento da produo.
b) Segunda fase (1992 a 1996): Desenvolvimento e introduo de novas

tecnologias, em especial a injeo eletrnica de combustvel e os
conversores catalticos. Nessa fase, o desafio tecnolgico foi
intensificado, principalmente para permitir a adequao de catalisadores
e sistemas de injeo eletrnica, para uso com mistura de etanol em
proporo nica no mundo.
c) Terceira fase (1997 em diante): Nessa etapa, a indstria passou adotar a

injeo eletrnica e o catalisador, juntamente com o sensor de oxignio.
Com relao aos veculos pesados (nibus e caminhes), os fabricantes, j em

1990, estavam produzindo motores com nveis de emisso menores que os requeridos
para 1993.
Atualmente, a indstria automobilstica trabalha no desenvolvimento de motores

para atender aos nveis da fase quatro, que visa principalmente a reduo das emisses
de material particulado, atravs da melhoria da combusto. Alm disso, tambm meta
19
do PROCONVE que os rgos estaduais de controle ambiental implantem programas

regionais de inspeo e manuteno dos veculos em uso.
Algumas respostas s metas do PROCONVE esto refletidas nos resultados de

um estudo realizado pela CETESB (2004), que mostra a evoluo da reduo de
poluentes em veculos novos a gasolina e diesel. A cada ano, os fabricantes conseguiam
reduzir cada vez mais os nveis de emisses.
Nesse sentido, com o objetivo de incluir o mercado de GNV dentro dos

objetivos do PROCONVE, de reduo e controle de emisses, o CONAMA instituiu a
Resoluo n. 291, de 25 de outubro de 2001, que cria o Certificado Ambiental para Uso
do Gs Natural em Veculos Automotores CAGN (CONAMA, 2001). De acordo com
a resoluo citada, os veculos que portam kits de GNV sero registrados nos rgos de
trnsito somente com a apresentao do CAGN, que emitido pelo IBAMA.
A obrigatoriedade do CAGN muito criticada pelo corpo industrial, como atesta

um documento publicado pelo SISTEMA FIRJAN (2004). O documento contesta que a
exigncia do CAGN representa a deciso por um caminho burocrtico e oneroso para o
Estado. A exigncia do certificado, segundo o Sistema FIRJAN, pode ocasionar um
efeito rebote, ou seja, uma fuga de potenciais consumidores de GNV do mercado,
provocando um maior consumo de gasolina e, conseqentemente, maiores nveis de
poluio.
No entanto, segundo tcnicos da rea de converso, o rigor da fiscalizao e

acompanhamento estritamente necessrio por causa de constantes falhas em processos
de converso por oficinas que, apesar de credenciadas, muitas vezes no tem o preparo
tcnico que o rigor das converses exige. Uma converso adequada depende do tipo e
das condies do veculo, dentre outros aspectos. Caso os rigores no sejam seguidos,
possvel que se tenha maiores nveis de emisses de poluentes, superiores at mesmo
que com o uso da gasolina.
20
2.3.2. Perspectiva de Segurana
Os veculos a Gs Natural, ao contrrio do que algumas pessoas pensam, so

mais seguros que veculos movidos a combustveis tradicionais, como a gasolina, o
diesel e o lcool. Os cilindros so dimensionados para suportar altas presses, bem
como possveis colises, incndios e at mesmo tentativas de perfurao, sendo,
portanto, mais resistentes a condies adversas do que os tanques tradicionais de
gasolina, lcool e diesel.
De acordo com o ENGVA, dependendo do fabricante, a espessura do cilindro

pode variar de a , e serem feitos de alumnio, ao ou 100% fibra de carbono e no
possuem emendas nem soldas. No Brasil, os cilindros comercializados so de ao
ASTM A-36 ou similar, com tratamento superficial contra corroso, de acordo com a
Portaria n 170 de 28 de agosto de 2002 (INMETRO, 2002a). Nesta Portaria, tambm
so definidas as dimenses dos cilindros de acordo com o seu tamanho.
Para enfatizar a segurana dos veculos a GNV, SANTOS (2002) cita um estudo
da American Gas Association AGA, no qual mostra um teste realizado em 1992 com
cerca de 8.000 veculos de diferentes combustveis, os quais percorreram juntos mais de
278 milhes de milhas. Os veculos a GNV apresentaram uma relao de nmero de
acidentes, relacionados ao combustvel, por milha rodada de cerca de 30% inferior aos
veculos a gasolina. Ainda que os automveis a GNV tenham sofrido cerca de 1.800
colises, nenhum caso de fatalidade foi registrado.
Entretanto, a segurana dos veculos a GNV pode diminuir quando os processos

relacionados instalao do kit e ao abastecimento no seguem rigorosamente as
normas vigentes, como j mencionado anteriormente. No existem estatsticas acuradas
a respeito dos acidentes com veculos a gs, todavia, os poucos acidentes que se tem
notcia tiveram uma repercusso tremenda entre os consumidores de combustvel,
devido ao alto poder de destruio que pode ocorrer tanto no veculo como na sua rea
de entorno.
De acordo com alguns tcnicos e consultores, as estatsticas no so maiores

devido alta qualidade dos kits de GNV, pois, como j mencionado na seo anterior,
21
existe uma certa falta de rigor tcnico nas converses realizadas por algumas empresas
convertedoras de veculos. Essa prtica incentivada pela falta de uma fiscalizao
rigorosa que obrigue o cumprimento de normas e procedimentos de instalao de
cilindros e de abastecimentos nos postos de distribuio. o que acontece no caso do
Brasil, onde o quadro mostra-se menos favorvel em relao a Pases Desenvolvidos,
segundo SANTOS (2002).
2.3.3. Perspectiva Financeira
Nesta seo, a questo financeira analisada sob dois aspectos: custo com
combustvel e retorno do investimento na converso de veculos.
2.3.3.1. Preo dos Combustveis
No Brasil, a economia de custos com combustveis , em geral, um dos aspectos

mais atraentes percebidos pelos usurios. A Tabela 2.4 refora esta afirmao,
apresentando valores de custos mdios por quilmetro dos trs combustveis em trs
situaes diferentes: em So Paulo, no ms de fevereiro de 2001, e em Fortaleza, nos
meses de fevereiro de 2003 e agosto de 2004. Os valores da Tabela 2.4 foram
calculados com base nos insumos da Tabela 2.3.
Tabela 2.3: Preos Mdios Unitrios de Combustveis

Desempenho FORTALEZA SO PAULO
Mdio PMU (Fev/ 033) PMU (Ago/ 044) PMU (Fev/ 015)
Combustvel (***) (*) (**) (***)
Gasolina 10 km/l R$ 2,17/l R$ 2,20/l R$ 1,50/l
lcool 08 km/l R$ 1,51/l R$ 1,45/l R$ 1,00/l
GNV 12 km/m3 R$ 1,03/m3 R$ 1,18/m3 R$ 0,68/m3
(*) Fonte: ANP (2003a)
(**) Fonte: Prpria, adquirida atravs uma pesquisa em Fortaleza. Representam valores modais entre
alguns postos pesquisados.
(***) Fonte: SANTOS (2002)
3
Em 28 de fevereiro de 2003, 1 dlar era equivalente a R$ 3,56 e 1 EURO era equivalente a R$ 3,85
(Fonte: BANCO DO BRASIL, 2004).
4
Em 30 de agosto de 2004, 1 dlar era equivalente a R$ 2,95 e 1 EURO era equivalente a R$ 3,56 (Fonte:
BANCO DO BRASIL, 2004).
5
Em 28 de fevereiro de 2001, 1 dlar era equivalente a R$ 2,04 e 1 EURO era equivalente a R$
1,89(Fonte: BANCO DO BRASIL, 2004).
22
Tabela 2.4: Custo Mdio por Quilmetro dos Combustveis (R$/km)

Combustvel Fortaleza (Fev/03) Fortaleza (Ago/04) So Paulo (Fev/01)
Gasolina 0,217 0,220 0,150
lcool 0,189 0,181 0,125
GNV 0,086 0,096 0,057
A Tabela 2.5 proporciona uma maior sensibilidade sobre a ordem de grandeza

do menor custo de GNV em relao gasolina e ao lcool.
TABELA 2.5: Redues Percentuais de Preo do GNV em Relao aos Combustveis

Concorrentes
Combustvel FORTALEZA SO PAULO
PMU (Fev/ 03) PMU (Ago/ 04) PMU (Fev/ 01)
Gasolina 60,4% 56,4% 62,0%
lcool 54,5% 47,0% 54,4%
As redues de custos apresentados na Tabela 2.5, apesar de no serem

representativos do universo do Brasil, mostram uma idia da vantagem competitiva do
GNV em relao a outros combustveis. A vantagem do menor preo, at ento, vem se
mantendo nas capitais brasileiras consumidoras do energtico.
2.3.3.2. Retorno do Investimento na Converso do Veculo para GNV
A reduo do custo com combustvel no o nico fator que incide na tomada

de deciso em converter o veculo para GNV. Alm do menor custo em relao aos seus
concorrentes, o uso do GNV resulta em economia nos gastos de lubrificao e
manuteno dos veculos. Segundo SANTOS (2002), operadores de frota podem reduzir
em at 40% os seus custos de manuteno atravs da converso da frota para o GNV.
Este autor ainda destaca que o perodo de troca de leo aumenta em cerca de 10 a 20
mil km. Por outro lado, de acordo com ENGVA, as trocas de peas como velas de
ignio podem ser feitas a cada 120.000 km.
23
No entanto, a aquisio do benefcio do GNV possvel somente pela converso

do veculo, a qual demanda um certo custo. Sendo assim, o usurio deve analisar a
viabilidade de converso de acordo com sua realidade.
As ordens de grandeza dos retornos de investimento com converso podem ser

estimadas atravs de uma anlise econmica considerando alguns cenrios possveis. A
Tabela 2.6 apresenta os resultados de uma pequena avaliao econmica da converso
de veculos a gasolina e a lcool para GNV, mostrando os perodos de retornos de
investimento (payback), em valores mensais e anuais. A taxa mnima de atratividade
considerada nestes clculos foi de 16% a.a. (1,24% a.m.) correspondente ao retorno de
investimento em Ttulos Pblicos Federais, em agosto de 2004, segundo o BANCO
CENTRAL DO BRASIL (2004).
Alm disso, foi assumido como preo de um kit de converso de GNV R$

2.500,00 em Fortaleza (correspondente a um kit dos mais caros, no ms de agosto de
2004). Como preos mdios unitrios ao consumidor da gasolina, do lcool e do GNV,
foram assumidos os valores de R$ 2,26, R$ 1,45 e R$ 1,18, respectivamente (valores
correntes para a cidade de Fortaleza em setembro de 2004 pesquisa prpria). Os
consumos mdios especficos de cada combustvel foram aqueles apresentados na
Tabela 2.3. A Figura 2.2 apresenta graficamente os resultados apresentados na Tabela
2.6, mostrando o comportamento do payback com relao distncia mensal.
TABELA 2.6: RETORNO DO INVESTIMENTO DA CONVERSO PARA O GNV

Distncia Mensal payback payback
Percorrida (km) (em relao gasolina) (em relao ao lcool)
meses anos meses Anos
500 54,0 4,5 112,2 9,4
1.000 22,6 1,9 38,0 3,2
1.500 14,3 1,2 23,3 1,9
2.000 10,5 0,9 16,8 1,4
2.500 8,3 0,7 13,1 1,1
3.000 6,9 0,6 10,8 0,9
3.500 5,8 0,5 9,2 0,8
4.000 5,1 0,4 8,0 0,7
4.500 4,5 0,4 7,0 0,6
5.000 4,0 0,3 6,3 0,5
5.500 3,7 0,3 5,7 0,5
6.000 3,4 0,3 5,2 0,4
6.500 3,1 0,3 4,8 0,4
7.000 2,9 0,2 4,6 0,4
24
Nessa avaliao, no foram considerados os custos com manuteno, incluindo

trocas de leo e de peas de motor em geral, pela dificuldade de mensurao. O mesmo
acontece com itens como trocas de pneus, custos com suspenso, alinhamentos e
balanceamento.
10
7
Payback (anos)
Gasolina
6 lcool
0
500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000
Distncia Mensal Percorrida (km)
Figura 2.2: Payback versus Distncia Percorrida
De acordo com a Figura 2.2, os retornos de investimentos so conseguidos mais

rapidamente na medida em que as distncias percorridas so maiores. Para veculo a
gasolina, a converso tem seu investimento retornado em torno de 01 ano, com uma
distncia mensal mdia percorrida entre 1.500 km a 2.000 km. A partir desta distncia,
o retorno do investido conseguido em menos de 01 ano.
Para veculos a lcool, o investimento praticamente invivel para veculo com

baixa quilometragem rodada (abaixo de 500 km). No entanto, um retorno do
investimento em torno de 01 ano vem para aqueles veculos com quilometragem mdia
mensal entre 2.500km e 3.000km. fcil perceber que para veculos de alta
quilometragem mensal percorrida (acima de 5.000km) a viabilidade econmica do
25
investimento bastante visvel, cujos paybacks entre veculos a gasolina e lcool se

aproximam.
Ainda em relao converso dos veculos a lcool, um aspecto importante a

destacar que, apesar dos retornos de investimento da converso de veculos a gasolina
apresentarem maiores na Tabela 2.6 do que os retornos com a converso de veculos a
lcool, so os veculos a lcool os mais adequados para o uso conjunto do combustvel
original com o GNV, pois no apresentam mudanas de desempenho notveis.
Por fim, importante salientar que as dinmicas imprevisveis de mercado no

possibilitam afirmar at quando o custo do GNV permanecer abaixo do custo dos
outros combustveis. De qualquer maneira, a estruturao de um mercado competitivo
fundamental para a manuteno das vantagens financeiras.
2.4. MERCADOS MUNDIAIS DE GNV
Apesar do grande potencial competitivo do GNV e sua crescente expanso, o

uso deste combustvel nfimo diante da frota mundial de veculos automotores.
Segundo SANTOS (2002) circulavam no mundo inteiro cerca de 500 milhes de
veculos em 2002 e somente 0,24% desta frota so movidos a gs natural (SANTOS,
2002).
As grandes dificuldades e incertezas do mercado de GNV so inerentes a uma

indstria recente. O seu potencial deve ser ainda bastante explorado. De qualquer
maneira, o GNV vem se expandindo gradualmente, de incio em pontos isolados e
depois ganhando mercados adjacentes, tendendo para um processo de integrao entre
mercados.
O International Association for National Gas Vehicles - IANGV apresenta uma

lista com os pases de maior frota de GNV do mundo. Estes nmeros, mostrados na
Tabela 2.7 incluem os veculos leves e pesados (caminhes e nibus). Como os valores
das frotas no foram adquiridos em um mesmo perodo, a Tabela 2.7 no apresenta um
26
ranking, porm, uma idia da frota dos pases lderes na expanso do gs natural em
veculos.
TABELA 2.7: MAIORES FROTAS MUNDIAIS DE GNV

Ranking Pas Nmero de Nmero de estaes Perodo de Referncia
Veculos de Abastecimento
1 Argentina 1.243.000 1.105 Maro de 2004
2 Brasil(*) 710.000 735 Maio de 2004
3 Paquisto 540.000 574 Setembro de 2004
4 Itlia 400.800 463 Outubro de 2003
5 ndia 159.200 166 Julho de 2003
6 EUA 130.000 1.300 Maio de 2003
7 China 69.300 270 Abril de 2003
8 Egito 52.000 79 Abril de 2004
9 Venezuela 50.000 140 Janeiro de 2004
10 Ucrnia 45.000 130 Dezembro de 2003
11 Rssia 36.000 218 Dezembro de 2003
12 Bangladesh 26.500 50 Maro de 2004
13 Canad 20.500 222 Agosto de 2001
14 Alemanha 19.400 337 Dezembro 2003
15 Japo 18.460 658 Dezembro 2003
Fonte: IANGV (2004)
(*) Fonte: GS BRASIL (2004), fornecidos pelo IBP
2.4.1. Europa
Segundo SEISLER (2000), a indstria de GNV comeou a expandir-se pela

Europa com o advento da ENGVA em 1994. De acordo com GOZZI (2002), a previso
de participao do GNV no consumo de combustveis automotores da Unio Europia
de 5% para 2015. Neste sentido, planos agressivos de desenvolvimento do mercado de
GNV vem sendo desenvolvidos, alm de programas envolvendo fornecedores de
equipamentos, companhias distribuidoras e outras entidades, com suporte do ENGVA,
promovendo a expanso do GNV.
O maior exemplo de uso de GNV na Europa na Itlia, pas pioneiro no uso do

GNV, dando incio ao consumo deste combustvel muito antes da criao do ENGVA.
De acordo com a ANP (2003b), os primeiros usos de GNV neste pas deram-se incio na
dcada de 1930, ficando com a liderana mundial em consumo do combustvel at a
27
dcada de 1990, quando foi suplantado pela Argentina. Em 2000, de acordo com
SEISLER (2000), a Itlia era lder mundial de produo de equipamentos para veculos
a GNV, exportando sistemas de converso de veculo e equipamentos de estao de
compressor para o Oriente Mdio, Amrica do Sul e China.
De acordo com o International Energy Agency IEA (2003), o sistema de

transmisso de gs para a Itlia bem distribudo ao longo de todo o territrio nacional,
com ofertas de dutovias provenientes da Holanda, Rssia, alm do transporte de GNL
vindo de navio da Arglia.
Segundo GOZZI (2002), o governo italiano, objetivando a reduo dos nveis de

poluio nas grandes cidades, tem estimulado o incremento do GNV atravs de
incentivos tais como o pagamento de at 70% dos equipamentos das estaes de
abastecimento, reduo de impostos e iseno de limitao de trfego, no caso do uso
do referido energtico.
Na Alemanha, segundo SEISLER (2000), o desenvolvimento do GNV tem sido

muito expansivo, passando de um mercado inexpressivo em 1994 para estar entre as 15
maiores frotas de veculos a GNV, como mostra a Tabela 2.5. A indstria de gs natural
alem, juntamente com o apoio consolidado do governo federal alemo, tem promovido
a consolidao do mercado com a criao de uma estratgia nacional de
desenvolvimento do GNV direcionada para horizontes de mdio prazo.
Em 2002, foi fundada na Alemanha a Erdgas Mbil, uma corporao com o

objetivo de implementar uma infra-estrutura de suporte ao desenvolvimento do mercado
de GNV. A corporao, segundo ETZBACH (2002), tem como premissas a construo
de infra-estrutura com uma maior localizao econmica, ou seja, com sistemas de
abastecimento prximo a reas de alta densidade de trfego, permitindo a manuteno
de altas presses nos dutos, integrados dentro de uma rede para abastecimento.
2.4.2. sia
Segundo HUIZENGA (2002), o continente asitico vem desenvolvendo de

modo integrado um projeto de gerncia da qualidade do ar nas maiores cidades
28
asiticas, subsidiado pelo Banco Mundial e pela ADB (Asian Development Bank). Neste
contexto, o Gs natural se insere como uma alternativa bastante pertinente dadas as
grandes reservas de gs natural existentes pela sia e ao grande potencial de consumo,
podendo-se destacar os mercados do Paquisto, da ndia e da China.
A China um dos pases da sia lderes no mercado de GNV. Nesse pas,

tambm existe um mercado bastante considervel de uso do GLP. Segundo SEISLER
(2000), a China tem o interesse de transferir parte do mercado de GLP para o GNV por
razes do ponto de vista ambiental e de segurana de oferta energtica. Os atores
intervenientes da indstria de GNV chinesa mostram interesse em desenvolver a
capacidade domstica de consumo deste energtico, investindo na construo de suas
prprias mquinas a gs natural, como nibus, cilindros de GNC etc., tendo suporte nos
conhecimentos que proporcionaram o desenvolvimento das tecnologias ocidentais.
2.4.3. frica
As nicas informaes obtidas neste trabalho para caracterizar o continente

africano so relacionadas ao Egito.
O Egito o maior representante do continente africano em consumo de Gs

Natural Veicular. De acordo com CHAPEL (2002), um estudo realizado em 1999 pela
Egyptian Environmental Affairs Agency (EEAA) constatou ser o setor de transporte o
maior contribuinte para a poluio atmosfrica no Egito.
Dessa forma, o governo egpcio entendeu que seria necessria a implantao de

combustveis alternativos, como o GNV, que fossem de encontro com os altos ndices
de emisses. Para estimular a indstria do GNV, a Natural Gas Vehicles Company
NGVC, juntamente com a Egyptian International Gas Technology Company - E.I.G.
TEC vem oferecendo financiamento para converses de veculos com opes de
pagamento de 12, 24 e 36 meses, alm da disponibilizao do Sistema Gas Card para
usurios que converteram seus veculos para GNV. O Sistema Gas Card consiste no
fornecimento de uma alternativa de amortizar o financiamento no ato do abastecimento,
29
quando o usurio tem a opo de pagar pelo combustvel o preo da gasolina para que o
valor adicional seja creditado para abater as parcelas de pagamento da converso.
Segundo CHAPEL (2002) a viso de futuro do mercado egpcio de GNV

bastante promissora, com a iniciativa constante e crescente do Governo Federal do
Egito, atravs do estmulo ao crescimento de estaes e centros de converso,
expanso de novas reas de GNV, e transferncia de tecnologia para produo dos
nibus a GNV.
2.4.4. Estados Unidos
O mercado Norte-Americano de GNV teve incio em 1969 atravs da Southern

California Gas Company, a qual criou uma subsidiria de venda de sistemas de
converso de veculos para GNV. O programa foi destinado a um nmero pequeno dos
clientes at o incio da dcada de 1980, quando o esforo para a expanso do mercado
de GNV se tornou mais intenso.
Segundo SEISLER (2000), tambm na dcada de 1980, a Ford criou a primeira

pick-up a gs natural. Outros fabricantes de equipamentos originais comearam com
programas no final da dcada de 1980 e incio dos anos de 1990. Inicialmente, tentaram
lanar veculos dedicados a GNV; porm, a falta de uma infra-estrutura ampla de
abastecimento inviabilizou este investimento. Isto fez os investidores adotarem os
veculos de tecnologia bi-combustvel. A partir do ano 2000, trinta e seis Estados
americanos tm adotado polticas para converter as frotas de instituies pblicas, alm
de incentivos de converso, o que promoveu um grande impulso ao desenvolvimento do
mercado do GNV.
Nos EUA, est crescendo a cultura de postos particulares de GNV. Segundo

SANTOS (2002), vrios destes postos eram de propriedade de empresas com Chevron,
Phillips, Shell e Texaco. No entanto, uma parcela considervel de postos de
propriedade de grandes consumidores de GNV, centros comerciais e grandes garagens.
Apesar do crescimento da cultura de postos particulares, a maioria dos postos de

abastecimento de GNV operada pelas prprias companhias de distribuio de gs
30
norte-americanas. A administrao de postos por companhias operadoras uma vertente

pouco explorada no Brasil, tendo em vista sempre a existncia de um ente intermedirio
entre a distribuidora e o cliente final.
2.4.5. Amrica do Sul
Segundo IANGV (2004), a Amrica Latina contabiliza mais de 2.000.000

veculos a GNV, somando-se apenas os trs principais mercados Argentina, Brasil e
Venezuela. atualmente o maior mercado consumidor do mundo.
No Cone Sul, vrios pases vm desenvolvendo o mercado de GNV. Segundo

SANTOS (2002), pases como Chile, Colmbia e Bolvia possuem frotas de GNV ainda
em pequena escala, pois enfrentam a falta de infra-estrutura de abastecimento.
A Argentina possui o programa de expanso do GNV mais consolidado do

mundo, o qual serve de modelo para outros pases que desejam implementar o gs
natural no setor veicular. De acordo com GOLDIN (2002), em 2002 a frota de veculos
a GNV na Argentina contabilizava o valor de aproximadamente 450.000 unidades. At
maro de 2004, este nmero evoluiu para 1.243.000, segundo o IANGV (2004),
registrando um crescimento de 176% em um perodo de apenas dois anos.
Segundo GOLDIN (2002), a frota de GNV da Argentina neste ano era composta
por 71% de particulares, 19% de utilitrios e 10% de txis. A FIAT possui uma fbrica
de carros dedicados a GNV neste pas, o que demonstra o grande potencial de consumo
deste combustvel e a infra-estrutura slida de distribuio.
Ainda de acordo com GOLDIN (2002), o sucesso desse programa est lastreado
na grande produo nacional de gs natural e pela boa infra-estrutura de transporte e
distribuio de gs. O mercado foi impulsionado pelo apoio do governo federal,
incluindo subsdios converso dos veculos e uma ordem do Poder Executivo que
designou todos os txis de Buenos Aires a converterem seus veculos de diesel para gs
natural.
31
2.5. O MERCADO DE GNV NO BRASIL
2.5.1. Caractersticas Gerais
O programa de GNV no Brasil iniciou-se na dcada de 1980, com a criao do

Plano Nacional de Gs Natural PLANGS (ANP, 2003b), que tinha o objetivo de
realizar estudos e pesquisas visando substituio do leo diesel nos nibus. Neste
sentido, empresas como Petrobras, Mercedes Benz e Ipiranga iniciaram os primeiros
investimentos em Pesquisa e Desenvolvimento no setor, nas cidades do Rio de Janeiro,
Natal e So Paulo.
Em 1991, segundo ANP (2003b), foram abertos os primeiros postos de

abastecimento pblico de gs natural, nas cidades do Rio de Janeiro e de So Paulo,
iniciando-se ento o consumo de GNV no Brasil. Ainda segundo ANP (2003b), foi
ento liberado pelo Governo, em 1996, o uso do gs natural para todos os veculos do
pas, aps com a indicao clara de que este produto poderia ser fornecido aos veculos
de passeio em geral. A partir da liberao, toda a cadeia do gs natural iniciando pela
Petrobrs e passando pelas concessionrias estaduais de gs, distribuidoras de
combustveis, postos de venda de combustveis e fabricantes de compressores, cilindros
e kits de converso, oficinas de converso e os consumidores vem apostando na
expanso do mercado de GNV.
Desde ento, pesados investimentos vm sendo realizados por todos os atores

intervenientes na cadeia do GNV, fato refletido pelo grande nmero de converses de
veculos para GNV ao longo dos anos, cuja evoluo de 1996 a 2003 mostrada na
Figura 2.3. De acordo com a figura, a frota de GNV cadastrada at o final de 2004
chegou ordem de 836.000 veculos, a segunda maior do mundo (IBP, 2005).
32
900.000
835.959
800.000
700.000
643.507
Frota Nacional de GNV
600.000
500.000
449.435
400.000
292.871
300.000
200.000
144.917
100.000 57.693
9.258 18.858
4.800
0
1996 1997 1998 1999 2000 2001 2002 2003 2004
Anos
Figura 2.3: Evoluo do Crescimento do Nmero de Converses no Brasil

Fonte: GS BRASIL (apud IBP, 2005)
O nmero anual de veculos convertidos cresce a cada ano, mostrando que o

mercado vem ganhando maiores espaos a cada ano. Porm, as taxas de crescimento so
variadas, como mostra a Figura 2.5, cujos resultados so baseados nos valores da Figura
2.4.
Reportando Figura 2.4, de 1996 a 1999, as taxas de crescimento tiveram

constantes acrscimos, atingindo um pico em 1999. O crescimento cada vez maior do
nmero de converses de veculos, nos primeiros trs anos, tem uma considervel
contribuio da demanda reprimida pelo combustvel nas vrias partes do pas, onde
foram instaladas infra-estruturas de abastecimento. Em seguida, as taxas de crescimento
decaram, nos trs anos subseqentes, de modo quase linear, na ordem de 50% por ano.
Em 2003, a queda da taxa de crescimento foi menor, da ordem de 10%, ficando em
43%. Em 2004, o crescimento foi de 30%.
33
250%
206%
200%
Taxa Anual de Crescimento
151%
150%
104%
102%
100%
93%
53%
50% 43%
30%
0%
1997 1998 1999 2000 2001 2002 2003 2004
Ano
Figura 2.4: Evoluo Anual Relativa do Nmero de Converses
A Figura 2.5 apresenta a diviso da frota de GNV do Brasil entre os Estados

consumidores. Os dois maiores mercados de GNV do Brasil so no Rio de Janeiro e em
So Paulo, devidos aos grandes investimentos realizados no setor, estimulados pelas
grandes escalas de oferta de oferta e de demanda dos outros setores.
As estatsticas de aumento do consumo de gs natural no so somente

relacionadas ao mercado veicular. De fato, como a infra-estrutura de distribuio
primria e secundria no faz diferena de acordo com o seu uso final, a expanso do
GNV possvel graas grande escala de outros setores que consomem uma maior
quantidade de gs natural, como o setor industrial.
De acordo com os dados de consumo de energia por setor, fornecidos pelo BEN
(2003), enquanto este mercado industrial respondeu por 66,9% do consumo de gs
natural em 2002, o setor de transportes respondeu por apenas 4,1% neste mesmo ano.
34
Figura 2.5: Participao dos Estados na Frota Nacional

Fonte: GS BRASIL (apud IBP, 2004)
As informaes do BEN (2003) mostram tambm que o GNV atendeu somente a

2,0% do setor de transportes rodovirio em 2002, diante dos 56,4% atendidos pelo leo
diesel e dos 28,4% atendidos pela gasolina automotiva.
Dessa forma, fica evidente que o mercado de gs natural, o qual respondeu por
5,6% da matriz energtica nacional em 2002 (BEN, 2003), apresenta-se com um grande
potencial de expanso no somente no setor veicular, como tambm em outros setores
da economia.
Este contexto de aumento do consumo de gs natural se insere no grande

interesse do Governo Federal em aumentar as alternativas de consumo do gs natural,
de modo a diversificar a matriz energtica brasileira. Neste sentido, foi lanado pela
Petrobras um plano de massificao do gs natural, o qual, segundo o Diretor de Gs e
Energia, Ildo Sauer, em entrevista ao portal Canal Energia, em maio de 2004, visa
atingir o consumo de 77,6 milhes de metros cbicos por dia em 2010, fazendo o
consumo crescer 14,2% ao ano.
35
2.5.2. Regulamentao do Uso do GNV no Brasil
No Brasil, o processo de converso de veculos para o gs natural

regulamentado pela NBR 11.353, segundo SANTOS (2002), e pelos Regulamentos
Tcnicos de Qualidade RTQ 33, anexo da Portaria n.102 de 20 de maio de 2002, do
INMETRO (INMETRO, 2002b), e RTQ 37, anexo da Portaria n.74 de 13 de maio de
1996, do INMETRO (INMETRO, 1996).
O RTQ 33 regulamenta o trabalho das empresas que realizam as converses.

Nesse regulamento, prevista a figura do CH (Convertedor Homologado). Os CHs so
oficinas credenciadas pelo INMETRO que tm a autorizao formal de converter os
veculos para GNV. O RTQ 37 regulamenta o trabalho dos Organismos de Inspeo
Credenciados OICs, os quais so rgos pblicos ou privados credenciados pelo
INMETRO que avaliam a conformidade do veculo convertido pelas CHs com as
normas.
De acordo com essas e outras normas, a converso de um veculo a GNV deve

passar por uma srie de procedimentos. Segundo o INMETRO, necessria,
inicialmente,uma autorizao prvia do DETRAN, para em seguida ser encaminhado a
uma CH. Logo aps a sua converso, o usurio deve levar o seu veculo a uma OIC para
que a mesma verifique as conformidades da converso com as normas em vigor. Ainda
segundo o INMETRO, emitido por este Organismo o Certificado de Segurana
Veicular CSV, com validade de 01 (um) ano. Por fim, o usurio deve retornar ao
DETRAN no prazo de um ms para legalizar o veculo.
Alm dos RTQs 33 e 37, existe uma srie de Portarias que estabelecem
procedimentos relacionados a toda cadeia produtiva do sistema de converso de GNV.
Dentre essas Portarias, pode-se destacar a Portaria INMETRO n 190 de 10 de
dezembro de 2003, que estabelece o Selo Gs Natural Veicular, de porte obrigatrio do
veculo rodovirio movido a GNV (INMETRO, 2003).
O selo GNV um instrumento importante no controle estatstico dos veculos

que possuem o sistema de GNV instalado, alm de orientar equipes de salvamento
(Defesa Civil, Bombeiros, etc.) sobre a existncia desse outro combustvel. Esse aspecto
36
particularmente importante visto que os veculos convertidos para gs natural no

devem ser tratados com extintores de gua, pois a gua pode resfriar rapidamente o
cilindro, danificando o seu material e aumentando os riscos de exploses.
O selo GNV deve ser portado pelo proprietrio ou condutor, fixado no pra-brisa
do veculo ou anexo ao documento do veculo. A validade do selo a mesma do
Certificado de Segurana Veicular, 01 (um) ano, devendo ser substitudo a cada
inspeo peridica de segurana veicular. O usurio paga pela inspeo e recebe o selo
logo em seguida.
2.5.3. GNV Versus lcool: Sazonalidade do Combustvel Verde
Institudo atravs do Programa Nacional do lcool Prolcool, na dcada de

1970, para responder Crise do Petrleo, o lcool um combustvel produzido a partir
de um processamento qumico de alguns vegetais, tais como mandioca, cana-de-acar
e babau. Porm, a cana-de-acar foi o mais cultivado para fins de produo alcooleira.
Nos primeiros anos do programa, percebeu-se uma exploso do consumo desse
energtico, mostrando-se temporria e inconsistente poucos anos depois, devido falta
de um planejamento estratgico do setor. Uma anlise mais crtica sobre o Prolcool
encontrada no trabalho de MELO (1993).
Atualmente, o consumo de lcool no setor veicular muito reduzido, em vista do

que se propunha no incio do Prolcool, tendo como uma das principais limitaes a
sazonalidade na produo. Em perodos de alta produo de cana-de-acar, o custo por
quilmetro do lcool aproxima-se do custo por quilmetro do GNV, chegando a ser at
menor em algumas localidades do Brasil, o que restringe a converso de veculos para
consumir o gs.
Um estudo realizado pela ESALQ / BM&F (2004) mostra a evoluo dos preos
do lcool ao longo de um ano na Regio Centro-Sul e nos Estados de Alagoas e
Pernambuco. Os resultados desse estudo, mostrados na Figura 2.6, refletem uma grande
variabilidade, principalmente na regio Centro-Sul, onde h variao de preo de at
49%, em relao aos meses de janeiro de 2004 e abril de 2004.
37
0,900
0,800
0,700
0,600
0,500 Cento-Sul
Pernambuco
0,400 Alagoas
0,300
0,200
0,100
0,000
m a r/0 4
m ai/04
a go/03
s e t/03
ou t/03
n ov /03
d ez /03
jan/04
abr/04
jun/04
jul/04
a go/04
fe v /0 4
Figura 2.6: Evoluo do Preo do lcool Etlico Hidratado6

Fonte: ESALQ / BM&F (2004)
Nos Estados de Alagoas e Pernambuco, a variao chegou a 33% em relao aos

meses de agosto de 2003 e novembro de 2004. Esta variao de preo ainda maior
quando so considerados os preos finais ao consumidor, pois em perodos de menor
produo, a oferta do produto e a economia de escala com fretes menor, o que
estimula os revendedores a aumentarem os preos finais de revenda.
A variabilidade do preo do lcool tambm refletida no preo da Gasolina C,

comercializada em veculos no Brasil, pois este combustvel possui uma participao de
22% de lcool anidro (CETESB, 2004), o qual possui comportamento de variao de
preo semelhante ao lcool hidratado, segundo ESALQ / BM&F (2004).
De acordo com informaes do CTGS (2003), o atual Presidente da ABEGS,

Romero Oliveira, ao falar sobre as vantagens de mercado do GNV em relao ao lcool,
6
Preos finais de produo, sem frete e sem PIS, COFINS e ICMS.
38
comenta que sazonalidade de produo um dos gargalos da poltica alcooleira, o que

se adiciona priorizao, em alguns casos, da produo de acar pelos usineiros.
Segundo o atual Diretor Tcnico e Comercial da Companhia de Gs do Cear

CEGS, Raimundo Lutif, o GNV no corre riscos de escassez no mercado, devido a
sua pequena escala relativa. Contudo, o atendimento da oferta de gs nos demais
setores, principalmente os de maior consumo, fica comprometido pela infra-estrutura
limitada de distribuio para abastecer grandes demandas de consumo. O gs natural
em setores como os de termeltricas so interessantes somente quando a oferta de
grande quantidade. Pequenas quantidades no interessam. Mesmo que a oferta atual
no atenda s demandas das duas termeltricas do Cear, as quantidades disponveis
so suficientes para atender demanda do mercado veicular, declara Lutif.
2.5.4. Impedncias Penetrao do Mercado de GNV
Apesar das grandes vantagens descritas acerca do uso do GNV, existem algumas
impedncias que prejudicam a evoluo do mercado de GNV. Por exemplo, comum
ouvir de algumas pessoas que utilizam ou utilizaram o GNV queixas como os altos
custos de manuteno no seu veculo aps a converso. Todavia, esses problemas
surgem na maioria dos casos devido s falhas comuns das empresas convertedoras, j
mencionado. Converses inadequadas ocasionam tambm outros prejuzos aos usurios
de GNV, como a reduo, acima do normal, de potncia do veculo. A imagem ruim do
GNV perante algumas pessoas prejudica, portanto, a sua performance no mercado.
Alm do mais, existem outros obstculos que impedem a sua expanso. Um

deles formado pelos altos custos de converso. Dessa forma, o retorno do
investimento na converso do veculo mais rpido e significativo na medida em que se
aumentam as distncias percorridas com o veculo. Entretanto, os retornos tornam-se
mais distantes principalmente para veculos de uso privado, os quais percorrem
distncias menores, diminuindo assim o raio de influncia do mercado de GNV.
A desvalorizao ao longo do tempo de automveis convertidos a gs natural

outra grande impedncia expanso do mercado de gs natural no setor veicular. As
39
diferenas de preos de mercado entre veculos com e sem kit de GNV menor que o
preo do kit isoladamente. Alm disso, o preo de um veculo sem o kit de GNV, mas
que j foi bi-combustvel, reduzido devido a alteraes permanentes realizadas no
veculo, como perfuraes na funilaria.
O reduzido nmero de postos de atendimento tambm um obstculo a ser

suplantado. De acordo com SANTOS (2002), estima-se que o custo para adaptao de
um posto, dependendo de sua localizao em relao rede alimentadora e sua
arquitetura interna varie de R$ 400 mil a R$ 01 milho (valores do ano de 2002).
Apesar deste grande montante, a margem de lucro com investimentos em postos de
venda de GNV a varejo considerada elevada, com taxas de retorno da ordem de 25%
(SANTOS, 2002).
O pequeno nmero de postos, por sua vez, reflexo da infra-estrutura de

distribuio restrita de gs natural. Essa restrio afeta sobremaneira o lanamento no
mercado de veculos dedicados a GNV, os quais normalmente apresentam um
desempenho ainda melhor do que os veculos equivalentes gasolina (SANTOS, 2002).
De acordo com SANTOS (2002), o impacto da pequena populao de veculos

nas infra-estruturas acarreta em custos especficos maiores, no havendo, portanto,
economia de escala suficiente para refletir em uma reduo de preos. Alm disso,
comum o incremento dos preos de GNV para venda a consumidores, no sentido de
adquirirem um payback em um menor intervalo de tempo. Esses preos apesar do
incremento, ainda so competitivos, mas poderiam ser menores.
Uma questo que se soma restrio de postos a baixa autonomia dos

cilindros. Por exemplo, um cilindro de capacidade de 14Nm3 fornece uma autonomia de
168 km para o veculo.
O processo interativo entre a restrio do GNV na rede de postos e a baixa

autonomia dos cilindros evita um maior uso do energtico quando se aumenta o raio de
circulao dos veculos. Com um crescimento de demanda acima do suportado pelos
postos, os seus compressores podem perder a capacidade de manter a presso adequada
e, gradualmente, os veculos recebero menos gs, necessitando de um maior nmero de
paradas, diminuindo ainda mais a autonomia dos veculos.
40
Portanto, o uso destes veculos no pas ainda fica restrito s regies nas quais as
restries de GNV na rede de postos no so muito sentidas pelos usurios.
2.6. O GNV NO ESTADO DO CEAR
Segundo informaes do IBP, apresentadas em GS BRASIL (2004), de maio

de 2004, o Estado do Cear era responsvel por 3% da frota nacional de GNV. De
acordo com informaes do DETRAN/CE, at novembro de 2004, o Estado do Cear
possua uma frota registrada de 24.328 veculos movidos a GNV. O mercado de GNV
neste Estado concentra-se em sua maior parte na Regio Metropolitana de Fortaleza
RMF, principalmente na capital, a qual contabiliza 87% da frota Estadual.
O consumo de gs natural no Cear de um modo geral limitado ainda na faixa

litornea do Estado, onde so disponveis dois sistemas de oferta, formados pelos
gasodutos Guamar-Pecm e Paracur-Fortaleza, como se v na Figura 2.7. Existem
tambm frotas de GNV em cidades mais afastadas de Fortaleza, as quais no so
abrigadas por sistemas de distribuio de gs natural. No entanto os usurios de GNV
residentes nessas cidades realizam constantes viagens Fortaleza, fato que viabiliza a
converso do veculo.
Atualmente, o gasoduto Guamar-Fortaleza-Pecm est em fase de duplicao

para atender ao crescimento da demanda apenas na faixa litornea sua regio de
influncia, mostrada tambm na Figura 2.7. Todavia, existem reas no Estado do Cear
com grandes potenciais de consumo, como o Cariri, no sul do Estado (a qual tem como
cidades principais Crato, Juazeiro do Norte e Barbalha), responsvel por 11% da
populao cearense e por 12% do PIB estadual (IBGE, 2003), que no podem ser
beneficiadas pelo gasoduto por limitaes fsicas.
41
Figura 2.7: Sistema de Suprimento de Gs Natural do Cear (Mapa sem Escala)

Fonte: CEGS (2003)
Neste sentido, a CEGS, juntamente com a Petrobrs, vem lutando para adquirir
recursos que viabilizem a expanso da rede de oferta de gs, pois existem vrias
alternativas, tais como:
A implantao de um sistema de regaseificao de GNL no Porto do

Pecm e distribuio para outras localidades, atravs de gasodutos
convencionais ou gasodutos virtuais; e
A construo de um gasoduto partindo do city-gate de Aracati, seguindo

pelo corredor Nordeste-Sul do Cear, chegando at a regio do Cariri.
Recentemente, o Piau comeou a ser abastecido por gs natural atravs de

gasodutos virtuais, partindo de Fortaleza, para atender demanda por GNV. Outro
mercado potencial a ser explorado pela distribuidora cearense o Estado do Maranho.
42
Portanto, como pode ser notado, as oportunidades de negcios para a

distribuidora do Cear bastante vasta, as quais devem ser identificadas de modo mais
preciso atravs de estudos de mercado, cruzados com vrias oportunidades de oferta.
2.7. ESTRATGIAS PARA O PLANEJAMENTO DE EXPANSO DO GNV
2.7.1. Princpios gerais
Neste captulo foram discutidos at aqui os principais aspectos que caracterizam

o Gs Natural no contexto mercado de combustveis no Brasil. Percebeu-se ento que o
GNV uma alternativa relativamente nova em relao a combustveis tradicionais como
a gasolina e o diesel e, por isso, apresenta alguns obstculos inerentes a uma indstria
ainda no totalmente madura e no competitiva em algumas regies do Brasil e do
mundo.
O avano do GNV no setor de transporte no simples, o que depende de um

amplo engajamento entre consumidores e fornecedores, gerando um inter-
relacionamento entre a oferta e demanda, quebrando paradigmas e buscando novas
oportunidades de negcio. Dessa forma, so necessrias estratgias inovadoras, no
sentido de aproveitar as potencialidades do referido energtico. Um estudo do Gas
Research Institute (GRI, 1998), de Chicago, destaca trs premissas bsicas para o
desenvolvimento da indstria do GNV:
a) Criar mercados sustentveis para o GNV;
b) Oferecer produtos e servios que vo ao encontro das necessidades dos

consumidores;
c) Atrair investidores com retornos competitivos;
Nesse sentido, o desenvolvimento deste mercado deve-se constituir de um

conjunto de aes que envolvam os campos poltico, ambiental, cultural, social e
tecnolgico e de regulao. Para tanto, necessrio estabelecer regras que levem em
43
considerao os interesses de cada um dos atores intervenientes na indstria do GNV:

governo, distribuidores de combustveis, clientes, fornecedores de equipamentos e
organizaes ambientais.
O Governo, nos mbitos Federal, Estadual e Municipal, deve ser o indutor do

desenvolvimento do GNV, gerando polticas que estimulem a participao dos
investidores, juntamente com as distribuidoras. No entanto, os investimentos devem
partir tanto de iniciativas pblicas como de iniciativas privadas, incluindo marketing,
Pesquisa e Desenvolvimento e expanso da infra-estrutura de abastecimento.
Uma questo, apontada por SANTOS (2002) e para a qual existem ainda muitos
dados escassos, refere-se ao nmero mnimo de carros a gs necessrios para tornar o
gs auto-sustentvel. O autor admite que uma saturao mnima de 1% do total da
populao de veculos no mercado seja necessria para tornar para o incio da
consolidao da nova tecnologia. Ele ainda afirma que antes que essa saturao seja
alcanada, os avanos se desenvolvem de maneira catica, com taxas de crescimento
que podem ser dramaticamente elevadas, mas cujas trajetrias so imprevisveis,
podendo ser insustentveis.
Para tanto, o desenvolvimento da cultura do uso do GNV essencial para a

consolidao de um mercado auto-sustentvel. As aes para o desenvolvimento do
GNV devem ser direcionadas inicialmente em um curto prazo, para mercados com
frotas de grande consumo (alta quilometragem percorrida), alimentando uma cultura do
uso do GNV, o que pode estimular, em mdio e longo prazos, o uso do GNV em outros
nichos de mercado.
2.7.2. O Cenrio Brasileiro
O desenvolvimento de um mercado como o GNV deve ser definido dentro do

cenrio competitivo de combustveis disponveis em uma determinada regio. Sabe-se
que existem outros combustveis alternativos com grandes vantagens sob o ponto de
vista ambiental e econmico, e de alto potencial de gerao de emprego e renda para a
populao. No Brasil, os exemplos mais comuns so o biodiesel e o lcool.
44
Dessa forma, as polticas para todos os combustveis alternativos devem estar

definidas de modo integrado, definindo otimizadamente o market share para cada
produto. Nesse aspecto, o tamanho continental do Brasil e as grandes disponibilidades
de produo de vrios combustveis alternativos permitem uma definio de nichos de
mercado para cada energtico, levando em considerao a composio de custos de
distribuio e da cadeia produtiva. Esse princpio, obviamente, no se aplica somente ao
setor veicular.
No caso especfico do GNV, as polticas de expanso no Brasil poderiam ser

desenvolvidas em duas vertentes:
No segmento dos veculos leves, juntamente com lcool, este

combustvel poderia atuar na diminuio do consumo de gasolina em
regies de alto ndice de poluio e com custos elevados de distribuio,
como o caso de alguns Estados do Nordeste; e
No segmento de veculos pesados, fazendo diminuir, juntamente com o

biodiesel, o dficit da balana energtica proveniente da importao do
diesel derivado de petrleo.
As iniciativas do governo so apenas um indutor para o estmulo ao

desenvolvimento de todos os elos e ns da cadeia produtiva da indstria de GNV,
devendo crescer de modo consciente, com a identificao de barreiras administrativas e
outros impedimentos expanso do mercado do GNV, em conjunto com os outros
combustveis alternativos.
Um crescimento consciente, por sua vez, tambm significa a realizao de

investimentos pblicos e privados, controlados pelas companhias distribuidoras, de um
conjunto de ofertas condizentes com o potencial de demanda para cada regio
previamente definida. Dentre as vrias ofertas disponveis, existem alternativas como a
expanso da rede de dutos ou a utilizao de gasodutos virtuais. Os gasodutos virtuais
permitem o armazenamento de gs natural na forma comprimida ou liquefeita, em
tanques transportados atravs de modais rodovirio, ferrovirio e martimo, para pontos
distantes da rede de distribuio primria.
45
O estudo de vrias formas de transporte primordial para um pas continental

com o Brasil, visto as diferentes condies de transporte distncia, geografia etc
para cada regio. A Figura 2.8 apresenta um mapa do Brasil com destaque para o
sistema de infra-estrutura de distribuio de gs natural, refletindo o curto raio de ao
da infra-estrutura de gasodutos convencionais diante de grandes plos consumidores de
energia.
Nesse contexto, PRAA (2003) enfatiza que a crena de que um pas carente de
recursos, como o Brasil, deve construir uma rede de gasodutos sem o desenvolvimento
prvio da cultura do uso do gs natural deve ser superada. Essa ao vai de encontro
com os princpios evolutivos de qualquer mercado, ou seja, a evoluo gradual dos
campos poltico, ambiental, cultural, social e tecnolgico.
Figura 2.8: Sistema de Distribuio Primria de Gs Natural do Brasil

Fonte: CEGS (2003)
46
2.7.3. Algumas Aes de Incentivo
Dentre algumas aes a serem tomadas, destaca-se aquelas relacionadas ao setor

de Pesquisa e Desenvolvimento (P&D) em gs natural. Uma delas seria desenvolver e
implementar tecnologias que reduzem os custos e isto inclui tanto os veculos
originais de fbrica quanto os kits de converso e melhorem a performance do GNV e
das tecnologias de abastecimento.
Outro fator importante seria o aumento da autonomia dos veculos, o que fornece
uma maior independncia do uso do GNV. De acordo com SANTOS (2002) apenas
com vrios desenvolvimentos tecnolgicos poder-se- superar significativamente a
barreira do 220 km de autonomia. Isso possvel com a melhoria da eficincia dos
motores, o que exige um esforo de fbrica, com veculos dedicados a GNV. A opo
da fabricao de veculos bi-combustveis gasolina / GNV e lcool / GNV uma
alternativa a primeira vista mais adequada a curto e mdio prazo para a realidade
brasileira, para vendas de maior escala.
SANTOS (2002) ainda recomenda que novos materiais e novas tcnicas de

soldagem devero ser desenvolvidas visando ao aumento da capacidade de
armazenagem de combustveis nos cilindros dos veculos, sem o incremento de peso.
Dessa forma, a descoberta de novos materiais permitiriam a fabricao de cilindros que
possam suportar maiores presses sem comprometer a segurana.
importante salientar que um conjunto de aes bsicas devem ser feitas em

trabalho conjunto com instituies de energia e agncias ambientais, no sentido de
formular estratgias de legislao apropriadas para o mercado e para cada regio, alm
da criao de um corpo fiscalizador que assegure rigorosamente o cumprimento das leis
firmadas pelas instncias federal, estadual e municipal.
Alm de investimentos no setor de P&D, uma maneira de aumentar o consumo

de GNV, e talvez a de viabilidade mais imediata, gerar um conjunto de incentivos para
o uso do gs natural pelos consumidores e para a atrao de investidores, tais como:
financiamento dos kits de converso; reduo de impostos sobre o combustvel e sobre
o veculo; e permisso de circulao de veculos a GNV em cidades que possuem
47
polticas de restrio de trfego em reas poludas. Essas medidas devem ento estar de
acordo com as pretenses do Governo Federal sobre as polticas de uso do gs.
Nesse contexto, o BNDES lanou uma linha de crdito destinada a frotas de

pequenas, mdias e grandes empresas, que consiste no financiamento, atravs da
aquisio do carto BNDES, de kit de GNV por 12 meses, a uma taxa de juros de
1,39% a.m., bastante inferior aos financiamentos realizados pelas convertedoras
(BNDES, 2004). Se linhas de crditos como essa forem lanadas para o pblico em
geral, haver a tendncia de ocorrer grandes adeses do GNV por parte dos mercados de
veculos privados.
Outro incentivo de grande impacto, o qual poderia se somar ao primeiro, seria a

reduo do Imposto de Propriedade de Veculos Automotores IPVA. Segundo
informaes do PORTAL GASENERGIA (2004) em So Paulo a taxa de reduo pode
chegar a 25% do valor do imposto. No Rio de Janeiro o valor ainda maior, 75%.
2.7.4. Planos de integrao do GNV
Em se falando de economia de escala, adicionado ao contexto atual globalizado,

as solues para o avano de estratgias da expanso de qualquer mercado, inclusive do
GNV, so mais reais quando h planos de integrao, de modo a explorar os potenciais
particulares de cada regio. A Unio Europia vem se mobilizando para o caminho da
integrao de estratgias de GNV, principalmente depois da criao do ENGVA. Outro
exemplo de aplicao de um plano de ao desta magnitude sugerido por GOLDIN
(2002) para a Amrica Latina. Seria uma oportunidade de negcio bastante aprecivel
para os pases do cone sul a integrao dos mercados de GNV, de modo a beneficiar
toda a cadeia produtiva do setor, gerando grandes opes de emprego e renda.
No entanto, GOLDIN (2002) destaca que existem srios obstculos que

impedem a interpenetrao dos mercados, tais como: cilindros e outras peas que
compem o kit de GNV com especificaes diferentes, alm das diferenas de
regulamentaes. As impedncias so contrabalanadas pelo enorme poder de mercado
e pelos fatores que permitem a integrao, podendo-se destacar a similaridade dos
48
veculos e a necessidade de crescimento regional, estimulado pela unio dos mercados e

pelas grandes oportunidades de negcio.
O primeiro passo para a integrao a consecuo de um acordo entre os pases

interessados que estabelea um conjunto de regras que permitam a penetrao dos
investidores ao longo de toda a cadeia produtiva do GNV. O acordo deve conter um
critrio nico de converso, fabricao de kits e veculos, alm de um programa
agressivo de massificao do uso do GNV em todo o Cone Sul.
Finalmente, importante destacar que todas as estratgias mencionadas devem

estar previamente baseadas em estudos que retratam os potenciais de mercado das
regies e os riscos de variao do comportamento dos consumidores perante mudanas
de vrios parmetros de deciso. Esses estudos, por sua vez, tm melhor qualidade
quando baseados em metodologias de modelagem economtricas de demanda que
reflitam o ponto principal que dinamiza o mercado: o comportamento de escolha dos
consumidores.
49
CAPTULO III
MODELAGEM DE ESCOLHA DISCRETA
3.1. INTRODUO
Este captulo tem o objetivo de apresentar uma pesquisa do estado da arte sobre
as metodologias mais comuns de modelagem de escolha de indivduos, aplicadas em
vrios estudos de mercado.
A abordagem do presente Captulo feita com a apresentao inicial da

estruturao simplificada do processo de escolha dos indivduos, passando pela Teoria
Microeconmica do Consumidor e por alguns conceitos economtricos, os quais
fundamentaram o surgimento da Teoria da Utilidade Aleatria. Em seguida, so
apresentadas algumas caractersticas gerais dos Modelos de Escolha Discreta, objeto
principal de estudo do presente Captulo.
A discusso continua com a apresentao do modelo mais simples de escolha

discreta dentre os comumente utilizados, o modelo Logit, aplicados em conjuntos de
escolha multinomias Modelo Multinomial Logit e em conjuntos de escolha
multidimensionais - Modelo Joint Logit (BEN-AKIVA e LERMAN, 1985). Por fim, o
Captulo aborda uma concepo de modelo mais complexa, desenvolvida na dcada de
1970 por WILLIAMS (1977) e MCFADDEN (1978), considerado com um dos mais
aplicados modelos de escolha discreta: Nested Logit.
A estruturao deste Captulo foi baseada principalmente em algumas das

referncias tericas mais relevantes em Modelagem de Escolha Discreta: BEN-AKIVA
e LERMAN (1985), WILLIAMS (1977), MANSKI e MCFADDEN (1981),
LOUVIERE et al (2000) e TRAIN (2003).
50
3.2. ESTRUTURAO DO PROCESSO DE ESCOLHA
De acordo com LOUVIERE et al (2000), o entendimento das respostas

comportamentais dos indivduos, perante vrias situaes de escolha, de grande
interesse para a sociedade. De fato, como relatado na definio do problema de
pesquisa, no Captulo 01, os resultados de uma investigao dessa ordem possibilitam a
obteno de resultados para anlise e implementao de polticas, sejam elas em mbito
empresarial ou governamental, aplicadas em curto, mdio ou longo prazo.
O processo de escolha dos consumidores pode ser apresentado de modo

simplificado no fluxograma da Figura 3.1.
Necessidade / Desejo de Compra
Aprendizagem Passiva / Ativa (Definio dos Atributos e Alternativas)
Avaliao e Comparao das Alternativas
Formao das Preferncias Feddbacks
Definio da Escolha
Avaliao da Alternativa Escolhida
Figura 3.1: Processo de Escolha dos Consumidores

Fonte: adaptado de LOUVIERE et al (2000)
De acordo com a Figura 3.1, ao se deparar com um problema, o indivduo

conscientiza-se da necessidade de obter algum produto ou servio. Desse modo, o
consumidor passa por um processo de conhecimento sobre quais produtos ou servios
podem satisfazer suas necessidades. Nesse estgio, o indivduo avalia e compara as
51
alternativas disponveis para ele, com base na importncia relativa das variveis
intervenientes na escolha, bem como na realizao de trade-offs (anlise compensatria)
entre as mesmas. As variveis socioeconmicas (renda, escolaridade etc.) so tambm
determinantes no processo de avaliao.
Em seguida, o indivduo ordena as alternativas e decide sobre a escolha ou no

da melhor alternativa. Por fim, essa alternativa re-avaliada, com a adoo de outras
variveis no consideradas no primeiro processo de escolha, visando a enriquecer o
conhecimento sobre o mercado e melhorar a tomada de deciso.
A estrutura simplificada da Figura 3.1 pode contemplar um universo de escolha

que varia em tamanho e em complexidade. BEN-AKIVA e LERMAN (1985)
classificam os universos de escolha em trs categorias:
a) Binria. Consiste de um conjunto com apenas duas alternativas.

Estrutura mais simples de escolha.
b) Multinomial. Consiste de um conjunto de k alternativas, exigindo do

analista um maior esforo para o conhecimento de todas as alternativas
viveis que formam o conjunto de escolha.
c) Multidimensional. Seja C1 e C2 dois conjuntos de escolha com J1 e J2

elementos, respectivamente. O produto cartesiano C1 C 2 contm
J1 J 2 elementos, sendo tambm um conjunto de escolha. Do conjunto
formado pelo produto cartesiano C1 C 2 , o subconjunto C n* o conjunto

formado por todas as alternativas inviveis para um indivduo n. Sendo
assim, a notao C n = C1 C 2 C n* define o conjunto de escolha
multidimensional para um indivduo n.
Qualquer que seja o conjunto de escolha contemplado, a anlise de escolha de

determinados produtos ou servios envolve um estudo de um sistema que, segundo
BEN-AKIVA e LERMAN (1985), formado pelos seguintes elementos: Tomador de
Deciso, Conjunto de Alternativas, Atributos das Alternativas e Regra de Deciso.
52
3.2.1. O Tomador de Deciso
O tomador de deciso pode ser representado por um nico indivduo, como

tambm por um grupo de indivduos, tais como uma residncia ou at mesmo uma
empresa. Segundo BEN-AKIVA e LERMAN (1985), possvel abstrair parcialmente
as interaes complexas dentro da unidade de tomada de deciso considerando um
grupo de pessoas ou uma organizao como um simples tomador de deciso. Ou seja,
na medida que as decises so tomadas por unidades cada vez mais agregadas, como
residncias, empresas, bairros, etc., as caractersticas intrnsecas do indivduo vo
perdendo importncia.
No entanto, quanto mais desagregadas forem as unidades de tomada de deciso,

mais intensa a participao das caractersticas intrnsecas do indivduo. BEN-AKIVA
e LERMAN (1985) apresentam o exemplo da varivel custo de viagem em automvel
particular, que depende basicamente do preo do veculo e do preo do combustvel.
Nesse caso, a quantidade monetria que um indivduo est disposto a pagar para
adquirir o automvel depende de sua renda.
3.2.2. As Alternativas
Uma escolha , por definio, feita a partir de um conjunto de alternativas. De

acordo com BEN-AKIVA e LERMAN (1985), o ambiente do tomador de deciso
determina o que se chama de conjunto universo de alternativas. Uma determinada
escolha considera um subconjunto deste conjunto universal, chamado de conjunto de
escolha.
Segundo BEN-AKIVA e LERMAN (1985), O conjunto de escolha inclui as

alternativas que so viveis e conhecidas pelo tomador de deciso. A viabilidade de
uma alternativa definida por uma variedade de restries, tais como:
a) Disponibilidade da alternativa. Por exemplo, uma alternativa de

combustvel vivel somente se disponvel dentro de uma rede de
postos acessvel para o usurio;
53
b) Disponibilidade de recursos monetrios. Por exemplo, no caso de uma

escolha entre modos de transportes, as alternativas automvel
particular ou txi no so viveis para indivduos com certas
restries financeiras.
c) Disponibilidade de Tempo. Por exemplo, percursos com longos tempos

de caminhada ou modais com baixa velocidade operacional so inviveis
para certos indivduos com restries de tempo.
d) Ausncia de Informao. Por exemplo, uma alternativa de combustvel

tambm invivel quando o indivduo no conhece as reais vantagens de
sua utilizao.
BEN-AKIVA e LERMAN (1985) classificam os conjuntos de escolha em

contnuos e descontnuos. Os conjuntos de escolha contnuos so aqueles formados por
alternativas com unidade de medida contnua. Os exemplos mais comuns desses tipos
de conjunto so formados por alternativas compostas de quantidades, economicamente
viveis, de determinados produtos. Nesse caso, cada alternativa contempla um pacote de
produtos, como, por exemplo, pores definidas de arroz, feijo e milho.
Os conjuntos de escolha descontnuos ou discretos so representados por

alternativas com unidades de medidas descontnuas ou discretas. Exemplos de
conjunto alternativas discretas so {nibus, trem, automvel} e {gasolina, lcool e
GNV}. Os conjuntos discretos so objetos da modelagem de escolha discreta, estudada
neste Captulo.
3.2.3. Os Atributos das Alternativas
Segundo BEN-AKIVA e LERMAN (1985), a atratividade de uma alternativa

avaliada em termos do vetor de valores dos atributos que caracterizam a alternativa. Os
valores dos atributos so medidos em uma escala de atratividade, podendo ser ordinal
(por exemplo, o automvel particular tem como atributo o maior custo) e cardinal
(por exemplo, o valor do atributo custo da alternativa gasolina R$ 2,00/l).
54
Quando um conjunto de alternativas homogneo, ou seja, contempla

alternativas formadas por vetores de quantidades de determinados produtos (por
exemplo, cada alternativa formada por quantidades de arroz, feijo e milho), o vetor
dos atributos simplesmente reduz s quantidades de cada produto. o caso do conjunto
de escolha contnuo, exemplificado no tpico anterior.
No entanto, quando as alternativas so heterogneas, o tomador de deciso pode

avaliar uma srie de atributos diferentes para cada alternativa, alocando diversos
valores para cada atributo. Esses valores so definidos por cada tomador de deciso
com uma determinada caracterstica. Por exemplo, no caso do exemplo do conjunto de
escolha discreta {nibus, trem, automvel}, possvel que o indivduo analise cada uma
das alternativas disponveis com base em algumas caractersticas, ou seja, atributos, tais
como tempo de viagem, custo da tarifa etc. Outro exemplo de alternativas heterogneas
um conjunto formado por elementos contnuos e unitrios, tais como o conjunto
{poro de milho, poro de arroz, volume de leite}, dentro do qual o indivduo deve
fazer sua escolha.
Segundo BEN-AKIVA e LERMAN (1985), h casos em que a valorao dos

atributos podem acarretar em resultados exatos ou com um certo grau de incerteza. Por
exemplo, o tempo de viagem de um automvel, devido a grandes congestionamentos,
talvez seja de difcil medio. Nesse caso, possvel considerar como atributo
adicional da alternativa a varincia do tempo de viagem.
3.2.4. As Regras de Deciso
Em respeito s regras de deciso, BEN-AKIVA e LERMAN (1985) classificam-

nas dentro de quatro categorias:
a) Dominncia. Uma alternativa dominante em relao outra se possuir

pelo menos um atributo melhor que todos e nenhum pior que os outros.
Em muitas situaes, esse processo no leva a uma nica escolha,
principalmente quando so envolvidos atributos de difcil mensurao e
com interaes complexas entre si.
55
b) Satisfao. Todas as alternativas possuem um nvel de satisfao,

definido tambm como nvel de aspirao, ou uma nota, baseando-se
nas expectativas atingveis do tomador de deciso, derivado a partir da
quantidade de informao e das experincias passadas. Assim como a
categoria anterior, a regra de satisfao no define uma nica escolha,
havendo a necessidade de combinao com outras regras.
c) Regras Lexicogrficas. Nessa regra, os atributos so ranqueados pelo

seu nvel de importncia, sendo escolhida a alternativa mais atrativa de
acordo com o atributo mais importante. No caso em que esse processo
no suficiente para escolher uma alternativa, o tomador de deciso
passa ento a considerar o segundo atributo mais importante, e assim
sucessivamente, at chegar a uma nica alternativa.
d) Utilidade. Segundo LANCASTER (1966), a regra da utilidade assume

que a preferncia de um indivduo a uma alternativa mensurvel, a
partir do vetor dos valores dos atributos, que definem a atratividade da
opo. Dessa forma, LANCASTER (1966) define uma funo que
expressa a atratividade das alternativas, a qual fornece um ndice
denominado de Utilidade de uma Alternativa, representada pela
expresso (3.1).
U N = F ( X 1 , X 2 , X 3 ,..., X n ) (3.1)
em que
U N : Utilidade do produto n;
X 1 , X 2 , X 3 ,..., X n : atributos que caracterizam a utilidade do produto.
Conceito mais utilizado nas anlises economtricas de escolha discreta, a

utilidade a regra de deciso aplicada no presente Captulo.
Utilizando-se a regra da utilidade, a medio das preferncias de trs alternativas

abreviada atravs da simples comparao dos ndices de utilidade U1, U2 e U3. A
56
mensurao dos ndices baseada na noo de trade-off, ou compensao, permitido

atravs da combinao de diferentes atributos de cada alternativa, com seus respectivos
valores. Portanto, o usurio deve ento selecionar a alternativa com maior ndice, ou
seja, com a melhor combinao dos valores dos atributos.
A hiptese da maximizao da utilidade utilizada extensivamente em modelos

de previso do comportamento humano, resultando em formulaes do processo de
escolha baseadas em anlise matemtica e aplicao estatstica.
3.3. O COMPORTAMENTO RACIONAL
Toda a abordagem do processo de escolha envolvendo medidas de utilidade

parte do princpio da racionalidade do consumidor. O uso do termo comportamento
racional baseado nas convices de um observador acerca dos resultados que uma
deciso pode acarretar. Obviamente, diferentes observadores podem ter variadas
convices e podem assumir diferentes funes de utilidade. Portanto, como
coloquialmente utilizado, a noo comum de racionalidade, conhecida como a
caracterstica principal do ser humano, adquire novos conceitos quando se analisa o
comportamento racional do consumidor, especificamente.
Na literatura sobre o processo de escolha, o conceito de racionalidade utilizado

para descrever o processo de deciso em si. Em geral, significa um consistente e
calculado processo de deciso no qual o indivduo persegue seus objetivos.
SIMON (1957), citado por BEN-AKIVA e LERMAN (1985), desenvolve a

distino entre racionalidade perfeita (perfect rationality) e racionalidade limitada
(bounded rationality). O conceito clssico de racionalidade perfeita assume um
indivduo onisciente, que pode adquirir uma quantidade exaustiva de informaes para a
realizao de anlises complexas, a partir das quais se toma decises. Por outro lado, a
racionalidade limitada reconhece as restries no processo de deciso que surge a partir
da falta do conhecimento humano, devendo tomar a deciso dentro das limitaes.
57
Portanto, fica claro que mesmo no seu uso cientfico, o conceito de racionalidade
pode ser ambguo, a menos que seja definido por um conjunto especfico de regras. Em
trabalhos de modelagem comportamental, a principal regra que caracteriza o tomador de
deciso racional a hiptese de que suas preferncias so consistentes e transitivas. Isto
implica, por exemplo, que o indivduo, dentro de determinadas circunstncias, repetir a
mesma escolha, e se a alternativa 01 mais preferida do que a alternativa 02, e a
alternativa 02 mais preferida do que a alternativa 03, ento a alternativa 01 mais
preferida do que a alternativa 03.
3.4. TEORIA MICROECONMICA DO CONSUMIDOR
Partindo dos conceitos de racionalidade, apresentados no tpico anterior, surge a

Teoria Microeconmica do Consumidor, cuja premissa principal e simplificadora a de
que o consumidor age racionalmente durante o processo de escolha; ou seja, ele possui
informaes suficientes acerca do conjunto de alternativas para proceder sua escolha de
modo racional (ORTZAR e WILLUMSEM, 1994). Nesse caso, a suposio de que o
indivduo tem uma racionalidade perfeita (SIMON, 1957) dentro do conjunto exaustivo
de alternativas consideradas.
Segundo BEN-AKIVA e LERMAN (1985), a Teoria Microeconmica do

Consumidor apresenta uma abordagem bsica da representao matemtica das
preferncias dos indivduos, tendo o objetivo de obter um modo de transformar as
hipteses acerca dos desejos dos indivduos dentro de uma funo de demanda que
expressa a ao do consumidor dentro de dadas circunstncias. A explanao da teoria
do consumidor ser apresentada no exemplo a seguir.
Dentro de um conjunto de escolha contnuo, um consumidor procura escolher

uma composio de produtos Q = {q1 , q 2 ,..., q n } , onde q1 , q2 ,..., qn so as quantidades
de cada um dos produtos e servios 1, 2, ..., n. Na Teoria Microeconmica do
Consumidor, essas quantidades so geralmente assumidas como variveis no
negativas, pois a anlise matemtica empregada na teoria dependente desta suposio.
Ento, o consumidor procura analisar as vrias possibilidades de consumo, a partir de
58
diversas quantidades q1 , q2 ,..., qn , de cada um dos produtos considerados. Dessa forma,

considerando uma renda fixa I, assim como preos fixos para cada um dos produtos 1,
2, ..., n , os valores p1 , p 2 ,..., p n , a restrio de compra definida pela seguinte
expresso:
p q
n =1
n n I (3.2)
De acordo com a expresso (3.2), o consumidor tem preferncias acerca de uma

determinada quantidade de cada produto 1, 2, ..., n. Neste caso, Q i Q j significa que o
consumo do pacote de quantidades Qi pelo menos to bom quanto Qj. Como j
mencionado, o comportamento racional definido no sentido da preferncia transitiva.
Portanto, se Q i Q j e Q j Q s , ento Q i Q s .
Na Teoria Microeconmica do Consumidor, h tambm a suposio de que o

consumidor tem a habilidade para comparar todas as alternativas possveis, devido
hiptese do comportamento racional. Sendo assim, existe uma funo de utilidade
ordinal U = U (q1 , q2 ,..., qn ) que expressa matematicamente as preferncias do
consumidor, sendo a nica maneira de preservar as transformaes. Portanto,

U (Q i ) U (Q j ) equivalente a Q i Q j . Ou seja, a seleo do pacote de produto pelo
consumidor, que satisfaz as restries da expresso (3.2), pode, portanto, ser obtida
matematicamente a partir da utilidade.
BEN-AKIVA e LERMAN (1985) apresentam um exemplo de maximizao da

utilidade, mostrado aqui, considerando inicialmente a seguinte funo de utilidade:
U (q1 , q 2 ) = o q11 q 2 2 (3.3)
em que
U (q1 , q 2 ) : Utilidade de uma alternativa contendo as quantidades q1 e q 2

dos produtos 1 e 2, respectivamente;
o , 1 , 2 : parmetros positivos calibrados de acordo com as

preferncias do consumidor.
59
Nesse tipo de problema, a utilidade da alternativa sempre aumenta com a renda

do indivduo. Portanto, possvel formular o seguinte problema de otimizao:
max U = o q11 q 2 2
q1 , q2
sujeito a p1 q1 + p 2 q 2 = I (3.4)
Utilizando o artifcio do multiplicador de Lagrange, tem-se a seguinte funo a

ser maximizada:
[
max 0 q11 q 2 2 ( p1 q1 + p 2 q 2 I )
q1 , q 2 ,
] (3.5)
em que
: multiplicador de Lagrange.
Derivando a funo Lagrangeana em relao aos parmetros , obtm-se as

seguintes expresses:
0 1 q1 1 q 2 p1 = 0
1 2
(3.6)
1 2 1
0 2 q1 q 2 p 2 = 0 (3.7)
p1 q1 + p 2 q 2 I = 0 (3.8)
As condies apresentadas nas expresses (3.6) a (3.8) permitem a obteno das

seguintes funes determinsticas de demanda, expressando a escolha do consumidor
para dados preos e renda:
1 I
q1 = (3.9)
1 + 2 p1
2 I
q2 = (3.10)
1 + 2 p2
As funes de demanda apresentadas nas expresses (3.9) e (3.10) podem ser

aplicadas na funo de utilidade, com o fim de obter a mxima utilidade que
arquitetada dentro de certos valores de preo e renda. A funo chamada por BEN-
AKIVA e LERMAN (1985) de funo de utilidade indireta. Para o exemplo mostrado, a
funo dada por:
60
1 + 2 1 2

U ( p1 , p 2 , I ) = 0
I
1 2 (3.11)
1 + 2 p1 p 2
Qualquer que seja a forma da funo de utilidade, a Teoria Microeconmica do

Consumidor representa o comportamento de escolha do consumidor cujas preferncias
so implicitamente restritas na forma das funes e nos parmetros que as compem.
Em aplicaes empricas, quando observaes de diferentes consumidores so utilizadas
para estimar os parmetros desconhecidos, necessrio especificar como os gostos, e,
conseqentemente, como as funes de utilidade variam entre consumidores. De acordo
com BEN-AKIVA e LERMAN (1985), essa a razo pela qual as caractersticas
socioeconmicas dos consumidores so introduzidas dentro de funes utilidade e pela
qual s vezes a estimao executada separadamente para diferentes grupos
socioeconmicos (segmentao).
A conceituao clssica da Teoria Microeconmica do Consumidor, apresentada

aqui, tem recebido algumas extenses na literatura, citadas por BEN-AKIVA e
LERMAN (1985). Por exemplo, a abordagem clssica no tem suposio alguma acerca
da natureza das alternativas. Como resultado, as funes de demanda obtidas tm
muitas restries empricas, fomentadas simplesmente nas informaes de preos do
pacote de produtos que formam cada alternativa. Essas restries tornam a escolha
difcil, na medida que aumenta, em nmero e em complexidade, os produtos
disponveis.
Para diminuir as dificuldades, possvel, atravs de alguns conceitos que vo

alm da abordagem bsica da Teoria Microeconmica do Consumidor, dividir os
produtos em uma estrutura formada por grupos de produtos. BEN-AKIVA e LERMAN
(1985) definem esse artifcio como rvore de utilidade. Assim, com esses arranjos, o
indivduo pode formar grupos de produtos relacionados a alimentao, transporte,
educao, lazer etc.
Do ponto de vista comportamental, a rvore de utilidade pode ser interpretada

como uma representao de um processo de deciso seqencial, em dois estgios. O
primeiro estgio consiste da deciso em alocar os recursos disponveis para cada um dos
grupos. Em seguida, o processo de alocao de recursos acontece dentro de cada um dos
61
grupos. Dessa forma, o problema clssico da Teoria Microeconmica do Consumidor

aplicado a cada grupo.
No sentido de melhorar a descrio do processo de escolha, alguns estudos

introduziram outras variveis, alm do preo, funo de demanda.
BECKER (1965), citado por BEN-AKIVA e LERMAN (1985), sugeriu a

incorporao de restries de tempo, admitindo que a compra de uma alternativa de
consumo tambm funo do gasto de tempo.
LANCASTER (1966, apud BEN-AKIVA e LERMAN, 1985), props um

mtodo mais completo, descrevendo a utilidade de uma alternativa em termos dos seus
atributos, como mostrado na expresso (3.1). Essa abordagem constitui um avano do
exemplo clssico apresentado, pois possibilitou o estudo de alternativas discretas.
Independente da utilizao da abordagem clssica ou estendida da Teoria

Microeconmica do Consumidor, h ainda outro aspecto, de grande importncia e que
no foi considerado em nenhuma das abordagens clssicas e suas extenses: a diferena
entre a escolha observada e a escolha prevista por uma determinada funo de demanda.
Essa diferena tratada como um erro aleatrio e atribuda a fatos no medidos na
funo de demanda, alm de erros de medio nos dados disponveis.
A abordagem do termo aleatrio, apresentada no tpico seguinte, foge ao escopo

da Teoria Microeconmica do Consumidor.
3.5. TEORIA DA UTILIDADE ALEATRIA
Segundo BEN-AKIVA e LERMAN (1985), os estudos pioneiros que evoluram

para a Teoria de Escolha Probabilstica, ou Teoria da Utilidade Aleatria, surgiram na
psicologia. Uma compreensiva reviso dos primeiros desenvolvimentos sobre esse
assunto encontrada no trabalho de LUCE e SUPPES (1965). A Teoria da Utilidade
Aleatria originou-se da necessidade de explicar as observaes experimentais de
preferncias inconsistentes e intransitivas, tendo em vista que em experimentos de
coleta de dados sobre a escolha de indivduos, observa-se que indivduos nem sempre
62
selecionam a mesma alternativa em repeties de uma mesma situao de escolha.

Nesse sentido, o mecanismo de tratar a escolha como uma varivel aleatria visa
explicar estas inconsistncias comportamentais.
A idia das preferncias intransitivas desencadeou, principalmente nos ltimos

30 anos, uma ampla divulgao na literatura de estudos com propostas que visavam a
explicar o comportamento de escolha do indivduo dentro de um grande e complexo
ambiente de deciso. Os primeiros estudos foram aplicados na rea de transportes,
especificamente em estudos do comportamento de escolha modal. Surgiram, assim, os
chamados MODELOS DE ESCOLHA DISCRETA.
Baseados nos princpios da Teoria Microeconmica do Consumidor e nos

conceitos de probabilidade, os Modelos de Escolha Discreta possuem como principal
postulado a seguinte sentena (ORTZAR e WILLUMSEM, 1994): a probabilidade
de um indivduo escolher uma dada opo funo de suas caractersticas
socioeconmicas e a relativa atratividade da opo. O conjunto de escolhas formado
por elementos mutuamente exclusivos e coletivamente exaustivos.
Partindo dos conceitos dos Modelos de Escolha Discreta, os referidos autores

mostram que a funo que representa o grau de preferncia de uma alternativa para
certo indivduo, chamada de utilidade, deve ser definida em funo dos valores dos
atributos das alternativas e das caractersticas socioeconmicas do indivduo, como
mostra a expresso a seguir:
U in = U ( z in , S n ) (3.12)
em que
Uin: Utilidade de uma alternativa i para um indivduo n;
zin: Vetor dos atributos relevantes da alternativa i;
Sn : Vetor das caractersticas socioeconmicas do indivduo n;
Por outro lado, como os Modelos de Escolha Discreta prevem preferncias

intransitivas, comum haver casos em que indivduos de mesmas caractersticas
socioeconmicas escolhem alternativas distintas. Nesse caso, as duas parcelas
63
explicativas da utilidade apresentadas na expresso (3.12) no so suficientes para

representar o comportamento de escolha do indivduo. Sendo assim, a utilidade
formada por duas componentes: uma determinstica, tambm chamada de sistemtica, e
outra aleatria, que reflete as irracionalidades da escolha de um indivduo.
MANSKI e MCFADDEN (1981) apontam 04 fontes de aleatoriedade:
a) A existncia de atributos que afetam a escolha e que no foram includos

na funo utilidade;
b) A existncia de caractersticas dos consumidores que afetam a escolha e

que no foram includas na funo utilidade;
c) Existncia de erros de medio dos valores dos atributos, podendo ser

minimizado em experimentos de preferncia declarada;
d) Utilizao de variveis instrumentais (variveis proxy) representando

atributos que no podem ser mensurados diretamente.
Portanto, o conceito de utilidade aleatria define a utilidade de uma alternativa i

para um indivduo n (Uin) atravs da seguinte expresso:
U in = Vin + in (3.13)
em que
Uin: Utilidade global de uma alternativa i para um indivduo n;
Vin: Componente sistemtica da utilidade de uma alternativa i

para um indivduo n;
in: Componente aleatria da utilidade de uma alternativa i para

um indivduo n.
Segundo ORTZAR e WILLUMSEM (1994), a representao das componentes

aleatrias permite explicar duas irracionalidades aparentes:
64
a) Dois indivduos com mesmas caractersticas socioeconmicas e diante

do mesmo conjunto de escolha podem admitir preferncias diferentes;
b) Alguns indivduos podem no escolher a alternativa de maior utilidade.
A interpretao dos termos aleatrios pode ser feita sob vrias formas de
distribuio e hipteses. A liberdade de representao dos termos in vem dando origem
a vrios modelos de escolha discreta, sempre na tentativa de representar, da melhor
forma possvel, o comportamento do indivduo.
A Figura 3.2 ilustra graficamente o conceito de utilidade aleatria, apresentando

as componentes sistemticas, V1, V2 e V3, e parcelas aleatrias, 1 , 2 e 3 , de um
conjunto formado pelas alternativas 1, 2 e 3, com distribuies de probabilidades
ilustrativas. Observe-se que, sendo as utilidades variveis aleatrias, os seus valores
globais, representados por U1, U2 e U3, oscilam dentro da distribuio de
probabilidades. Dessa forma, fica notria a possibilidade de intransitividade no processo
de escolha, caso seja considerada apenas a componente determinstica formada pelos
atributos considerados.
Alternativa 1
Alternativa 2
Alternativa 3
Figura 3.2: Representao Grfica das Utilidades das Alternativas7
A concepo de todos os modelos de escolha parte inicialmente da definio

bsica da Teoria da Utilidade Aleatria. O exemplo mais simples de aplicao dessa
7
As curvas da Figura 3.1 no representam uma distribuio de probabilidade especfica, funcionando
apenas a ttulo de ilustrao.
65
teoria reporta-se aos conjuntos de escolha binomiais e multinomiais, apresentados por

BEN-AKIVA e LERMAN (1985). Nesse caso, dado que cada indivduo tem um
conjunto vivel de alternativas, denotado por Cn, com J alternativas, define-se J n J o
nmero de escolhas viveis. Seguindo a Teoria da Utilidade Aleatria, a probabilidade
de escolha de um elemento i dentro de um conjunto de escolha Cn por um tomador de
deciso n dada por:
Pn (i ) = Pr(U in U jn , j C n ) (3.14)
em que
Uin: Utilidade global de uma alternativa i para um indivduo n;
Ujn: Utilidade global de uma alternativa j para um indivduo n;
Como a utilidade dividida em componentes determinsticas e aleatrias, a

expresso (3.14) pode ser formulada do seguinte modo:
Pn (i ) = Pr(U in U jn , j C n , j i )
= Pr(Vin + in V jn + jn , j C n , j i ) (3.15)
= Pr( jn in Vin V jn , j C n , j i )
em que
Vin: Componente sistemtica da utilidade de uma alternativa i Cn , para

um indivduo n;
in: Componente aleatria da utilidade de uma alternativa i Cn , para um

indivduo n.
Vjn: Componente sistemtica da utilidade de uma alternativa j Cn , para

um indivduo n;
jn: Componente aleatria da utilidade de uma alternativa j Cn , para um

indivduo n.
66
Segundo BEN-AKIVA e LERMAN (1985), um determinado modelo de escolha

pode ser derivado utilizando a hiptese da expresso (3.15) e as hipteses da
distribuio conjunta dos distrbios. Seja ento f ( 1 n , 2n , 3 n ,..., J nn ) a funo
conjunta de densidade de probabilidade dos termos probabilsticos. Sem perda de

generalizao, considerando uma alternativa i como a melhor alternativa dentro de Cn.,
tem-se que:
Vin V1 n + in Vin V2 n + in Vin V2 n + 2 n

Pn (i ) = ... f (1n , 2 n , 3n ,..., J n n )d J n n d J n1 , n ...d1n (3.16)
1 n = 2 n = J nn =
possvel perceber que a integral em (3.16) obtida dentro do sub-espao dos

termos aleatrios, onde U in = max{U 1n ,U 2 n ,...,U J n n } .
A aplicao da Teoria da Utilidade Aleatria para conjuntos de escolha mais

complexos, como os multidimensionais, anloga, como ser apresentado adiante.
3.6. CARACTERSTICAS GERAIS DOS MODELOS DE ESCOLHA

DISCRETA
3.6.1. O Carter Relativo da Funo de Utilidade
Conforme abordam BEN-AKIVA e LERMAN (1985) e TRAIN (2003), a

especificao dos nveis absolutos das utilidades ordinais irrelevante; somente seus
valores relativos importam. A adio ou multiplicao de uma constante em todas as
utilidades no modifica a ordenao das mesmas. Isso implica que se
U in U jn , j C n , ento U in + K U jn + K , j C n , onde e K so parmetros
que podem assumir qualquer valor numrico.
No entanto, o aspecto da irrelevncia do valor absoluto da alternativa tem

sentido somente quando os respectivos parmetros escalares das funes de utilidade
67
das alternativas do conjunto de escolha so iguais, o que possvel se trs aspectos

forem respeitados, segundo TRAIN (2003):
a) As alternativas so analisadas atravs de uma mesma fonte de dados;
b) A distribuio de probabilidade utilizada para adquirir a funo utilidade

de cada uma das alternativas mesma;
c) Os tipos de conjuntos de dados utilizados so os mesmos.
3.6.2. A Forma da Funo de Utilidade em Modelos de Escolha Discreta
Como j definido na expresso (3.13), a especificao das componentes

determinsticas da utilidade feita a partir da definio dos vetores que caracterizam
intrinsecamente as alternativas, do ponto de vista dos atributos, e o indivduo, do ponto
de vista socioeconmico.
Entretanto, uma questo que tem merecido grandes discusses na literatura

(BEN-AKIVA e LERMAN, 1985; TRAIN, 2003; LOUVIERE et al, 2000) : qual a
forma adequada da funo utilidade V?
Segundo BEN-AKIVA e LERMAN (1985), existem dois critrios, embora

contraditrios, para a seleo da forma funcional. Primeiramente, necessrio que a
funo explique satisfatoriamente como os vrios elementos influenciam no valor da
utilidade. No entanto, o grau de satisfao vai de encontro, em muitos casos, restrito
pela convenincia computacional, que traz resultados de estimao satisfatrios. A
interao dos dois critrios leva muitos pesquisadores a utilizarem funes do tipo
linear. LOUVIERE et al (2000) tambm levantam uma discusso em favor da funo do
tipo linear para a utilidade, cuja componente sistemtica representada da seguinte
maneira:
68
Vin = 0 + 1 xin1 + 2 xin 2 + 3 xin 3 + ... + k xink (3.17)
em que
xink : Atributo k da alternativa i para o indivduo n;
0: Constante Especfica da Alternativa;
k: Peso relativo do atributo xink na composio da funo

utilidade.
3.6.3. Constante Especfica da Alternativa
A Constante Especfica da Alternativa (ou ASC Alternative Specific Constant),

segundo vrios autores (BEN-AKIVA e LERMAN, 1985; TRAIN, 2003; LOUVIERE
et al, 2000; MANSKI e MACFADDEN, 1981), captura os efeitos mdios de todos os
fatores peculiares quela alternativa, que contribuem para a formao da sua utilidade,
mas que no esto representadas pelos atributos da funo utilidade.
Quando as ASCs so includas na alternativa, os distrbios in possuem mdia

zero, por definio. Ou seja, caso a ASC no fosse estimada na modelagem, o termo
aleatrio da utilidade seria *in , de modo que U in = xni + *in . Nesse caso, a
esperana de *in seria igual a kj, diferente de zero, de modo que, se kj fosse includo na
funo de utilidade, U in = xin + k j + in , teria como termo aleatrio in , com mdia
zero, sendo kj justamente igual a ASC.
Como j definido na equao (3.17), o conjunto de parmetros estimados captura

as preferncias relativas entre um grupo de alternativas. Como as ASCs participam
deste conjunto de parmetros, os seus valores devem refletir uma medida relativa,
baseada em uma determinada referncia.
A referncia, por sua vez, deve ser um valor fixo (geralmente zero) da ASCs
para algumas das alternativas. Dessa forma, em um conjunto com J alternativas, por
exemplo, so estimadas J 1 ASCs. Ou seja, no procedimento de estimao,
69
normaliza-se a ASC de uma alternativa para zero e calculam-se as outras constantes

com base nesta referncia.
3.6.4. Elasticidade de Demanda
As elasticidades de demanda expressam o percentual de mudana na

participao das alternativas no mercado com a variao de 1% no valor de um atributo
da funo de utilidade de uma alternativa. So indicadores que podem ser obtidos
atravs dos modelos de escolha discreta, sendo muito teis em anlise de previso de
demandas potencias.
As elasticidades de demanda so definidas de acordo com o nvel de agregao.

Assim, as elasticidades so classificadas como desagregada e agregada. Alm disso, as
elasticidades podem ser tambm divididas em elasticidades diretas e elasticidades
cruzadas. A elasticidade direta definida pela relao entre a variao da probabilidade
de escolha de uma alternativa e a variao de um atributo da prpria alternativa. J a
elasticidade cruzada definida pela relao entre a variao da probabilidade de escolha
de uma alternativa e a variao de um atributo de outra alternativa.
As expresses utilizadas para o clculo das elasticidades de demanda so

apresentadas adiante, nos tpicos que elucidam os modelos de escolha, neste Captulo, e
na apresentao do Estudo de Caso, no Captulo VI.
3.6.5. Agregao
Os modelos de escolha discreta so em geral concebidos desagregadamente, ao

nvel do tomador de deciso. No entanto, geralmente interessa ao pesquisador o
conhecimento de algumas medidas agregadas, como a probabilidade mdia dentro da
populao, ou a resposta mdia mudana de um determinado fator. Essas informaes
podem ser adquiridas a partir do conjunto de dados coletados; porm, necessita de
grande cautela por parte do analista.
70
A Figura 3.3 apresenta um exemplo de um grfico de uma funo de

probabilidade de escolha de uma alternativa particular, onde esto destacadas as
probabilidades correspondentes a dois valores de utilidade, a e b. A probabilidade
mdia de escolha justamente a mdia entre as duas probabilidades Pa e Pb,
correspondentes s alternativas a e b, respectivamente. No entanto, a utilidade mdia
representativa (a + b)/2, sendo que a Probabilidade de escolha de uma alternativa com
a utilidade igual a (a + b)/2 menor que (Pa + Pb)/2. Alm disso, a Figura 3.3 apresenta
o que geralmente acontece: a probabilidade mdia ao mesmo tempo uma
superestimao para alternativas com probabilidade de escolha menor e uma
subestimao para alternativas com probabilidade de escolha menor.
Probabilidade
de Escolha
Probabilidade
Mdia
Probabilidade na
Mdia
Utilidade
Representativa
Figura 3.3: Probabilidade Mdia versus Probabilidade com Utilidade Mdia

Fonte: TRAIN (2003)
Outro problema comum a procedimentos de agregao referente s

elasticidades agregadas, como mostra a Figura 3.4. Nessa figura, as inclinaes das
tangentes ao grfico correspondem s elasticidades pontuais. Observe-se que, para
valores de utilidade igual a a e b, as inclinaes so suaves. Conseqentemente, a
obteno de uma elasticidade mdia deveria resultar em um valor pequeno. No entanto,
o grfico mostra que a elasticidade de demanda para o valor mdio da utilidade alta,
maior que a elasticidade mdia das utilidades a e b Portanto, uma agregao de
71
elasticidades, nesse caso, causaria em uma subestimao do valor da elasticidades de

demanda de uma alternativa com utilidade igual a (a+b)/2.
Probabilidade
de Escolha
Utilidade
Representativa
Figura 3.4: Elasticidade Mdia versus Elasticidade com Utilidade Mdia

Fonte: TRAIN (2003)
Diante da perda de informaes que so obtidas ao nvel desagregado, como

acima exemplificado nos dois exemplos tpicos, a literatura tem proposto mtodos de
estimao que proporcionam resultados razoveis. TRAIN (2003), apresenta dois
mtodos de agregao consistentes: o mtodo da enumerao amostral e o mtodo da
segmentao.
a) Mtodo da Enumerao Amostral
O mtodo da enumerao amostral o mais popular dentre os mtodos de

agregao de dados de escolha discreta. Para ilustr-lo, seja Pin a probabilidade que um
indivduo n escolhe uma alternativa i. Supe-se, ento, que uma amostra de N
observaes retirada aleatoriamente a partir da populao. Cada tomador de deciso n
tem alguma ponderao associada, chamada de wn, que reflete o nmero de tomadores
de deciso do tipo n dentro da populao.
72
Considerando uma amostra representativa da populao, o termo wn

simplesmente a probabilidade de seleo de um indivduo n dentro da amostra. Se a
amostra puramente aleatria, wn igual para todos; caso a amostra seja estratificada,
wn a mesma dentro de cada estrato.
Dessa forma, uma estimativa consistente do nmero total de tomadores de

^
deciso na populao que escolhem a alternativa i chamado de N i , definido pela
seguinte expresso:
^
N i = wn Pin (3.18)
n
Portanto, a probabilidade agregada, de escolha da alternativa i, dada pela

seguinte expresso:
^
Ni
P in = (3.19)
N
Elasticidades mdias so calculadas de forma similar, atravs de mdia

ponderada.
b) Mtodo da Segmentao
Seja, por exemplo, um modelo com funo de utilidade representada por

somente dois atributos: nvel de educao e sexo. Nesse caso, o nvel de educao pode
ser classificada de acordo com quatro categorias: nvel mdio incompleto, nvel mdio
completo, nvel superior incompleto e nvel superior completo. Ento, o nmero total de
diferentes tipos de deciso (ou segmentos) oito, sendo as quatro categorias do atributo
educao com o sexo masculino e as quatro categorias do atributo educao com o sexo
feminino.
Em casos de levantamento de dados com segmentao, cada segmento deve ter

um tamanho amostral representativo, com observaes de acordo com as restries do
73
segmento (TRAIN, 2003). Assim, a probabilidade de escolha de uma alternativa i

considerada a mesma para todos os indivduos contemplados dentro do segmento.
Portanto, para a obteno de uma probabilidade agregada pelo mtodo da

segmentao, necessrio que o analista tenha obtido, a priori, a probabilidade de cada
segmento. Em seguida, a probabilidade agregada calculada como uma mdia
ponderada das probabilidades em cada segmento, com pesos representados pelo
percentual de participao de cada segmento na populao. Ou seja:
8
P in = k s Pins (3.20)
s =1
em que

P in : Probabilidade agregada de escolha de uma alternativa i para
um indivduo n;
k s : percentual de participao do segmento s, dentre os oito

destacados no exemplo, na populao;
Pins : Probabilidade de escolha de uma alternativa i para um

indivduo n dentro do segmento s.
3.7. FORMAS DE MODELAGEM DE ESCOLHA DISCRETA
Como j fora discutido, diferentes modelos de escolha, obtidos a partir da

conceituao da teoria da utilidade aleatria, dependem das especificaes das funes
densidades de probabilidades de fatores aleatrios (TRAIN, 2003). Essas
especificaes, por conseguinte, dependem da distribuio de probabilidade e das
hipteses assumidas.
Existe na literatura uma srie de modelos desenvolvidos e testados em vrios

ambientes de escolha (TRAIN, 2003; BROWNSTONE et al, 2000; LOUVIERE et al,
2000; BEN-AKIVA e LERMAN, 1985; MCFADDEN, 1978; WILLIAMS, 1977). A
74
melhor forma de representar os erros aleatrios atravs da distribuio normal, da qual

se origina o modelo probit. No entanto, a utilizao do modelo probit tem como
principal dificuldade os problemas decorrentes de programao. Com essa limitao,
faz-se necessria a considerao de outros modelos que, dentro de maiores limitaes
que o modelo probit, conseguem retratar o comportamento de escolha sem perdas de
informaes que comprometam as suas utilizaes.
Na literatura, o modelo mais difundido em anlise de escolha discreta o modelo

standard logit, de McFadden, tambm chamado de Multinomial Logit MNL. A
principal hiptese a suposio do modelo MNL de que os erros aleatrios so
independentes e identicamente distribudos hiptese iid. Ou seja, considerando os
termos aleatrios da Figura 3.2, segundo a hiptese iid, as trs parcelas de erro
possuiriam a mesma distribuio de probabilidades, e os efeitos de um distrbio no
dependeriam dos efeitos do outro, no havendo, portanto, qualquer correlao.
Tendo em vista que a hiptese iid bastante rgida, outros modelos tm sido
propostos no sentido de tentar relax-la, para que os resultados dos modelos se tornem
mais reais. Dessa forma, surgiram os modelos da famlia logit. TRAIN (2003) apresenta
uma explanao detalhada sobre a concepo geral dos modelos da famlia logit. Dentre
vrios modelos que so obtidos a partir dessa concepo, destaca-se o modelo nested
logit, cuja descrio feita neste Captulo.
3.7.1. Standard Logit
3.7.1.1. Conceituao
Ao longo dos anos, principalmente a partir da dcada de 70 do sculo XX,

pesquisadores tm buscado formas mais apropriadas para distribuio dos termos
aleatrios, alm de hipteses que simplifiquem e aperfeioem a modelagem da
complexa deciso de escolha. Dessa forma, o modelo standard logit, ou logit padro,
surge como uma alternativa bastante aprecivel, proporcionando resultados satisfatrios
com manipulao computacional amigvel, consistindo no modelo mais simples
utilizado em estudos de escolha discreta.
75
O modelo standard logit parte da hiptese de que os erros aleatrios so

independentes e identicamente distribudos (iids). Como aborda TRAIN (2003) isto
quer dizer que o erro de uma alternativa i no provm nenhuma informao ao
analista sobre os erros de uma alternativa j.
Portanto, o termo in da expresso (3.13) iid para a abordagem do modelo logit

padro. A distribuio utilizada no modelo MNL chamada Gumbel, ou valor extremo
tipo I. As funes de densidade de probabilidade e cumulativa so dadas pelas seguintes
expresses (TRAIN, 2003):
f ( in ) = e ni e e
in
(3.21)
F ( in ) = e e
in
(3.22)
em que
f ( in ) : Funo de densidade de probabilidade de in ;
F ( in ) : Funo de distribuio cumulativa de in ;
in : Parcela aleatria de uma alternativa i para um indivduo n.
TRAIN (2003) apresenta uma das formas de demonstrao para a obteno da

representao matemtica do modelo MNL, partindo das expresses (3.15), (3.21) e
(3.22). Considerando inicialmente a expresso (3.15), tem-se que:
Pn (i ) = Pr(Vin + in V jn + jn , j C n , j i ) = Pr( jn in + Vin V jn , j C n , j i ) (3.23)
Como o termo in independente, a distribuio cumulativa que define a

probabilidade de escolha de uma alternativa i o produtrio das distribuies
cumulativas individuais de cada termo in :
Pn (i ) = e e
( ni +Vni Vnj )
(3.24)
j i
76
Como o termo in no dado, ento Pn(i) calculado pela integral da

expresso (3.24), ponderada pelas respectivas funes densidade de probabilidade,
como mostrado a seguir:
( +V V )
Pn (i ) = e
in
e ni ni nj
e ni e e d ni
(3.25)
j i
A partir de uma manipulao algbrica da equao (3.25), considerando tambm

que os termos aleatrios so idnticos, a probabilidade de escolha se resume seguinte
expresso:
eVin
Pn (i ) =
e jn (3.26)
V
jA ( n )
em que
Pn(i): Probabilidade de escolha de uma alternativa i por um indivduo n;
A(n): Conjunto de alternativas j disponveis para o indivduo n;
Vin: Utilidade sistemtica de uma alternativa i para um indivduo n;
Vjn: Utilidade sistemtica de uma alternativa j para um indivduo n;
As propriedades da Distribuio de Gumbel, da qual fez surgir o modelo MNL,

so de grande importncia para o entendimento das hipteses demonstrativas dos
modelos da famlia logit, j apresentadas e ainda a apresentar neste Captulo. Por isso, a
seguir, esto apresentadas cada uma delas, encontradas em BEN-AKIVA e LERMAN
(1985):
77
[ ] [ ]
a) F ( ) = exp e ( ) , > 0 e f ( ) = e ( ) exp e ( ) , onde
chamado de parmetro locacional e um parmetro escalar positivo;
b) A moda de ;
+
c) A mdia de , onde a constante de Euler ( 0,577);
2
d) A varincia de 6 2 ;
e) Se segue Gumbel com parmetros ( , ) e V, e >0 so constantes
escalares, ento + V segue Gumbel com parmetros + V , ;

f) Se 1 e 2 so independentes e seguem Gumbel com parmetros (1 , )
e (2 , ) , respectivamente, ento * = 1 2 logisticamente

1
distribuda, ou seja, F ( * ) = * ;
1 + e ( 2 1 )
g) Se 1 e 2 so independentes e seguem Gumbel com parmetros (1 , )

e ( 2 , ) , respectivamente, ento max(1 , 2 ) Gumbel distribudo com
parmetros 1 ln(e 1 + e 2 ), ; e

h) Considerando como corolrio a proposio (f), se (1 , 2 ,..., J ) so
independentes e seguem Gumbel, com parmetros (1 , ) , ( 2 , ) ,

..., ( J , ) , respectivamente, ento max(1 , 2 ,..., J ) segue Gumbel com
1
parmetros ln e J , .

78
3.7.1.2. Caractersticas do Modelo Multinomial Logit
LOUVIERE et al (2000) apontam para as seguintes limitaes do modelo

Standard Logit:
a) No h separao entre a forma dos componentes de ponderao que

definem o papel dos atributos em cada expresso de utilidade (devido a
problemas com escala);
b) Parmetros escalares so constantes entre as alternativas;
c) As componentes aleatrias no so correlacionadas;
TRAIN (2003) caracteriza o modelo MNL para representao do

comportamento de escolha atravs de alguns aspectos, tais como: variaes de gosto,
padres de substituio, escolhas repetidas ao longo do tempo, fatores de escala e
mtodos de estimao.
a) Variaes de Gosto
Como j referido anteriormente, a forma como o tomador de deciso reage

perante os valores de cada atributo depende de suas caractersticas socioeconmicas.
Alm disso, indivduos com mesmo perfil ainda podem refletir diferentes preferncias,
o que se faz admitir que a escolha de uma alternativa uma varivel aleatria.
Os modelos standard logit podem ser utilizados para capturar as variaes de

preferncia entre os indivduos, dentro de certos limites. Segundo TRAIN (2003), em
particular, preferncias que variam sistematicamente com variveis observadas podem
ser incorporadas nos modelos logit, enquanto preferncias que variam com relao a
variveis no observadas ou puramente aleatrias no podem ser manipuladas.
79
O autor exemplifica considerando que se um indivduo tem como atributos para

decidir sobre a escolha de um modelo de veculo o preo e tamanho do mesmo, ento a
utilidade pode ser escrita do seguinte modo:
U nj = PV j PV j + TV j TV j + nj (3.27)
em que
U nj : Utilidade da alternativa j para um indivduo n;
PV j : Atributo Preo do Veculo da Alternativa j;
TV j : Atributo Tamanho do Veculo da Alternativa j;
PV : Coeficiente do atributo Preo do Veculo da Alternativa j;

j
TV : Coeficiente do atributo Tamanho do Veculo da Alternativa j;

j
nj : Termo aleatrio da alternativa j para um indivduo n.
Como se sabe, os parmetros variam entre indivduos ou, dependendo do nvel de

agregao dos dados, entre residncias, refletindo diferenas nas preferncias. Dessa
forma, caso seja considerado a hiptese de que o coeficiente TV j varie somente com o
nmero de membros em uma residncia, Mn, temos que TV j = M n , onde a razo
de proporcionalidade entre TV j e M n . Do mesmo modo, se o preo de compra
inversamente relacionado com a renda da residncia n, In, de maneira que as residncias

de baixa renda do maior importncia ao preo de compra, tem-se que PV j = / I n ,
onde a razo de proporcionalidade entre PV j e I n . Sendo assim, a utilidade pode
ento ser escrita da seguinte forma:
U nj = ( PV j / I n ) + ( M n TV j ) + nj (3.28)
O exemplo acima somente um modo como dados socioeconmicos podem ser

incorporados na utilidade atravs de modelos logit.
80
No entanto, uma limitao do modelo logit surge quando as preferncias variam

com respeito a variveis no observadas ou puramente aleatrias. Isto no garante que
os termos aleatrios sejam identicamente distribudos, o que viola a hiptese iid.
A incorporao de variaes de preferncias como atributos no observados

pode ser feita apropriadamente com a utilizao de modelos como probit, nested logit
ou mixed logit (LOUVIERE et al, 2000)
b) Padres de Substituio
medida que os atributos de uma alternativa aumentam o valor de sua utilidade,

a probabilidade de escolha da opo aumenta. Os padres de substituio, ou
elasticidades de demanda tm, portanto, importantes implicaes. O modelo logit
implica em certo padro de substituio entre alternativas, cuja hiptese principal est
na independncia de alternativas irrelevantes, chamada de hiptese IIA (Independence
from Irrelevant Alternatives). Segundo BEN-AKIVA e LERMAN (1985) a propriedade
IIA atesta que a razo entre as probabilidades de escolha de duas alternativas
inteiramente inalterada por outras quaisquer. A propriedade exige que as fontes de
erros que contribuem para a formao dos termos aleatrios so mutuamente
independentes.
A implicao da propriedade IIA incide diretamente no conceito de elasticidade

de demanda com MNL. Nesse caso, a elasticidade de demanda cruzada de uma
alternativa i com relao ao atributo da alternativa j constante, pois independe de
qualquer atributo da alternativa i, a frmula de clculo da elasticidade de demanda para
o modelo MNL apresentada a seguir (LOUVIERE et al, 2000):
[ ]
E xPinkin = Pjn x jnk k (3.29)
em que
E xPinkn (i ) : Elasticidade da probabilidade de escolha de uma alternativa i por
um indivduo n em relao a xjnk, da alternativa j;

81
x jnk : Atributo k de uma alternativa i para um indivduo n;
: 1, se i=j (elasticidade direta); 0, se i j (elasticidade cruzada).
Embora o modelo MNL proporcione resultados satisfatrios, a propriedade IIA,

que consiste em uma hiptese simplificadora, pode resultar em srias distores nos
valores de previso proporcionados pelo modelo em relao realidade. Outros
modelos, como o probit e nested logit, no exigem que as alternativas sejam
independentes de outras, sendo, portanto, indicados para anlises de escolha que exigem
concepes de modelagem mais complexas. No entanto, a propriedade IIA pode ser
utilizada em certas situaes. Para isso, como cita TRAIN (2003), necessria a
realizao de testes desta propriedade. Um desses testes foi proposto por SMALL E
HSIAO (1982) e est descrito na alnea d deste tpico.
c) Fator de Escala
Em modelos de escolha discreta, a considerao dos fatores de escala torna a

equao (3.26) da forma da seguinte expresso:
e Vin
Pn (i ) =
e
V jn (3.30)
j A ( h )
em que
: Fator de escala.
Os fatores de escala das alternativas esto relacionados com a varincia dos

termos aleatrios, atravs da seguinte expresso:
2
2 = (3.31)
6
em que
2 : Varincia dos termos aleatrios.

82
Nos modelos MNL, os fatores de escala so considerados iguais entre as

alternativas. Como ser visto, no h estimao de valores absolutos de fatores de
escala, e sim fatores relativos. Nesse caso, as estimaes se do quando se trabalha com
as seguintes situaes:
i- Diferentes fontes de dados;
ii - Diferentes tipos de dados;
iii - Dimenses de escolha diferentes.
A seguir, na abordagem do modelo nested logit, ser apresentada uma

abordagem dos fatores de escala para esta situao. Em relao aos diferentes tipos de
dados, a abordagem dar-se- no Captulo IV.
d) Mtodo de Estimao e de Avaliao dos Modelos MNL
A estimao da funo utilidade, regida pelo modelo MNL, tem como modo
mais comum de obteno o Mtodo de Ajuste por Mxima Verossimilhana (MAMV).
Esse mtodo serve com base para a estimao de modelos mais complexos, que exigem
uma concepo avanada do MAMV, tais como o mtodo seqencial e o mtodo
simultneo, discutidos no tpico referente ao modelo nested logit.
O processo de estimao do MAMV inicia-se pela montagem de uma expresso

que indica o produtrio das probabilidades de escolha dos resultados x = x1 , x 2 , x3 ,..., xT
dos experimentos X = X 1 , X 2 , X 3 ,..., X T de coleta de dados, PX ( x / ) , em que o vetor
= 1 , 2 , 3 ,..., r representa os parmetros de cada atributo da funo utilidade. A

expresso (3.29) mostra a expresso para o clculo de PX ( x / ) .
T
PX 1 , X 2 , X 3 ,..., X T ( x1 , x2 , x3 ,..., xT / ) = PX 1 ( x1 / ).PX 2 ( x2 / )...PX T ( xT / ) = PX T ( xt / ) (3.32)
t =1
83
Se o vetor de parmetros desconhecido, o produtrio da expresso (3.13)
chamado de funo de verossimilhana da amostra dos experimentos X 1 , X 2 , X 3 ,..., X T

, representada por L * ( / x1 , x2 , x3 ,..., xT ) . Dessa forma, tem-se que:
T
L * ( / x1 , x2 , x3 ,..., xT ) = PX T ( xt / ) (3.33)
t =1
A funo de verossimilhana pode ser avaliada para diferentes . No entanto, a

estimao dos parmetros deve seguir a premissa de maximizao da utilidade,
definida na Teoria Microeconmica do Consumidor. Ou seja, a estimao deve partir da
maximizao das probabilidades de escolha em cada experimento X. Segundo
LOUVIERE et al (2000), tal considerao leva seguinte regra para estimao por
mxima verossimilhana: o estimador de mxima verossimilhana de o valor que
maximiza a funo L*( ).
Maximizar a expresso (3.33) leva muito esforo, sendo mais conveniente

maximizar a funo log L * ( ) = L . Sendo assim,
T
Max L( ) = Max PX T ( xt / ) (3.34)
t =1
Neste caso, tem-se que:
T

t =1
ln( PX T ( xt / )) = 0 , k = 1,2,3,..., r (3.35)
k
A estimao dos parmetros pode ser feita atravs de um processo interativo

de gradiente de busca, chamado de mtodo de Newton-Raphson, demonstrado por
LOUVIERE et al (2000) e RUGGIERO e LOPES (1996).
Feita a calibrao pelo mtodo de ajuste por mxima verossimilhana, possvel

estimar alguns termos estatsticos essenciais anlise da performance do modelo
estimado. Os parmetros de performance originados da estimao dos modelos so
utilizados no somente para a avaliao dos modelos MNL, como tambm para os
outros modelo da famlia logit. Os principais so:
L(0) : valor da funo logartmica de verossimilhana quando todos os

parmetros so zero;
84
L(c) : o valor da funo logartmica de verossimilhana quando

somente a constante especfica da alternativa includa. Corresponde ao
caso onde a probabilidade de escolha funo apenas da frao de
amostra que escolheu a determinada alternativa;
L( ) : valor mximo da funo logartmica de verossimilhana;
2( L(0) L( )) : estatstica utilizada para testar a hiptese nula de que

todos os parmetros so zero; assintoticamente distribuda com k graus
de liberdade, em que k o nmero de coeficientes apresentados nas
funes de utilidade do conjunto de escolha;
2( L(c) L( )) : estatstica utilizada para testar a hiptese nula de que

todos os coeficientes dos atributos so zero; assintoticamente
distribuda com com k j + 1 graus de liberdade, em que j o

2
nmero de alternativas do conjunto de escolha;
zero
2
: informal goodness-of-fit. Mede a frao do valor de
L( )
verossimilhana explicado pelo modelo, definido como 1 . Os
L ( 0)
valores de zero
2
dependero do tipo de modelo a ser construdo. Essa
medida mais adequada na comparao de duas especificaes
desenvolvidas com o mesmo conjunto de dados;
const
2
: reflete o grau de convergncia na estimao dos parmetros do
modelo com os atributos dos coeficientes, em relao ao modelo
L( )
estimado somente com as ASCs. dado por 1 ; e
L (c )
2
: valor similar ao , porm corrigido para nmeros de parmetros
2
2 L( ) k
estimados. = 1 , onde k, j definido, o nmero de
L(0)
graus de liberdade,.
85
Baseando-se nessas estatsticas, possvel a realizao de um teste estatstico

para avaliar a hiptese nula de que as alternativas seguem a hiptese IIA. O teste mais
comum aquele proposto por SMALL e HSIAO (1982), descrito em BEN-AKIVA e
LERMAN (1985). O teste, semelhante ao da razo de mxima verossimilhana, consiste
em estimar uma funo de verossimilhana com a retirada de uma das alternativas. O
teste proposto contm K graus de liberdade, onde K o nmero de coeficientes
identificado no modelo com a alternativa retirada. dado pela seguinte estatstica:
1
{2[ L( ) L( c )]} (3.36)
1 N1 / N
em que
L( c ) : Verossimilhana da amostra reduzida com a retirada de uma

alternativa;
N1 e N: Tamanhos das amostras reduzidas e plenas, respectivamente.
3.7.2. Modelagem com Conjuntos de Escolha Multidimensional Joint Logit
Como definido no incio deste captulo, o conjunto de escolha multidimensional

envolve duas ou mais dimenses de escolha. Um exemplo de um conjunto de escolha
deste tipo pode conter duas dimenses de escolha, formados pelos tipos de veculos e
pelos tipos de combustveis disponveis. Nesse caso, as alternativas que compem a
utilidade total deste conjunto de escolha multidimensional podem estar relacionadas
somente ao combustvel, ao veculo, ou a ambos simultaneamente. Sendo assim, alguns
exemplos de atributos que podem ser escolhidos para compor a utilidade total de uma
alternativa so citados a seguir:
a) Atributos relacionados ao tipo de veculo:
Tipo de veculo;
Preo do veculo;
86
Tamanho do veculo.
b) Atributos relacionados ao combustvel:
Tipo de combustvel;
Nvel de poluio;
Preo de combustvel;
Quantidade de postos de abastecimento;
c) Atributos relacionados a ambas as dimenses:
Acelerao (potncia);
Custo operacional;
Tamanho do bagageiro.
Diante de uma situao de escolha desta magnitude, segundo BEN-AKIVA e

LERMAN (1985), a maneira mais simples de estimar a funo utilidade atravs da
utilizao da distribuio conjunta com o uso da distribuio Gumbel. Esse modelo,
chamado de joint logit (logit conjunto), considera como atributos no observados
somente aqueles referentes interao entre as duas dimenses. Dessa forma, a
utilidade Uvf representada pela seguinte expresso:
~ ~ ~
U vf = Vv + V f + Vvf + vf , (v, f ) C n (3.37)
em que
Uvf: Utilidade conjunta de um par de alternativa (v,f), do conjunto de

escolha multidimensional;
~
Vv : Componente sistemtica da utilidade comum a todos os elementos
do conjunto de escolha que escolheram o veculo v;

87
~
V f : Componente sistemtica da utilidade comum a todos os elementos
do conjunto de escolha que contm o combustvel f;
~
Vvf : Componente sistemtica da utilidade especfica combinao (v,f);
vf : Componente aleatria da utilidade especfica combinao (v,f);
Cn: Conjunto de todos os pares (v,f), viveis para o indivduo n.
O modelo joint logit nada mais que um caso do modelo MNL utilizado para
conjuntos de escolha multidimensionais; representa um comportamento de escolha
seqencial, no qual os distrbios relacionados a cada par (v,f) possuem a mesma
varincia. A figura 3.5 apresenta uma estrutura de escolha deste tipo.
v1, f1 v1, f2 v1, f3 v2, f1 v2, f2 v2, f3
Figura 3.5: Forma Seqencial da Estrutura de Escolha do Modelo Joint Logit
Da mesma forma do modelo MNL, os distrbios tambm seguem a hiptese de

independncia e de distribuio idntica (iid). A probabilidade de um indivduo n
escolher uma alternativa constituda pelo veculo v e combustvel f, dentro desta
estrutura de escolha, representada pela seguinte expresso:
~ ~ ~
Vv +V f +Vvf
e
Pn ( v , f ) = ~ ~ ~
(3.38)
e
Vv +V f +Vv f
( v , f )C n
88
A partir de outra perspectiva, a abordagem do problema de escolha

multidimensional pode ser feita atravs da partio das componentes sistemticas da
utilidade, dando origem obteno de expresses que representam as probabilidades de
escolha condicional e marginal. Por exemplo, possvel determinar a probabilidade de
escolha conjunta de um par veculo-combustvel, a partir das seguintes expresses:
Pn (v, f ) = Pn (v) Pn ( f / v) (3.39)
Pn ( f , v) = Pn ( f ) Pn (v / f ) (3.40)
em que
Pn (v, f ) e Pn ( f , v) : Probabilidade de escolha de um par veculo-

combustvel, contido em Cn;
Pn ( f ) : Probabilidade marginal de escolha do combustvel f;
Pn (v) : Probabilidade marginal de escolha do veculo v;
Pn (v / f ) : Probabilidade condicional de escolha de um veculo v dado

que o combustvel f foi escolhido;
Pn ( f / v) : Probabilidade condicional de escolha de um combustvel f
dado que o veculo v foi escolhido;
Cn: Conjunto de todos os pares (v,f), viveis para o indivduo n.
Um conjunto de escolhas envolvendo combustveis, por exemplo, marginal,

denominado Fn, quando consiste de todos os combustveis presentes no universo de
escolha Cn. Da mesma forma, um conjunto de escolhas envolvendo veculos marginal,
denominado de Vn, quando engloba todos os veculos presentes nos elementos do
conjunto de escolha Cn.
Por outro lado, um conjunto de escolhas, denominado Fnv, por exemplo,

condicional, quando um subconjunto de combustveis em Fn so viveis para uma
89
pessoa que utiliza o veculo v. Da mesma forma, Vnf o subconjunto de veculos em

Vn que so viveis para uma pessoa que utiliza o combustvel f.
Seguindo ento as definies de conjunto de escolha marginal, a probabilidade

de escolha marginal calculada a partir da soma das probabilidades conjuntas ao longo
das dimenses de escolhas apropriadas, como mostram as expresses abaixo:
Pn (v) = P ( v, f )
f Fnv
n
(3.41)
Pn ( f ) = P ( f , v)
vVnf
n
(3.42)
em que Fnv: Subconjunto dos combustveis em Fn que so viveis para um

indivduo n que utiliza o veculo v;
Vnf: Subconjunto dos veculos em Vn que so viveis para um indivduo

n que utiliza o combustvel f;
Partindo, por exemplo, da equao (3.38), com demonstrao anloga do

modelo MNL, possvel chegar seguinte expresso:
~ ~ ~
e
Vv V f + V vf
~ ~
V v + V f + V vf
~
e
e
Pn ( v ) = ~ ~ ~ = ~
f F nv
~ ~
(3.43)
e e e
f V nf Vv +V f +Vv f Vv V f +Vv f
( v , f ) C n v 'V n f F nv
em que
Pn (v) : probabilidade marginal de escolha do veculo v.
Admite-se que:
~ ~
V f +Vvf
V = ln
v
'
e
f Fnv
(3.44)
90
Dessa forma, clculo da probabilidade de escolha marginal representado pela

seguinte expresso:
~ ~
V v + V v'
e
Pn ( v ) = ~ ~
(3.45)
e
( v )V n
V v ' + V v' '
Analogamente, possvel chegar probabilidade marginal de escolha do veculo

v.
O termo da expresso (3.44) possui uma srie de interpretaes. A principal

delas, segundo BEN-AKIVA e LERMAN (1985), apresentada quando se deduz a
probabilidade de escolha marginal de outra forma, aplicando o conceito da Teoria da
Utilidade Aleatria, de forma semelhante ao apresentado para o modelo MNL. De
acordo com a definio da probabilidade de escolha marginal, o veculo v ser
selecionado se e somente se um elemento do conjunto de escolha multidimensional que
contm o combustvel f tem maior valor de utilidade. possvel, ento, utilizar essa
afirmao para re-escrever a probabilidade de escolha da seguinte forma:
Pn (v ) = Pr max U vf max U v ' f , v ' Vn , v' v (3.46)

f Fnv f Fnv '
O termo max U vf a utilidade da melhor alternativa em Cn que contm o

f Fnv
veculo v. Portanto, de acordo com BEN-AKIVA e LERMAN (1985), a equao

(3.43) afirma que o veculo v ser escolhido se a melhor alternativa multidimensional
contendo v melhor (considerando a utilidade total) que a melhor alternativa no
contendo v. Sendo assim, no caso do modelo joint logit:
~ ~ ~
~ ~ ~

max U vf = maxV v + V f + V vf + vf = V v + max V f + V vf + vf (3.47)
f Fnv f Fnv f Fnv
Como os termos vf so, por suposio, iid, o termo mximo em parnteses na
equao (3.47) tambm Gumbel distribudo, com parmetro locacional

91
~ ~
1 V v +V vf
= ln e
, conforme as propriedades da referida distribuio,

apresentadas anteriormente. Como assumido que nos modelos de distribuio conjunta
os parmetros escalares so iguais, usual assumir =1. Ento:
~ ~
V v +V vf
= ln e
= V 'v (3.48)
Assim, aplicando o conceito bsico da Teoria da Utilidade Aleatria, possvel

apresentar a equao (3.46) da seguinte forma:
~ ~ ~ ~

Pn (v ) = Pr V v + V 'v + *v V v ' + V 'v ' + *v ' , v ' Vn , v' v (3.49)

Na expresso (3.49), os distrbios *v tambm so Gumbel distribudos.
Assim como a probabilidade de escolha marginal, a probabilidade de escolha

condicional pode ser estimada tanto pela sua prpria definio como pela utilizao do
conceito da Teoria da Utilidade Aleatria. Atravs da sua prpria definio, possvel
obter a seguinte expresso:
~ ~ ~
Vv +V f +Vvf
e
~ ~ ~
e
Vv ' +V f ' +Vv ' f ' ~ ~
V f +Vvf
Pn ( f , v) ( v ', f ' )C n e
Pn ( f / v) = = ~ = ~ ~ (3.50)
Pn (v) ~
e
Vv +Vv' V f ' +Vvf '
e
~ ~ f Fnv
e
( v)Vn
Vv ' +Vv' '
Para o modelo joint logit, as probabilidades de escolha condicional so tambm

dadas pelo modelo logit, onde a componente da utilidade sistemtica atribuvel
inteiramente escolha condicionante omitida e o conjunto de escolha restrito ao
subconjunto de alternativas que so viveis, dado a escolha condicionante.
Por fim, vale ressaltar que, durante a demonstrao das probabilidades de

escolha seguindo o modelo logit, no foi dada aluso aos parmetros escalares de ambas
92
as dimenses consideradas, devido ao fato da suposio de que as escalas das funes

utilidades so iguais. Como ser mostrado a seguir existem modelos que desconsideram
esta hiptese, tornando-se mais robustos econometricamente.
3.7.3. Nested Logit: Conceituao
Como mostrada na seo anterior, a utilizao do modelo joint logit no permite

a incluso de termos aleatrios que so iguais para alternativas com pelo menos uma
dimenso em comum. A considerao desses termos nos modelos de escolha viola a
hiptese iid dos modelos Multinomial e Joint Logit, que afirma que os termos aleatrios
seguem a propriedade iid. De acordo com LOUVIERE et al (2000) vrios estudos
progrediram no sentido de contabilizar as diferenas entre as estruturas dos
componentes aleatrios da utilidade, atravs da apresentao de modelos mais
sofisticados, como o nested logit (NL), o que significa logit aninhado. Esse modelo,
segundo HENSHER E GREENE (2002), o mais popular da famlia logit. Sua
demonstrao foi concebida por MCFADDEN (1978) e WILLIAMS (1977). BEN-
AKIVA e LERMAN (1985) mostram que este modelo uma generalizao do modelo
joint logit.
No modelo nested logit, as escolhas so estruturadas de forma hierrquica, como

mostra a Figura 3.6. Considerando o exemplo do conjunto de escolha mostrado no
tpico anterior, cada nest (ou seja, cada ninho) contm uma escolha de veculo v, os
quais por sua vez possuem ramificaes que representam as alternativas de
combustveis f disponveis.
Apesar dessa estrutura de escolha no corresponder absolutamente com a

realidade, ela permite a incluso de componentes no observados associados s
diferentes dimenses de escolha, fato que viola os princpios do joint logit, porm,
aumenta de forma significativa a consistncia e a eficincia estatstica do modelo (BEN-
AKIVA e LERMAN, 1985).
93
v1 v2
f11 f12 f13 f21 f22 f23
Figura 3.6: rvore de Deciso do Modelo Nested Logit
A representao das componentes sistemticas e aleatrias da funo de

utilidade do modelo nested logit mostrada a seguir:
~ ~ ~ ~ ~ ~
U fv = Vv + V f + Vvf + f + v + fv (3.51)
em que
~
v : Componente sistemtica referente dimenso de escolha
veculo;
f : Componente sistemtica referente dimenso de escolha
combustvel.
vf : Componente aleatria da utilidade especfica combinao
(v,f);
De acordo com TRAIN (2003), a utilizao do modelo nested logit possvel

quando as seguintes propriedades so satisfeitas:
a) Para duas alternativas contidas no mesmo nest (ramificao), a razo de

probabilidade independente dos atributos ou existncia de todos os
94
outros atributos. Ou seja, a propriedade de IIA ocorre dentro de cada

nest;
b) Para duas alternativas em diferentes nests, a razo de probabilidade pode

depender dos atributos de outras alternativas nos dois nests. Ou seja, em
geral, a propriedade IIA no ocorre para alternativas em diferentes nests.
Com a modelagem nested logit, o conceito de dimenso de escolha substitudo

por outro mais abrangente, denominado de nest, definido por um conjunto de
alternativas que assumem a propriedade IIA.
Por exemplo, considerando a Figura 3.6, observe-se que existem dois veculos,
v1 e v2, que formam, respectivamente, os nests constitudos pelos combustveis {f11, f12 ,
f13} e {f21, f22 , f23}. Dentro de cada um deste desses conjuntos, segundo as propriedades
deste conjunto, as elasticidades cruzadas so constantes, implicando na validade da
hiptese IIA, neste caso. Entretanto, para alternativas de nests diferentes, no se aplica a
referida hiptese. Portanto, em termos prticos, a mudana de atributos da alternativa
f11, ter um impacto na probabilidade de escolha das alternativas f12 e f13, que no igual
ao impacto nas alternativas f21, f22 e f23.
Seguindo a demonstrao de BEN-AKIVA e LERMAN (1985), a obteno das

probabilidades de escolha marginal e condicional do modelo nested logit possvel com
a suposio de algumas hipteses simplificadoras. Considerando o exemplo da escolha
condicional estruturado na forma da Figura 3.6, a primeira suposio de que a
componente aleatria atribuvel dimenso de combustvel (dimenso de menor nvel)
~
negligvel, ou seja, f = 0. Dessa forma, a equao (3.51) se reduz a:
~ ~ ~ ~ ~
U fv = Vv + V f + Vvf + v + vf (3.52)
Partindo da equao (3.52), as seguintes hipteses so tambm assumidas:
~ ~
a) v e vf so independentes para todo v Vn e para todo f Fn.
b) Os distrbios vf so independentes e identicamente distribudos com

parmetros escalares iguais a f;
95
c) Os distrbios v so independentes e identicamente distribudos com

parmetros escalares iguais a v;
Dessa forma, a probabilidade de escolha marginal de escolha do veculo v,

considerando o modelo nested logit, pode ser obtida a partir conceito da Teoria da
Utilidade Aleatria, como j aplicado aos modelos MNL e joint logit:
Pn (v) = Pr max U vf max U v ' f , v' Vn , v' v =

f Fnv f Fnv '

~ ~ ~
~ ~
~ ~ ~
~ ~
(3.53)
Pr V v + v + maxV f + Vvf + vf V v ' + v ' + maxV f + Vv ' f + v ' f , v' Vn , v' v
f Fnv f Fnv '

~
Como vf segue, por suposio, a distribuio de Gumbel, o termo
~
~ ~

maxV f + Vvf + vf segue tambm Gumbel com os seguintes parmetros, de acordo
vVnf

com as propriedades dessa distribuio citadas anteriormente:
=f (3.54)
~ ~ f
V f +V vf
1
=
f
ln e
f Fnv

(3.55)
O parmetro da equao (3.55) chamado por BEN-AKIVA e LERMAN

(1985) de valor mximo esperado. Os autores tambm afirmam que a expresso esta
condizente com a maximizao da utilidade da alternativa escolhida.
Portanto, a equao (3.53) pode ser reescrita da seguinte forma:
~ ~ ~ ~

Pn (v ) = Pr V v + V 'v + v + 'v V v ' + V 'v ' + v ' + 'v ' , v' Vn , v ' v (3.56)

96
Onde V 'v , tambm chamado de Valor Inclusivo tem o mesmo significado do

termo da equao (3.44). Baseado nos conceitos dos termos das expresses (3.44) e
(3.55), possvel deduzir que:
1 ~ ~
ln e
(V f +Vvf ) f
V 'v = = (3.57)
f
A equao (3.56) apresenta outro termo aleatrio, 'v , com parmetro escalar
f , definido da seguinte forma:
~
'v = maxV f + Vvf + vf
~ ~
vVnf V 'v (3.58)

O termo 'v segue a distribuio de Gumbel, com parmetro escalar igual a f .

A distribuio combinada de v + 'v segue, tambm, por suposio, a distribuio de
Gumbel. Portanto, a probabilidade de escolha marginal do veculo v dada por:
~ ~
(Vv +Vv' ) v
e
Pn ( v ) = ~ ~
(3.59)
e
( v )V n
(Vv ' +Vv' ' ) v
A equao (3.59) com v = 1 equivale-se equao (3.42), do modelo joint
logit. A diferena entre as equaes (3.45) e (3.57) est no fato do parmetro f ser
diferente de um. Sendo a escala de v + v ' igual a v , MANSKI e MCFADDEN

(1981) mostram que a validao da Teoria da Utilidade Aleatria, que implica na
maximizao da utilidade de uma alternativa escolhida, alcanada somente se a
seguinte inequao for satisfeita:
v
1 (3.60)
f
97
Lembrando que a varincia dos termos aleatrios inversamente proporcional

ao quadrado dos seus parmetros escalares, tem-se que:
1/ 2 1/ 2
~ ~
var vf var vf
v

= =
f ~ ~ ~
~
var v + var v ' var v + var vf

1/ 2
~
var v cov(U vf ,U vf ' )
1/ 2
v
f = 1 = 1

~
~ var(U ) var(U )
var v + var vf vf vf '

v
= 1 corr (U vf , U vf ' ) (3.61)
f
2
v
Portanto, o termo 1 f reflete a correlao das utilidades totais para um

par de alternativas em Cn que tem um veculo em comum. Ou seja:
2
v
corr (U vf ,U vf ' ) = 1 f (3.62)

v
TRAIN (2003) define a razo como uma medida do grau de independncia
f
da poro no observada da utilidade entre alternativas de mesmo nest. De fato, quanto
menor esta razo, maior o grau de correlao entre as alternativas. Por outro lado,
quando a razo se aproxima de uma unidade, a independncia, entre as alternativas,
aumenta, ao passo que quando v = f, o modelo se reduz ao joint logit
Aplicando novamente a definio da Teoria da Utilidade Aleatria, possvel

obter a probabilidade de escolha do combustvel f, dado que o veculo v foi
~
escolhido, continuando a suposio de que f = 0. Ou seja:
Pn ( f / v ) = Pr[U vf U vf ' , f ' Fnv , f ' f / v escolhido (3.63)

98
~ ~ ~ ~ ~ ~
Pn ( f / v) = Pr[V vf + V f + vf V vf ' + V f ' + vf ' , f ' Fnv , f ' f / v escolhido (3.64)
Portanto, a probabilidade de escolha condicional dada pela seguinte

expresso:
~ ~
(V f +Vvf ) f
e
Pn ( f / v ) = ~ ~
(3.65)
e
(V f ' +Vvf ' ) f
( f )Fnv
f
A razo v tambm chamada de coeficiente estrutural da rvore de deciso,

apresentada na Figura 3.6, denominado, em vrios estudos pela simbologia THETA
( ). estimado a partir da normalizao do termo do numerador, v , para 1. Ou seja:
v 1
= f = (3.66)
f

Assim, substituindo estes novos valores nas expresses (3.57), (3.59), (3.65),
tem-se as seguintes expresses:
~ ~ 1
(V f +Vvf )
V 'v = = ln e
(3.67)
~ ~
(V v + V v' )
e
Pn ( v ) = ~ ~
(3.68)
e
( v )V n
( V v ' + V v' ' )
~ ~ 1
(Vv +V fv )

e
Pn ( f / v) = ~ ~
(3.69)
1
(Vv ' +Vv ' f )
e
( f )Fnv

99
3.7.3.1. Mtodos de Estimao dos Modelos Nested Logit
A estimao de modelos nested logit pode se dar a partir de uma adaptao do

Mtodo de Ajuste por Mxima Verossimilhana, aplicado ao modelo MNL. Neste
sentido, a literatura apresenta dois tipos de procedimentos de estimao: o mtodo
seqencial e o mtodo simultneo.
A estimao seqencial, descrita por BEN-AKIVA e LERMAN (1985),

envolve um processo de estimao separada de cada nvel de escolha, iniciando-se pela
estimao de utilidades dentro de cada nest, seguida pelo clculo do valor inclusivo,
pela estimao do nvel imediatamente superior, e assim por diante.
De acordo com HENSHER (1986), as estimativas dos parmetros de menor

nvel da rvore, pelo mtodo seqencial, so eficientes, considerando-se o subconjunto
de dados utilizados na estimao de cada nest. No entanto, as estimaes dos
parmetros vo se tornando cada vez mais ineficientes para os nveis mais superiores,
em decorrncia da utilizao da estimao para estimao dos parmetros do valor
inclusivo. Ainda de acordo HENSHER (1986), embora existam alguns procedimentos
de correo que podem ser implementados para ajustar os erros padres dos parmetros
no modelo de escolha marginal, eles so muito complicados.
Sendo assim, uma alternativa adequada seria estimar os parmetros

simultaneamente, atravs do mtodo simultneo (Full Information Maximum Likelihood
- FIML), aplicado extensivamente em vrios estudos, a partir de diversos pacotes
computacionais. O mtodo FIML no permite a perda de informaes na estimao dos
parmetros, visando a busca de uma soluo nica. Isto o torna mais consistente que a
estimao pelo mtodo seqencial.
Maiores discusses sobre estes dois mtodos so encontradas em HENSHER

(1986), LOUVIERE et al (2000) e TRAIN (2003).
100
3.7.3.2. Programao do Modelo Nested Logit
Dada a grande complexidade de estimao dos modelos de escolha discreta,

vrios pacotes computacionais so disponveis no mercado. Abordam desde modelos
relativamente simples, como o MNL, at modelos mais complexos, como o nested logit,
mixed logit e probit.
A abordagem desses programas em respeito aos modelos nested logit contempla

em sua maior parte o processo simultneo de estimao, pois as estruturas de rvore
mais comuns so aquelas que se adequam ao mtodo referido, ou seja, at quatro
dimenses de escolha (LOUVIERE et al, 2000). Dentre as vrias opes de software,
destaca-se o LIMPDEP (ECONOMETRIC SOFTWARE, 1998) e o ALOGIT (HCG,
2004).
O software ALOGIT (HCG, 2004), concebido por Andrew Daly, foi o utilizado
no Estudo de Caso deste trabalho. Permite a estimao de diversas estruturas rvore,
pelo mtodo FIML, porm com apresentao um pouco diferente daquela apresentada
anteriormente. A nica mudana diz respeito definio do valor inclusivo, no qual o
1
parmetro suprimido da estimao. Assim, a equao (3.67) modificada para a

seguinte forma:
~ ~
V 'v = ln e
(V f +Vvf )
(3.70)
De acordo com HCG (2004), no h perda considervel de informao com a

estimao da equao (3.70), em detrimento das equaes originalmente concebidas,
pois, mesmo desta forma, a condio da maximizao da utilidade, pela Teoria da
Utilidade Aleatria, continua sendo satisfeita, ou seja, os modelo continuam sendo
estimados de modo eficiente.
101
3.7.4. Outros Modelos
A evoluo dos modelos de escolha discreta encontra-se em constante

crescimento. Isto observado na literatura, na qual se encontram outras formas de
modelos da famlia logit (MANSKI e MCFADDEN, 1981), bem como outros modelos
que incorporam hipteses mais sofisticadas. Dentre vrios modelos j concebidos,
possvel destacar o mixed logit (TRAIN, 2003), o qual parte da hiptese de que a da
poro estocstica da utilidade em duas partes aditivas, porm no correlacionadas.
Uma parte correlacionada ao longo das alternativas e heterocedstica, e a outra parte
iid entre as alternativas, como mostrada na expresso seguinte:
U in = Vin + [ in + in ] (3.71)
A utilidade da expresso (3.71) utilizada na estimao de modelos da classe
mixed logit. O termo in a componente aleatria com mdia zero cuja distribuio
entre indivduos e alternativas depende em geral parmetros subjacentes e dados
relacionados alternativa i e ao indivduo n. O termo in a poro iid dos distrbios

da utilidade.
LOUVIERE et al (2000) destaca, alm do mixed logit, outros modelos:
a) Modelo de Valor Extremo Heterocedstico;
b) Modelo de Covarincia Heterognea com Efeitos Fixos;
c) Modelo MNL de Classe Latente Heterocedstica; e
d) Modelo Multinomial Probit Multi-Peridico.

102
CAPTULO IV
DADOS DE ESCOLHA DISCRETA: PREFERNCIA

REVELADA E PREFERNCIA DECLARADA
4.1 INTRODUO
O presente Captulo constitui uma complementao do captulo III, abordando

mais especificamente as caractersticas e peculiaridades de cada uma das principais
fontes de dados utilizadas em modelos de escolha discreta: dados de Preferncia
Revelada (PR) e dados de Preferncia Declarada (PD).
Inicialmente, so definidas as principais caractersticas relacionadas aos dois

tipos de conjunto de dados, suas vantagens e limitaes. Em seguida, so apresentados
os conceitos de modelagem conjunta com dados PR e PD, chamados de Mecanismo de
Enriquecimento de Dados MED. O MED visa, ao mesmo tempo, agregar as
vantagens e compensar as limitaes decorrentes do uso de cada uma das fontes de
dados isoladamente. Por fim, so apresentados trs tipos de MED em destaque na
literatura.
4.2 O PROCESSO DE MODELAGEM COMPORTAMENTAL
No Captulo III, foram mostrados os modelos matemticos utilizados para

estimar as preferncias dos indivduos. No entanto, esses modelos so apenas uma pea
de todo um processo de modelagem que envolve as seguintes etapas, como mostra
CALDAS (1995):
103
a) Configurao do experimento: tem o objetivo de obter informaes a

respeito de quais e quantos atributos so necessrios para tentar explicar
as preferncias dos indivduos de uma determinada rea de estudo.
b) Projeto do experimento: visa elaborar o questionrio a ser respondido

pelos entrevistados, de acordo com o tipo de dado a ser coletado.
c) Amostragem: consiste na estratgia de coleta de dados que sejam

representativos da populao. Existem vrias tcnicas de amostragem, as
quais, segundo TRIOLA (1999), podem ser assim divididas:
Amostragem aleatria simples: mecanismo no qual os elementos

da populao so escolhidos de tal forma que cada um deles
tenha igual chance de figurar na amostra;
Amostragem estratificada: neste caso, h uma subdiviso da

populao em, no mnimo, duas sub-populaes (ou estratos) que
compartilham das mesmas caractersticas (como, por exemplo,
sexo, renda, escolaridade etc.) e, em seguida, extrai-se uma
amostra de cada estrato;
Amostragem sistemtica: este mtodo consiste na escolha de um

ponto de partida, a partir do qual se seleciona cada k-simo
elemento da populao;
Amostragem por conglomerados: realizada uma diviso da rea

populacional em um conjunto de sees (ou conglomerados), a
partir do qual so selecionadas algumas dessas sees para serem
tomados todos os seus elementos na amostra formada; e
Amostragem por convenincia: neste caso, so utilizadas

informaes j disponveis, ou, de fcil captao, embora esta
amostra no seja representativa da populao. Por exemplo, uma
pesquisa com pessoas que utilizam GNV em seus veculos pode
ser feita, por convenincia, com pessoas que moram em um
mesmo condomnio.
104
d) Mtodos de medio das preferncias: CALDAS (1995) cita alguns

mtodos de preferncia de acordo com os tipos de dados disponveis.
Para dados de escolha discreta, os mtodos de medio das preferncias
so representados por aqueles modelos descritos no Captulo III.
Todas as etapas do processo de modelagem so dependentes dos tipos de dados

a serem coletados. Na modelagem de escolha discreta, os principais dados utilizados
so: Dados de Preferncia Revelada (PR) e Dados de Preferncia Declarada (PD). As
caractersticas de cada uma dessas fontes de dados, e algumas relaes com as etapas de
modelagem, esto apresentadas a seguir. Alguns detalhes sobre as relaes entre as
etapas do processo de modelagem comportamental e os dados de PD e PR no
contemplados neste Captulo esto detalhados no Estudo de Caso.
4.3 DADOS DE PREFERNCIA REVELADA
Os dados de Preferncia Revelada PR so caracterizados por escolhas j

realizadas pelos usurios de um determinado produto ou servio, dentre um conjunto de
alternativas existentes. De acordo com LOUVIERE et al (2000), os dados de PR tem
como principal caracterstica o fato de apresentarem o equilbrio atual do mercado, cuja
informao essencial para a realizao de previso de demanda, pois reflete a
tendncia atual do market share.
Contudo, a utilizao de dados puros de Preferncia Revelada tem trazido srias

limitaes nos resultados de previso de demanda. LOUVIERE et al (2000) destacam
como principal lacuna dos dados PR a inadequada variao dos valores dos atributos da
utilidade, o que impede a realizao de trade-offs entre os atributos. Os referidos autores
apresentam como exemplo ilustrativo um histrico de preos entre duas marcas
concorrentes de Yogurte, no qual percebe-se uma relativa constncia desta varivel em
ambos os produtos. Dessa forma, o histrico, incluindo a situao presente do mercado,
no permite a obteno de parmetros de elasticidade de preos consistentes, pois para
isso exige-se que os dados tenham variabilidade suficiente para refletir o impacto de
variaes de preo de uma marca na diviso do mercado.
105
Alm da falta de variabilidade estatstica dos valores dos atributos, existem mais
alguns aspectos que caracterizam as limitaes dos dados PR, destacados por
ORTZAR e WILLUMSEN (1994):
a) Os atributos que definem a funo de utilidade podem estar altamente

correlacionados, de maneira que impossibilita a separao dos efeitos na
estimao do modelo;
b) Na maior parte dos casos, as variveis explicativas do modelo apresentam

erros de medio;
c) Apresentam dificuldade na coleta de respostas sobre o impacto de

polticas recentes nas preferncias dos indivduos, alm de no permitir a
incluso de alternativas ainda no existentes no mercado;
CALDAS (1995) apresenta de forma esquemtica, como mostrado na Figura 4.1,

alguns dos problemas dos dados PR, relacionados s seguintes etapas do processo de
modelagem comportamental.
Modelagem com Dados

de Preferncia Revelada
Configurao do Projeto Experimental Amostragem Mtodos de Medida

Experimento de Preferncia
Trade-offs Tamanho e
insatisfatrios representatividade
Dificuldade na Resultados
medio de prejudicados
variveis devido s etapas
qualitativas Alta anteriores
(conforto, Correlao Problemas (configurao e
confiabilidade) entre as Computacionais experimento)
variveis
Figura 4.1: Problemas referentes Modelagem com dados PR

Fonte: CALDAS (1995)
106
O preenchimento das lacunas existentes em estudos com dados PR pode ser

realizado atravs do uso de uma outra fonte de dados: Preferncia Declarada.
4.4 DADOS DE PREFERNCIA DECLARADA
4.4.1. Conceituao
De acordo com LOUVIERE et al (2000), a utilizao de dados de Preferncia

Declarada PD deu incio na dcada de 70, em pesquisas da rea de marketing, e vem
evoluindo, sobretudo, na rea de transportes, mais particularmente em pesquisas sobre o
comportamento de viagens. Atualmente, os dados de PD tm uma utilizao bastante
vasta em quaisquer pesquisas de avaliao do comportamento do consumidor diante de
caractersticas de produtos ou servios.
De acordo com PEARMAIN et al (1991), as principais vantagens da utilizao

dos dados PD podem ser assim destacadas:
a) Permitem a deteco das preferncias dos indivduos diante de cenrios

hipotticos para o mercado em estudo, o que permite a incluso de novas
alternativas;
b) Permitem a manipulao dos atributos e seus valores pelo analista, de

modo que os erros provenientes dos dados de PR, referentes aos fatores
no observados e correlao entre as variveis sejam evitados;
d) Permitem que variveis qualitativas, tais como conforto e segurana,

possam ser incorporadas ao experimento.
Segundo CALDAS (1995), a tcnica mais comum de Preferncia Declarada

aquela que guarda um conceito mais geral que aquele referido aos experimentos de
Anlise Conjunta. De acordo com GREEN e SRINIVASAN (1978) o desenvolvimento
da Teoria de Anlise Conjunta envolveu psicologia aplicada, teoria de deciso e
107
conceitos de econometria, aplicadas descrio da racionalidade, suas vantagens e

desvantagens.
A Teoria da Anlise Conjunta definida como uma teoria baseada em uma

abordagem que analisa a reao de respondentes diante de vrias situaes de escolha,
baseando-se em um conjunto de atributos e seus respectivos coeficientes estimados.
Nesse sentido, a tcnica de preferncia declarada inclui julgamentos de preferncia
acerca de situaes hipotticas. Este tipo de tcnica PD tambm chamado por
KOCUR et al (1982) de Direct Utility Assessment DUA.
CALDAS (1995) cita ainda outros dois mtodos de Preferncia Declarada que
no so considerados parte da Anlise Conjunta: o mtodo da Inteno Comportamental
e o Mtodo Transfer Price. O primeiro analisa as intenes dos respondentes em adotar
ou no um novo cenrio que ainda no foi includo no mercado, descrito por
MORIKAWA (1989). O segundo, detalhado por BONSALL (1985, apud CALDAS,
1995), apresenta duas alternativas aos respondentes, com a seguinte questo bsica:
Quanto maior seria a sua preferncia de uma alternativa em relao outra?. O
presente trabalho limitar-se- descrio da tcnica PD relacionada s teorias de anlise
conjunta.
4.4.2. Projeto Experimental de Preferncia Declarada
Nos experimentos de PD que utilizam os conceitos de Anlise Conjunta

referenciados neste trabalho a partir de agora como simplesmente Preferncia Declarada
(PD), cada opo representada como um pacote de diferentes atributos. O pesquisador
define as alternativas hipotticas ou no de maneira que o efeito individual de cada
atributo possa ser estimado sem estar correlacionado com outro. Isso possvel graas
ao uso de ferramentas de elaborao de projeto experimental, assegurando que as
variaes dos atributos em cada pacote sejam estatisticamente independentes umas das
outras (KOCUR et al, 1982). ORTZAR e WILLUNSEM (1994), definem alguns
aspectos principais para a construo e aplicao de um projeto experimental:
108
Identificar os atributos chaves de cada alternativa e a construo de

pacotes de opes. Os principais atributos devem estar presentes e as
opes devem ser plausveis e realistas para o indivduo respondente;
Projetar de maneira que as opes sejam apresentadas aos respondentes

os facilitem expressar suas preferncias. A forma de apresentao das
alternativas deve ser plausvel, dentro do contexto de experincia dos
respondentes, e de fcil entendimento;
Desenvolver uma estratgia de amostragem a ser seguida, que assegure

um rico e representativo conjunto de dados; e
Conduzir apropriadamente o levantamento, incluindo a superviso e os

procedimentos de controle de qualidade, como pesquisa piloto e
treinamento prvio dos pesquisadores.
As etapas de elaborao de um projeto experimental esto apresentadas a seguir.
4.4.2.1. Seleo dos atributos e nveis
A escolha dos atributos uma etapa decisiva no sucesso do experimento de PD

e, conseqentemente, de todo o estudo. Visa escolher os atributos que refletem os
principais efeitos que condicionam as preferncias dos usurios de um determinado
produto em servio. No entanto, o nmero de atributos selecionados tem um limitante.
A restrio consiste no nmero mximo de atributos que no tornam a entrevista
fatigante para o entrevistado. Essa quantidade deve ser avaliada pelo analista em uma
pesquisa piloto. De qualquer maneira, a prtica recomenda o uso de, no mximo, quatro
atributos.
importante que os mesmos sejam escolhidos de maneira adequada e que as

opes sejam de fcil entendimento. Como auxlio para conduo da escolha dos
atributos, vantajoso empreender um pequeno nmero de grupos de discusso Focus
Group (CATTERALL E MACLARAN, 1997), onde cada um seria constitudo de
indivduos com caractersticas de modo que formassem uma amostra representativa da
109
populao. Um moderador treinado garantiria que todas as questes relevantes fossem

discutidas, relativas percepo das alternativas e identificao dos atributos chaves.
Contudo, a formao de grupos de discusso pode apresentar-se de difcil

operao e bastante onerosa, motivo pelo qual leva um pesquisador em muitos casos a
eliminar esta etapa de elaborao do experimento de coleta de dados, acreditando no
bom entendimento do problema e no conhecimento das variveis envolvidas. Uma
alternativa seria a realizao de uma pesquisa de seleo de atributos, com uma amostra
razovel, na qual so apresentados uma lista de atributos a partir da qual o respondente
seleciona os mais importantes.
Embora exige uma amostra maior de indivduos, a pesquisa de seleo uma

alternativa mais prtica, tendo em vista que a entrevista necessita de bem menos tempo
do respondente do que o participante de um Focus Group.
4.4.2.2. Formao das Alternativas e dos Cartes de Escolha
Uma vez definidos os atributos, as etapas de formao e combinao das

alternativas so momentos chave para o sucesso de todo um estudo. De acordo com
KROES e SHELDON et al (1988), no basta para o analista o conhecimento de todos
os procedimentos tcnicos necessrios para a execuo da pesquisa. preciso
perspiccia, conhecimento das caractersticas da rea de estudo e sensibilidade, para que
sejam formuladas alternativas hipotticas claras, plausveis e realistas, sempre
relacionadas ao nvel atual de experincia do entrevistado.
Com relao apresentao de alternativas condizentes com a realidade do

entrevistado, os experimentos de PD trazem grandes benefcios, pois os mesmos
permitem a customizao dos valores contidos no questionrio de acordo com as
caractersticas socioeconmicas do entrevistado, de modo que os questionrios sejam
direcionados para aquele tipo de indivduo. No teria sentido, por exemplo, um
indivduo de renda baixa estar diante de alternativas com altas tarifas de transporte.
Para a formao de alternativas, tendo em mos os atributos e seus respectivos

nveis, utilizado um ferramental que garante uma das principais exigncias de um
110
experimento de PD: a ortogonalidade dos atributos. Segundo PEARMAIN et al (1991) a

ortogonalidade uma propriedade que permite que todos os efeitos, principais ou de
interao, possam ser estimados isoladamente, sem multi-colinearidade entre si.
De acordo com LOUVIERE el al (2000), a ortogonalidade que deve ser buscada

refere-se diferena entre os nveis dos atributos de cada uma das alternativas
consideradas em uma situao de escolha. Ou seja, as alternativas devem ser
combinadas de modo que as diferenas dos atributos tenham a menor correlao
possvel. Uma das maneiras de viabilizar a construo destas alternativas atravs da
utilizao de planos fatoriais (Master Plans).
Segundo PEARMAIN et al (1991), os planos fatoriais conduzem a uma

combinao de atributos que refletem os seguintes efeitos:
Efeitos principais, ou seja, efeitos individuais de cada atributo, tambm

chamados de efeitos de primeira ordem; e
Efeitos de interao entre os atributos, classificados em 2 ordem

interao entre dois atributos e 3 ordem interao entre trs ou mais
atributos.
Quando so consideradas todas as combinaes possveis entre os nveis de

todos os atributos, tem-se um Projeto Fatorial Completo - PFC. O nmero de
combinaes dado pela seguinte expresso:
NC = niai (4.1)
em que
NC: Nmero de Combinaes possveis;
n: i-simo atributo;
a: nmero de nveis do i-simo atributo.
A utilizao de um PFC conduz a um experimento de PD que englobe todas

combinaes possveis. Contudo, existem srios problemas com a utilizao de um PFC
111
quando o nmero de nveis e atributos aumenta. Por exemplo, um experimento com o

conjunto de cinco atributos, cada um com quatro nveis, possui um nmero total de 45 =
1024 combinaes, cada uma representando uma alternativa a ser considerada no
experimento PD.
Levando em conta o grande nmero de combinaes, existem alternativas de

projeto de experimento que reduzem o nmero de opes, refletindo apenas os efeitos
de interesse e ao mesmo tempo mantendo um nvel aceitvel de ortogonalidade.
PEARMAIN et al (1991) apresentam cinco alternativas:
O uso de Projetos Fatoriais Fracionrios;
Remoo de alternativas dominantes e dominadas do conjunto total;
Separao das alternativas do PFC em blocos de alternativas;
Fixao de um atributo comum em experimentos separados; e
Definio dos atributos em termos de diferena entre alternativas.
As alternativas apresentadas, detalhadas a seguir, consistem numa srie de

artifcios que facilitam o trabalho do analista, podendo ser aplicados conjuntamente, em
um mesmo projeto experimental. A combinao de alguns artifcios depende das
peculiaridades de cada experimento, e, sobretudo, da criatividade e experincia do
analista. De qualquer maneira, a implementao de alguns dos artifcios deve sempre
ser acompanhada da verificao da multicolinearidade entre os atributos.
a) Projetos Fatoriais Fracionrios
Alternativa mais importante e mais utilizada dentre os projetistas de experimentos de

PD, o uso de um Projeto Fatorial Fracionrio PFF permite considerar apenas alguns
dos efeitos que se acredita como essenciais para a anlise do mercado, desprezando-se
os demais. Os artifcios que permitem a seleo de determinados efeitos so chamados
de Projeto Fatorial Fracionrio PFF. HAHN e SHAPIRO (1996) propuseram um
112
catlogo que apresenta uma srie de PFFs, a partir do nmero de nveis e atributos e
dos efeitos de interesse.
Os PFFs formulados a partir dos bacos de HAHN e SHAPIRO (1966) podem

contemplar somente os efeitos principais, ou os efeitos principais juntamente com os
efeitos de segunda ordem. Todos os projetos apresentados neste catlogo so
apresentados de modo que a ortogonalidade dos experimentos seja quase total.
KOCUR et al (1982) listam diferentes tipos de PFF, classificando-os como

Planos de Resoluo, cada um com as seguintes definies:
Plano de Resoluo V: PFF que assume as interaes de terceira ordem

como negligveis, porm permite a estimao de efeitos principais e
todos os efeitos de segunda ordem. Sub-conjuntos desse tipo de projeto
so:
Aqueles que permitem a estimao dos efeitos principais e as

interaes de segunda ordem entre atributos selecionados e
todos os outros atributos. Todos os outros efeitos so
negligveis;
Aqueles que permitem a estimao dos efeitos principais e

algumas interaes de segunda ordem selecionadas. Todos os
outros efeitos so negligveis;
Plano de Resoluo IV: PFF que permite a estimao efeitos principais

independentemente dos efeitos de interao de segunda ordem,
assumindo-se todos os outros efeitos como negligveis; e
Plano de Resoluo III: PFF que permite a estimao apenas dos efeitos
principais, assumindo-se todos os outros efeitos como negligveis.
Com a utilizao de um PFF, os outros efeitos no considerados so assumidos

como negligveis. Sobre este aspecto, LOUVIERE et al (2000) declaram que mais
problemtico o uso de projetos que permitem a identificao de somente efeitos
principais, assumindo-se nulos os efeitos de todas as interaes. Os autores ainda
113
exemplificam que em um experimento de 05 atributos com 04 nveis, com 1024

combinaes e 15 graus de liberdade pois cada um dos atributos, com 04 nveis,
possuem 03 graus de liberdade so desprezados 1024 15 = 1009 efeitos. Embora o
uso de PFFs seja amplamente considerada nas anlises de mercado, um tanto quanto
difcil imaginar que 1009 efeitos sejam desprezveis.
Entretanto, um estudo realizado por DAWES e CORRIGAN (1974, apud

LOUVIERE et al, 2000), demonstrou que a no considerao de efeitos de ordem maior
que dois no traz erros apreciveis, levando em conta que:
Os efeitos principais contabilizam com aproximadamente 70 a 90% da

varincia explicada;
As interaes entre dois atributos correspondem a aproximadamente 5 a

15% da varincia explicada;
As interaes de maior ordem contabilizam o restante do percentual de

varincia explicada.
Apesar de possibilitar significativamente a reduo do nmero de opes, a

simples aplicao dos PFFs, em alguns casos, no so suficientes para se obter um
nmero vivel de situaes de escolha. Por exemplo, considerando um experimento de
cinco atributos com trs nveis, que resulta em um PFC de 125 alternativas, a aplicao
de um Plano de Resoluo III permite a seleo de 16 alternativas. Caso as alternativas
sejam combinadas duas a duas (exemplo de um experimento de Pairwise-Choice,
definido adiante), o nmero de combinaes entre alternativas, cada uma formando um
carto de escolha PD, seria igual a 120. Assim, necessria a aplicao de alguns outros
artifcios, mostrados nas alneas seguintes.
b) Remoo de Alternativas Dominantes e Dominadas
Essa abordagem permite somente a reduo de um limitado nmero de opes,

utilizando-se o princpio da dominncia entre as alternativas.
114
Uma alternativa chamada de dominante quando os valores de todos os

atributos da funo de utilidade so melhores que os demais. Por outro lado, uma
alternativa dominada quando os valores de todos os atributos da funo de utilidade
so piores que os demais. Assim, um respondente atento sempre escolhe a alternativa
dominante e descarta as demais. O problema com essa abordagem consiste na excluso
das alternativas dominantes e dominadas, no sendo possvel identificar os entrevistados
que escolhem as alternativas aleatoriamente.
A abordagem pode ser aplicada tambm na combinao de alternativas, para a

formao de cartes, atravs da identificao de sub-conjuntos de escolha. Por exemplo,
seja A, B, C, D quatro opes contidas em um conjunto de escolha, de modo que a
opo A domina a opo B e a opo C domina a opo D. Se o respondente prefere a
alternativa A C, o pesquisador pode assumir que a alternativa A tambm prefervel
alternativa D. Dessa forma, o respondente no precisa declarar a sua escolha entre A e
D. Analogamente, se C prefervel em relao a alternativa A, possvel assumir que C
prefervel em relao a B, de modo que a escolha entre C e B pode ser omitida.
A identificao da dominncia no sempre fcil, especialmente quando se

trabalha com variveis qualitativas. Nesse caso, o pesquisador deve, a priori, identificar
a ordem de preferncia dos nveis dos atributos para cada entrevistado, antes da
apresentao das alternativas nos cartes de PD. Por exemplo, considerando-se os nveis
do atributo Modo de Viagem como nibus, automvel e trem, cada
entrevistado tem uma ordem de preferncia acerca desses modais. Assim, dependendo
da ordem de preferncia, possvel que algumas alternativas formadas sejam
dominadas para alguns entrevistados, e para outros no.
A Remoo de pares de alternativas como resultado das respostas dos

respondentes pode ser de difcil implementao em questionrios convencionais. No
entanto, se o levantamento conduzido com ferramentas de tecnologia da informao,
um programa computacional pode ser aplicado para omitir escolhas de sub-conjuntos de
escolhas dominadas, de acordo com a base de escolha.
115
c) Formao de Blocos de Alternativas
A terceira abordagem sugere a diviso de alternativas formadas a partir de um

Projeto Fatorial Completo em conjuntos de alternativas, chamados de blocos. Em
cada bloco, as alternativas so combinadas de modo que sejam formados os cartes de
PD. A cada entrevistado, apresentado qualquer um dos blocos de cartes de PD.
O mtodo da diviso das alternativas em blocos baseado na hiptese de que as

preferncias dos usurios da amostra so suficientemente homogneas, de modo que os
efeitos possam ser combinados na etapa de estimao dos modelos. Inevitavelmente,
diferenas entre indivduos aumentaro os erros associados com os resultados.
d) Fixao de um Atributo Comum em Experimentos Separados
A fixao de um atributo comum em experimentos separados utilizada quando

o experimento contm um nmero considervel de atributos, tornando s vezes invivel
a elaborao de um projeto experimental contemplando todos eles. Assim, uma
alternativa seria dividir os atributos em sub-conjuntos, cada um contendo pelo menos
um atributo em comum.
Por exemplo, possvel dividir o conjunto formado pelos atributos Modo de

Transporte, Tempo de Viagem, Tempo de Espera e Custo da Tarifa e Nvel de
Servio em dois sub-conjuntos, cada um dos quais contendo o atributo Custo da
Tarifa. Assim, poder-se-ia realizar dois projetos experimentais: um contemplando os
atributos Modo de Transporte, Tempo de Viagem e Custo da Tarifa; e outro
contendo os atributos Nvel de Servio, Tempo de Espera e Custo da Tarifa. O
exemplo pode ser estendido para um maior nmero de variveis.
e) Definio dos Atributos em Termos de Diferena entre Alternativas
Nessa abordagem, os atributos so definidos como diferenas entre alternativas.

Por exemplo, em um conjunto de escolha formado pelos modos nibus, automvel
116
e trem, o analista no define valores absolutos de custo de viagem para cada um dos
modais, e sim valores relativos, tomando como base o valor de um dos modais. Ou seja,
tomando como base o custo do automvel, os nveis definidos podem ser custo de
automvel mais R$10,00 e Custo do automvel mais R$15,00.
Essa abordagem geralmente aplicada quando se deseja elaborar um projeto

experimental fixando-se uma alternativa do conjunto de escolha, com seus valores reais.
Assim, considerando um exemplo em que se tm 03 atributos Modo de Viagem,
Tempo de Viagem e Custo da Tarifa - resultando em 27 alternativas no Projeto Fatorial
Completo, a fixao de uma alternativa reduz o nmero de combinaes para 09
alternativas (03 atributos com dois nveis cada).
4.4.3. Tipos de Questionrio PD
Uma vez definidas as alternativas, o analista possui trs maneiras de como o

respondente pode refletir suas preferncias:
Ranqueando as alternativas, em ordem de preferncia;
Escolhendo uma alternativa dentre aquelas disponveis; ou
Escalonando-as, fornecendo para cada uma um grau de satisfao.
Segundo HENSHER (1994) estas formas de apresentao das alternativas

podem ser definidas respectivamente como ranking, rating e choice.
a) Ranking
Um experimento do tipo ranking parte do princpio da capacidade dos

indivduos de ordenar alternativas de acordo com suas preferncias. A ordenao, por
sua vez, fornece dados para a calibrao dos modelos de escolha discreta.
Uma forma de tratar os dados para os propsitos de modelagem, a partir das

ordenaes dos respondentes, foi proposta por CHAPMAN e STAELIN (1982), que
117
elaboraram um procedimento de transformao dos dados ranking, chamado de

exploso de ranqueamento. O processo de exploso de ranqueamento transforma um
conjunto de escolha ranqueado em L-1 (L o nmero de alternativas) conjuntos de
escolha. Sendo assim, o r-simo conjunto formado a partir da excluso da (r-1)-sima
alternativa escolhida.
Por exemplo, se um conjunto de escolha possui 04 alternativas, o respondente as

ranqueia de 1 a 4. Inicialmente, tem-se um conjunto de 4 alternativas, dentre as quais
foram escolhidas 01. Se for retirada a alternativa escolhida, tem-se ento 3 alternativas,
dentre as quais existe a segunda melhor preferida pelo respondente.
Nesse caso, forma-se um segundo conjunto de 03 alternativas com uma escolha.

Do mesmo modo, retirando a segunda melhor alternativa, tem-se um terceiro conjunto
com duas alternativas, dentre as quais uma possui maior utilidade. Dessa forma, um
ranqueamento de quatro alternativas gerou trs observaes.
Apesar de proporcionar mais informaes a respeito das escolhas dos

respondentes, BEN-AKIVA et al (1991) atestam que a confiabilidade das informaes
obtidas pelos dados ranking decresce com a profundidade, ou nvel dos ranqueamentos,
e que ranqueamentos de variadas profundidades produzem resultados estatisticamente
diferentes. Esse aspecto tambm foi apontado por CALDAS (1995), no qual verificou-
se que os experimentos ranking geram melhores resultados quando o nmero de
alternativas diminui.
b) Rating
O experimento do tipo rating, ou escalonamento, proporciona dados mais ricos

em respostas mtricas, pois alm de fornecerem a ordem, fornecem tambm o grau de
preferncia, ou seja, uma nota para cada alternativa. De acordo com HENSHER
(1993), analistas tipicamente selecionam uma escala de 5 a 10 para representar a
distribuio contnua da proporo dos intervalos escalonados.
Segundo HENSHER (1993), os dados rating so muitas vezes escolhidos por

terem uma relao monotnica com a utilidade, podendo ser realizada uma translao
118
para o modelo logit, utilizando tcnicas de regresso pelo mtodo dos mnimos
quadrados.
No entanto, a validade da transformao para o modelo logit questionvel, pelo

menos devido natureza discreta dos conjuntos ordenados em escala pelos
respondentes. No se pode dizer, por exemplo, que as notas 5 e 4 possuem diferena
idntica s notas 4 e 3 e 3 e 2. Ainda segundo HENSHER (1993), uma abordagem
prefervel para utilizar os dados rating na derivao das probabilidades de escolha
tratar as notas coletadas dos respondentes dentro de uma escala no linear de
respostas ordenadas.
c) Pairwise-Choice
De acordo com HENSHER (1993) a atrao pelos experimentos de parwise-

choice parte das grandes incertezas acerca da qualidade dos dados ranking e rating. A
vantagem desse tipo de experimento est na simplicidade com a qual os questionrios
so apresentados aos respondentes, em relao aos outros dois tipos.
Uma das limitaes do experimento de pairwise-choice consiste no menor

nmero de dados obtidos por entrevistas, sendo necessria um maior esforo na coleta
de dados. O esforo torna-se ainda maior quando so necessrias maiores amostras. No
entanto, o crescimento do nmero de entrevistas compensado pela qualidade dos
dados, menos passveis de apresentarem erro proveniente da fadiga do entrevistado.
4.4.4. Pesquisa Piloto
Segundo LAKATOS (2001) a pesquisa piloto tem o objetivo de verificar at que

ponto os instrumentos desenvolvidos para a pesquisa de campo tm, realmente,
condies de garantir resultados isentos de possveis erros. Dessa forma, a pesquisa
piloto em um experimento de preferncia declarada visa aos seguintes aspectos:
Treinar dos pesquisadores;

119
Verificar se a forma de apresentao dos elementos da pesquisa est

adequada;
Verificar se o nmero de atributos e a quantidade de cartes apresentada

aos respondentes no causa fadiga; e
Verificar se as diferenas entre nveis dos atributos proporcionam

alternativas realmente concorrentes.
4.4.5. Limitaes Gerais dos Dados de Preferncia Declarada
Qualquer que seja o tipo de questionrio de PD, existe uma srie de limitaes
que comprometem a qualidade dos dados. As principais limitaes existentes dizem
respeito a falhas no modo de resposta do entrevistado, caracterizadas por trs aspectos:
indiferena do respondente, tendenciosidade da resposta e inrcia na escolha.
A indiferena a falta de interesse ou ateno do respondente na anlise das

alternativas dos questionrios. H muitos motivos para a indiferena do entrevistado.
Alguns deles so: a fadiga do respondente, a falta de um adequado envolvimento do
entrevistado e at mesmo a no adequao dos valores dos questionrios com a
realidade do entrevistado. Todos eles afetam a percepo da situao de escolha pelo
respondente.
A tendenciosidade um aspecto muito comum em experimentos de PD.

Segundo BRADLEY E KROES (1990), indivduos em algumas ocasies do maior
importncia a um dado atributo na escolha das alternativas que dariam ao escolher
realmente uma determinada alternativa. Por exemplo, em um experimento que contm
alternativas de combustveis nas quais h o atributo poluio, os indivduos tendem a
dar um peso maior a esse atributo do que dariam no ato da escolha real, devido
evidncia atual da questo ambiental.
Com relao inrcia, h indivduos que so influenciados pelas escolhas atuais

e tendem a apresentarem-se cativos na escolha de uma das alternativas do questionrio,
120
pois no conseguem avaliar o impacto de determinadas alternativas hipotticas em sua

escolha.
4.5 MECANISMO DE ENRIQUECIMENTO DE DADOS
Nos tpicos anteriores, foram apresentadas as peculiaridades de ambos os dados

PD e PR e suas devidas limitaes. O uso de dados PR para estudos de demanda, como
j destacado, possui como principal limitao a falta de variabilidade estatstica das
caractersticas ou atributos de produtos concorrentes. No entanto, os dados de PR
possuem como principal vantagem a apresentao do reflexo do mercado atual. Por
outro lado, os dados de PD tm a capacidade de refletir uma certa variabilidade
estatstica dos atributos, necessria para uma estimao de modelos estimados
isoladamente, porm, no contm informaes que refletem a diviso atual do mercado.
Dentro desse contexto, vrios estudos foram desenvolvidos com o intuito de

propor mtodos de modelagem nos quais utilizam-se os dois tipos de dados
conjuntamente, para que fossem aproveitadas as vantagens de cada um e compensadas
suas limitaes quando utilizados isoladamente. LOUVIERE et al (2000) chamam os
artifcios de modelagem conjunta de dados de PD e de PR de Mtodo de
Enriquecimento de Dados.
Vrios mecanismos de enriquecimento de dados foram propostos, podendo-se

destacar os trabalhos de MORIKAWA (1989) e de BRADLEY e DALY (1991), dois
dos principais estudos a propor metodologias de previso com dados conjuntos PD e
PR. Ambas as metodologias foram elaboradas tendo como princpio a hiptese de que
os dados de PR so vistos como padres de comparao e que os dados PD so vistos
somente como uma ferramenta para melhorar a eficincia estatstica dos dados PR. Esse
processo apresentado de modo esquemtico na Figura 4.2.
121
Respondente
Dados PR Dados PD
Equilbrio Trade-offs Equilbrio Trade-offs
Modelo de Previso
de Escolha
Figura 4.2: Mtodo de Enriquecimento de Dados, segundo MORIKAWA (1989)

A concepo mostrada na Figura 4.2 foi inicialmente proposta pelo trabalho de

MORIKAWA (1989). Pouco tempo depois, BRADLEY e DALY (1991) aplicaram a
mesma concepo para propor outra metodologia de estimao com dados conjuntos de
PD e PR.
De acordo com a Figura 4.2, existem duas caractersticas essenciais para o

exerccio de previso de demanda: os trade-offs entre os atributos, refletidos pelas
estimaes consistentes e baixa multicolinearidade entre si; e o equilbrio de mercado,
refletidos pelas estimaes das ASCs. A caracterstica de trade-off pela conseguida
com a unio entre os dados de PD e PR, estimando-se os atributos. Por outro lado, o
equilbrio de mercado alcanado apenas pelas ASCs dos dados de PR, pois refletem o
market share atual.
SWAIT et al (1994) propuseram outra metodologia de estimao com dados

conjuntos, desta vez partindo de uma concepo diferente daquela apresentada na
Figura 4.2. A nova concepo, apresentada na Figura 4.3, visa capturar apenas aquelas
caractersticas que se apresentam superiores em cada fonte. Nesse caso, os dados de PR
continuam sendo utilizados para obter o equilbrio corrente do mercado; no entanto, as
122
informaes acerca dos trade-offs da fonte de dados de PR so ignoradas, cabendo aos

dados de PD o fornecimento dos efeitos isolados de cada atributo.
Respondente
Dados PR Dados PD
Equilbrio Trade-offs Equilbrio Trade-offs
Modelo de Previso
de Escolha
Figura 4.3: Mtodo de Enriquecimento de Dados, Segundo SWAIT et al (1994)

A seguir, so descritos alguns dos principais aspectos acerca das trs

metodologias comentadas.
4.5.1 A Abordagem Seqencial de Morikawa
O uso do mtodo seqencial proposto por MORIKAWA (1989) de aplicao

mais adequada quando se trabalha com modelos MNL. As respectivas funes de
utilidade so apresentadas pelas seguintes expresses:
U iPR = iPR + PR X iPR + Z i + iPR , i C PR (4.2)
U iPD = iPD + PD X iPD + Wi + iPD , i C PD (4.3)

123
em que
U iPR e U iPD : Alternativas do Conjunto de Escolha CPR ou CPD,

respectivamente;
PR e PD : Constantes Especficas das Alternativas (ASCs);
X iPR e X iPD : Atributos comuns aos dados de PD e de PR;
Z i e Wi : Atributos especficos aos dados de PR e PD,

respectivamente;
PR e PD : Parmetros de utilidade para atributos comuns s
duas fontes de dados; e
e : Parmetros de atributos especficos das fontes de dados.
Para modelos MNL, os termos aleatrios das expresses (4.2) e (4.3) so

independentes e identicamente distribudos (IID) dentro de cada fonte de dados, com
fatores de escala PR e PD . Os correspondentes modelos de escolha so apresentados
respectivamente pelas expresses (4.4) e (4.5):
Pi PR =
[ ( )]
exp PR iPR + PR X iPR + Z i
[ (
exp PR PRj + PR X PRj + Z j )]
, i C
PR
jC PR
(4.4)
Pi PD =
[ (
exp PD iPD + PD X iPD + Wi )]
[ (
exp PD iPD + PD X iPD + Wi )]
, i C
PD
jC PD
(4.5)
Sendo assim, a funo de verossimilhana que deve ser maximizada para a

estimao dos parmetros pode ser apresentada pela soma das verossimilhanas dos
dados PR e PD:
124
L ( ) = y
nRP
in ln PinPR ( X inPR , Z in | PR , , ) + y in ln PinPD ( X inPD , Win | PD , , , PD ) (4.6)
iC nRP n PD iC nPD
em que
: Vetor que representa os parmetros ( PR , , , PD , , PD ) ;
yin: Igual a 1, caso o indivduo escolha a alternativa i, ou igual a

zero, se caso contrrio; e
CnPD e CnPR : Conjunto de alternativas viveis i para um

indivduo n, nos conjuntos de dados PD e PR, respectivamente.
Da mesma forma que os coeficientes estruturais de uma estrutura de escolha

multidimensional, os parmetros escalares PR e PD no so estimados em seus
valores absolutos, mas um em relao ao outro. Por isso, comum normalizar o
parmetro PR e estimar PD .
Partindo ento da normalizao de PR para 1, o procedimento seqencial

formado basicamente por trs passos:
a) Definio de um intervalo de valores possveis para PD . Segundo

LOUVIERE et al (2000), os valores de PD podem estar situados entre o
intervalo de zero a trs;
b) Implementao de busca unidimensional do valor timo de PD ,

multiplicando a matriz de dados de PD pelos valores possveis de PD
dentro do intervalo definido;
c) O valor timo de PD aquele que, ao multiplicar a matriz de dados PD,

acarreta em um valor mximo da funo de verossimilhana, apresentado
pela expresso 4.6.
LOUVIERE et al (2000) apresentam um exemplo de aplicao do referido

mtodo, apresentando resultados satisfatrios. Os autores tambm destacam que o
mtodo seqencial, apesar de prtico, no leva a estimao de parmetros eficientes. No
125
entanto, essa lacuna preenchida quando se utiliza o mtodo da rvore artificial,

apresentado a seguir.
4.5.2 O Mtodo da rvore Artificial
BRADLEY e DALY (1991) apresentaram um mtodo de estimao com dados

conjuntos utilizando-se do procedimento de estimao simultneo (FIML). A
abordagem feita dispondo-se as alternativas dos conjuntos de escolha PD e PR em
uma rvore estrutural como se fosse um conjunto de alternativas multidimensionais
como aquela abordada no Captulo III. Um exemplo est apresentado na Figura 4.4, na
qual, do lado esquerdo, esto dispostas as alternativas PR e, do lado direito, esto
dispostas as alternativas PD, associadas a um coeficiente , que, neste caso, representa
a razo entre as escalas PR e PD, da seguinte forma:
PD
= , com PR 1 (4.7)
PR
Assim, a funes de utilidade PR e PD esto apresentadas de forma semelhante

s expresses (4.2) e (4.3), com exceo da incluso do parmetro na funo de PD,
como mostra a seguir:
U iPR = iPR + PR X iPR + Z i + iPR , i C PR (4.8)
( ) (
U iPD = iPD + PD X iPD + ( )Wi + iPD ) (4.9)
O conceito do parmetro definido pela expresso (4.7) possui uma diferena

fundamental do conceito do parmetro definido no Captulo III. O primeiro
representa apenas a razo entre duas escalas de fontes de dados de tipos diferentes, ele
no possui significado comportamental, diferentemente do segundo. Assim, a restrio
dos valores de entre zero e um definido no modelo nested logit no aplicado no
caso da Figura 4.4.
126
Raiz
Alternativas Dummy ( )
Alternativas PR
Alternativas PD
Figura 4.4: Estrutura de rvore Artificial
Fonte: BRADLEY e DALY (1991)
4.5.3 O Mtodo de Swait, Louviere e Williams
O trabalho de Swait, Louviere e Williams (SWAIT et al, 1994) prope uma

metodologia de combinao de dados de PD e PR seguindo a concepo apresentada na
Figura 4.3. Como j mencionado, a concepo parte do princpio de explorar as
caractersticas de trade-off dos dados de PD e as caractersticas de equilbrio de
mercado dos dados de PR.
Dessa forma, as etapas da metodologia so as seguintes:
a) Projetar um experimento de PD que contenha os mesmos atributos do

modelo de PR. As variveis em ambos os conjuntos de dados devem ser
medidas sob as mesmas unidades.
b) Estimar os coeficientes dos atributos de PD, juntamente com as ASCs.
c) Fixar nas funes de utilidade de PR os coeficientes dos atributos

estimados a partir do modelo de PD, assumindo a hiptese de igualdade
( )
de coeficientes PD = PR .
d) Descartar as ASCs do experimento de PD e estimar as ASCs com os

dados de PR, bem como um fator de escala , de modo que a matriz de
127
dados de PR seja re-escalonada para corresponder matriz de dados de

PD.
e) O fator de escala deve ser estimado atravs de uma busca linear de

modo a obter uma estimao com mximo valor de L( ) (da mesma
forma como realizada na estimao de PD do modelo de Morikawa).
Os referidos autores aplicaram a metodologia proposta em um modelo MNL que

representava as escolhas entre companhias em um mercado de transportadores de carga.
Maiores detalhes acerca da aplicao e dos resultados podem ser encontrados em
SWAIT et al (1994).
4.5.4 Constante Especfica da Alternativa: Calibrao para Previso de

Demanda
MCFADDEN (1974) provou que os estimadores de mxima verossimilhana

para modelos com dados de preferncia revelada so eficientes, exceto para as ASCs.
Isto decorre devido a distores entre as propores contidas na amostra e na
populao. Por essa razo, a estimao das ASCs no necessita da utilizao de dados
conjuntos. Apenas basta a estimao com dados puros. Em previso de demanda, as
ASCs que devem ser utilizadas so aquelas estimadas pelos dados de preferncia
revelada, pois so provenientes de dados que descrevem o comportamento real de
escolha, diferentemente das ASCs estimadas pelos dados de PD. No entanto, as ASCs
estimadas pelos dados de PR ainda devem ser calibradas, podendo-se utilizar a
expresso (4.10) (MCFADDEN,1974):
Hg
ASC corrigida = ASC estimada ln (4.10)
Wg
em que
Hg = probabilidade de escolha da alternativa, calculada pela

funo de utilidade no calibrada;
Wg = percentual da alternativa na populao.

128
CAPTULO V
METODOLOGIA GNVPREV: UM ESTUDO DE CASO

(PARTE I)
Este Captulo apresenta, inicialmente, uma Metodologia de Previso de

Demanda por GNV - GNVPREV, baseada nos princpios tericos descritos nos
Captulo III e IV. A metodologia GNVPREV contempla todos os procedimentos
necessrios obteno dos produtos finais de um estudo de demanda: elasticidade,
anlise trade-off e cenrios de previso. Em seguida, so apresentados os detalhes de
apenas uma parte do conjunto de etapas mencionadas na metodologia, parte esta que se
encerra na coleta de dados. As etapas posteriores so apresentadas no Captulo VI.
5.1 METODOLOGIA GNVPREV
A Metodologia GNVPREV descreve um procedimento padro utilizado nos

estudos de comportamento de escolha de consumidores de determinados produtos e
servios, os quais esto inseridos em mercados de regime de concorrncia. Sua
denominao provm do fato de que o presente estudo se destina anlise de mercado
do Gs Natural Veicular.
A apresentao dos detalhes da aplicao da Metodologia GNVPREV foi

dividida em duas partes: Parte I, apresentada neste Captulo, que envolve as etapas de
delimitao da rea de estudo, definio do ambiente de mercado, elaborao dos
questionrios e pesquisas de campo; e Parte II, apresentada no Captulo VI, que
contempla basicamente as etapas de tratamento, anlise dos dados, definio de
modelos e obteno de resultados de elasticidade, anlise trade-off e cenrios de
previso. A Figura 5.1 apresenta um fluxograma que define mais detalhadamente as
etapas da metodologia.
129
Parte I
Definio da rea de Estudo Delimitao do Mercado em Estudo
Conhecimento e Seleo dos Atributos
Elaborao dos Questionrios PR e Socioeconmico Elaborao dos Questionrios PD
Seleo dos Nveis

Caractersticas de Escolha Caractersticas Socioeconmicas
Projeto Fatorial
Montagem dos Cartes
Ajuste nos questionrios Pesquisa Piloto
Pesquisa de Campo
Tratamento dos Dados
Parte II Formulao de Modelos
Estimao com dados PD e PR
Anlise de Parmetros e Testes Estatsticos
Seleo de Modelos
Calibrao das Funes de Utilidade
Aplicao do Modelo
Anlise de Elasticidades de Anlise Trade-Off Cenrios de Previso de

Demanda Demanda
Figura 5.1: Fluxograma da Metodologia GNVPREV

130
5.2 DEFINIO DA REA DE ESTUDO
A regio escolhida para aplicao da metodologia foi uma rea que faz parte do
distrito sede do municpio de Caucaia, situado na zona oeste da Regio Metropolitana
de Fortaleza RMF. A escolha da rea de estudo deveu-se principalmente a uma maior
facilidade operacional para o levantamento de dados, tendo em vista que a cidade de
Caucaia localiza-se a poucos quilmetros da Universidade Federal do Cear. A regio
escolhida relativamente pequena, devido a restries financeiras para a montagem de
infra-estrutura necessria realizao de um levantamento em uma rea mais
representativa.
5.2.1 Localizao Geogrfica da rea de Estudo
A localizao da rea de estudo apresentada pelas Figuras 5.2 e 5.3 e 5.4. A

Figura 5.2 apresenta a localizao do municpio de Caucaia no mbito do Estado do
Cear, destacando tambm o local do Distrito Sede; a Figura 5.3 destaca a rea de
estudo, dentro do distrito sede, dividido por setores censitrios.
Como mostra a Figura 5.2, o municpio de Caucaia est localizado em uma

regio litornea, caracterizada como porta de acesso s praias do litoral oeste, ao interior
do Estado do Cear e aos Estados do Piau, Maranho e Par. Possui a maior extenso
territorial da RMF, um total de aproximadamente 1.230 km2 (PDDU, 1998). Ainda de
acordo com o PDDU (1998), o municpio composto por 08 distritos: Bom Princpio,
Catuana, Guararu, Jurema, Miramb, Stios Novos, Tucunduba e o Distrito Sede. A
agregao dos distritos forma trs grandes regies: Caucaia-Sede, Jurema e o Ncleo
Litorneo.
As vias federais de acesso para Caucaia so a BR 222, que corta todo o litoral
oeste, e a BR- 020, a qual liga Caucaia ao interior sudoeste do Estado. As vias estaduais
so a CE 090, que a partir do entrocamento com a BR- 222 conduz s praias.
importante destacar duas obras afetaram decisivamente as caractersticas de mobilidade
urbana e atrao de viagens de Caucaia: a Ponte que atravessa a Foz do Rio Cear,
constituindo em mais uma ligao de Fortaleza para Caucaia, pelo litoral, o que
131
acarretou na diminuio da distncia de viagem da capital at as praias do municpio de

Caucaia; e a CE- 085 (Via Estruturante), eixo que liga Caucaia ao Complexo Industrial
e Porturio do Pecm e s demais localidades do interior oeste do Estado.
Distrito Sede
ESTADO DO CEAR
Figura 5.2: Localizao do Municpio de Caucaia no mbito do Estado do Cear

Fonte: IBGE (2002a)
132
Distrito Sede
rea de
Estudo
Figura 5.3: Delimitao da rea de Estudo no mbito do Distrito Sede

Fonte: IBGE (2002b)
5.2.2 Caractersticas Socioeconmicas do Municpio de Caucaia
A populao do municpio de Caucaia registrada no censo demogrfico de 2000

(IBGE, 2002b) da ordem de 250.500 habitantes. Apenas a populao do distrito sede
de Caucaia da ordem de 115.400 habitantes, responsvel por 46% do total
populacional do municpio. De acordo com o IPECE (2004), o Produto Interno Bruto do
municpio registrado em 2002 foi de aproximadamente R$ 631.200.000,00,
representando cerca de 2,59% do PIB estadual. A economia de Caucaia obedece a um
padro de atividades preponderantemente baseado em atividades tercirias, vinculadas
aos setores de comrcio e servios, como mostra a Tabela 5.1.
Tabela 5.1: Composio do Produto Interno Bruto de Caucaia - 2002

DISCRIMINAO MUNICPIO
Agropecuria 3,2%
Indstria 35,8%
Servios 61,0%
Fonte: IPECE (2004)
133
De acordo com o PDDU (1998), apesar da expressiva populao de Caucaia,

assiste-se, nos ltimos anos, cada vez com maior intensidade, a sua transformao em
cidade dormitrio, mesmo sendo um municpio autnomo em relao Fortaleza.
Alm disso, a posio geogrfica entre Fortaleza e regies importantes do

Estado, bem como estados vizinhos, favorece a formao bastante considervel de um
trfego de passagem, fato que afeta decisivamente na formao do mercado de
combustveis desta regio.
5.2.3 Infra-Estrutura de Abastecimento de Combustveis
Especificamente na rea de estudo, a infra-estrutura de abastecimento de

combustveis formada por quatro postos de distribuio. A localizao e denominao
de cada um dos postos esto apresentadas na Figura 5.4. Os quatro postos apresentados
na Figura 5.4 revendem gasolina, lcool e diesel, ao passo que somente o Posto Iparana
dispe de infra-estrutura de revenda de GNV.
Legenda:
Posto N. Sra. Dos Prazeres Posto Iparana
Posto Caucaia Centro Posto Estruturante
Figura 5.4: Localizao da Infra-estrutura de Abastecimento

134
5.3 DELIMITAO DO MERCADO ESCOLHIDO PARA ESTUDO
O estudo de caso analisado neste trabalho restringe-se anlise e previso de

demanda por GNV de uma poro do mercado constituda pela classe de veculos leves,
o que inclui os veculos de passeio, caminhonetes e camionetas. Essas denominaes
esto acordadas com as definies do Cdigo de Trnsito Brasileiro (BRASIL, 1997).
Alm disso, os veculos considerados na modelagem so apenas aqueles que consomem
gasolina, lcool e GNV. Ou seja, o diesel ou qualquer outro combustvel no est
includo no presente estudo.
Partindo das limitaes citadas, a modelagem se baseia em um ambiente de

mercado constitudo por duas dimenses. A primeira dimenso refere-se aos tipos de
tecnologia de veculo relacionados disponibilidade de uso de um ou mais
combustveis, sendo dividida em duas categorias: os dedicados, aqueles movidos a um
nico combustvel gasolina ou lcool; e os bi-combustveis, aqueles que podem
utilizar dois combustveis.
Existem no mercado brasileiro atual trs tipos de veculo includos na categoria,

bi-combustvel: Gasolina e GNV, lcool e GNV (ambos contendo um cilindro de
GNV) e Gasolina e lcool (conhecido tambm no mercado como veculo flex).
Esse ambiente de escolha definido fornece a possibilidade de estudo

aprofundado de cada um dos itens definidos dentro da classe dos veculos leves.
Embora o foco de estudo do presente trabalho seja o GNV, imprescindvel que um
estudo de mercado de um produto qualquer no deixe de lado a participao dos seus
concorrentes, os quais, no caso em questo, so os combustveis gasolina e lccol,
consumidos por veculos decicados e flex. A Figura 5.5 apresenta a estrutura de
mercado definida para este estudo de caso.
135
Ambiente de Escolha
Tecnologias (tipo de Veculo)
Combustveis
Figura 5.5: Estrutura Simplificada do Mercado de Combustveis Estudado
5.4 CONHECIMENTO E SELEO DOS ATRIBUTOS
A etapa de montagem dos questionrios de Preferncia Revelada (PR) e

Preferncia Declarada (PD) precedida de uma pesquisa de conhecimento e seleo dos
principais atributos que condicionam as preferncias dos consumidores de
combustveis. Essa etapa de estudo constituda pelas seguintes sub-etapas:
a) Levantamento dos principais atributos na literatura;
b) Seleo dos atributos que mais representam o processo de escolha do

mercado em estudo; e
c) Pesquisa de campo, para avaliar a percepo dos usurios a respeito dos

atributos que mais influenciam a escolha dos indivduos.
136
5.4.1 Levantamento dos Principais Atributos
Primeiramente, foi levantado um conjunto de atributos utilizados em outros

estudos, tais como BUNCH et al (1993), BROWNSTONE e TRAIN (1999),
BROWNSTONE et al (2000).
Depois desse levantamento, foi realizada uma primeira triagem dos atributos,
considerando-se apenas aqueles mais provveis de representar efeito considervel na
escolha de um usurio mdio de veculo em cidades de mdio porte do Nordeste
Brasileiro. A Tabela 5.2 apresenta a lista obtida com a primeira triagem.
Tabela 5.2: Lista dos Principais Atributos de Escolha

ATRIBUTOS DEFINIES
Tamanho do veculo Compacto, sub-compacto, mdio e grande.
Tecnologia de Veculo Dedicado e bi-combustvel.
(relacionado ao combustvel)
Preo do veculo Valor monetrio pago para a aquisio do veculo.
Tipo de combustvel Neste estudo, foram considerados a gasolina, o lcool e
o GNV.
Autonomia do veculo Distncia percorrida com a capacidade armazenagem
de combustvel totalmente utilizada.
Custo de Combustvel Valor monetrio pago para a aquisio de uma
quantidade de combustvel.
Custo de Converso Valor monetrio pago na converso do veculo para
outro combustvel.
Custo de Manuteno Valor monetrio pago na manuteno peridica.
Disponibilidade do Combustvel Disponibilidade limitada de servios de abastecimento
na Rede de Postos de um determinado combustvel na rede de estaes
existentes na rea de estudo.
Potncia do veculo Performance do veculo, podendo ser medida pelo
tempo necessrio para adquirir uma determinada
velocidade.
Poluio Nvel de Emisses de poluentes ocasionado pela
combusto dos energticos utilizados.
Segurana Nvel de Segurana percebido pelos usurios.
Espao do bagageiro ou Espao no veculo disponvel para o transporte de carga
carroceria em geral ou objetos pessoais.
137
5.4.1.1 Segunda Triagem dos Atributos
Partindo ento para uma segunda triagem dos atributos, considerando-se apenas
o conjunto apresentado na Tabela 5.1, percebeu-se imediatamente a necessidade de
incluir nos questionrios seis destes atributos: tecnologia do veculo, tipo de
combustvel, preo do veculo, custo de combustvel custo de converso e
segurana.
As duas primeiras se justificam pelo fato de constiturem os rtulos das

alternativas consideradas no modelo de escolha. A incluso das trs variveis
monetrias justifica-se pelo fato de serem os motivos de atratividade mais imediatos de
um produto em qualquer mercado, principalmente no cenrio atual globalizado. Alm
disso, so indispensveis em anlise economtrica.
Em respeito ao atributo Segurana, a avaliao do reconhecimento da

segurana de um combustvel por parte dos usurios vital para o desenvolvimento do
seu mercado. Portanto, este atributo foi selecionado para avaliao no questionrio de
Preferncia Revelada, porm no foi includo na modelagem economtrica,
restringindo-se somente a uma anlise de opinio dos usurios acerca da segurana dos
cilindros de GNV.
O atributo, a disponibilidade do combustvel na rede de postos justifica-se

pelo fato deste atributo ser essencial anlise da demanda reprimida de GNV.
O atributo espao do bagageiro ou carroceria reflete o impacto da perda de

espao no veculo com a colocao de um cilindro de GNV. Percebe-se que esta
impedncia muitas vezes o motivo da resistncia em escolher uma alternativa com o
GNV. Portanto, foi colocado no questionrio de seleo.
Analisando-se a relao entre os atributos espao do bagageiro ou carroceria e

tamanho do veculo, percebe-se que os efeitos destes atributos, relativos escolha de
um veculo a GNV, so intimamente relacionados, pois para veculos maiores, os
bagageiros ou carrocerias so mais espaosos, o que diminui, de certo modo, a averso,
por parte dos usurios, a veculos a GNV pela falta de espao no porta-malas. Por isso,
decidiu-se por excluir da etapa de seleo o atributo tamanho do veculo, tendo em
138
vista que o atributo espao do bagageiro ou carroceria reflete de modo mais direto o
efeito de interesse, alm de ser mais fcil de implementar no questionrio de PD e de
aplicar na modelagem.
O atributo Potncia do veculo uma varivel que reflete uma certa polmica
a respeito da reduo da performance do veculo com a converso, como j discutido no
Captulo II. A sua complexa medio, que depende particularmente de cada veculo, j
seria um motivo de sua excluso nos questionrios PD e PR. No entanto, esse atributo
foi mantido nesta etapa do estudo, para avali-lo na pesquisa de campo de seleo dos
atributos pelos usurios.
O atributo custo de manuteno foi tambm incluso para ser avaliada na etapa
da pesquisa de seleo em campo, pela sua importncia financeira.
O atributo poluio foi eliminado desta seleo pelo fato desta varivel
apresentar muitas vezes uma ponderao aparente. De acordo com alguns tcnicos da
rea de converso veicular, muito raro um usurio revelar-se preocupado com a
necessidade de reduo de poluentes quando ele decide converter o seu veculo para
GNV. Segundo BRADLEY e KROES (1990), a utilizao, na modelagem de escolha
discreta, de atributos que representam algum assunto em destaque e de grande
repercusso social, como o caso da poluio ambiental, pode resultar em modelos
distorcidos. Nesses casos, as pessoas entrevistadas se mostram com um ponto de vista
simplesmente para mostrar um certo status de conscincia social, pois em muitos casos
no apresentam a mesma opinio no momento de escolha de um produto ou servio.
O atributo autonomia do veculo est muito relacionado ao atributo

disponibilidade do combustvel na rede de postos e, por esse motivo, foi eliminado do
conjunto, pelo fato de o segundo ser de mais fcil anlise, alm de representar a
importncia relativa da acessibilidade do usurio ao combustvel.
Portanto, a Tabela 5.3 apresenta os atributos selecionados na segunda triagem.

139
Tabela 5.3: Atributos Selecionados na Segunda Triagem

Tecnologia do Veculo
Atributos previamente selecionados Tipo de Combustvel
para elaborao dos questionrios PD Preo do Veculo
e PR Custo de Combustvel
Segurana
Espao no bagageiro ou carroceria
Atributos escolhidos para a pesquisa Custo de Converso
em campo de seleo dos atributos Custo de Manuteno
Disponibilidade do Combustvel
na Rede de Postos
Potncia do Veculo
5.4.1.2 Pesquisa com os Usurios
Aps a segunda triagem, restaram-se 10 atributos, dentre os quais 05 sero

submetidos a uma pesquisa de campo de seleo dos atributos, realizadas com os
prprios usurios. Essa pesquisa foi realizada com trs objetivos principais:
Avaliar se h algum atributo que no seja relevante para o usurio;
Obter uma primeira idia sobre a importncia relativa dos atributos na

percepo do usurio, permitindo tambm auxiliar na elaborao dos
questionrios; e
Contribuir para o alcance pleno de um dos objetivos destas dissertao,

que de levantar as principais variveis que condicionam a preferncia
dos consumidores pelo GNV.
As entrevistas foram realizadas com os usurios dos postos de abastecimento

includos na rea de estudo. Nessas entrevistas, solicitava-se aos respondentes a
escolher dentre cada par de atributos aquele mais importante considerado por ele na
converso (ou possvel converso) de um veculo para gs natural. Alm disso, foram
includas perguntas sobre a origem e destino do indivduo.
140
a) Elaborao do Questionrio
A princpio, procurando uma forma mais adequada para a coleta de dados, foram
montados dois tipos de questionrios, submetidos a uma pesquisa piloto: um para os
usurios de GNV e outro para os no usurios deste combustvel. Para os no usurios
de GNV, no foi computado o atributo custo de manuteno, pois de difcil
avaliao para aqueles que podem no conhecer profundamente os veculos a GNV, o
que no ocorre com proprietrios de veculos a gs.
Dessa forma, o questionrio destinado aos no usurios de GNV foi formulado

com 06 combinaes, par a par, de atributos, dentre as quais o entrevistado deveria
escolher um dentre cada par. Para os usurios de GNV, foram computadas as 10
combinaes de atributos obtidas.
b) Pesquisa Piloto
Na realizao da pesquisa piloto, no foi constatado, de uma maneira geral,

nenhum problema no ato das entrevistas com os no usurios de GNV. No entanto, em
relao aos usurios de GNV, constatou-se que as entrevistas eram bastante cansativas,
devido ao alto nmero de combinaes que deveriam avaliar. Especificamente, o
atributo custo de manuteno foi de difcil entendimento, pois o custo de interesse
para a pesquisa seria somente a diferena entre custo de manuteno de um veculo
original de fbrica e um veculo de mesma especificao convertido para GNV,
considerando ambos sob as mesmas condies. Obviamente, poucas pessoas conseguem
perceber essa diferena, decidindo-se ento por excluir o referido atributo.
Por fim, foi aplicado o mesmo questionrio para ambos os segmentos (usurios e
no usurios). O modelo final do questionrio de seleo dos atributos est apresentado
no Anexo I.
141
c) Estratgias de Amostragem e Levantamento de Dados
A pesquisa de seleo dos atributos foi realizada ao longo de uma semana do

ms de agosto de 2004. O tamanho da amostra coletada nesta primeira pesquisa foi
calculada admitindo-se um grau de confiana de 95% e um erro amostral de 10%. O
tamanho da amostra calculado da seguinte forma (BEN-AKIVA e LERMAN, 1985):
2 2
e t t
t= N = sn2 N = p (1 p) (5.1)
sn e e
N
em que
N: tamanho da amostra;
t: estatstica t assinttica (para um grau de confiana de 95%, t = 1,96);
sn: varincia assinttica;
p: probabilidade de um evento binomial (assumido igual a 0,5).
O considervel erro amostral indica que, nesta primeira pesquisa, no h a

necessidade de um grande rigor estatstico. De acordo com a expresso 5.1, N = 96,04,
o que corresponde a um tamanho mnimo de 97 entrevistas. Esse nmero , portanto, a
quantidade mnima de observaes a serem coletadas para cada um dos segmentos de
usurios e no usurios.
A coleta de dados para o segmento de usurios de GNV foi feita apenas no nico
posto de combustvel de Caucaia que abastece veculos a GNV, o Posto Iparana. Com
relao coleta amostral do segmento de no usurios de GNV, foi necessria a
realizao de uma estratificao da amostra para a coleta nos quatro postos
considerados.
Essa estratificao partiu de uma pesquisa de contagem volumtrica de veculos

leves que abastecem nos postos, realizada no perodo da hora de pico da manh
(assumiu-se como hora de pico da manh 06:30 - 07:30) em um dia tpico (quinta-feira),
no ms de agosto de 2004. Das quantidades levantadas, foram estimadas os percentuais
142
de veculos em cada posto, cujos valores foram admitidos para o dia todo, e para todos
os dias da semana.
A representatividade desses percentuais afetada pelos seguintes aspectos:
A contagem em apenas uma hora de pico;
As propores de volume de veculos abastecidos devem mudar no

somente ao longo do dia, como tambm ao longo da semana e em
perodos de alta e baixa estao, devido ao grande potencial turstico da
regio;.
O levantamento foi realizado em um perodo que coincidiu com a poca

das campanhas eleitorais de 2004, o que gerou uma demanda atpica,
formada pela atrao de veculos guiados por pessoas no proprietrias
de veculos, que estavam trabalhando em campanhas candidatos a
vereador e prefeito.
No entanto, todas essas limitaes do levantamento na hora de pico no foram

consideradas, assumindo as propores obtidas para a coleta de dados na pesquisa de
seleo de atributos. A Tabela 5.4 apresenta os volumes em cada posto e seus
respectivos percentuais na hora de pico da manh.
Tabela 5.4: Percentuais de volume de veculos na Hora de Pico da Manh

POSTOS CONTAGEM PERCENTUAL
Posto Estruturante 20 24%
Posto Iparana 23 28%
Posto N. Sra. dos Prazeres 14 17%
Posto Caucaia Centro 25 30%
Portanto, de acordo com a Tabela 5.4, as quantidades de cada sub-amostra dos

Postos Estruturante, Iparana, N. Sra. dos Prazeres e Caucaia Centro, considerando um
tamanho total da amostra de 100, so respectivamente 24, 28, 17 e 30.
Trabalharam nesta coleta de dados 06 pesquisadores de campo e um supervisor.

Dois pesquisadores eram responsveis pelo segmento de usurios, enquanto que quatro
143
pesquisadores eram responsveis pelo segmento dos no usurios de GNV, cada um

posicionado em um posto.
d) Tratamento dos Dados
No tratamento dos dados, o ranqueamento dos atributos foi feito da seguinte

forma: se um determinado atributo fosse escolhido em relao a um outro, o primeiro
ganhava 01 ponto. Sendo assim, foram somados os pontos dos atributos em cada
questionrio respondido e, em seguida, os pontos de todos os questionrios de cada um
dos atributos.
Foram realizadas 131 entrevistas para o segmento de no usurios, dentre as

quais foram excludas 28, os quais no foram respondidos de modo adequado, restando
103 questionrios vlidos para este segmento. Com os usurios de GNV, foram
realizadas 135 entrevistas, das quais foram excludas 34, restando 101 questionrios
vlidos para este segmento.
A verificao da validade do questionrio foi feita considerando-se que um

questionrio respondido de modo racional contm atributos com nmero de pontos de
03, 02, 01 e zero pontos. Se um questionrio fosse respondido de modo que a dois
atributos fossem dados 02 pontos para cada um, ento o seu preenchimento no foi feito
com ateno. Este critrio obedece seguinte propriedade: se o atributo 01 mais
importante que o atributo 02, e o atributo 02 mais importante que o atributo 03, ento
o atributo 01 mais importante que o atributo 03.
As pontuaes de cada um dos atributos so mostradas na Tabela 5.5.
Tabela 5.5: Pontuao Mdia dos Atributos Considerados na Etapa de Seleo

ATRIBUTOS USURIOS DE NO USURIOS DE
GNV GNV
usto com Converso 190 221
otncia do Veculo 100 166
Espao Perdido no Bagageiro ou Carroceria 113 126
Restrio dos Postos de GNV 203 105
144
e) Anlise dos Resultados
Com relao ao segmento dos no usurios de GNV, o custo de aquisio do kit

de GNV o condicionante mais importante na deciso de converso do veculo a GNV.
Em seguida, esse segmento considerou que a reduo da potncia do veculo a
segunda maior impedncia. O fato do atributo Potncia do Veculo ter sido to bem
votado pode ter duas explicaes:
As altas redues de potncia ocasionadas em muitos casos pelo

processo de converso inadequado, funcionando como um anti-
marketing para o mercado de GNV;
O segmento dos no usurios de GNV ainda no tem uma noo exata da

grandeza de reduo da fora do motor original do veculo aps a
converso.
Ainda em respeito ao segmento dos no usurios de GNV, os atributos espao

perdido no bagageiro ou carroceria e restrio dos postos de GNV aparecem como
os menos pontuados.
Por outro lado, a amostra dos usurios de GNV apresentou resultados bastante
diferentes daqueles observados no outro segmento. Eles elegeram como atributo mais
importante a Restrio dos Postos de GNV, ao contrrio do segmento dos no
usurios, que considerou como menos importante. Os resultados indicam que os
usurios de GNV ainda se queixam da limitada infra-estrutura de abastecimento de gs.
O custo de converso aparece em segundo lugar com pontuao prxima da pontuao
do primeiro colocado.
Uma das explicaes sobre a importncia dada ao atributo Restrio dos Postos
de GNV, pelos usurios de GNV, pode ser referente origem e destino de grande parte
dos entrevistados. Constatou-se que 27% dos entrevistados usurios de GNV residem
no interior do Estado litoral oeste onde no h infra-estrutura de abastecimento de
GNV. Essas pessoas que converteram seus veculos tm a caracterstica de fazer viagens
constantes para Fortaleza, o que justifica a colocao do kit. No entanto, o consumo de
GNV fica restrito quando este indivduo viaja para a RMF. Alm disso, outros 36% dos
145
entrevistados do segmento de GNV moram e trabalham no municpio de Caucaia, onde

h somente 01 posto de abastecimento de GNV.
Ainda com relao ao segmento dos usurios de GNV, os atributos Espao

Perdido no Bagageiro e Potncia do Veculo aparecem em terceiro e quarto lugares,
respectivamente, com pontuaes bem inferiores s dos dois primeiros colocados.
Acerca da potncia do veculo, alguns entrevistados afirmavam que a reduo da fora
do veculo no considervel ou ainda que a reduo da potncia no faz falta para
mim. Em respeito ao atributo Espao Perdido no Bagageiro, os benefcios
provenientes do uso do GNV compensam o possvel inconveniente oriundo da perda de
espao no porta-malas ou na carroceria.
Diante das informaes adquiridas com a anlise dos dados dessa primeira
pesquisa de campo, foi possvel adquirir um conhecimento prvio sobre o
comportamento de escolha e das variveis chaves no processo de deciso, que ser
aprofundada nas sees seguintes. Alm disso, serviram como base para as estratgias
de coleta de dados com os questionrios de PD e PR, cujas informaes obtidas
permitiram aprofundar, do ponto de vista economtrico, a anlise realizada nesta seo.
5.4.1.3 Escolha Final dos Atributos
De todos os atributos contemplados na pesquisa de campo de seleo dos

atributos, resolveu-se excluir o atributo Potncia do Veculo, pela difcil percepo
dos usurios acerca de seu efeito e pela complexa mensurao de valores de potncia de
veculos. A Tabela 5.6 apresenta os atributos contemplados nos questionrios de PD e
de PR.
Tabela 5.6: Atributos Contemplados nos Questionrios de PD e PR

Tecnologia do Veculo
Tipo de Combustvel
Preo do Veculo
Custo de Combustvel
Segurana
Espao no Bagageiro ou Carroceria
Custo de Converso
Disponibilidade do Combustvel na Rede de Postos
146
5.5 QUESTIONRIO DE PREFERNCIA REVELADA E SOCIOECONMICO
O questionrio de PR, como explicitado no Captulo IV, tem o objetivo de

coletar as escolhas j realizadas pelos entrevistados. Alm disso, comum incluir
nesses questionrios perguntas a respeito das caractersticas socioeconmicas e de
padro de uso do veculo, que auxiliam na formulao de modelos e explicao dos seus
resultados. Dessa forma, as perguntas contidas no questionrio eram relacionadas aos
seguintes aspectos:
Tipo de veculo atual;
Marca do veculo atual e ano de fabricao;
Local de trabalho;
Local de residncia;
Distncia mdia mensal percorrida;
Profisso;
Escolaridade;
Opinio a respeito da segurana do GNV;
Posto da cidade de caucaia que mais abastece; e
Renda mdia familiar.
Alm das informaes coletadas, existem outras que podem ser adquiridas
atravs de fontes secundrias, como preo de combustvel e custo de converso. O
atributo Espao Perdido no Bagageiro pode ser coletado simultaneamente com a
escolha da tecnologia.
Os atributos Restrio de Postos e Preo do Veculo, so de difcil medio.

O custo de converso e o custo de combustvel so facilmente conseguidos no mercado,
147
restando apenas para o caso do segundo custo a coleta de dados sobre a distncia
percorrida, a fim de saber o consumo de combustvel em um determinado perodo.
Na etapa da modelagem dos dados de preferncia declarada, foram testadas

especificaes de funes de utilidade envolvendo algumas das variveis coletadas. Os
resultados finais desses modelos esto apresentados no Captulo VI.
O Anexo II apresenta o modelo de questionrio de preferncia revelada e

caracterizao socioeconmica utilizado nas entrevistas.
5.6 QUESTIONRIO DE PREFERNCIA DECLARADA
A elaborao dos questionrios PD constituda das seguintes etapas: definio

dos nveis dos atributos; escolha do projeto fatorial; definio dos cartes de escolha de
alternativas.
5.6.1 Atributos e seus Respectivos Nveis
As definies de cada um dos atributos apresentadas nas alneas abaixo foram

todas utilizadas na elaborao dos cartes de PD. No entanto, aps a aplicao do
questionrio de PD em campo, foi detectado um problema na estimao conjunta de
dados PD e PR, que levou a deciso de realizar algumas correes no conjunto de
atributos. O detalhamento desses aspectos est mostrado no Captulo VI.
A premissa bsica para a elaborao de questionrios de preferncia declarada

formar cartes que proporcionem uma maior captao possvel dos efeitos de cada
varivel considerada, sem causar cansao ao respondente. Desse modo, tentou-se
conceber um questionrio que constitusse de variveis que pudessem ser aglutinadas
em uma s, de modo a evitar um grande nmero de atributos nas alternativas, o que
estimula a fadiga dos respondentes. A descrio de cada atributo considerado encontra-
se a seguir.
148
a) Tipo de veculo
Este atributo o identificador das alternativas, chamado por LOUVIERE et al

(2002) de rtulo da alternativa. Tem o objetivo de subsidiar a estimao da ASC.
Como j mencionado, o atributo Tipo de Veculo classificado em duas

categorias: os dedicados, aqueles movidos a um nico combustvel gasolina ou lcool;
e os bi-combustveis, aqueles que podem utilizar dois combustveis.
Os nveis definidos so os tipos de veculos existentes no segmento de mercado

de veculos estudado neste trabalho, apresentados na Tabela 5.7.
Tabela 5.7: Nveis do atributo Tipo de Veculo

NVEL 01 NVEL 02 NVEL 03 NVEL 04 NVEL 05
Somente Gasolina Somente lcool Gasolina e lcool Gasolina e GNV lcool e GNV
Embora a Tabela 5.7 apresente cinco atributos, eram apresentados ao

entrevistado no mximo quatro atributos, pois aquele correspondente alternativa atual
foi contemplado nos cartes de escolha de PD. Portanto, foram confeccionados
questionrios customizados para abranger todas as possveis escolhas reveladas.
b) Economia ou Custo pela Escolha da Alternativa
Este atributo define um valor mdio referente economia ou custo que o usurio
ter caso troque o seu veculo atual por outro. Neste valor esto contabilizadas as
seguintes composies:
O atributo custo adicional pago pelo usurio para adquirir o veculo da

alternativa apresentada, ou simplesmente custo adicional. Este custo
pode estar relacionado a duas operaes: O custo de converso do
veculo e o custo ocorrido pela troca do veculo. Dessa forma, possvel
avaliar os dois atributos comum um custo adicional, pois refletem um
custo adicional de aquisio de uma nova tecnologia de veculo; e
149
O atributo economia ou custo com combustvel, calculado pela

diferena entre o custo com combustvel do veculo atual e o custo do
combustvel da alternativa apresentada.
Inicialmente, esses dois atributos seriam apresentados individualmente no

questionrio com atributos separados. Todavia, identificou-se, depois da pesquisa
piloto, que os respondentes analisavam as duas variveis juntamente como uma nica
varivel que descreve custo. Sendo assim, percebeu-se que a apresentao desses dois
atributos em apenas um simplificava o questionrio e melhorava o entendimento do
usurio.
Sendo assim, a definio dos nveis do novo atributo Economia ou Custo

Mensal - ECM foi feita aps a definio separada dos nveis dos atributos Custo
Adicional - CA e Economia ou Custo Monetrio com Combustvel ECMC e
posterior juno dos mesmos.
Os nveis do atributo custo adicional foram inicialmente definidos assim:
Custo adicional pela converso de veculos para GNV (valor mdio

de R$ 2.200,00) pago com o financiamento dado pelas
convertedoras (taxa de 4,18% a.m. durante 24 meses);
Custo adicional pela converso de veculos para GNV (valor mdio

de R$ 2.200,00) com o um incentivo dado pelo BNDES (taxa
mensal de 1,39% a.m. durante 12 meses) mais uma reduo de
custo de 50% do IPVA;
Custo Mdio Adicional pela troca de seu veculo atual por um

veculo flex (lcool e gasolina) (assumiu-se um valor mdio de R$
6.000,00); e
Nenhum custo adicional.
Os trs primeiros valores foram transformados em custo mensal equivalente

durante cinco anos (perodo mdio de depreciao total de veculos), cujos valores
arredondados esto mostrados na Tabela 5.8. Estes clculos foram realizados
150
considerando-se uma taxa mnima de atratividade de 1,24% a.m., o que correspondente

ao rendimento dos Ttulos Pblicos Federais, definido pelo Banco Central do Brasil
(BCB, 2004) e utilizado nos clculos de operaes financeiras.
Tabela 5.8: Nveis do Atributo Custo Adicional (R$)

NVEL 01 NVEL 02 NVEL 03 NVEL 04
0,00 50,00 80,00 150,00
Por sua vez, o atributo Custo ou Economia Mensal com Combustvel

calculado da seguinte forma:
ECMC = CCVA CC AA (5.2)
em que
ECMC: Economia ou Custo Mensal com Combustvel;
CCVA: Custo com Combustvel do Veculo Atual do Respondente; e
CCAA: Custo com Combustvel da Alternativa apresentada ao

Respondente.
Se o valor do parmetro ECMC for negativo, ele considerado custo; caso

seja positivo, o parmetro considerado como economia; caso seja zero, o parmetro
correspondente a custo e economia zero.
O clculo dos valores de CCVA e CCAA foram realizados pela seguinte expresso:
PC
CC = dp (5.3)
PE
em que
CC: Custo Mensal com Combustvel, em R$;
dp: distncia mdia mensal percorrida, em km;
PC: Preo do Combustvel, em R$/l ou R$/m3;

151
PE: Performance Especfica, em km/l ou km/m3.
Os valores dos parmetros da expresso (5.3) relacionados ao preo unitrio do

combustvel e performance especfica esto mostrados nas Tabelas 5.9 e 5.10, para
cada combustvel. Os preos foram as mdias praticadas em Fortaleza e Regio
Metropolitana no perodo da pesquisa (fonte prpria).
Tabela 5.9: Preos Mdios Unitrios de Combustveis

COMBUSTVEL PREO MDIO UNITRIO EM FORTALEZA (AGO/ 04)
Gasolina R$ 2,20/l
lcool R$ 1,45/l
GNV R$ 1,18/m3
Tabela 5.10: Performances Especficas Mdias de Combustveis

COMBUSTVEL PERFORMANCE ESPECFICA
Gasolina 10 km/l
lcool 08 km/l
GNV 12 km/m3
Fonte: SANTOS (2002)
Os valores do atributo ECMC foram customizados considerando-se dois fatores:

o tipo de veculo atual e a distncia mensal percorrida pelo entrevistado. Seria adequado
que os nveis desse atributo fossem customizados para cada indivduo, restando apenas
o mesmo fornecer o dado de distncia mdia mensal percorrida.
Porm, isso necessitaria de um equipamento como um notebook para a eficincia

plena das entrevistas, o que no foi possvel nesta pesquisa. Assim, foram assumidos
trs intervalos de customizao, de maneira que a distncia percorrida no veculo por
qualquer indivduo, revelada no ato da entrevista, estivesse includa em um deles. Dessa
forma, os intervalos de distncia definidos so os seguintes:
500 km 1.500 km;
1.501 km 2.500 km;
Mais de 2.500 km.

152
Os valores do atributo ECMC no intervalo mais de 2.500km foram calculados

com base no intervalo de 2.501km a 3.500km, considerando que os valores desse
intervalo so representativos do comportamento de escolha. A Tabela 5.11 apresenta os
valores calculados.
Tabela 5.11: Valores Customizados para a Varivel Economia ou Custo Mensal com
Combustvel
NVEIS CUSTOMIZADOS (ARREDONDADOS) (*)
INTERVALOS DE DISTNCIA MDIA PERCORRIDA
COMBUSTVEL 500 km 1.500 km 1.501 km 2.500 km Mais de 2.500 km
DO VECULO Nvel 1 Nvel 2 Nvel 3 Nvel 1 Nvel 2 Nvel 3 Nvel 1 Nvel 2 Nvel 3
ATUAL
GASOLINA 0,00 39,00 120,00 0,00 78,00 243,00 0,00 116,00 365,00
LCOOL -39,00 0,00 83,00 -78,00 0,00 166,00 -116,00 0,00 249,00
GNV -122,00 -83,00 0,00 243,00 -166,00 0,00 -365,00 -249,00 0,00
(*) Os valores negativos indicam custo e os valores positivos indicam economia
Os valores de dp (expresso 5.3) considerados so as mdias de cada intervalo

de distncia estabelecido.
Uma vez definidos os valores das Tabelas 5.8 e 5.11, o clculo dos nveis do
atributo Economia ou Custo Mensal (ECM) dado pela diferena entre os respectivos
valores dos atributos Custo Adicional e Economia ou Custo Mensal com
Combustvel. Nota-se que o nmero possvel de nveis igual combinao dos
valores das duas variveis descritas acima. Isto acarreta, para cada distncia mensal
mdia percorrida e para cada combustvel do veculo atual, em 12 diferenas, ou 12
nveis, o que praticamente inviabiliza a realizao do projeto fatorial. Este fato gerou,
ento, a reduo de alguns nveis de modo que no prejudicasse o intervalo de
dominncia entre os atributos.
As iniciativas tomadas foram excluir o nvel 80,00 do atributo Custo

Adicional e calcular as mdias das diferenas entre cada nvel do atributo ECMC e os
trs nveis dos custos adicionais considerados. Sendo assim, considerado um valor
mdio de Economia ou Custo Mensal, dado pela seguinte expresso:
ECM k , z =
(ECMC k,z CAi )
(5.4)
n
153
em que
ECMk,z : Economia ou Custo Mensal Total considerando um

combustvel do veculo atual k e uma distncia percorrida z;
ECCk,z : Economia ou Custo Mensal com combustvel, considerando

um combustvel do veculo atual k e uma distncia percorrida z;
n = nmero de nvel do atributo CA (n = 3); e
CAi : Custo adicional i (i = 0, 50, 150).
Por exemplo, para calcular um valor ECM correspondente a um usurio que tem
um veculo a gasolina (k = gasolina) com ECMC = R$ 78,00 (economia nvel 2 da
categoria 1501km 2500km da Tabela 5.11) para um respondente que percorre
mensalmente em mdia 2.000 km (z = 2.000 km), ento o valor mdio de ECM dado
por:
(78 0) + (78 50) + (78 150)

ECM k , z = = 11,33 (5.5)
3
Tabela 5.12: Valores customizados para a varivel Ganho ou Perda Financeira

INTERVALOS DE DISTNCIA MDIA PERCORRIDA: 500 km 1.500 km
COMBUSTVEL DO
VECULO ATUAL NVEL 1 NVEL 2 NVEL 3
Gasolina Custo de R$ 70,00 Custo de R$ 30,00 Economia de R$ 60,00
lcool Custo de R$ 100,00 Custo de R$ 70,00 Economia de R$ 16,00
GNV Custo de R$ 190,00 Custo de R$ 150,00 Custo de R$ 70,00
INTERVALOS DE DISTNCIA MDIA PERCORRIDA: 1.501 km 2.500 km
COMBUSTVEL DO
NVEL 1 NVEL 2 NVEL 3
VECULO ATUAL
Gasolina Custo de R$ 70,00 Economia de R$ 10,00 Economia de R$ 180,00
INTERVALOS DE DISTNCIA MDIA PERCORRIDA: MAIS de 2.500 km
COMBUSTVEL DO
NVEL 1 NVEL 2 NVEL 3
VECULO ATUAL
Gasolina Custo de R$ 70,00 Economia de R$ 50,00 Economia de R$ 300,00
O valor calculando, correspondente a uma economia mensal mdia com a troca

de um veculo, foi arredondado para R$10,00, representando na Tabela 5.12 o nvel 2,
154
correspondente categoria de veculo atual gasolina e categoria de intervalo de

distncia percorrida de 1.501km 2.500km.
Os nveis definidos na Tabela 5.12 obrigaram a customizar o questionrio de

PD, formando assim 15 customizaes (devido a cinco veculos considerados e trs
intervalos de distncia).
c) Espao no Bagageiro ou Carroceria
Os nveis que poderiam descrever esse atributo so: Com Cilindro e Sem
Cilindro. No entanto, a elaborao dos cartes de PD com esses nveis permitiria a
formao de alternativas totalmente irreais, como por exemplo, um veculo a gasolina
com cilindro. Como esse atributo tem o papel de representar o peso da reduo de
espao do bagageiro na escolha do indivduo, uma alternativa foi substituir os nveis por
outros que despertassem somente a idia da reduo de espao. Outros efeitos que se
relacionam com o cilindro instalado no porta-malas no foram considerados. A Tabela
5.13 apresenta a definio final do nveis.
Tabela 5.13: Nveis do atributo Espao do Bagageiro ou Carroceria

Com Reduo de Espao
Sem Reduo de Espao
d) Restrio dos Postos
Esse atributo, representado no questionrio como Disponibilidade de

Combustvel na Rede de Postos DP tem o papel de descrever o impacto da
acessibilidade dos postos de GNV aos usurios e potenciais usurios deste energtico. A
definio dos nveis deve, ento, refletir o impacto do incremento de infra-estruturas de
GNV. Como na rea de estudo existem atualmente 04 postos de abastecimento de
combustveis com apenas 01 equipado para abastecer veculo a GNV, os nveis
definidos esto relacionados situaes hipotticas, nas quais h 01, 03 e 04 postos com
GNV dentre os 04 existentes. A Tabela 5.14 apresenta a definio dos nveis do atributo
DP.
155
Tabela 5.14: Nveis do atributo DP

25% dos Postos (01 de cada 04)
75% dos Postos (03 de cada 04)
100% dos Postos (Todos)
5.6.2 Projeto Fatorial e Montagem dos Cartes
A Tabela 5.15 apresenta os atributos e nmero de nveis definidos no

experimento de preferncia declarada.
Tabela 5.15: Relao de Atributos e nveis do experimento de PD

ATRIBUTOS NMERO DE NVEIS
Tipo de Veculo (TV) 04 (vide Tabela 5.7)
Economia ou Custo Mensal (ECM) 03 (vide Tabela 5.12)
Espao do Bagageiro (EB) 02 (vide Tabela 5.13)
Disponibilidade de Combustvel na Rede de Postos (DP) 03 (vide Tabela 5.14)
Dessa forma, o projeto fatorial completo possui um nmero total de

combinaes igual a 72 alternativas (41x32x21). Considerando um projeto fatorial
completo, o nmero total de combinaes de alternativas que formam cartes do tipo
pairwise choice igual a 2.556 alternativas. A aplicao de um projeto fatorial
fracionrio que reflita apenas os efeitos de interesse, de acordo com HAHN e
SHAPIRO (1966), possibilitou a seleo de 16 alternativas que foram combinadas de
modo que no houvesse dominncia dentro de cada cenrio de escolha.
Os questionrios PD definidos foram do tipo pairwise choice, pela sua

simplicidade tanto na formulao quanto na anlise realizada pelos respondentes.
Foram ento montados oito cartes de escolha, agrupados em nmero de trs

(um mesmo carto foi repetido em dois grupos), formando trs tipos de questionrio de
preferncia declarada. Tambm foram includas em cada questionrio um carto de
controle, com uma alternativa dominante e dominada. Com isso, todos os questionrios
de PD foram montados com 04 cartes cada, sendo uma de controle. O Anexo III
apresenta um exemplo de questionrio PD.
156
5.7 LEVANTAMENTO DOS DADOS DE PD E PR
Esta etapa de pesquisa consistiu de duas fases: pesquisa piloto, para realizao
de provveis ajustes, e a pesquisa de campo propriamente dita, em maior escala.
5.7.1 Pesquisa Piloto
A aplicao em maior escala dos questionrios elaborados foi antecedida por

uma pesquisa piloto, realizada com aproximadamente cinqenta indivduos, durante
dois dias em meados do ms de setembro de 2004, nos quatro postos apresentados na
Figura 5.2. Essa pesquisa foi projetada com os objetivos de testar a performance dos
questionrios de coleta de dados e treinar os pesquisadores de campo. Antes do contato
com o campo, os pesquisadores passaram por um treinamento intensivo, fazendo com
que eles adquirissem previamente uma certa familiaridade com o tipo de pesquisa
realizada.
Inicialmente, a idia do levantamento seria coletar as entrevistas nos postos

localizados na Figura 5.5. No entanto, logo no incio da pesquisa piloto, constatou-se
um grave problema previsto j na pesquisa de seleo dos atributos: por ser um
questionrio mais demorado do que aquele aplicado na etapa de seleo dos atributos,
as pessoas dificilmente paravam para respond-lo. Sendo assim, as estratgias de coleta
de dados foram revistas, decidindo-se, ento, por optar pela coleta de dados em locais
onde as pessoas proprietrias de veculos encontram-se paradas, ou seja, em locais de
concentrao esttica de veculos (mercado municipal, pontos de txi, comrcio,
instituies pblicas e privadas etc.).
Com a realizao da pesquisa sob a nova estratgia, observou-se, nessa fase

inicial, que o questionrio foi bem recebido pelos entrevistados. Houve casos nos quais
se percebia a pr-disposio do indivduo em responder at uma maior quantidade de
cartes de PD do que aquela que foi definida previamente (quatro cartes, sendo um de
controle). No entanto, houve casos em que o respondente se achava um pouco
incomodado com a presena dos entrevistadores, fato que possibilita a incluso de erros
157
nas respostas dos mesmos. Dessa forma, por razes de segurana, resolveu-se no
aumentar a quantidade de cartes nos questionrios.
Quanto ao entendimento do questionrio de PD, no se percebeu alguma

dificuldade especfica. O questionrio era explicado pausadamente por pessoas
previamente treinadas. As diferenas entre nveis de duas alternativas mostraram-se
bem dimensionadas, pois todas alternativas dentro de cada par estavam concorrentes,
no havendo carter de dominncia entre as mesmas.
A nica mudana realizada foi a pergunta do questionrio PR, relacionada com a

opinio da segurana dos cilindros a GNV. Inicialmente, a pergunta formulada era:
Voc reconhece a segurana de um veculo a GNV?. Detectou-se uma dificuldade em
entender essa pergunta, a qual foi modificada para Voc acha um veculo a GNV
seguro?.
5.7.2 Pesquisa de Campo
A equipe de pesquisa foi composta por um total de dez pesquisadores e um

supervisor. Esses pesquisadores foram divididos em dois grupos, cada um trabalhando
durante 01 turno de 04 horas.
A pesquisa de campo durou aproximadamente quinze dias, ao longo do ms de

outubro de 2004, coletando um total de 264 questionrios, cujo montante proporcionaria
um total de 1.056 observaes 264 de preferncia revelada e 792 de preferncia
declarada. No entanto, foram rejeitados exatamente 46 questionrios de preferncia
declarada (18% do total). Grande parte deste montante considervel de rejeio foi
devido escolha da alternativa dominada do carto de controle.
Sendo assim, a amostra foi reduzida para 911 observaes 264 de preferncia
revelada e 654 de preferncia declarada. O tamanho total de observaes corresponde,
para um nvel de confiana de 95%, um erro amostral de 3,2%. Com a considerao das
amostras isoladas este erro sobe para 3,8% nos dados de PD e 6,0% nos dados PR.
Como os modelos de previso sero estimados com os dados conjuntos de PR e PD, o
erro amostral razovel para estimao da funo utilidade.
158
Sabe-se que o tamanho da amostra obtida no suficiente para o

desenvolvimento de estimaes mais consistentes. Caso ela fosse maior, poder-se-ia
analisar a possibilidade de segmentao da amostra em termos de renda, tipo de veculo
(camionetas e automveis), tipo de combustvel, distncia percorrida etc. Alm disso,
poder-se-ia haver segmentaes entre usurios e no usurios de GNV. No entanto, a
coleta de dados considerou uma agregao entre os dois segmentos de usurios, de
modo que a parcela usuria do gs correspondesse a aproximadamente 5% (valor
aproximado da participao do GNV na composio de veculos leves do sistema).
O principal motivo que limitou o tamanho da amostra coletada em campo foram

as limitaes financeiras, tendo em vista que o levantamento foi dimensionado para se
adequar dentro do montante financeiro conseguido. No entanto, esta limitao, cujas
conseqncias esto descritas ao longo do trabalho, no prejudica o alcance dos
objetivos deste trabalho.
159
CAPTULO VI
METODOLOGIA GNVPREV: UM ESTUDO DE CASO

(PARTE II)
Este Captulo d prosseguimento s etapas apresentadas no Captulo V,

descrevendo os procedimentos definidos na Parte II da metodologia GNVPREV. Inicia-
se pela caracterizao da amostra levantada, abordando em seguida as concepes e
ajustes das funes de utilidade, definio das estruturas de deciso, estimao e anlise
dos modelos, finalizando com a escolha e aplicao de um modelo de previso de
demanda.
6.1. CARACTERIZAO DA AMOSTRA
Nesta seo descrita uma anlise geral das informaes socioeconmicas e de

opinio dos entrevistados, com o objetivo de caracterizao do perfil do usurio de
combustvel, levantado na amostra coletada. No entanto, a anlise amostral do perfil do
usurio de combustvel, em especial de GNV, no permite um maior aprofundamento,
pois no possvel a realizao de testes de representatividade, por no se conhecer a
populao de usurios de combustveis da rea de estudo.
A Tabela 6.1 apresenta a freqncia dos tipos de veculos dos respondentes.

Percebe-se que a ordem de dominncia dos tipos de veculos se assemelha com a ordem
da frota atual de veculos, com a maior participao da gasolina (78%). O veculo do
tipo GNV e lcool foi encontrado somente uma vez. O Veculo do tipo Gasolina e
lcool foi encontrado quatro vezes. Nota-se tambm que esse ltimo tipo de veculo
pertencia a proprietrios com renda alta, o que caracteriza o carter bastante restrito
deste tipo de combustvel.
Devido ao fato da amostra conter somente 01 observao de escolha revelada

lcool e GNV, resolveu-se retir-la do conjunto de escolha da modelagem de
160
preferncia revelada. No entanto, permaneceram as cinco alternativas no caso da

modelagem dos dados PD. As estruturas de escolha apresentadas adiante refletem essa
deciso.
Tabela 6.1: Freqncia dos tipos de veculos da amostra coletada

TIPO DE VECULO FREQNCIA PERCENTUAL
lcool 16 6,1%
Gasolina 207 78,4%
lcool e Gasolina 4 1,5%
GNV e Gasolina 36 13,6%
GNV e lcool 1 0,4%
A Tabela 6.2 apresenta a freqncia dos entrevistados, relacionada sua

condio de Origem-Destino. Para as pessoas que trabalham na cidade Caucaia e
moram em outras Localidades ou vice-versa foi denominada a sigla TC-MF / TF-
MC; para as pessoas que trabalham em Caucaia e moram em Caucaia, foi denominada
a sigla TC-MC; e por fim, para aquelas que esto apenas de passagem, denominou-se
apenas Passagem.
Tabela 6.2: Freqncia dos usurios relacionada Origem-Destino

ORIGEM / DESTINO DO USURIO FREQNCIA PERCENTUAL
Passagem 44 17%
TF-MC/TC-MF 112 44%
TC-MC 101 39%
O montante considervel da categoria TC-MF/TF-MC reflete, de certo modo,

a caracterstica de cidade dormitrio da regio em estudo, pois a maior parte dos
entrevistados mora em Caucaia e trabalha em Fortaleza.
A Tabela 6.3 apresenta a freqncia das opinies dos respondentes a respeito da

segurana dos veculos a GNV, e revela que 32% da amostra no acha o GNV seguro
ou no tem opinio formada a respeito disto. Desse montante, 15% da amostra no acha
o GNV seguro, refletindo uma certa averso que algumas pessoas no usurias de GNV
tm ao energtico. Declaraes do tipo Tenho medo que o cilindro exploda ou no
me acho seguro dentro de um carro movido a GNV foram comuns durante o
levantamento. Essa constatao mostra um grande desafio da indstria do GNV:
161
popularizar o combustvel atravs de programas publicitrios, atacando os pontos

negativos mais comuns que os no usurios percebem, para que as pessoas vejam o Gs
Natural Veicular como uma opo atraente.
Tabela 6.3: Opinio a respeito da segurana dos veculos a GNV

OPINIO PERCENTUAL
Acha seguro 68%
No acha seguro 15%
No sabe 17%
A Figura 6.1 apresenta um histograma com o nvel de renda dos entrevistados.

No possvel fazer comparaes com a populao de consumidores, visto que at o
perodo de levantamento de dados no so disponveis informaes a respeito da
populao que abastece seus veculos nos postos da rea de estudo.
Figura 6.1: Histograma de Freqncia da Renda Mdia Familiar dos Entrevistados
De acordo com a Figura 6.1, observa-se que 34% da amostra corresponde a

pessoas com renda mdia familiar em torno de 06 salrios mnimos, o que bem
razovel para pessoas proprietrias de veculos. H uma pequena participao dos
162
segmentos de menor renda, o que reflete a falta de acessibilidade ao veculo privado

dessa grande parcela populacional. Observa-se tambm uma parcela significativa da
amostra com renda mdia familiar acima dos 20 salrios mnimos (14%). A faixa de
maior incidncia est entre os 06 e 15 salrios mnimos (78%).
A Tabela 6.4 apresenta a freqncia do nvel de escolaridade dos entrevistados.

Os dados apresentam uma grande participao de indivduos de nvel superior
(completo e incompleto), o que se explica pelos locais escolhidos para entrevista, dentre
os quais destacam-se uma faculdade, um Frum, postos de sade, escolas e algumas
instituies pblicas de Caucaia.
Tabela 6.4: Nvel de Escolaridade dos Entrevistados

NVEL DE ESCOLARIDADE PERCENTUAIS
Fundamental 13%
Mdio Incompleto 1%
Mdio Completo 32%
Superior Incompleto 11%
Superior Completo 43%
TOTAL 100%
A Tabela 6.5 apresenta a freqncia de entrevistados que abastecem nos 04

postos preferidos pelos entrevistados. O item nenhum dos citados significa que o
entrevistado no abastece em nenhum dos postos da rea de estudo.
Tabela 6.5: Freqncia dos Postos de Combustveis Preferidos pelos Entrevistados

POSTOS DE ABASTECIMENTO PERCENTUAIS
Posto Iparana 28%
Posto Caucaia (Centro) 22%
Posto Estruturante 12%
Posto N.Sra. dos Prazeres 11%
Nenhum dos citados 27%
TOTAL 100%
Na tabela acima, percebe-se que o segmento nenhum dos citados bastante

considervel, ocupando a segunda colocao. Isso reflete a grande participao do
pblico de passagem, bem como daquelas pessoas que possuem vnculos (trabalham ou
moram) ao longo da Regio Metropolitana de Fortaleza e, portanto, abastecem nesses
163
locais. Contudo, o presente trabalho supe que as caractersticas de escolha do usurio

de GNV da Regio Metropolitana de Fortaleza independem do local de abastecimento,
o que permite a considerao da parcela que no abastece em nenhum dos postos da
rea de estudo.
6.2. CONCEPO E AJUSTE DAS FUNES DE UTILIDADE
Aps as primeiras tentativas de modelagem dos dados, verificou-se uma certa

dificuldade de estimar modelos de preferncia revelada que contivessem atributos
comuns aos modelos de PD, para que fosse possvel a estimao de modelos com dados
conjuntos. Os nicos modelos relativamente satisfatrios que foram alcanados com
dados de PR contm apenas o atributo CC, juntamente com as ASCs. Dessa forma, foi
necessria a realizao de um ajuste nas funes de utilidade dos dados de PD, de modo
que tornasse possvel a estimao do coeficiente relacionado ao atributo CC com dados
conjuntos, e a posterior elaborao de cenrios de previso de demanda.
a) Funes de Utilidade de Preferncia Revelada
Como j mencionado, o nico atributo que foi possvel de ser estimado com
dados de PR foi o Custo do Combustvel CC. Outros atributos foram testados,
como o atributo Custo do Veculo CV, de difcil medio, e o Espao do
Bagageiro. Tentou-se tambm estimar modelos com o atributo CC/R (custo de
combustvel sobre renda). Todos no obtiveram coeficientes consistentes. Dessa forma,
as funes de utilidade que representam as escolhas reveladas esto apresentadas a
seguir:
V APR = ASC APR + CC

PR
CC APR (6.1)
VGPr = CC
PR
CC GPR (6.2)
PR
V AG = ASC AG
PR
+ CC
PR PR
CC AG (6.3)
164
PR
VGN = ASCGN
PR
+ CC
PR PR
CCGN (6.4)
em que
CCiPR : Atributo Custo do Combustvel i do modelo de PR (i = {A

(lcool); G (Gasolina); AG (lcool e Gasolina); GN (Gs Natural});
ASCi: Constante Especfica da Alternativa i; e
CC
PR
: Coeficiente do atributo CC, estimado pelos dados PR.
Como j mencionado, foi descartada a alternativa GNV e lcool do conjunto

de escolha PR, pois foram coletadas apenas uma observao PR com esta alternativa.
Alm disso, os dados disponveis para a calibrao das ASCs, no contemplam
separadamente as alternativas GNV e Gasolina e GNV e lcool. Assim, foi
necessrio substituir essas duas alternativas por apenas uma, chamada de Gs Natural.
Para a estimao PR, os valores do atributo CC so calculados pela expresso

5.3, repetida a seguir:
PC
CC = dp (6.5)
PE
em que
CC: Custo Mensal com Combustvel, em R$;
dp: distncia mdia mensal percorrida, em km;
PC: Preo do Combustvel, em R$/l ou R$/m3; e
PE: Performance Especfica, em km/l ou km/m3.
Para as alternativas lcool e Gasolina, os valores de preos unitrios so os

mesmos valores correntes de mercado utilizados na fomentao dos questionrios de
PD, apresentados na Tabela 5.9 (R$1,65 para o lcool e R$2,20 para a Gasolina). No
entanto, para as alternativas bi-combustveis utilizaram-se mdias ponderadas dos
custos por quilmetro rodado. Nas alternativas GNV e Gasolina e GNV e lcool,
165
utilizaram-se fatores de ponderao de 90% para o GNV e 10% para a gasolina e o

lcool. Esta hiptese assume que para cada 100km, 90 km so rodados com GNV e para
cada o indivduo que 10km so rodados com o outro combustvel.
No foram encontradas na reviso literria estudos que comprovassem os

valores dessas propores, sendo, portanto, necessrio supor que os valores
mencionados correspondem realidade. Sabe-se apenas que um veculo bi-combustvel
(GNV e outro combustvel) deve consumir ambos os energticos, para evitar problemas
no motor. Assim, o objetivo dessas suposies foi tentar aproximar-se do real custo de
combustvel dos usurios, sem, no entanto, a base de nenhum estudo comprobatrio.
Partiu-se do nico pressuposto de que o usurio consume em grande proporo o
combustvel mais barato, assumindo ser de 90%.
Para efeito de simplificao, assumiu-se tambm que o consumo de combustvel

dos veculos movidos a lcool e Gasolina seguem o mesmo comportamento, ou seja,
90% do consumo relacionado ao consumo de lcool e 10% relacionado ao consumo
de gasolina.
b) Funes de Utilidade de Preferncia Declarada
A definio inicial da funo utilidade para cada uma das alternativas do

conjunto de dados PD, lcool, Gasolina, lcool e Gasolina, GNV e Gasolina,
GNV e lcool, que baseou a formulao dos cartes, esto explicitadas a seguir.
V APD = ASC APD + ECM

PD
ECM APD + DP
PD
DPAPD + EB
PD
EB APD (6.6)
VGPD = ECM
PD
ECM GPD + DP
PD
DPGPD + EB
PD
EBGPD (6.7)
PD
V AG = ASC AG
PD
+ ECM
PD PD
ECM AG + DP
PD PD
DPAG + EB
PD PD
EB AG (6.8)
PD
VGGN = ASCGGN
PD
+ ECM
PD PD
ECM GGN + DP
PD PD
DPGGN + EB
PD PD
EBGGN (6.9)
PD
V AGN = ASC AGN
PD
+ ECM
PD PD
ECM AGN + DP
PD PD
DPAGN + EB
PD PD
EB AGN (6.10)
166
em que
Vi.PD : Componente sistemtica da utilidade da alternativa i do

modelo de PD, sendo i = {A (lcool); G (Gasolina); AG (lcool
e Gasolina); GGN (Gasolina e lcool); ou AGN (GNV e
lcool)};
. : Valor do atributo Economia ou Custo Mensal da

ECM iPD
alternativa i do modelo de PD;
DPi.PD : Valor do atributo Disponibilidade do Combustvel (ou

conjunto de combustveis) nos Postos, da alternativa i do
modelo de PD;
. : Valor do atributo Espao do Bagageiro ou Carroceria,

EBiPD
da alternativa i do modelo de PD;
ASCiPD : Constante especfica da alternativa i do modelo de PD; e
kPD : Coeficiente do atributo k estimado pelos dados PD {k = CC,

DP ou EB}.
A concepo dos questionrios de PD para a coleta de dados ocasionou a

invialibilidade de estimao de modelos com dados conjuntos, pois os grupos de
funes de utilidade dos dados de PR (expresses (6.1) a (6.4)) e dos dados de PD
(expresses (6.6) a (6.10)) no possuem atributos comuns. Foi ento necessria a
realizao de um ajuste nas funes dos dados de PD. A correo aplicada foi extrair
dos nveis definidos do atributo ECM a parcela referente ao Custo do Combustvel da
alternativa apresentada, pois este o nico atributo cujo coeficiente pode ser tambm
estimado pelos dados de preferncia revelada disponveis. A outra parcela no tem uma
definio precisa, pois representa apenas uma mdia dos custos adicionais de troca dos
veculos, como mostrado no Captulo V. Por isso, foi simplesmente descartada.
Sendo assim, as funes de utilidade ajustadas esto apresentadas a seguir.

167
V APD = ASC APD + CC

PD
CC APD + DP
PD
DPAPD + EB
PD
EB APD (6.11)
VGPD = CC
PD
CC GPD + DP
PD
DPGPD + EB
PD
EBGPD (6.12)
PD
V AG = ASC AG
PD
+ CC
PD PD
CC AG + DP
PD PD
DP AG + EB
PD PD
EB AG (6.13)
PD
VGGN = ASCGGN
PD
+ CC
PD PD
CC GGN + DP
PD PD
DPGGN + EB
PD PD
EBGGN (6.14)
PD
V AGN = ASC AGN
PD
+ CC
PD PD
CC AGN + DP
PD PD
DPAGN + EB
PD PD
EB AGN (6.15)
em que
CCiPD : Valor do atributo Custo de Combustvel;
CC
PD
: Coeficiente do atributo CC estimada pelos dados PD, da
alternativa i
Este ajuste pode ento trazer falhas na previso, pois importante salientar que
pode haver distoro entre a escolha declarada a partir os cartes originais apresentados
e a escolha declarada a partir desta modificao realizada, caso os cartes fossem
novamente dimensionados com essa modificao, o que afeta a acuracidade dos
resultados. Ou seja, houve uma juno de efeitos entre as duas parcelas, e boa parte
desses efeitos foi descartada.
6.3. DEFINIO DAS ESTRUTURAS DE DECISO
A escolha do melhor modelo que pudesse ser utilizado para os estudos de

previso de demanda deu incio a partir da montagem de algumas de estruturas de
deciso possvel de representar o comportamento de escolha, sobretudo com respeito
aos padres de substituio entre as alternativas. As estruturas escolhidas foram assim
definidas:
168
a) rvore 01: Modelo MNL com dados conjuntos de PD e de PR;
b) rvore 02: Modelo que divide as alternativas em dois grupos, os veculos

dedicados e os veculos bi-combustveis;
c) rvore 03: Modelo que divide as alternativas em trs nests: os veculos

dedicados, formados pelas alternativas lcool e gasolina, os veculos a
GNV, formado pelas alternativas GNV e Gasolina e GNV e lcool
(no caso dos ramos de PD) ou pela alternativa Gs Natural (no caso
dos ramos de PR), e um nest formado apenas pela alternativa lcool e
Gasolina.
Essas estruturas foram utilizadas para estimar modelos com dados puros de PD e
PR, bem como modelos com dados conjuntos. Nesse ltimo caso, as estimaes foram
realizadas segundo a metodologia proposta por BRADLEY e DALY (1991), descrita no
Captulo IV. As rvores de escolha esto apresentadas nas Figuras 6.2, 6.3 e 6.4.
Dados PR Dados PD
APR AGNPR GNPR

PD PD PD PD PD
GPR
APD GPD AGNPD GGNPD AGNPD
Legenda:
A: lcool G: Gasolina
AG: lcool e Gasolina GGN: GNV e Gasolina
AGN: GNV e lcool GN: Gs Natural
Figura 6.2: Estrutura rvore 01

169
Dados PR Dados PD
PD PD
21 22
APR GPR AGNPR GNPR
23 24
APD GPD AGPD GGNPD AGNPD
Legenda:
Dados PR Dados PD
21 22 23 PD PD PD
APR GPR AGNPR GNPR

24 25 26
Legenda:

170
Uma vez escolhidos os trs tipos de rvore de escolha a serem analisados, resta-
se definir as hipteses acerca dos coeficientes comportamentais, que afetam,
conseqentemente, na definio dos padres de substituio. Assim, para as rvores 02
e 03, que possuem esses coeficientes, foram consideradas as seguintes situaes:
Hiptese 01: Modelos estimados com restrio de igualdade de

coeficientes. Esta hiptese afirma que os modelos devem ser estimados
de modo que, para a rvore 02, 21 = 22 = 23 = 24 ; e para a rvore 03,
21 = 22 = 23 = 24 = 25 = 26 .
Hiptese 02: Modelos estimados sem a restrio de igualdade de

coeficientes Esta hiptese afirma que os coeficientes estruturais de um
mesmo nvel podem ser diferentes. Essa hiptese, no entanto, assume que
os coeficientes do ramo PD so iguais aos respectivos coeficientes dos
ramos PR correspondentes.
Diante das hipteses 01 e 02, os modelos estimados possuem as seguintes

caractersticas:
a) Modelo 01: modelo MNL representado pela estrutura de escolha

rvore 01, da Figura 6.2.
b) Modelo 02: Modelo representado pela estrutura de escolha rvore

02, que segue a Hiptese 01. A Figura 6.5 repete a estrutura da Figura
6.3 com a definio dos coeficientes a serem estimados.
171
Dados PR Dados PD
PD PD
est est
APR AGNPR GNPR est est
GPR
Figura 6.5: Modelo de Escolha 02
c) Modelo 03: Modelo representado pela estrutura de escolha rvore

03, que segue a Hiptese 01. A Figura 6.6 repete a estrutura da Figura
6.4 com a definio dos coeficientes a serem estimados.
Dados PR Dados PD
PD PD PD
est est est

PR PR PR PR
A G AGN GN
est est est

172
d) Modelo 04: Modelo representado pela estrutura de escolha rvore 02,

que segue a Hiptese 02. A Figura 6.7 repete a estrutura da Figura 6.3
com a definio dos coeficientes a serem estimados.
Dados PR Dados PD
PD PD
dedic bi comb .
dedic bi comb .
APR GPR AGNPR GNPR
e) Modelo 05: Modelo representado pela estrutura de escolha rvore 03,

que segue a Hiptese 02. A Figura 6.8 repete a estrutura da Figura 6.4
com a definio dos coeficientes a serem estimados.
Dados PR Dados PD
PD PD PD
dedic AG GNV
APR GPR AGNPR GNPR dedic AG GNV
APD GPD AGPD GGNPD

173
6.4. RESULTADOS DOS MODELOS
Cada um dos modelos definidos nas Figuras 6.2, 6.5, 6.6, 6.7 e 6.8 foram
estimados com s dados coletados, descritos no Captulo V, atravs do uso do software
ALOGIT 4.1, da Hague Consulting Group (HCG, 2004).
Dessa forma, a Tabela 6.6 apresenta as estimaes dos parmetros e seus

respectivos testes t referentes aos modelos 01 a 03. A Tabela 6.7 apresenta as
estimaes dos modelos 04 e 05.
Na Tabela 6.6, os coeficientes estruturais que representam os padres de

substituio foram chamados de est . , enquanto que os coeficientes que representam a
relao entre as varincias dos dados de PD e de PR foram chamados de PD . Na tabela

6.7, como os modelos apresentados seguiram a Hiptese 02, foram estimados
coeficientes para cada nest. No modelo 04, dedic. e bi comb. representam os coeficientes
estruturais dos ramos relacionados aos veculos dedicados e bi-combustveis,
respectivamente. No modelo 05, dedic. , GNV . e AG .. representam os coeficientes
estruturais dos ramos relacionados aos veculos dedicados, movidos a GNV e ao veculo
bi-combustvel movido a lcool e Gasolina, respectivamente.
Para cada modelo, foram realizadas trs tipos de estimaes: com os dados de
PD, com os dados de PR (considerando-se apenas os respectivos ramos das rvores) e
com os dados conjuntos, PD e PR.
As Tabelas 6.8 e 6.9 apresentam os resultados dos principais indicadores de

performance da estimao dos modelos, representados pelos seguintes parmetros:
zero , const . , L ( ) e o teste de razo de verossimilhana 2(L (c ) L ( ) ) .
2 2
174
Tabela 6.6: Estimaes dos Coeficientes das Funes de Utilidades dos Modelos 01, 02 a 03
Parmetros Modelo 01 Modelo 02 Modelo 03
PD PR PD+PR PD PR PD+PR PD PR PD+PR
PD
ASCA -0,047 (-0,1) -0,058 (-0,1) -0,106 (-0,3) -0,096 (-0,3) -0,389 (-0,8) -0,344 (-0,7)
ASCAG 1,236 (-3,9) 1,546 (3,0) 1,373 (3,0) 1,342 (3,0) 1,973 (2,7) 1,860 (2,8)
ASCGGN 1,693 (4,8) 2,117 (3,3) 1,858 (3,6) 1,821 (3,6) 2,886 (2,8) 2,704 (2,8)
ASCAGN 1,391 (4,2) 1,740 (3,1) 1,516 (3,4) 1,487 (3,4) 2,142 (2,9) 2,026 (2,9)
CC -0,00634 (-6,9) -0,00793 (-5,2) -0,00676 (-5,2) -0,00659 (-5,3) -0,00908 (-4,7) -0,00860 (-4,8)
DP 1,336 (3,9) 1,671 (3,2) 1,489 (3,1) 1,451 (3,1) 2,130 (2,7) 2,009 (2,7)
EB -0,390 (-4,0) -0,488 (-2,9) -0,419 (-3,5) -0,414 (-3,5) -0,727 (-2,3) -0,676 (-2,3)
est . 0,866 (3,4) 1,263 (3,7) 0,530 (2,7) 0,959 (3,6)
PD 0,800 (4,1) 0,703 (3,3) 0,593 (3,2)
PR
ASCARP -2,896 (-11,0) -2,896 (-11,0) -2,705 (-8,0) -2,822 (-10,8) -2,742 (-8,7) -2,930 (-10,7)
ASCAGRP -4,524 (-7,8) -4,524 (-7,7) -3,475 (-2,9) -4,066 (-5,5) -2,778 (-1,3) -4,733 (-3,2)
ASCGNRP -3,158 (-8,8) -3,158 (-8,8) -1,680 (-0,9) -2,564 (-4,6) -1,950 (-1,3) -3,361 (-3,8)
CC -0,00793 (-5,2) -0,00793 (-5,2) -0,00431 (-1,0) -0,00659 (-5,3) -0,00502 (-1,3) -0,00860 (-4,8)
est . 1,930 (0,9) 1,263 (3,7) 1,608 (1,3) 0,959 (3,6)
( * ) teste t.
174
175
Tabela 6.7: Estimaes dos Coeficientes das Funes de Utilidades dos Modelos 01 a 03
Modelo 04 Modelo 05
Parmetros
PD PR PD+PR PD PR PD+PR
PD
ASCA -0,106 (-0,3) -0,159 (-0,5) -0,376 (-0,9) -0,333 (-0,8)
ASCAG 1,373 (3,0) 1,014 (1,9) 1,351 (1,6) 1,293 (1,7)
ASCGGN 1,858 (3,6) 1,452 (2,4) 2,167 (2,2) 2,044 (2,2)
ASCAGN 1,516 (3,4) 1,157 (2,1) 1,511 (1,9) 1,452 (2,0)

CC -0,00676 (-5,2) -0,006637 (-5,5) -0,008976 (-4,7) -0,008494 (-4,7)
DP 1,489 (3,1) 1,331 (3,0) 1,840 (2,6) 1,737 (2,6)
EB -0,419 (-3,5) -0,401 (-3,4) -0,666 (-2,2) -0,616 (-2,2)
dedic. 1,516 (3,4) 0,914 (3,7) 0,775 (2,9) 0,730 (3,0)
bi comb. 0,866 (3,4) 0,617 (2,8) - - - -
GNV . - - - - - - 0,503 (1,9)
AG - - - - 0,4816 (2,6) 0,464 (2,3)
PD - - 1,280 (3,2) 0,5301 (2,2) 1,133 (2,9)
PR
ASCARP -2,724 (-) -2,825 (-10,8) -2,755 (-) -2,924 (-10,8)
ASCAGRP -5,543 (-) -6,602 (-3,9) -3,784 (-) -11,040 (-2,2)
ASCGNRP -3,894 (-) -5,117 (-3,1) -2,258 (-) -6,393 (-1,9)

CC -0,005295 (-) -0,006637 (-5,5) -0,005324 (-) -0,008494 (-4,7)
dedic. 1,122 (-) 0,914 (3,7) 1,401 (-) 0,730 (3,0)
bi comb. 0,803 (-) 0,617 (2,8) - - - -
GNV . - - - - 1,363 (-) 0,503 (1,9)
AG - - - - 1,243 (-) 0,464 (2,3)
( * ) teste t.
175
176
Tabela 6.8: Estatsticas de performance dos Modelos 01, 02 e 03

Modelo 01 Modelo 02 Modelo 03
Estatsticas PD PR PD+PR PD PR PD+PR PD PR PD+PR
L( ) -366,6 -164,0 -530,5 -336,4 -163,6 -530,2 -365,0 -163,7 -529,1
zero
2
0,184 0,550 0,348 0,187 0,551 0,348 0,187 0,551 0,350
const
2
. 0,120 0,095 0,113 0,121 0,097 0,113 0,124 0,096 0,115
2(L(c) L( ) )
1 2 3 1 2 3 3 2
100,4 34,3 134,7 160,6 35 135,3 103,5 34,9 137,63
1 02, 95; 7 = 14,1 ; 2 02,95; 4 = 9,49 ; 3 02,95;10 = 18,3
Tabela 6.9: Estatsticas de performance dos Modelos 04 e 05

Modelo 04 Modelo 05
Estatsticas PD PR PD+PR PD PR PD+PR
L(b) -363,7 -163,7 -527,5 -362,2 -164,0 -526,2
zero
2
0,190 0,551 0,352 0,194 0,550 0,353
const
2
. 0,127 0,096 0,118 0,131 0,095 0,120
2(L(c) L( ) )
1 2 3 1 2
106,0 34,8 140,8 109,2 34,3 -143,33
1 02, 95; 7 = 14,1 ; 2 02,95; 4 = 9,49 ; 3 02,95;10 = 18,3
A anlise dos modelos estimados est baseada de acordo com os seguintes

critrios bsicos:
Anlise da correlao entre os efeitos das variveis estimadas. Para efeito

de facilitar a anlise das correlaes, foi assumida a seguinte
classificao:
Correlaes insignificantes: mdulos at 0,5;
Correlaes moderadas: mdulos entre 0,5 e 0,7; e
Correlaes altamente significativas: acima de 0,7;
Anlise da significncia dos coeficientes, atravs dos parmetros t

assinttico; e
Anlise dos indicadores de performance das estimaes.

177
As anlises foram realizadas para cada grupo de modelos: com dados de puros
de PD, com dados puros de PR e com dados conjuntos de PR e PD.
6.4.1. Estimaes com Dados Puros de Preferncia Declarada
6.4.1.1. Correlao entre os Parmetros
Muitos dos resultados dos modelos de PD apresentaram alguns dos parmetros

com correlaes moderadas e altamente significativas, sobretudo entre as ASCs
estimadas, como mostram as matrizes apresentadas no Anexo VII. Especificamente em
cada uma das matrizes dos respectivos modelos, foram encontrados os seguintes
aspectos:
a) No Modelo 01, as correlaes que envolvem os efeitos dos coeficientes

dos atributos no resultaram em valores significativos, ao passo que as
correlaes entre os efeitos das ASCs se destacam como altamente
significativas, com valores acima de 0,8.
b) No Modelos 02 a nica correlao entre os coeficientes dos atributos que

resultou em um valor moderado foi entre CC e DP (-0,605); o restante
foi insignificante. Entre as ASCs e os coeficientes dos atributos, vrios
valores moderados foram encontrados. Com relao s correlaes com
CC , a maior correlao verificada foi com est (0,647). Com respeito a
DP , a maior correlao tambm com est (-0,654), o qual tambm
possui correlaes moderadas com as ASCs das alternativas lcool e
Gasolina (-0,655), GNV e Gasolina (-0,681) e GNV e lcool (-
0,604). As correlaes envolvendo EB no so significativas. Entre as
constantes das alternativas lcool e Gasolina, GNV e Gasolina e
GNV e lcool, h correlaes altamente significativas, todas elas com
mdulo se aproximando da unidade. Com a ASC da alternativa lcool,
foram verificadas apenas correlaes insignificantes.
178
c) No Modelo 03, os nveis de correlao so maiores que as verificadas no

modelo anterior. Entre os parmetros dos atributos, os mdulos das
correlaes so moderados, chegando a 0,669 entre CC e EB . Verifica-
se tambm correlaes considerveis envolvendo os parmetros dos
atributos e est , chegando a 0,844 com EB . Da mesma forma que o
Modelo 02, as correlaes entre as ASCs das alternativas lcool e
Gasolina, GNV e Gasolina e GNV e lcool so altamente
significativos, se aproximando da unidade, ao passo que as correlaes
envolvendo a ASC da alternativa lcool no so significativas.
d) No Modelo 04, os nveis de correlao so os menores. Entre os

parmetros dos atributos, h apenas uma correlao moderada, entre
CC e DP (-0,603). Com EB no h correlao significativa. No
entanto, esse modelo proporcionou uma correlao altamente
significativa entre os parmetros estruturais dedic. e bi comb. (0,824),
indicando que o efeito destes coeficientes no foram estimados
isoladamente. Com dedic. , h correlaes moderadas com os parmetros
dos atributos, chegando a (0,663) com CC e 0,655 com DP . Entre
dedic. e as ASCs, as correlaes so tambm moderadas, chegando a -

0,595, com a constante da alternativa GNV e Gasolina. Em respeito a
bi comb. , h tambm correlaes moderadas com CC (-0,597) e com
DP (-0,581).
e) No Modelo 05, os mdulos das correlaes entre os parmetros dos

atributos resultaram em valores modulares moderados, no intervalo entre
0,56 e 0,66. Entre os parmetros THETA, as correlaes so altamente
significativas, da ordem de 0,8. Entre as constantes, ocorreu o mesmo
resultados dos demais modelos, ou seja, as correlaes com mdulo
prximos da unidade.
As altas correlaes verificadas entre alguns parmetros dos modelos

prejudicam, sobremaneira, a anlise dos efeitos dos atributos, pois devido confuso
179
entre efeitos, os valores dos coeficientes estimados podem no estar representando

valores reais, a at mesmo a significncia pode no ser aquela estimada.
Uma das causas da ocorrncia de altas correlaes pode ser oriunda de algumas
falhas na montagem dos cartes de PD, sobretudo no pequeno nmero de combinaes
entre os 16 cartes formulados. O pequeno nmero de combinaes afetou
principalmente a estimao dos efeitos das ASCs, sendo necessrio um maior nmero
de cartes para que os efeitos de cada uma das quatro constantes, que representam os
efeitos de variveis qualitativas, pudessem ser estimados isoladamente. A mesma causa
acarretou tambm nas estimaes dos coeficientes estruturais com altas correlaes com
outras variveis.
Essa limitao poderia ter sido compensada pela apresentao no levantamento

de um maior nmero de combinaes de cartes, pois assim, ter-se-ia uma maior
possibilidade de adquirir correlaes menores, entre as diferenas de valores dos
atributos, sobretudo entre as ASCs e os coeficientes estruturais.
No entanto, considerando como aceitvel as correlaes moderadas, os modelos

foram relativamente satisfatrios.
6.4.1.2. Sinais e Significncia dos Coeficientes
De acordo com os resultados das Tabelas 6.6 e 6.7, os parmetros estimados

pelos dados de PD, nos modelos definidos pelas Figuras 6.2, 6.5, 6.6, 6.7 e 6.8, foram
quase todos significativos. Como a maioria das correlaes foram de insignificantes a
moderadas, boa parte dos coeficientes aceitvel.
Um aspecto importante a destacar refere-se insignificncia do parmetro

ASC APD em todos os modelos. Isso indica que a parcela total de incerteza explicada pela
constante da alternativa lcool, em relao alternativa base (gasolina), no foi
capturada pelos dados coletados. Nas estimaes de todos os modelos, com exceo do
modelo 01 (MNL), grande parte das correlaes desses parmetros insignificante; uma
180
pequena parcela moderada. Com isso, possvel extrair indcios de que o efeito desse
parmetro foi estimado corretamente.
As estimaes das demais ASCs so significativas. O modelo 05 apresentou

duas constantes com parmetro t abaixo de 1,96, (correspondente a um grau de
confiana de 95%): a ASC AG
PD
, com t igual e 1,7, e a ASC AGN
PD
, com t igual a 1,9.
Contudo, esses valores abaixo de 1,96 no so preocupantes, tendo em vista que o valor
de t igual a 1,9 corresponde a um grau de confiana de 94%, enquanto que o valor de
1,7 corresponde a um grau de confiana de 91%. Dessa forma, a significncia desses
dois coeficientes atestada.
Embora significantes, as correlaes altamente significativas entre as constantes

indicam que o efeito estimado no constitui o efeito principal de interesse. Outro
provvel indicador da invalidade das ASCs so os sinais positivos de todas constantes
significativas, indicando que o diferencial de utilidade, representado pela parcela de
incerteza das demais alternativas em relao alternativa Gasolina, positiva. Essa
constatao, no entanto, contraditria em relao situao atual de mercado, pois
como a gasolina o combustvel de maior demanda, as ASCs das demais alternativas
tenderiam a ser negativas.
Em todos os modelos de PD, os coeficientes dos atributos foram obtidos com os

sinais esperados. Os sinais negativos dos coeficientes do atributo CC indicam que o
aumento da desutilidade da alternativa com o aumento do custo. O mesmo acontece
para os coeficientes do atributo EB, devido definio dos seus nveis, 1 (com
reduo de espao) e 0 (sem reduo de espao), refletindo a parcela da desutilidade
das alternativas a gs natural devido perda de espao com a colocao do cilindro de
GNV. No caso dos coeficientes do atributo DP, o sinal positivo aponta para o aumento
da utilidade com o aumento da acessibilidade do combustvel para os usurios.
Com respeito aos modelos multidimensionais, os coeficientes comportamentais,

relacionados aos padres de substituies entre alternativas, definidos nos modelos 02,
03, 04 e 05, foram estimados para parmetros t significativos. Os coeficientes
estruturais foram quase todos estimados dentro do intervalo exigido, entre zero e um. O
parmetro estimado dentro desse intervalo indica que o modelo est condizente com a
181
maximizao da utilidade aleatria da alternativa escolhida. No entanto, houve um

modelo com coeficiente estimado fora do intervalo exigido: o coeficiente est . do
Modelo 02. Esse resultado indica que o modelo estimado no segue a hiptese de
maximizao da utilidade das alternativas. Portanto, no um modelo adequado para a
anlise de padres de substituio.
Apesar dos modelos 03, 04 e 05 apresentarem parmetros THETA dentro do

intervalo aceitvel, a presena de altas correlaes entres esses coeficientes e outros
mais compromete a estimao.
6.4.1.3. Indicadores de Performance das Estimaes
As estatsticas apresentadas nas Tabelas 5.21 e 5.22 mostram que a performance

de estimao dos modelos apresentaram resultados satisfatrios. Os testes de razo por
mxima verossimilhana resultaram em valores muito acima dos cr2 , o que leva a
rejeitar a hiptese nula de que os coeficientes dos atributos so iguais a zero.
Os valores dos parmetros zero (godness-of-fit ) mostram que os modelos de

2
estruturas de escolha multidimensional apresentam uma melhor performance na

estimao, em relao ao modelo MNL (Modelo 01). Ainda com base nos parmetros
godness-of-fit, percebe-se que os modelos estimados com coeficientes comportamentais
no restritos igualdade (Hiptese 02) obtiveram melhores estimaes. Dentre os
demais, o Modelo 05 se destaca como o modelo com melhor performance de estimao.
6.4.2. Estimaes com Dados de Preferncia Revelada
De uma maneira geral, os modelos de preferncia revelada tm como

caracterstica principal a presena de grandes correlaes entre os parmetros
estimados. Em relao aos modelos estimados neste trabalho, percebe-se que os
melhores resultados foram obtidos pelo Modelo MNL, tanto em termos de correlao
quanto em termos de significncia dos modelos. No modelo MNL h apenas a
182
existncia de uma alta correlao, entre CC e constante da alternativa GNV e

Gasolina (0,833). Os parmetros estimados foram significativos, com os sinais
esperados, tanto para CC quanto para as Constantes. O sinal negativo das constantes
condiz com a realidade do mercado atual, onde h a predominncia do combustvel
Gasolina.
Os modelos 02 e 03 apresentam altas correlaes entre os coeficientes, o que

contriburam para uma estimativa insignificante do parmetro CC . O Modelo 02, onde
h o maior nvel de correlaes entre as variveis, foi o que obteve o maior nvel de
coeficientes insignificantes.
No caso dos Modelos 04 e 05, o processo de convergncia das estimaes,

realizadas pelo ALOGIT, no foi completo. Quando o software apresenta estimaes
parciais dos coeficientes, no se acompanham as estatsticas t e as matrizes de
correlao, como mostram a Tabela 6.7 e o Anexo VII. No entanto, os testes de razo
por mxima verossimilhana da Tabela 6.9 acusam que as estimaes parciais no so
estatisticamente iguais a zero. Algumas causas que resultaram em estimaes
incompletas dos modelos de PR so: complexidade da estrutura dos Modelos 04 e 05;
falta de informaes sobre os efeitos isolados das variveis envolvidas na estimao;
falta de efeito de outras variveis que pudessem compor a funo de utilidade PR; e
tamanho pequeno da amostra PR.
6.4.3. Resultados das Estimaes com Dados Conjuntos de PR e PD
Como j destacado no Captulo IV, a mistura de dados de PD e de PR permite a

unio das vantagens de cada um e minimiza as desvantagens da modelagem com dados
puros, seja PD ou PR. O mtodo de enriquecimento de dados utilizado no presente
trabalho segue a concepo proposta por MORIKAWA (1989), apresentada na Figura
4.2, que define como objetivo da modelagem conjunta PD/PR a melhoria das
caractersticas de trade-off dos dados de PR com a utilizao dos dados de PD. As
caractersticas de equilbrio de mercado, representadas pelas ASCs e essenciais para
183
previso de demanda, so estimadas somente pelos dados de PR, sendo que as ASCs
estimadas pelos dados PD so descartadas do exerccio de previso.
Dessa forma, de acordo com os resultados apresentados, os dados de PD

possibilitaram a estimao dos efeitos de atributos que no puderam ser contemplados
nas utilidades dos dados de PR, como DP e EB. Por outro lado, os dados de PR
forneceram informaes sobre o equilbrio atual de mercado, essenciais para previso de
demanda, atravs das ASCs que foram posteriormente calibradas, como mostrado
adiante.
Portanto, a mistura de dados de PD e de PR conseguiu melhorar as estimaes

dos parmetros. Foi possvel, por exemplo, a estimao mais isolada dos efeitos do
atributo CC e das ASCs dos dados de PR, bem como a execuo completa do processo
de estimao, ao contrrio do que aconteceu na estimao com dados puros de PR.
6.4.3.1. Sinais e Significncia dos Coeficientes
Em todos os modelos, a estimao dos coeficientes foram significativas, exceto

em relao ao parmetro ASC APD , como aconteceu na modelagem com dados PD puros.
Trs parmetros obtiveram parmetros t um pouco menores que 1,96, caso da ASC AG
PD
do Modelo 04 (1,9), da ASC AG

PD
do Modelo 05 (1,7) e de GNV (1,9) do Modelo 05. No
entanto, as diferenas entre graus de confiana dos coeficientes estimados e o grau de
confiana mnimo (95%) so insignificantes.
Os fatores de escala dos dados de PD, representados por PD , aparecem menores

que 1 no caso dos modelos 01, 02 e 03, e maiores que 01, no caso de modelos 04 e 05.
O fato destes valores estarem no intervalo entre zero e um no afeta a qualidade dos
modelos, pois estes parmetros no tm significado comportamental. Valores de PD
maiores que 1 indicam que a varincia dos distrbios da funo de utilidade, no modelo
definido, que representa os dados de PR maior que aquela dos dados PD; para valores
de PD menores que 1, a varincia dos distrbios da funo de utilidade, no modelo
definido, que representa os dados de PR menor que aquela dos dados PD.
184
6.4.3.2. Correlaes entre os Coeficientes
Para a anlise das correlaes, foram adotados os mesmos conceitos aplicados na

anlise das correlaes dos modelos com dados puros de PD.
As correlaes apresentadas no modelo com dados conjuntos so semelhantes

quelas apresentadas na estimao dos dados puros. De acordo com as matrizes de
correlao encontradas para cada modelo, apresentadas no Anexo VII, possvel
destacar:
a) No Modelo 01, os mdulos das correlaes entre pares de efeitos dos

atributos CC, EB e DP, bem como as correlaes entre os efeitos dos
atributos e o efeito do coeficiente PD so todos moderados. A maior
correlao verificada foi entre CC e DP (-0,607). Os maiores nveis de
correlaes so aqueles em que h a participao das ASCs dos dados
de PD. Entre as ASCs estimadas com dados de PD, so apresentadas
altos nveis de correlao, todos com mdulos maiores que 0,9. H
tambm correlaes considerveis entre PD e a maior parte dos
coeficientes estimados, algumas moderadas, outras altamente
significativas. Foram verificadas correlaes insignificantes entre as
ASCs estimadas com dados de PR, exceo das correlaes entre PD
e ASCGGN
PD
(0,664) e entre ASC APD e CC (0,833).
b) No Modelo 02, o nvel geral de correlao entre as estatsticas menor,

em relao ao Modelo 01. Entre os coeficientes dos atributos, os nveis
de correlaes so menores. A maior correlao verificada foi entre CC
e DP (0,595). Entre as ASCs dos dados de PD, as correlaes so

muito altas, maiores que 0,9. Destaca-se tambm uma correlao entre
PR
ASCGGN e CC (0,852). No h correlaes significativas com a
participao de PD .
185
c) No Modelo 03, assim como nos dois modelos anteriores, a matriz

apresenta claramente um alto nvel de correlao entre as ASCs dos
dados de PD, exceto as correlaes relacionadas com ASC APD . Os
mdulos das correlaes obtidas entre pares de coeficientes est no
intervalo de 0,6 e 0,65 (moderadas). Entre os coeficientes e os demais,
as correlaes so tambm moderadas. No entanto, ocorrem correlaes
altamente significativas entre ASC AGN
PD
e DP (-0,767) e entre CC e est
(0,729). A matriz tambm revela altas correlao entre coeficientes est ,

PR
ASCGGN e ASC AG
PR
(mdulos acima de 0,9)
d) No Modelo 04, os nveis de correlao so bem menores que os demais.

Da mesma forma como nos demais modelos, ocorrem altas correlaes
entre as ASCs dos dados de PD. Entre as ASCs dos dados de PR
( ASCGGN
PR
e ASC AG
PR
) e o coeficiente bi comb , as correlaes tambm so
altas, assim como a correlao entre dedic e bi comb (0,883). Os nveis de

correlao entre os coeficientes dos atributos so baixos, havendo apenas
um caso, entre CC e DP , de correlao moderada (-0,586) e nenhum
caso de correlao altamente significativa. Entre os coeficientes dos
atributos e os demais, destacam-se as correlaes entre CC e dedic
(0,632), DP e ASC AG
PR
(0,589), DP ASCGGN
PR
(0,656) e entre DP e
PR
ASC AGN (0,578).
e) No Modelo 05, os nveis de correlaes aumentam em relao ao Modelo

04. Os mdulos das correlaes entre os atributos esto na faixa
moderada. Entre os coeficientes e os demais, destaca-se as correlaes
entre CC e dedic (0,693) e entre DP ASCGGN

PD
(0,719). Por outro lado,
destaca-se tambm as altas correlaes entre os coeficientes .
Em geral os altos nveis de correlao entre alguns parmetros foram

influenciados pelos principais aspectos:
186
Pequena quantidade de cartes formulados a partir das 16 alternativas

definidas pelo Projeto Fatorial Fracionrio;
A apresentao, durante as entrevistas realizadas, de um carto em maior

quantidade do que os demais; e
O ajuste realizado para a obteno dos valores relacionados ao atributo

CC, o que pode ter sido a causa pela qual grande parte das correlaes
com mdulos maiores que 0,5 tiveram a participao do parmetro CC .
6.4.3.3. Performance de Estimao dos Modelos
Com relao aos parmetros de performance dos modelos, os testes de razo de

mxima rejeitam a hiptese nula, com 95% de confiana, de que os coeficientes
considerados nas funes de utilidade, alm das ASCs, so iguais a zero.
Baseando-se nas anlises dos parmetros 2 , os Modelos 01, 02 e 03

apresentam resultados bem semelhantes. No entanto, possvel destacar o Modelo 03,
com uma performance ligeiramente melhor que a dos outros dois.
Por outro lado, as estimativas dos Modelos 04 e 05 indicam que a no restrio

de igualdade dos coeficientes estruturais possibilitou uma melhoria na performance de
estimao dos modelos em relao aos Modelos 01, 02 e 03. Analisando-se
separadamente as Tabelas 6.8 e 6.9, percebe-se que dentre cada conjunto de estimaes,
a estrutura de escolha rvore 03 fornece modelos com performance um pouco melhor
que as demais rvores. Particularmente, o Modelo 05 apresenta parmetros que refletem
uma melhor performance na estimao, em relao aos demais.
6.4.4. Escolha do Melhor Modelo
A escolha de um modelo, dentre os 05 estimados, que ser utilizado para a

montagem dos cenrios de previso de demanda, ser feito a partir de dois critrios:
187
O modelo que apresenta maiores nveis de parmetros de performance
( e L( ) );
2
O modelo que apresenta menores nveis de correlaes entre os atributos.
Pelo primeiro critrio, os Modelos 04 e 05 apresentam-se como mais adequados,

tendo-se o Modelo 05 nveis de performance ligeiramente maiores. Esses resultados
correspondem maior realidade do processo de escolha apresentado por esses modelos,
sobretudo pelo ltimo.
No entanto, se os parmetros 2 forem considerados com apenas duas casas

decimais, os parmetros entre os Modelos 04 e 05 so praticamente iguais. Assim, este
critrio no determinante para a escolha do melhor modelo.
Considerando o segundo critrio, h um problema comum em todos os modelos

com dados conjuntos: correlaes altamente significativas entre as ASCs dos dados de
PD e entre os coeficientes THETA. No entanto, percebe-se que o Modelo 04 apresenta
os menores nveis de correlaes entre os parmetros.
Dessa forma, pelos critrios utilizados, o modelo escolhido para a elaborao

dos cenrios de previso de demanda o Modelo 04.
Apesar do Modelo 04 apresentar algumas correlaes altamente significativas,

importante destacar que a maioria delas ocorre entre as ASCs dos dados de PD, as
quais no sero utilizadas na calibrao do modelo de previso. Por outro lado, as
correlaes entre bi comb e as ASCs dos dados de PR so tambm altamente
significativas. No caso do modelo escolhido, apenas os valores de bi comb e dedic esto

comprometidos, ao passo que o comprometimento das ASCs dos dados de PR menor,
pois ainda sero calibradas. Em relao especificamente a bi comb , h correlaes
altamente significativas entre esse coeficiente e as ASCs. Em respeito a dedic , o nvel

de correlao com as ASCs menor. Os coeficientes estruturais so altamente
correlacionados entre si.
188
Dessa forma, ressalta-se que os coeficientes bi comb e dedic so os parmetros

que tem a maior tendncia de contribuir com resultados distorcidos na previso de
demanda. As correlaes que envolvem os coeficientes dos atributos, por outro lado,
so satisfatrias, como j mencionado.
Contudo, em termos da aplicao da Metodologia GNVPREV, a limitao

formada pelas altas correlaes entre os coeficientes estruturais no ser levada em
considerao nas etapas posteriores.
A Tabela 6.10 apresenta os testes estatsticos que avaliam a hiptese IIA do

Modelo 04. O teste foi realizado cinco vezes, com a retirada sucessiva das alternativas
lcool, Gasolina, lcool e Gasolina, GNV e Gasolina e GNV e lcool,
conforme metodologia explicitada no Captulo III. Em todos eles, foi rejeitada a
hiptese nula de que o modelo segue a suposio IIA, do modelo MNL. A expresso
para clculo do teste estatstico apresentada pela expresso (3.36), repetida a seguir:
1
{2[ L( ) L( c )]} (6.16)
1 N1 / N
em que
L( c ) : verossimilhana da amostra reduzida com a retirada de uma

alternativa;
N1 e N: Tamanhos das amostras reduzidas e plenas, respectivamente.
Tabela 6.10: Testes da Hiptese IIA

Parmetros de Clculo Alternativas Retiradas
lcool Gasolina lcool e GNV e GNV e
Gasolina Gasolina lcool
N 911 911 911 911 911
N1 393 642 543 601 639
L(b) -527,48 -527,48 527,48 -527,48 527,48
L'(b) -241,97 -467,71 -294,10 -290,91 -364,46
1
N
1 1 1,76 3,39 2,48 2,94 3,35
N
Estatstica Teste IIA 1004,251 404,841 -4067,711 1390,421 -5974,691
1 0 , 95;8 = 15,5
2
189
6.4.5. Calibrao da Funo Utilidade
Uma vez escolhida a estrutura de deciso Modelo 04 com dados conjuntos a

prxima etapa da metodologia a calibrao da funo de utilidade, para em seguida ser
aplicada ao clculo das elasticidades de demanda, anlise trade-off e elaborao dos
cenrios de previso. As funes de utilidade so formadas pelos seguintes itens:
Pelos coeficientes dos atributos CC, EB e DP, multiplicados pelo

coeficiente estrutural PD ;
Pelas ASC's corrigidas dos dados de PR. A correo das ASC's

necessria porque os estimadores de mxima verossimilhana no so
eficientes quando se trata de constantes especficas, segundo afirma
MCFADDEN (1974), que prope uma frmula para correo
representada pela expresso (4.10), repetida a seguir:
Hg
ASC corrigida = ASC estimada ln (6.17)
Wg
em que
Hg = probabilidade de escolha da alternativa, calculada pela

funo de utilidade no calibrada;
Wg = percentual da alternativa na populao.
Como no h nmeros sobre a populao que abastece nos Postos da rea de

estudo, optou-se por assumir como populao a frota de veculos registrada no
municpio de Caucaia, at novembro de 2004, fornecidos pelo DETRAN (2004). A
Tabela 5.23 apresenta a diviso da frota de veculos.
190
Tabela 6.11: Frota de veculos Leves do Municpio de Caucaia (at 11/ 2004)8
VECULO FROTA PERCENTUAL
Alcool 1.836 16,8%
Gasolina 8.402 77,0%
Alcool/Gasolina 23 0,2%
Gas Natural 646 5,9%
Total 10.907 100,0%
Fonte: DETRAN (2004)
As ASCs calibradas esto apresentadas na Tabela 6.12. A aplicao das ASCs

corrigidas fornece resultados de probabilidade de escolha idnticos aos percentuais
populacionais considerados.
Tabela 6.12: ASCs Corrigidas

TIPO DE VECULO ASCS CORRIGIDAS
Alcool -1,849
Gasolina -0,130
Alcool/Gasolina -8,472
Gas Natural -4,857
As funes de utilidade de cada uma das alternativas dos nests inferiores neste
caso, foi excluda a alternativa GNV e lcool esto explicitadas nas expresses
abaixo:
V A. = ASC Acorr . + PD CC CC A + PD DP DPA + PD EB EB A (6.18)
VG = ASCGcorr + PD CC CC G + PD DP DPG + PD EB EBG (6.19)
V AG = ASC AG
corr
+ PD CC CC AG + PD DP DPAG + PD EB EB AG (6.20)
VGNV = ASCGNV
corr
+ PD CC CC GNV + PD DP DPGNV + PD EB EBGNV (6.21)
8
Esto contabilizados apenas os automveis e camionetas.
191
em que
VA, VG, VAG e VGNV: Componentes sistemticas das utilidades das

alternativas lcool , Gasolina, lcool e Gasolina e GNV, respectivamente;
ASC Acorr , ASCGcorr , ASC AG

corr
e ASCGNV
corr
: Constantes Especficas das
alternativas lcool , Gasolina, lcool e Gasolina e GNV, respectivamente;
PD : Relao entre a varincia dos termos aleatrios das utilidades PD e

PR;
CC , DP e EB : Coeficientes dos atributos CC, DP e EB; e
CCi, DPi e EBi: Atributos Custo de Combustvel, Disponibilidade de Postos

e Espao no Bagageiro ou Carroceria das alternativas i, sendo i = {lcool;
Gasolina; lcool e Gasolina; GNV}.
Como j mencionado, a deciso de considerar apenas uma funo para

representar a alternativa GNV foi pelo fato da amostra coletada de dados de PR no
conter a alternativa GNV e lcool. Por isso, considerou-se a alternativa GNV e
Gasolina como apenas GNV. Alm disso as informaes de demanda atual do GNV,
fornecidas pelo DETRAN, no esto desagregadas em lcool e GNV e Gasolina e
GNV.
Para o caso das funes de utilidade em cada uma das alternativas do nvel mais
superior dedicado e bi-combustvel as funes so dadas pelas seguintes expresses:
Vdedic. = dedic ln (exp(VG ) + exp(VA ) ) (6.22)
Vbi comb. = bi comb ln (exp(VAG. ) + exp(VGNV ) ) (6.23)
em que
dedic e bi comb : coeficientes estruturais referentes aos nests dedicado e bi-

combustvel.
192
A Figura 6.9 apresenta a estrutura final de escolha assumida para a previso de

demanda, considerando as expresses (6.18) a (6.21) para o nest inferior, e (6.22) e
(6.23), para o nest superior.
dedic
bi comb
lcool Gasolina lcool e Gasolina GNV
Figura 6.9: Estrutura de Escolha Definida para Previso de Demanda
6.5. ANLISE DE ELASTICIDADES DE DEMANDA
As elasticidades de demanda estimadas pelo ALOGIT (HCG, 2004) so valores

agregados, obtidos atravs do Mtodo da Enumerao Amostral, explicitado no
Captulo III, e calculados apenas para modelos MNL. A expresso para o clculo da
elasticidade em modelos MNL apresentada a seguir (LOUVIERE et al, 2000):
N
Pin E XPinjnk
E xPinjk = n =1 Q (6.24)

n =1
Pin

[ ]
ExPinjnk = Pjn x jnk k (6.25)
193
em que: E xPinjk : Elasticidade Mdia de Demanda de uma alternativa i, em relao a
um atributo k da alternativa j; se i=j, a elasticidade chamada de direta;

caso contrrio a elasticidade chamada de cruzada;
E xPinjnk : Elasticidade de demanda uma alternativa i para um indivduo
(observao) n em relao a xjnk, da alternativa j;
Pin : Probabilidade de escolha de alternativa i para um indivduo n;
x jnk : Atributo k de uma alternativa i para um indivduo n; e
: 1, se i=j (elasticidade direta); 0, se i j (elasticidade cruzada).
Uma vez calculados os valores de elasticidades, necessrio corrigir apenas os

valores de elasticidade cruzada, para que representem os padres de substituies
refletidos pelos coeficientes estruturais dedic e bi comb . A correo realizada com a
aplicao da seguinte expresso (adaptada de HCG, 2004):
Eijcorr . = E xPinjk w (6.26)
em que
Eijcorr . : Elasticidade cruzada corrigida, de uma alternativa i, em relao a
um atributo k da alternativa j;
E xPinjk
: Elasticidade cruzada calculada pela expresso (6.25);
w : 1, caso as alternativas i e j estejam contidas dentro do nest w (w =
{bi-comb., dedic.}; ou w , caso as alternativas i e j estejam contidas em

nests diferentes, sendo que a alternativa j esteja contida no nest w;
w : coeficiente estrutural do nest w;

194
A anlise de elasticidade de demanda neste trabalho ser restrita ao atributo CC,

devido sua importncia financeira na deciso de escolha, alm de ser um dos que mais
afetam a dinmica de mercado.
interessante destacar que as caractersticas mutveis de cada um dos

combustveis e veculos formam a chamada dinmica de mercado. Ou seja, os
resultados apresentados no presente trabalho podem no corresponder realidade a
curto ou mdio prazo, na medida em que em que algumas situaes no previstas na
modelagem de escolha possam vir a ocorrer, sobretudo em respeito s caractersticas de
produtos ou servios ou incluso ou excluso de um concorrente no mercado.
6.5.1. Elasticidades Diretas
A Figura 6.10 apresenta uma comparao entre os mdulos das elasticidades

diretas das alternativas com relao ao atributo CC. Os valores apresentados nessa
figura indicam a variao percentual na probabilidade de escolha da alternativa com o
variao de 1% do custo de combustvel. De acordo a figura, observa-se que a
alternativa Gasolina possui a menor sensibilidade variao de preo, ou seja, a
mais inelstica. Essa constatao pode ser explicada pela consolidao do combustvel
no mercado, que no apresenta os obstculos existentes nas outras alternativas,
obstculos estes que impedem a migrao dos usurios dos veculos a gasolina para seus
concorrentes.
A alternativa lcool e Gasolina (veculos flex) aparece em segundo lugar, em

termos de inelasticidade. O mercado desse tipo de veculo foi criado recentemente, e
ainda est restrito a uma parcela da populao de grande poder aquisitivo. Por esse
motivo, possvel explicar a sua baixa elasticidade. Ou seja, por um lado, as pessoas
usurias desse automvel no tendem a migrar para outras alternativas porque outros
atributos do veculo escolhido compensam um certo aumento de custo do combustvel
(gasolina ou lcool); por outro lado, uma determinada reduo de preo dos
combustveis no suficiente para atrair uma parcela considervel da demanda para
essa alternativa, devido ao alto preo de compra dos veculos.
195
Figura 6.10: Elasticidades Diretas das Alternativas com Respeito ao Custo do

Combustvel
A Figura 6.10 ainda destaca que os veculos a GNV captam um maior percentual
relativo do mercado em relao s demais alternativas, seguidos pelos veculos a lcool.
Isso indica que ambas as alternativas (GNV e lcool) tm uma tendncia de atrair uma
maior demanda relativa, do que as outras duas alternativas.
No estado atual, os veculos flex, apesar de recentemente lanados no mercado,

aparecem como provveis substitutos aos veculos dedicados gasolina e a lcool, pois
h uma tendncia natural da busca, pelos usurios, de veculos de fbrica que
proporcionam o uso de duas opes de combustveis, forando gradativamente s
montadoras a dar prioridade sua fabricao.
Dessa forma, os veculos flex surgem como potenciais concorrentes dos veculos
a GNV. Por um lado, os veculos flex tm a vantagem de serem provenientes
diretamente das montadoras, o que proporcionam menores depreciaes do veculo ao
longo do tempo, como acontece com os veculos convertidos a GNV. Por outro lado, os
veculos a GNV possuem a vantagem do menor preo do combustvel.
196
No entanto, a concorrncia entre os veculos a GNV e os veculos flex fica ainda

restrita em pequenos segmentos de maior renda. A concorrncia pode se expandir na
medida em que os veculos flex atuais vo se tornando mais viveis para maiores
parcelas populacionais. As maneiras de isso ocorrer so: envelhecendo natural dos
veculos, tornando-os mais baratos; e lanamento de veculos mais populares do tipo
flex.
Caso haja a fabricao de veculos a GNV pelas montadoras, este segmento de

mercado ganhar um grande flego, atraindo cada vez mais usurios de veculos e
acirrando a competitividade com o flex. Outro cenrio que pode acontecer seria o
lanamento de veculos tri-fuel, podendo ser movidos a gasolina, lcool e GNV. Caso
haja um domnio desse veculo, em algum horizonte, a concorrncia tenderia a ser
apenas entre os combustveis.
6.5.2. Elasticidades Cruzadas
As Figuras 6.11 a 6.14 apresentam as elasticidades cruzadas de custo de

combustvel de cada alternativa. De acordo com os grficos das Figuras 6.11 a 6.13,
observa-se que a alternativa GNV sempre apresenta o maior valor de elasticidade
cruzada dentre os demais. Esses resultados apontam que a maior parcela de demanda
que migra das alternativas Gasolina, lcool, lcool e Gasolina tende a escolher o
GNV.
Ademais, comparando-se as Figuras 6.11 e 6.12 com a Figura 6.14, observa-se

que os nveis de elasticidades cruzadas das alternativas com relao variao do custo
do GNV (Figura 6.14) so menores que aqueles verificados nas alternativas lcool
(Figura 6.11) e Gasolina (Figura 6.12). Isso mostra que o nvel de transferncia de
demanda dos veculos a GNV para outros veculos menor que a transferncia de
demanda pelos veculos lcool e os veculos Gasolina para os demais.
197

Alternativa lcool

Alternativa Gasolina
198

Alternativa lcool e Gasolina

Alternativa GNV
199
Essa interpretao d indcios para considerar que o GNV se comporta como

uma alternativa consolidada entre os seus usurios, tornando-os mais cativos do que os
usurios dos veculos dedicados gasolina e lcool. Alm disso, os benefcios
proporcionados por essa alternativa so suficientes para se contrapor a pequenas
variaes de custos.
No entanto, uma situao mais inelstica do que o caso do GNV observada no

caso das elasticidades cruzadas com respeito alternativa lcool e Gasolina. Esse
aspecto pode ser explicado pelo pequeno nmero de usurios dessa tecnologia, na rea
de estudo, como j mencionado, alm do fato de o grupo de usurios serem mais cativos
sua escolha, a qual se apresenta bastante atrativa para o seu respectivo segmento de
demanda. Isso enfatiza a tendncia, no futuro, de grande concorrncia entre os veculos
flex e os veculos a gs natural.
importante salientar que a generalizao das anlises realizadas com as

elasticidades diretas e cruzadas tem suas limitaes, tendo em vista que, por ser um
estudo de caso, no h certeza de que os resultados encontrados possam ser aplicados
em outros contextos.
6.6. ANLISE DE TRADE-OFF
A anlise trade-off realizada neste tpico visa a obter informaes a respeito do

impacto das relaes entre os pesos dos atributos na utilidade. A realizao da anlise
trade-off sucedeu atravs de duas concepes, cada uma direcionada para os tipos de
variveis envolvidas. Para a anlise entre variveis contnuas (CC e DP), foi utilizado o
conceito de Taxa Marginal de Substituio. A anlise envolvendo a varivel dummy EB
foi feita a partir da obteno, separadamente, de um valor para CC e DP, atravs de uma
busca linear, que proporcionasse uma fatia de demanda para o mercado de GNV igual
quela prevista para o cenrio em que o cilindro de GNV no ocupa espao no
bagageiro ou carroceria (vide Tabela 6.15).
Dessa forma, o trade-off entre os atributos CC e DP, obtido pela seguinte

expresso:
200
DP
TMS CC , DP = (6.27)
100 CC
A diviso do coeficiente relacionado ao atributo DP por 100 anloga ao

processo de multiplicar os nveis dos atributos de DP por 100. Isso se faz necessrio
porque a TMS deve refletir o valor monetrio disposto a pagar para se obter um
aumento de 1% do atributo DP, pois o coeficiente DP foi estimado a partir dos
valores de DP entre 0 e 1, sendo ento necessria a sua adaptao para que os nveis
considerados sejam entre 0 ou 100%
Sendo assim, utilizando os valores dos coeficientes do Modelo 04, apresentados

na Tabela 6.7, o valor calculado da seguinte maneira:
1,331
TMS CC , DP = = 2,005 (6.28)
100 (0,006637)
O valor encontrado para este trade-off indica que o usurio est disposto a pagar
(Willingness to Pay - WTP do usurio) um valor monetrio adicional de
aproximadamente R$ 2,00 no custo mensal de combustvel para obter um aumento de
1% na disponibilidade de postos de combustvel. Em termos prticos, salvo algumas
simplificaes com respeito linearidade considerada, isso implica que, para um
aumento da disponibilidade de postos em 50%, o usurio estaria ento disposto a pagar,
em mdia, um valor adicional de R$ 100,00 no custo mensal do combustvel.
Considerando um indivduo que percorre 2.000 km/ms, e o valor de compra do

GNV a R$1,18/m3, um valor adicional de R$100,00 no custo mensal de GNV equivale
a um desembolso de R$0,60 a mais por m3 consumido.
Para o caso dos trade-offs entre os atributos CC e EB e DP e EB a premissa

definida foi obter, para cada situao, valores de CC e DP que seriam necessrios para
compensar a impedncia da reduo do espao do bagageiro. Por exemplo, caso fosse
possvel adquirir um veculo a GNV, sem a necessidade de reduzir o espao no
bagageiro, a probabilidade de escolha do GNV aumentaria 2,90% (vide Tabela 6.15).
No entanto, como tecnologias que impeam a reduo de espao ainda no

foram desenvolvidas e implementadas em grande escala, possvel estimar
201
separadamente valores hipotticos dos atributos CC e DP necessrios para obter um

cenrio de demanda que seria alcanado com a possvel no reduo de espao.
Assim, variou-se cada um dos atributos CC e DP, separadamente, mantendo-se o

restante dos atributos com os valores do cenrio base (vide tpico seguinte), at se
chegar ao valor de probabilidade de escolha do GNV de 8,8%. Os valores encontrados
dos atributos CC e DP, para se obter essa probabilidade de escolha esto apresentados
na Tabela 6.13.
Tabela 6.13: Valores Compensatrios dos Atributos CC e DP em relao a EB

ATRIBUTOS ESTIMAES
CC R$ 0,54/m3
DP 85,4%
De acordo com a Tabela 6.13, o valor encontrado do atributo CC, indica que o
preo unitrio do GNV deveria diminuir de R$ 1,18/m3 (cenrio base) para R$ 0,54/m3,
considerando-se as outras variveis constantes, para compensar a impedncia da
reduo do espao. Ou seja, o usurio estaria disposto a no gastar, em mdia, o valor
de R$ 0,64/m3, para compensar este prejuzo (Willingness to Receive - WTR).
Para o caso do atributo DP, o valor apresentado na Tabela 6.13 indica que o
usurio exigiria um aumento da disponibilidade de postos de combustvel de 50% para
aproximadamente 85,4%, para compensar a reduo do espao do bagageiro. Este valor
ser chamado de DPtimo.
Por fim, a Tabela 6.14 apresenta os valores dos parmetros oriundos da anlise
trade-off.
Tabela 6.14: Estimaes dos Trade-offs entre os Atributos

Trade-offs Parmetros Estimaes
CC-DP WTP R$ 2,00
CC-EB WTR R$ 0,64
DP-EB DPtimo 0,854
importante salientar que valores de trade-offs mais representativos de

segmentos socioeconmicos mais especficos so mais indicativos em anlises
202
economtricas. No entanto, a anlise por segmentao, em termos de renda, tipo de

veculo, distncia percorrida etc, possvel somente com a disponibilidade de uma
amostra maior do que aquela coletada para o desenvolvimento deste trabalho.
6.7. CENRIOS DE PROBABILIDADE DE ESCOLHA
Para uma avaliao mais prtica da demanda por GNV na rea de estudo, foi
considerado um conjunto de cenrios formados por situaes atualmente hipotticas,
porm possveis em um futuro prximo, no sentido de avaliar as potencialidades do gs
natural no setor veicular. Os clculos das probabilidades de escolha foram realizados
com a utilizao das funes de utilidade apresentadas pelas expresses (6.18) a (6.23) e
pelas expresses seguir:
Pn (vi , f k ) = Pn (vi ) Pn ( f k / vi ) (6.29)
Vvi
e
Pn (vi ) =
e (6.30)
Vv j
jJ
V fk
e
Pn ( f k / vi ) = (6.31)
e
V fw
kK
em que
Pn (vi , f k ) : Probabilidade de escolha de um par veculo-combustvel,

contido em Cn;
Pn (vi ) : Probabilidade marginal de escolha de uma categoria de veculo

vi, podendo ser dedicado ou bi-combustvel;
Pn ( f k / vi ) : Probabilidade condicional de escolha de um tipo de veculo,

podendo ser lcool, Gasolina, lcool e Gasolina e GNV, dado
que a categoria de veculo vi foi escolhida,;
203
Cn: Conjunto de todos os pares (v,f), viveis para o indivduo n;
J e W: Conjunto de todas as categorias e tipo de veculos disponveis,

respectivamente.
Vvi e Vvj: Componentes sistemticas da utilidade das alternativas vi e vj,

podendo ambas assumir quaisquer das utilidades apresentadas em (5.22)
e (5.23);
Vfk e Vfw: Componentes sistemticas da utilidade das alternativas fk e fw,

podendo ambas assumir quaisquer das utilidades apresentadas em (5.18)
e (5.21);
Os cenrios foram definidos tendo como base os valores de custo de combustvel

para o lcool, gasolina e GNV de R$1,65, R$2,20, R$1,18 (valores do mercado de
Fortaleza no perodo da pesquisa de campo) e os valores de disponibilidade de
combustvel de 50% para a alternativa GNV e Gasolina e 100% para os demais.
Assim, a formao dos cenrios foi feita com a variao dos valores de alguns dos
atributos, mantendo-se o restante constante. As definies esto apresentadas a seguir:
a) Cenrio 1: Cenrio Base, assumindo todos valores definidos acima;
b) Cenrio 2a: Decrscimo de 20% do custo do combustvel do GNV;
c) Cenrio 2b: Decrscimo de 10% do custo do combustvel do GNV;
d) Cenrio 2c: Aumento de 10% do custo do combustvel do GNV;
e) Cenrio 2d: Aumento de 20% do custo do combustvel do GNV;
f) Cenrio 3a: Disponibilidade de postos de GNV de 80%;
g) Cenrio 3b: Disponibilidade de postos de GNV de 100%;
h) Cenrio 4: Veculos a GNV sem cilindro no bagageiro;
i) Cenrio 5: Disponibilidade de postos de GNV de 100% e decrscimo de

10% do seu preo.
204
Os resultados dos cenrios esto apresentado na Tabela 6.15.
Tabela 6.15: Cenrios de Probabilidade de Escolha

ALTERNATIVA 1 2a 2b 2c 2d 3a 3b 4 5
lcool 16,8% 16,7% 16,8% 16,9% 17,0% 16,4% 16,1% 16,3% 15,9%
Gasolina 77,1% 76,3% 76,7% 77,4% 77,8% 75,2% 73,5% 74,7% 72,9%
lcool/Gasolina 0,2% 0,2% 0,2% 0,2% 0,2% 0,2% 0,1% 0,2% 0,1%
GNV 5,9% 6,9% 6,4% 5,5% 5,1% 8,3% 10,4% 8,8% 11,1%
Tendo como foco a anlise das potencialidades do GNV, a Figura 6.15 apresenta
graficamente os diferenciais de demanda por veculos a GNV, em relao ao cenrio
base.
Os valores apresentados na Tabela 6.15 indicam as probabilidades de escolha de

cada tipo de veculo, considerando-se as peculiaridades de cada cenrio. O clculo da
quantidade de cada combustvel consumido necessitaria de um estudo sobre consumos
entre os usurios, alm de dados de consumos fornecidos pelas companhias
distribuidoras, o que no foi abordado no presente trabalho.
Figura 6.15: Diferenciais de Demanda em Relao ao Cenrio Base

205
Observa-se que as variaes de demanda com respeito ao custo de combustvel

so menores que as variaes de demanda com respeito s impedncias provenientes da
reduo do espao e da restrio de postos. Isso indica que uma pequena reduo de
preo do GNV no atrairia uma demanda relativa to considervel, tendo em vista que
os valores desse atributo j so bem menores que os das outras alternativas. Em outras
palavras, a caracterstica de menor preo do GNV j contribuiu para uma grande
captao de demanda, indicando que a maior parte da demanda reprimida atual no
influenciada pelo custo do combustvel, e sim pelos outros atributos.
Por outro lado, nota-se um grande acrscimo na demanda com o aumento da

disponibilidade dos postos, como indicam os valores dos cenrios 3a e 3b, comprovando
que a falta de acessibilidade aos postos um dos principais obstculos que contribuem
para a formao de demanda reprimida.
O cenrio 4 tambm indica um acrscimo considervel de demanda caso fosse

possvel a colocao no mercado veculos a GNV que no contivessem cilindro
ocupando espao no bagageiro.
O cenrio mais otimista o cenrio 5, pois reflete um efeito duplo, devido ao

decrscimo do preo do GNV e ao aumento da disponibilidade de postos de GNV.
Destaca-se que esse cenrio tem grandes possibilidades de acontecer, dependendo de
uma srie de polticas pblicas em conjunto com a iniciativa privada.
Cabe destacar tambm que esses resultados so de grande utilidade para uma
anlise de viabilidade econmica da implantao de determinadas iniciativas que
possam tornar reais os cenrios definidos.
206
CAPTULO VII
CONCLUSES E RECOMENDAES
Este captulo apresenta as principais concluses provenientes dos estudos e

anlises realizadas ao longo deste trabalho, assim como algumas recomendaes para
trabalhos e estudos futuros. As concluses destacam os aspectos principais a respeito do
estudo de mercado de GNV, dos mtodos e teorias contempladas, bem como das
principais etapas da metodologia GNVPREV. As recomendaes so constitudas por
uma lista de estudos sugeridos que visam a explorar temas relacionados ao escopo do
trabalho.
7.1 CONCLUSES
O desenvolvimento do presente trabalho possibilitou o atendimento de todos os

objetivos especficos definidos, de modo satisfatrio. A seguir, esto destacados os
pontos principais relacionados a cada um dos aspectos abordados.
7.1.1 A Anlise de Mercado do GNV
De acordo com as informaes e dados observados durante a reviso literria e

ao longo das pesquisas de campo realizadas, percebe-se que o mercado do Gs Natural
Veicular possui grande potencial de ascenso em vrios nichos de mercado. Porm, a
sua ampla expanso somente ser possvel se algumas aes forem tomadas.
Em primeiro lugar, necessria a implementao de programas de marketing

que mostrem populao os reais benefcios oriundos da utilizao do GNV,
direcionados para combater os preconceitos que grande parte da populao no usuria
207
do energtico ainda possui. Os principais preconceitos dizem respeito s percepes

negativas de alguns indivduos relacionadas falta de segurana, aos altos custos de
manuteno e ao baixo rendimento do veculo.
Aliados aos programas de marketing, necessita-se, dentre uma srie de planos de

aes, de um amplo e rigoroso processo de fiscalizao, fundamentado em legislaes
claras que protejam o bem-estar dos usurios de GNV. As fiscalizaes no se devem
restringir apenas s convertedoras, exigindo-se todos os processos tcnicos cabveis,
sobre os veculos convertidos, verificando se as instalaes dos kits esto dentro dos
requisitos tcnicos.
necessrio expandir o planejamento de fiscalizao da indstria de GNV em

conjunto com a fiscalizao de outros veculos, pois possvel que alguns usurios
liguem eventos negativos aos veculos a GNV. Por exemplo, at h pouco tempo, era
comum, sobretudo em cidades interioranas do Nordeste brasileiro, a ocorrncia de
veculos convertidos a GLP clandestinamente, gerando numerosos acidentes. Dessa
forma, desenvolveu-se uma impresso de que os veculos a GNV, por passarem tambm
por um processo de converso, se comporta da mesma maneira, devido semelhana na
instalao com aqueles veculos.
Alm disso, a ocorrncia de alguns acidentes com carros a GNV, por causa de
irregularidades, contribuiu para a proliferao dessa m impresso. Todas essas
impresses negativas podem ter contribuindo para a percepo de insegurana sentida
por alguns entrevistados na pesquisa de campo, totalizando 15% da amostra.
Por outro lado, o mercado de GNV deve ser desenvolvido pelo gestor de sua
cadeia produtiva dentro de uma anlise sistmica, obedecendo a dois nveis
estratgicos:
Plano estratgico dentro do setor de combustveis, no qual so

consideradas outras alternativas vantajosas, como o biodiesel e o prprio
lcool, visando sempre, em primeiro lugar, o desenvolvimento
sustentvel e o equilbrio de mercado, cada um atuando nos devidos
nichos de mercado; e
208
Plano estratgico integrado com os setores ncoras da indstria de gs

natural indstria e termeltricas, por exemplo pois a expanso do
GNV isolada no sustentvel, devido aos altos custos de infra-estrutura
de distribuio primria e secundria;
No contexto brasileiro, importante salientar que o planejamento em ambos os

nveis estratgicos depende das diretrizes de desenvolvimento definidas pelo Governo
Federal, ou seja, quais os setores sero prioridade em horizontes de pequeno, mdio e
longo prazos. Nesse nterim, o setor de GNV est com uma certa vantagem, pois est
atualmente entre as prioridades dentro das polticas de expanso do gs natural no
Brasil, como relatado no Captulo I.
7.1.2 Os Estudos de Modelagem e dos Tipos de Dados de Escolha Discreta
A reviso literria realizada neste trabalho apresentou os conceitos de

modelagem de escolha discreta, dissertando especificamente sobre os modelos
multinomial logit e nested logit. Percebeu-se que o processo de modelagem
comportamental vem contribuindo decisivamente para o planejamento de vrios setores,
como transportes e energia. Consiste em uma fundamentao terica revolucionria em
relao aos modelos tradicionais de previso de mercado, tendo sua origem a partir de
estudos cientficos na rea de transportes.
De acordo com o estudo de reviso bibliogrfica, os modelos nested logit, que

assumem padres de substituio distintos entre alternativas de nests diferentes,
implicam em representaes mais prximas da realidade de escolha do que aqueles
provenientes do modelo MNL. O estudo tambm destacou, porm no detalhou, uma
srie de modelos que procuram expressar, de modo ainda mais realstico, o
comportamento de escolha dos indivduos. Esses modelos apresentam interpretaes
mais complexas dos termos aleatrios das utilidades das alternativas, exigindo a
proposio de modelos ainda mais sofisticados.
209
Percebeu-se tambm na reviso da literatura que o Brasil ainda carente de

estudos que aplicam os conceitos da modelagem comportamental. Alguns foram
realizados; contudo, no houve uma continuidade de estudos posteriores.
Conseqentemente, no foram encontradas ferramentas computacionais

nacionais que possibilitassem a obteno de informaes necessrias anlise dos
dados de escolha discreta. Dessa forma, a estimao de modelos atravs de mtodos
consistentes fica dependendo da aquisio de softwares estrangeiros. Apesar de haver
pacotes computacionais disponveis livremente, fica patente a necessidade de
desenvolver no Brasil ferramentas computacionais, oriundos de estudos e pesquisas no
pas, podendo tornar mais acessvel a aplicao e o aprendizado dos modelos de escolha
discreta.
Em relao aos estudos sobre os dados de escolha discreta, percebe-se tambm

que a modelagem conjunta com dados de PD e PR um processo relativamente recente,
surgindo basicamente a partir de 1989, com o trabalho de Morikawa. Desde ento,
vrias outras metodologias surgiram com o intuito de tornar o processo de uso conjunto
dos dados melhor e, ao mesmo tempo, mais prtico, alguns deles apresentados no
presente trabalho. Entretanto, qualquer que seja o mtodo de estimao conjunta, a
literatura enfatiza que o uso conjunto de dados de PR e de PD fundamental para a
estimao de modelos mais robustos, formulados para aplicao em anlise de previso
de demanda.
7.1.3 A rea de Estudo Escolhida
A rea de estudo escolhida gerou algumas limitaes de representatividade dos

resultados. Devido s dificuldades de aplicao dos questionrios de PD e PR nos
postos de distribuio de combustvel, destacados no presente trabalho, a estratgia de
coleta de dados foi mudada, passando-se a escolher locais de concentrao de pessoas
dentro da rea de estudo. O novo plano de ao de coleta de dados ocasionou na
captao de um grande nmero de observaes que no participavam da populao da
rea de estudo, pois uma parcela significativa dos indivduos entrevistados no
abastecia nos postos da rea de estudo.
210
Por outro lado, percebeu-se durante o levantamento que, mesmo com a coleta de
dados realizada nos postos de combustveis da rea de estudo, a amostra certamente no
seria representativa da populao, tendo em vista o significativo trfego de passagem e
as mudanas sazonais de composio da populao, devido ao carter de regio turstica
da rea de estudo.
Dessa forma, conclui-se que a elaborao de um estudo mais significativo

deveria considerar uma rea de estudo mais abrangente. O ideal seria considerar toda a
RMF, na qual est contida uma parcela significativa (quase total) dos usurios de GNV
do Estado do Cear.
O principal motivo por no considerar uma rea mais abrangente consiste nos
recursos limitados, destinados ao levantamento de dados. A definio de uma rea mais
abrangente necessitaria de um maior nmero de pesquisadores, o que aumentaria
significativamente os recursos com mo-de-obra, alimentao, transporte etc.
No entanto, importante salientar que a rea de estudo definida no

comprometeu o alcance do objetivo geral de dissertao, ou seja, a aplicao da
metodologia GNVPREV. Portanto, a rea de estudo escolhida no comprometeu o
desenvolvimento do presente trabalho.
7.1.4 A Etapa de Conhecimento e Seleo dos Principais Atributos
Essa etapa do trabalho permitiu a obteno de informaes importantes, tais

como: o conhecimento de grande parte dos atributos que condicionam as preferncias
dos usurios de combustveis; a seleo, dentre o conjunto levantando, daqueles
atributos que mais caracterizam as escolhas dos indivduos da rea de estudo; e as
percepes dos usurios e no usurios de GNV a respeito de alguns atributos que
influenciam na escolha do gs natural veicular.
Os resultados alcanados na etapa de conhecimento e seleo dos atributos

possibilitou um retrato inicial das caractersticas de mercado de combustveis, em
especial do gs natural, que contriburam para um melhor planejamento dos
experimentos de PD e PR.
211
Um dos principais resultados obtidos na referida etapa foram as diferentes

percepes a respeito dos atributos apresentados na pesquisa de campo. Enquanto os
no usurios de GNV indicaram os atributos Custo de Converso e Potncia do
Veculo como obstculos mais importantes converso de veculos, os usurios de
GNV destacavam os atributos Restrio de Postos de GNV e Custo de Converso,
como mais relevantes. As diferentes percepes justificariam a diviso da coleta de
dados de GNV em segmentos pelos dois tipos de usurios. A agregao da amostra foi a
opo tomada devido s restries financeiras na coleta de dados, j mencionadas.
O levantamento de dados tambm permitiu o conhecimento do perfil de usurios

dos postos de combustveis da rea de estudo e detectou que uma parcela significativa
de usurios de GNV era composta de indivduos que moravam na regio oeste do
Estado do Cear e viajavam constantemente para Fortaleza. Essa constatao indica que
uma parcela da demanda localiza-se em regies no abrigadas por infra-estruturas de
gs natural, mostrando que h indcios de parcela significativa de demanda reprimida
por GNV no Estado do Cear. Dessa forma, justifica-se que o atributo Restrio de
Postos de GNV foi escolhido como maior impedncia converso de veculos
destacada pelos usurios de gs.
7.1.5 Os Questionrios de PD e PR
Os questionrios de preferncia declarada e revelada mostraram-se prticos de

fcil entendimento pelo entrevistado. A execuo do levantamento mostrou que o tipo
de questionrio de PD utilizado pairwise choice - bastante eficaz no entendimento
do entrevistado e na rapidez da coleta de informao. Observou-se ao longo do
levantamento que era vivel a colocao de mais um carto de escolhas no questionrio,
totalizando 05 cartes 04 efetivos e um de controle. No entanto, resolveu-se no
correr o risco de ocasionar fadiga em alguns entrevistados isolados.
Apesar da satisfatria conduo do levantamento, algumas limitaes do

instrumento elaborado foram identificadas. importante destacar a falha tcnica
decorrente da considerao do atributo Economia ou Custo Mensal (ECM) do
questionrio de PD. Contudo, esse problema foi contornado no processo de estimao,
212
com a extrao da parcela do custo de combustvel contida no atributo ECM. Essa

deciso ocasionou a perda de informao sobre o efeito do custo do veculo na deciso.
A correo era necessria para que os dados de PD e PR fossem utilizados
conjuntamente para a estimao da funo de utilidade e sua posterior aplicao para
anlise e previso de demanda.
Outro ponto limitante percebido nos cartes de PD projetados consiste na

presena de muticolinearidade entre as ASCs, o que resultou em altas correlaes entre
as constantes nos modelos estimados. O problema das correlaes poderia ser
minimizado caso fossem apresentadas um maior nmero de combinaes entre as
alternativas projetadas no PFF, alm da aplicao de alguns artifcios destacados no
Captulo IV.
Entretanto, a limitao decorrente das altas correlaes entre as ASCs no

comprometeu significativamente o alcance dos objetivos especficos, tendo em vista
que os efeitos dos coeficientes dos atributos foram estimados satisfatoriamente, e que as
ASCs aplicadas nos modelos de previso foram modelos calibrados obtidos pelos
dados de PR. No entanto, os coeficientes dedic e bi comb , do modelo 04, foram os
nicos coeficientes aplicados no modelo que foram estimados com correlaes
altamente significativas. Essa constatao apresenta como limitante dos resultados do
modelo. Ocorreu tambm uma correlao altamente significativa entre duas ASCs dos
dados de PR; no entanto, como as ASCs foram calibradas, essa correlao no causou
muitos prejuzos.
Todos os fatores limitantes relacionados s altas correlaes entre os coeficientes

poderiam ter sido minimizados com um maior nmero de combinaes entre as
alternativas geradas no PFF.
Outro aspecto que limitou a capacidade de coleta de informaes foi a deciso

de sempre ocultar as alternativas atuais reveladas pelos entrevistados. Essa ao
impossibilitou a estimao da tendenciosidade relacionada inrcia dos respondentes
em permanecer com a mesma alternativa.
213
7.1.6 Os Modelos Estimados
Os resultados alcanados nas etapas de estimao foram satisfatrios, dentro das

limitaes das fontes de dados, comentadas no sub-tpico anterior, possibilitando o
alcance dos objetivos definidos. Os resultados de estimao confirmaram o que est
consolidado na literatura, o fato da utilizao conjunta dos dados PD e PR
proporcionarem resultados mais consistentes que aqueles provenientes de dados puros.
Os modelos com melhor performance de estimao so aqueles que assumiram a

hiptese de que os coeficientes estruturais entre nests distintos so diferentes, indicando
processos mais reais do impacto da escolha dos usurios entrevistados. Os modelos que
assumiram essa hiptese foram os modelos 04 e 05. O modelo 05 foi estimado com
parmetro 2 um pouco maior que aquele estimado no modelo 04. No entanto, o
modelo 04 foi estimado com o menor nvel de correlao entre os atributos. Como a
diferena entre o parmetro 2 dos modelos 04 e 05 zero, considerando os nmeros
com duas casa decimais, optou-se pela aplicao do modelo 04.
7.1.7 A Calibrao da Funo de Utilidade
As funes de utilidade foram calibradas com os parmetros dos atributos

estimados satisfatoriamente, com a aplicao de dados conjuntos. No entanto, os valores
da populao de veculos leves do municpio de Caucaia utilizados na calibrao das
ASCs no correspondem populao real de usurios.
Devido ao tamanho pequeno da rea de estudo e aos variados perfis de usurios

que abastecem nos postos destacados, a identificao da populao real no foi possvel.
A considerao de uma delimitao mais abrangente da rea de estudo, que contivesse
um sistema de oferta e demanda mais definido, tornaria mais fcil a identificao
composio da populao.
214
7.1.8 As Anlises de Trade-Off
Os resultados de trade-off entre os atributos no contriburam decisivamente

para a identificao da importncia relativa entre as variveis. A obteno de valores
mais representativos seria possvel atravs de uma coleta de dados dividida em
segmentos de usurios relativamente homogneos. Os critrios de segmentao
poderiam ser vrios, baseados nos combustveis e veculos atuais, nas distncias mdias
percorridas, renda etc.
7.1.9 As Elasticidades e Cenrios de Demanda
Salvas as limitaes decorrentes das restries da aplicao, j destacadas, bem

como das prprias caractersticas de um Estudo de Caso, que no permite a
generalizao das suas concluses, possvel concluir que o mercado de GNV possui
um grande potencial de crescimento, podendo ser estimulado caso se tenha um plano de
expanso de mercado. No entanto, percebe-se que a Alternativa Gasolina e lcool
bastante atrativa, surgindo como grande concorrente do gs. Porm, os veculos flex
atuam em nichos de mercados estreitos, limitados a indivduos de melhores condies
de renda, devido ao alto custo de aquisio da tecnologia.
Os resultados dos cenrios de demanda indicam que a acessibilidade aos postos

de abastecimento um ponto bastante relevante na expanso da demanda por GNV. A
reduo de espao do bagageiro apresentou tambm como importante limitante.
Os resultados tambm indicaram que a caracterstica de menor preo do GNV j

contribuiu para uma grande captao de demanda, indicando que a maior parte da
demanda reprimida atual no influenciada pelo custo do combustvel, e sim pelos
outros atributos.
O cenrio que resultou mais otimista foi o cenrio 5, pois reflete um efeito duplo
do decrscimo do preo do GNV e do aumento da disponibilidade de postos de GNV.
Destaca-se que esse cenrio tem grandes possibilidades de acontecer, dependendo de
uma srie de polticas pblicas em conjunto com a iniciativa privada.
215
Vale salientar tambm que os resultados so de grande utilidade para uma

anlise de viabilidade econmica da implantao de determinadas iniciativas que
possam tornar reais os cenrios definidos.
Por fim, importante destacar que os resultados de demanda foram obtidos para
a realidade da rea de estudo no perodo de realizao da pesquisa. No possvel fazer
generalizaes para outras regies, bem como para outro momento em que a realidade
de mercado seja diferente.
7.2 RECOMENDAES
Dentre vrios outros aspectos relacionados temtica abordada no presente

trabalho, possvel destacar alguns, tais como:
Aplicao da metodologia GNVPREV em outras reas de estudo, para a

realizao de uma anlise comparativa dos resultados;
Adaptao da metodologia GNVPREV para o estudo de outros cenrios

de mercado, envolvendo por exemplo o diesel e o biodiesel;
Estudos de cruzamento demanda x oferta;
Elaborao de metodologias para previso de demanda por gs natural em

outros setores como o industrial, o comercial e residencial.
Utilizar outras abordagens de modelos de escolha discreta, como mixed

logit, para com as mesmas fontes de dados e realizao de uma anlise
comparativa do desempenho dos modelos.
216
REFERNCIAS BIBLIOGRFICAS
ANP (2003a) Anurio Estatstico ANP 2003. Disponvel em

<http://www.anp.gov.br/conheca/anuario_2003.asp>. Data de Acesso:
15/06/2004
ANP (2003b) Gs Natural Veicular: Mercado em Expanso. Superintendncia de

Comercializao e Movimentao de Gs Natural. Ministrio das Minas e
Energia. Agncia Nacional de Petrleo. Agosto de 2003. Disponvel em
<http://www.anp.gov.br/doc/gas/nota_tec_023.PDF> Data de Acesso:
25/12/2003.
ARRUDA (1995) Evaluation of Urban Transport Projects in Developing Countries :

An Accessibility Approach. Ph.D Thesis. Institute For Transport Studies,
University of Leeds, England.
BANCO DO BRASIL (2004) Converso de Moedas. Disponvel em

<http://www.bcb.gov.br/?TXCONVERSAO>. Data de Acesso: 21/06/2004.
BANCO CENTRAL DO BRASIL (2004) Taxas Apuradas no Selic Disponvel em

<http://www.bcb.gov.br/?SELICDIA>. Acesso em 17/08/2004.
BEER, T., GRANT, T., WILLIAMS, D. & WATSON, H. (2001) Fuel-cycle

greenhouse gas emissions from alternative fuels in Australian heavy vehicles.
Atmospheric Environment, Pergamon.
BECKER (1965) A Theory in the Allocation of Time. Economic Journal 75(299): 493-
517.
BEGGS, S.; CARDELL, S; HAUSMAN, J (1981) Assessing the Potential Demand for
Electric Cars. Journal of Econometrics, 16: 1-19.
BEN (2003) Balano Energtico Nacional. Ministrio das Minas e Energia, Braslia,
DF.
217
BEN-AKIVA, M., LERMAN, S. (1985) Discrete Choice Analysis: Theory and

Application to Travel Demand. 7a ed. Cambridge, MIT Press, USA.
BEN-AKIVA, M; MORIKAWA, T; SHIROISHI, F (1991) Analysis of the Reliability of

Preference Ranking Data. Journal of Business Research, Vol 23, pp 283-286.
BNDES (2004) BNDES Card Expands Performance and Finances Natural Vehicular
Gas Kit. Disponvel em <http://www.bndes.gov.br/english/news/not857.asp>.
Data de Acesso: 15 de agosto de 2004.
BONSAL, P (1985) Transfer Price Data Its Definition, Collection and Use. New
Survey Method in Transport. VNU Science Press. Utrech.
BRADLEY, M; DALY, A. J. (1991) Estimation of Logit Choice Models Using Mixed

Stated Preference and Revealed Preference Information. Proceedings of 6th
International Conference on Travel Behaviour, Quebec, Canada.
BRADLEY, M; KROES, E.P. (1990) Simultaneous Analysis os Stated Preference and

Revealed Preference. PTRC 18th Summer Annual Meeting Seminar on
Transportation Planning Methods. September, University of Sussex, England.
BRASIL (1997) Lei N 9.503, de 23 de Setembro de 1997 Institui o Cdigo de

Trnsito Brasileiro. Senado Federal, Repblica Federativa do Brasil.
BRASIL ENERGIA (2004) Governo Federal prioriza planos de expanso para o gs

natural. Edio de julho de 2003.
BROWNSTONE, D; BUNCH, D. S; GOLOB, T. F. (1994) A Demand Forecasting

System for Clean-Fuel Vehicles. OECD Conference on Fuel Efficient and
Clean Motor Vehicles, Mexico City.
BROWNSTONE, D; BUNCH, D.; TRAIN, K. (2000) Joint mixed logit models of stated
and revealed preferences for alternative-fuel vehicles. Transportation
Research, Part. B, p.315-338.
BROWNSTONE, D; TRAIN, K (1999) Forecasting new product penetration with

flexible substitution patterns. Journal of Econometrics, 89, 109-129.
218
BUNCH, D. S.; BRADLEY, M.; GOLOB, T. F.; KITAMURA, R.; OCCHIUZZO, G. P

(1993) Demand for Clean-Fuel Vehicles in California: A Discrete-Choice
Stated Preference Pilot Project. In: Transportation Research A, Vol. 27A,
N3, pp. 237-253.
CANAL ENERGIA (2004) Entrevista com o Diretor de Gs e Energia da Petrobrs,

Ildo Sauer. Disponvel em
<http://www.canalenergia.com.br/zpublisher/secoes/ENTREVISTAS.asp>.
Data de Acesso: 15 de junho de 2004.
CALDAS (1995) Assessing the Efficiency of Revealed and Stated Preference Methods
for Modelling Transport Demand. Ph.D. Thesis. School of Management,
Centre for Logistics and Transportation, Cranfield University.
CATTERALL, M; MACLARAN, P. (1997) Focus Group Data and Qualitative

Analysis Programs: Coding the Moving Picture as Well as the Snapshots.
Sociological Research Online, Vol. 2, n 1. Disponvel em
<http://www.socresonline.org.uk/ socresonline/2/1/6.html>. Data de Acesso:
12/11/03.
CEGAS (2003) Arquivo de Mapas. Companhia de Gs do Cear. Disponvel em

<www.cegas.com.br> Data de Acesso: 12/08/2004.
CETESB (2004) Emisso Veicular. Companhia de Tecnologia de Saneamento

Ambiental. Disponvel em
<http://www.cetesb.sp.gov.br/Ar/emissoes/proconve2.asp>. Data de acesso:
24/09/2004.
CHAPEL, F. (2002) Egypts Clean Fuel Initiative. In: World NGV 2002 Conference.
Washington, D.C., October, 8-10 2002. Disponvel em
<http://www.iangv.org/jaytech/default.php?PageID=42>. Data de Acesso:
30/07/2004.
CHAPMAN, R.G; STAELIN, R (1982) Exploiting Rank Ordered Choice Set Data
within the Stochastic Utility Model. Journal of Marketing Research. Vol. 19 pp
288-301.
219
CONPET (2003) Gs Natural: Informaes Tcnicas. Publicaes do CONPET

Programa Nacional de Racionalizao do Uso dos Derivados de Petrleo e Gs
Natural. Disponvel em <http://www.conpet.gov.br/htm/ign.htm>. Data de
acesso: 25/05/2003.
CONAMA (2001) Resoluo n. 291, de 25 de outubro de 2001. Ministrio do Meio

Ambiente. Conselho Nacional do Meio Ambiente.
CTGS (2003) Mercado brasileiro de GNV cresce 54% em 2002 e se torna segundo
maior do mundo. Disponvel em
<http://www.ctgas.com.br/informacoes/news/business2008.asp>. Data de
acesso: 14/10/2003.
CTGS (2004) Percentuais de reduo de emisso de poluentes do GNV em relao

gasolina. Informao no publicada, disponvel diretamente para o autor.
DAGSVIK , J. K.; WENNEMO, T.; WETTERWALD, D. G.; AABERGE, R (1999)

Potential Demand for Alternative Fuel Vehicles. Statistics Norway Research
Department.
DAWES, R; CORRIGAN, B (1974) Linear Models in Decision Making. Psychological

Bulletin 81, pp 95-106.
DETRAN (2004) Frota de Veculos Leves por Combustvel no Estado do Cear. Dados
contidos no anexo do Ofcio n 434/2004, encaminhado pelo DETRAN ao
Programa de Mestrado em Engenharia de Transportes. Departamento Estadual
de Trnsito, Governo do Estado do Cear.
ECONOMETRIC SOFTWARE (1998) LIMDEP version 7.0. Revised edition. New

York.
ENGVA (1996) Natural Gas Vehicles and Their Impact on Global Warming. European
Natural Gas Vehicles, The Netherlands. Disponvel em
<http://www.engva.org/marketing/view.phtml?page=169.phtml>. Data de
Acesso: 10/05/2004.
220
ESALQ/BM&F (2004) Indicador de Preo do lcool Etlico Hidratado Carburante.

Ministrio da Agricultura, Pecuria e Abastecimento, Secretaria de Produo e
Comercializao, Departamento do Acar e do lcool. Disponvel em
<www.cepea.esalq.usp.br/>. Data de Acesso: 27/09/2004.
ETZBACH, V. (2002) NGVs in Germany: Challenge, Development and Success. In:

World NGV 2002 Conference. Washington, D.C., October, 8-10 2002.
Disponvel em <http://www.iangv.org/jaytech/default.php?PageID=42>. Data
de Acesso: 30/07/2004.
GS BRASIL (2004) Estatsticas GNV: IBP apresenta planilha com dados estatsticos
atualizados do mercado de GNV no ms de maio de 2004. Disponvel em
<http://www.gasbrasil.com.br/index.asp>. Data de Acesso: 30/07/2004.
GOLDIN, D. A. (2002) NGV Integration in Latin Amrica. In: World NGV 2002
Conference. Washington, D.C., October, 8-10 2002. Disponvel em
30/07/2004.
GOZZI, G. (2002) Diffusion of natural Gas Vehicles In Italy. In: World NGV 2002
30/07/2004.
GREEN, P.E.; SRINIVASAN, V (1978) Conjoint Analysis in Marketing: New

Development with Implications for Research and Pratice. Journal of
Marketing, 54(4), pp 3-19.
GRI (1998) Natural Gas Vehicle Industry Strategy. Gas Research Institute, Natural Gas
Vehicle Coalition. Disponvel em
<http://www.ngvc.org/ngv/ngvc.nsf/attached/strategy.pdf/$FILE/strategy.pdf>.
Data de Acesso: 10/05/2004.
HAHN, G.J.; SHAPIRO, S.S. (1966) A Catalog and Computer Program for the Design
and Analysis of Orthogonal Symmetric and Asymmetric Fractional Factorial
221
Experiments. Schenectady, NY: General Electric Research and Development

Center.
HCG (2004) HCG Software ALOGIT 4.1. Licennsed to FCPC Brasil. Hague Consulting
Group, The Netherlands.
HENSHER, D (1986) Sequential and Full Information Likelihood Estimation of a

Nested Logit Model. Review of Economics and Statistcs, pp 657-667.
HENSHER, D (1993) Stated Preference Analysis of Travel Choices: The State of

Pratice. Tranportation Research, N21, pp 107-133.
HENSHER, D. A.; GREENE, W. H. (2002) The Mixed Logit Model: The Stated of
Practice. Institute for Transport Studies, University of Sidney. Disponvel em
<http://pages.stern.nyu.edu/~wgreene/MixedLogitSOP.pdf> Data de Acesso:
10/05/2004.
HUIZENGA, C (2002) Clean Air Initiative for Asian Cities. In: World NGV 2002
30/07/2004.
IANGV (2004) Latest International NGV Statistics. Disponvel em

<http://www.iangv.org/default.php?PageID=130>. Data de Acesso:
30/07/2004.
IBAMA (2004) Programa de Controle da Poluio do Ar por Veculos Automotores.

Ministrio do Meio Ambiente, Instituto Brasileiro do Meio Ambiente e dos
Recursos Naturais Renovveis. Braslia, DF.
IBGE (2002a) Base de Informaes por Setor Censitrio. Censo Demogrfico 2000:
Resultados do Universo Cear.
IBGE (2002b) Base de Informaes por Setor Censitrio. Censo Demogrfico 2000:
Resultados do Universo Cear - Caucaia.
222
IBGE (2003). Pesquisa de Informaes Bsicas Municipais. Disponvel em:

<http://www.ibge.gov.br/perfil/index.htm. Data de Acesso: 19/09/2003.
IBP (2005) Estatsticas da Frota de GNV no Brasil: Resumo Histrico. Disponvel em

<www.ibp.org.br>. Data de Acesso: 31/01/2005.
IEA (2002) Biofuel on Transport: International Perspective. International Energy

Agency, France.
IEA (2003) Natural Gas Information - 2002. International Energy Agency. OECD/IEA.
France
IEA (2004) Key World Energy Statistics - 2003. International Energy Agency.
OECD/IEA. France.
INMETRO (1996) Portaria n 74 de 13 de maio de 1996. Ministrio do Desenvolvimento,

Indstria e Comrcio Exterior MDIC. Instituto Nacional de Metrologia,
Normalizao e Qualidade Industrial.
INMETRO (2002a) Portaria n 170 de 28 de agosto de 2002. Ministrio do

Desenvolvimento, Indstria e Comrcio Exterior MDIC. Instituto Nacional
de Metrologia, Normalizao e Qualidade Industrial.
INMETRO (2002b) Portaria n 102 de 20 de maio de 2002. Ministrio do

INMETRO (2003) Portaria n 190 de 10 de dezembro de 2003. Ministrio do

IPECE (2004) Perfil Bsico Municipal Caucaia. Instituto de Pesquisa e Estratgia

Econmica do Cear, Governo do Estado do Cear. Disponvel em
<http://www.ipece.ce.gov.br/>. Data de Acesso: 15/08/2004.
223
KOCUR, G.;ADLER, T.; RYMAN; W. (1982) Guide to Forecasting Travel Demand

with Direct Utility Assessment. Resource Policy center, Dartmouth College,
Hanover, NH.
KROES, E. P.; SHELDON, R. J. (1988) Stated Preference Methods: An Introduction.

Journal of Transport Economics and Policy, v. XXII, n.1, p.11-25.
LANCASTER, K (1966) A New Approach to Consumer Theory. Journal of Political

Economy 74(2): 132-157
LAKATOS, E. M. (2001) Fundamentos da Metodologia Cientfica 4. Ed. Editora

Atlas, So Paulo.
LOUVIERE, J.J., HENSHER, D.A., SWAIT, J.D. (2000) Stated Choice Methods
Analysis and Application. 1a ed. Cambridge, Cambridge University Press.
LUCE, R; SUPPES, P (1965) Preference, Utility and Subjective Probability. In: R.

LUCE, R; BUSH, R; GALANTER, E., (eds) Handbook of Mathematical
Psychology. Vol 3. Wiley, New York.
MANSKI, C; MCFADDEN, D. (1981) Structural Analysis of Discrete Data with

Econometric Applications. The MIT Press. Cambridge, Massachustes, London,
England.
MARK, T. L; SWAIT, J. (2003) Using Stated Preference Modeling to Forecast the

Effect of Medication Attributes on Prescriptions of Alcoholism Medications.
Value in Health, Vol. 6 n4.
MCFADDEN, D. (1974) Condicional Logit Analysis of Qualitative Choice Behaviour.

In: Frontiers in Econometrics. P. Zarembka, ed. Academic Press, New York.
MCFADDEN, D. (1978) Modeling the Choice of Residential Location, In: A.

Karlqvist, L. Lundqvist, F. Snickars, and J. Weibull, eds., Spatial Interaction
Theory and Planning Models, North-Holland, Amsterdam, pp. 7596.
MCT (2000) O Mecanismo de Desenvolvimento Limpo e as Oportunidades Brasileiras.

Ministrio da Cincia e Tecnologia. Disponvel em
224
<http://www.mct.gov.br/CEE/revista/Parcerias9/05revist9klabin.PDF>. Data
de Acesso: 13/05/2002.
MELO, F. B. H. (1993) A agricultura nos anos 80: perspectivas e conflitos entre

objetivos de poltica. Estudos Econmicos. So Paulo, SP.
MORIKAWA, T. (1989) Incorporating Stated Preference Data in Travel Demand

Analysis. Ph.D. Thesis, Department of Civil Engineering, M.I.T.
ORTZAR, J. de D. e WILLUMSEN, L. G. Modelling Transport. 3a ed. John Wiley &

Sons Ltd., New York, NW, USA, 1994;
PDDU (1998) Plano Diretor de Desenvolvimento Urbano do Municpio de Caucaia.

Prefeitura Municipal de Caucaia. Governo do Estado do Cear.
PERMAIN, D.; SWANSON, J.; KROES, E.; BRADLEY, M. (1991) Stated Preference
Techniques: A Guide to Practice. Steer Davies Gleave and Hague Consulting
Group.
PORTAL GASENERGIA (2004) Desconto no IPVA no Rio de Janeiro e em So Paulo.

Disponvel em
<http://www.gasenergia.com.br/portal/simulador/incentivos.jsp>. Data de
Acesso: 15/08/2004.
PRAA, E. R. (2003) Distribuio de Gs Natural no Brasil: Um Enfoque Crtico e de

Minimizao de Custos. Dissertao de Mestrado. Programa de Mestrado em
Engenharia de Transportes, Universidade Federal do Cear, Fortaleza.
RIBEIRO, S. K. (2001) Barreiras na Implantao de Alternativas Energticas para o

Transporte Rodovirio no Brasil. COPPE/ UFRJ, Rio de Janeiro, RJ.
RUGGIERO, M. A. G.; LOPES, V. L. R. (1996) Clculo Numrico: Aspectos Tericos

e Computacionais. Ed. Makron Books, 2 Edio, So Paulo.
SANTOS, E. M. (2002). Gs natural Estratgias para uma Energia Nova no Brasil.

Editora Annablume. 1a ed. Rio de Janeiro/RJ.
225
SISTEMA FIRJAN (2004) O Futuro do GNV no Brasil. FIRJAN, CIRJ, SESI, SENAI,
IEL. Rio de Janeiro.
SEISLER, J. M. (2000) International NGV Markets. European Natural Gas Vehicles,

The Netherlands. Disponvel em
<http://www.engva.org/marketing/view.phtml?page=169.phtml>. Data de
Acesso: 10/05/2004.
SIMON, H (1967) Models of Man. Wiley, New York.
SMALL, K; HSIAO; C (1982) Multinomial Logit Specificaion Tests. Working Paper.

Department of Economics, Princeton University, Princeton, NJ.
SWAIT, J; LOUVIERE, J; WILLIAMS, M. (1994) A Sequential Approach to

Exploiting the Combined Strengths of SP and RP Data: Application to Freight
Shipper Choice. Transportation, 21:135-152.
TRAIN, K. E. (2003) Discrete Choice Methods with Simulation. University of

California, Berkeley.
TRAIN, K; MCFADDEN, D; BEN-AKIVA, M (1987) The Demand for Local

Telephone Service: a Fully Discrete Model of Residencial Calling Patterns and
Service Choices. Rand Journal of Economics. Vol. 18 N 1, Spring.
TRIOLA, M. F. (1999) Introduo Estatstica. Livros Tcnicos Cientficos Editora

S.A Rio de Janeiro, RJ.
WILLIAMS, H. On the Formation of Travel Demand Models and Economic Evaluation

Measures of User Benefit. Environment and Planning, 9, 285-344, 1977.
_________ (2003) Alternative Fuel vehicles. Federal Energy Management Program.
U.S. Department of Energy. Disponvel em <www.eere.energy.gov/femp> Acesso em

10/05/2004.
_________ Typical Questions and Answers. European Natural Gas Vehicle Association
- ENGVA. Disponvel em
226
<http://www.engva.org/view.phtml?page=160.phtml>. Data de Acesso:

10/05/2004.
_________ Gs Natural Veicular: Perguntas mais Freqentes. Ministrio do

de Metrologia, Normalizao e Qualidade Industrial. Disponvel em <
http://www.inmetro.gov.br/ouvidoria/faqs.asp#gasnatural>. Data de Acesso:
20/08/2004.
227
ANEXOS
228
ANEXO I
QUESTIONRIO DE SELEO DE ATRIBUTOS
Bom dia/ tarde. Suponha que o(a) Senhor(a) est decidindo hoje em converter ou no o
seu veculo para GNV, e que existem duas caractersticas que so consideradas por voc
na deciso.
Para voc, DENTRE CADA PAR, qual o aspecto mais importante?
Restrio do Combustvel na Rede de Postos Custo com Converso
Custo com Converso Potncia do Veculo
Espao Perdido no Bagageiro Custo com Converso
Espao Perdido no Bagageiro Potncia do Veculo
Restrio do Combustvel na Rede de Postos Potncia do Veculo
Espao Perdido no Bagageiro Restrio do Combustvel na Rede de Postos

229
ANEXO II
QUESTIONRIOS DE PREFERNCIA REVELADA E DE

CARACTERIZAO SOCIOECONMICA
1) Tipo de Veculo Atual

( ) SOMENTE GASOLINA ( ) SOMENTE LCOOL
( ) GASOLINA E LCOOL ( ) GASOLINA E GNV
( )LCOOL E GNV
2) Marca do Veculo Atual __________________________ Ano de fabricao_____________
3) Local de Trabalho ________________________ Local de Residncia __________________
4) Distncia Mensal Mdia Percorrida no veculo (km) _______________________________
5) Profisso _________________________Escolaridade _______________________________
6) Voc Acha um Veculo Movido a GNV Seguro? ( ) SIM ( ) NO ( ) NO SEI
7) Qual o Posto da cidade de Caucaia voc mais abastece?

( ) Posto Caucaia (Centro)
( ) Posto Iparana (Entrada de Caucaia por Fortaleza)
( ) Posto Estruturante (Sada de Caucaia para o Icara)
( ) Posto Trevo (Cigana)
( ) Nenhum
8) Renda Mdia Familiar:
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14)
14 - MAIS DE R$ 7.000,00 1 - R$ 500,00 R$ 1.000,00
13 - R$ 6.501,00 R$ 7.000,00 2 - R$ 1.001,00 R$ 1.500,00
12 - R$ 6.001,00 R$ 6.500,00
3 - R$ 1.501,00 R$ 2.000,00
11 - R$ 5.501,00 R$ 6.000,00
4 - R$ 2.001,00 R$ 2.500,00
10 - R$ 5.001,00 R$ 5.500,00
5 - R$ 2.501,00 R$ 3.000,00
9 - R$ 4.501,00 R$5.000,00
6 - R$ 3.001,00 R$ 3.500,00
8 - R$4.001,00 R$4.500,00 7 - R$ 3.501,00 R$4.000,00

230
ANEXO III
EXEMPLO DE QUESTIONRIO DE PREFERNCIA

DECLARADA
231
ANEXO IV
EXEMPLOS DE ARQUIVOS DE CONTROLE E RELATRIOS DO

DE SADA DO SOFTWARE ALOGIT 4.1 MODELO 04.
ANEXO 4.1: ARQUIVO DE CONTROLE FORMULADO PARA ESTIMAO

COM DADOS CONJUNTOS PD E PR
- Define data input

file(name=modelo04sp.dat,handle=modelo04sp,
g3.0,g5.2,g2.0,
g4.0,g5.2,g2.0,
g4.0,g5.2,g2.0,
g4.0,g5.2,g2.0,
g4.0,g5.2,g2.0,g2,0)
d1-d16
file(name=modelo04rp.dat,handle=modelo04rp,follows,
g4.2,g5.2,g5.2,g5.2,g5.2,
g5.0,g5.1,g3.0)
d17-d24
--------------------------------------------------------
$title Pesquisa Expedito
-$print transforms
-$print iter = 5, mat.stat = 2
$ESTIMATE
--------------------------------------------------------
-disponibilidade SP
ifeq(d2,0) then
avail(1) = false
end
ifeq(d5,0) then
avail(2) = false
end
ifeq(d8,0) then
avail(3) = false
end
ifeq(d11,0) then
avail(4) = false
end
ifeq(d14,0) then
avail(5) = false
end
-------------------------------------------------------
-disponibilidade RP
ifeq(d17,0) then
avail(6) = false
end
ifeq(d18,0) then
avail(7) = false
end
ifeq(d19,0) then
avail(8) = false
end
ifeq(d20,0) then
avail(9) = false
end
ifeq(d21,0) then
avail(10) = false
end
--------------------------------------------------------
232
ifeq(d16,0) then
choice = d24
else
choice = d16
end
-------------------------------------------------------
- custo comb. RP
d51 = d17*d22
d52 = d18*d22
d53 = d19*d22
d54 = d20*d22
d55 = d21*d22
-----------------------------------------------------
- Alternativa 1
U(1) = p10 + p11*d36 + p12*d37 + p13*d38
- Alternativa 2
U(2) = p11*d39 + p12*d40 + p13*d41
- Alternativa 3
U(3) = p30 + p11*d42 + p12*d43 + p13*d44
- Alternativa 4
U(4) = p40 + p11*d45 + p12*d46 + p13*d47
- Alternativa 5
U(5) = p50 + p11*d48 + p12*d49 + p13*d50
- Alternativa 6
U(6) = p60 + p11*d51
- Alternativa 7
U(7) = p11*d52
- Alternativa 8
U(8) = p80 + p11*d53
- Alternativa 9
U(9) = p90 + p11*d54
-Alternativa 10
-U(10) = p100 + p11*d55
-----------------------------------------------------------------------
$nest root () dedicPR BiPR a1 a2
$nest dedicPR (400) 6 7
$nest BiPR (600) 8 9
$nest a1 (200) dedicPD
$nest a2 (200) BiPD
$nest dedicPD (400) 1 2
$nest BiPD (600) 3 4 5
233
ANEXO 4.2: ARQUIVO DE SADA DAS ESTIMAES COM DADOS

CONJUNTOS PD E PR
HCG Software (C) ALOGIT 4.1 serial 4042

Licensed to: FCPC Brasil
caucaiac_Sem10m4.ALO
C:..ogramas\HCG Software\ALOGIT 4\alo4ec.exe 537088 b. Date: 27 Sep 04 at 15:58
USER ERROR 257: decimal point needed in E, F or G format
INFORMATION 228: number of characters per record 56
WARNING 237: FORMAT not used completely
INFORMATION 243: number of physical records per observation is 1
INFORMATION 246: modelo04sp : first main file

C:..\modelagem total_5 modelos\modelo04sp.dat 37590 b. Date: 25 Jan 05 at 14:07
INFORMATION 246: modelo04rp : follows

C:..\modelagem total_5 modelos\modelo04rp.dat 10259 b. Date: 25 Jan 05 at 13:50
WARNING 424: coefficient Theta0400 initialised to 1.00
INFORMATION 163: control file completed: 132 lines

C:..\modelagem total_5 modelos\caucaiac_Sem1 2472 b. Date: 8 Feb 05 at 14:08
Function defined in control file: PREP & ESTIM
$ESTIMATE controls
Control present = T
Estimation done = F
Linear first = T
Estimate later = F
Accept error = F
REPORT OF COEFFICIENTS
Label Con Value Type
------- --- ----- -----
Beta00010 F .0000 Utility
Theta0200 F 1.000 Tree
3
Tree from level 4 to root

(with structure coefficients)
Alt.00001 -.
Alt.00002 ---(Theta0400 )-dedicPD ---(Theta0200 )-a1 -.
Alt.00006 -. |
Alt.00007 ---(Theta0400 )-dedicPR -|
Alt.00008 -. |
Alt.00009 ---(Theta0600 )-BiPR -|
Alt.00003 -. |
Alt.00004 -| |
Alt.00005 ---(Theta0600 )-BiPD ---(Theta0200 )-a2 ---Root
INFORMATION 001: control file processing .1 secs.
OBSERVATION REJECTED 517: 649: choice indicator 0 not an alternative
INFORMATION 534: reached end of file: modelo04sp after 651 records
INFORMATION 534: reached end of file: modelo04rp after 264 records
Data input completed after 915 records
Rejected 4 observations with unacceptable choices
FREQUENCY DISTRIBUTION OF ALTERNATIVE AVAILABILITY

(Total weight is 911.00 )
Alternative Chosen Unchosen Avail. Unavail.

----------- --------- --------- --------- ---------
Alt.00001 83.00 240.00 323.00 588.00
Alt.00002 23.00 39.00 62.00 849.00
Alt.00003 225.00 140.00 365.00 546.00
Alt.00004 162.00 112.00 274.00 637.00
Alt.00005 155.00 117.00 272.00 639.00
Alt.00006 17.00 246.00 263.00 648.00
Alt.00007 207.00 56.00 263.00 648.00
Alt.00008 3.00 260.00 263.00 648.00
Alt.00009 36.00 227.00 263.00 648.00
dedicPR .00 263.00 263.00 648.00
BiPR .00 911.00 911.00 .00
a1 .00 911.00 911.00 .00
a2 .00 911.00 911.00 .00
dedicPD .00 911.00 911.00 .00
BiPD .00 911.00 911.00 .00
RANGES OF INDEPENDENT VARIABLES

Coefficient Chsn Min Chsn Max Diff Min Diff Max
----------- --------- --------- --------- ---------
Beta00010 .00 1.00 -1.00 1.00
Beta00011 15.40 1320.00 -1320.00 880.00
Beta00012 .00 1.00 -1.00 .75
Beta00013 .00 1.00 -1.00 1.00
Beta00030 .00 1.00 -1.00 1.00
Beta00040 .00 1.00 -1.00 1.00
Beta00050 .00 1.00 -1.00 1.00
Beta00060 .00 1.00 -1.00 1.00
Beta00080 .00 1.00 -1.00 1.00
Beta00090 .00 1.00 -1.00 1.00
3
INFORMATION 002: data processing time .0 secs.
C:..\modelagem total_5 modelos\caucaiac_Sem1 87377 b. Date: 8 Feb 05 at 14:08
INFORMATION 603: linear ("Quick") algorithm being used

Iteration 1 Function = -813.7548 Conv.(3) = 33.9
Iteration 4 Function = -530.9453 Conv.(3) = .162
Iteration 5 Function = -530.9322 Conv.(3) = .615E-02
Convergence achieved after 5 iterations
Analysis is based on 911 observations
Likelihood with Zero Coefficients = -813.7548
Likelihood with Constants only = -597.8846
Initial Likelihood = -813.7548
Final value of Likelihood = -530.9322
"Rho-Squared" w.r.t. Zero = .3476
"Rho-Squared" w.r.t. Constants = .1120
ESTIMATES OBTAINED AT ITERATION 5
Likelihood = -530.9322
Beta00010 Beta00011 Beta00012 Beta00013 Beta00030 Beta00040
Estimate -.3974E-01 -.6789E-02 1.387 -.3943 1.261 1.722

Std. Error .315 .789E-03 .337 .992E-01 .318 .355
"T" Ratio -.1 -8.6 4.1 -4.0 4.0 4.8
Beta00050 Beta00060 Beta00080 Beta00090
Estimate 1.421 -2.843 -4.485 -2.937

Std. Error .335 .255 .581 .246
"T" Ratio 4.2 -11.1 -7.7 -11.9
Correlation of Estimates (multiplied by 1000)
0010 0011 0012 0013 0030 0040 0050 0060 0080

Beta00011 -37
Beta00012 127 -264
Beta00013 22 68 -154
Beta00030 878 -136 214 28
Beta00040 808 -144 350 -109 869
Beta00050 847 -157 277 -10 875 886
Beta00060 -5 146 -38 10 -20 -21 -23
Beta00080 -2 46 -12 3 -6 -7 -7 40
Beta00090 -23 616 -162 42 -84 -89 -97 181 67
3
Convergence (option 3) value is .6149E-02

INFORMATION 003: linear estimation time .1 secs.
INFORMATION 645: continue with non-linear optimisation
INFORMATION 605: tree algorithm being used
Iteration 6 Function = -530.9322 Conv.(3) = 3.34 approx. step
Iteration 7 Function = -570.0189 not improving, factor = .15000
Iteration 8 Function = -529.7756 Conv.(3) = 2.59 approx. step
Iteration 15 Function = -527.4837 Conv.(3) = .929E-02
Convergence achieved after 15 iterations

Analysis is based on 911 observations
Likelihood with Zero Coefficients = -813.7548

Likelihood with Constants only = -597.8846
Initial Likelihood = -530.9322
Final value of Likelihood = -527.4837
Rho-Squared" w.r.t. Zero = .3518
"Rho-Squared" w.r.t. Constants = .1177
ESTIMATES OBTAINED AT ITERATION 15
Likelihood = -527.4837
Beta00010 Beta00011 Beta00012 Beta00013 Beta00030 Beta00040
Estimate -.1589 -.6637E-02 1.331 -.4010 1.014 1.452

Std. Error .300 .122E-02 .449 .119 .540 .605
"T" Ratio -.5 -5.5 3.0 -3.4 1.9 2.4
Beta00050 Beta00060 Beta00080 Beta00090 Theta0200 Theta0400

Estimate 1.157 -2.825 -6.602 -5.117 1.280 .9141
Std. Error .543 .261 1.67 1.64 .394 .245
"T" Ratio 2.1 -10.8 -3.9 -3.1 3.2 3.7
Theta0600
Estimate .6166
Std. Error .218
"T" Ratio 2.8
Correlation of Estimates (multiplied by 1000)
0010 0011 0012 0013 0030 0040 0050 0060 0080 0090 0200 0400
Beta00011 192
Beta00012 -119 -586
Beta00013 160 362 -496
Beta00030 523 -341 589 -272
Beta00040 455 -367 656 -368 951
Beta00050 548 -314 578 -265 947 951
Beta00060 46 244 -143 88 -84 -90 -77
Beta00080 220 399 -224 215 14 -9 36 125
Beta00090 243 498 -282 253 -16 -42 9 150 929
Theta0200 99 54 -276 231 -385 -392 -359 -7 -472 -461
Theta0400 180 632 -367 258 -156 -178 -134 178 720 774 -522
Theta0600 219 439 -249 225 -10 -33 12 124 903 949 -583 883
Convergence (option 3) value is .9293E-02

INFORMATION 004: main estimation time .2 secs.
INFORMATION 005: total run time is .6 secs. Run at 14:08:20 on 8 Feb 05
INFORMATION 006: run time (hours:min:sec) is 0:00:01
3
ANEXO 4.3: ARQUIVO DE CONTROLE PARA APLICAO DO MODELO

ESTIMADO PARA CLCULO DAS ELASTICIDADES DE DEMANDA COM
DADOS CONJUNTOS PD E PR.
- Define data input

file(name=modelo04sp.dat,handle=modelo04sp,
g3.0,g5.2,g2.0,
g4.0,g5.2,g2.0,
g4.0,g5.2,g2.0,
g4.0,g5.2,g2.0,
g4.0,g5.2,g2.0,g2,0)
d1-d16
file(name=modelo04rp.dat,handle=modelo04rp,follows,
g4.2,g5.2,g5.2,g5.2,g5.2,
g5.0,g5.1,g3.0)
d17-d24
--------------------------------------------------------
title Pesquisa Expedito
-$print transforms
-$print iter = 5, mat.stat = 2
$APPLY
INCL.FILE caucaiac_final.f12
$elast (p11 1), (p11 2), (p11 3), (p11 4)
$elast (p12 1), (p12 2), (p12 3), (p12 4)
$elast (p13 1), (p13 2), (p13 3), (p13 4)
--------------------------------------------------------
-disponibilidade SP
-ifeq(d2,0) then
- avail(1) = false
-end
-ifeq(d5,0) then
- avail(2) = false
-end
-ifeq(d8,0) then
- avail(3) = false
-end
-ifeq(d11,0) then
- avail(4) = false
-end
-ifeq(d14,0) then
- avail(5) = false
-end
--------------------------------------------------------
-disponibilidade RP
-ifeq(d17,0) then
- avail(6) = false
-end
-ifeq(d18,0) then
- avail(7) = false
-end
-ifeq(d19,0) then
- avail(8) = false
-end
-ifeq(d20,0) then
- avail(9) = false
-end
-ifeq(d21,0) then
- avail(10) = false
-end
--------------------------------------------------------
ifeq(d16,0) then
choice = d24
else
238
choice = d16
end
-------------------------------------------------------
- custo comb. RP
d51 = d17*d22
d52 = d18*d22
d53 = d19*d22
d54 = d20*d22
d55 = d21*d22
-----------------------------------------------------
- Alternativa 1
U(1) = p60 + p11*(d36+d51) + p12*d37 + p13*d38
- Alternativa 2
U(2) = p70 + p11*(d39+d52) + p12*d40 + p13*d41
- Alternativa 3
U(3) = p80 + p11*(d42+d53) + p12*d43 + p13*d44
- Alternativa 4
U(4) = p90 + p11*(d45+d54) + p12*d46 + p13*d47
239
ANEXO 4.4: RESULTADOS DA APLICAO DO MODELO ESTIMADO

PARA CLCULO DAS ELASTICIDADES DE DEMANDA COM DADOS
CONJUNTOS PD E PR
HCG Software (C) ALOGIT 4.1 serial 4042

Licensed to: FCPC Brasil
caucaiac_Sem10t2app.ALO
C:..ogramas\HCG Software\ALOGIT 4\alo4ec.exe 537088 b. Date: 27 Sep 04 at 15:58
USER ERROR 257: decimal point needed in E, F or G format

WARNING 237: FORMAT not used completely
INFORMATION 246: modelo04sp : first main file
C:..agem total_5 modelos\apply\modelo04sp.dat 37590 b. Date: 25 Jan 05 at 16:07
WARNING 238: FORMAT used 2 times per observation
INFORMATION 246: modelo04rp : follows
C:..agem total_5 modelos\apply\modelo04rp.dat 10259 b. Date: 25 Jan 05 at 15:50
INFORMATION 201: include control input from caucaiac_final.f12
C:..agem total_5 modelos\apply\caucaiac_fina 216 b. Date: 10 Jan 05 at 11:14
INFORMATION 163: control file completed: 117 lines
C:..agem total_5 modelos\apply\caucaiac_Sem1 2218 b. Date: 28 Jan 05 at 2:47
Function defined in control file: APPLY
INFORMATION 101: maximum number of table rows 4
$ELAST specifications
Item mult. by Beta00011 for alt. Alt.00001
REPORT OF COEFFICIENTS
Label Con Value Type
------- --- ----- -----
Beta00011 F -.9624E-02 Utility
Beta00012 F 1.968 Utility
Beta00013 F -.6979 Utility
Beta00060 F -1.849 Utility
Beta00070 F -.1299 Utility
INFORMATION 001: control file processing .2 secs.

INFORMATION 534: reached end of file: modelo04sp after 651 records
INFORMATION 534: reached end of file: modelo04rp after 264 records
Data input completed after 915 records
Elasticities of demand with respect to Beta00011 of Alt.00001

Alt.00001 : elasticity -.8369
Alt.00002 : elasticity .1335

240
Alt.00003 : elasticity 1.7301

Alt.00004 : elasticity 1.9772










INFORMATION 002: data processing time .0 secs.

INFORMATION 005: total run time is .2 secs. Run at 11:15:42 on 10 Jan 05
INFORMATION 006: run time (hours:min:sec) is 0:00:00
241
ANEXO V
AMOSTRA DO BANCO DE DADOS DE PD
CC1 DP1 EB1 CC2 DP2 EB2 CC3 DP3 EB3 CC4 DP4 EB4 CC5 DP5 EB5 Escolha
181 1.00 1 000 0000 0 181 0.50 1 000 0000 0 000 0000 0 1
181 0.50 0 000 0000 0 098 0.50 1 000 0000 0 000 0000 0 3
000 0000 0 000 0000 0 220 1.00 0 181 0.50 0 000 0000 0 3
000 0000 0 181 1.00 1 181 0.50 1 000 0000 0 000 0000 0 3
000 0000 0 181 0.50 0 098 0.50 1 000 0000 0 000 0000 0 3
000 0000 0 000 0000 0 220 1.00 0 181 0.50 0 000 0000 0 3
440 0.25 1 000 0000 0 000 0000 0 440 0.50 0 000 0000 0 4
197 0.50 0 000 0000 0 000 0000 0 440 0.50 1 000 0000 0 4
000 0000 0 000 0000 0 363 0.25 0 000 0000 0 363 0.50 1 5
000 0000 0 181 1.00 1 000 0000 0 000 0000 0 181 0.25 0 5
000 0000 0 000 0000 0 000 0000 0 181 1.00 1 098 1.00 0 5
000 0000 0 000 0000 0 220 1.00 0 098 0.25 1 000 0000 0 4
544 0.50 1 544 1.00 1 000 0000 0 000 0000 0 000 0000 0 1
295 0.50 1 544 0.50 0 000 0000 0 000 0000 0 000 0000 0 1
660 1.00 0 000 0000 0 000 0000 0 000 0000 0 544 0.50 0 5
000 0000 0 544 1.00 1 544 0.25 0 000 0000 0 000 0000 0 3
000 0000 0 000 0000 0 295 1.00 0 000 0000 0 544 1.00 1 3
660 1.00 0 000 0000 0 000 0000 0 000 0000 0 295 0.25 1 5
181 1.00 1 000 0000 0 181 0.50 1 000 0000 0 000 0000 0 3
181 0.50 0 000 0000 0 098 0.50 1 000 0000 0 000 0000 0 3
000 0000 0 000 0000 0 220 1.00 0 181 0.50 0 000 0000 0 4
181 1.00 1 000 0000 0 181 0.50 1 000 0000 0 000 0000 0 3
181 0.50 0 000 0000 0 098 0.50 1 000 0000 0 000 0000 0 3
000 0000 0 000 0000 0 220 1.00 0 181 0.50 0 000 0000 0 3
181 1.00 1 000 0000 0 181 0.50 1 000 0000 0 000 0000 0 3
181 0.50 0 000 0000 0 098 0.50 1 000 0000 0 000 0000 0 3
000 0000 0 000 0000 0 220 1.00 0 181 0.50 0 000 0000 0 4
181 1.00 1 000 0000 0 000 0000 0 000 0000 0 181 0.25 0 5
000 0000 0 000 0000 0 000 0000 0 181 1.00 1 098 1.00 0 5
000 0000 0 000 0000 0 220 1.00 0 098 0.25 1 000 0000 0 4
220 0.25 1 000 0000 0 000 0000 0 220 0.50 0 000 0000 0 4
098 0.50 0 000 0000 0 000 0000 0 000 0000 0 220 0.50 1 5
000 0000 0 000 0000 0 181 0.25 0 000 0000 0 181 0.50 1 5
181 1.00 1 000 0000 0 000 0000 0 000 0000 0 181 0.25 0 5
000 0000 0 000 0000 0 000 0000 0 181 1.00 1 098 1.00 0 4
000 0000 0 000 0000 0 220 1.00 0 098 0.25 1 000 0000 0 4
000 0000 0 440 0.25 1 000 0000 0 440 0.50 0 000 0000 0 4
000 0000 0 197 0.50 0 000 0000 0 000 0000 0 440 0.50 1 2
000 0000 0 363 0.25 0 000 0000 0 000 0000 0 363 0.50 1 2
660 1.00 0 544 1.00 1 000 0000 0 000 0000 0 000 0000 0 2
295 0.50 1 544 0.50 0 000 0000 0 000 0000 0 000 0000 0 2
295 0.50 1 000 0000 0 000 0000 0 000 0000 0 544 0.50 0 5
000 0000 0 660 0.25 1 000 0000 0 000 0000 0 660 0.50 0 5
000 0000 0 295 0.50 0 660 0.50 1 000 0000 0 000 0000 0 3
544 0.25 0 000 0000 0 544 0.50 1 000 0000 0 000 0000 0 3
181 1.00 1 000 0000 0 181 0.50 1 000 0000 0 000 0000 0 3
181 0.50 0 000 0000 0 098 0.50 1 000 0000 0 000 0000 0 3
000 0000 0 000 0000 0 220 1.00 0 181 0.50 0 000 0000 0 4
000 0000 0 000 0000 0 220 0.25 1 220 0.50 0 000 0000 0 4
098 0.50 0 000 0000 0 000 0000 0 000 0000 0 220 0.50 1 5
000 0000 0 000 0000 0 181 0.25 0 000 0000 0 181 0.50 1 5
181 1.00 1 000 0000 0 000 0000 0 000 0000 0 181 0.25 0 1
000 0000 0 000 0000 0 000 0000 0 181 1.00 1 098 1.00 0 5
000 0000 0 000 0000 0 220 1.00 0 098 0.25 1 000 0000 0 3
544 0.50 1 544 1.00 1 000 0000 0 000 0000 0 000 0000 0 2
295 0.50 1 544 0.50 0 000 0000 0 000 0000 0 000 0000 0 2
660 1.00 0 000 0000 0 000 0000 0 000 0000 0 544 0.50 0 5
220 0.25 1 000 0000 0 000 0000 0 220 0.50 0 000 0000 0 1
098 0.50 0 000 0000 0 000 0000 0 000 0000 0 220 0.50 1 1
000 0000 0 000 0000 0 181 0.25 0 000 0000 0 181 0.50 1 3
000 0000 0 544 1.00 1 000 0000 0 000 0000 0 544 0.25 0 5
000 0000 0 000 0000 0 544 1.00 1 000 0000 0 295 1.00 0 5
660 1.00 0 000 0000 0 295 0.25 1 000 0000 0 000 0000 0 3
660 0.25 1 000 0000 0 000 0000 0 660 0.50 0 000 0000 0 4
295 0.50 0 000 0000 0 000 0000 0 000 0000 0 660 0.50 1 1
000 0000 0 000 0000 0 544 0.25 0 000 0000 0 544 0.50 1 3
181 1.00 1 000 0000 0 000 0000 0 000 0000 0 181 0.25 0 1
000 0000 0 000 0000 0 000 0000 0 181 1.00 1 098 1.00 0 5
000 0000 0 000 0000 0 220 1.00 0 098 0.25 1 000 0000 0 3
544 1.00 1 000 0000 0 000 0000 0 000 0000 0 544 0.25 0 5
000 0000 0 000 0000 0 000 0000 0 544 1.00 1 295 1.00 0 5
000 0000 0 000 0000 0 660 1.00 0 295 0.25 1 000 0000 0 3
000 0000 0 181 1.00 1 181 0.50 1 000 0000 0 000 0000 0 3
000 0000 0 181 0.50 0 098 0.50 1 000 0000 0 000 0000 0 3
000 0000 0 000 0000 0 220 1.00 0 181 0.50 0 000 0000 0 3
181 1.00 1 000 0000 0 000 0000 0 000 0000 0 181 0.25 0 5
000 0000 0 000 0000 0 000 0000 0 181 1.00 1 098 1.00 0 5
242
ANEXO VI
AMOSTRA DO BANCO DE DADOS DE PR
CC1 CC2 CC3 CC4 CC5 dp renda Escolha

0.18 0.22 0.19 0.11 0.11 0600 07.3 07
0.18 0.22 0.19 0.11 0.11 0500 03.1 06
0.18 0.22 0.19 0.11 0.11 2500 09.4 07
0.18 0.22 0.19 0.11 0.11 1200 03.1 06
0.18 0.22 0.19 0.11 0.11 1600 03.1 09
0.18 0.22 0.19 0.11 0.11 8000 05.2 09
0.18 0.22 0.19 0.11 0.11 0500 03.1 07
0.18 0.22 0.19 0.11 0.11 1400 03.1 07
0.18 0.22 0.19 0.11 0.11 0800 28.1 07
0.18 0.22 0.19 0.11 0.11 0660 21.9 07
0.18 0.22 0.19 0.11 0.11 1500 05.2 07
0.18 0.22 0.19 0.11 0.11 0500 07.3 07
0.18 0.22 0.19 0.11 0.11 1600 26.0 08
0.18 0.22 0.19 0.11 0.11 3800 07.3 09
0.18 0.22 0.19 0.11 0.11 6000 07.3 09
0.18 0.22 0.19 0.11 0.11 0500 05.2 07
0.18 0.22 0.19 0.11 0.11 0500 09.4 07
0.18 0.22 0.19 0.11 0.11 0500 03.1 07
0.18 0.22 0.19 0.11 0.11 2000 03.1 09
0.18 0.22 0.19 0.11 0.11 1000 13.5 07
0.18 0.22 0.19 0.11 0.11 0600 03.1 09
0.18 0.22 0.19 0.11 0.11 3000 03.1 07
0.18 0.22 0.19 0.11 0.11 0500 05.2 07
0.18 0.22 0.19 0.11 0.11 3600 07.3 07
0.18 0.22 0.19 0.11 0.11 0700 03.1 06
0.18 0.22 0.19 0.11 0.11 1000 07.3 07
0.18 0.22 0.19 0.11 0.11 1500 03.1 06
0.18 0.22 0.19 0.11 0.11 0550 03.1 07
0.18 0.22 0.19 0.11 0.11 1500 05.2 07
0.18 0.22 0.19 0.11 0.11 1500 07.3 06
0.18 0.22 0.19 0.11 0.11 0500 13.5 07
0.18 0.22 0.19 0.11 0.11 1800 24.0 07
0.18 0.22 0.19 0.11 0.11 0130 29.2 07
0.18 0.22 0.19 0.11 0.11 0500 19.8 07
0.18 0.22 0.19 0.11 0.11 0500 03.1 07
0.18 0.22 0.19 0.11 0.11 0400 11.5 07
0.18 0.22 0.19 0.11 0.11 1600 07.3 09
0.18 0.22 0.19 0.11 0.11 0100 11.5 07
0.18 0.22 0.19 0.11 0.11 0600 13.5 07
0.18 0.22 0.19 0.11 0.11 1200 03.1 07
0.18 0.22 0.19 0.11 0.11 2500 07.3 07
0.18 0.22 0.19 0.11 0.11 0200 07.3 07
0.18 0.22 0.19 0.11 0.11 0500 13.5 07
0.18 0.22 0.19 0.11 0.11 0670 29.2 07
0.18 0.22 0.19 0.11 0.11 0500 07.3 07
0.18 0.22 0.19 0.11 0.11 1000 24.0 07
0.18 0.22 0.19 0.11 0.11 1300 05.2 07
0.18 0.22 0.19 0.11 0.11 0900 29.2 07
0.18 0.22 0.19 0.11 0.11 0500 13.5 07
0.18 0.22 0.19 0.11 0.11 0180 03.1 07
0.18 0.22 0.19 0.11 0.11 0500 07.3 07
0.18 0.22 0.19 0.11 0.11 1300 11.5 07
0.18 0.22 0.19 0.11 0.11 0300 11.5 07
0.18 0.22 0.19 0.11 0.11 1500 29.2 07
0.18 0.22 0.19 0.11 0.11 0300 09.4 07
0.18 0.22 0.19 0.11 0.11 0468 13.5 07
0.18 0.22 0.19 0.11 0.11 2500 05.2 09
0.18 0.22 0.19 0.11 0.11 0800 17.7 07
0.18 0.22 0.19 0.11 0.11 1040 28.1 07
0.18 0.22 0.19 0.11 0.11 2000 11.5 07
0.18 0.22 0.19 0.11 0.11 2000 09.4 07
0.18 0.22 0.19 0.11 0.11 1200 05.2 06
0.18 0.22 0.19 0.11 0.11 0600 07.3 07
0.18 0.22 0.19 0.11 0.11 0500 05.2 07
0.18 0.22 0.19 0.11 0.11 0500 05.2 07
0.18 0.22 0.19 0.11 0.11 0500 03.1 07
0.18 0.22 0.19 0.11 0.11 0500 03.1 07
0.18 0.22 0.19 0.11 0.11 0500 07.3 07
0.18 0.22 0.19 0.11 0.11 1000 05.2 07
0.18 0.22 0.19 0.11 0.11 2000 05.2 07
0.18 0.22 0.19 0.11 0.11 2000 07.3 07
OBS.: dp = distncia mensal percorrida pelo veculo do entrevistado.

243
ANEXO VII
MATRIZES DE CORRELAO DOS MODELOS ESTIMADOS
VALORES MULTIPLICADOS POR 103
Modelo 01 Dados de PD
ASCa CC DP EB ASCag ASCggn
CC -45
DP 127 -308
EB 17 81 -157
ASCag 875 -160 222 18
ASCggn 805 -170 356 -117 868
ASCagn 843 -185 287 -18 874 887
ASCa CC DP EB ASCag ASCggn ASCagn
CC 208
DP -158 -605
EB 191 365 -409
ASCag 368 -517 549 -295
ASCggn 296 -534 639 -396 932
ASCagn 399 -492 555 -290 927 934
THETA PD 367 647 -654 472 -655 -681 -604
ASCa CC DP EB ASCag ASCggn ASCagn
CC 368
DP -247 -599
EB 445 669 -601
ASCag 51 -625 578 -648
ASCggn -123 -698 680 -787 924
ASCagn 54 -612 617 -625 926 948
THETA PD 500 741 -624 844 -773 -864 -755
ASCa CC DP EB ASCag ASCggn ASCagn THETA dedic
CC 216
DP -138 -603
EB 173 377 -500
ASCag 510 -340 586 -269
ASCggn 442 -368 654 -365 952
ASCagn 537 -309 572 -260 948 951
THETA dedic 292 663 -655 495 -567 -595 -516
THETA bi-comb 371 597 -581 498 -394 -428 -339 824
244
ASCa CC DP EB ASCag ASCggn ASCagn THETA dedic THETA AG
CC 369
DP -194 -562
EB 404 656 -591
ASCag 376 -311 622 -351
ASCggn 123 -541 722 -649 880
ASCagn 361 -346 628 -367 932 918
THETA dedic 432 745 -600 780 -533 -739 -540
THETA AG 480 689 -505 765 -344 -578 -351 828
THETA GNV 433 674 -437 812 -263 -573 -296 786 802
Modelo 01 Dados de PR
CC ASCa ASCag
ASCa 271
ASCag 87 57
ASCagn 833 290 100
CC ASCa ASCag ASCagn
ASCa 668
ASCag 882 605
ASCagn 994 676 886
THETA PD 983 662 903 993
CC ASCa ASCag ASCagn
ASCa 603
ASCag 957 593
ASCagn 988 612 977
THETA PD 967 592 986 989
OBS.: No foram estimadas matrizes de correlao para os modelos 04 e 05 com dados

de PR
Modelo 01 Dados de PD e PR
PD PD PD PD PR PR PR
ASCa CC DP EB ASCag ASCggn ASCagn ASCa ASCag ASCgn
CC 28
DP 60 -607
EB 56 564 -499
PD
ASCag 626 -576 522 -422
PD
ASCggn 508 -636 632 -545 925
PD
ASCagn 585 -600 569 -456 928 938
PR
ASC a 8 270 -164 153 -156 -172 -162
PR
ASCag 2 87 -53 49 -50 -55 -52 56
PR
ASCgn 24 833 -505 470 -480 -530 -499 289 100
THETAPD 63 797 -611 671 -648 -727 -669 216 69 664
245
ASCa CC DP EB ASCag ASCggn ASCagn ASCa ASCag ASCgn THETAPD
CC 202
DP -152 -595
EB 190 363 -410
PD
ASC ag 381 -506 543 -296
PD
ASCggn 306 -525 635 -398 930
PD
ASCagn 410 -484 550 -291 925 932
PR
ASC a 50 248 -148 90 -126 -130 -120
PR
ASCag 90 445 -265 161 -225 -234 -215 157
PR
ASCgn 173 852 -507 309 -432 -447 -412 272 560
THETAPD 231 8 -269 244 -322 -339 -287 -29 -293 -279
THETAEST 140 688 -410 250 -349 -361 -333 205 635 903 -469
ASCa CC DP EB ASCag ASCggn ASCagn ASCa ASCag ASCgn THETAPD
CC 353
DP -237 -596
EB 427 652 -595
PD
ASCag 96 -609 570 -622
PD
ASCggn -84 -686 677 -767 921
PD
ASCagn 97 -598 609 -601 924 945
PR
ASCa 127 361 -215 235 -220 -247 -216
PR
ASC ag 240 680 -405 444 -414 -466 -407 287
PR
ASCgn 309 874 -521 570 -532 -599 -522 363 847
THETAPD 326 185 -321 521 -460 -522 -448 37 -240 -90
THETAEST 257 729 -434 476 -444 -500 -436 296 906 919 -283
ASCa CC DP EB ASCag ASCggn ASCagn ASCa ASCag ASCgn THETAPD THETADEDIC
CC 192
DP -119 -586
EB 160 362 -496
PD
ASCag 523 -341 589 -272
PD
ASCggn 455 -367 656 -368 951
PD
ASCagn 548 -314 578 -265 947 951
PR
ASCa 46 244 -143 88 -84 -90 -77
PR
ASCag 220 399 -224 215 14 -9 36 125
PR
ASC gn 243 498 -282 253 -16 -42 9 150 929
THETAPD 99 54 -276 231 -385 -392 -359 -7 -472 -461
THETADEDIC 180 632 -367 258 -156 -178 -134 178 720 774 -522
THETABI-COMB 219 439 -249 225 -10 -33 12 124 903 949 -583 883
246
ASCa CC DP EB ASCag ASCggn ASCagn ASCa ASCag ASCgn THETAPD THETADEDIC THETAAG
CC 360
DP -191 -568
EB 389 648 -594
PD
ASC ag 385 -326 619 -361
PD
ASCggn 140 -541 719 -646 885
PD
ASCagn 372 -355 626 -375 933 919
PR
ASCa 130 362 -206 235 -118 -196 -129
PR
ASC ag 298 528 -225 453 38 -171 13 211
PR
ASCgn 279 541 -204 540 49 -234 1 214 776
THETAPD 133 74 -276 238 -437 -403 -405 6 -494 -482
THETADEDIC 297 693 -337 551 -101 -340 -139 272 804 840 -491
THETAAG 303 554 -236 480 30 -194 1 217 961 835 -548 887
THETAGNV 266 513 -192 515 51 -219 6 200 806 978 -561 902 879

Previsão de demanda GNV baseada em preferência declarada e revelada

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Previsão de demanda GNV baseada em preferência declarada e revelada

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDADE FEDERAL DO CEAR

PROGRAMA DE MESTRADO EM ENGENHARIA DE TRANSPORTES

PREVISO DE DEMANDA POR GS NATURAL

Jos Expedito Brando Filho

PROGRAMA DE MESTRADO EM ENGENHARIA DE TRANSPORTES

PREVISO DE DEMANDA POR GS NATURAL

Jos Expedito Brando Filho

Dissertao submetida no Programa de

ORIENTADOR: Prof. Ph. D. Joo Bosco Furtado Arruda

BRANDO FILHO, JOS EXPEDITO

concedida Universidade Federal do Cear permisso para reproduzir cpias desta

Jos Expedito Brando Filho

PREVISO DE DEMANDA POR GS NATURAL VEICULAR: UMA

Jos Expedito Brando Filho

DISSERTAO SUBMETIDA AO CORPO DOCENTE DO PROGRAMA DE

Aos meus queridos pais, Expedito Brando (in memoriam) e

Aos meus irmos Ernani, Eliane e Ana Carminda, pelo amor

Samlia, pela compreenso e pelo seu amor, que me ensinou e

Ao ser superior que chamamos de DEUS e que nos ilumina nos

Atravs da educao que temos a

Jos Expedito Brando

A longa caminhada at aqui no teria sido concluda sem as valiosas

Ao Professor Joo Bosco Furtado Arruda, pela amizade, orientao e grande

Ao Programa de Mestrado em Engenharia de Transportes PETRAN, o qual

Ao Projeto GASLOG, que forneceu o subsdio para o levantamento de dados

Ao Professor Marco Caldas, pela co-orientao dada neste trabalho;

Ao Professor Ernesto Nobre, pela contribuio como examinador da banca,

Aos demais examinadores, Profa. Lenise Goldner e Eng. Raimundo Lutif,

Aos professores Felipe Loureiro e Jorge Soares, ex-coordenador e atual

Aos demais professores do PETRAN, Mrio ngelo, Marta Bastos, Barros

Aos queridos amigos do mestrado, que foram muitos os conquistados durante

s amigas Celme, Lgia e Edenise, pela amizade conquistada durante as

Aos amigos Chico Moraes, Hamifrancy, Rodrigo, Venescau, Alysson,

Ao Engenheiro Rinaldo Cavalcante, pelas discusses sobre modelagem, que

Ao Engenheiro Jovino Batista e ao Professor Joaquim Bento, pela ajuda dada

Ao Professor Jackson, pela ajuda fundamental na seleo dos pesquisadores de

Aos Engenheiros Ricardo Mendes e Higino da Silva, tcnicos especialistas na

Hague Consulting Group, na pessoa da Sra. Rebecca Hammer, pelas

Aos pesquisadores que me ajudaram no levantamento de dados. Um

Sra. Rita Correia, pela ateno cativante, carisma e hospitalidade dada a

A todos os entrevistados, que cederam seu tempo para responder s

Aos pesquisadores do Projeto GASLOG, Nauri, Felipe, Tas, que me ajudaram

Resumo da Dissertao submetida ao PETRAN/UFC como parte dos requisitos para a

PREVISO DE DEMANDA POR GS NATURAL VEICULAR: UMA

Jos Expedito Brando Filho

Orientador: Prof. Joo Bosco Furtado Arruda, Ph. D.

Co-Orientador: Marco Antnio Farah Caldas, Ph. D.

A utilizao de modelos de escolha discreta um mtodo eficaz que retrata o

Abstract of Thesis submitted to PETRAN/UFC as a partial fulfillment of the

DEMAND FORECAST FOR NATURAL GAS VEHICLES: A MODELLING BASED

Jos Expedito Brando Filho

Advisor: Prof. Joo Bosco Furtado Arruda, Ph. D

Co-Advisor: Marco Antnio Farah Caldas, Ph. D.

The use of discrete choice models is a effective method of portraying the

LISTA DE SIGLAS E ABREVIATURAS

ADB Asian Development Bank

AFV Alternative Fuel Vehicle

AGA American Gas Association

ANP Agncia Nacional de Petrleo

ASC Alternative Specific Constant (Constante Especfica da Alternativa)

BCB Banco Central do Brasil

BEN Balano Energtico Nacional

BM&F Bolsa de Mercadorias e Futuros